當前,在移動互聯(lián)網(wǎng)、大數(shù)據(jù)、腦科學等新理論技術以及經(jīng)濟社會發(fā)展需求的驅動下,人工智能邁入了新發(fā)展階段,呈現(xiàn)出深度學習、跨界融合、人機協(xié)同增強智能、群體集成智能、自主操控等新特征,被廣泛應用于機器視覺、生物特征識別、智能控制等方面。技術應用場景不斷拓展,相關領域產(chǎn)業(yè)規(guī)模不斷壯大,為世界各國經(jīng)濟社會發(fā)展、社會治理、人民生活帶來重大而深遠的影響。
人工智能成國際競爭新焦點
近年來,人工智能技術快速發(fā)展與變革,對助力新興產(chǎn)業(yè)發(fā)展、提升國家競爭力等方面帶來的影響日益突顯,人工智能已逐漸成為了國際競爭的新焦點、經(jīng)濟發(fā)展的新引擎。
世界主要國家加快人工智能產(chǎn)業(yè)布局謀劃
面對當前人工智能帶來的新技術產(chǎn)業(yè)革命,以美、歐、日為代表的主要發(fā)達國家和地區(qū)先后出臺戰(zhàn)略性研究計劃,不斷加大科研投入,搶占技術和產(chǎn)業(yè)發(fā)展的制高點。
2019年2月,特朗普簽署了13859號行政令《維持美國人工智能領導地位》,正式啟動美國人工智能計劃。6月,美國在2016年發(fā)布的第一個國家AI研發(fā)戰(zhàn)略計劃基礎上,對《國家人工智能研發(fā)戰(zhàn)略計劃》進行了更新完善,進一步強化戰(zhàn)略導向,堅定不移地加大人工智能領域的投資,加快技術突破和產(chǎn)業(yè)發(fā)展,旨在穩(wěn)固其在人工智能領域的領先地位。
歐盟于2018年4月發(fā)布《歐盟人工智能戰(zhàn)略》,秉持的人工智能發(fā)展理念,從加大政府投資、促進科技成果走向市場、打造世界級歐洲人工智能研究中心、推動中小企業(yè)和潛在用戶受益、支持人工智能技術測試、吸引私人投資、加強數(shù)字開放共享等方面,加快推動人工智能發(fā)展,彰顯歐盟發(fā)展人工智能的獨特優(yōu)勢。
日本于2016年1月頒布了《第5期科學技術基本計劃》,提出了超智能社會5.0戰(zhàn)略,并將人工智能作為實現(xiàn)超智能社會5.0的核心。2019年3月,日本制定了《AI戰(zhàn)略》,提出每年培養(yǎng)25萬能夠熟練使用人工智能人才的目標,發(fā)揮人才引領作用,提升日本在人工智能領域的整體競爭力。
我國也立足于國家發(fā)展全局,準確把握全球人工智能發(fā)展態(tài)勢,找準突破口和主攻方向,加快人工智能頂層設計和前瞻布局。2016年5月,國家發(fā)展改革委、科技部、工信部、中央網(wǎng)信辦聯(lián)合制定了《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》,計劃到2018年,基本建立人工智能的產(chǎn)業(yè)、服務和標準化體系,實現(xiàn)核心技術突破,培育若干全球領先的人工智能骨干企業(yè)。2017年7月,國務院發(fā)布《新一代人工智能發(fā)展規(guī)劃》,提出構建開放協(xié)同的人工智能科技創(chuàng)新體系、培育高端高效的智能經(jīng)濟、建設安全便捷的智能社會、加強人工智能軍民融合、構筑泛在安全高效的智能化基礎設施體系、前瞻布局新一代人工智能重大科技項目等6項重點任務,以提升新一代人工智能科技創(chuàng)新能力為主攻方向,推動以人類可持續(xù)發(fā)展為中心的智能化,全面提升社會生產(chǎn)力、綜合國家競爭力,為建設創(chuàng)新型國家和世界科技強國提供強大支撐。
