11位科学家眼中的WAIC：当科学家开始关注市场

人工智能技术评论报告

"阳春的雪越来越少，烟花也越来越重。

这是今年世界人工智能大会（WAIC）最直观的体验。

从科学家的角度来看，这种"阳春雪"与"烟花"的碰撞有着更深层次的含义。

在人工智能从理论研究、技术应用到产业链产业化方面，科学家处于最上游的位置。但近年来，越来越多的科学家从学术界转向工业界。如何从行业的角度思考，是他们需要做出的最大改变。

WAIC作为行业会议，是这一变化的试金石。

在WAIC，AI Technology Review会见了11位科学家。他们有不同的研究领域，但有一点是一样的，他们与行业紧密相连，要么直接与一家公司联系，要么虽然人们还在学术界，但与企业有着密切的合作。

在现场，11名科学家分享了他们在WAIC现场的所见所闻和想法。在他们看来，

人工智能领域在大数据、大计算、大模型等领域的研究进展仍然令人印象深刻，但在WAIC，这种"技术"正在转变为"技术"，科技公司正在俯下身来，以更接地气的方式向日常生活解释其技术的微妙变化。

大象是看不见的，响亮的声音是响亮的。当大数据、大计算、大模型作为AI发展的代表时，在一定程度上，却让人难以察觉到其中的变化，而科技公司在AI基础设施、AI与产业上的进一步融合，这恰恰是在这个WAIC中，观众感受到的炫目技术和应用的少了些原因。

这也是AI发展的新阶段：如果说几个WAIC，AI更多的是一种"自上而下"的驱动范式，通过炫酷的研究成果，激发普通用户对AI的关注;

这也给科学家提出了新的问题：他们不仅关注人工智能从感知到决策的方式的变化，还关注这种驱动范式的转变对他们研究价值的影响。当科学家开始关注市场时，他们也许能够看到更多 - 这是人工智能的又一次飞跃。

（以下排名不按任何顺序排列）

曹杨强：科学家需要能够弄清楚他们在整个产业链中的工作在哪里

与学术会议相比，世界人工智能大会有很多新的特点，比如登陆应用的案例很多，而且更强调这些案例，我认为这是一个好处，对于科学家来说，应该更关注人工智能和实际应用的这个交叉点，同时，科学家应该能够说出自己的工作， 在整个产业链中的地位，而不仅仅是追求准确性、错误率等更抽象的指标。

我认为今年的世界人工智能智能大会有几个亮点特别有意义，第一个是比较国际化的，我们在开幕式上看到了很多来自世界各地的IJCAI董事会成员;科学家和工业界都越来越意识到人工智能本身的不足，如何弥补这些缺点已成为热门话题。

另一个特点是年轻人的参与度增加，特别是这次，IJCAI和上海人工智能协会，包括WAIC，主办了IJCAI YES青年学术会议，有数百名年轻科学家和行业领导者。同时，IJCAI与WAIC的深入合作，不仅在WAIC的开幕式上，还设立了常设办事处。7月9日还举行了IJCAI WAIC早跑，WAIC的参与者和领导参加了这次跑步，这是WAIC国际化和社会化的象征。

<h2 头条原点="h3"></h2>

京东执行副总裁何晓东：人工智能可以带来真正的生产力提升

纵观单点技术的改进，今年WAIC的亮点之一是，有许多行业AI展览，例如银行银行展台，展示了AI可以带来的真正的生产力提升。自2016年alphaGo对公众产生影响以来，我们已经看到人工智能学术界在过去五年中蓬勃发展，出现了许多新算法。而未来5年，将是一个大规模的技术落地行业窗口期，相信在跨领域技术整合和产业落地中将会出现更多亮点。

事实上，普通大众可能更倾向于关注单点AI技术，如语音识别、语言理解、图像识别和生成，但对高复杂度问题缺乏了解。以人机对话和交互为例，普通人只看到语音识别，或者进一步到语言理解，但实际上，对话的本质是双方对话之间的持续博弈和决策，只有语音识别作为对话的核心技术，就像图像识别作为Go AI的核心技术一样， 不能真正解决问题。从这个角度来看，新的机会在于从更高的层次看待人工智能的发展，关注更重要的技术问题，关注更大、更复杂的系统。

