中国人工智能“硬实力”评价喜人:人才供给不断上升,但原创性仍不足

2023-10-06 05:47 财富之道

2月9日,人工智能行业年度国际盛会AAAI圆满闭幕。根据开幕式官方数据和参会者评价,参会人数为1692人,为近年来最高人数。投稿论文总数为2571篇,均为历史最高,录用论文数为639篇。在所有投稿论文中,中国投稿数量占总数的31%,略高于国外的30%。美国。这是历史上中国参赛人数最多的一次。最受关注的会议。

AAAI 成立于 1979 年,在全球拥有 4,000 多名会员。几十年来,它一直是世界顶级的人工智能盛会。每年年初,它都会聚集全球人工智能领域的顶尖专家、科学家、学者、工程师、从业者共同努力。讨论人工智能领域的最新研究进展。

中国学术界表现喜人:人才供给不断增加

“参加这次会议的中国学者很多,大约有几百人,大陆学者占据绝对优势。以往参加会议的内地学者和香港学者的人数大致相当。”据参加会议的香港科技大学教授杨强介绍。他是AAAI首位华人院士,并担任该协会执行委员会委员。

杨强指出,本次会议最令人印象深刻的是来自中国的学者,特别是中国学生的增加。 “我看到很多中国学生在演讲。他们很年轻,水平很高,英语也很好。中国潜力巨大。”

据了解,不仅参赛人数增加了,论文质量也提高了。过去,中国学者提交的论文数量与美国大致相当,但接受率却远低于美国。不过,在这次会议上,中国学者论文的接受率几乎达到了与美国相同的水平。

中国在人工智能领域的快速崛起引起全球关注。去年10月,奥巴马政府发布人工智能研究战略计划,其中提到中国在深度学习领域正在快速追赶,甚至威胁到美国的领导地位。

AAAI现任主席Subbarao Kambhampati在接受《大西洋月刊》采访时表示,他最初在AAAI会议上看到的中国研究人员通常来自清华和北大,但现在他看到的是来自世界各地的学者发表的论文中国。不再局限于顶尖大学。 “与三四年前相比,变化简直是惊人。”

但同时,杨强也指出,目前国内具有高度原创性的研究较少,这一点有待完善。今年的 AAAI 最佳论文被授予了斯坦福大学的 Russell Steward 和他的导师 Stefano Drmon 《Label-Free Supervision of Neural Networks with Physics and Domain Knowledge》 撰写的论文。文章从已知的关系(例如物理定律)开始,通过输出必须满足物理定律的约束来训练学习。 “这种原创思维值得我们中国学生学习。”

杨强倡导的“迁移学习”是国内为数不多的具有原创思想的研究成果之一。所谓迁移学习,就是举一反三的能力,指的是利用两个领域之间的相似性,将现有的模型迁移到新的领域中使用。这样,您就可以在新领域使用小数据样本进行训练。一方面,迁移学习为不具备大数据优势的行业降低了进入人工智能的门槛。另一方面,“这也是机器最终学会学习的一个非常可能的方向。”

政府应推动产学融合创新

杨强注意到,在参会企业中,首次出现了一批中国新兴企业。除了老客户百度、腾讯、亚马逊、IBM、Facebook、微软、Adobe之外,都出现在本次AAAI大会的企业名录中。此外,一些中国小公司也开始出现在榜单上,包括今日头条、猎豹,甚至小i机器人这样的初创公司,但仍以互联网公司为主。

“中国科技公司嗅觉敏锐,能够快速将理论应用到产品中,吸引用户。在这一点上,美国企业无法比拟。”百度人工智能实验室首席科学家吴恩达在接受《大西洋月刊》采访时提到。

在杨强看来,中国企业在与学术界的开放合作方面比西方企业更有优势:他举了一个例子,香港科技大学实验室的学生可以与腾讯合作使用大量腾讯的数据,他们还可以将设计应用到公司的产品中。但另一方面,西方企业对学术界的开放程度并不如中国。 “在这方面,中国潜力巨大。”

他认为,在人工智能领域,数据的重要性不言而喻。没有大量的数据,研究就无法进行,因此产学界的融合非常关键。

此外,中国互联网企业拥有的海量数据也是人工智能产业孵化的重要前提。他认为,与20世纪80年代以“专家系统”为中心的人工智能讨论热潮不同,这波人工智能热潮因为有大数据和算法的支撑而“更加接地气”。

但杨强不同意一些美国媒体关于中国在“深度学习”方面已经领先于美国的言论。他认为,原创性研究的缺乏仍然是我国人工智能研究领域的突出问题,这决定了当前人工智能的发展。一般工业领域发展仍不尽如人意。

杨强认为,受益最多、应用最多的行业仍然集中在互联网领域。最明显的是淘宝、京东等电商推荐,以及亚马逊的Echo智能音箱。它们的共同点是在非常狭窄的领域收集大量数据来训练人工智能。 “这些领域的回报非常快。”

专家认为,金融、医疗行业也将受益显着。金融领域的数字化程度非常高,数据可以大规模维护。国内外各种金融智能投资产品纷纷涌现,比如国外的Kensho、国内的摩羯投资等。 其次,医疗领域的一些初步识别,比如癌症识别、人脸识别、体检拍片扫描等也非常有前景。可能会成功。

“自动驾驶有成功的一面,也有不成功的一面。”杨强评价了近年来拥有深厚资本和产业布局的自动驾驶方向。他认为,自动驾驶的瓶颈仍然是各种突发事件造成的结果。场景数据不足。

新技术的研究、应用和推广离不开产学研的合作。对于即将开启的人工智能新产业浪潮,除了学术界和工业界外,政府的作用也不容忽视。杨强认为,政府的重要在于定下大方向,就像美国的“登月计划”和最近美国政府主导的“自动驾驶汽车竞赛”,促进产业与汽车融合发展。学术界通过一些大规模计划。

“学术界都喜欢耕种自己熟悉的‘私人土地’,但业界不太注重基础性和长期性的研究,所以只有政府才能制定这样的大方向。我们必须设定非常长期的目标。 ,而且需要能够被检测到,这对政府来说也是一个考验。”他说。