當前，人工智能已走入落地應用、創造價值的階段。在后疫情時代，人工智能技術、產業發展問題愈發牽動著人們的關注。學界權威人士是如何看待人工智能產業發展現狀的？

　　在 2020 世界人工智能大會云端峰會期間，AI 報道采訪了中科院院士、上海人工智能安全專委會主任何積豐，何院士對人工智能產業的產值、安全問題、智慧醫療、人才培養、未來發展等熱點問題進行了解讀。

　　何院士年過七旬，仍是思維敏捷，金句不斷，每每談及教育等格外關注的議題，殷殷關切之情溢于言表。

　　人工智能是賦能技術，談產值不太容易，也不太重要

　　談及人工智能對傳統產業的賦能，何積豐認為，從簡單的專業技術到產業應用，人工智能在各方面都有它的作用。比如圖像識別能力用于安防、用于質量檢測。人工智能還能做數據處理，幫人判斷設備是否需要維修，避免設備停轉了再大修。這也是企業里應用狀況較好的態勢感知。此外，數據分析后還能發現怎樣提高產品質量，分析原材料品質與產品品質控制之間的數學模型。總之，人工智能的應用面越來越廣，在認知感知段做得比較好。

　　但同時，AI 發展也遇到了瓶頸問題。“我們的機器還不像人一樣能夠思維。人類小學生學知識，老師會要求舉一反三，反思上次做錯的下次該怎么改正，即正面反面教育都有。而機器學習只有正面，沒有反面，犯錯了不會有感覺。”

　　值得注意的是，作為一種賦能技術，人工智能與其他產業不同，不像造飛機一樣易于直接計算產業 GDP。“整個 2019 年，全國人工智能核心產業產值是 510 億。510 億什么概念？上海上汽集團產值也不止 500 億了，所以它 GDP 產值不會很高。但是，這就好比做饅頭要買發酵粉，發酵粉很便宜，只要 3 毛、5 毛錢，做出的饅頭能賣幾百、幾千元，沒有發酵粉，饅頭是做不了的。所以 AI 的主要功能是賦能，而不是要看它本身產值是多高，不能按照通常的產生多少億 GDP 來衡量它。”

　　何積豐認為：“現在講產值不太容易，也不是太重要，關鍵是我們要找到更大的應用場景，讓大家感到值得花這個錢來推動技術。因為人工智能技術不是那么便宜的，光一個系統里的傳感器可能就要用到幾萬個，從賬面上看，短期內收入未必能多于開支，而要有足夠的回報，人們才有動力投資人工智能。再過兩年，我們經濟走上一個比較正常的軌道，再看人工智能產業發展的速度跟其他行業比到底是不是有前沿性，能不能帶領大家一起發展，那時再講 GDP 會比較容易。”

　　安全風險突出，應注重五項目標

　　在人工智能推動社會發展的同時，它也對安全問題提出了更多挑戰。何積豐提出了幾條目標：

　　第一，希望人與人工智能系統能夠共生，絕對不希望人被人工智能系統代替了。

　　第二，人工智能不能被少數人掌握。

　　第三，對人工智能的研究應該是開放性的，要主張公平競爭，不能搞壟斷技術，整個知識生產過程應是全人類的。

　　第四，希望人工智能技術不能有偏見，不能對富人表現很好，對其他人表現很差，這在倫理上是不能容忍的。

　　最后，人工智能系統要有國際性，希望在國際平臺上大家一起商討人工智能技術該怎么做，強調技術透明性，同時也希望技術發展是可控制的。

　　此外，人工智能發展還要注重保護個人數據，也要注重倫理。

　　何積豐預測，可信人工智能最先將在數據場景率先實現。

　　“首先，數據必須是可解釋的，要清洗數據，不能有假數據污染。第二，數據傳輸要安全，否則數據上云就沒意思了。對云服務提供商來說，最重要的就是安全和使用方便。早期服務是用于電商，用在消費上的；現在用于工業上，要求也與之類似，即數據管理質量高、響應速度快。人工智能核心的兩大方面是數據和算法，其中人工智能算法跟傳統算法不一樣，我們還沒掌握怎么對黑盒子算法進行可信驗證的測試，所以算法上的可信會慢一點實現，數據率先實現可信。”

　　在工業互聯網領域，萬物互聯和非對稱性帶來的數據安全風險更加突出。

　　此前工業專網是與互聯網分開的，但現在發展智能制造需要工業專網與互聯網相通相連，用了萬物互聯的專用協議，這意味著安全威脅在工業網絡中日益凸顯。“就像美國幾個大片，講到無人車從鐵路上跳下來，它怎么會跳起來？就是因為控制協議被人掌握了。”

　　第二個難點在于，很多時候設備是基于無線的，有時無線設備的網絡入口不知道，沒有 IP，這涉及一個網絡信息保護的問題。“和互聯網遇到的問題一樣，我們這方和攻擊我們這方屬于兩個非對稱平臺，我在明處，他在暗處，明處犯任何小錯誤，他都看得清楚，能拿來作為漏洞攻擊我們。所以工業互聯網安全問題不能說已經全部解決，而是剛剛開始討論。”

