0
雷锋网 AI 科技评论：9 月 21 日至 22 日，为期两天的 CCAI 2019 在秋意浓浓的中国青岛胶州隆重举行。会议在接近尾声之际，迎来了本次大会的压轴论坛：「如何认识我国当前人工智能发展态势」。本场论坛由王雪纯担任主持，嘉宾阵容包括张钹、李德毅两位院士以及腾讯 AI Lab 主任张正友和平安集团首席科学家肖京。
这场跨越 30 后、40 后、60 后、70 后的对话，是 CCAI 2019 唯一的大会论坛，也是本次会议万众瞩目的环节，各位嘉宾之间究竟产生了怎样的思想碰撞和化学反应呢？我们下面来看。
在论坛正式开始前，王雪纯就满面笑容地用一口大家都非常熟悉的「播音腔」以及活泼俏皮的口吻为本场论坛定下了轻松、随和的基调：「大家好，我是雪纯，在这里我先给大家鞠个躬。今天特别荣幸能够有机会和四位国内人工智能研究和开发领域的顶级专家同台而坐。因为四位专家彼此之间都有非常多的了解，台下的各位听众也对他们非常熟悉，我作为一个外行，在这里就不再对他们的成就和背景多做介绍了。我今天来做这场压轴论坛的主持人，就是想先做个铺垫，让各位嘉宾展开一场很轻松的对话。」
笑脸盈盈的王雪纯
随后，她步入正题，为各位嘉宾提出了开场问题：「今天我向台下各位听众了解了一下，他们很多人都说非常期待这场论坛，非常想听到台上的四位嘉宾之间的思想碰撞。那你们认为他们想听到大概会是怎样的碰撞呢？大家可以随意聊天。」
张钹院士：我认为一个话题是大家对于人工智能当下发展现状的看法；另一个话题是我们国家现在的人工智能发展到了什么水平。（笑嘻嘻看向李德毅院士）我认为这两个问题首先应该由我们人工智能学会的理事长来回答。
咧嘴笑的张钹院士
李德毅院士：（哈哈大笑）我本以为雪纯会给我挖坑，结果张院士给我挖了个坑。
哈哈大笑的李德毅院士
张钹院士：这是碰撞的开始。
王雪纯：这场论坛是同行之间针对相关领域的一次交流，其实也是一场面向大众的传播。刚才张院士提到的两个话题就是很大的话题，加上我也比较喜欢琢磨标题，我琢磨了下这场论坛的主题「如何认识我国当前人工智能发展态势」，注意到了「当前」这两个关键字，我们都知道这两个字其实是指一个发展阶段，那各位认为「当前」大概是指一个怎样的发展阶段呢？我们先请两位院士谈谈。
张钹院士：对于这个问题，我认为大家关心的其实是中国的人工智能水平在国际上处于怎样的位置。我们谈科技发展现状，大体是指两个内容，一是科技发展水平，二是科技发展能力，二者存在相互关系。
不过人工智能领域的发展存在特殊性，这种特殊性表现在人工智能发展还处于初级阶段，只有 50 年历史并且在这 50 年历史中还存在很多反复情况，因此从发展水平来看，各国之间的差距并不大，都在起跑线附近。所以相对而言，我们现在其实最关心的是人工智能的发展能力，因为最终人工智能的发展谁先谁后，并不取决于现在在哪，而取决于跑得有多快。
而科技的发展能力主要是指三个方面：一是科学发现的能力，二是技术开发的能力，三是工程实践或者产业化的能力。其中我主要讲下科学发现的能力，它其实就是创新能力尤其是原始创新能力，我认为从人工智能的角度来看，在原始创新能力上，我们跟世界是存在差距的。以图灵奖为例，目前获奖者一共有 11 位，其中 10 位是美国人，1 位是加拿大人，也就是说人工智能领域所有的原始模型算法都是由美国人提出来的。
我们如果能够认识到这一点是一件很好的事情，因为虽然过去我们一再强调基础研究，但是现在对基础研究的重视度还不够。如果我们想在人工智能领域引领世界的发展，就必须非常重视并加强基础研究。
