人工智能“短板”如何补

　　作为中国人工智能学会理事长，中国工程院院士戴琼海也提出了这样一个问题：当下人工智能繁荣的背后一定潜藏着隐患。例如，多学科交叉促进了人工智能飞速发展，但在新方法、新原理、新技术、新应用不断涌现的同时，“我们应该深入思考，仅只顺应这一潮流是否会导致错失人工智能发生重大变革的机遇，是否应该将交叉融合从工程层面推进到基础科学层面”。

　　结合近两年来学术界申请国家自然科学基金的情况，国家自然科学基金委员会人工智能处处长吴国政认为，目前人工智能还处于弱人工智能的初级阶段。其标志之一是，以目前的基础理论或核心算法现状，人工智能在做数据标识时主要靠人工、手动，而机器学习的卷积神经网络是100层还是1000层，实际上并没有科学依据，还是在“跟着感觉走”。他希望，能够与学术界和产业界通力合作，“调研出人工智能的根本科学问题”。

　　“卡脖子”问题何解

　　■本报记者 计红梅

　　从初阶到现代

　　新问题与新方向

　　算法、数据和计算是驱动人工智能前进的“三驾马车”。但是，在香港科技大学讲席教授、微众银行首席人工智能官杨强看来，就核心算法而言，人工智能距离“现代化”还有很长的路要走。

　　而在杨强看来，虽然深度学习确实存在短板，例如无法解决数据孤岛的问题，对于分布式、零散数据无法有效利用，但是他认为，深度学习继续向前发展的话，工业机器人维修，“还是有很多财富可以挖掘”。例如，跟工业等各行各业深度结合。而对研究者而言，除了深度学习，工业机器人维修，也可以另辟蹊径，如关注小数据，分布式、零散数据等。

　　今年4月以来，支付宝、微信、银联相继推出了自己的刷脸支付产品，刷脸支付俨然已成为备受青睐的下一个战场。有数据显示，工业机器人维修，预计到2022年，人脸支付使用用户将突破7.6亿人。

　　“现在很多学生都在做人工智能方面的工作，而且做得很快，但基本上是用国外的开源软件，收集的数据也都是国外的。这两方面我们要从根本上加以改变。”杨强告诉《中国科学报》。他建议，为了解决“卡脖子”问题，我们要多多鼓励国内人工智能从业者开源并使用他们的软件，同时提倡贡献自己用于测试的数据集。“这些工作往往都是没有光环的，失败的可能性很大，希望各方面都给予他们支持。”

　　第二个阶段是应用了一段时间之后，发现这个方法问题很大。张钹告诉《中国科学报》，这主要体现在四个方面。一是不可信，表现在算法的结果无法解释。二是不安全，如非常容易受攻击、被欺骗。三是不可靠，会出现重大错误。例如，人类可能会把骡子看成驴，机器人示教盒维修，而机器却可能把石头看成驴，这导致其在关键的时候是不可用的。四是推广能力差，不能举一反三。