“知周乎万物，而道济天下。”这既是人工智能（AI）赋能万千行业，服务国家与人民的历史使命，也是引领科技前沿、实现万物智能的时代定位。今年，全球发展面临诸多新形势和新挑战，这带来了不确定性的同时，也让人们对人工智能的未来有了更高的期待。

人工智能下一个发展周期的动态和趋势是什么？8月29日至30日，主题为“智周万物”的2020年中国人工智能大会（CCAI 2020）在南京举办。“联邦学习”“算法、算力、交互”“两类AI与封闭性挑战”……以学术突破引领技术创新为目标，全球的AI顶级科学家、学术界精英和产业界领袖集中分享最新研究成果，带来一场学术盛宴。

变局中开新局，AI加速企业迭代升级

“我们集团在全国有600个项目，总员工数达到8万人，通过AI把任命制管理统筹结合起来，成为建筑企业转型的一种尝试。”南通三建控股有限公司副董事长、总裁周炳高在大会上表示，大数据、人工智能让管理更加顺畅，也让企业生产更加顺畅，加速了企业的迭代升级。“工业机器人减少了安全事故的发生，提高了工程质量。与此同时，一个机器人可以抵6个工人的效率，效率的提升也是显而易见的。”

人工智能让我们和宇宙的距离也拉近了一步。中国民营火箭探索的领路人和创业者、蓝箭航天创始人CEO张昌武表示，在原来的民营航天领域，不管是火箭、卫星还是飞船，更多是硬件驱动，但未来的航天器将更多是数据驱动。他认为，基于数据驱动，航天企业能够具备更加便捷的生存能力，复杂的产品也能更快速地作为一个商品批量生产出来。“航天领域是未来拓展人工智能落地过程中一个非常重要的场景，因为这涵盖了从设计到制造、测试到发射的完整流程。数据量决定了在这样一个复杂系统里面人工智能与生产力之间的关系。”

数字经济的新时代，各行各业如何把握智能化、数字化机遇，在危机中遇新机，在变局中开新局？清华大学经济管理学院副院长陈煜波教授认为，决策层的决心，是数字化转型是否能高效进行的决定性因素。“数字化转型面临的最大挑战往往不是技术问题，而是战略和组织架构问题，这就需要决策者能够在同一个高度上达成共识。”

近年来，我国围绕AI在新基建、产业升级等领域中的重要作用开展了广泛而深远的战略布局。江苏作为经济发展排头兵，积极落实国家科创战略，发挥联合与催化作用，联合产学研各界力量，洞察产业变革趋势，助力区域数字经济建设，为智能产业发展探索新思路、新模式与新业态。“近年来江苏大力发展AI产业，依靠人才规模、产业政策等优势，在智能软件、智能硬件、智能平台、机器人等方面建立了一定的产业优势，打造了较为完整的智能生态体系。”江苏省科学技术协会副主席徐春生在大会上表示。而南京作为全省AI发展的产业高地，将AI与实体产业、社会民生、生态建设深度融合，目标到2025年建成全国人工智能创新发展引领区和具有全球影响力的人工智能创新应用示范城市。

“联邦学习”开展新一代AI算法研究

虽然AI应用越来越广泛，但正如专家所言，对于AI的发展应保持谨慎的乐观态度。当前AI还面临诸多挑战，例如数据孤岛问题、隐私保护问题、安全问题、如何从感知智能发展到认知智能等，突破这些瓶颈或许才是人工智能走得更远的关键。

其中数据孤岛和隐私保护问题是当前AI大规模产业化应用过程中遇到的突出问题。对此，人工智能国际专家、香港科技大学杨强教授的答案是：开展新一代AI算法研究，突破数据孤岛和小数据的限制，同时保护数据安全和用户隐私。这个答案的背后是一项新的技术，叫做“联邦迁移学习”。

“AI技术如果是火箭引擎，大数据就是燃料。但是数据量的激增并不意味着真正的‘大数据’时代的到来。多数行业中是数据质量不高的‘小数据’，是一个个数据孤岛。”杨强认为，这样的数据割裂严重。

如果面临的是“小数据”，就找到一个类似的“大数据”，举一反三，帮助只有“小数据”的任务运用来自其他相关任务的“大数据”从而获得更好的表现，使得建立的模型能够更可靠、鲁棒性好，不受外界干扰。这在AI落地应用上是非常重要的一个特性，同时也能够防止隐私泄露。这种从源领域迁移到目标领域的方式如今在金融、工业、信息流推荐等领域都有应用。“联邦学习的精髓在于不仅可以在数据不出本地的前提下解决共享问题，还可以确保隐私安全。”

虽然“迁移学习”可以有效解决“小数据”的问题，但实际上现在面临的不仅是“小数据”，还有“数据割裂”“数据孤岛”问题。杨强认为，这不再只关乎于技术，不能通过简单的数据整合解决，而是要克服政策、监管、技术等多维度难题。此时“联邦学习”提供了新的思路——让多方参与，共同建模。

“不是人工智能发展产生了泡沫，而是算力遇到了瓶颈。”中国人工智能学会理事长、中国工程院院士戴琼海，对人工智能发展面临的关键问题进行了深度剖析。他表示，当前的AI，尤其是以深度学习为代表的技术取得了一些重要进展，但对计算资源提出了非常苛刻的要求。这就需要思考如何设计颠覆性的计算范式与技术，以更好地满足AI发展的算力需求。

另一方面，现有的AI优势主要体现在具体任务上，与人类的认知能力相去甚远，这就需要思考如何从脑与认知科学的角度推进AI的突破发展，智能、智力的发展不是静态的“大脑”，需要一个“AI身体”与环境和人类交互。“未来机器人发展速度会非常快，因此会造成协同性问题，人和机器人之间怎么协同问题，还有安全、隐私、公平问题，这都是我们说的以人为本、服务于人类，这是宗旨目标。”戴琼海院士认为，协同交互是AI 赋能的最核心的部分。AI不是成为人类，更不是取代人类，而是赋能人类。

戴琼海院士还指出，早期图灵测试已无法适应当前人工智能的内涵与外延，如何建立新的人工智能测试体系也是在未来需要重点考虑的内容。

“封闭性”是AI产业化落地的一个思路

深度学习使得人工智能相关技术取得了很大进展，但深度学习过于依赖大数据，计算复杂度和能耗也特别高。随着深度学习红利不再突出，AI未来的发展路径在哪里？还有哪些理论前沿问题值得研究和探索？

“传统的人工智能更确切的应该叫计算机智能，而我希望把新一代人工智能叫做类脑智能，如今各个国家都开展了脑科学计划，也给我们带来了一些新启发。”中国人工智能学会名誉理事长、中国工程院院士李德毅表示，新一代人工智能应该是“可交互的、会学习的、能进化的、无意识的”。

什么是智能？李德毅提出，智能就是学习的能力、解释和解决问题的能力，“把学习看作是智能的基本能力，人工智能的机器人也是如此。”此外，人工智能应当是人类智能的体外延伸。从伦理角度而言，AI若能够反作用于生命，可能要十分谨慎。

事实上，机器人至今还没有办法区分“我”和“非我”，这意味着AI还无法建立自我意识。李德毅认为，我们还是要敬畏生命，敬畏自然。“从人类文明五千年历史看，AI的历史才几十年，应先把精神和意识与生命体紧紧扣在一起，而暂时将意识与人工智能剥离。智能和智慧适当分开一点，就像计算机智能一样，就把计算当作智能。”

“展望未来15年，通过封闭化让人工智能走进产业，是AI产业化落地的一个思路。”中国科学技术大学机器人实验室主任陈小平教授说。

AI技术应用的封闭性是指用确定技术完全描述一个应用场景，陈小平举例，如阿尔法狗下围棋，体现为把362个落子情况都考虑到了。“这告诉我们现有产业只要可以满足封闭性条件，AI是可以奏效的。更长远意义要考虑AI是不是一定要模仿人，阿尔法狗没有完全模仿人，它超过人的思考。”陈小平说。

从长期的观点看，对于未来人类应该发展什么样的AI，封闭性提供了某种助力和评判标准。“未来人工智能肯定会向着非封闭性方向努力，那么我们就可以提前考虑：哪些非封闭性问题可以放心地交给AI，哪些不可以。如果一些问题需要交给AI，就需要考虑应采取什么风险防范措施。”而现有AI技术不可能控制人类，所以真实的风险是技术误用，比如隐私、安全、公平性等方面的现存问题和未来隐患。“这样，我们就能够更有针对性地聚焦和解决现有AI的误用风险。”

人类需要更多的是工具，需要机器服务于人，而不是把人类替代掉。所以人工智能应该让人类更加智慧、更加尊严、更加优雅地生活。这是我们共同的愿景。