11位科學家眼中的WAIC：當科學家開始關注市場

人工智能技術評論報告

"陽春的雪越來越少，煙花也越來越重。

這是今年世界人工智能大會（WAIC）最直覺的體驗。

從科學家的角度來看，這種"陽春雪"與"煙花"的碰撞有着更深層次的含義。

在人工智能從理論研究、技術應用到産業鍊産業化方面，科學家處于最上遊的位置。但近年來，越來越多的科學家從學術界轉向工業界。如何從行業的角度思考，是他們需要做出的最大改變。

WAIC作為行業會議，是這一變化的試金石。

在WAIC，AI Technology Review會見了11位科學家。他們有不同的研究領域，但有一點是一樣的，他們與行業緊密相連，要麼直接與一家公司聯系，要麼雖然人們還在學術界，但與企業有着密切的合作。

在現場，11名科學家分享了他們在WAIC現場的所見所聞和想法。在他們看來，

人工智能領域在大資料、大計算、大模型等領域的研究進展仍然令人印象深刻，但在WAIC，這種"技術"正在轉變為"技術"，科技公司正在俯下身來，以更接地氣的方式向日常生活解釋其技術的微妙變化。

大象是看不見的，響亮的聲音是響亮的。當大資料、大計算、大模型作為AI發展的代表時，在一定程度上，卻讓人難以察覺到其中的變化，而科技公司在AI基礎設施、AI與産業上的進一步融合，這恰恰是在這個WAIC中，觀衆感受到的炫目技術和應用的少了些原因。

這也是AI發展的新階段：如果說幾個WAIC，AI更多的是一種"自上而下"的驅動範式，通過炫酷的研究成果，激發普通使用者對AI的關注;

這也給科學家提出了新的問題：他們不僅關注人工智能從感覺到決策的方式的變化，還關注這種驅動範式的轉變對他們研究價值的影響。當科學家開始關注市場時，他們也許能夠看到更多 - 這是人工智能的又一次飛躍。

（以下排名不按任何順序排列）

曹楊強：科學家需要能夠弄清楚他們在整個産業鍊中的工作在哪裡

與學術會議相比，世界人工智能大會有很多新的特點，比如登陸應用的案例很多，而且更強調這些案例，我認為這是一個好處，對于科學家來說，應該更關注人工智能和實際應用的這個交叉點，同時，科學家應該能夠說出自己的工作， 在整個産業鍊中的地位，而不僅僅是追求準确性、錯誤率等更抽象的名額。

我認為今年的世界人工智能智能大會有幾個亮點特别有意義，第一個是比較國際化的，我們在開幕式上看到了很多來自世界各地的IJCAI董事會成員;科學家和工業界都越來越意識到人工智能本身的不足，如何彌補這些缺點已成為熱門話題。

另一個特點是年輕人的參與度增加，特别是這次，IJCAI和上海人工智能協會，包括WAIC，主辦了IJCAI YES青年學術會議，有數百名年輕科學家和行業上司者。同時，IJCAI與WAIC的深入合作，不僅在WAIC的開幕式上，還設立了常設辦事處。7月9日還舉行了IJCAI WAIC早跑，WAIC的參與者和上司參加了這次跑步，這是WAIC國際化和社會化的象征。

<h2 頭條原點="h3"></h2>

京東執行副總裁何曉東：人工智能可以帶來真正的生産力提升

縱觀單點技術的改進，今年WAIC的亮點之一是，有許多行業AI展覽，例如銀行銀行展台，展示了AI可以帶來的真正的生産力提升。自2016年alphaGo對公衆産生影響以來，我們已經看到人工智能學術界在過去五年中蓬勃發展，出現了許多新算法。而未來5年，将是一個大規模的技術落地行業視窗期，相信在跨領域技術整合和産業落地中将會出現更多亮點。

事實上，普通大衆可能更傾向于關注單點AI技術，如語音識别、語言了解、圖像識别和生成，但對高複雜度問題缺乏了解。以人機對話和互動為例，普通人隻看到語音識别，或者進一步到語言了解，但實際上，對話的本質是雙方對話之間的持續博弈和決策，隻有語音識别作為對話的核心技術，就像圖像識别作為Go AI的核心技術一樣， 不能真正解決問題。從這個角度來看，新的機會在于從更高的層次看待人工智能的發展，關注更重要的技術問題，關注更大、更複雜的系統。

在今年的WAIC上，JD.com 展出了衆多AI産品和服務，最值得介紹的是京東.com的智能客戶服務打造"數字銀行櫃員"，該解決方案結合了尖端的智能語音、智能對話和虛拟數字人類技術，結合金融知識和行業訣竅，在各種客戶服務、營銷、投資等場景下為客戶提供高效的智能服務， 可實作獨立響應、主動服務、品質檢驗與合規、智能工作台、員工教育訓練、客戶洞察等全流程服務。

