“目前，我國在智能交通、互聯網金融、智慧醫療等領域已經取得了初步的應用成果。國內互聯網企業也紛紛規劃人工智能藍圖，比如百度的自動駕駛，阿里的城市大腦智能交通，騰訊的醫療讀片和醫療影像資料處理，科大訊飛的語音識別；寒武紀、科大訊飛、商湯科技為代表的初創企業在技術上不斷創新；海康威視占據全球智能安防企業的第一名。這些都是我國在AI產業中取得的實際成就。”蔣昌俊曾表示。
蔣昌俊同時指出，當前我國人工智能產業尚未形成有影響力的生態圈和產業鏈，與美國、歐洲相比，更加集中於應用落地，但在基礎理論和原創算法方面發展薄弱，缺乏突破性、標誌性研究成果，在共性技術平台、智能芯片等方面的發展也相對薄弱。
“從我國人工智能領域發展角度講，我們很注重應用方面，但基礎研究依然是短板，人工智能領域重大的理論和技術大都源自西方國家。基礎科學研究的特點是需要大量資源、投入周期長、不確定性大和風險高等，這決定了其難以在短期內見效，但只有長期投入，保持耐心才能實現真正持久的創新與源源不斷的技術發展。”蔣昌俊進一步說道。
值得注意的是，“對數據的理解非常重要，”蔣昌俊對澎湃新聞（www.thepaper.cn）提到，深度學習依賴於大量喂數據，那麼要判斷它合適不合適，光從模型、算法上考慮是不夠的。“我認為讓AI能夠見效的一個很好切入點，即是對大數據有一些理論和分析方法。如果對大數據的結構特征、邊界特征和條件特征等有結論，那麼自然就知道數據的形態如何。在對數據有了深刻理解以後，在算法設計時就能更好適應及貼近數據，起到更好效果。目前有圖譜學、函數逼近論、隨機分析等，但還是缺少的。”
那麼如何思考AI的未來？
|