人工智能產(chǎn)業(yè)規(guī)模日益壯大
在政策引導和市場需求的推動下,人工智能產(chǎn)業(yè)鏈日漸完善,產(chǎn)業(yè)規(guī)模也相應日益壯大。相關數(shù)據(jù)統(tǒng)計,2018年全球人工智能核心產(chǎn)業(yè)市場規(guī)模超過555.7億美元,較2017年增長50.2%,基礎層市場規(guī)模約為111.1億美元,技術層市場規(guī)模約為172.3億美元,而應用層市場規(guī)模最大,為272.3億美元。我國人工智能核心產(chǎn)業(yè)市場規(guī)模超過83.1億美元,相較于2017年增長約48.4%,其中,基礎層市場規(guī)模約為16.6億美元,技術層市場規(guī)模約為24.1億美元,應用層市場規(guī)模約為42.4億美元。
在核心產(chǎn)業(yè)的各個層級中,全球市場規(guī)模中基礎層智能芯片占比仍然最高,約為55.6億美元,智能芯片仍是未來全球人工智能產(chǎn)業(yè)的重要發(fā)展方向之一;技術層方面,由于智能語音助理和人機語音交互技術的快速發(fā)展,語音識別市場迎來全面爆發(fā)期,達到118.9億美元,占據(jù)技術層整體規(guī)模的2/3以上,圖像視頻識別次之,為41.3億美元,文本識別相對市場規(guī)模較小,僅為12.1億美元;應用層市場規(guī)模分布較為平均,智能教育和智能安防市場規(guī)模分別為43.6億美元與43.4億美元,均為16%左右,其它產(chǎn)業(yè)發(fā)展規(guī)模繼續(xù)保持穩(wěn)步增長。
從各國人工智能企業(yè)規(guī)模和探索模式來看,截至2019年3月,美國在人工智能企業(yè)數(shù)量、投融資規(guī)模等方面處于領先地位,聚集了谷歌、微軟、亞馬遜等2169家人工智能企業(yè),大力推動了人工智能基礎層和技術層的產(chǎn)業(yè)發(fā)展。中國擁有1189家人工智能的企業(yè),占到全球的22.1%,投融資主要集中在技術和應用層,造就了不少人工智能獨角獸企業(yè)。歐洲人工智能企業(yè)總數(shù)約為1148家,占全球的21.3%,通過大量的科技孵化機構,孵化了大量優(yōu)秀的人工智能初創(chuàng)企業(yè)。
規(guī)模初具,挑戰(zhàn)猶存
每一次科技和技術進步都難免會產(chǎn)生新的問題,遇到新的挑戰(zhàn),人工智能也是如此。以我國為例,經(jīng)過多年的探索,我國雖然在人工智能技術和應用方面已打下良好的基礎,產(chǎn)業(yè)發(fā)展也初具規(guī)模,但仍面臨許多不可避免的挑戰(zhàn),主要體現(xiàn)在以下幾個方面。
一是產(chǎn)業(yè)布局不均衡,人工智能的基礎層和技術層相對薄弱。目前我國人工智能產(chǎn)業(yè)主要布局在應用層、基礎層和技術層,與美國相比,仍存在不小的差距。在芯片制造和人工智能基礎理論研究方面,我國的芯片仍較為依賴進口,計算力方面的技術基礎也較為薄弱。有關數(shù)據(jù)顯示,2017年我國進口芯片總量為3770億塊,進口額為2601千億美元,已經(jīng)超過了原油的進口額。在算法研究方面,我國大多產(chǎn)品仍然應用的是谷歌、臉書等公司提出的算法框架,在算法研究上仍亟需突破。
