如何抵达人工智能未来？宾大教授说要靠团队合作和应用支撑

人工智能是一项能够极大程度上发挥人类想象力极限的技术。近年来，人工智能技术在行业出现了广阔的应用前景，不仅能够带来生产效率的提升，还会催生新的产品和商业模式，推动整个产业链的重构。

这一轮人工智能的热潮是由深度学习技术推动的，如今已经被应用在计算机视觉、语音识别、自然语言处理与生物信息学等多个领域，赋能各个行业，并成为新一轮产业变革的核心驱动力，正在对世界经济、社会进步和人类生活产生极为深远的影响。

第一财经记者日前采访了宾夕法尼亚大学计算机系教授、机器视觉领域专家史建波。他认为，中美两国在人工智能领域的基础研究方面尽管有差距，造成这种差距的主要原因是中美体系的不同，而中国的发展空间在于应用场景的突破以及差异化的竞争。

鼓励高校研究团队加强合作

史建波这两年频繁往返于中美之间，这很大程度上得益于高校之间的合作交流。他前不久刚在沃顿商学院北京分校给中国的高中生们上了一堂机器视觉的夏令营课。中国对人工智能的重视程度超越了他的想象。

“现在国际上大多数主流的研究结果基本都已经开源，这对于商业应用非常有用。虽然从开源到应用之间还有很长一段路要走，但是我们已经有了一个比较好的开始，大家都在摸索尝试阶段。”史建波对第一财经记者表示。

史建波指出，开源并不等于不赚钱，只是以前编程的目的是卖软件，而未来将会更加集中在提供应用层面的解决方案。他还援引数据透露，现在CVPR（计算机视觉与模式识别）中20%至30%的文章的软件是开源的。

他表示，在目前基于开源的领域，中美的差别并不大，比如机器视觉。在有些方面，中国甚至有望超过美国，比如基于人脸标记数据的人脸识别领域。但是在从基础算法向系统化的发展，中美的差距就比较大了，因为这需要很多基于经验的工作。

人脸识别是近几年来计算机视觉发展较快的领域，目前用于人脸识别的有标注的数据集多达百万量级。但鉴于继续扩大规模数据集的难度，中国初创公司商汤科技已经开源了利用无标注数据大幅提高精度的人脸识别算法。

史建波对第一财经记者表示：“人工智能是一个广泛的概念，传统的人工智能已经无法奏效。我非常欣喜能够看到中国越来越多的场合下，就人工智能的话题积极讨论，这会带来积极的改变，创造全新的机遇。中国仍然处在非常具有优势的地位，现在的问题就是教育需要跟上。”

对比目前中美的人工智能的基础科研，史建波表示，美国高校的师资力量明显要更强，这使得美国一大批高校能够紧跟深度学习的基础研究，比如卡内基梅隆大学（CMU）、和加州大学伯克利分校。而中国的问题是系统性的，大部分高校的研究团队过于分散，各自为阵，合作的气氛比较弱，这不利于整个科研水平的提升。但是他同时表示，中国某些科研院所在基础研究方面的水平已经能够与美国相提并论。

从行业的角度来看，美国的大型科技公司，比如谷歌和Facebook也还是占优，中国的互联网巨头BAT仍有差距。“BAT在云上的发展前景更加广阔，可以为人工智能发展提供基础设施。”史建波对第一财经记者表示，“原因在于科学家，比如生物学家、化学家，他们没有能力搭网，学校要造这种也不可能，所以只能依靠大型科技公司。”

史建波认为，中国的优势在于大量的初创公司正在形成一股推动人工智能向前发展的喷薄之力。“中国的初创公司很多，以自动驾驶为例就能看出来，100至200人的公司发展非常迅猛，那些公司能够招募到全球顶尖的人才，并且体制比较灵活，而且在应用和数据方面优势也较为明显。”史建波告诉第一财经记者。

以人工智能初创公司寒武纪为例，寒武纪的诞生是瞄准了人工智能芯片领域的巨头英伟达。英伟达不但有强大的芯片，又有自己的程序语言Cuda，也成为寒武纪追赶的榜样。不过史建波认为，Cuda已经成为了主流，寒武纪再效仿英伟达出一个自己的程序语言，不一定会有人去学，但他们可以从应用上进行突破。

史建波对第一财经记者表示：“人工智能两部分，一部分是在学习上，另一部分是在应用。在应用上可能不需要再学了，可以研究一下如何加速。主要是设计芯片时候的方向，应用的结合，程序语言方面可以再简化一些。”

在具体到中国人工智能的应用场景时，史建波以中国平安的人工智能投顾项目为例，称金融科技将是人工智能率先落地的领域。他告诉第一财经记者：“平安有图像、金融服务、用户应用等等，知道客户的精准需求，要什么信息，可以用人工智能聊天机器人代替日常的人工咨询服务。”

机器视觉与AI结合推动医疗影像发展

机器视觉是深度学习中发展最快的领域。现在当我们谈到人工智能，很多人都在说机器学习，机器学习是机器视觉和深度学习的结合，机器必须会看懂图片和模型，并且能够学会推理。史建波认为，中国在这方面仍然不够开放，但是最后谁能在这一领域有所创新现在还不知道。

未来借助视觉技术，机器将不单单能够识别物体，还能预测将来、幻想未来，这样就能更明确地做判断和控制，尤其是在视频领域会有颠覆性的应用场景。比如开车时，一两秒之后会看到什么物体，判断行人走路的情况，街景的变化等等。

“以前机器视觉只能做识别，用物理的方式去推动，然后再结合深度学习，这是分两步走，而现在是通过深度学习和机器视觉两者相连去预测将来，如果未来再和机器人等外界事物联系起来，将会有更广泛的应用领域。”史建波对第一财经记者表示。

在史建波看来，这一视觉技术与深度学习的结合，将会在医疗影像等领域大有用户之地。这方面，中美都已经展开研究。

史建波介绍称，宾夕法尼亚大学一位教授就发明了一种利用人工智能来验血的技术，可以替代检验科医生的工作。具体的操作是只要在手机上装一个特殊的摄像头，那么细胞的照片就会看得非常清楚，再加上深度学习的方式就可以去数，计算出有几个细胞。他同时强调，尽管这个已经可以投入试用，但是用完了结果如何还有待评价。

在医疗领域，未来放射科、检验科、神经科、五官科等医生的工作量将会在人工智能的辅助下极大地减轻。“这些领域以前大家没敢去碰，因为涉及到生命安全，但现在技术的飞跃能够帮助医生直接跳过复杂的过程去实现，当然成功仍有待验证。”史建波对第一财经记者表示。他认为，机器视觉技术的突破很大程度上依赖于手机硬件，尤其是摄像头技术的跃升，比如手机在较暗的地方也能够看清物体。

在中国，医生也有望借助人工智能的精确测量对病人神经方面的疾病进行观察。比如清华大学一位教授正在使用人工智能来判断患者是否得了抑郁症。通过患者观看手机录像的眼神，就能自动进行测量。此外，人工智能在解决上瘾等问题也大有用处。

史建波强调，基础科研到应用的接口非常重要。有了场景之后，如何能够与人工智能技术接上，这涉及到硬件、软件、机器人等各个领域，每个领域的情况都不同。以前是各个领域有各自的生态系统，现在是要考虑如何把这些生态系统联系起来。