论文部分内容阅读
正视短板，加大基础研究投入
中国工程院院士 徐匡迪
我国人工智能的发展虽起步略晚，但创新创业氛围活跃、专利论文发表的数量已位居世界前列，应用性研究中的语音和人脸识别技术已跻身国际第一梯队。但在发展过程中也暴露出一些短板：打着人工智能招牌的投资者、创业者还是聚焦在人工智能的初级应用层面，在基础理论、核心算法和伦理、法律研究等领域与国际水平仍有较大差距，在关键设备上原始创新仍显不足。
我们要正视这些短板与差距，在人工智能发展过程中，摒弃吹嘘和炒作，加大对核心算法等关键基础研究的投入，逐一突破难点，在适当的领域进行推广应用，重视高端人才在人工智能领域，特别是算法领域的聚集。这些是我们对人工智能、对科技创新应持的态度，只有这样才能真正找到一条适合我国国情的人工智能发展领域和路径。
实现金融IT国产化要靠企业
中科曙光董事长 李国杰
从总体上看，我国企业在技术储备上与国外龙头企业还有相当大的差距，对发展高端产品的长期性和艰巨性要有清醒的认识。金融业务对安全、性能和可靠性都有很高的要求，可能是实现国产化最难攻克的堡垒之一。实现金融IT的国产化有一个从外围到核心的发展过程，要卧薪尝胆才能掌握其核心技术。
突破有竞争力的关键技术要靠企业，我国科研队伍的精兵强将集中在大学和科研机构的国家重点实验室，然而工程性的技术创新是在成本、时间、兼容性、标准、人力等强约束条件下的创新，只有企业科技人员才能解决与市场密切相关的技术突破。金融IT国产化最大的困难不是缺乏研发经费或技术起点低，而是企业没有试错的机会。完全靠企业参与全球“公平竞争”，仅以市场作为调控手段并不可行。
深度学习框架是智能时代的操作系统
百度AI技术平台体系执行总监 吴 甜
开源开放是人工智能的热点之一，促进了全球人工智能相关技术及产业生态的繁荣，成为产业智能化的重要推动力。在开源社区中，公司和机构的相关开源项目的贡献日渐增长，开源软件已成为一种重要的软件和互联发展模式。人工智能技术与产业结合产生价值，涉及多技术整合、能力复用、产业链打通以及产业和国家安全等关键要素。显而易见，自主研发的人工智能开源开放平台，是持续推动人工智能发展、加快产业智能化进程，促进我国科技创新与产业变革的重要力量。
本轮人工智能热潮，离不开深度学习技术的持續突破和广泛应用。这其中，深度学习框架是核心基础，重要性不言而喻。深度学习框架是智能时代的操作系统，基于操作系统会有大量的应用产生，对人工智能的创新有巨大的帮助。
打造钢铁行业供应链协同新生态
钢银电商副总裁 聂静波
在数字经济、电子商务、供应链金融蓬勃发展的背景下，深入推进数字化产融协同，成为应对外部环境不确定性的挑战、助力我国经济实现高质量发展的必然需要。供应链服务的出现，有效疏通了上、下游业务的阻塞，盘活了整个产业链条，是整合产融关系的有效模式。B2B电商需通过包括仓储、物流、金融、数据等在内的一系列服务打通产业链上、下游，帮助钢铁行业实现产业链共享、供应链升级。
产业互联网3.0时代的核心在于供应链服务升级。B2B电商需深入了解产业交易场景，明确客户痛点，继而通过产品和服务的标准化和线上化，放大服务规模。B端的供应链只有不断加强平台风控能力，才能持续扩展平台核心竞争力。未来，钢银电商将继续脚踏实地，不断打磨产品，整合产业及社会综合资源，提高供应链协同效应，打造钢铁行业供应链协同新生态。
能源革命依赖高比例可再生能源
天津大学教授 余贻鑫
建设美丽中国，推动能源革命，实现社会可持续发展，需要高比例的可再生的风能和太阳能发电。目前，相比起集中式的地面电站，分布式才是未来最具发展潜力的，为可再生能源新增装机贡献最大的发展方式。电力与燃气、热力系统的联系日益紧密，未来将形成以智能电网为核心的综合能源系统，综合能源系统是能源互联网的载体。能源革命的实现高度依赖于未来高比例分布式可再生能源的开发与利用。
