核心演算法缺位，人工智慧發展面臨「卡脖子」窘境

　　來源：科技日報

　　「中國有多少數學家投入到人工智慧的基礎演算法研究中？」日前，在上海召開的院士沙龍活動中，中國工程院院士徐匡迪等多位院士的發問引發業界共鳴，被稱為「徐匡迪之問」。

　　「我國人工智慧領域真正搞演算法的科學家鳳毛麟角。」在4月28日召開的「超聲大數據與人工智慧應用與推廣大會」上，東南大學生物科學與醫學工程學院教授萬遂人表示，「徐匡迪之問」直擊我國人工智慧發展的核心關鍵問題，「如果這種情況不改變，我國人工智慧應用很難走向深入、也很難獲得重大成果」。

　　我國人工智慧領域發展的現狀如何？依靠開源代碼和演算法是否足夠支撐人工智慧產業發展？為什麼要有自己的底層框架和核心演算法？

　　缺少核心演算法，會被「卡脖子」

　　「如果缺少核心演算法，當碰到關鍵性問題時，還是會被人『卡脖子』。」浙江大學應用數學研究所所長孔德興教授對科技日報記者表示，我國人工智慧產業的創新能力並沒有傳說中的那樣強，事實是，產業發展過度依賴開源代碼和現有數學模型，真正屬於中國自己的東西並不多。

　　4個月零基礎學會人工智慧、16講入門人工智慧、演算法線下大課……類似培訓在網路上非常火爆，通過對於現有演算法、模型的學習和訓練，成長為人工智慧工程師的「短平快」可見一斑。

　　既然代碼是開源的，拿來用就好，為什麼還有可能被「卡脖子」？

　　孔德興解釋，開源代碼是可以拿過來使用，但專業性、針對性不夠，效果往往不能滿足具體任務的實際要求。以圖像識別為例，用開源代碼開發出的AI即使可以準確識別人臉，但在對醫學影像的識別上卻難以達到臨床要求。「例如對肝臟病灶的識別，由於邊界模糊、對比度低、器官黏連甚至重疊等困難，用開源代碼很難做到精準識別。在三維重構、可視化等方面難以做到精準反應真實的解剖信息，甚至會出現誤導等問題，這在醫學應用上是『致命』的。」

　　「碰到專業性高的研究任務，一旦被『卡脖子』將會是非常被動的，所以一定要有自己的演算法。」孔德興說。換句話說，是否掌握核心代碼將決定未來的AI「智力大比拼」中是否擁有勝算。用開源代碼「調教」出的AI頂多是個「常人」，而要幫助AI成長為「細分領域專家」，需以數學為基礎的原始核心模型、代碼和框架創新。

　　有演算法之「根」才能撐起產業「繁茂」

　　所謂「樹大根深」，人工智慧的發展也是同樣道理，越在底層深深紮下根基，越能夠發展出強大的產業。

　　那麼，藉助開源代碼，「半路出家」的AI產業為什麼會難以為繼？

　　孔德興解釋說，在獲得同樣數據的前提下，以開源代碼運行，AI深度學習之後或許能輸出結果，但由於訓練框架固定、演算法限制，當用戶進行具體的實際應用時，將很難達到所期望的結果，而且難以修改、完善、優化演算法。

　　「如果從底層演算法做起，那麼整個數學模型、整個演算法設計、整個模擬訓練『一脈相承』，不僅可以協同優化，而且可以根據需求隨時修改，從而真正解決實際問題。」孔德興說，基礎演算法往往是指研究共性問題的演算法，它涉及到基礎數學理論、高性能數值計算等學科，可以應用到多種實際問題中；而針對性強的應用演算法往往會應用到具體問題所涉及的「具體知識、先驗信息」，從而更好地解決實際應用問題。

　　「基礎演算法和應用演算法都很重要，擁有基礎演算法將更有助於應用演算法的豐富與深入。」孔德興說，AI要應對的現實生活是複雜、多變的，當能夠「應對自如」時，才能夠促成產業的「繁茂」。

　　呼籲三方協力讓數學不再置身事外

　　「一方面是政策引導，其實國家已經在加大這方面的扶持，例如科研基金上的設置等。」針對如何解決「徐匡迪之問」反映出來的問題，孔德興認為，第二方面是行業企業在進行科技創新時，應有意識將數學學者納入進來。

　　「如果通過演算法的開發，最終產品落地了，企業應該將演算法開發時的數學學者納入到成果分享中來。」孔德興說，社會目前對於數學科學等「軟實力」的認可程度不足，行業或法規層面應該做好數學研究成果的產權保護工作。

　　「第三方面，數學家本身應該積极參与到人工智慧發展的浪潮里。」孔德興呼籲，AI的未來發展需要數學家深度參與。由於目前仍處於「弱人工智慧」時代（可以說是數據智能時代），AI的實現主要是依賴計算機的巨大算力和巨大的存儲能力，底層演算法的問題或許並不突出，但在未來的發展，AI將可能融入邏輯、思維等智慧的內容，這些都需要數學科學的原始創新，有大量的基礎問題亟待數學家攻克。

　　演算法的進階一定是來源於「原創者」，而不是「跟隨者」。孔德興說：「實際上深度學習的應用已遇到了天花板，我們需要新的數學技術（如部分依賴邏輯、部分依賴數據的『聰明演算法』），讓計算機變得聰明起來。這些工作都需要數學家的參與。」

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！