文|新京智库访谈员 肖隆平
新冠肺炎疫情发生后，人们去火车站、机场等公共场所需要进行体温检测。从最初用测温枪单个检测到现在的通过式（一扇“门”样的）红外测温。短期内，体温检测经历了从不智能到智能的转变。
“这都是因为有人工智能（下称“AI”）在处理的结果”，南开大学原校长、新一代人工智能发展战略研究院执行院长龚克对新京智库表示。隔着几米的距离，识别出人的额头部位进行探测，不会因为有人吃着冰棍或拿着冰水影响测量结果。
南开大学原校长、新一代人工智能发展战略研究院执行院长龚克。摄影 新京报 肖隆平
2017年7月，国务院发布了《新一代人工智能发展规划》（下称“规划”），提出我国新一代人工智能发展分三步走的战略目标。其中，第一步的目标是到2020年，我国“人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元”。龚克表示，中国毫无疑问已经在第一方阵，在推动AI应用迅速发展的多种因素中，政策效用只是其中之一，更为重要的是需求牵引。比如，新冠疫情为AI应用意外创造了刚性需求，从全球来说，AI、大数据、区块链等技术应用都在加快。
在我国AI发展规划目标第一步实现之际，龚克表示，“现在是需要总结回顾一下的时候了。”那么，这几年来我国的AI应用发生了哪些变化，取得了什么成绩？现状如何？还面临哪些挑战？6月7日，新京智库专访了龚克。
新冠疫情意外推动了AI发展
新京智库：已经连续在天津举办了五届的世界智能大会成为反映AI发展的一个窗口。这五年来，你觉得有哪些变化？
龚克：在说“变”之前，我想先强调一下世界智能大会的一个“不变”的特点，就是重应用，这个世界智能大会不是给专家办的学术性会议。同时，我们看到，AI应用的面“变”得越来越宽，在大会上展示的领域越来越多元；讨论的话题“变”得越来越丰富，比如AI治理、AI社会属性、AI应用帮助弱势群体的问题等，逐年引入到世界智能大会，这些都是实际应用中需要关注的问题。第四届是2020年举行的，因为遇到疫情，大会突出了AI在医疗健康中的应用等相关话题。
资料图。图片来源：Unsplash
今年的大会也有一些亮点，比如小米、科大讯飞等为残障人士开拓的AI业务，不仅帮助他们了解和熟悉世界、改善生活质量，而且开拓了视障人士的“语义标注师”就业渠道。再如AI推动扶贫，去年世界智能大会就强调了这个话题以助力脱贫攻坚战。今年，我们战略研究院在报告里介绍到，针对2019年底尚未脱贫的52个县的调查显示，一大批新增的就业岗位就是在AI、大数据应用场景下所产生的。在68万网上就业人员中，比率最大的是直播销售员，他们不仅把当地的农副产品推销出去，而且也获得了就业，这些就业的技能也是从网上学习的。
新京智库：那是不是可以说，这几年来AI发展最大的亮点还是在应用层面的开花结果？
龚克：应该可以这么说。《规划》提出的第一步目标中所包含的“进入国际第一方阵”，我觉得我们肯定是做到了，特别是在应用方面。在技术应用中，算法得到优化，其中不乏改进创新，也出现了底层的算法的创新，一些改进的算法被嵌入到自主研发制造出来的硬件之中。AI企业广泛分布在20个应用领域，其中企业技术集成与方案，智慧商业与零售两个应用领域的企业数占比最高，分别为17.2%和10.31%（数据来自中国新一代人工智能发展战略研究院发布的《中国新一代人工智能科技产业发展报告2021》）。智能机器人、智能硬件、科技金融、智慧医疗和智能制造领域企业数占比相对较高。
新京智库：目前我们国家有没有哪家企业称得上是AI领域的龙头企业？
