人工智能（artificial intelligence，AI）從 1956年概念提出經過 60多年的發展，其理論、技術和應用都取得了重要突破。近 10年來，隨著大數據、云計算、互聯網、物聯網等信息技術的發展，AI技術成功跨越科學與應用之間的“技術鴻溝”，突破了從“不能用、不好用”到“可以用”的技術拐點，進入了爆發式增長的紅利期，人工智能已成為推動新一輪科技和產業革命的驅動力，將是未來10年最具變革性的技術。
人工智能正在深刻影響世界經濟、政治和社會發展，國際社會和中國政府都高度重視人工智能發展。2017年 7月 20日，國務院發布了《新一代人工智能發展規劃》，將新一代人工智能放在國家戰略層面部署，指出中國人工智能整體發展水平與發達國家相比仍存在差距，缺少重大原創成果，在基礎理論、核心算法以及關鍵設備、高端芯片、重大產品與系統、基礎材料、元器件、軟件與接口等方面差距較大；科研機構和企業尚未形成具有國際影響力的生態圈和產業鏈，缺乏系統的超前研發布局；人工智能尖端人才遠遠不能滿足需求；適應人工智能發展的基礎設施、政策法規、標準體系亟待完善等問題。
在國內，人工智能技術目前已被廣泛應用于語音識別、計算機視覺、機器人、語言處理等領域，代表性產品包括科大訊飛的“曉譯翻譯機”、中國科學技術大學的智能機器人“佳佳”、京東集團的 JIMI 智能客服等。作為技術革命量級的人工智能技術，還存在基礎理論欠缺、數據需求大、能耗高、泛化性能差等諸多瓶頸，人工智能作為未來30~50年甚至更長時間發展的技術，一切才剛剛開始，目前只是萬里長征第一步。本文基于目前國內外人工智能的發展態勢，著眼于提升中國人工智能未來發展的競爭力，探討發展中的若干緊要問題并提出相關建議。
增強原始創新能力
“人工智能”于 1956年首次被提出，并開始在西方國家得到重視和發展。與世界發達國家相比，中國的人工智能研究起步較晚，而且發展道路曲折坎坷，歷經了質疑、批評甚至打壓的十分艱難的發展歷程。直到20世紀 70年代末，中國的人工智能才逐漸走上發展之路，比發達國家少積累了近20年時間。
目前，中國在全球人工智能發展過程中做出的原創性基礎性貢獻還不多。從學科創立初期的赫步定律、圖靈測試，到近幾年的深度學習算法、AlphaGo等重要的基礎理論和重大成果，中國所做貢獻不多。西方國家普遍重視基礎研究和理論創新，Google 的DeepMind團隊擁有 400余名跨學科科學家，每年投入幾億美元，僅 2016 年就在《Nature》上發表 2 篇重大成果；Geoffrey Hinton專注神經網絡 40年，使深度學習成為人工智能復興的關鍵。而中國更多地聚焦在應用層面，缺乏基礎理論積累、原始方法創新和重大原創性成果。
牛津大學的報告《Deciphering China's AI dream》（《解密中國 AI夢》）比較了中國和美國的人工智能在硬件、數據和算法等方面的能力，報告指出，中國綜合AI潛力指數只有美國的 1/2，且中國除了在數據方面有明顯優勢外，在硬件和算法等基礎研究領域還有很大差距。科研方面，雖然中國發表的 AI論文數量巨大，但從Google Scholar 的引用數據看，北美和歐洲的科研人員依舊在人工智能學術界更有影響力。因此，中國人工智能基礎研究的總體水平跟世界的領先水平還有較大差距。
人工智能基礎研究是人工智能科技可持續發展的基石，是人工智能及其應用蓬勃發展與全面升級的原動力。因此，建議強化對人工智能基礎研究的支持，加強人工智能在硬件和算法等基礎層面的原始創新。強化跨學科交叉創新研究，吸引更多的跨學科科學家進入人工智能領域開展探索研究。重視和加強人工智能前瞻性基礎研究，擴大人工智能領域青年基金或科研項目的資助比例，對優秀青年科學家進行持續支持。經過長期努力和積累，使中國人工智能基礎研究水平走向國際先進行列，解決原始創新能力不足的問題。
加強系統性的頂層謀劃和設計
人工智能技術生態包括數據平臺、開源算法、計算芯片、基礎軟件、計算服務器、垂直應用等。Google、IBM、Microsoft、Facebook等全球科技巨頭正積極推動自主研發人工智能技術的生態建設，搶占人工智能相關產業制高點，并投入重金收購企業、招募人才和研發核心技術，力圖掌握人工智能時代的主動權，引發人工智能產業競爭白熱化，并逐步向生態化發展。3個明顯的趨勢分別體現在：（1）匯聚高端人才，組建 AI 攻關團隊。例如，Google公司的 DeepMind。（2）基礎平臺開源化。例如，Google公司開源了人工智能基礎平臺TensorFlow和無人駕駛模擬器。（3）關鍵技術硬件化。例如，AI芯片定義了 AI產業鏈和生態圈的基礎計算架構，具有戰略地位，IBM 公司發布了類腦計算芯片 TrueNorth、Google公司發布了TPU等。