　　智慧醫療仍在起步階段

　　盡管人工智能正在改變各行各業，但在 2020 世界人工智能大會云端峰會開幕式上談及人工智能在此次抗疫期間發揮的作用時，張文宏曾表示：“人工智能大家現在對它都給予了極大的期望，但是從這次疫情開始到現在為止，讓我感覺到它僅僅是個起點，因為在整個運行過程當中，一開始我們全部用的是人工的。”張文宏的感受是否能引起何院士的共鳴？

　　對此，何積豐給出了肯定的回答：“張醫生講的是對的，科研單位、高校掌握人工智能技術跟醫院掌握技術是兩回事，醫院掌握是比較晚的。”

　　關于目前人工智能在醫療領域的應用，何積豐認為，人工智能還處在輔助階段。“例如 AI 幫助醫生讀 CT 片，幫助分析肺部受感染面積就是一種輔助應用。達芬奇機器人可以提高手術效率，一些老年醫生眼睛不好，或是手抖了，用機器人會有幫助。現在缺少的工作是，有很多檢測手段能把三維人體通過二維、一維數據進行分析，分析后卻無法將結果對應拼裝成三維圖形。這對醫療過程的數字孿生技術要求較高，但現在沒有做。還有很多數據，尤其是 CT 數據，醫生看片時間長了會很疲勞，可能會漏掉早期癌癥的征兆。等到發現了，對不起，已經晚了。這是通過人工智能技術可以預判的，但很多醫院還沒有把這種技術運用到診療中。”

　　教師不夠、學生不夠，人工智能人才培養何去何從？

　　在我國人工智能產業強勁的發展浪潮中，研究和應用人工智能技術的企業數量不斷增加，人才需求在短時間內激增，人才儲備不足情況嚴重。工信部最新報告顯示，人工智能產業有效人才缺口高達 30 萬。對此，何積豐坦言，這不是人工智能本身的問題，而是每次出現新技術，都會在增長階段發現兩種人不夠：教師不夠、學生不夠。對此，何積豐有三項意見。

　　第一，教師要慢慢從實踐中培養起來，不是一下子就能掌握技術的。

　　第二，并不可能為一種技術專門培養人才，而是要培養通識概念的發展，人才掌握了解決問題的能力后再學習新知識，人工智能人才自然會出來。同時，人工智能學科是多學科的融合，建模中的很多問題是數學問題，不是僅 IT 學科就能解決，還要用到法律、社會學、心理學、哲學等知識，目前在大學中沒有一個學科能完全解決人工智能需要的所有知識。在 IT 學科中，也需要搞計算機硬件的、搞芯片的、搞傳感器的、搞軟件的。上述學科要融合在一起做事，不是那么容易，這也是人才培養的主要難點。

　　第三，各學校的長處不一樣，希望校跟校之間能夠共享，通過線上上課、分層次討論，搞好人才培養。

　　目前，高校尚未形成如何培養人工智能人才的統一意見。有觀點認為，應注重提升學生知識面廣度，培養通用的找到問題、分析問題、解決問題的能力，學生到了社會上，進入企業后，針對企業需求補充學習。第二種觀點認為，既然人工智能這么重要，應該辦一個人工智能實驗班，把學生培養成人工智能方面的未來的專家，至少是專業工作者。

　　何積豐認為，現在人工智能的發展階段是特殊類型的人工智能，比如圖像識別、語音識別，而非通用技術，遠遠達不到機器像人一樣聰明的目標。在既定領域內，企業往往已經有了好的算法，本科生的技術不一定能滿足企業的需求。因此，企業認為人才缺口大很正常。即使現在立刻開始培養專項人才，這個過程也需要花 3~5 年，到 2024 年前，企業還是要寄希望于讓現有的人才隊伍融合工作，而非寄希望于現階段新培養出來的人才應用到企業當中。

　　未來三條發展路線最為重要

　　對于人工智能的未來，何積豐指出，人工智能有三條發展路線與我們的關系最大。

　　第一是產業。人工智能幫助產業從數字化到網絡化、到智能化，在經濟上提高品質、降低成本，同時助力環保。

　　第二是政府管理。例如上海、北京等幾千萬人口的特大型城市，政府做精細化管理時必須以數據為依據，希望通過運用人工智能技術，提高做決策的速度，而上海的一網通達就能夠提供高效服務。另外，一旦有事故發生，通過人工智能的應用，可以提高處置效率。

　　第三，幫助老百姓感覺生活更加美好，有獲得感。如智慧醫療、智慧教育、智慧交通等，都是正在重點應用人工智能的領域。從這三條主線來看，人工智能應用的前景都是很廣的。在城市之外，農業、軍隊也會運用到人工智能技術。何積豐相信，人工智能技術的通用性發展會越來越快，慢慢代替專用技術，走向開放共享。

　　作為新一輪科技革命和產業變革的重要驅動力量，人工智能正在改變世界，建設人工智能高地已成為上海的重要任務。對此，何積豐表示：“現在上海已經集中了全國 1/3 的人工智能產業。大型 AI 產業總部或者華東分部都在上海，人才集聚、產業集聚明顯，典型例子有特斯拉、馬橋機器人產業基地、商場總部等等。原因是人工智能技術發展跟需求密切相關，必須依靠場景，而上海的應用場景比較廣。

　　具體來說，以臨港為代表的產業集聚區希望發展人工智能技術，在政府層面，要解決一網通達，高效服務和高效處理處置。在智慧城市方面，上海把智慧交通、智慧醫療和智慧教育放在第一位，所以人工智能技術在上海各方面產業的應用都在推進。”