实际上，我们国家就拥有足够多的发展分布式光伏的安装场地，从最新资料中来看，我国仅中东部地区的可发展屋顶分布式的房屋建筑面积就已经能实现2050年的发展目标。此外，我们还能探索道路光伏等其他分布式光伏的发展方式。发展智能电网，提高电能替代水平，提升可再生能源消费占比，是能源转型升级的必经路径。
人工智能为高质量发展提供新动能
中国工程院院士 潘云鹤
人工智能迎来了质的飞跃，走向新阶段：大数据深度学习初现端倪，群体智能自我进化研究引起重视，人机融合技术带来增强智能，自主智能无人系统发展迅速。在布局实施新一代人工智能时，需瞄准为人民生活水平提高服务，建立从数据到知识、从知识到智能行为的能力，形成连接多领域的知识中心，支撑新技术、新服务和新业态的跨界融合与创新服务。
将新一代人工智能技术和实体经济的升级结合起来，开发智能产品，发展智能制造，也是重要方向。结合自主智能装备，研究各种自主智能载运平台、自主生产加工系统和智能调度监控系统，深入研究自主智能系统的技术、架构、平台和设计标准。中国需持续加强人工智能与其他技术，技术与产业的互融互通，形成合力，使信息化的进程从数字化推进到网络化，进而推进到智能化。
中国科学家要勇担世界责任
清华大学副校长 薛其坤
我希望中国科学家是开放的、有使命感的，我们有意愿、且有能力为世界科技的发展和人类文明贡献力量。习近平总书记说过，我们坚持融入全球科技创新网络，树立人类命运共同体意识，深入参与全球科技创新治理，主动发起全球性创新议题。每一个科研一线的工作者都应该是践行者。
前不久，我们几位科学家一起去了欧洲几个国家。这段行程异常忙碌，每到一处，学术报告、交流、讨论都是满满当当，虽然辛苦但很高兴，因为这是中国科学家对世界科学发展的一点贡献。科学家的使命在于让国家更加强大，科学家当然要求真务实，要爱国敬业，但是在这之外我们应该有更深远的责任和广阔的胸怀。正因为如此，中国科学家才要加倍努力，多出原创科学成果，引领世界科学技术发展。 跨界融合，推动0—1的原始创新
中国科学院自动化研究所所长 徐 波
发挥人工智能更大作用、实现更大创新，“人”是最关键因素。人工智能跨界融合，一是需要培养一大批跨学科人才，包括人工智能与伦理、法律等学科的交叉复合型人才；二是需要培养一大批跨行业人才，比如“人工智能 制造”，就是需要既懂模型算法，又懂制造流程和装备的人才。这两类高端人才的缺口非常大，是制约人工智能科技革命和产业变革的瓶颈问题。
从国家层面要完善人才政策和评价体系，从上到下构建适合人才成长的、稳定支持的环境；同时加快布局国家级的人工智能研究中心和实验室，横向吸纳各领域顶尖人才和资源，碰撞智慧火花，纵向串联整条人工智能创新链条。我们只有高度重视基础研究和人才培养，更多推动0—1的原创性研究，才有可能在人工智能国际竞争中始终占据有利位置。
以开源开放提升创新质量
北京大学教授 黄铁军
开源开放是促进科技创新的重要机制。新一代人工智能开源开放平台实时汇聚科研成果，通过开源开放实时辐射到经济社会各个领域。通过开放的大浪淘沙，让得到公共资金支持的科研成果随时接受各类产业应用的检验，激励真正有创新能力的团队脱颖而出。通过开源，促进全社会的创新协作，激发创新聚变和裂变，实现成果质量螺旋式上升。
开源开放也是完善科技评价的重要措施。新一代人工智能开源开放平台记录了所有代码的原始贡献者和完整的修改完善过程，新创的启智许可证规定了“引用”条款：所有使用者需要留下使用信息并进行标注，因此所有贡献者可以实时掌握自己创新技术的影响。基于此，可以建立以科学影响和技术贡献为核心的定量化精细评价体系，使得科技评价真正成为科技创新的加速剂。