二是行業(yè)投資供應與供給不平衡,人工智能的部分產(chǎn)品存在期望高實際效果欠佳的跡象。自2016年以后,人工智能行業(yè)的企業(yè)新增勢頭放緩,新增企業(yè)數(shù)量呈現(xiàn)出下降趨勢,但同時,累計融資量仍持續(xù)快速增長,造成投資供應數(shù)量大,而新的有潛力的項目供給數(shù)量少,經(jīng)常只能跟投一些項目。此外,隨著近些年人工智能在安防、金融、醫(yī)療等應用場景的不斷拓展,行業(yè)對人工智能產(chǎn)品的期望值越來越高,希望在更多垂直行業(yè)將技術轉化成應用。但受關鍵技術、大環(huán)境等牽制和影響,有些人工智能產(chǎn)品的成熟度較低,落地效果差,想獲得消費者和市場的歡迎還需要相當長的時間。
三是數(shù)據(jù)治理手段較為有限,人工智能領域的法律法規(guī)也尚不健全。人工智能的發(fā)展應用建立在大量數(shù)據(jù)資源的基礎上,如何保障數(shù)據(jù)的安全可控是發(fā)展過程中需要關注的重中之重。目前我國在人工智能發(fā)展上主要強調(diào)促進技術進步和產(chǎn)業(yè)應用,而對道德倫理、安全規(guī)則等問題還缺少關注,數(shù)據(jù)治理的手段也較為有限,有關法律法規(guī)也不夠健全。法律法規(guī)的不健全,一方面對網(wǎng)絡安全、個人信息隱私構成威脅,另一方面也對人工智能行業(yè)的可持續(xù)健康發(fā)展產(chǎn)生不良影響。以無人汽車為例,如果沒有健全、完善的法律法規(guī)做保障,即便相應的技術發(fā)展成熟,市場也有需求,自動駕駛也難以商業(yè)化落地。
四是專業(yè)人才缺口較大,人工智能領域的頂尖人才嚴重缺乏。工業(yè)和信息化部調(diào)研統(tǒng)計顯示,中國人工智能產(chǎn)業(yè)發(fā)展與人才供需比為1∶10,到2030年,人工智能人才缺口將達到500萬。由此可見,我國人工智能產(chǎn)業(yè)規(guī)模高速增長與低速人才培養(yǎng)輸出之間存在巨大的矛盾。除此之外,在人工智能人才供給“金字塔”頂端的前沿理論研究人才,也存在嚴重缺乏的局面。據(jù)加拿大《全球AI人才流動報告》,美國在人工智能促進協(xié)會會議(AAAI)、國際人工智能聯(lián)合會議(IJCAI)、國際人工智能與統(tǒng)計會議(AISTATS)、計算機視覺及模式識別會議(CVPR)等21個國際頂尖會議上發(fā)表論文的研究人員有15747人,而中國僅有2725人。這些發(fā)表論文的作者中,有44%以上的作者在美國獲得博士學位,而在中國獲得博士學位的作者占比接近11%。此外,牛津大學2018年對中美兩國對算法研究的人才與全球先進國家的對比顯示,美國算法人才的占比為26.2%,而中國在算法研究方面的人才僅占全球人工智能底層技術研究的13.1%。從人工智能從業(yè)經(jīng)驗來看,美國半數(shù)以上的數(shù)據(jù)科學家擁有10年以上的工作經(jīng)驗,而在中國超過40%的數(shù)據(jù)科學家工作經(jīng)驗不滿5年。
四大建議助推人工智能發(fā)展
人工智能是引領這一輪科技革命和產(chǎn)業(yè)變革的戰(zhàn)略性技術,具有溢出帶動性很強的“頭雁”效應。加快發(fā)展新一代人工智能是我們贏得全球科技競爭主動權的重要戰(zhàn)略,可以推動我國科技跨越發(fā)展、產(chǎn)業(yè)優(yōu)化升級、生產(chǎn)力整體躍升。針對當前面臨的問題與挑戰(zhàn),筆者提出幾點建議。
