人工智能抗击疫情尚需重视“软基建”

在线教育，远程办公，无人配送，健康监测，数据研判……在新型冠状病毒感染的肺炎疫情防控中，以人工智能为代表的新兴科技，渗透进社会运行的方方面面。4月9日上午，在中国科协学会学术部、中国科学报、腾讯科协和腾讯集团发展研究办公室主办的人工智能科技与经济融合新引领线上研讨会中，中国工程院院士李国杰指出，人工智能在疫情防控中发挥了巨大作用，但总体来说，仍有较大提升空间。“表现好的领域，靠的是过去的数据积累；缺数据的领域做得就不太顺，比如病毒溯源。”李国杰说。

最近，“新基建”成了热词。5G网络、工业互联网、物联网等网络基础、数据中心等数字基础、人工智能等运算基础，成为必要而普遍的新型基础设施。李国杰指出，还要高度重视“软基建”，也就是大力共建共享人工智能基础数据平台、训练平台和软硬件工具链。

深度学习克服不了对数据的高度依赖。“人工智能和大数据实际上是一对双胞胎，人工智能复兴主要是靠数据智能或者计算智能。做得好的人工智能应用，都对数据有强烈需求。”李国杰表示，缺乏高质量数据会成为人工智能发展的瓶颈。因此，要构建基础数据平台。深度学习效果的好坏，也要依赖训练，因此得充分利用搭载国产芯片的高质量人工智能训练平台，推动人工智能训练的共享，形成公共服务体系。“现在发展数字经济，就要大力发展人工智能应用需要的各种工具库、算法库、软件库，打造一个完整的工具链，大大降低人工智能应用开发门槛。”

中国科学院计算技术研究所研究员山世光也看到了软件平台的问题。“我国在基础硬件平台上的投入大，但在基础软件平台上的投入则相对较少。和国外发达国家相比，我们落后至少4—8年。”山世光指出，深度学习的主流底层框架建设在北美，虽然最近我国也有不少动作，百度、华为这样的企业都在布局，但没有形成合力。“或许再过5到10年，我们就需要大量能够完成简单但应用面较广的人工智能算法的人工智能人才。”山世光表示，在低门槛的人工智能研发平台和工具打造方面，我国应该抢占先机。

具体到人工智能的应用上，李国杰强调，应用和基础研究是两个不同的课题，有截然不同的目标和任务。在发展人工智能产业时，要强调的是技术的融合，是用技术解决实际问题。他举了个例子——健康码。码的智能含量并不高，但在疫情期间，它成了每个人的健康证明。“这就解决了最刚性的需求。”李国杰说，如果再往健康码里注入些智能，比如行为轨迹，比如何时和确诊者有接触、接触了多久……做得好了，它就能大大减轻疫情防控工作人员的负担。“企业要把人工智能当成求解的方法，它不是‘老大’。人工智能应该是蛋糕上的奶酪，要把蛋糕看得更重一些。”李国杰强调。