核心算法缺位 人工智能发展面临“卡脖子”困境

核心算法缺位，人工智能发展面临“卡脖子”困境

“中国有多少数学家投资了人工智能的基础算法研究？”日前，在上海举办的院士沙龙上，中国工程院院士许等院士提出的问题引起了业界的共鸣，被称为“许的问题”。“在中国真正从事人工智能领域算法的科学家并不多见。”在4月28日举行的“超声大数据与人工智能应用与推广大会”上，东南大学生物科学与医学工程学院教授表示，“许问题”直击我国人工智能发展的核心关键问题。“如果这种情况不改变，中国的人工智能应用将很难走得更深，取得重大成果。”

中国人工智能发展现状如何？依靠开源代码和算法是否足以支撑人工智能产业的发展？为什么要有自己的底层框架和核心算法？

缺少核心算法，会被“卡脖子”

“如果没有核心算法，遇到关键问题时，你还是会‘卡脖子’。”浙江大学应用数学研究所所长孔德兴教授告诉科技日报记者，中国人工智能产业的创新能力并没有传说中的那么强。事实是，产业发展过于依赖开源代码和现有的数学模型，真正属于中国的东西并不多。

四个月的人工智能零基础学习，16次人工智能入门讲座，算法线下课程.类似的培训在网上非常流行。通过对现有算法和模型的学习和训练，可以看出成长为人工智能工程师是“短而快的”。

既然代码是开源的，就用吧，为什么有可能卡脖子？

孔德兴解释说，开源代码可以用，但专业性和针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发的AI可以准确识别人脸，但在医学图像识别方面难以满足临床需求。“比如对于肝脏病变的识别，由于器官边界模糊、对比度低、粘连甚至重叠等困难，很难用开源代码准确识别。在三维重建和可视化中很难准确反映真实的解剖信息，甚至存在误导等问题，这在医学应用中是‘致命的’。”

“当你遇到一个专业性很强的研究任务时，一旦被卡脖子就会非常被动，所以一定要有自己的算法。”孔德兴说。换句话说，掌握核心代码将决定未来AI“智力竞赛”是否会赢。用开源代码“调优”的AI顶多是一个“普通人”，而要帮助AI成长为“细分领域专家”，就需要创新原有的基于数学的核心模型、代码和框架。

有算法之“根”才能撑起产业“繁茂”

所谓“根深蒂固”，对于人工智能的发展也是如此。底子越深，能发展的产业就越强大。

那么，借助开源代码，为什么“半路出家”的AI行业不可持续？

孔德兴解释说，在获得相同数据并在开源代码中运行的前提下，AI经过深度学习或许能够输出结果。但是，由于固定的训练框架和算法限制，用户在进行具体的实际应用时，很难达到预期的效果，也很难对算法进行修改、改进和优化。

“如果从底层算法入手，那么整个数学模型、整个算法设计、整个仿真训练都在一条线上，不仅可以协同优化，还可以根据需要随时修改，真正解决实际问题。”孔德兴说，基础算法往往是指研究常见问题的算法。涉及基础数学理论、高性能数值计算等学科，可应用于a v

“基础算法和应用算法非常重要，拥有基础算法有助于丰富和深化应用算法。”孔德兴表示，AI要应对的现实生活是复杂多变的，只有能够“自如应对”，才能促进行业的“繁荣”。

呼吁三方协力，让数学不再置身事外

“一方面是政策引导。事实上，国家已经在这方面加大了支持力度，比如设立研究基金。”针对如何解决“许问题”所反映的问题，孔德兴认为，第二个方面是工业企业在进行科技创新时要有包容数学家的意识。

“如果最终产品通过算法的开发落下，企业应该将算法开发中的数学家纳入成果共享。”孔德兴表示，目前社会对数学科学等“软实力”的认知不足，数学研究成果的产权保护要在行业或法律层面做好。

“第三个方面，数学家自身要积极参与人工智能发展的浪潮。”孔德兴呼吁数学家深度参与AI的未来发展。因为还处于“弱人工智能”时代(可以说是数据智能时代)，AI的实现主要依靠计算机的巨大计算能力和巨大存储容量。底层算法的问题可能不突出，但在未来的发展中，AI很可能会融入逻辑、思维等需要数学科学原始创新的智能内容，还有大量的基础问题需要数学家去攻克

。

算法的进阶一定是来源于“原创者”，而不是“跟随者”。孔德兴说：“实际上深度学习的应用已遇到了天花板，我们需要新的数学技术(如部分依赖逻辑、部分依赖数据的‘聪明算法’)，让计算机变得聪明起来。这些工作都需要数学家的参与。”

标签：

版权声明：本文由用户上传，如有侵权请联系删除！