人工智能教育研究所所長王世進表示，科學家應該更加注重人工智能應用的介紹和了解。

從大會的主題來看，我們可以看到，從"人工智能賦能新時代"開始到聚焦城市發展，這代表了人工智能産業化越來越深入的應用，參與其中的參與者趨于理性和成熟。

與此同時，安全挑戰也在不斷增加。去年，ATIC、中國科學院院士姚世智在開幕式上強調，"将人工智能與'多方計算'技術相結合，有望實作資料隐私保護。"今年，許多與會者提到了隐私計算技術。可以預見，隐私計算将迎來爆炸性的研究和應用，這對隐私保護乃至國家安全具有重要意義。

在今年的WAIC中，智能駕駛是重點概念之一。作為人工智能、下一代通信技術與傳統汽車技術跨界融合的新興産品，智能駕駛技術的生産和商業化越來越值得期待。

在目前國家實施建立面向需求的科技成果轉化機制的背景下，科技創新作為國家戰略，在此背景下，科學家需要更加注重支援經濟社會發展的戰略性、基礎性、主導性産業，努力解決"卡脖子"問題。人工智能應用從過去的紙面上或令人眼花缭亂的技能，往往實用且服務于國家戰略的需要，我認為這可以說是學術界發展和進步的一種表現。

在這次多行業會議上，科學家們應該更多地關注人工智能應用的介紹和了解，尤其包括探索和闡明新場景中的新應用，以及如何解決成熟應用中的新問題，包括探索嘗試和計劃的資料驗證。例如，在"AI賦能教育數字化轉型論壇"上，我向與會人員重點介紹了面向教學場景的智慧課堂和個性化學習應用産品，分析了人工智能技術向教學模式的變化以及産品的疊代開發。

哈爾濱工業大學人工智能研究所所長劉偉：人工智能應該落地，評價标準就是效益

人工智能每一次崛起，人們都期望它有能力取代或超越人，但當"興衰"時，人們會發現人工智能遠非真正的智能。這種理想與現實的差距，其實是之前"人工智能寒冬"的原因。

今年的世界人工智能大會相對務實，表現在兩個方面，一是泡沫慢慢擠出，渴望、講故事、畫蛋糕的東西越來越少，另一方面，人工智能的一些非常重大的進步，包括大模型、超大規模計算等，很多新聞報道，讓大家感到一點審美疲勞。

人工智能最終會落地，評價标準才是真正的好處。有人說資料是新的石油，有人說人工智能是新的動力，無論如何，這些"電"必須能夠落地。類比電燈、電話、電梯，隻有創造物聯網或實體智能，才能讓人工智能真正走進千家萬戶，賦能各行各業奔向美好未來。

今年是大會首次在中國設立分會，我們主辦了哈爾濱分會，即突出了哈爾濱的特色，也突出了與上海的互動，希望大家更加關注哈爾濱人工智能的學術和産業進步。

上海交通大學安泰經濟管理學院助理教授李春曉表示：學術方向，行業邊界清晰

我聽到很多聲音高喊"是時候反思了"，畢竟，這股人工智能浪潮已經持續了很長時間，我們真的需要弄清楚哪些理論沒有跟上，哪些處于最前沿。在2021年，學術界和工業界都是反思和批評的好機會。

如今以深度學習為代表的人工智能，還處于起步階段，在某些領域是"智能"的，但并不代表"所有飲食領域"。是以，我們應該清楚這個界限，而不是制造人工智能可以在任何地方玩的誤解。難道之前的每一次人工智能浪潮都不從這種誤解中退卻了嗎？

目前的人工智能仍然是基于感覺的，但在實際情況下，它需要與感覺和認知相結合，是以學術界的研究趨勢應該是：擴大感覺層的研究，同時積極探索認知理論的研究。

事實上，行業有些事情還不清楚，例如：1.不清楚哪些場景适合AI處理;2.沒有明确的AI無法處理哪些場景。另外，還有一些基本的事實，我想提醒大家：知識圖譜隻能解決一部分認知問題;

中國是技術的積極擁抱者，從政府對人工智能的支援中可以看出。但世界人工智能大會也可以看到一些"偏好"：更強調應用，太少強調科學。隻有科學進步，才能用技術解決行業的痛點，幫助我們實作更好的生活。

明利科技深度學習實驗室負責人唐達飛躍表示："人工智能産業未來将能夠重蹈計算機産業的輝煌。

這個WAIC有兩個值得關注的新趨勢，一個是AI賦能，除了感覺之外，還需要"認知"參與，兩者的結合可以幫助甚至取代人類的決策;

