李国杰院士:理性认识人工智能的“头雁”作用

嗨,大家好。这里是学术报告专栏,读芯术小编不定期挑选并亲自跑会,为大家奉献科技领域最优秀的学术报告,为同学们记录报告干货,并想方设法搞到一手的PPT和现场视频——足够干货,足够新鲜!话不多说,快快看过来,希望这些优秀的青年学者、专家杰青的学术报告 ,能让您在业余时间的知识阅读更有价值。

 

人工智能论坛如今浩如烟海,有硬货、有干货的讲座却百里挑一。由中国科学院大学主办,百度公司提供支持,读芯术作为指定合作自媒体的“AI未来说·青年学术论坛”第一期“数据挖掘”专场已于2019年1月19日下午在中科院学术会堂举行。李国杰院士为论坛开启第一课:理性认识人工智能的“头雁”作用。

 

李国杰,中国工程院院士,第三世界科学家院士,中国计算机学会名誉理事长,曙光信息产业股份有限公司董事长。

 

李国杰院士主要从事计算机体系结构、并行算法、人工智能、计算机网络、信息技术发展战略等方面的研究,发表科学论文150多篇,合著了4本英文专著。长期从事国家863计划高技术研究,两次担任国家“973 计划”项目首席科学家。近几年来,主持研制成功了曙光1号并行计算机、曙光1000大规模并行机和曙光天演系列计算机,先后获得国家科技进步一等奖和三次二等奖。领导计算所研制成功龙芯CPU。1994年获得首届何梁何利基金科技进步奖,2000年被评为全国先进工作者。

 

理性认识人工智能的“头雁”作用

 

 

李院士认为发展人工智能需要防止两种倾向:一种是对人工智能麻木不仁、墨守成规;另一种是对人工智能抱不切实际的幻想,或者过分夸大人工智能的威胁。这两种倾向都可能断送发展新经济的大好机遇。围绕人工智能的造势活动已经起到了很好的启蒙作用,现在是技术落地生根的时候了,应当务实、务实、再务实!

 

目前还不能说已经走过信息时代进入了新的智能时代,智能化只是信息时代的一个新阶段。一个经济时代有几次经济长波,大数据和人工智能可能引发信息时代新的经济长波。风险投资很关注人工智能领域,但是人工智能产业目前还处于起步阶段。据统计,90%以上的人工智能企业处于亏损状态,人工智能企业当前的关注点不是盈利而是尽快扩大用户规模,还处在烧钱锁定用户的阶段。我们对人工智能技术的大规模普及应用要有足够的耐心。

 

认知科学本质上是一个实验科学。认知的基本单元不是计算的符号,不是比特,而是一种整体性的“组块”( chunk)。对上百亿年宇宙演化形成的极为精巧的人脑应有足够的敬畏,破解人脑的奥秘可能需要几百年甚至更长的时间,不是我们这一代人就能够解决。

 

人工智能研究中的推理驱动是继承牛顿的演绎推理模式,强调知识的重要性。而人工神经网络、机器学习是开普勒的研究模式,强调数据驱动。推理驱动与数据驱动可能会交替发展,不是相互取代关系。对于在开放环境下规则不明确的探索未知的研究工作,领域知识仍然十分重要,不能无限夸大机器学习的能力。

 

图灵认为“机器有没有智能”不是科学问题,因为“智能”没有明确定义。从计算机科学诞生起,人工智能与计算机科学本质上就是一门科学。到目前为止,还不存在不采用计算技术的人工智能。近年来人工智能发展主要得益于数据资源的极大丰富和计算能力的飞速提高,人工智能技术本质上并没有实质性的突破。因此可以说,人工智能的复兴主要是计算技术的胜利,摩尔定律的胜利!

 

为什么人工智能是数字经济的领头雁?李院士用“蜜蜂模型”来解释。蜂蜜市场很小,但蜜蜂的价值主要不在蜂蜜,而在于传粉。人工智能对其他行业的作用就像蜜蜂对农业的作用一样,它已经深入了各行各业,促使数字化走向智能化。人工智能具有溢出带动性很强的“头雁”效应,这一判断也就是说智能化是发展数字经济的主攻方向。

 

理解人工智能的巨大作用要从智能学科的本质特点找原因。人工智能与其他所有学科不一样,它不是静止的有限范围的技术,其研究内容不断向未知领域延伸,永远处在计算机科学研究的最前沿。人工智能总是探索那些像“下围棋胜过人类”这样的令人惊喜的“禁区”,将“不可能”变成“可能”,将尖端技术变成老百姓司空见惯的常用技术,这就是“领头雁”的作用。

 

人工智能和大数据的作用不仅仅体现在经济增长上,更多的体现上生产方式、生活方式、科研模式、政府管理模式的改变和福利改进,特别是思想观念和认知方式的改变。智能技术的许多免费应用没有计入GDP,我们需要关注的不是在原来的经济大饼中划出多大一块饼算成人工智能的GDP,而是要关注人工智能究竟提供了多少原来没有的新产品和新服务。

 

2018年标普500公司中无形资产达到2万亿美元,占总资产83%。人工智能其实是一种无形资产,投资者认为现在的无形资产将来会变成真金白银,无形资产比厂房设备更有价值。因此,目前全世界市值最高的公司都是与智能应用有关的企业。

 

目前,我国的人工智能基础层、技术层、应用层的人才比例是3.3%、34.9%和61.8%。人才集中在应用层,基础层人才比例严重偏低,头重脚轻,根基不牢。在摩尔定律临近极限之际,大数据和AI应用却出现了指数级增长,计算机系统架构必将成为解决瓶颈问题的主要出路。发展大数据和人工智能不能停留在算法层面,要关注从算法、软件、人机界面到系统结构和芯片这一完整的产业链和生态系统。

收藏 评论(0)
分享到: