中国人工智能已比肩世界


    
    人工智能(AI)技术作为未来最有想象空间的技术,近来获得了极大的关注。国务院印发的《新一代人工智能发展规划》,彰显了从国家层面推动AI战略的决心和信心。这种信心来自于过去5年中国科研力量在AI领域的快速发展和取得的卓越成就。
    这一波AI热潮由2012年的ILSVRC(ImageNet大规模视觉识别挑战赛)开始在学术界兴起,到今年5月谷歌的AI围棋程序AlphaGo以3∶0完胜世界排名第一的柯洁,从而让万众瞩目。在这5年间,中国的学术界和企业及时地把握住了技术发展的趋势,利用中国特有的产业优势迅速提升技术研发水平,目前在算法和应用方面已经站在世界前列。在核心芯片研发方面也反应迅速,奠定了良好的产业化基础。对于AI领域来说,算法和芯片都是应用的基础,而充足的人才是保证技术升级可以真正推动产业升级的决定性因素。本文分别从算法、芯片、应用、人才等四方面回顾5年来我们取得的成果,分析机会和差距,最后对未来提出展望。
    提算法水平
    这次AI热潮归功于深度学习算法(一种使用多层神经网络的机器学习算法)。深度学习的鼻祖杰夫·辛顿在2012年NIPS上发表文章,报道了通过训练大型的深度卷积神经网络把ILSVRC2010训练集中的130万张图像分为了1000个不同的类别,并且大幅降低了误差率。随后,深度神经网络日益流行,并出现了多种优秀变体,比如AlexNet、GoogLeNet、VGG Net、ResNet。2016年发表的ResNet就是由微软亚洲研究院的中国团队发明的。
    深度神经网络的特点是需要大量的标注数据来训练模型。因为模型非常大,训练过程也需要大量的计算资源。因此,学术界和企业界结合是最优的研发方式。拥有优质数据来源的企业吸引了很多优秀研究人员加入或者进行合作,例如百度、腾讯、科大讯飞、海康威视等。百度和科大讯飞率先进行深度学习方面的研发,分别实施了“百度大脑”和“讯飞超脑”计划,快速提高深度学习的算法能力,在多个领域达到国际先进水平。百度于2016年开源了PaddlePaddle深度学习平台,是国际上继Google、Facebook、IBM后第一家将人工智能技术开源的中国公司。科大讯飞在感知智能、认知智能以及两者的深度结合等领域均达到国际领先水平,如国际最高水平的语音合成比赛Blizzard Challenge(暴风雪竞赛)七项指标全部全球第一和参加第四届CHiME Challenge国际多通道语音分离和识别大赛获取全部三项赛事的第一名。这表明科大讯飞在中文语音识别系统保持绝对领先的同时,其英语语音识别系统同样达到国际领先水平。此外,AI领域的明星创业公司,如旷视科技、商汤科技、云知声、思必驰等,聚焦在深度学习最擅长的视觉识别和语音识别领域,推动中国相关领域的技术水平达到国际一流。
    中国学者在发表AI学术论文、申请专利和参加国际竞赛方面成果斐然。Elsevier的SCOPUS数据库中的数据显示,2011~2015年,中国学者在AI领域出版的论文数量排名世界第一,创下了超过4.1万个出版物的记录(美国第二,约为2.55万篇;日本第三,约为1.17万篇)。自2016年以来的论文发表数量仍继续上升,并且华人学者在顶级国际学术会议中担任重要角色的比率也越来越高。中国研究人员发起的专利申请,近年来也上涨了两倍。在近3年的ILSVRC视觉识别竞赛中,中国团队获得冠军的比率也越来越高。在2017年度ILSVRC竞赛上,来自中国大学和企业的AI团队将各项比赛第一名全部包揽,而且参赛的27个队伍,其中超过一半来自中国。这些成就表明我国在AI算法研究方面有巨大潜力,影响力扩大到全球。
    目前的差距在于,虽然论文数量和专项比赛已位居前列,但AI基础科研的整体影响力还不够,在加权引文影响力上只排名34位。发表超过500篇论文的独立科研机构,中国也只有中科院自动化研究所上榜。目前具有全球影响力的人工智能学者也大都聚集在北美。弥补这个差距需要中国研究人员的集体努力。现在已经呈现出很好的趋势,例如中国机器学习领域的领军人物南京大学的周志华教授当选为AAAI2019大会的程序委员会主席。从量变到质变,中国研究人员在国际AI研究领域的影响力在未来5年会大大提升。
    增芯片实力
    AI产业的规模化发展离不开芯片的支持,而且这更加迫切。因为深度学习对计算力和内存容量、速度的要求都很高,芯片业界近年来一直在用最新的架构和高密度、高并行、可扩展的计算和存储能力来支持人工智能的研究。国际巨头如英特尔、英伟达、谷歌都推出了各自的芯片产品。可喜的是,在高端芯片设计这个中国传统弱项上,中国研究人员在AI领域提前布局,深入探索专用芯片(ASIC)、现场可编程芯片(FPGA)和类脑计算芯片,已经取得了令人瞩目的成绩。
    依托于中国科学院计算所的寒武纪科技公司在深度学习流行之初,为解决深度学习发展瓶颈的速度和能效问题,敏锐地确立了为其设计专用的加速指令集和芯片架构的研究点,2016年3月,他们提出的深度学习处理器指令集DianNaoYu被计算机体系结构领域顶级国际会议ISCA2016所接收,其评分排名为所有近300篇投稿的第一名。同年11月,他们的深度学习处理器架构概述论文“DianNao Family: Energy-Efficient Hardware Accelerators for Machine Learning”(DianNao系列:高能效机器学习硬件)刊发于《国际计算机学会通讯》(Communications of the ACM)的研究焦点栏目。这是中国大陆的研究工作首次入选该栏目。目前,寒武纪的深度学习专用芯片已经进入产业化阶段,有望加速智能手机、安防监控、可穿戴设备、无人机和智能驾驶等各类终端设备。
    异军突起的还有深鉴科技和地平线机器人这两家初创公司。他们分别在FPGA芯片和专用芯片领域深度整合算法和硬件设计来对深度学习和其他人工智能算法进行加速。2015年年底,浙江大学与杭州电子科技大学合作研制成功国内首款类脑芯片“达尔文”,大小为5×5平方毫米,是一款采用标准CMOS工艺实现的基于脉冲神经网络的类脑硬件协处理器(类脑芯片)。今年5月,由中国科学技术大学承建的全国首个类脑智能技术及应用国家工程实验室在合肥成立,该实验室将通过研究脑认知与神经计算、类脑多模态感知与信息处理,实现类脑神经芯片与系统、类脑计算系统和量子人工智能的三大突破,最终形成类脑智能产业。
    
    
    1  2  下一页>