人工智能发展短板亟待攻克专家建议，未来要破解产学研结合不足等问题

    《经济参考报》记者采访了解到，虽然中国的人工智能已经取得一定程度的技术突破，但要达到高智能水平，依旧任重道远，未来亟待攻克理性不足、前沿不足、产学研结合不足等问题。
    记者发现，相较产业界对人工智能的一致乐观，学术界对这一技术的态度似乎更加冷静。
    “从去年‘阿尔法狗’打败李世石开始，人工智能突然火爆。到了今天，有必要冷静一下。”作为国家核高基重大专项总工程师，清华大学微电子学研究所所长魏少军接受记者采访时表示，当下的人工智能，强调的是算法方面的突破，只是机器智能的一个分支，而且只能完成类似下围棋这种相对单一的任务，与真正的、全面的智能还相差很远。
    这并非一家之言。美国人工智能学会理事、香港科技大学计算机科学及工程学系主任杨强告诉记者，欧美学者在上世纪50年代提出人工智能的概念，机器学习诞生于上世纪80年代，最近几年虽然发展迅速，但仍然受困于数据和计算能力。
    “如果说现在的人工智能在模仿人类，那么它仍是‘笨孩子’，必须要海量数据才能训练出算法。并且切换一个场景，还是要从头学起，不像人类，骑自行车的经验可以迁移到骑摩托车。”杨强说。
    担任人工智能领域顶级国际学术会议AAAI主席的首位华人学者、南京大学计算机系教授周志华表示，人工智能技术涉及很多内容，部分媒体过分渲染“人工智能威胁论”，是没有认清人工智能的真正发展水平。
    “不少人仅凭对这几个字的字面理解就大谈人工智能，任何技术都生硬地往人工智能上靠，这一现象很不好”。周志华告诫说。
    而令学者们忧虑的另一现象是，人工智能领域研究者跟风的多、发表独家见解的少之又少。 “现在关于人工智能的论坛会议很多。计算机视觉也好、深度学习也罢，动辄都有好几千甚至上万的投稿，但内容同质化严重。大家不是去关心创新，而是关心写论文。”杨强直言。
    国家千人计划特聘教授、清华大学类脑计算研究中心主任施路平有着类似的担忧。他表示，人工智能芯片领域，深度学习和类脑的脉冲神经网络是两套不同的技术路径。目前，深度学习较为流行，类脑芯片前景也十分远大，必须重视。
    

[1] [2] [3] 下一页