李德毅院士：我补充一点，中国人将科学和技术统称为科技，因此谈到人工智能的水平，我们首先要想到智能科学的水平，而智能科学涉及到两类科学，一是脑科学或神经学，二是认知科学，前者是研究人类智能的生物学基础，后者研究的是人类智能的心理活动。此外，智能还有一个重要属性叫做智能的社会学属性，即人类在研究客观世界时对大自然的了解和对物质能力的把握所琮琤的非常丰富的科学技术宝库。
因此，人类智能的生物学基础、人类智能的心理活动规律和人类智能的社会学属性是研究人类智能的三大要点。基于此，我个人认为现在的人工智能确切地说还只是一项技术，因为它很少涉及到人工智能科学。
最近有一个关于人工智能的比较简单的定义：人工智能就是人类智能的体外延伸。我认为这个定义对于老百姓来说比较好懂，并且将人工智能的根本问题说清楚了。从这个层面来讲，我认为我们国家在脑科学尤其是认知科学上的研究还很落后。因而虽然世界都还处于人工智能的起跑线附近，但是我们的基础研究、基础算法以及认知模型要落后于世界。
现在我们在经历深度学习所带来的人工智能第三次浪潮，今年的三位图灵奖获得者中没有华人，之后我们华人是否能提出能够拿到图灵奖的认知模型呢？我们要努力。虽然中国在认知科学上整体落后，但是我们有一个非常大的优势，那就是拥有很大的应用市场，并且从生物遗传的角度上来看，我们中国人才在智力方面同样也具有一定优势。
王雪纯：两位院士一开场就直奔主题，并且在梳理人工智能发展历程的时候就将自己的很多核心观点都表达出来了。现在我们有请另外两位 60 后和 70 后科学家谈谈自己的看法。
张正友博士：刚主持人提到大家希望我们有所碰撞，虽然我和肖京博士是 60 后和 70 后，但是我们同样也在人工智能领域深耕了几十年，比如我也研究人工智能 30 多年了，所以我们跟两位 30 后和 40 后的院士在观点上可能会比较接近。
开心地表达自己的观点的张正友博士
我认为中国人工智能现在的发展可以用两个字来概括，一个是「hot」，一个是「cool」。「hot」是指人工智能在中国非常火热，相关的会议也很多。这次是我第三次参加人工智能会议，第一次是 7 月份在深圳举办的 CCF 全球人工智能与机器人峰会，当时我在演讲中对计算机视觉的历史做了回顾并对今后人工智能的发展发表了一些看法；第二次是 8 月底在上海举办的全球人工智能大会，我介绍理论腾讯在人工智能领域的布局；这是第三场，我主要参与组织了这场会议。
我这里说的「cool」包含两层意思，一重意思是「酷」，指的是中国现在几乎每家公司、每个部门都在往人工智能上靠，在他们看来，人工智能是一项很酷的技术；另一重含义是「冷」，也就是说我们需要对人工智能有一个比较冷静的判断。现在我们各级政府都非常看重人工智能，并且投入了很大的人力、物力，以期在人工智能领域占据制高点，然而我们还应该清晰地认识到目前的人工智能距离真正的人工智能还很远，这一点张院士和李院士在他们的报告中都已经提过了。
因此，我认为我们应该坚持两条腿走路：一方面是我们还要继续加强应用方面的探索，并且落实到人类生活的方方面面；另一方面我们更要加强对基础研究的持续投入和稳定支持。
肖京博士：我完全认同前面三位的看法。人工智能确实是一个非常大的研究领域，是自然科学和社会科学的交叉学科。虽然我们中国在人工智能发展上的进步非常快，但在原创上确实还是跟欧美等一些西方国家存在比较大的差距，这一点我完全同意两位院士的观点。
赞同地看向其他三位嘉宾的肖京博士
由于我来自产业界，有很多应用的经历，所以我从技术应用的角度补充下。技术应用需要软硬件方面的各个条件：硬件方面，其中在很多基础能力包括 CPU 等计算机设备上，我们还是比较落后的，但是我们国家如华为、中科曙光等公司都在努力寻找可替代的方式，目前我认为也取得了比较大的进展。在软件方面，我们现在也在尝试发展深度学习计算，不过它除了 GPU 以外还有很多底层的软件，这就需要长期的积淀来形成这样的基础，因此这一过程并不容易。所以除了科学以外，我们在技术工程上也跟美国等西方国家存在差距。
