人工智能,简称AI,自诞生以来,已经发展了60多年。近年来,AI在全球范围内大热,成为学界、业界创新研究的对象,创业公司风起云涌,巨额投资不断涌现,科技巨头也不断加码,科研、资本和人才在AI上的投入也越来越多。然而各方面的助力,是否给AI带来了发展的契机,AI技术发展了六十年却迟迟不见成熟又是什么原因?到底是什么在阻碍着AI 的发展。
在今天回看,2017年或许是中国人工智能发展的一个重要节点。2017年,“人工智能”首次被写入全国两会政府工作报告,与此同时,2017年乌镇围棋峰会上,AlphaGo以3:0的总比分战胜排名世界第一的世界围棋冠军柯洁,引发全民关注。“人工智能是否已全面超越人类”,“人工智能会不会取代人类”等问题也成为热点话题。
也是从2017年开始,人工智能风起云涌。一夜之间,仿佛所有的公司都变成了人工智能公司。资本、人才向人工智能领域快速涌入。“人工智能”成为科技界、学界、企业界最热门、最受追捧的词汇之一。各大互联网公司都大力加码推进人工智能研发。
从以上来看,人工智能可以说已经迎来一个非常好的时代,但是热闹背后也存在着问题。比如这股热潮更多是产业界、投资界推动的,而学界和基础研究领域上并没有进行变革,人才缺口问题也没有得到解决。
同时,AI在实际应用与落地中还面临着非常多的挑战,尤其是数据问题。AI研究需要的各类数据分散在不同企业中,人们口中常说的理想状况的“大数据”并不存在。
目前,人工智能的创新成果在各领域已有落地应用,推动了各行各业的技术进步、效率提升和商业模式变革。其中,金融行业是最被看好的AI应用领域之一,AI+金融是“智能+”的重中之重。
一方面,金融行业的信息化建设起步较早,且行业内极其重视数据的标准化和规范化采集,因而拥有大量累积数据,这些数据为人工智能的应用提供了坚实的基础;另一方面,以银行、保险、证券公司为例,金融业的主要业务都是基于大规模数据展开的,大量繁琐的数据处理工作,急需自动化和智能化的变革来解放人力;此外,金融普惠化和场景化的创新,也需要新的技术手段来提供支持,而人工智能与金融的结合,无疑为金融创新提供了更多的可能。
数据的复杂性、孤立性和隐私安全等问题,是困扰和制约AI深化发展和应用落地的关键因素。如何解决这些数据难题,打破数据孤岛,建立真正的“大数据”,同时更好地保护数据隐私和安全,成了当下AI发展必须解决的问题。
面对这些难题,AI新一代的机器学习算法框架,应该以保护隐私、安全合规为出发点,进行合理的解释,用透明的推理机制来保障人工智能的健康发展。
那么,中国AI的未来前景又怎样?多位专家学者都曾表示,中国在AI方面的应用会是全世界规模最大的,前景非常好,但在基础研究方面仍需持续努力。当然,AI生态的建设与大数据的构建还需要不同的企业、学者、研究机构联合起来,共享技术、分享数据、团结力量,共同解决数据孤岛和用户隐私问题。