新技术带来产业渗透方向
华中科大电子信息与通信学院院长 黄晓庆
当前人工智能的发展得益于算法、数据和算力3方面共同的进展。大数据是人工智能发展的基石。目前的深度学习算法主要是建立在大数据的基础上，并从中归纳出可以被计算机运用的知识或规律。云计算是人工智能背后强大的助推器，云计算可以让我们体验每秒10万亿次的运算能力，这么强大的计算能力可以模拟核爆炸。
自2013年以来，大数据和大计算驱动已成为深度学习算法的主流，正逐渐成为一种通用赋能工具。当前，以深度卷积神经网络为基础的新一代人工智能，能够获得更加接近于人类水平的感知能力和对自然语言的模式分析能力，带来了超越人类的博弈能力。而对抗性神经网络的最新进展则促进生成超分辨率具真实感的原创图像、声音、3D物体等。这些都为人工智能的产业渗透带来了更多新的方向。
新基础设施驱动城市变革
阿里巴巴集团首席技术官 王 坚
伴随互联网的出现，云计算、大数据和人工智能也在慢慢地改变着城市，城市发展已经面临质变的关键时刻，计算能力的提升为城市从电力时代走进算力时代提供了更多可能。城市在马力时代需要道路，在电力时代需要电网，当城市对算力有所依赖时，就需要有一个全新的基础设施，这个基础设施就是“城市大脑”。
基础设施和技术进步是相互促进的。没有电网就谈不上交流电技术的成熟，同样，电网使得交流电的长途传输变成可能。基础设施对技术的推进也是显而易见的。纽约刚有电的时候只有一种电器——灯泡，也就是说，我们不是因为先有空调、电视机和电冰箱才去建电网，而是电网的出现推动了世界电器产业的创新。由此，我们可以认为，“城市大脑”的出现也会推动我们当前想象不到的新发明出现。
以人为本，打造机器人时代
達闼科技副总裁 汪 兵
当前，中国人工智能的功能开发更多地依赖处于入门水平的开源算法，这就意味着在未来发展中还需要加大应用数学、统计学、仿生学等基础学科的研究投入，开发出真正达到实用水平的算法。另一方面，机器人还需建设一套更高带宽、更高传输速率的安全云网络以满足机器人庞大算力资源需求。在此基础上，系统集成商与创新机构需要开发出更接近生活的新产品，最终促进整个机器人行业全产品的换代升级。
机器人产业智能化发展将对传统的迎宾、物流、安防、制造等行业体系产生重大冲击，在这场浪潮中，我们要保持警醒，不断结合新的技术，保持始终如一的以人为本的精神，将人力从重复烦琐性工作中解放出来。但这并不意味着人类社会将迎来大量失业，恰恰相反，有限的人力会被更多地吸收进创造性工作中，人类更多的智力、精力集聚思想碰撞，将反推科技进步。
利用数据满足机器学习要求
初灵集团首席科学家 刘继明
对于自己所拥有的数据，我们要尽可能充分利用，尤其是增加数据点的数量，相关的方法有数据扩充和迁移学习等。在数据量有限的情况下，可以通过一些特殊的随机变换来进行数据扩充，即在不改变数据基本特征的前提下，将数据的其他信息进行随机变化，从而生成更多可用于机器训练的数据。
基于大数据的深度学习往往需要耗费巨大的数据、计算资源，于是，人们想到机器学习是否可以做到像人类那样继承已有的知识，从而举一反三更快地掌握新的知识呢？比如在某个小数据领域相邻的领域里找到拥有大量数据的领域，当两者之间的知识迁移成功，那么前者就不需要收集庞大的数据集了。迁移学习就是这样一种提高机器学习效率的方法。
商业航天领域更容易实现商业闭环
华创资本总经理 公 元
美国在商业航天领域已经有估值超300亿美元的公司，而中国商业航天领域的创业企业仍在起步阶段，差距之中蕴藏着投资机会。中国具备发展商业航天的人才土壤，近几年国内政策也越来越开放，对商业航天比较鼓励和包容。同时，国外商业航天的竞争，也在倒逼国内商业航天的发展。
