線上教育，遠端辦公，無人配送，健康監測，資料研判……在新型冠狀病毒感染的肺炎疫情防控中，以人工智慧為代表的新興科技，滲透進社會運行的方方面面。4月9日上午，在中國科協學會學術部、中國科學報、騰訊科協和騰訊集團發展研究辦公室主辦的人工智慧科技與經濟融合新引領線上研討會中，中國工程院院士李國傑指出，人工智慧在疫情防控中發揮了巨大作用，但總體來說，仍有較大提升空間。「表現好的領域，靠的是過去的資料積累；缺資料的領域做得就不太順，比如病毒溯源。」李國傑說。
最近，「新基建」成了熱詞。5G網路、工業互聯網、物聯網等網路基礎、資料中心等數位基礎、人工智慧等運算基礎，成為必要而普遍的新型基礎設施。李國傑指出，還要高度重視「軟基建」，也就是大力共建共用人工智慧基礎資料平臺、訓練平臺和軟硬體工具鏈。
深度學習克服不了對資料的高度依賴。「人工智慧和大資料實際上是一對雙胞胎，人工智慧復興主要是靠資料智慧或者計算智慧。做得好的人工智慧應用，都對資料有強烈需求。」李國傑表示，缺乏高品質資料會成為人工智慧發展的瓶頸。因此，要構建基礎資料平臺。深度學習效果的好壞，也要依賴訓練，因此得充分利用搭載國產晶片的高品質人工智慧訓練平臺，推動人工智慧訓練的共用，形成公共服務體系。「現在發展數字經濟，就要大力發展人工智慧應用需要的各種工具庫、演算法庫、軟體庫，打造一個完整的工具鏈，大大降低人工智慧應用開發門檻。」
中國科學院計算技術研究所研究員山世光也看到了軟體平臺的問題。「我國在基礎硬體平臺上的投入大，但在基礎軟體平臺上的投入則相對較少。和國外發達國家相比，我們落後至少4—8年。」山世光指出，深度學習的主流底層框架建設在北美，雖然最近我國也有不少動作，百度、華為這樣的企業都在佈局，但沒有形成合力。「或許再過5到10年，我們就需要大量能夠完成簡單但應用面較廣的人工智慧演算法的人工智慧人才。」山世光表示，在低門檻的人工智慧研發平臺和工具打造方面，我國應該搶佔先機。
具體到人工智慧的應用上，李國傑強調，應用和基礎研究是兩個不同的課題，有截然不同的目標和任務。在發展人工智慧產業時，要強調的是技術的融合，是用技術解決實際問題。他舉了個例子——健康碼。碼的智慧含量並不高，但在疫情期間，它成了每個人的健康證明。「這就解決了最剛性的需求。」李國傑說，如果再往健康碼裡注入些智慧，比如行為軌跡，比如何時和確診者有接觸、接觸了多久……做得好了，它就能大大減輕疫情防控工作人員的負擔。「企業要把人工智慧當成求解的方法，它不是『老大』。人工智慧應該是蛋糕上的乳酪，要把蛋糕看得更重一些。」李國傑強調。（記者 張蓋倫）
請先登錄再提交評論