破解我國人工智能產業化發展困局關鍵

人工智能作為發展智能經濟的支撐技術、在國家高度重視和大力支持下，近幾年全國持續掀起人工智能應用熱潮，使中國已成為世界人工智能應用大國。但是，近期我國的人工智能產業遇到發展困局。筆者認為其主因是：雖研制出自主知識產權的先進的國產人工智能通用算法，但沒有產業化和應用。目前，我國人工智能產業所用的主流算法是引入的深度學習算法。但是，深度學習算法在應用中也顯現出許多不可克服的嚴重缺陷。如：魯棒性（穩定性）差、不可解釋、有NP（復雜）問題等，特別是有"黑箱"等安全隱患的存在，此外，還有很多難克服的問題。

例如：用于熱捧的機器人AlphaGo所需要的硬件開銷是1000個CPU，200個GPU，還需要20萬瓦的電力消耗。這樣的深度學習硬件開銷如何普及應用？深度學習算法由于自身存在的嚴重缺陷和安全等問題，已證明不能在工業控制和嵌入式系統上廣泛應用，這是深度學習難于普及的最致命問題。可嘆的是，我國除深度學習算法外至今沒有可替代的人工智能通用算法，在國產的人工智能通用算法沒有產業化和推廣應用之前，還要無奈地任由深度學習算法繼續在全國應用下去。

多年來，國內外許多專家和團隊都在研制沒有深度學習算法嚴重缺陷和安全問題的人工智能通用算法而努力。在國外，連深度學習發明人Hinton教授也不顧70多歲高齡在組織研制新算法。在國內也有許多團隊在研制新一代人工智能通用算法。其中一些有自主知識產權的先進的國產人工智能通用算法已經在自動駕駛車和船、心電圖等成功應用，水平超過當前世界人工智能應用水平，已具備產業化條件。而且非常適合制成與目前為深度學習所需的大數據、高算力研制的“算力”芯片完全不同的“智力”芯片，可在包括工業控制和嵌入式系統在內的廣泛應用領域簡便使用。

這種國產新算法經模組化和芯片化后，可大大簡化人工智能應用，有助于通過短期培訓人工智能用戶的技術人員掌握使用新算法完成本單位人工智能需求項目。這將使人工智能應用不受大模型、大數據、大硬件及業務場景的領域知識限制，可大大促進人工智能普及應用。

正如中國工程院徐匡迪院士指出的“產生顛覆性技術，這種創新在目前的評審制度下，是難以實現的。”“我國現有的重大科研項目都是搞專家評審投票制，最終的結果往往是把真正具有創新想法的項目給投沒了。”請人工智能深度學習算法專家論證顛覆深度學習算法的創新算法，其難度可想而知。國產人工智能通用算法產業化是一項復雜的系統工程，亟待國家和社會的支持實現產業化。

為促進我國從人工智能應用大國發展成為人工智能技術強國，筆者認為推進國產人工智能通用算法產業化是破解當前困局的關鍵。應同研究我國“卡脖子技術”一樣受到國家層面高度重視。

審核：徐璐