龚克：有的，比如百度在知识图谱、智能搜索、自动驾驶等方面，阿里巴巴在城市大脑、智能云服务上，腾讯在智能医学影像、智能导游上，华为在智能软硬件方面，还有科大讯飞、商汤科技等企业，都可称是全球的领军企业。根据我们研究院连续4年对于智能产业的调查，我们更倾向于使用“平台”企业或新型平台的概念，以更加凸显这一批企业在整个智能产业发展生态中的“赋能”作用。同时也要看到，我们仍然有不小的差距。比如BAT（即百度、阿里巴巴和腾讯）都形成了非常大的平台，但是比起谷歌、亚马逊等，还是有不小差距。
新京智库：2020年疫情后，你表示AI应用有很大的发展。这些是否可以归结为2016年以来相关政策出台后推动的成果？
龚克：毫无疑问，各级政府的政策发挥了重要推动作用，但政策只是一方面。2020年新冠疫情发生后，给AI应用创造了刚需。在疫情影响下，因为要隔离，又要复产、复学、复市，这就为网上各类智能工具的应用创造了需求。从全球来看，AI应用都在加快发展。
新京智库：我们说2003年的“非典”意外推动了网络经济的发展，是否可以说新冠疫情意外推动了AI的大力发展？
龚克：人工智能、大数据，包括第5代移动通信（5G），在很多地方都在加快部署的步伐。这都跟疫情有关，因为需求被创造出来了。2003年，当时的网络带宽窄、网速比较慢且普及率也不够高，但因为“非典”的发生，对宽带、对普及率的要求，一下就提高了，促进了互联网的发展。
新冠疫情发生后，要异地上课的问题一下子提出来了，比如在北京、天津的大学，他们的学生有一部分在校内，但还有很多学生可能在湖北等省区，有大城市也有乡村，还有的在国外，有发达国家也有发展中国家，面临距离和时延不同、传输的带宽和负荷不同等许多问题，要保证信息（视频、语音等）的双向传输以实现课堂互动，这些都需要足够强的后台技术支撑，这就为智能技术带来了需求。又如，线上会议系统如腾讯会议在这期间快速地更新了几个版本，都是刚性应用牵引的结果。在线教育、在线会议过去推动了好多年，成效不尽如人意，现在一下子就推广开了，获得了社会的普遍接受。
新京智库：你三年前曾表达希望AI走一条“务实为人”的发展之道。现在回头来看，你觉得自己的期望有没有实现？
龚克：我觉得现在就走在这条路上。当时我为什么特别强调“务实”，是因为怕AI发展出现泡沫，担心“政策利好”造成盲目上马、投资过热，编个故事就可能融到一笔投资。现在看来，不能说一点泡沫没有，但是不严重。中国AI的发展基本是踏踏实实地在应用中往前走，在一步步解决应用问题的进程中“务实”地发展。
但也有些不足。比如，我们国家提出了人工智能治理的八项原则，去年在上海世界人工智能大会上发布了“协同落实人工智能治理原则的行动建议”，但是这些原则的“落地”还不够。要利用算法和相应技术帮助这些原则“落地”到产品和服务中，帮助用户进行检验、做出判断，帮助用户防御对隐私数据的窃取，建立独立、可靠、公正、透明的系统安全测评、数据质量测评、算法公平性测评等，这方面发展得还很不够。
“我们也会有原始创新技术产品”
新京智库：我国AI应用的广度和深度总体上比欧美等发达国家更深、更广，但从基础理论原创模型等颠覆型、阶跃型技术仍然缺乏引领能力，甚至，颠覆型、阶跃型技术几成寡头垄断的格局。你认为我们该如何在这一层面上突破追赶？
龚克：简单来说，以机器学习用得最多的深度神经网络为例，将深度学习与具体应用场景相结合的应用，是一个通用技术的专用化过程。在这个过程中，我们有很多自己的改进、创造，但是最原始的深度神经网络基础算法，不是我们发明的。从整体上说，我们的改进型创新较多而原始性创新少，反映了我国科技创新的总体水平和在整个创新链上的位置。
不过，我们不要把应用创新和原始创新对立起来。在我们今天所处的发展阶段上和发展环境中，要下决心加强原始性创新。现在中央发布的相关文件中已经把基础研究放在第一位了，但我们基础研究的投入占比仍然不够高，但我相信，不会一直这样。在今年“两会”上，李克强总理提出“要建设科技强国，提升科技创新能力，必须打牢基础研究和应用基础研究这个根基。”我对中国研发出越来越多的原始创新技术这一前景并不悲观。但是，必须注意防止和克服在基础研究上的两种错误倾向，一是由于强烈意识到我们现在还有很多技术依赖于他人的“卡脖子”问题，从而产生在基础研究、原始创新上的急躁和浮躁，这是要不得的，越是基础研究越要厚积薄发，越要扎实严谨，欲速则不达；二是将基础研究与应用开发割裂开来对立起来，其实应用牵引的科学创新越来越成为新科技革命的主要驱动力量，重视应用本身不是问题，问题在于能不能从应用中提炼出科学问题激发原始创新，我们应该探索中国特色的应用牵引原创的道路，当然绝不能急功近利。
新京智库：我们国家市场大，AI也有很多场景的成功应用，这算不算是我们的优势？
龚克：无疑这是我们的优势。我们市场大、产业齐全，这是很多规模较小的国家难以做到的。而且数字技术（包括AI）本身具备跨行业的属性，所以我们比较齐全的产业体系，为AI的发展提供了非常好的条件。
现在的问题是，由于长期形成的分业管理和行业壁垒，仍然存在比较严重的“数据孤岛”问题，不同行业间、不同部门间，数据不能相互融通，这是一大障碍。所以，随着AI的发展，为适应AI新的生产力，我们相应的生产关系还要进一步深化改革，让市场在包括数据、算法、算力等资源的配置上发挥决定性作用，同时更好发挥政府在统一标准、合规监管、确保安全公平等方面的作用。
新京智库：本轮AI发展很大程度与深度学习的理论突破有关，但目前来看，深度学习理论突破速度逐步放缓。一旦已有红利释放结束，你认为是否将导致AI重新陷入发展低谷？
龚克：我想任何一个事物的发展都不会是线性的，一路上总会有快速膨胀期、相对成熟期，然后在相对成熟以后出现新的瓶颈，产生新的突破。应该说，当下的AI得力于深度学习，深度学习得益于大数据和强大的算力。然而，当前数据驱动的AI对数据的依赖，已经变成很多企业智能化的瓶颈。为此，一方面要加快企业数字化网络化的进程为智能化奠定基础，包括打破数据孤岛、规范数据标准、提升数据质量、促进数据开放流动和保护数据安全等；另一方面，要发展数据和知识联合驱动的AI算法创新。我不敢说深度学习的红利是不是快耗尽了，但是我们在调研中确实看到一些新的算法创新在涌现，比如像清华大学施路平团队做的类脑算法和芯片，还有在语音与图像的多模态感知与认知等方面都出现了可喜的进展。 不久前闭幕的第五届世界智能大会上提出，人工智能正在形成多点突破的势头。
资料图。图片来源：Unsplash
现在有个流行说法，叫作“内卷”。这个提法挺有意思，我觉得“内卷”是创新的对立面，我们在AI发展上也要防止拘于一格地“内卷”起来。在第五届世界智能大会上有一个重要观点，叫作“应用场景牵引创新”。这可能是AI创新发展的重要模式。新的广泛的应用场景，比如宽带移动互联的应用场景，牵动了许多创新技术，不仅有微信、抖音这样的创新，更有安卓操作系统的创新，把Windows在桌面系统上的垄断地位打破了。其中，安卓系统的开放性是其取得成功的重要因素。机器学习的快速发展，就是在开源中实现的。可以说，新的广泛的应用场景驱动着“替代性”创新，这个也带有规律性。新技术替代原有技术，不仅发声在原有应用中，更多是在新的应用中。我们期待随着更多应用场景的出现，特别是AI 5G/物联网 大数据 区块链的应用场景，能驱动更深入、更广泛的创新。
AI发展离不开全球协同
新京智库：你认为目前我国是否有其他算法理论能够替代、接替或促进AI的发展？
龚克：现在大家用得比较多的是TensorFlow、PyTouch等开源社区，国内应用很多基础算法都是从那里获得的，中国的开发者也在这些开源软件社区中做出积极的创新贡献。同时，国内也牵头开发了AI的开源创新社区、发展创新生态，比如PaddlePaddle（飞桨）等，它们也是开放的社区。
