人工智能的发展水平令人瞩目，但目前的人工智能系统有智商没情商、会计算不会“算计”、有专才无通才

人工智能的三个层面都有不少尚未解决的技术瓶颈。以应用层为例，假如停车场没有地图，无人车可能无法阅读标志标线，从而无法顺利找到停车位或通往出口的路

看基础理论研究——

人工智能可分为专用人工智能和通用人工智能，目前的进展主要是专用人工智能取得的，通用智能系统的研究与应用仍然任重道远
阿尔法狗战胜人类围棋冠军；人工智能在大规模人脸识别中超越人类一般水平；语音识别系统准确率和专业速记员不相上下……近几年，人工智能的发展水平令人瞩目。

为何还要加强人工智能前沿基础理论的研究？

中国科学院自动化研究所研究员谭铁牛院士认为，人工智能可分为专用人工智能和通用人工智能，目前的进展主要是专用人工智能取得的。真正意义上完备的人工智能系统是一个通用智能系统，能像人脑一样举一反三、融会贯通。但是目前的人工智能系统有智商没情商、会计算不会“算计”、有专才无通才。通用智能系统的研究与应用仍然任重道远，人工智能总体发展水平仍处于起步阶段。“人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。要想取得最终的话语权，我国必须在人工智能基础理论和前沿技术方面取得重大突破。”

受访专家指出，目前人工智能前沿基础理论的探索空间非常巨大。以当前最火爆的人工智能基础理论——深度学习方法为例，它既非完美无缺，更不是人工智能基础理论研究的全部。

“深度学习方法具有局限性。”英特尔中国研究院院长宋继强说，比如深度学习能识别人脸，但做不到通过一个人的讲话预测与另一个人之间的情感关系，因为它缺乏这方面的知识输入。

驭势科技负责人吴甘沙举例说，一旦数据标得不准、数据集有偏见甚至“对抗”输入假数据，深度学习就可能出错。明明是一只熊猫，只要改动几百个像素，深度学习有可能将其识别为海豹。

浙江大学计算机学院副院长、人工智能研究所所长吴飞认为，从数据驱动的领域人工智能向人类通用智能迈进，尚有神经科学、认知科学乃至新数学模型等交叉的未知领域需要跨越，路途依然遥远。

“应该鼓励科研人员瞄准人工智能学科前沿方向，开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。”谭铁牛说。

看关键核心技术——

人工智能可分为基础设施层、赋能层和应用层。三个层面都有很多核心技术，都有不少尚未解决的技术瓶颈

近年来我国的人工智能技术取得了长足进展，但一些关键核心技术仍需攻克。
在吴甘沙看来，人工智能可分为三层：基础设施层、赋能层和应用层。其中，基础设施层是指基础理论算法和算力；赋能层涉及特定的应用场景，比如语音识别、计算机视觉、专家系统、博弈系统和机器人；应用层指的是无人驾驶、智能医疗等综合场景。

“三个层面都有很多核心技术，都有不少尚未解决的技术瓶颈。”他说，从基础设施层来看，前沿基础理论和算法仍有很大的突破空间，芯片等硬件设备有待进一步国产化。从赋能层来看，跟语音识别相关的人工智能整体进步很大，但一些智能机器有时翻译出来的语言仍然不像“人话”，缺乏对语义的深刻理解；工业机器人可以处理某几个环节的问题，却无法在总装环节像人一样通过肌肉和神经的灵敏操纵实现精确控制。从应用层来看，无人驾驶是一个开放、动态、不确定的环境，人类无法“喂”给机器世界上所有的交通场景，无人车可能无法处理某类状况。假如停车场没有地图，无人车可能无法阅读标志标线，从而无法顺利找到停车位或通往出口的路。

专家指出，攻克人工智能的关键核心技术，除了寻求前沿基础理论的突破，还应重视基础硬件研发、支撑系统研发、生态构建以及研发心态调整。

南京大学计算机系主任、人工智能学院院长周志华说，目前几乎所有智能应用都越来越离不开GPU（图形处理器），很多企业直接把智能应用架构在TensorFlow（基于数据流编程的符号数学系统）之类的系统上，这在未来有被“卡脖子”的风险。国内应该加大力气开展机器学习基础硬件和支撑系统的研发，能够产生GPU、TensorFlow的替代者。另一方面，GPU、TensorFlow都基于深度神经网络模型，如果在非神经网络模型的深度学习方面取得突破，那么这些基于深度神经网络模型的基础硬件和系统的“垄断”就会自然消失。

“人工智能技术最终会落到芯片，各种算法都需要定制的硬件去加速。芯片提供了加速的基础，软件是定义在芯片上如何快速地开发，二者的配合愈发重要——加强芯片和软件系统的开发非常关键。”宋继强说。

北京大学计算机系主任黄铁军认为，发展关键核心技术，需要以开源开放的方式建设有利于人工智能发展的生态，抓紧布局新一代人工智能开源开放平台，尽快建立、完善人工智能关键核心技术体系。

“从研发心态上说，寻求关键核心技术突破不能急功近利，要把目光放长远，不能为了一时利益，只做一些‘短平快’的研究。很多人工智能的基础研究前期投入巨大，可能需要很多年才出成果，但这些都是有价值的探索。”宋继强说。

看人才建设——

努力建设一大批具有国际水平的研究组，是出现顶尖人才的基础

发展人工智能，离不开高水平的人才队伍。受访专家指出，我国入门级人工智能人才比较丰富，但具有国际影响力的人才稀缺、高水平人才匮乏，必须建设完备的人工智能人才体系。

建设完备的人工智能人才体系，需要良好的大环境。

“人工智能作为一个学科是在1956年正式出现的，欧美研究开展得很早，而我国起步较晚，跟国际前沿接轨的科研工作最近十年才多起来。一般来说，顶尖人才的成长需要环境，例如在研究生期间就能接触到前沿的课题、能得到高水平学者的指点、能够有相当数量的活跃研究者讨论交流等。”周志华认为，“‘青藏高原上才能有珠穆朗玛峰’，努力建设一大批具有国际水平的研究组，是出现顶尖人才的基础。”

建设完备的人工智能人才体系，需要加强相关专业的课程建设。

周志华认为，目前我国高校人工智能方向的博士生、硕士生数量远远不能满足需求。人工智能专业课程开设得很少，本科阶段一般只有1至2门课。“在具有人工智能人才培养能力的高校，应加强相关专业的课程建设和人才培养体系建设。”

专家指出，课程内容要向“交叉”倾斜。

“交叉有两层含义，第一是基础理论方面的交叉，第二是应用方面的交叉。”黄铁军说，第一，人工智能学科要和基础科学交叉。为了取得前沿性基础理论突破，学生不仅要懂计算机和人工智能，还要选择脑科学、数理科学甚至人文社会学科等进行双向交叉。第二，为了推动市场应用发展，应该让人工智能学科和应用学科交叉，比如人工智能和农业、医学、土木、交通等进行交叉。

建设完备的人工智能人才体系，还需要进一步提升公众的人工智能科技素养。

谭铁牛认为，每一个人都需要学习、适应人工智能时代的科技浪潮。“在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才，逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。”