一是加強人工智能基礎理論研究。努力在人工智能發(fā)展方向和理論、方法、工具、系統(tǒng)等方面取得顛覆性突破,確保我國在人工智能這個重要領域的理論研究走在前面。以關鍵核心技術為主攻方向,全面增強人工智能科技創(chuàng)新能力,加快建立新一代人工智能關鍵共性技術體系,在短板上抓緊布局,確保人工智能關鍵核心技術牢牢掌握在自己手里。緊緊圍繞經(jīng)濟社會發(fā)展需求,強化科技應用開發(fā),充分發(fā)揮我國海量數(shù)據(jù)和巨大市場應用規(guī)模優(yōu)勢,堅持需求導向,積極培育人工智能創(chuàng)新產(chǎn)品,推進人工智能技術產(chǎn)業(yè)化。
二是推動人工智能和產(chǎn)業(yè)發(fā)展融合。培育具有重大引領帶動作用的人工智能企業(yè)和產(chǎn)業(yè),構建數(shù)據(jù)驅動、人機協(xié)同、跨界融合、共創(chuàng)分享的智能經(jīng)濟形態(tài)。積極發(fā)揮人工智能在產(chǎn)業(yè)升級、產(chǎn)品開發(fā)、服務創(chuàng)新等方面的技術優(yōu)勢,促進人工智能與一、二、三產(chǎn)業(yè)深度融合,加強人工智能在教育、醫(yī)療衛(wèi)生、體育、住房、交通、助殘養(yǎng)老、家政服務等領域的深度應用,以人工智能技術推動各產(chǎn)業(yè)變革,培育新增長點、形成新動能。
三是強化人工智能發(fā)展的潛在風險研判和防范。整合多學科力量,把握人工智能發(fā)展規(guī)律和特點,開展人工智能倫理道德等相關社會問題研究,開展與人工智能應用相關的民事與刑事責任確認、隱私和產(chǎn)權保護、信息安全利用等法律問題研究,建立健全保障人工智能健康發(fā)展的法律法規(guī)、制度體系等。加大力度推動《新一代人工智能治理原則——發(fā)展負責任的人工智能》等落地實施,鼓勵和推動行業(yè)嚴守和諧友好、公平公正、包容共享、尊重隱私、安全可控、共擔責任、開放協(xié)作、敏捷治理等原則,確保人工智能安全、可靠、可控。
四是加強人工智能人才隊伍建設。建立適應智能經(jīng)濟和智能社會需要的學習就業(yè)培訓體系,支持高等院校、職業(yè)學校和社會化培訓機構等開展人工智能技能培訓,大幅提升就業(yè)人員專業(yè)技能,鼓勵企業(yè)和各類機構為員工提供人工智能技能培訓,打造多種形式的高層次人才培養(yǎng)平臺,加強后備人才培養(yǎng)力度,為科技和產(chǎn)業(yè)發(fā)展提供更加充分的人才支撐。
-
互聯(lián)網(wǎng)
+關注
關注
55文章
11251瀏覽量
106434 -
人工智能
+關注
關注
1806文章
49028瀏覽量
249516 -
大數(shù)據(jù)
+關注
關注
64文章
8960瀏覽量
140234
發(fā)布評論請先 登錄
英飛凌攜手優(yōu)優(yōu)綠能,助力電能轉換效率新突破

首創(chuàng)開源架構,天璣AI開發(fā)套件讓端側AI模型接入得心應手
AI開源模型庫有什么用
AIGC和AI有什么區(qū)別
AI項目管理平臺有什么用
晶泰科技與優(yōu)時比達成大分子藥物AI平臺合作
優(yōu)刻得獲評信通院“AI云典型案例”,助力大模型場景化和工程化落地

AI編程工具會不會搶程序員飯碗
《AI for Science:人工智能驅動科學創(chuàng)新》第二章AI for Science的技術支撐學習心得
世優(yōu)科技參加2024全球跨境電商年會 AI數(shù)字人賦能電商行業(yè)智能升級

TAS5630和TAS5630B之間的差別?有哪些優(yōu)/劣勢?
MMC SW調(diào)優(yōu)算法

評論