至于盈利问题，其实共享单车、电商等领域中的很多公司在上市时都未实现商业闭环。相比之下，商业航天领域实现商业闭环的逻辑更加简单直接。比如商业运载火箭就是要实现从A点到B点的运输，是通往太空的交通工具。在我们看来，商业航天的商业逻辑比其他任何时候都更清晰，只是这条路径很艰难。对商业航天的投资，属于终点确认但路径艰难的投资。不过只要创业团队走到终点，就一定会成功。 自然语言处理能推进人类的应用
国际计算语言学会会长 周 明
我们未来到底需要什么样的自然语言处理系统呢？我认为要做出可解释、有知识、有道德、可自我学习的NLP系统。这是一个很高的目标，现在离这个目标差得很远。我们要从具体的任务出发，找出存在的问题：上下文建模、数据纠偏、多任务学习、人类知识的理解。
如果我们有所推进的话，我们的认知智能就会进一步提升，包括语言的理解水平、推理水平、回答问题能力、分析能力、解决问题的能力、写作能力、对话能力等。然后再加上感知智能的进步，声音、图像、文字的识别和生成的能力以及多模态文、图交叉的能力，通过文字可以生成图像，根据图像可以生成描述的文字等，我们就可以推进很多人类的应用。也可以把AI技术用在我们的产业上，帮助产业实现数字化转型。
多模态问题影响人工智能落地
腾讯优图实验室负责人 贾佳亚
人工智能学科发展与人类智能差距之一就是“多模态信息的智能化理解”，视觉、声音、符号语言、嗅觉和触觉等信息，具有无限多样性。而多模态人工智能还存在不少技术难点：第一，数据模态多种多样，包括2D图像、3D模型、结构化信息、文本、声音及更多无法量化的数据；第二，多模态数据不对应，如从图像到文字，从文字到图像，都是“一对多”的过程，会有多种的描述和呈现；第三是多模态数据的融合；第四是多模态监督。
而要解决这些多模态信息的难题，就要更好研究嗅觉、味觉、触觉、心理学等难以量化的信号问题，通过多模态数据使得计算成为可能，进行协同学习、用一个资源丰富的模态信息辅助另一个资源贫瘠的模态。多模态人工智能问题的解决，就会是人工智能更多落地的未来。
将人工智能投放到生产流程中
TCL研究院（香港）研究所总经理 俞大海
人工智能在工厂里可以做到什么？我觉得有3项：发生了什么、为什么发生、还会发生什么。我们接下来要思考的是，如何更好地把人工智能应用到这些环节。此外，人工智能能不能做决策，能不能做认知智能，怎么去做，这是很多人关心的话题。我们现在的做法是把人工智能加到已有的生产流程中去，它可以起到一些作用，但不能发挥全部价值。
另外，我觉得边缘计算将是人工智能的关键。很多企业——尤其是工厂，很难把数据上传到公有云，他们都有自己的私有云。但是如果所有东西都在私有云上做，成本太高了，这时候边缘计算就可以发挥作用了。我们希望未来的人工智能不需要把所有数据都上传到云端，而是在机器端就已经处理了，只上传一些特征信息，甚至某些功能直接在机器端就能实现。
文本数据挖掘要与脑科学结合
中国科学院自动化所研究员 宗成庆
文本数据挖掘具有极其广阔的应用前景，包括金融、医疗、生物医药、司法和情报分析等各个领域。我们所说的自然语言处理技术，其应用目标除了机器翻译和对话系统以外，主要任务就是利用文本数据挖掘技术进行文本的分析和处理。文本数据挖掘的主要难点在于如何弄清楚文本作者的意图和观点。计算机和人不一样，对于一段文字，人扫一眼就可以明白了，而计算机理解语言会涉及太多东西。目前我们还无法清楚地知道人脑是如何理解语言的，所以从长远的深层次研究角度来看，我们要和脑科学研究结合起来。
对人脑从事语言认知机理的研究是一个长远的目標，属于基础性的探索研究，很难指望在短时期内看到直接的应用效果。但是相关研究会给我们很多启发，让我们改进或者解释现有的神经网络模型，或者建立更加有效的新方法。