在今年的WAIC上，JD.com 展出了众多AI产品和服务，最值得介绍的是京东.com的智能客户服务打造"数字银行柜员"，该解决方案结合了尖端的智能语音、智能对话和虚拟数字人类技术，结合金融知识和行业诀窍，在各种客户服务、营销、投资等场景下为客户提供高效的智能服务， 可实现独立响应、主动服务、质量检验与合规、智能工作台、员工培训、客户洞察等全流程服务。

人工智能教育研究所所长王世进表示，科学家应该更加注重人工智能应用的介绍和理解。

从大会的主题来看，我们可以看到，从"人工智能赋能新时代"开始到聚焦城市发展，这代表了人工智能产业化越来越深入的应用，参与其中的参与者趋于理性和成熟。

与此同时，安全挑战也在不断增加。去年，ATIC、中国科学院院士姚世智在开幕式上强调，"将人工智能与'多方计算'技术相结合，有望实现数据隐私保护。"今年，许多与会者提到了隐私计算技术。可以预见，隐私计算将迎来爆炸性的研究和应用，这对隐私保护乃至国家安全具有重要意义。

在今年的WAIC中，智能驾驶是重点概念之一。作为人工智能、下一代通信技术与传统汽车技术跨界融合的新兴产品，智能驾驶技术的生产和商业化越来越值得期待。

在当前国家实施建立面向需求的科技成果转化机制的背景下，科技创新作为国家战略，在此背景下，科学家需要更加注重支持经济社会发展的战略性、基础性、主导性产业，努力解决"卡脖子"问题。人工智能应用从过去的纸面上或令人眼花缭乱的技能，往往实用且服务于国家战略的需要，我认为这可以说是学术界发展和进步的一种表现。

在这次多行业会议上，科学家们应该更多地关注人工智能应用的介绍和理解，尤其包括探索和阐明新场景中的新应用，以及如何解决成熟应用中的新问题，包括探索尝试和计划的数据验证。例如，在"AI赋能教育数字化转型论坛"上，我向与会人员重点介绍了面向教学场景的智慧课堂和个性化学习应用产品，分析了人工智能技术向教学模式的变化以及产品的迭代开发。

哈尔滨工业大学人工智能研究所所长刘伟：人工智能应该落地，评价标准就是效益

人工智能每一次崛起，人们都期望它有能力取代或超越人，但当"兴衰"时，人们会发现人工智能远非真正的智能。这种理想与现实的差距，其实是之前"人工智能寒冬"的原因。

今年的世界人工智能大会相对务实，表现在两个方面，一是泡沫慢慢挤出，渴望、讲故事、画蛋糕的东西越来越少，另一方面，人工智能的一些非常重大的进步，包括大模型、超大规模计算等，很多新闻报道，让大家感到一点审美疲劳。

人工智能最终会落地，评价标准才是真正的好处。有人说数据是新的石油，有人说人工智能是新的动力，无论如何，这些"电"必须能够落地。类比电灯、电话、电梯，只有创造物联网或物理智能，才能让人工智能真正走进千家万户，赋能各行各业奔向美好未来。

今年是大会首次在中国设立分会，我们主办了哈尔滨分会，即突出了哈尔滨的特色，也突出了与上海的互动，希望大家更加关注哈尔滨人工智能的学术和产业进步。

上海交通大学安泰经济管理学院助理教授李春晓表示：学术方向，行业边界清晰

我听到很多声音高喊"是时候反思了"，毕竟，这股人工智能浪潮已经持续了很长时间，我们真的需要弄清楚哪些理论没有跟上，哪些处于最前沿。在2021年，学术界和工业界都是反思和批评的好机会。

如今以深度学习为代表的人工智能，还处于起步阶段，在某些领域是"智能"的，但并不代表"所有饮食领域"。因此，我们应该清楚这个界限，而不是制造人工智能可以在任何地方玩的误解。难道之前的每一次人工智能浪潮都不从这种误解中退却了吗？

目前的人工智能仍然是基于感知的，但在实际情况下，它需要与感知和认知相结合，因此学术界的研究趋势应该是：扩大感知层的研究，同时积极探索认知理论的研究。

事实上，行业有些事情还不清楚，例如：1.不清楚哪些场景适合AI处理;2.没有明确的AI无法处理哪些场景。另外，还有一些基本的事实，我想提醒大家：知识图谱只能解决一部分认知问题;

