核心算法缺位，人工智能发展遇“卡脖子”窘境

 
核心算法缺位，人工智能发展遇“卡脖子”窘境  
 

本报记者 张佳星

“中国有多少数学家投入到人工智能的基础算法研究中？”日前，在上海召开的院士沙龙活动中，中国工程院院士徐匡迪等多位院士的发问引发业界共鸣，被称为“徐匡迪之问”。

“我国人工智能领域真正搞算法的科学家凤毛麟角。”在4月28日召开的“超声大数据与人工智能应用与推广大会”上，东南大学生物科学与医学工程学院教授万遂人表示，“徐匡迪之问”直击我国人工智能发展的核心关键问题，“如果这种情况不改变，我国人工智能应用很难走向深入、也很难获得重大成果”。

我国人工智能领域发展的现状如何？依靠开源代码和算法是否足够支撑人工智能产业发展？为什么要有自己的底层框架和核心算法？

缺少核心算法，会被“卡脖子”

“如果缺少核心算法，当碰到关键性问题时，还是会被人‘卡脖子’。”浙江大学应用数学研究所所长孔德兴教授对科技日报记者表示，我国人工智能产业的创新能力并没有传说中的那样强，事实是，产业发展过度依赖开源代码和现有数学模型，真正属于中国自己的东西并不多。

4个月零基础学会人工智能、16讲入门人工智能、算法线下大课……类似培训在网络上非常火爆，通过对于现有算法、模型的学习和训练，成长为人工智能工程师的“短平快”可见一斑。

既然代码是开源的，拿来用就好，为什么还有可能被“卡脖子”？

孔德兴解释，开源代码是可以拿过来使用，但专业性、针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发出的AI即使可以准确识别人脸，但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别，由于边界模糊、对比度低、器官黏连甚至重叠等困难，用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息，甚至会出现误导等问题，这在医学应用上是‘致命’的。”

“碰到专业性高的研究任务，一旦被‘卡脖子’将会是非常被动的，所以一定要有自己的算法。”孔德兴说。换句话说，是否掌握核心代码将决定未来的AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的AI顶多是个“常人”，而要帮助AI成长为“细分领域专家”，需以数学为基础的原始核心模型、代码和框架创新。

有算法之“根”才能撑起产业“繁茂”

所谓“树大根深”，人工智能的发展也是同样道理，越在底层深深扎下根基，越能够发展出强大的产业。

那么，借助开源代码，“半路出家”的AI产业为什么会难以为继？

孔德兴解释说，在获得同样数据的前提下，以开源代码运行，AI深度学习之后或许能输出结果，但由于训练框架固定、算法限制，当用户进行具体的实际应用时，将很难达到所期望的结果，而且难以修改、完善、优化算法。

“如果从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。”孔德兴说，基础算法往往是指研究共性问题的算法，它涉及到基础数学理论、高性能数值计算等学科，可以应用到多种实际问题中；而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”，从而更好地解决实际应用问题。