中国工程院院士 徐匡迪
我国人工智能的发展虽起步略晚，但创新创业氛围活跃、专利论文发表的数量已位居世界前列，应用性研究中的语音和人脸识别技术已跻身国际第一梯队。但在发展过程中也暴露出一些短板：打着人工智能招牌的投资者、创业者还是聚焦在人工智能的初级应用层面，在基础理论、核心算法和伦理、法律研究等领域与国际水平仍有较大差距，在关键设备上原始创新仍显不足。
我们要正视这些短板与差距，在人工智能发展过程中，摒弃吹嘘和炒作，加大对核心算法等关键基础研究的投入，逐一突破难点，在适当的领域进行推广应用，重视高端人才在人工智能领域，特别是算法领域的聚集。这些是我们对人工智能、对科技创新应持的态度，只有这样才能真正找到一条适合我国国情的人工智能发展领域和路径。
实现金融IT国产化要靠企业
中科曙光董事长 李国杰
从总体上看，我国企业在技术储备上与国外龙头企业还有相当大的差距，对发展高端产品的长期性和艰巨性要有清醒的认识。金融业务对安全、性能和可靠性都有很高的要求，可能是实现国产化最难攻克的堡垒之一。实现金融IT的国产化有一个从外围到核心的发展过程，要卧薪尝胆才能掌握其核心技术。
突破有竞争力的关键技术要靠企业，我国科研队伍的精兵强将集中在大学和科研机构的国家重点实验室，然而工程性的技术创新是在成本、时间、兼容性、标准、人力等强约束条件下的创新，只有企业科技人员才能解决与市场密切相关的技术突破。金融IT国产化最大的困难不是缺乏研发经费或技术起点低，而是企业没有试错的机会。完全靠企业参与全球“公平竞争”，仅以市场作为调控手段并不可行。
深度学习框架是智能时代的操作系统
百度AI技术平台体系执行总监 吴 甜
开源开放是人工智能的热点之一，促进了全球人工智能相关技术及产业生态的繁荣，成为产业智能化的重要推动力。在开源社区中，公司和机构的相关开源项目的贡献日渐增长，开源软件已成为一种重要的软件和互联发展模式。人工智能技术与产业结合产生价值，涉及多技术整合、能力复用、产业链打通以及产业和国家安全等关键要素。显而易见，自主研发的人工智能开源开放平台，是持续推动人工智能发展、加快产业智能化进程，促进我国科技创新与产业变革的重要力量。
本轮人工智能热潮，离不开深度学习技术的持續突破和广泛应用。这其中，深度学习框架是核心基础，重要性不言而喻。深度学习框架是智能时代的操作系统，基于操作系统会有大量的应用产生，对人工智能的创新有巨大的帮助。
打造钢铁行业供应链协同新生态
钢银电商副总裁 聂静波
在数字经济、电子商务、供应链金融蓬勃发展的背景下，深入推进数字化产融协同，成为应对外部环境不确定性的挑战、助力我国经济实现高质量发展的必然需要。供应链服务的出现，有效疏通了上、下游业务的阻塞，盘活了整个产业链条，是整合产融关系的有效模式。B2B电商需通过包括仓储、物流、金融、数据等在内的一系列服务打通产业链上、下游，帮助钢铁行业实现产业链共享、供应链升级。
产业互联网3.0时代的核心在于供应链服务升级。B2B电商需深入了解产业交易场景，明确客户痛点，继而通过产品和服务的标准化和线上化，放大服务规模。B端的供应链只有不断加强平台风控能力，才能持续扩展平台核心竞争力。未来，钢银电商将继续脚踏实地，不断打磨产品，整合产业及社会综合资源，提高供应链协同效应，打造钢铁行业供应链协同新生态。
能源革命依赖高比例可再生能源
天津大学教授 余贻鑫
建设美丽中国，推动能源革命，实现社会可持续发展，需要高比例的可再生的风能和太阳能发电。目前，相比起集中式的地面电站，分布式才是未来最具发展潜力的，为可再生能源新增装机贡献最大的发展方式。电力与燃气、热力系统的联系日益紧密，未来将形成以智能电网为核心的综合能源系统，综合能源系统是能源互联网的载体。能源革命的实现高度依赖于未来高比例分布式可再生能源的开发与利用。