不过从另一个角度来讲，人工智能其实是一个赋能的工具，它本身不构成一个独立的产业，需要依托于其他产业去实现「三提两降」，产生附加价值。这就需要市场大环境的支持，而中国在这方面具有很大的优势。在应用方面，比如我所在的金融领域，中国其实还是其他国家很多金融机构的学习对象，为什么会出现这种情况？一个很大的原因就是现在西方很多传统行业处于非常舒服、稳定的状态，他们并没有很大的动力来进行变革，而我们国家的市场竞争非常激烈，大量企业都有非常大的驱动力来变革和创新。所以，我们在这种创新的意向和心态上，是比美国等西方国家更有优势的，并且我们也可以很好地利用这一点去推动我们在科技领域的发展。
李德毅院士：我同意我们国家在人工智能的技术研究上比较明显地落后于先进的发达国家，但是我想补充的一点是，中国在人工智能的技术研究上也有它的特色。我们可以回顾一下中国人工智能的先辈们所做的工作，比如说人工智能学会名誉理事长吴文俊老先生，他的一项重大贡献就是数学的机械化证明，而除了吴文俊之外，马希文、华罗庚等科学家也都在几何定理证明或者代数证明上做出了重大贡献，另外我们的钱学森在军事科学领域最早发起了军事专家系统的工作，中国的人工智能学者还曾经跟日本一起搞五代计算机。
所以我建议，大家在认识到我们的技术研究整体上落后于西方国家的同时，也不应该忘记这些先辈们曾经做出的重大贡献！
王雪纯：四位嘉宾在第一轮已经有了碰撞，下面可以继续。从我自身的感觉而言，人工智能这个话题在大家的日常生活中热起来差不多是 2015 年前后，几乎所有人，懂或者不懂，都在谈论这个话题。到我们这届人工智能大会的时候，正如它的主题「智变融合」中的「变」字，我们感受到人工智能带来的变化越来越明显，产生的力量越来越大。希望各位能够从各自的领域和角度来谈谈你们对于这种变化趋势的感受，以及为了应对变化，我们应该做哪些准备？
张钹院士：这个问题提的很好。我认为人工智能有一个非常好的特点，能够让中国人在其中发挥很好的作用。人工智能的发展过程是一个阶段一个阶段的，不像其他学科一样，搞清楚几个基本原理以后，就能形成整个科学体系，之后一条路走到底。人工智能不是这样，因为智能这个问题太过复杂了。
我们现在处于什么阶段呢？正如我在报告中提到的，现在我们已经走过了第一代人工智能的发展阶段，到了第二代人工智能发展阶段，而现在大家都能够明显看到人工智能遇到了很多瓶颈，比如说可解释性、安全性和鲁棒性等问题，在这个阶段，大家其实差不多又在同一起跑线上。所以现在，中国完全有可能在基础研究上有所突破，从而带动科技的发展。我认为中国完全有可能在人工智能当下的发展阶段中，做出重大贡献。
王雪纯：张院士一直在强调的一个观点是人工智能永远在路上，而现在则是一个新的起点。
张钹院士：对，因为永远在路上，所以我们永远都能跟着它一块走，并且如果现在跑得快一点，就能跑到前面去。
李德毅院士：「智变融合」这个词用得非常好，其中的「变」是指变革、转型升级，「智」是指多样化。
我在开幕式里讲了人工智能是经济发展的领头雁、社会发展的加速器，而没有讲它是经济发展的新引擎。因为新引擎是指那种像原子弹这样能量巨大的新事物，而人工智能的力量跟原子弹相比还是比较微弱的，就其本身的能量而言，智能参与的部分不会很多，并且不会超过化工、冶金、钢铁和运输等。