而中國人工智能相關的單元技術多、綜合成果少，缺少最優化資源整合，碎片化的技術還沒有形成人工智能生態體系。以中國人工智能的基礎研究為例，其研究工作主要分布在大學和科研機構，具有很多單點優勢，但研究工作與隊伍呈現條塊化、碎片化、重復化的現象，缺乏系統性的融合，難以形成巨無霸的平臺、團隊和成果。相比國外形成了完整技術創新和產業創新鏈條的產學研集大成的機構，這種基礎研究領域的分散、技術和產業領域的分割現狀，導致中國人工智能的綜合優勢未能得到體現和發揮。
建議前瞻性地從人工智能科學的角度出發，更加全面地認識人工智能未來的發展，立足國家發展全局，系統地梳理人工智能科技的內涵、外延和總體發展脈絡，找準突破口和主攻方向，打破條塊分割，集中力量辦大事，把握發展的主動權。同時，突破體制和機制障礙，整合中國人工智能領域頂尖人才和研究資源，協同建立跨學科人才培養環境，推動原創技術驅動的 AI技術生態形成，并同應用驅動的AI產業生態對接，協同推進人工智能的理論研究、技術突破和產品研發應用，促進中國在國際人工智能領域的科技創新發展，跑出中國人工智能可持續發展的加速度。
擺脫AI基礎軟硬件依賴進口的現狀
與個人 PC時代、互聯網時代一樣，在新一輪人工智能的發展過程中，中央處理器（CPU）、圖形處理器（GPU）、現場可編程門陣列（FPGA）等高端芯片以及核心器件、電子設計自動化（EDA）軟件等基礎軟件的發展將發揮重要驅動作用，未來也很有可能因某些基礎軟硬件的重大突破而顛覆現有的智能計算體系和框架。因此，AI基礎軟硬件對于人工智能發展的重要性不言而喻。
從總體上看，目前 AI基礎軟硬件仍由歐美國家大型企業主導，中國人工智能在基礎軟硬件方面的缺失會導致在技術上和應用上“空心化”的風險。雖然中國近幾年涌現出了“寒武紀”等人工智能處理芯片，但用于 AI 芯片設計的基礎半導體器件仍主要由NVIDIA、IBM和 Intel等國外企業生產和壟斷。目前，中國微電子/光電子研發的原創性和基礎能力較弱，位于產業鏈源頭的核心微電子/光電子芯片和高端光電子器件嚴重缺失，尤其是處理器、存儲器和集成化的光電子器件幾乎依賴進口，已成為制約中國人工智能發展的“卡脖子”問題。
因此應充分重視 AI基礎軟硬件對人工智能發展的作用，建議國家設立專項對其進行重點支持，推動人工智能基礎軟硬件的協同發展。通過提高人工智能系統的感知和數據挖掘能力、研制針對人工智能軟件系統專用的硬件和體系架構等，構建中國智能時代的以基礎軟件、高端芯片和核心器件等關鍵軟硬件為基礎的新一代智能信息基礎設施，盡早擺脫 AI基礎軟硬件依賴進口的現狀，全面支撐各領域的智能需求。
重點建設國產AI技術平臺
人工智能技術平臺堪比計算機時代的操作系統，是生態系統中最為重要的一環，就像“Windows+Intel”、“Android+ARM”一樣，人工智能領域的生態系統一旦形成，將會給后來者形成難以逾越的生態壁壘。
截至 2018 年 2 月，TensorFlow 全球下載量已超過1000萬次，遍及180個國家和地區，其中，中國的下載量超過了百萬次、約占全球總下載量的10%，且已被京東、小米等國內多家公司使用，圍繞其構建的生態環境也將逐步形成；Facebook、Microsoft 和 IBM 等公司也都在競相打造基于深度學習的人工智能技術平臺 Torchnet、DMTK 和 SystemML等。而中國尚未形成具有國際影響力的人工智能技術平臺，在國際人工智能產業界缺少話語權。
建議國家加快布局、構建具有國際競爭力的人工智能技術平臺，搶占人工智能時代的主導權。鼓勵科研機構和企業開放人工智能技術平臺，將分散的數據匯聚起來，加速相關科研與行業的發展。
加強AI人才培養和引進
未來人工智能領域的競爭主要是AI人才之爭，主要體現在以下2個方面。
1）目前中國每年 AI人才缺口超過 100萬，與此同時，現在高校 AI人才的培養主要依托于計算機科學與技術、控制科學與工程、電子科學與技術等一級學科開展，AI人才培養跨度較大，難以形成目標明確、體系完善的人才培養體系。而美國的 AI人才培養體系歷史悠久，擁有數學、統計、機器學習、數據挖掘和機器人等多個細分領域，就 AI基礎研究的人才結構而言，美國仍領先于中國。