在当前复杂的、充满不确定性的国际环境下，产生了一种担心，就是这些注册在国外的开源社区会不会突然卡我们的脖子。对此，需要沉着应对、冷静观察，做出审慎的理性判断，不要自乱阵脚。至于有人主张现在起就与这些开源社区主动“脱钩”，这显然是要不得的自我封闭。我们确实应该支持自己的开源社区，减少对于单一社区的依赖性，但不要主动脱钩。融入全球创新网络不是空洞的，恐怕应该把国际主要开源社区包括我们牵头的开源社区看作全球创新网络的一个部分。
我们对于包括AI技术在内的一切世界文明先进成果，要持学习吸纳而不是拒绝的态度，并且要为世界文明发展、科技创新积极做贡献，而不能自外于全球创新网络，搞起我们的“逆全球化”。我们唱的是“国际歌”，坚信“英特纳雄耐尔（international）一定要实现”并为之奋斗。
资料图。图片来源：Unsplash
所以，我们反对在被动脱钩中搞主动脱钩，人家还没跟你脱钩，自己先脱钩，这使不得。对于开源社区，我们应该致力于维护、发展它的开放性，维护全球合作的创新生态，其中也有我们中国人的很多贡献，而且应该做出更多贡献，这种“你中有我，我中有你”的局面才是“人类命运共同体”的应有之义，这才是一个更好的发展状态。
总之，要把握好科技自立自强和融入全球创新网络的关系，要做到如**所说的那样，“越是面临封锁打压，越不能搞自我封闭、自我隔绝，而是要实施更加开放包容、互惠共享的国际科技合作战略。”我们把基点放在自立自强上的同时，要防止走入另一个误区，就是关起门来搞自我封闭、玩自嗨，这不符合科技创新规律。
新京智库：从某种意义上说，AI是新时代的“核武器”，各国的竞争也很激烈，但国际环境并不乐观。你认为这将对我国AI发展产生什么影响？
龚克：这个问题与前面谈的全球创新生态是关联的。必须看到2017年以后，全球格局出现较大变化，国际协同合作的创新生态受到了极大破坏，已经有分裂开来的趋势。比如，在某国成立了一个新技术联盟，不仅排斥中国企业，就连中国投资在美国注册的企业都不让参加。这种脱钩的趋势令人担忧。
刚才我们说技术创新是需要开放的环境，所以我们希望千方百计地融入世界创新体系中去，但首先要有一个全球创新体系。如果这个体系是支离破碎，或者根本没有，那也就谈不上融入。所以，我们要维护这个体系，如**多次强调的，做国际秩序的维护者，站在历史正确的一边，坚持做全球化的推动者，不搞逆全球化。
我觉得，在这个问题上，也要防止和克服两种错误倾向。一种是以“融入”全球为由，心安理得地躺在别人的技术上、依赖他人；另一种则是以“自立”为由头，搞自我封闭。增强自主创新能力实现科技自立自强，这与融入世界创新体系并不矛盾。我们国家现在的自主创新能力比改革开放前增强了很多，这得益于中国的改革和开放。所以，我们现在不能关起“门”来。
资料图。图片来源：Unsplash
AI治理也需要全球合作。刚才你提到核武器，在大规模核武器的实验方面，在外太空部署核武器方面，相关国家不是技术上做不到，而是为人类整体利益考虑而不去做。AI也可能面临“武器”化的问题，要有全球管控。又如超级AI要不要发展，怎么发展？在什么地方应用？这都需要大家坐下来为人类共同利益考虑，共同制定和遵守规则。
关于AI治理，现在是欧洲推欧洲的规则，美国推美国的规则，有关团体、企业也提出了自己的规范，但要实现真正有效管控，需要全球共识。其实，你比较一下各方面提出的原则规范，包括欧美国家与中国提出的AI治理规则，差距并不很大，其中是有共识的。现在需要的是各方有政治意愿坐到一起，推出共同的准则，打破这种“各自为政”的局面。
“要有与AI相适应的生产关系”