因此，当我听到各个省市讨论智能产值时，多少有点尴尬。并且有很多企业在产值报表中，将互联网、集成电路等的产值说成是智能产值，但智能在其中起到的作用真的有这么大吗？所以我们更要看到的是智能的多样化、AI+ 的作用以及看清当前人工智能的特色到底是怎样的。
张正友博士：我没有仔细去想「智变」，我在思考的问题还是可以回到刚才提到「hot」和「cool」的上去。
人工智能之所以变得这么热，确实是因为人工智能在很多应用中体现出了价值，有足够多的数据，人工智能就能很好地理解场景，帮助提高效率，并最终改善人民生活。但是另一方面，大家也能够明显感觉到现在投资界对于人工智能领域逐渐转「凉」了些，我认为这其实是比较正面的，因为可以让我们冷静地思考到底应该如何研究人工智能。那如何研究？
我的观点是：深耕细作。也就是说，我们要真正理解各个行业的各个痛点，这样人工智能才会迎来更大的突破。就像昨天张院士在演讲中提到的人工智能辅助诊断，这是个很好的案例，我认为应用人工智能技术能够诊断工作做得非常细致，我们可以尝试在各个层次的医院推广，看看到底对医生有多少帮助。
再举个医疗领域的例子，比如门诊挂号，它对于病人而言是个非常耗时耗力的难题，但是如果我们能够真正理解为什么挂号这么难的话，我们就可以利用人工智能来技术来完善各个流程，比如病人在看病前将自己以前的病历用智能摄像头拍下来，摄像头就能够智能分析出有可能得了什么病，并自动推荐病人去挂哪个门诊。
中国的人口体量非常大，如果人工智能技术在应用方面稍微取得一点进展，都能够对人民的整体生活带来很大的帮助，所以一方面我们应该继续推动人工智能向前发展，不能因为它现在稍微有点「凉」就停止；另一方面，我们应该到具体场景中去找到并解决痛点和难点，才能够让人工智能发展到更高的高度。
肖京博士：我完全同意前面几个前辈的说法，「变」太重要了。欧美的人工智能应用为什么不如中国，很大的原因就在于它们的社会太规范了，很多传统行业、龙头企业都很大，它们保持安逸的状态就行了。
例如我们四五月份到加拿大和美国业务交流的时候，我们向他们咨询如何保持续保。他们的回答是：什么都不用做就能保持 95% 以上的续保率。并且他们还告诉我们，曾经也尝试使用互联网技术去提醒客户续保，结果续保率不增反降，这是因为这种做法反而提醒了这些客户，原来还有其他产品能够替代续保产品。但是我们就完全不一样，如果不提醒客户，平均续保率只有 40%，会流失掉一半客户。所以在这样的环境中，我们需要做更多智能化的高质量服务，提高效率和效果来增强业务的竞争力，这也在无形之中驱动中国企业不断地尝试创新和变革，反而为我们带来了机遇。
同时，我非常同意正友刚才说的深耕细作。因为人工智能的应用，涉及到对原有生产的改造，要求我们必须深耕细作才能对原来产业进行好的改造。并且在大企业中，往往只有得到「一把手」的支持，人工智能应用才能做好，所以我们必须要清楚地知道痛点在哪，才能定目标、做规划。
我认为人工智能在这种「变」的环境下，如果有比较好的顶层设计和战略规划，我们中国是能够做得非常好的。
王雪纯：刚才张博士提到一个关键词词——「痛点」，就像张院士也提到的，基础研究领域同样也有痛点和局限性，只有非常理性、负责任的科学家和企业，才会真的理解这个痛点，从而从痛点入手去找到一个新的起点。另外我也想请各位嘉宾从应用的角度，比如说智能交通、智能金融、智能制造等方面，谈谈目前所面临的痛点，以及最能够为大众所感知的痛点在哪。
张钹院士：比如自动驾驶，现在为什么在动态复杂的环境下还没法用？从基础研究的角度来看就是人工智能现在还不能实现随机应变、举一反三。我认为这个基本问题如果无法得到解决的话，自动驾驶汽车根本就没法儿到复杂路况上开。当然，我们可以考虑另外的思路，比如说直接改变道路，将复杂的路况变成单行道或者结构化的路。
