“中國有多少數(shù)學家投入到人工智能的基礎算法研究中？”日前，在上海召開的院士沙龍活動中，中國工程院院士徐匡迪等多位院士的發(fā)問引發(fā)業(yè)界共鳴，被稱為“徐匡迪之問”。

　　“我國人工智能領域真正搞算法的科學家鳳毛麟角。”在4月28日召開的“超聲大數(shù)據(jù)與人工智能應用與推廣大會”上，東南大學生物科學與醫(yī)學工程學院教授萬遂人表示，“徐匡迪之問”直擊我國人工智能發(fā)展的核心關鍵問題，“如果這種情況不改變，我國人工智能應用很難走向深入、也很難獲得重大成果”。

　　我國人工智能領域發(fā)展的現(xiàn)狀如何？依靠開源代碼和算法是否足夠支撐人工智能產(chǎn)業(yè)發(fā)展？為什么要有自己的底層框架和核心算法？

　　缺少核心算法，會被“卡脖子”

　　“如果缺少核心算法，當碰到關鍵性問題時，還是會被人‘卡脖子’。”浙江大學應用數(shù)學研究所所長孔德興教授對科技日報記者表示，我國人工智能產(chǎn)業(yè)的創(chuàng)新能力并沒有傳說中的那樣強，事實是，產(chǎn)業(yè)發(fā)展過度依賴開源代碼和現(xiàn)有數(shù)學模型，真正屬于中國自己的東西并不多。

　　4個月零基礎學會人工智能、16講入門人工智能、算法線下大課……類似培訓在網(wǎng)絡上非?；鸨?，通過對于現(xiàn)有算法、模型的學習和訓練，成長為人工智能工程師的“短平快”可見一斑。

　　既然代碼是開源的，拿來用就好，為什么還有可能被“卡脖子”？

　　孔德興解釋，開源代碼是可以拿過來使用，但專業(yè)性、針對性不夠，效果往往不能滿足具體任務的實際要求。以圖像識別為例，用開源代碼開發(fā)出的AI即使可以準確識別人臉，但在對醫(yī)學影像的識別上卻難以達到臨床要求?！袄鐚Ω闻K病灶的識別，由于邊界模糊、對比度低、器官黏連甚至重疊等困難，用開源代碼很難做到精準識別。在三維重構、可視化等方面難以做到精準反應真實的解剖信息，甚至會出現(xiàn)誤導等問題，這在醫(yī)學應用上是‘致命’的?！?/p>

　　“碰到專業(yè)性高的研究任務，一旦被‘卡脖子’將會是非常被動的，所以一定要有自己的算法?！笨椎屡d說。換句話說，是否掌握核心代碼將決定未來的AI“智力大比拼”中是否擁有勝算。用開源代碼“調教”出的AI頂多是個“常人”，而要幫助AI成長為“細分領域專家”，需以數(shù)學為基礎的原始核心模型、代碼和框架創(chuàng)新。

　　有算法之“根”才能撐起產(chǎn)業(yè)“繁茂”

　　所謂“樹大根深”，人工智能的發(fā)展也是同樣道理，越在底層深深扎下根基，越能夠發(fā)展出強大的產(chǎn)業(yè)。

　　那么，借助開源代碼，“半路出家”的AI產(chǎn)業(yè)為什么會難以為繼？

　　孔德興解釋說，在獲得同樣數(shù)據(jù)的前提下，以開源代碼運行，AI深度學習之后或許能輸出結果，但由于訓練框架固定、算法限制，當用戶進行具體的實際應用時，將很難達到所期望的結果，而且難以修改、完善、優(yōu)化算法。

　　“如果從底層算法做起，那么整個數(shù)學模型、整個算法設計、整個模擬訓練‘一脈相承’，不僅可以協(xié)同優(yōu)化，而且可以根據(jù)需求隨時修改，從而真正解決實際問題?！笨椎屡d說，基礎算法往往是指研究共性問題的算法，它涉及到基礎數(shù)學理論、高性能數(shù)值計算等學科，可以應用到多種實際問題中；而針對性強的應用算法往往會應用到具體問題所涉及的“具體知識、先驗信息”，從而更好地解決實際應用問題。

　　“基礎算法和應用算法都很重要，擁有基礎算法將更有助于應用算法的豐富與深入。”孔德興說，AI要應對的現(xiàn)實生活是復雜、多變的，當能夠“應對自如”時，才能夠促成產(chǎn)業(yè)的“繁茂”。

　　呼吁三方協(xié)力，讓數(shù)學不再置身事外

　　“一方面是政策引導，其實國家已經(jīng)在加大這方面的扶持，例如科研基金上的設置等。”針對如何解決“徐匡迪之問”反映出來的問題，孔德興認為，第二方面是行業(yè)企業(yè)在進行科技創(chuàng)新時，應有意識將數(shù)學學者納入進來。

　　“如果通過算法的開發(fā)，最終產(chǎn)品落地了，企業(yè)應該將算法開發(fā)時的數(shù)學學者納入到成果分享中來?！笨椎屡d說，社會目前對于數(shù)學科學等“軟實力”的認可程度不足，行業(yè)或法規(guī)層面應該做好數(shù)學研究成果的產(chǎn)權保護工作。

　　“第三方面，數(shù)學家本身應該積極參與到人工智能發(fā)展的浪潮里。”孔德興呼吁，AI的未來發(fā)展需要數(shù)學家深度參與。由于目前仍處于“弱人工智能”時代（可以說是數(shù)據(jù)智能時代），AI的實現(xiàn)主要是依賴計算機的巨大算力和巨大的存儲能力，底層算法的問題或許并不突出，但在未來的發(fā)展，AI將可能融入邏輯、思維等智慧的內(nèi)容，這些都需要數(shù)學科學的原始創(chuàng)新，有大量的基礎問題亟待數(shù)學家攻克。

　　算法的進階一定是來源于“原創(chuàng)者”，而不是“跟隨者”?？椎屡d說：“實際上深度學習的應用已遇到了天花板，我們需要新的數(shù)學技術（如部分依賴邏輯、部分依賴數(shù)據(jù)的‘聰明算法’），讓計算機變得聰明起來。這些工作都需要數(shù)學家的參與?！保ㄓ浾?張佳星）