2021世界人工智能大会于7月8日至10日以线下线上结合的方式召开。本届大会以“智联世界，众智成城”为主题，展现人工智能技术、产业和应用全球化发展的趋势。工信部部长肖亚庆表示，我国人工智能产业发展取得了显著成效，图像识别、语音识别等技术创新应用进入了世界先进行列，人工智能发明专利授权总量全球排名第一，核心产业规模持续增长，已经形成覆盖基础层、技术层和应用层的完整产业链和应用生态。如何看待未来我国人工智能领域的发展前景?当前人工智能的普及应用遇到了哪些瓶颈?如何应对人工智能可能带来的各种风险?
人工智能技术创新和深入应用将大有可为
中国经济时报：无人驾驶、智能助老、智能制造……人工智能技术已经深入到各行各业应用，推动传统产业数字化转型。人工智能是“十四五”规划明确优先发展的前沿科技领域之一，如何看待未来我国人工智能领域的发展前景?
陆峰：随着我国数字经济、数字社会、数字政府等建设和推进，人工智能技术创新和深入应用将大有可为。人工智能发展是技术创新和应用创新相互螺旋上升驱动、永无止境的过程，技术创新拓展了技术应用的范围，应用范围拓展为技术持续深入创新提供试验田。
从应用角度来讲，人工智能应用随着技术创新发展不断深入，依据技术成熟度和应用对技术可靠性需求，技术应用的范围和深度将会不断拓展。
首先，随着语音和语义识别、图像识别、视频识别、计算视觉等人工智能基础通用型技术的发展和能力提升，基础通用型人工智能技术应用场景在不断拓展场景应用，生活生产中应用人工智能基础通用型技术的场景也在不断增多，比如图像和视频识别技术被广泛应用到了社区管理、治安防控、商贸物流等多个领域，用于流动场所实时在线识别逃犯、商业客户等级识别等。语音语义识别技术被广泛应用到各种场景智能客服等领域，从简单题库式回答模式向实时灵活判断决策转变，深度和广度都在持续拓展。
其次，随着人工智能行业专业技术能力不断提升，无人驾驶汽车、医疗影像、文化教育等行业领域人工智能技术应用场景也在持续拓展。比如随着人工智能+边缘计算能力提升，无人驾驶汽车应用场景也会从机场、港口、物流园等封闭场所向高速公路、城市道路等开放式场景拓展。随着医疗领域人工智能技术深入，智能机器对医疗影像识别能力正在超越行业老专家。随着制造领域人工智能技术发展，制造业领域人工智能应用范围已经从物件简单搬运向智能制造系统全过程优化拓展。
再次，随着5G、云计算、大数据、物联网等技术发展，并和人工智能技术集成融合创新，也促进人工智能技术应用场景拓展。比如5G技术应用，促进了移动场景下人工智能技术应用，5G+人工智能技术被应用到了流动场所逃犯识别。云计算技术的快速为更多场景下人工智能技术应用提供了必要的算力保障，如依靠庞大算力支撑，依托人工智能技术能够在合适的时间内做出令人满意的决策。物联网+人工智能技术发展，促进了交互式人工智能系统的发展。
从技术应用角度来讲，未来一段时间人工智能技术创新将持续活跃。
首先，随着“十三五”期间国家“互联网+”、大数据、人工智能等战略实施，各领域加快数字化转型，网络实现普及应用，数据资源得到一定量的积累，为人工智能深入应用提供了算数资源等基础条件。
其次，随着各行业智能化需求的日益激增，各行业对人工智能行业应用也会日趋深入，行业场景人工智能技术如算法模型等将会在需求推动下实现快速发展。
王明辉：根据《2020全球人工智能创新指数报告》，中国人工智能产业发展势头良好，发展的条件要素水平较高，潜力巨大。
一是中国在全球TOP500超算中心数量最多。截至2020年7月，中国共有226个超算中心进入全球500强行列，占总量的45.2%，是美国(113个)的两倍。
二是企业数量和融资规模庞大。截至2020年9月，中国共有823家人员规模大于10的人工智能企业，排名第二;人工智能企业累计共获得377.01亿美元的投资，排名第二。
三是论文和专利总量遥遥领先。2019年，中国共发表5.52万篇人工智能相关论文，美国为2.12万篇。2020年，中国在世界范围内的人工智能期刊论文引用次数首次超过了美国。中国人工智能专利申请量、授权量分别为5.76万件、1.65万件，美国则分别为0.91万件、0.67万件。
四是5G、物联网等相关技术快速发展为人工智能发展创造了条件。截至2020年10月，中国的5G套餐订阅数达到1.55亿份，5G订阅率为10.82%，排名第二;在全球500强物联网企业中，中国共占26席，排名第三。