如果你将所有的希望都压在自动驾驶车上，那我们就只能到人工智能技术层面去寻找突破，然而我认为这种突破是非常难的，需要相当长的时间。所以我之前也跟李院士讨论，我的看法是自动驾驶不能将所有的压力都施加在车上，而应该考虑在道路上解决问题，这样的话，人工智能所承受的压力就小了，甚至当道路都变成结构化的道路或专用道时，目前自动驾驶遇到的问题都不需要解决了。所以我一直在强调，人工智能确实存在很多基础性问题，但是我们在解决实际问题的时候，我们可以从另外的角度出发去思考解决问题的方法。
（转向李德毅院士，笑着说）你如果觉得不对的话，可以反驳我。
李德毅院士：我从另外一个角度讲下这个痛点。现在各个省、直辖市都在谈落地产品、落地场景，那什么叫落地场景呢？
我从另外一个观点讲这个痛点，因为各个省、直辖市都在讲落地产品、落地场景。什么叫落地场景呢？其实就是指最需要改革的痛点。比如说要将无人驾驶技术应用到港口地区，痛点是什么？是司机的成本。
我们之前到矿山区调研，矿山老板对我们说得很直接：如果你不能降低我的成本，你就靠边站，我并不 care 技术是自动化还是智能化，我要的就是降低成本，你们不是说无人矿吗？机器能够一天 24 小时给我挖煤、运矿吗？如果不能降低我的成本，我要无人车干嘛？在这个场景中，无人车只能承担运输的任务而不能解决两头的有效作业，所以无人车并不能解决这个场景中的痛点。
而找到痛点后，我们还需要将人工智能技术融入到现有系统中。比如说张院士做的医疗系统，很好，但是一定得跟现有的医生看病系统兼容，如果不能兼容，就需要将医院的现有系统打破才能使用，这样的话，医疗是下不了这么大决心的。所以，人工智能技术只有能够兼容到现有系统中，才能够有持续发展的可能。
所以我认为，人工智能在场景落地中，第一步要切中场景的痛点，这是最难的点；第二步是要能够融入到现有的系统中；在前面两步都实现后，第三步就可以进行大面积的技术推广了。
而在大面积的技术推广中，我们不能说得太过，比如说将应用了无人驾驶技术的港口称作「无人港」，这是不准确的，因为实际上只是将几千人的港口变成几百或几十人的港口，人是不可缺少的。所以大家在技术宣传上要注意的一点是，人工智能技术的应用只是说能够实现少数人和多数机器系统的协同，而不是让机器完全取代人类。
张正友博士：刚才主持人讲到智能制造，我在这里可以稍微讲一下，因为我之前参观了一些工厂，了解过企业智能制造的痛点在哪里。
现在智能制造的大部分工厂都已经实现自动化了，并且自动化程度都相当高，目前剩下还未自动化的，一个就是要求非常精细的装配部分，目前还需要人工进行装配；另一个就是质量检测，需要人工将屏幕等产品翻起来从不同角度进行检测，涉及到非常精巧的操作。如果人工智能能够对些更加精细的工作有所帮助，可以大大提高整个智能制造的效率。
我现在在腾讯负责的机器人实验室，就在研究如何提高机械手的触觉能力，一旦机械手的这种能力得到提高，很多此类相关问题就能迎刃而解了，不过目前虽然这些问题还解决不了，但是我们知道最主要的痛点，依旧可以往前推进智能制造。
另外我想讲一下研究和应用之间的关系。现在很多做研究的人往往对应用嗤之以鼻，觉得应用是太工程化的东西，不愿意花精力去了解，所以很多研究者往往都跟在别人的后面，去刷榜费心费力提高百分之零点几的性能等等，其实并没有多少原创，也没有花精力去理解这个问题。
实际上，去找到某个场景的痛点，然后将它抽象到一定高度，并找到解决这个问题的方法，这就是原创的东西，而且这种解决方案是可以泛化到其他领域。因此，研究者一定要逐渐培养这种心态。这就是我为什么非常强调用场景来驱动研究，因为场景能够帮助研究者找到一些真正的技术难点，一旦能够解决这些难点，就能够举一反三。
