2021年12月3日在澳门威尼斯人金光会展中心,BEYOND组委会联合将门倾力打造“人工智能创新论坛”。澳大利亚悉尼科技大学副校长张成奇先生、北京通用人工智能研究院常务副院长兼副理事长董乐教授、杭州智芯科微电子科技有限公司CEO张钟宣、杭州锘崴信息科技有限公司董事长王爽、北高峰资本及坤湛科技创始人兼CEO闵万里共同参与此次《人工智能创新之路》圆桌论坛,论坛将就人工基础技术创新、人工智能应用与产业创新等开展深入探讨。
回首2021年,很多学术产业上都有一些新进展,对整个人工智能的行业来讲,张成奇认为在过去的一年里发生的最重要的创新是在人工智能在感知方面。人工智能从0~1解决了以后,从1~100已经掀起了人工智能的热潮。大家之所以对人工智能感兴趣是因为他给人类带来很多的好处,现在真正能够实现的还在感知领域。他认为人工智能技术要附着在某些场景上或者平台上,这是未来几年人工智能的另外一个高潮所在。
董乐非常认同张成奇的想法,并从自身的角度谈论三点感触,第一点从科学研究的范式上,大家对认知智能的理解和共识在加强,它背后有两层面的原因,一个是本身技术团队在之前探索路径上发现了一些局限性,所以自驱的找到了一条路,另一方面从实际应用的层面反推过来,人们发现了对认知智能的需求。第二点是载体,大家对于这种场景的认知的精准性和深度在加强。第三点是人才培养和合作的模式大家也逐渐地形成了一种共识,人工智能领域的人才聚集和人才如何在实际的应用场景中结合,是所有的企业都在探讨的。
张钟宣表示,资本上大家对 AI计算的基础设施表现出超级重视和超级热情,二是从的市场端,客户端来看有大量的AI应用,其实已经在爆发期,有很多落地场景,现在无人机这些领域对AI算法的要求非常苛刻,未来还是要解决卡脖子的问题。
王爽教授看到的主要的趋势就是数据隐私保护的AI技术加速的落地。一个是隐私计算技术已经变成新兴的战略级的技术趋势。一个是今年很多的企业有隐私计算的需求。这底层有几个方面的驱动,一个方面是现在的AI的模型越来越依赖于数据,很多数据是存在各个数据源,形成了数据的孤岛,通过隐私计算技术,可以打通孤岛为 AI的模型提供更多的数据。第二个方面就是法律的监管的加强,很多公司在做和数据相关业务的时候,会考虑到合规性的需求。第三方面就是整个公民的数据隐私保护意识在提高,315曝出很多关于数据隐私相关的事件,包括大数据杀熟或是APP过度采集这些数据,这些企业有责任更好的保护这些数据。最后就是整个隐私计算的底层技术和能力也在不断地提升,能够适配这些非常复杂的场景应用。
闵万里认为好的方面就是监管加强了,让真正能够聚焦专心做价值创造的企业家们、技术者创业者有了更多的机会。另外一方面有两个非常重要的指向标,一个是双碳在倒推我们来看今天人工智能的碳效率,这是一个必须面对的问题,这同时这也会带来一个机会。第二个是对互联网平台,互联网平台通常也意味着是最全的、最透明的数据,对大平台的监管,实际上是杜绝了一些滥用,从而使得人工智能的应用场景聚焦在更加合理的、负责任的的应用上,而不是变成一种采取套利措施。所以技术从业者和创业公司在 AI领域创业公司走正道。面临的挑战就是怕矫枉过正,很多避险心理就会把流动数据都冻结了,可能会导致行业窒息,“所以我觉得更要警惕那种矫枉过正的事。”
数据是人工智能的燃料,十四五的规划里面也提到要去做数据的开放,但是从法律层面上我们又看到一个强监管的时代,可以想象以后的数据既要放得开又要管得住。王爽表示“=省一级的数据交易中心、大数据局都在成立,都是帮助去做数据的开放,同时又要能够管住数据,比如说在上海数据交易中心里面提到了一个数商的概念,可以从很多角度去理解,可以是数据提供商,可以是隐私计算技术的提供商,也可以是数据使用商,也可以是数据的帮助做监管,从各个角度都可以去进行赋能。这里面其实在整个数据使用过程当中,如果要实现数据要素化,我们要实现数据的所有权、使用权和管理权的分离,通过隐私计算就帮助数据源在不分享数据的情况下,去分享数据的价值。数据使用通过数据网络,通过隐私计算触达到的这些数据源,或者说有隐私计算能力的数据源加入到网络以后,在数据的网络里面完成计算,这样既满足了合规性,又减少了法律上的风险。另一个趋势就是在数据使用过程当中,对于数据源里面的数据贡献方,还有一个回馈的机制,可以通过整个数字经济的发展来实现。如果个体去贡献数据,它贡献的数据创造的价值在它以后来去用到某些产品的时候,也是应该有一些折扣或者是反馈的,这也是我们看到的未来在数字数据要素化里面的一个趋势。数据的寡头出现其实是越来越难的,特别是在现在国家提到这种反垄断的趋势下,以及各个厂商或者是各个数据源其实都在构建自己的私域的数据的情况下,很难出现一个数据的寡头。这个市场是非常的大的,因为数字经济都是万亿级的,如果占1%的点,也是一个非常大的市场份额。我们认为整个隐私计算支撑的数据网络是赋能于整个数据的价值的可信的转化,以后我们用到的所有AI应用底层都是数据驱动的,可以通过隐私计算支撑起来的数据网络为整个数字经济来去服务。我们能够期待未来的数据市场,通过网络数据有效流动,去释放出数据的价值。”
