2月9日，一年一度的AI界盛會AAAI閉幕。根據(jù)在開幕式上的數(shù)據(jù)以及參會者評述，本次參會人數(shù)為1692人，為近幾年之zui。論文提交總數(shù)2571篇，同為歷史zui高，錄用論文數(shù)量639篇，在全部提交的論文中，中國提交數(shù)量占到總數(shù)的31%，略高于美國的30%，是歷*華人參會人數(shù)、受關注度zui高的一次大會。
AAAI成立于1979年，在有超過4000名會員，幾十年來一直為人工智能的*盛會，每年年初匯聚zui*的人工智能領域專家科學家、學者、工程師、從業(yè)者，共同討論人工智能領域的研究進展。
 
　　中國學界表現(xiàn)令人欣喜：人才供應加大
 
　　“本次參會的中國學者很多，大約有幾百人，而且來自內(nèi)地的學者占優(yōu)勢。以前參會的內(nèi)地學者和香港學者數(shù)量大致相同。”據(jù)參加大會的香港科技大學教授楊強表示。他是AAAI*華人院士，并在協(xié)會擔任執(zhí)委。
 
　　楊強指出，本次會議讓人印象zui為深刻的就是來自中國的學者增多了，尤其是中國學生，“我看到很多中國學生演講，很年輕，水平很高，英文也很好，中國的潛力很大。”
 
　　據(jù)了解，不僅參會的人數(shù)變多，而且論文質量也有提升。以往，中國學者投稿的論文數(shù)量與美國大致相等，但是錄取率遠低于美國。但是本次大會上，中國學者論文的錄取率已經(jīng)幾乎與美國持平了。
 
　　中國在人工智能領域的快速崛起，已經(jīng)吸引到了的關注。去年10月，奧巴馬政府發(fā)布了人工智能研究的戰(zhàn)略計劃，其中便提到中國在深度學習領域正在快速追趕，甚至威脅到美國的地位。
 
　　現(xiàn)任AAAI主席Subbarao Kambhampati在接受大西洋月刊采訪時介紹，他zui初在AAAI會議上看到的中國研究人員通常都來自清華和北大，但是現(xiàn)在他看到來自中國各地的學者發(fā)表的論文，不再于*高校。“與三四年前相比，這種變化簡直令人驚訝。”
 
　　但同時，楊強也指出目前中國原創(chuàng)性高的研究較少，這一點還有待提高。今年AAAI*論文頒發(fā)給了斯坦福大學的Russell Steward以及其導師Stefano Drmon撰寫的論文《Label-Free Supervision of Neural Networks with Physics and Domain Knowledge》。該文章從已知的關系(如物理定律)入手，通過輸出必須滿足物理定律的約束來訓練學習。“這種原創(chuàng)的思考很值得我們中國學生學習的。”
 
　　楊強主張的“遷移學習”或是國內(nèi)少數(shù)具有原創(chuàng)性思路的研究成果，所謂遷移學習，也就是舉一反三的能力，是指利用兩個領域的相似度，將已經(jīng)存在的模型遷移到新的領域使用，這樣，在新的領域用小數(shù)據(jù)樣本訓練即可。遷移學習一方面降低了沒有大數(shù)據(jù)優(yōu)勢的產(chǎn)業(yè)界進入人工智能的門檻，另一方面“也是zui終讓機器學會學習的一個很有可能的方向。”
 
　　應該由政府來推動產(chǎn)學融合創(chuàng)新
 
　　楊強注意到，本次參會企業(yè)中，出現(xiàn)了一批中國新興公司，除了歷年?？桶俣?、騰訊、亞馬遜、IBM、Facebook、微軟、Adobe出現(xiàn)在本次AAAI大會企業(yè)目錄中之外，名單里還開始冒出一些中國小公司，包括今日頭條、獵豹、甚至像小i機器人這樣的初創(chuàng)公司，但是仍然是以互聯(lián)網(wǎng)公司為主。
 
　　“中國的科技公司擁有敏銳的嗅覺，能夠快速地將理論運用到產(chǎn)品上來吸引用戶。這一點，美國公司比不上。”百度人工智能實驗室科學家吳恩達在大西洋月刊的采訪中提到。
 
　　在楊強看來，中國公司在與學界的開放合作上呈現(xiàn)出優(yōu)于西方公司的優(yōu)勢：他舉例說，香港科大實驗室學生在與騰訊合作中可以大量使用騰訊的數(shù)據(jù)，也可以將設計應用到公司產(chǎn)品上。但反觀西方企業(yè)對學界的開放程度就不如中國，“這一點上，中國有很大的潛力。”
 
　　他認為，在人工智能領域，數(shù)據(jù)的重要性不言而喻，沒有大量數(shù)據(jù)就沒法開展研究，因此產(chǎn)學結合顯得十分關鍵。
 
　　另外，中國互聯(lián)網(wǎng)公司擁有的海量數(shù)據(jù)，亦是人工智能產(chǎn)業(yè)孵化的重大前提。他認為，與上世紀80年代圍繞著“專家系統(tǒng)”為主的人工智能討論熱潮不同，因為有了大數(shù)據(jù)和算法的支持，這一撥AI熱潮“更腳踏實地”了。
 
　　但是楊強不同意美國有媒體認為中國在“深度學習”上已經(jīng)美國的言論，他認為原創(chuàng)性研究的不足仍然是中國人工智能研究領域的突出問題，這決定了人工智能當前在產(chǎn)業(yè)通用領域發(fā)展仍然不盡如人意。
 
　　楊強認為，受益以及應用zui多的行業(yè)仍然集中在互聯(lián)網(wǎng)領域，zui明顯的便是淘寶、京東一類的電商推薦，以及亞馬遜的Echo智能音響。其共同點都是在一個很窄的領域收集了大量的數(shù)據(jù)來訓練AI。“這些領域回報非常快。”
 
　　專家們認為，受益明顯的還將包括金融和醫(yī)療行業(yè)。金融領域數(shù)字化程度非常高，數(shù)據(jù)都得以大規(guī)模保持，國內(nèi)外各種金融智投產(chǎn)品應運而生，比如國外的Kensho，國內(nèi)的摩羯智投等。其次，醫(yī)療領域的一些前期鑒別，比如癌癥的識別、人臉識別、體檢片子掃描等也都是非常有可能成功的方向。
 
　　“無人駕駛有成功的一面，也有不成功的一面。”楊強評價近年來資本和產(chǎn)業(yè)布局較深的無人車方向，他認為無人駕駛的突破瓶頸仍然是各種突發(fā)場景的數(shù)據(jù)不足問題。
 
　　新技術的研究、應用與推廣，離不開產(chǎn)-學-研一體的合作，對于人工智能即將開啟的新一波產(chǎn)業(yè)浪潮，除了學界、產(chǎn)業(yè)界，政府的作用也不可忽視。楊強認為，政府的重要性就在于制定大方向，就像美國當年的“登月計劃”以及zui近美國政府主導的“無人車大賽”，通過一些大型規(guī)劃來推動產(chǎn)業(yè)和學界的融合發(fā)展。
 
　　“學者都喜歡耕耘自己熟知的‘自留地’，而產(chǎn)業(yè)界對基礎一點，長遠一點的研究也著力不深，所以這種大方向的制定只有政府能做。要把目標定得非常長遠，又要可檢測，這也是對政府的一個考驗吧。”他表示。