肖京博士：我非常同意刚才李院士说的，人工智能在落地到某个场景前，要先把场景的痛点了解清楚，并仔细梳理整个流程，如果一开始就说这个东西完全是自动化的，实际上大部分任务都完不成，所以分辨出哪些任务由机器协助完成、哪些任务由人来做，才能提升整体的效率和质量。
然而为了解决某个痛点，实际上会导致人工智能技术的应用进展很慢、成本也非常高。另外，我们国家在人工智能的很多场景应用的管理规划和标准上都比较缺乏，虽然国家现在在逐渐建立，还目前还是比较少，这就会带来很多问题。比如说前段时间的互联网金融问题，虽然监管部门也想管好，但是无能为力。
在未来的人工智能应用市场，会出现很多这种良莠不齐的现象，所以国家现在需要大力加强规范和标准的建立。除此之外，现在在数据方面，同样由于缺乏规范，导致数据的使用混乱，风险也很大，那如何在对数据进行约束同时又不会限制对数据需求量巨大的人工智能的发展呢? 这同样也是现在亟待解决的一个两难的问题。
王雪纯：所以说现在为什么科学家和企业家们总是心事重重，原来是因为他们老是在找痛点，但也正是因为这样，我们对人工智能的未来发展才更加有希望。
本场论坛设置的时间为一个小时，所以在聊了以上三个话题后，王雪纯提议，将后面剩余的一点时间留给台下的听众提问。我们来看现场的听众们又提了哪些问题。
听众提问：李院士昨天在报告中提到智能驾驶需要分级，今天又提到人工智能需要脑科学和认知科学的融合。我来自产业界，非常想了解未来人工智能发展的确定性，关于人工智能何时能够达到比较成熟的阶段，有的人说 30 年，有的人说 50 年，这让我很悲观，所以我想问一下，人工智能技术以及脑科学、认知科学发展到什么程度，才是产业切入的最佳时机，而不是像此前的物联网一样，发展了这么多年却依旧不成熟？
李德毅院士：我觉得有一句话很重要：自主学习也要服从常识。开车的同志们都知道，每个司机都有个性，踩刹车的时候可能猛一点，也可能比较有礼貌慢一点。所以自动驾驶并不仅仅实现自主学习就足够，还需要有常识，也就是通用常识和规则，这也就意味着，我们如果单纯依靠深度学习，可能并不那么靠谱，还需要规则推理、知识图谱这些方法来帮助。
那无人驾驶到底什么时候能走入我们老百姓的日常生活呢？我认为乘用车要晚一点，商用车、特种车可能要早一点。
比如说在煤矿区等场景中，人的工作非常无趣、单调和重复，条件也非常恶劣，无人驾驶可能会在这样的场景里先应用。而且如果在技术上实在做不到完全自动化，我们让几个人去干预一下也是可以的。就像我们刚才讲的，不要过分强调完全自动化，这样的话自动驾驶这条路是完全可行的。
听众提问：我是一名石油工程专业的学生，刚刚接触人工智能也没有很久，我就结合我之前的学习和这两天的听会报告，问一下我的疑惑，现在人工智能语音识别、图像处理、无人驾驶等方面都已经取得了长足的进步，这些都是民生方面的问题，那传统能源行业应该如何更加靠近人工智能技术，或者说如何更有效率地将人工智能技术引入呢？
肖京博士： 人工智能技术现在在一些传统能源行业已经有一些应用，比如说如何优化调度、优化配置、节能减排等等。
所以说到底，能源行业跟其他行业一样，在人工智能技术的应用上是一个意愿问题。只要企业愿意应用人工智能技术，像刚才李院士所说的，把痛点找出来，将流程细化，做必要的改变，分出一部分任务给机器来做，是一定能够比现有系统做得更好的，即实现所谓的三提两降：提效率、提效果、提体验，降风险、降成本。这一点其实有非常标准的套路，关键就看你所在的企业要不要选择这个路径。
雷锋网 AI 科技评论报道 雷锋网
雷峰网原创文章，未经授权禁止转载。详情见转载须知。