新京智库：我国的AI产业发展快速，但是“资本寒冬”已经出现，由于AI技术周期长，产业发展速度以及效益不及资本市场的预期。你认为这是否将影响我国未来的整体发展？
龚克：我对资本了解的不太多，从我们这几年调研情况看，似乎还不能说是“资本寒冬”。大体的情况是，大量资本还主要集中在消费领域的智能应用。同时我们也看到，向智能制造、向实体经济的投资也在有所增加，所以很难说现在是AI的资本寒冬，至少我们的调研没得出这样的结论。
从全球来说，AI发展确实经历过几起几落，但要看到那是科研热潮的起落，那时还没有规模意义上的应用，也要看到有一批甘坐冷板凳科研人员的研究工作从未中断过，他们的锲而不舍终于实现了突破。本世纪第二个十年中，AI走出了实验室和论文，走进了生产、生活，这是历史性的转折。即使再出现波折，也与之前的情形不可同日而语。
新京智库：你认为我国的芯片产业是否有可能在未来成为制约AI发展的因素？
龚克：现在已经是了。最近芯片涨价已经对包括AI在内的信息产业造成了很大的影响。AI在终端、在边缘、在云上都要大量用到芯片，芯片是整个信息产业和应用的基石，目前的供应链情况不容乐观。
新京智库：你认为该如何打破这个局面？
龚克：我们国家在芯片产业已经做了多年部署，要破这个局，必须要在加强芯片研制和生产能力方面持续努力，同时要维护全球化市场。但这不是一蹴而就可以实现的，而是需要经过长期的技术积累，需要提升整个产业基础。
如果从设计能力上来说，我们已经有了很大的进步，有些方面达到了世界先进水平，比如我们中国公司设计出了若干AI芯片，但在设计工具软件上还有很大依赖性。在芯片制造能力上，也比以前提升了很多，与世界先进水平在接近。但在基础材料、关键准备、工具软件等方面有较大差距和依赖性。
要在芯片上实现突破需要坚持不懈的努力。在这个问题上，既要只争朝夕，又不能操之过急，而要踏踏实实做。这不是靠喊口号，靠雄心壮志就可以一下子突破的基础性创新。
新京智库：近年来我国在AI教育人才的培养与储备上呈现出哪些新特点？还需要注意哪些方面的投入？
龚克：2017年国务院发布《规划》后，教育部2018年4月发布了《高等学校人工智能创新行动计划》，现在有越来越多的高校开设了人工智能专业，相信经过一段时间，其效果会显现出来，人才队伍会逐渐壮大起来。
值得重视的是， AI是一个通用的为各行各业赋能的技术，发展AI的意义在于促进各行各业的智能化。所以AI人才的培养，是要着眼于培养能够适应和推动经济社会智能化的大批人才，包括机械制造智能化，化工材料工程的智能化，土木建筑工程智能化，医疗卫生智能化，农业和食品生产智能化，能源生产输运和配用的智能化，交通运输智能化，金融等现代服务智能化以及社会管理智能化等， 各个方面都需要智能化人才。我感觉我们的教育界对这个问题重视不够，还是受限于传统工业化阶段的思维，把AI人才当作一个学科和专业的人才去培养，这与世所公认的人工智能的“跨界融合”特性是错位的。人工智能的教育需要创新，不仅要跳出狭窄的“学科”“专业”的窠臼，而且要探索新的方法、新的模式。有个可喜的现象，是重庆、天津和上海等地在中小学开始开设了AI课程，AI走进了基础教育教材，走进了基础教育课堂，但还面临缺乏师资的问题，还要做教育方式的创新探索。
新京智库：你对我国AI未来发展有何期许？
龚克：我们为什么这么重视AI？这可不是因为资本的热捧，更不是赶时髦， 而是看到了AI是先进生产力。在这个意义上，我的期许是，我们需要有与AI相适应的生产关系，有能体现这个先进生产力发展要求的政策环境，让AI能够在实际应用中健康快速发展。
所谓健康发展，就是AI应用更加高效、普遍，同时更安全、更可靠。为此，不仅要加强创新，还要深化改革，改革就是解放和发展生产力。
访谈员：肖隆平 编辑：张笑缘 校对：刘军