2）中國人工智能人才的數量僅次于美國，但與美國、英國、德國在頂尖人才的數量上還有較大差距，中國領先的人工智能企業主要還是依賴從海外回來的華人頂尖人才。中國在 AI核心算法方面遠遠落后于英美同行的一個主要原因就是缺乏頂級的 AI 人才，既缺少像 Hinton一樣堅持 40年專注于神經網絡研究、使深度學習成為人工智能復興關鍵的 AI學術領軍人物，也缺乏像 Google DeepMind 這樣的頂級團隊，該團隊擁有400余名跨學科科學家。中國在 AI人才培養的數量和質量上遠遠不能滿足人工智能發展戰略的需求，這將對中國未來AI產業的發展產生重要影響。
建議大力加強 AI 人才的培養與引進。在 AI 人才培養方面：在人工智能領域推動高校的教育改革，設置人工智能相關的一級學科，建設人工智能學院，構建完整的 AI 人才培養體系，實現 AI 人才培養的專業化、規范化和規模化。在 AI人才引進方面：統籌利用好國家的各類人才計劃，加強人工智能領域優秀人才特別是優秀青年人才的引進。
加快超前布局AI前沿研究
國際學術機構正積極布局人工智能源頭的基礎理論創新，學術界將重新爭奪 AI革命話語權。AI前沿基礎理論是人工智能實現技術突破、行業革新、產業化推進的基石。在此發展的臨界點，要想取得 AI革命的話語權，必須在人工智能重大基礎理論和革命性技術方面取得重大突破。位列全球大學人工智能影響力排名第一的麻省理工學院（MIT），于 2018年 2月 1日啟動了針對人類和機器智能的MIT Intelligence Quest計劃，重點探索對人類智能的新認識和讓機器有效學習的新方法等。
當前人工智能正處于從“不能用”到“可以用”的技術拐點，但是距離“很好用”還存在諸多瓶頸，如數據、能耗、泛化、可解釋性、可靠性、安全性等，人工智能基礎科學和技術應用還有廣闊的發展空間。人工智能未來的主要發展趨勢包括：（1）從專用人工智能到通用人工智能；（2）人機混合智能，這將是未來的主流智能形態。中國應在通用人工智能和人機混合智能的前沿性基礎研究方向上加快布局，構造下一代智能產業的源頭。
通用人工智能
從可應用性看，人工智能大體可分為專用人工智能（即面向特定領域的人工智能）和通用人工智能，人工智能的近期發展主要集中在專用人工智能領域。專用人工智能由于任務單一、應用背景需求明確、領域知識積累深厚、建模計算簡單可行，形成了人工智能領域的單點突破，在局部智能水平的單項測試中超越了人類智能。例如，AlphaGo在圍棋比賽中戰勝人類冠軍李世乭和柯潔，微軟語音識別系統 5.1%的錯誤率比肩專業速記員等。
真正意義上完備的人工智能系統應該是一個通用的智能系統，而通用人工智能研究與應用剛剛起步，依然任重道遠。通用人工智能是面向未來、具有戰略意義的人工智能發展方向，引起了世界大國政府、企業界、學術界的高度關注。以人類綜合性智能水平為目標，發展具有感覺、行動、記憶、學習、推理、規劃、注意、激勵、情感、社會交往、溝通、創造等多種能力的通用人工智能理論、方法、技術和系統，在感知、思考、社交、行動、規劃、注意、情感等多個維度上逼近人類智能水平。
人機混合智能
在人與機器之間實現信息的高效共享，從而最大限度結合生物腦和計算腦的優勢，最終形成超越“人的智能”和“人工智能”的高級混合智能，將是塑造未來社會形態的顛覆性技術之一，也將對未來的醫療、教育等領域帶來根本性變革。
人機混合智能將從突破新一代具有神經環路特異性的高速閉環腦機接口為切入點，進行人機信息共享和處理資源的優化配置，使腦與計算機之間可進行大帶寬直接通信，極大提升人腦的感知、認知、學習、記憶等核心能力，實現人腦對于外骨骼機器人等外部設備的自由支配，從而實現高級混合智能，將是未來的主流智能形態。
結 論
基于國際人工智能發展現狀，針對如何進一步提升中國人工智能未來發展的競爭力，提出了6個方面的建議：（1）增強原始創新能力；（2）加強系統性的頂層謀劃和設計；（3）擺脫AI基礎軟硬件依賴進口的現狀；（4）重點建設國產 AI技術平臺；（5）加強 AI人才培養和引進；（6）加快超前布局 AI 前沿研究。希望通過加強上述建議的相關工作，能夠加速中國人工智能的創新發展，進而為工業制造、金融、能源等行業的革新添磚助力。
