人工智能“脱虚向实”之后
半月谈记者 刘石磊 彭茜
人工智能正处于新的发展浪潮，算力增强、数据增多、算法优化，技术方面不断取得新进展。但当前仍处于“弱人工智能”阶段，要实现具有自主解决复杂问题能力的通用人工智能，还有很长的路要走。
随着新应用层出不穷，人工智能作为可引发经济社会各领域颠覆性变革的一项重要技术，已经到了产业应用的“历史时刻”。事实上，在前两年被“热炒”之后，人工智能泡沫逐渐退去，正不断脱虚向实，展现出促进产业变革的巨大潜能。
仍处于“弱人工智能”阶段
美国《科学》杂志日前公布2019年十大科学突破，“人工智能在多角色游戏中获胜”位列其中。人工智能程序Pluribus在六人桌德州扑克比赛中击败多名世界顶尖选手，突破了人工智能仅能在二人游戏中战胜人类的局限，为人工智能解决现实问题提供了新的可能性。
“阿尔法围棋”引发全球瞩目以来，人工智能近几年在棋牌等游戏中学得越来越快、水平越来越高、适用范围越来越广，成为这项技术飞速发展的一个缩影。
人工智能自1956年被提出以来，经历了三次发展浪潮，当前这次由大数据、神经网络、人工智能芯片等融合发展共同促成。由于得到了更多核心技术、核心应用技术的支撑，这次浪潮中人工智能发展更为坚实，更可持续。
不过，从计算、记忆力、感知、认知、创造力、智慧等层次来看，当前仍处于“弱人工智能”阶段。从根本上说，人工智能要由“弱”变“强”，尚待理论层面的重大突破。
在技术层面，全球科学家正在进行多方向的探索。比如，借鉴人脑运行原理和信息处置机制的所谓类脑智能，可能是未来人工智能技术发展的一大方向，有助于让人工智能从当前的被动感知阶段进化到更复杂、更主动的认知阶段。
在训练方法上，“对抗性神经网络”具有代表性。该技术曾被美国《麻省理工学院技术评论》评为2018年“全球十大突破性技术”之一。这种技术通过让两个神经网络在对抗中不断提高，帮助人工智能摆脱当下对海量样本的依赖，向想象力、创造力等更高层次进阶。这样的神经网络在自动驾驶、机器翻译、人脸识别、信息检索等诸多方面有很大的应用价值，并有助于改进现有人工智能算法。
随着技术的发展，人工智能的伦理问题也愈发受到重视。人工智能伦理原则的制定，已被世界主要国家和地区提上日程。
总体来看，以人为本、安全可控是被普遍接受的原则，而学术界和产业界，以及伦理、哲学、法律等社会学领域的“跨界共商”，是此类原则制定的大趋势。
脱虚向实进入产业应用“历史时刻”
近两年，随着人工智能泡沫渐去，产业应用不断推出，展示出促进产业变革的巨大潜能。
在自动驾驶领域，以特斯拉为代表的厂商选定计算机视觉技术路线，他们坚信，人工智能将带来真正的“自动驾驶”。在语音识别和机器翻译领域，以科大讯飞为代表的中国企业走在前列，方言识别、模糊识别等方面屡有突破。在医疗健康领域，从确定药物分子结构到提高药物开发效率，从早期癌症诊断到预测肿瘤发展，人工智能都已经在发挥作用。在制造业领域，人工智能帮助优化生产流程，推动智能制造发展……
普华永道发布的报告预测，到2030年，人工智能将给全球GDP带来14%的增长，相当于15.7万亿美元。专家们相信，未来人工智能将会像水、电一样无所不在，颠覆和变革众多行业。
正因为看到了人工智能展现出的巨大潜能，各国纷纷布局人工智能发展战略。俄罗斯总统普京日前签署命令，批准“2030年前俄罗斯国家人工智能发展战略”。过去两年，美国、德国和法国等国家也都出台了相关国家战略或计划。
人才需求3年增8倍
与技术飞速进步和产业蓬勃发展不相称的是，人工智能人才严重匮乏。早在2017年，全球职场社交平台“领英”等机构就曾发布报告，提出全球人工智能领域人才需求在3年间增长8倍，且缺口仍在扩大。2019年，一份全球人工智能人才报告指出，尽管对于人才稀缺度缺少精确信息，但“有力证据表明”，全球人工智能人才仍供不应求。
2020年美国拉斯维加斯消费电子展上，观众在与人工智能机器人互动
世界范围内对人工智能人才的争夺战愈演愈烈。为填补压倒性的人才缺口，各国企业纷纷走出国门搜寻人才。美国谷歌公司在北京开设“谷歌AI中国中心”，招揽可以引领创新的专家和优秀学生;日本丰田公司任命曾在美国国防部负责人工智能项目的吉尔·普拉特为公司高管，推进无人驾驶技术。
对于我国而言，从业界到学界，人才短缺问题亟待解决，尤其体现在以下几个方面。
一是供需不平衡。工业和信息化部人才交流中心牵头制定的《人工智能产业人才岗位能力标准》指出，我国人工智能产业人才将迎来百万级缺口。目前，全国已有几十家高校获首批建设人工智能本科专业资格，不过专家建议，相关人才培养还应从青少年教育抓起。
二是顶尖人才缺口大。清华大学发布的《中国人工智能发展报告2018》显示，中国人工智能杰出人才数量不及美国的五分之一，排名全球第六。报告认为，必须加强基础研究，优化科研环境，培养和吸引顶尖人才，保证人工智能发展根基稳固。
三是结构分布不均衡。欧美很多优秀人工智能人才在企业，而我国这类人才在高校和科研机构较密集，产业界远远不够，学科人才和产业人才结合尚不紧密、交流还不频繁。
