您当前位置:经济网 >> 新闻 >> 独家新闻 >> 浏览文章
独家新闻

殷绪成:AI热潮促进就业

时间:2017年09月30日 来源:经济网 作者:黄芳芳 付曦地 点击: 【字体:

  近期,人工智能产业可谓迎来了春天,各界对于人工智能的发展普遍持乐观态度。北京科技大学计算机科学与技术系副主任、模式识别技术创新实验室主任殷绪成在接受经济网、《经济》记者采访时表示,目前外界对深度学习有很深的误解。他所言的误解是什么?人工智能真的会像我们担心的那样取代人类吗?让殷绪成带我们揭开人工智能的神秘面纱。


    深度学习不是AI的全部


    殷绪成与人工智能结缘已久,他从事人工智能领域中的文字识别、模式识别方面的研究已有15年。“几十年来,人工智能、模式识别与计算机技术发展紧密相关,发展了大量的人工智能软硬件平台。2006年,深度学习再次热起来,尤其是2010年-2011年深度学习技术更加热了。”殷绪成有条不紊地告诉记者。


    他表示,普通老百姓将深度学习,误以为是人工智能的全部。实际上,深度学习只是一种技术、工具。由于近期发展的效果好,成了人工智能的代名词,但它并非人工智能的全部。随着技术的进步,还会出现更多类似于深度学习的方法或技术。


    人工智能威胁论是非常遥远的事情。未来人工智能发展有两条主线:一是像人一样学习,拥有智能;二是按照统计学的方面,能像人一样干活。可无论走哪条线,人工智能还有很问题要解决。殷绪成表示,目前大部分人工智能不能像人类一样拥有智能。以深度学习为例,虽然这一技术受到人类学习的启发,但跟人类学习的关联性并不大。未来人工智能要解决的核心的问题是,AI如何像人一样学习。不过关键的问题是,人类还没搞清楚自身的学习机理,包括脑机理。这些都是人工智能要解决的问题。


    中外人工智能发展差异


    在人工智能的基础研究方面,深度学习的理论、模型,甚至是商业创新都由欧美国家率先提出。我国在深度学习的原始理论、模型等与发达国家仍有较大差距。在基础理论、模型的创新方面还有待加强。然而,在人工智能的应用研究、技术应用方面,其实与发达国家的差距并不明显。


    基础理论薄弱的原因在于国内的科研氛围。国内科研界对于长期的基础问题研究,尤其是有重大历史挑战的基础性研究,在项目、人才、政策等方面较为欠缺。他无奈地说:“某研究员要花5-10年时间做一项基础研究,但国内氛围等不了这么久。大家关注的多是一两年能见成效的东西。”


    芯片也是如此。芯片研发的投入时间短则3-5年,长则10年以上。目前人工智能所需的硬件设备如CPU、TPU、GPU等都是国外厂商制造,定价权也掌握在国外厂商手中。这对国家人工智能的发展非常不利。殷绪成建议,国内科研应在人工智能核心原理、芯片研发方面发力;在脑科学研究方面,目前与世界同步,应给予重视。


    目前投资界觉得人工智能科技产品产业化程度不高的原因有二。其一,当前的科研氛围以产出为导向,在应用研究时也针对热点问题。科研人员有了思路就会发表论文。但离做出产品还有很长的距离,且成功率较低,科研工作者在产业化方面深耕较少。


    其二,投资界也有些急功近利。国外如MIT(麻省理工学院)、斯坦福大学的投资基金投资某项技术在实验室的初中期便开始介入,先合作,后孵化,最后做出成果。而国内投资界更关注“最后一公里”,对前期技术的关注度不够。


    他表示,在这两方面,科研界、投资界需要做努力的事情还有很多。


    垂直领域的AI需要行业标准


    泛人工智能无标准可言,但垂直领域的人工智能需要行业标准。殷绪成向记者介绍,以文字识别为例,在手机中的online(在线文字识别)已经有了行业标准和产品标准。在线文字识别的算法要适应行业应用,包括使用何种数据,有哪些性能等,都有特定的标准。再如,最近较火的刷脸支付,未来都必须要有行业标准,否则没有产品的审核机制。


    人脸识别要求采集的环境较为干净、可控,图像对比库要有限。除了人脸识别,可以与其他辅助技术结合,比如与语音、密码等结合。如果在一个开放的环境下,人脸识别技术还有待改进。


    殷绪成表示,目前AI技术的成熟度不够,技术还很弱,人工智能水平还达不到3岁小孩的水平。当人工智能技术更强大了,科研人员可以和法律界、政策界、伦理界等专家在一起研究。其实就像核能,刚开始大家关注技术本身,等技术发展成熟,大家就应该关注怎样合理安全的利用。


    AI专业就业火


    殷绪成开心地跟记者说:“近年来,计算机系学生就业较火,我们的人工智能方向专业最火。今年BAT都招聘这个专业的人才,深度学习热潮对促进就业带来明显的效果。”


    但他话锋一转说道:“虽然深度学习很火,但这不是唯一的内容,学生要把握机器学习、模式识别的整体知识。如果从事科研工作,应专注在某个特定的点。在我从事15年科研工作中,有三四年的时间转向人工智能其他方向。在三年多的时间里,智能交通、卫星遥感图像、车联网等热门领域我都做过。后来发现,任何一个技术攻关,没有长时间积累难以成功的。”


    后来,殷绪成又回到文字识别、图像识别的老本行。“这几年模式识别在国内发展得很有特色。”算下来,殷绪成在自己的研究方向坚守了11年,才迎来曙光。“不管从事人工智能的哪个方向,专注很重要,这点对科研人员尤为重要。只有专注才能在激烈的竞争中找准自己的定位。”他总结道。


    (欲知更多人工智能相关报道,敬请关注10月6日《经济》杂志第19-20合刊。)

 

如需转载请注明来源:经济网

版权合作及网站合作电话:010-58393765或010-58393760

《经济》杂志订阅电话:010-58393765或010-58393760

文章热词:
延伸阅读:
  • 经济日报
  • 经济杂志
  • 专刊
二维码
  • 新闻
  • 旅游
  • 收藏