中国是技术的积极拥抱者，从政府对人工智能的支持中可以看出。但世界人工智能大会也可以看到一些"偏好"：更强调应用，太少强调科学。只有科学进步，才能用技术解决行业的痛点，帮助我们实现更好的生活。

明利科技深度学习实验室负责人唐达飞跃表示："人工智能产业未来将能够重蹈计算机产业的辉煌。

这个WAIC有两个值得关注的新趋势，一个是AI赋能，除了感知之外，还需要"认知"参与，两者的结合可以帮助甚至取代人类的决策;

从今年的世界人工智能大会可以看出：虽然智能无处不在，但人类智力辅助决策仍有相当的延伸距离，而AI计算机硬件制造商正在寻求合作，但仍然难以突破国际巨头（NVIDIA）。

AI产业正在向前发展，人们甚至资本都希望对落地案例、场景、产品有真正的感悟，才能延续对AI产业的信心。AI企业也必须拿出接地气的结果来证明自己在这个领域不断进步并占据一席之地，这叫"无阳春雪"。现在AI的概念和趋势已经向公众普及，就要应对AI可以改变工作和生活的期望，这个过程自计算机普及以来的十年中一直在重复，我希望AI行业能够重蹈计算机行业的辉煌。

张慧初，教育学首席科学家：AI发展，人才至上

人工智能发展不仅需要关注学术前沿和技术落地，还需要关注人才。在今年的大会上，人才发展的话题被以前所未有的重要地位提及。5个专题论坛活动，涵盖青年、产业人才、创新人才、青年科学家培训。

AI赋能各行各业，需要的是通用人工智能思维的普及和素养的提高，每个人都需要认识到AI技术在自己职业、专业上的价值。今年的会场可以看到很多孩子，甚至有在校学生参观，"人工智能从娃娃抓"已经开始结出果实。

艾科技核心技术的突破离不开顶尖人才的创新，对科学家的培养有创新模式和政策支持。在"天才"比例不变的情况下，我们需要扩大人才基础，才能使中国在人工智能竞争中保持领先地位，率先进入强人工智能甚至超人工智能时代。

中电金鑫研究院副院长孙海军：人工智能技术的发展从技术驱动到市场驱动

WAIC2021有几个明显的看法，总结为几个关键词：市场，安全和转型。

首先，人工智能技术的发展从技术驱动转向市场驱动，AI企业已经从专注于前沿技术、探索落地场景的可能性，转向围绕特定场景引入成熟的解决方案。本次展会有大量国内AI初创企业，涵盖芯片，AI平台到AI算法到智能业务，展现了火爆务实的市场;

其次，数据安全和隐私保护已成为新的行业热点。从主题分论坛来看，隐私计算学术交流、可信AI论坛等成为关注的焦点;相信在政策和技术的推动下，它将成为未来几年人工智能领域的重要业务。

第三，传统行业厂商已经开始大量接触"AI"，施耐德电气、国家电网、上汽集团等产品和商家都大量采用AI技术，说明AI技术在新一轮的普及和行业转型中正在深入。

中电还参加了IJCAI YES，这是由IJCAI和WAIC共同组织的学术会议，WAIC是会议的钻石赞助商。AI的学术研究和产业融合越来越近，我认为无论是学术还是工业，未来肯定在年轻人身上，所以举办青年大会就是要给这些年轻人一些展示舞台，给他们更多的合作机会，可以更好的推动我们AI学术青年的发展， 会议的意义就在这里。

华为诺亚方舟决策与推理实验室主任翟建业：感知AI正在走向地面，但AI对决策的投入仍然不足。

近两三年来，人工智能技术的发展相对平稳，历来所有技术方向都经历了相对平坦的阶段。现阶段，需要更加注重技术前端和平台系统的改进，使技术更好地沉淀、落地。

从这个角度来看，大会的整体内容感觉更加务实，聚焦于AI技术背后软硬件平台的落地与安全、伦理等问题。如果没有相关配套软硬件的支持，包括更大的环境，那么一个尖端的技术可能只是一个空中展馆。

