AI熱潮不減。過去一周，“雙馬對話”拉開世界人工智能大會的討論熱潮，同一時間， 百度在北京舉辦“百度云智峰會”喊出“AI工業化”的口號。京東云發布智能城市戰略。僅一個周末，由陌陌推出的AI換臉APP，一夜“ZAO”熱……

放眼國內，AI技術正展現大變革潛力，AI賽道也日益擁擠。站在今天回看，2017年或許是中國人工智能發展的一個重要節點。從那一年開始，人工智能風起云涌。一夜之間，仿佛所有的公司都變成了人工智能公司，資本、人才向人工智能領域快速涌入。“人工智能”成為科技界、學界、企業界最熱門、最受追捧的詞匯之一。而彼時，科技巨頭Google、IBM等對人工智能的研究已逾十年，近幾年部分研究成果已經進入商業應用。

從這些維度來看，人工智能可謂已經迎來一個非常好的時代，但是熱鬧背后一些問題也浮現出來。在釋放巨大應用價值和商業價值的同時，人工智能的推廣使用也產生了一些“副作用”。個人隱私信息被非法采集、利用大數據實施精準詐騙等，已開始露出苗頭；“人工智能可能拉大數字鴻溝、取代工作崗位”的猜測，也引發了一些擔憂。

人工智能需要“交通法規”

回應社會上對人工智能的種種擔憂，又為這一技術保留了足夠的創新空間。前不久，國家新一代人工智能治理專業委員會發布了《新一代人工智能治理原則——發展負責任的人工智能》，明確了人工智能治理的框架和行動指南。

這意味著，正在快車道上飛奔的中國人工智能多了一部“交通法規”。 作為一項影響深遠的顛覆性技術，人工智能技術可能帶來的“副作用”不可小覷。特別是在人工智能進入實用的新階段，鼓勵創新和規范應用必須雙管齊下。我國已是人工智能發展大國，盡早立下“包容共享、敏捷治理”等規矩，將為人工智能的健康發展保駕護航。

消除偏見，打造負責任的人工智能

在探討人工智能可能帶來的偏見和歧視問題時，微軟的研究團隊，正在從稱為“單詞嵌入”的自然語言處理工具做起，試圖解決文本搜索中的性別偏見的問題。

所謂單詞嵌入，是一種用來將單詞轉換為向量數字的算法，它能夠以來自新聞數據或者網頁數據的海量文本數據為依據，為每個單詞賦予一個對應的向量數字。通過在向量坐標系中，比對常見詞匯與“他”、“她”這兩個性別代詞之間的關聯度，研究人員發現了一些明顯的特征，例如“sassy(刁蠻)”、“knitting(編織)”這樣的詞更靠近女性，而“hero(英雄)”、“genius(天才)”更靠近男性。

算法之所以會為這些詞匯賦予性別特征，原因在于訓練算法用的基準數據集——通常是來自新聞和網頁的數據——本身就存在著由語言習慣造成的“性別偏見”，算法也自然“繼承”了人類對這些詞匯理解的性別差異。其結果就是，當微軟用試驗算法，根據梅林達·蓋茨的LinkedIn信息推測其職業時，得到了“教師”的判斷，但只要將人稱代詞換成“他”，蓋茨夫人的職業就會變為“律師”。為了解決這個問題，微軟的研究員提出了一個簡單易行的方案：在單詞嵌入中，刪除區分“他”和“她”的判斷維度，從基準數據集中消除偏見。

AI芯片喧囂背后市場痛點猶存

AI芯片已成為中外科技企業競爭的焦點之一，以至于清華大學微電子所所長魏少軍用“無產業不AI，無應用不AI，無芯片不AI”這樣的話語描述當下的人工智能熱潮。

“我們離人工智能還有多遠？目前很多企業所做的只是增強智能而不是真正的人工智能，離真正的人工智能還差得很遠”。魏少軍表示，人工智能網絡能夠崛起取決于三個因素，算法、數據和算力。當前，AI芯片面臨兩個現實問題：其一，算法仍在不斷演進，新算法層出不窮，每隔幾個月算法就發生新的變化；其二，一種算法對應一種應用，沒有統一的算法，而讓芯片處理不同的算法十分困難。

在魏少軍看來，AI芯片應該具備的要素包括可編程性、架構的動態可變性、高效的架構變換能力、高計算效率、高能耗效率、低成本等。按照這些要求，目前業界流行的一些做法均不是理想的架構。過去幾年，AI芯片領域一個重要變化就是架構的變化。人工智能芯片不在于追求算力，而在于架構創新。業界也需要找到一種針對人工智能計算的全新計算引擎。

云從科技副總裁張立認為，傳統芯片企業通常更關注是如何把芯片做成通用化，以支持各種不同應用場景。但這樣的通用化，在AI場景落地時會遇到問題，比如公司對AI芯片考慮較多的是單位功耗，而芯片企業對功耗要求可能不是首要優先級。公司在將AI場景落地的過程中，發現通用芯片完全滿足不了需求。這給從事AI解決方案和核心算法的企業帶來了難題——公司的算法是統一的，但需要在不同的場景適配不同的芯片和模組。

“目前，AI芯片發展還處在嬰兒期”。張立表示，現在企業使用的很多AI芯片因為工藝要求較高，很難在大陸流片，都是在臺積電進行流片。同時，也正因這工藝復雜度較高，導致芯片價格較高，使得下游很多使用其模組的產品無法量產。