张龙：人工智能技术作为新一代信息技术当中的翘楚，在未来各个领域的发展中，都将发挥至关重要的作用。在制造业方面，人工智能技术正在对传统产业进行加速赋能，推进制造业数字化转型，其中以机器视觉为代表的工业质检场景，成为了人工智能技术最先成熟应用的环节。对于制造业企业而言，新技术的应用无非两个目的，降本、增效，如果人工智能技术能够帮助企业利用更低的成本，生产出质量更好、效果更佳的产品，并卖到更高的价格从而获得更多的回报，那么企业一定有动力去推进该技术的应用，这也是所有人工智能技术厂商在推广技术方案时最应该考虑的问题。然而，不论是工业质检、能耗管理还是厂区安全等场景，都是在核心制造环节的外围，并没有触及到制造业最核心的部分，即工艺层，也就导致了上述技术方案，大多会增加企业成本，但是不能带来直观的收入，从而放缓技术赋能的进程。
与此同时，我还认为人工智能技术在短期内更可能带来的是技术优化而非技术颠覆，因为对于制造业核心工艺来讲，几十年甚至上百年来，核心原理就从没有改变过，只不过随着技术的演进、参数的调整，使得工艺逐步优化。为此，以人工智能推进工艺智能化，需要将人工智能技术与工业机理模型深度融合，注重算法和模型优势以及数字孪生等新模式带来的工艺优化路径缩短。
挖掘更多可能应用人工智能技术落地的场景
中国经济时报：算法模型、数据、芯片、数据安全等关键技术是人工智能技术进一步发展的重要支撑。人工智能的技术在发展的不同阶段会遇到不同的瓶颈，当前人工智能的普及应用遇到了哪些瓶颈?
陆峰：过去几年，各行各业加快推进互联网深度融合应用，积累了海量数据资源，为人工智能技术应用提供了重要保障。随着国家人工智能战略实施，人工智能的普及应用在算法模型、芯片、数据安全等方面仍然遭遇瓶颈限制。
在算法模型方面，人工智能普及应用涉及大量行业，每个行业在推进人工智能技术应用过程中，除了基础通用型人工智能技术，还需要面向行业应用的专业性人工智能技术，即行业专业人工智能算法模型。从目前来看，行业专业人工智能算法模型还处于起步阶段。深化行业领域人工智能技术应用，需要各行各业加强本领域人工智能算法模型的深度研究，这也是各行业智能化转型的必要条件。
在人工智能芯片方面，人工智能芯片是人工智能算法模型落地的重要载体之一，面向各行业专业性人工智能芯片更是各行业深化人工智能应用的重要抓手。从目前来看，市场上供给较多是通用性的人工智能芯片，且处在发展起步阶段，专用性的人工智能芯片市场上供给还处于探索起步阶段。
在数据安全方面，目前人工智能技术应用准则还在建立和完善过程中，关于人工智能技术应用过程中数据安全保障问题，无论是制度建设还是技术支撑保障，都尚未健全，还处于探索中，难以跟上人工智能快速发展的形势需要。
王明辉：2020年，图像分类、人脸识别、视频分析、语音识别等AI技术都取得了重大进展，但背后的算法模型、芯片等关键核心技术仍存在不少瓶颈，对于AI的普及应用带来一定制约。这些瓶颈主要体现在：一是原始创新能力不足。人工智能领域出现的深度学习模型等重大成果和奠基性的理论仍以美国等西方国家为主。二是高端芯片、关键部件、高精度传感器等方面严重缺失，有国际影响力的开源开放平台较少，而且与美国的相对差距可能继续加大。三是高层次人才的数量和层次落后。四是对人工智能可能产生的经济、社会、伦理影响的研究和政策应对等相对滞后。
张龙：人工智能技术在发展过程中会遇到各种各样的问题，而聚焦到工业领域，我认为有两类问题较为突出。
第一类是技术等场景。当前专注人工智能技术研发的大多是互联网企业而非传统制造业企业，两类企业间的沟通障碍以及盈利模式差异导致了技术与应用场景的脱节，一方面缺少场景的数据累计，导致技术应用的通用化模型建设难以快速实现。另一方面技术领域的高昂定制化开发费用，也使得现有技术难以实际应用到场景中。为此，需要进一步加强这两类企业的联合研发而非简单的技术产品采购，挖掘更多可能应用人工智能技术落地的场景。
第二类是场景等技术。2016年AlphaGo横空出世击败围棋世界冠军李世石，让大家第一次近距离地感受到了人工智能技术带来的震撼，而今仅仅5年，该技术就已经成为了技术圈最时髦的话题。然而任何技术的更新迭代都需要时间，人工智能技术也不例外，当前人工智能技术尚处于弱人工智能时代，其对大数据的依赖以及模型预测的正确性都导致了该技术在工业领域应用的受阻。对于商业领域，如果一个模型预测的正确率达到95%，基本上是可以得到消费者认可。但是在工业领域，95%的良品率在集成电路、航空航天、汽车等领域就可能意味着灾难，这也是很多大企业不敢启用人工智能算法的重要原因，因为产品良品率的不达标，不仅会给企业带来直接的成本增加和经济效益降低，更可能对品牌价值带来巨大影响。另外，现有人工智能技术还无法做到小数据建模，在诸如轮胎等特定产业方向，不良产品的数量非常有限，导致该类数据的样本量极小，远达不到大数据分析建模的要求，这也极大地限制了人工智能技术的应用。
重视人工智能治理 保障人工智能安全发展
中国经济时报：城市为人工智能应用提供了丰富的场景示范。人工智能推动城市治理、数字孪生等落地形成示范带动效应。但人工智能带来福利的同时也有各种风险，如何应对可能发生的各类风险?