实际上，我们国家就拥有足够多的发展分布式光伏的安装场地，从最新资料中来看，我国仅中东部地区的可发展屋顶分布式的房屋建筑面积就已经能实现2050年的发展目标。此外，我们还能探索道路光伏等其他分布式光伏的发展方式。发展智能电网，提高电能替代水平，提升可再生能源消费占比，是能源转型升级的必经路径。
人工智能为高质量发展提供新动能
中国工程院院士 潘云鹤
人工智能迎来了质的飞跃，走向新阶段：大数据深度学习初现端倪，群体智能自我进化研究引起重视，人机融合技术带来增强智能，自主智能无人系统发展迅速。在布局实施新一代人工智能时，需瞄准为人民生活水平提高服务，建立从数据到知识、从知识到智能行为的能力，形成连接多领域的知识中心，支撑新技术、新服务和新业态的跨界融合与创新服务。
将新一代人工智能技术和实体经济的升级结合起来，开发智能产品，发展智能制造，也是重要方向。结合自主智能装备，研究各种自主智能载运平台、自主生产加工系统和智能调度监控系统，深入研究自主智能系统的技术、架构、平台和设计标准。中国需持续加强人工智能与其他技术，技术与产业的互融互通，形成合力，使信息化的进程从数字化推进到网络化，进而推进到智能化。
中国科学家要勇担世界责任
清华大学副校长 薛其坤
我希望中国科学家是开放的、有使命感的，我们有意愿、且有能力为世界科技的发展和人类文明贡献力量。习近平总书记说过，我们坚持融入全球科技创新网络，树立人类命运共同体意识，深入参与全球科技创新治理，主动发起全球性创新议题。每一个科研一线的工作者都应该是践行者。
前不久，我们几位科学家一起去了欧洲几个国家。这段行程异常忙碌，每到一处，学术报告、交流、讨论都是满满当当，虽然辛苦但很高兴，因为这是中国科学家对世界科学发展的一点贡献。科学家的使命在于让国家更加强大，科学家当然要求真务实，要爱国敬业，但是在这之外我们应该有更深远的责任和广阔的胸怀。正因为如此，中国科学家才要加倍努力，多出原创科学成果，引领世界科学技术发展。 跨界融合，推动0—1的原始创新
中国科学院自动化研究所所长 徐 波
发挥人工智能更大作用、实现更大创新，“人”是最关键因素。人工智能跨界融合，一是需要培养一大批跨学科人才，包括人工智能与伦理、法律等学科的交叉复合型人才；二是需要培养一大批跨行业人才，比如“人工智能 制造”，就是需要既懂模型算法，又懂制造流程和装备的人才。这两类高端人才的缺口非常大，是制约人工智能科技革命和产业变革的瓶颈问题。
从国家层面要完善人才政策和评价体系，从上到下构建适合人才成长的、稳定支持的环境；同时加快布局国家级的人工智能研究中心和实验室，横向吸纳各领域顶尖人才和资源，碰撞智慧火花，纵向串联整条人工智能创新链条。我们只有高度重视基础研究和人才培养，更多推动0—1的原创性研究，才有可能在人工智能国际竞争中始终占据有利位置。
以开源开放提升创新质量
北京大学教授 黄铁军
开源开放是促进科技创新的重要机制。新一代人工智能开源开放平台实时汇聚科研成果，通过开源开放实时辐射到经济社会各个领域。通过开放的大浪淘沙，让得到公共资金支持的科研成果随时接受各类产业应用的检验，激励真正有创新能力的团队脱颖而出。通过开源，促进全社会的创新协作，激发创新聚变和裂变，实现成果质量螺旋式上升。
开源开放也是完善科技评价的重要措施。新一代人工智能开源开放平台记录了所有代码的原始贡献者和完整的修改完善过程，新创的启智许可证规定了“引用”条款：所有使用者需要留下使用信息并进行标注，因此所有贡献者可以实时掌握自己创新技术的影响。基于此，可以建立以科学影响和技术贡献为核心的定量化精细评价体系，使得科技评价真正成为科技创新的加速剂。