董乐教授进而解释智能不是路径本身体现了多少先进性,而是真正能解决什么问题,她认为智能的中心是要把任务搞清楚,要更有效的解决任务,至于中间走哪条路,那就是仁者见仁智者见智。小数据大任务的范式,是一个范式的转换,不是对深度学习本身的否定,只是说在很多场景上,深度学习它有优势,从感知智能往认知智能跨越的时候,这中间很多问题单靠数据解决不了,科技向善真正背后要解决一些绿色的问题,人类生活怎么样更美好的问题的时候,是可以采用小数据大任务模式的,不是站在深度学习或者说大数据模式的对立面,针对不同的任务,选择不同的路径,有时候还可以兼而有之。
同时我们发现暗物质,发现功能、结构、意图,发现因果关系的时候,其实是一个很复杂的过程,里头暗含了一层又一层暗物质,董乐教授介绍,“我们技术范式时候里面有一个很重要就是认知架构模型,这个模型如果说他有L1到L5五层,最底下的两层就是需要去借助外界交互的界面,感知层的数据信息,贡献这样很有益的一部分。如果对比传统数据贡献模式,我们可以理解为认知智能它也需要有一个大脑作为操作系统,去完成任务的调度和规划。再往上走去建立一种共识,再往上是群体的智能,最上面一层就是社会价值规范形成。在每一层次,不管是数据驱动的,不管是感知智能,还是认知智能它都是进行一个有机的协同,来共同完成任务和使命。”
张成奇在智能产业互联网这上头做了很多的研究,也有很多的这些实践。这些硬件的创新,软件的创新,数据的创新,落到智能产业互联网里。他感觉真正要落地的难点第一是产业互联网是比较顶层的设计,是所有的技术同时发展的。第二点是人才,要引才引智双轮驱动,引智应该有另外一套规则,应该是市场驱动,这里头无论是资本化的运作或者是商业性的合作,能够让这些智力资源的价值得到明确的体现。
闵万里是一个非典型投资人,他对技术显示出超级的关注。虽然中国做人工智能各方面投入都很踊跃,但是最关键核心技术的掌握,我们掌握得还是很少。他表示,今天deep mind做的事情,某种程度上是把对美的一种诠释用一种工程化的方式给他呈现出来,至少方向上是对的。为什么是deep mind做,不是中国人做?他认为基本的价值导向如果不改,就看不到那一天。大家还在一个短期套利的心态当中,什么热做什么,投资者也是什么热就投什么。“资本从来不会朝着冷门的方向去下注,资本不愿意为看上去很生僻,但是又很基本的公司理论性、奠基性的东西去投资,学者也不会自我投资到这里面去,所以价值导向特别重要,尤其是对基础性的科学研究,要把唯SCI论好好的纠正一下,鼓励真正敢做冷板凳创新的人。技术上能长出东西,但是科学的土壤没有,那么永远是重复别人的理论,证明深度学习的大咖们很伟大。我们今天有几十万人的大学生在证明那几个人的伟大,我们该鼓励下一代的人怎么做原创性的东西,而不是跟风性的,这是一个社会性的问题。”
张成奇补充道,所有的人生活成长是被评价标准引导着,他表示不太喜欢既顶天又立地的口号,要么顶天,要么立地,评价标准要用或的关系,而不是与的关系。标准一旦统一了,不管什么人都局限了,实际上做科研做创新的人都是小众,要允许这些小量的存在,不管干什么都要拿出一条专注去做,做得好就够了。
闵万里表示赞同,对一个的科研工作者来说,评价标准不是与的关系而是是或的关系。但是站在产业政策制定者的角度来看,既要鼓励有些人顶天,但是同样还要有人立地,这时候政策导向的需要具有包容性、双向性。落到具体的科研人员,没有人既能做到可上九天揽月,可下五洋捉鳖。
论坛尾声,每位嘉宾给人工智能行业的从业者送出了一句寄语。
闵万里:“少一点人工,多一些质量。”
王爽:“通过技术和法规能够尽快构建起一个数据的生态网络,赋能人工智能。”
张钟宣:“半导体的投资界,投一些比较有远景的一些项目”
董乐:“科技向真,科技向善、科技向美,人工智能就是为了提升人类福祉而生。”
张成奇:“沉下心来,十年磨一剑,不要追热门。”