陆峰：人工智能技术应用过程中也会存在技术滥用、数据安全保障等一系列问题，在推进人工智能发展过程中，要及时通过完善制度建设、增强技术支撑保障、加强监管手段建设等来保障人工智能安全发展。
从制度建设来看，加强人工智能应用伦理道德准则研究和制度建设，要综合考虑社会需求、发展趋势、应用场景、潜在风险、民族风俗、文化习惯、宗教信仰、法律法规等相关要素，本着与时俱进、促进发展、造福人类的原则，加快制定人工智能应用领域伦理道德准则，明确相关技术应用伦理道德禁区。加快制定人工智能技术应用标准和规范，充分考虑人工智能技术应用场景及安全性要求，加快制定人工智能技术应用技术参数标准、使用环境条件标准、安全保障标准，完善相关规范，促进人工智能技术安全合理使用。结合人工智能技术发展和应用推广进度，及时修订已有法律法规体系，建立健全新技术领域法律法规，及时弥补人工智能等领域技术发展引发的法律空白问题，明确相关领域技术发展的法律禁区，实现让科技创新不踩雷。
从技术支撑保障来看，要加强人工智能技术应用安全测试，创新测试模式，丰富测试环境种类，提高测试强度，强化对测试结果数据深度分析和挖掘，提升对技术安全的深度洞察能力。构建人工智能技术应用安全评估机制，要加强技术成熟度、脆弱性、风险隐患等各方面的深入评估，确保技术应用安全有保障。
从监管手段来看，要加快新技术应用监管能力建设，加快面向新技术发展的测试、监测、评估、认证等实验室和在线平台能力建设，为主管部门进行行业监管提供有效技术支撑保障。
王明辉：人工智能技术的发展，就像硬币的两面，在带来积极效应的同时也会带来诸多风险。主要体现在以下几方面。
一是安全问题。人工智能在医疗、自动驾驶等涉及人身安全的领域应用广泛，一旦这些领域的算法存在漏洞，又被黑客攻击或恶意利用时，将直接侵害人身权益。
二是歧视问题。人工智能算法可能产生具有歧视的决策结果。当原始数据存在偏见性，或因算法设计者自身原因而将偏见引入决策过程中，都可能导致人工智能系统决策生成带有歧视性的结果。
三是隐私泄露问题。人工智能技术的应用极大地扩展了个人信息收集的场景、范围和数量，也增大了隐私泄露的风险。例如：家用机器人、智能音箱等实时收集人们的生活习惯、消费偏好、语音交互等信息。支持面部识别的监控摄像头，可以在公共场合且个人毫不知情的情况下，识别个人身份并实现跟踪。
四是滥用问题。任何人工智能算法都有其特定的应用范围和场景，超出原定范围和场景的使用将有可能会导致算法滥用。
五是责任划分问题。由于当前人工智能技术和应用不具备承担责任的法律主体资格，在问题回溯上存在不可解释环节，现有法律也未明确界定人工智能设计、生产、销售、使用等环节各方主体权利、义务和责任，这给人工智能安全事件责任的认定和划分带来挑战。如：利用人工智能医疗系统辅助诊断发生的医疗事故，如何确定承担责任的主体?
根据麦肯锡的一项调查，尽管解决与使用人工智能相关的伦理问题的呼声越来越高，但行业内解决这些问题的努力仍然是非常有限的。例如，人工智能中的公平性和公正性等问题仍然很少受到公司的关注。此外，与2019年相比，在2020年公司认为个人或个体隐私的风险与己相关的仍然很少。在受访的公司中，正在试图减轻或规避这些风险的公司比例并没有变化。
当前人工智能治理面临的最大挑战，是没有一套比较成熟的体系来规制其潜在的风险。人工智能治理顶层设计仍处于起步阶段，政府部门和产业界对伦理原则在研发与应用中落地的机制和标准还缺乏共识。面对上述各种风险，要高度重视人工智能治理，相关部门必须尽快出台相关的治理规则。
