本報記者張佳星

“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産業發展?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,我國人工智慧産業的創新能力並沒有傳説中的那樣強,事實是,産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資訊,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。”孔德興説。換句話説,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”才能撐起産業“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産業。

那麼,借助開源代碼,“半路出家”的AI産業為什麼會難以為繼?

孔德興解釋説,在獲得同樣數據的前提下,以開源代碼運作,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。”孔德興説,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、先驗資訊”,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。”孔德興説,AI要應對的現實生活是複雜、多變的,當能夠“應對自如”時,才能夠促成産業的“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,最終産品落地了,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。”孔德興説,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産權保護工作。

“第三方面,數學家本身應該積極參與到人工智慧發展的浪潮裏。”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(可以説是數據智慧時代),AI的實現主要是依賴電腦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”。孔德興説:“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’),讓電腦變得聰明起來。這些工作都需要數學家的參與。”

責任編輯:林梅