核心算法缺位，人工智能发展面临“卡脖子”窘境

老钟安防观察

　　“中国有多少数学家投入到人工智能的基础算法研究中？”日前，在上海召开的院士沙龙活动中，中国工程院院士徐匡迪等多位院士的发问引发业界共鸣，被称为“徐匡迪之问”。
　　“我国人工智能领域真正搞算法的科学家凤毛麟角。”在4月28日召开的“超声大数据与人工智能应用与推广大会”上，东南大学生物科学与医学工程学院教授万遂人表示，“徐匡迪之问”直击我国人工智能发展的核心关键问题，“如果这种情况不改变，我国人工智能应用很难走向深入、也很难获得重大成果”。
" ^7 m* w4 a8 C: p; ^　　我国人工智能领域发展的现状如何？依靠开源代码和算法是否足够支撑人工智能产业发展？为什么要有自己的底层框架和核心算法？
) w$ t3 Q: O& l6 d& a& t　　缺少核心算法，会被“卡脖子”
7 _, X: `' y2 b3 @6 P: Z$ {7 I　　“如果缺少核心算法，当碰到关键性问题时，还是会被人‘卡脖子’。”浙江大学应用数学研究所所长孔德兴教授对科技日报记者表示，我国人工智能产业的创新能力并没有传说中的那样强，事实是，产业发展过度依赖开源代码和现有数学模型，真正属于中国自己的东西并不多。
　　4个月零基础学会人工智能、16讲入门人工智能、算法线下大课……类似培训在网络上非常火爆，通过对于现有算法、模型的学习和训练，成长为人工智能工程师的“短平快”可见一斑。
　　既然代码是开源的，拿来用就好，为什么还有可能被“卡脖子”？
3 F9 v9 v  T) p' F! l　　孔德兴解释，开源代码是可以拿过来使用，但专业性、针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发出的AI即使可以准确识别人脸，但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别，由于边界模糊、对比度低、器官黏连甚至重叠等困难，用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息，甚至会出现误导等问题，这在医学应用上是‘致命’的。”
　　“碰到专业性高的研究任务，一旦被‘卡脖子’将会是非常被动的，所以一定要有自己的算法。”孔德兴说。换句话说，是否掌握核心代码将决定未来的AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的AI顶多是个“常人”，而要帮助AI成长为“细分领域专家”，需以数学为基础的原始核心模型、代码和框架创新。
　　有算法之“根”才能撑起产业“繁茂”
　　所谓“树大根深”，人工智能的发展也是同样道理，越在底层深深扎下根基，越能够发展出强大的产业。
  I7 C$ E# x+ _+ k# M) |: b　　那么，借助开源代码，“半路出家”的AI产业为什么会难以为继？
5 {, e  p" R" Z$ p　　孔德兴解释说，在获得同样数据的前提下，以开源代码运行，AI深度学习之后或许能输出结果，但由于训练框架固定、算法限制，当用户进行具体的实际应用时，将很难达到所期望的结果，而且难以修改、完善、优化算法。
　　“如果从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。”孔德兴说，基础算法往往是指研究共性问题的算法，它涉及到基础数学理论、高性能数值计算等学科，可以应用到多种实际问题中；而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”，从而更好地解决实际应用问题。
　　“基础算法和应用算法都很重要，拥有基础算法将更有助于应用算法的丰富与深入。”孔德兴说，AI要应对的现实生活是复杂、多变的，当能够“应对自如”时，才能够促成产业的“繁茂”。
　　呼吁三方协力，让数学不再置身事外
% i* n8 R  c9 \1 u3 _　　“一方面是政策引导，其实国家已经在加大这方面的扶持，例如科研基金上的设置等。”针对如何解决“徐匡迪之问”反映出来的问题，孔德兴认为，第二方面是行业企业在进行科技创新时，应有意识将数学学者纳入进来。
　　“如果通过算法的开发，最终产品落地了，企业应该将算法开发时的数学学者纳入到成果分享中来。”孔德兴说，社会目前对于数学科学等“软实力”的认可程度不足，行业或法规层面应该做好数学研究成果的产权保护工作。
6 D' r* K$ n! A　　“第三方面，数学家本身应该积极参与到人工智能发展的浪潮里。”孔德兴呼吁，AI的未来发展需要数学家深度参与。由于目前仍处于“弱人工智能”时代（可以说是数据智能时代），AI的实现主要是依赖计算机的巨大算力和巨大的存储能力，底层算法的问题或许并不突出，但在未来的发展，AI将可能融入逻辑、思维等智慧的内容，这些都需要数学科学的原始创新，有大量的基础问题亟待数学家攻克。
; f! E3 ?2 k3 ~; ^0 u　　算法的进阶一定是来源于“原创者”，而不是“跟随者”。孔德兴说：“实际上深度学习的应用已遇到了天花板，我们需要新的数学技术（如部分依赖逻辑、部分依赖数据的‘聪明算法’），让计算机变得聪明起来。这些工作都需要数学家的参与。”

+ k8 S' [( z. ]4 i1 ^