新技术带来产业渗透方向
华中科大电子信息与通信学院院长 黄晓庆
当前人工智能的发展得益于算法、数据和算力3方面共同的进展。大数据是人工智能发展的基石。目前的深度学习算法主要是建立在大数据的基础上，并从中归纳出可以被计算机运用的知识或规律。云计算是人工智能背后强大的助推器，云计算可以让我们体验每秒10万亿次的运算能力，这么强大的计算能力可以模拟核爆炸。
自2013年以来，大数据和大计算驱动已成为深度学习算法的主流，正逐渐成为一种通用赋能工具。当前，以深度卷积神经网络为基础的新一代人工智能，能够获得更加接近于人类水平的感知能力和对自然语言的模式分析能力，带来了超越人类的博弈能力。而对抗性神经网络的最新进展则促进生成超分辨率具真实感的原创图像、声音、3D物体等。这些都为人工智能的产业渗透带来了更多新的方向。
新基础设施驱动城市变革
阿里巴巴集团首席技术官 王 坚
伴随互联网的出现，云计算、大数据和人工智能也在慢慢地改变着城市，城市发展已经面临质变的关键时刻，计算能力的提升为城市从电力时代走进算力时代提供了更多可能。城市在马力时代需要道路，在电力时代需要电网，当城市对算力有所依赖时，就需要有一个全新的基础设施，这个基础设施就是“城市大脑”。
基础设施和技术进步是相互促进的。没有电网就谈不上交流电技术的成熟，同样，电网使得交流电的长途传输变成可能。基础设施对技术的推进也是显而易见的。纽约刚有电的时候只有一种电器——灯泡，也就是说，我们不是因为先有空调、电视机和电冰箱才去建电网，而是电网的出现推动了世界电器产业的创新。由此，我们可以认为，“城市大脑”的出现也会推动我们当前想象不到的新发明出现。
以人为本，打造机器人时代
達闼科技副总裁 汪 兵
当前，中国人工智能的功能开发更多地依赖处于入门水平的开源算法，这就意味着在未来发展中还需要加大应用数学、统计学、仿生学等基础学科的研究投入，开发出真正达到实用水平的算法。另一方面，机器人还需建设一套更高带宽、更高传输速率的安全云网络以满足机器人庞大算力资源需求。在此基础上，系统集成商与创新机构需要开发出更接近生活的新产品，最终促进整个机器人行业全产品的换代升级。
机器人产业智能化发展将对传统的迎宾、物流、安防、制造等行业体系产生重大冲击，在这场浪潮中，我们要保持警醒，不断结合新的技术，保持始终如一的以人为本的精神，将人力从重复烦琐性工作中解放出来。但这并不意味着人类社会将迎来大量失业，恰恰相反，有限的人力会被更多地吸收进创造性工作中，人类更多的智力、精力集聚思想碰撞，将反推科技进步。
利用数据满足机器学习要求
初灵集团首席科学家 刘继明
对于自己所拥有的数据，我们要尽可能充分利用，尤其是增加数据点的数量，相关的方法有数据扩充和迁移学习等。在数据量有限的情况下，可以通过一些特殊的随机变换来进行数据扩充，即在不改变数据基本特征的前提下，将数据的其他信息进行随机变化，从而生成更多可用于机器训练的数据。
基于大数据的深度学习往往需要耗费巨大的数据、计算资源，于是，人们想到机器学习是否可以做到像人类那样继承已有的知识，从而举一反三更快地掌握新的知识呢？比如在某个小数据领域相邻的领域里找到拥有大量数据的领域，当两者之间的知识迁移成功，那么前者就不需要收集庞大的数据集了。迁移学习就是这样一种提高机器学习效率的方法。
商业航天领域更容易实现商业闭环
华创资本总经理 公 元
美国在商业航天领域已经有估值超300亿美元的公司，而中国商业航天领域的创业企业仍在起步阶段，差距之中蕴藏着投资机会。中国具备发展商业航天的人才土壤，近几年国内政策也越来越开放，对商业航天比较鼓励和包容。同时，国外商业航天的竞争，也在倒逼国内商业航天的发展。