AI+教育的變革與反思

日前，某人臉識別系統在課堂上的應用在筆者朋友圈引起熱議。圖中顯示，兩名在教室中的女生身邊，顯示出了相應的課堂行為數據，比如趴桌子、玩手機、睡覺、聽講、閱讀、舉手等等。業內某名嘴犀利點評：非常反感這種應用，且毫無意義！教育，跟養豬的區別還是蠻大的！

聯合國教科文組織在2019年3月份發布過《教育中的人工智能：可持續發展的挑戰和機遇》報告，比較系統綜合了各國人工智能和教育相結合的做法。報告的愿景是促進人工智能教育可持續發展，但更重要的目標是怎么樣體現教育個性化、包容化、公平性，驅動教育管理步入全新的軌道，以及幫助學生為“就業革命”做好準備。

上海市人工智能學會理事長、同濟大學企業數字化技術教育部工程中心主任、同濟大學教授張浩就曾指出，數據驅動的智能教育主要考慮幾個因素：一方面是個性化“教”，作為教師，應該體現教學中的個性化。過去老師都是猜，現在可以通過數據輔助。另一方面是個性化的“學”，以前的學生總是聽，現在可以通過個性化數據輔助，可以學得更有序，從此建立個性化學習模式。目前，大數據主要還是推動個性化教育”。

未來學校的功能是轉變的，教育的內容是轉變的，教育的環境也是轉變的。教育是永恒的話題，AI結合教育剛剛開始。《中國教育現代化2035》中提到“智能”為先驅，以人才培養為核心，有四大方面的考量：提升校園智能化、新型教學模式、教育服務新業態、推進教學治理方式變革。人臉識別在課堂上的應用，相信只是AI落地教育領域的最初嘗試，經過不斷的試錯、調整，最終真正地輔助教育的目的。

人工智能要做高產值關鍵要以人為本

人工智能要做高產值不是什么難事，關鍵是要以人為本。”上海人工智能安全專委會主任、中科院院士、計算機軟件專家何積豐表示：“上海人工智能的發展取得了很大的進步，政府投入了大量的資源，給予了高度重視，但是在全面性方面仍然有待完善。

何積豐院士所說的全面性，是指要關注科研創新體制改革，以及關注新技術帶來的新挑戰，包括人工智能的安全性、人工智能的人才培養、核心基礎研究的投入以及相應的配套設施的建設。

以安全為例，何積豐院士援引數據稱，上海人工智能三年的產值規模要達到500億人民幣，五年產值規模要達到1000億人民幣。“要做高產值很容易，理論上一部分信息通信技術(ICT)行業的產值也可以算到人工智能領域。但要真正打造人工智能高地，讓人工智能服務于我們的社會經濟，還有很多工作要做。”何積豐院士表示。

他強調，人工智能要解決的是基礎的算法問題，因此數學基礎研究很重要。他認為，由于中國基礎研究長時間地被邊緣化，要鼓動基礎研究人員參與其中需要更大的努力。此外，何積豐院士還強調應讓人工智能技術與5G技術充分結合，盡快建設完善各類網聯基礎設施，讓城市完成智慧協同，實現精細化的治理。

無數據，不AI

2018年，全球人工智能市場突破2700億元，其中中國超過360億元，相比2015年的203億元復合增長率為21%。飛速上揚的曲線背后是科技發展的日新月異，于互聯網下半場，AI已經成為很多公司、企業面向未來的武器和底氣。

與之對應的是另外一組數字，據We Are Social公司統計，全球獨立移動設備用戶滲透率超過了總人口的65％，活躍互聯網用戶突破了40億人，接入互聯網的活躍移動設備超過了50億臺。根據IDC預測，2020年，全球將總共擁有35ZB的數據量。

這是一組每天都處于千萬億次增長的數據曲線。

人工智能，算法是發動機，數據是燃料。對于大部分公司的AI業務來說，獲取海量而優質的標注數據是進行人工智能的先決條件。算法模型是計算機基于大規模的訓練數據集，歸納出的識別邏輯，以實現精準的物體和場景識別。可以說，實現機器精準識別的重要一步，就是獲取海量而優質的標注數據。

但在現階段工業界的AI應用研發，標數據是一定跳不過去的，可能10年之內都要依賴于標數據。”一位業內人士表示。

就當下而言，從最基本的構建模式來看，數據是人工智能的原料；但如果將數據與人工智能技術的整體發展相比，如今數據的采集和標注方式卻是后者發展的“木桶短板”。
這門生意正在進步。從粗放型到如今的精細化運作，數據的生意模式正在不斷升級。身處這個賽道的玩家們，則是給它做了最佳注腳。可以預測，“無數據，不AI”將會成為常態。

結語

經歷了這個夏天，AI熱度有增無減。但是相比最初由產業界、投資界所推動的熱潮，現在學界和基礎研究領域也在逐漸產生一些革命性變革，人才缺口問題也越來越受到重視，有望從根源上得到解決。

用一麻袋的錢買書，書看完了，賣了書卻發現錢不夠買麻袋。生活中很多事情往往會落入這個套路。

無意于用這個邏輯來暗諷AI創業的某些亂象。只是希望熱潮退卻時，不只是燒掉了投資人的錢，還有許多落在實處的有意義的應用。

退一萬步說，讀書也好，投資也好，最重要的意義不在于是否能夠回收麻袋成本，而是在這個過程中明白，自己是否真的需要麻袋，以及在這個過程中，那些無法用金錢來衡量的收獲。