從今年的世界人工智能大會可以看出：雖然智能無處不在，但人類智力輔助決策仍有相當的延伸距離，而AI計算機硬體制造商正在尋求合作，但仍然難以突破國際巨頭（NVIDIA）。

AI産業正在向前發展，人們甚至資本都希望對落地案例、場景、産品有真正的感悟，才能延續對AI産業的信心。AI企業也必須拿出接地氣的結果來證明自己在這個領域不斷進步并占據一席之地，這叫"無陽春雪"。現在AI的概念和趨勢已經向公衆普及，就要應對AI可以改變工作和生活的期望，這個過程自計算機普及以來的十年中一直在重複，我希望AI行業能夠重蹈計算機行業的輝煌。

張慧初，教育學首席科學家：AI發展，人才至上

人工智能發展不僅需要關注學術前沿和技術落地，還需要關注人才。在今年的大會上，人才發展的話題被以前所未有的重要地位提及。5個專題論壇活動，涵蓋青年、産業人才、創新人才、青年科學家教育訓練。

AI賦能各行各業，需要的是通用人工智能思維的普及和素養的提高，每個人都需要認識到AI技術在自己職業、專業上的價值。今年的會場可以看到很多孩子，甚至有在校學生參觀，"人工智能從娃娃抓"已經開始結出果實。

艾科技核心技術的突破離不開頂尖人才的創新，對科學家的培養有創新模式和政策支援。在"天才"比例不變的情況下，我們需要擴大人才基礎，才能使中國在人工智能競争中保持領先地位，率先進入強人工智能甚至超人工智能時代。

中電金鑫研究院副院長孫海軍：人工智能技術的發展從技術驅動到市場驅動

WAIC2021有幾個明顯的看法，總結為幾個關鍵詞：市場，安全和轉型。

首先，人工智能技術的發展從技術驅動轉向市場驅動，AI企業已經從專注于前沿技術、探索落地場景的可能性，轉向圍繞特定場景引入成熟的解決方案。本次展會有大量國内AI初創企業，涵蓋晶片，AI平台到AI算法到智能業務，展現了火爆務實的市場;

其次，資料安全和隐私保護已成為新的行業熱點。從主題分論壇來看，隐私計算學術交流、可信AI論壇等成為關注的焦點;相信在政策和技術的推動下，它将成為未來幾年人工智能領域的重要業務。

第三，傳統行業廠商已經開始大量接觸"AI"，施耐德電氣、國家電網、上汽集團等産品和商家都大量采用AI技術，說明AI技術在新一輪的普及和行業轉型中正在深入。

中電還參加了IJCAI YES，這是由IJCAI和WAIC共同組織的學術會議，WAIC是會議的鑽石贊助商。AI的學術研究和産業融合越來越近，我認為無論是學術還是工業，未來肯定在年輕人身上，是以舉辦青年大會就是要給這些年輕人一些展示舞台，給他們更多的合作機會，可以更好的推動我們AI學術青年的發展， 會議的意義就在這裡。

華為諾亞方舟決策與推理實驗室主任翟建業：感覺AI正在走向地面，但AI對決策的投入仍然不足。

近兩三年來，人工智能技術的發展相對平穩，曆來所有技術方向都經曆了相對平坦的階段。現階段，需要更加注重技術前端和平台系統的改進，使技術更好地沉澱、落地。

從這個角度來看，大會的整體内容感覺更加務實，聚焦于AI技術背後軟硬體平台的落地與安全、倫理等問題。如果沒有相關配套軟硬體的支援，包括更大的環境，那麼一個尖端的技術可能隻是一個空中展館。

從AI技術演進來看，大規模預訓練模型還是比較新的東西，目前，隻有少數企業或科研機構有足夠的計算來支援，對于NLP和CV模型如何落地在未來大規模也是行業需要不斷探索和思考的問題。展望未來，除了感覺、認知，更重要的是決策的方向。該領域的主流技術是加強學習，目前距離大規模落地還有一定的距離。對于普通大衆來說，這項技術的知識相對較少。要通過這樣的會議，進一步擴大非AI人群對決策智能的認識，進而加大對決策智能的投入。

此外，WAIC與一般的學術會議不同，背景非常多元化，包括來自各行各業的專家、企業家和政府人員。我建議科學家或研究人員分享他們對研究方向的看法，例如人工智能技術如何影響整個社會的發展？AI的大方向應該從哪些具體角度發展？包括AI安全、倫理和解釋等，而不是展示尖端技術的複雜技術細節。

黃偉，複旦大學計算機科學與技術學院教授：揚春雪不應該是AI大會的目的

會議的AI感覺越來越強，但亮點很難找到。以AI Summit的最佳論文為例，預訓練模型獲得了NAACL 2018，NAACL 2019和NeurIPS 2020的最佳論文。但這是個例外，而更多頂部的最佳論文仍然是一個漸進的突破，而不是颠覆性的突破。

也許我們可以專注于尚未産生足夠進階結果的話題，也許這包含了未來的亮點，例如負責任的AI，環保AI，大腦接口等。

WAIC的約定覆寫上層應用于底層架構。大衆虛拟偶像、自動駕駛引導小巴、低空配電無人機網絡等應用熱鬧非凡，底層AI平台更加精彩。多家企業釋出了超大規模的預訓練模型，将漢語自然語言處理提升到了新的高度。展望國内AI平台，國内人工智能的研究、應用和産業落地可以更加精彩。

我認為AI大會必須肩負起一項使命，就是要把最新的學術進展、最有價值的産業應用介紹給媒體、監管、大衆，讓人工智能走進人心，走進生活和工作，更加接地氣。揚春雪不應該是AI大會的目的。

WAIC在強調人工智能技術應用的同時，也引起了學術界的關注。此外，除了網際網路、人工智能行業，還有不少人來自制造業、金融行業的觀衆。如果科學家想在WAIC上更好地展示自己，他們建議學習諸如"如何做TED演講"之類的技術，而不是試圖向公衆介紹整個研究領域，而是設計引人入勝的開場白，詳細說明内容并很好地講述故事。另一個想法是采取靈活多樣的表達形式，如在AI TIME組織的"圖形神經網絡與認知智能前沿技術論壇"圓桌讨論中，就設計有争議的問題，讓客人表達自己的觀點，碰撞出思想的火花，同時鼓勵觀衆提問， 收到了良好的結果。

阿裡巴巴達摩研究所人工智能科學家楊紅霞：預訓練技術是商業落地的一大驚喜

人工智能在"聽、說、看"等感覺智能領域已經達到或超過了人類标準，但在認知智能領域，需要外部知識、邏輯推理或領域遷移，仍處于起步階段。認知智能被認為是下一代人工智能的關鍵突破，超大規模的預訓練模型被認為是認知智能的基礎設施。

自BERT以來，NLP預訓練領域一直在從小到大發展，模型從文本到多模态。這些研究從各種角度來看都是創新的，并且已經出現了許多令人興奮的結果。在許多研究中，開放AI的GPT3和DAL-E值得注意，展示了更好的語言，邏輯和跨模态了解。

在國際上，谷歌、微軟（OpenAI）和英偉達已經突破了萬億參數尺度，目前北京智遠研究院和阿裡巴巴達摩研究所已經開發了萬億級參數的預訓練模型，實作了強大、通用的多模态編碼器和生成器，甚至實作了一些場景的商業化，我們發現随着參數規模的增加， 預訓練模型表現出一定程度的推理和創造力。

可以預見的是，預訓練技術的出現為軟硬結合、新型商業化模式等帶來了巨大的機遇。這就是WAIC讓我感到驚訝的地方，并期待未來更多基礎的現場技術登陸。

中國科學院自動化研究所研究員王金橋：科學家需要從碎片化場景中提煉出共同需求，設計出更一般的模型。

話題創新和酷炫的演講并不能解決AI套現的問題，但AI更加務實，不再被To VC吹捧。模型和算法正在滲透到場景深處的細節中，越來越與實際業務保持一緻，從點線表面形成SaaS服務的資料場景和閉環，即知道如何更好地了解場景。我認為這也是向前邁出的一步 - 将AI變為現實。

AI企業将細分場景從算法輸出轉移到提供整體解決方案上，場景變得更加碎片化，場景越來越内在内，傳統企業開始布局AI，進而加劇了細分行業的競争。

AI的酷炫光環正在消退，強調紙張的新方法，酷炫的示範往往與現實世界應用的需求存在差距。當我們談論人工智能時，我們越來越紮實，我們不會說"有多少博士，多少自然論文"。

此外，人工智能作為基礎設施，特别是預訓練大模型、智能計算中心的出現，也将改變目前人工智能模式的算法研發模式，"多模态加大模型、多任務"成為重要方向。随着大模型的發展，資料的爆炸式增長，人工智能正在成為新的生産力工具，計算能力已經成為生産力，資料已經成為新的生産力資料，城市層面的智能計算中心将成為支撐智能城市的重要基地，推動城市數字化和産業化智能化更新。

作為科學家，我們應該通過本次會議與行業現場的專家進行交流，從兩個方面介紹自己的科研方向：一方面，場景與AI相結合創新，深入細分場景解決AI的應用問題，從模型、硬體和算法等方面進行系統分析， 通過一線實踐解決實際問題;增強模型的泛化。

您可能再也無法按時收到來自AI技術評論的推送，因為微信公衆号正在嘗試無序推送。為了首次收到AI技術評論，請将"AI技術評論"設定為明星帳戶檢視。