至于盈利问题，其实共享单车、电商等领域中的很多公司在上市时都未实现商业闭环。相比之下，商业航天领域实现商业闭环的逻辑更加简单直接。比如商业运载火箭就是要实现从A点到B点的运输，是通往太空的交通工具。在我们看来，商业航天的商业逻辑比其他任何时候都更清晰，只是这条路径很艰难。对商业航天的投资，属于终点确认但路径艰难的投资。不过只要创业团队走到终点，就一定会成功。 自然语言处理能推进人类的应用
国际计算语言学会会长 周 明
我们未来到底需要什么样的自然语言处理系统呢？我认为要做出可解释、有知识、有道德、可自我学习的NLP系统。这是一个很高的目标，现在离这个目标差得很远。我们要从具体的任务出发，找出存在的问题：上下文建模、数据纠偏、多任务学习、人类知识的理解。
如果我们有所推进的话，我们的认知智能就会进一步提升，包括语言的理解水平、推理水平、回答问题能力、分析能力、解决问题的能力、写作能力、对话能力等。然后再加上感知智能的进步，声音、图像、文字的识别和生成的能力以及多模态文、图交叉的能力，通过文字可以生成图像，根据图像可以生成描述的文字等，我们就可以推进很多人类的应用。也可以把AI技术用在我们的产业上，帮助产业实现数字化转型。
多模态问题影响人工智能落地
腾讯优图实验室负责人 贾佳亚
人工智能学科发展与人类智能差距之一就是“多模态信息的智能化理解”，视觉、声音、符号语言、嗅觉和触觉等信息，具有无限多样性。而多模态人工智能还存在不少技术难点：第一，数据模态多种多样，包括2D图像、3D模型、结构化信息、文本、声音及更多无法量化的数据；第二，多模态数据不对应，如从图像到文字，从文字到图像，都是“一对多”的过程，会有多种的描述和呈现；第三是多模态数据的融合；第四是多模态监督。
而要解决这些多模态信息的难题，就要更好研究嗅觉、味觉、触觉、心理学等难以量化的信号问题，通过多模态数据使得计算成为可能，进行协同学习、用一个资源丰富的模态信息辅助另一个资源贫瘠的模态。多模态人工智能问题的解决，就会是人工智能更多落地的未来。
将人工智能投放到生产流程中
TCL研究院（香港）研究所总经理 俞大海
人工智能在工厂里可以做到什么？我觉得有3项：发生了什么、为什么发生、还会发生什么。我们接下来要思考的是，如何更好地把人工智能应用到这些环节。此外，人工智能能不能做决策，能不能做认知智能，怎么去做，这是很多人关心的话题。我们现在的做法是把人工智能加到已有的生产流程中去，它可以起到一些作用，但不能发挥全部价值。
另外，我觉得边缘计算将是人工智能的关键。很多企业——尤其是工厂，很难把数据上传到公有云，他们都有自己的私有云。但是如果所有东西都在私有云上做，成本太高了，这时候边缘计算就可以发挥作用了。我们希望未来的人工智能不需要把所有数据都上传到云端，而是在机器端就已经处理了，只上传一些特征信息，甚至某些功能直接在机器端就能实现。
文本数据挖掘要与脑科学结合
中国科学院自动化所研究员 宗成庆
文本数据挖掘具有极其广阔的应用前景，包括金融、医疗、生物医药、司法和情报分析等各个领域。我们所说的自然语言处理技术，其应用目标除了机器翻译和对话系统以外，主要任务就是利用文本数据挖掘技术进行文本的分析和处理。文本数据挖掘的主要难点在于如何弄清楚文本作者的意图和观点。计算机和人不一样，对于一段文字，人扫一眼就可以明白了，而计算机理解语言会涉及太多东西。目前我们还无法清楚地知道人脑是如何理解语言的，所以从长远的深层次研究角度来看，我们要和脑科学研究结合起来。
对人脑从事语言认知机理的研究是一个长远的目標，属于基础性的探索研究，很难指望在短时期内看到直接的应用效果。但是相关研究会给我们很多启发，让我们改进或者解释现有的神经网络模型，或者建立更加有效的新方法。