“徐匡迪之問”引發業界共鳴——

　　核心演算法缺位，人工智慧發展面臨“卡脖子”窘境

　　“中國有多少數學家投入到人工智慧的基礎演算法研究中？”日前，在上海召開的院士沙龍活動中，中國工程院院士徐匡迪等多位院士的發問引發業界共鳴，被稱為“徐匡迪之問”。

　　“我國人工智慧領域真正搞演算法的科學家鳳毛麟角。”在4月28日召開的“超聲大數據與人工智慧應用與推廣大會”上，東南大學生物科學與醫學工程學院教授萬遂人表示，“徐匡迪之問”直擊我國人工智慧發展的核心關鍵問題，“如果這種情況不改變，我國人工智慧應用很難走向深入、也很難獲得重大成果”。

　　我國人工智慧領域發展的現狀如何？依靠開源代碼和演算法是否足夠支撐人工智慧産業發展？為什麼要有自己的底層框架和核心演算法？

　　缺少核心演算法，會被“卡脖子”

　　“如果缺少核心演算法，當碰到關鍵性問題時，還是會被人‘卡脖子’。”浙江大學應用數學研究所所長孔德興教授對科技日報記者表示，我國人工智慧産業的創新能力並沒有傳説中的那樣強，事實是，産業發展過度依賴開源代碼和現有數學模型，真正屬于中國自己的東西並不多。

　　4個月零基礎學會人工智慧、16講入門人工智慧、演算法線下大課……類似培訓在網絡上非常火爆，通過對于現有演算法、模型的學習和訓練，成長為人工智慧工程師的“短平快”可見一斑。

　　既然代碼是開源的，拿來用就好，為什麼還有可能被“卡脖子”？

　　孔德興解釋，開源代碼是可以拿過來使用，但專業性、針對性不夠，效果往往不能滿足具體任務的實際要求。以圖像識別為例，用開源代碼開發出的AI即使可以準確識別人臉，但在對醫學影像的識別上卻難以達到臨床要求。“例如對肝臟病灶的識別，由于邊界模糊、對比度低、器官黏連甚至重疊等困難，用開源代碼很難做到精準識別。在三維重構、可視化等方面難以做到精準反應真實的解剖資訊，甚至會出現誤導等問題，這在醫學應用上是‘致命’的。”

　　“碰到專業性高的研究任務，一旦被‘卡脖子’將會是非常被動的，所以一定要有自己的演算法。”孔德興説。換句話説，是否掌握核心代碼將決定未來的AI“智力大比拼”中是否擁有勝算。用開源代碼“調教”出的AI頂多是個“常人”，而要幫助AI成長為“細分領域專家”，需以數學為基礎的原始核心模型、代碼和框架創新。

　　有演算法之“根”才能撐起産業“繁茂”

　　所謂“樹大根深”，人工智慧的發展也是同樣道理，越在底層深深扎下根基，越能夠發展出強大的産業。

　　那麼，借助開源代碼，“半路出家”的AI産業為什麼會難以為繼？

　　孔德興解釋説，在獲得同樣數據的前提下，以開源代碼運作，AI深度學習之後或許能輸出結果，但由于訓練框架固定、演算法限制，當用戶進行具體的實際應用時，將很難達到所期望的結果，而且難以修改、完善、優化演算法。

　　“如果從底層演算法做起，那麼整個數學模型、整個演算法設計、整個模擬訓練‘一脈相承’，不僅可以協同優化，而且可以根據需求隨時修改，從而真正解決實際問題。”孔德興説，基礎演算法往往是指研究共性問題的演算法，它涉及到基礎數學理論、高性能數值計算等學科，可以應用到多種實際問題中；而針對性強的應用演算法往往會應用到具體問題所涉及的“具體知識、先驗資訊”，從而更好地解決實際應用問題。

　　“基礎演算法和應用演算法都很重要，擁有基礎演算法將更有助于應用演算法的豐富與深入。”孔德興説，AI要應對的現實生活是復雜、多變的，當能夠“應對自如”時，才能夠促成産業的“繁茂”。

　　呼吁三方協力，讓數學不再置身事外

　　“一方面是政策引導，其實國家已經在加大這方面的扶持，例如科研基金上的設置等。”針對如何解決“徐匡迪之問”反映出來的問題，孔德興認為，第二方面是行業企業在進行科技創新時，應有意識將數學學者納入進來。

　　“如果通過演算法的開發，最終産品落地了，企業應該將演算法開發時的數學學者納入到成果分享中來。”孔德興説，社會目前對于數學科學等“軟實力”的認可程度不足，行業或法規層面應該做好數學研究成果的産權保護工作。

　　“第三方面，數學家本身應該積極參與到人工智慧發展的浪潮裏。”孔德興呼吁，AI的未來發展需要數學家深度參與。由于目前仍處于“弱人工智慧”時代（可以説是數據智能時代），AI的實現主要是依賴電腦的巨大算力和巨大的存儲能力，底層演算法的問題或許並不突出，但在未來的發展，AI將可能融入邏輯、思維等智慧的內容，這些都需要數學科學的原始創新，有大量的基礎問題亟待數學家攻克。

　　演算法的進階一定是來源于“原創者”，而不是“跟隨者”。孔德興説：“實際上深度學習的應用已遇到了天花板，我們需要新的數學技術（如部分依賴邏輯、部分依賴數據的‘聰明演算法’），讓電腦變得聰明起來。這些工作都需要數學家的參與。”（本報記者 張佳星）

【糾錯】

責任編輯： 郝多