从AI技术演进来看，大规模预训练模型还是比较新的东西，目前，只有少数企业或科研机构有足够的计算来支持，对于NLP和CV模型如何落地在未来大规模也是行业需要不断探索和思考的问题。展望未来，除了感知、认知，更重要的是决策的方向。该领域的主流技术是加强学习，目前距离大规模落地还有一定的距离。对于普通大众来说，这项技术的知识相对较少。要通过这样的会议，进一步扩大非AI人群对决策智能的认识，从而加大对决策智能的投入。

此外，WAIC与一般的学术会议不同，背景非常多元化，包括来自各行各业的专家、企业家和政府人员。我建议科学家或研究人员分享他们对研究方向的看法，例如人工智能技术如何影响整个社会的发展？AI的大方向应该从哪些具体角度发展？包括AI安全、伦理和解释等，而不是展示尖端技术的复杂技术细节。

黄伟，复旦大学计算机科学与技术学院教授：扬春雪不应该是AI大会的目的

会议的AI感觉越来越强，但亮点很难找到。以AI Summit的最佳论文为例，预训练模型获得了NAACL 2018，NAACL 2019和NeurIPS 2020的最佳论文。但这是个例外，而更多顶部的最佳论文仍然是一个渐进的突破，而不是颠覆性的突破。

也许我们可以专注于尚未产生足够高级结果的话题，也许这包含了未来的亮点，例如负责任的AI，环保AI，大脑接口等。

WAIC的约定覆盖上层应用于底层架构。大众虚拟偶像、自动驾驶引导小巴、低空配电无人机网络等应用热闹非凡，底层AI平台更加精彩。多家企业发布了超大规模的预训练模型，将汉语自然语言处理提升到了新的高度。展望国内AI平台，国内人工智能的研究、应用和产业落地可以更加精彩。

我认为AI大会必须肩负起一项使命，就是要把最新的学术进展、最有价值的产业应用介绍给媒体、监管、大众，让人工智能走进人心，走进生活和工作，更加接地气。扬春雪不应该是AI大会的目的。

WAIC在强调人工智能技术应用的同时，也引起了学术界的关注。此外，除了互联网、人工智能行业，还有不少人来自制造业、金融行业的观众。如果科学家想在WAIC上更好地展示自己，他们建议学习诸如"如何做TED演讲"之类的技术，而不是试图向公众介绍整个研究领域，而是设计引人入胜的开场白，详细说明内容并很好地讲述故事。另一个想法是采取灵活多样的表达形式，如在AI TIME组织的"图形神经网络与认知智能前沿技术论坛"圆桌讨论中，就设计有争议的问题，让客人表达自己的观点，碰撞出思想的火花，同时鼓励观众提问， 收到了良好的结果。

阿里巴巴达摩研究所人工智能科学家杨红霞：预训练技术是商业落地的一大惊喜

人工智能在"听、说、看"等感知智能领域已经达到或超过了人类标准，但在认知智能领域，需要外部知识、逻辑推理或领域迁移，仍处于起步阶段。认知智能被认为是下一代人工智能的关键突破，超大规模的预训练模型被认为是认知智能的基础设施。

自BERT以来，NLP预训练领域一直在从小到大发展，模型从文本到多模态。这些研究从各种角度来看都是创新的，并且已经出现了许多令人兴奋的结果。在许多研究中，开放AI的GPT3和DAL-E值得注意，展示了更好的语言，逻辑和跨模态理解。

在国际上，谷歌、微软（OpenAI）和英伟达已经突破了万亿参数尺度，目前北京智远研究院和阿里巴巴达摩研究所已经开发了万亿级参数的预训练模型，实现了强大、通用的多模态编码器和生成器，甚至实现了一些场景的商业化，我们发现随着参数规模的增加， 预训练模型表现出一定程度的推理和创造力。

可以预见的是，预训练技术的出现为软硬结合、新型商业化模式等带来了巨大的机遇。这就是WAIC让我感到惊讶的地方，并期待未来更多基础的现场技术登陆。

中国科学院自动化研究所研究员王金桥：科学家需要从碎片化场景中提炼出共同需求，设计出更一般的模型。

话题创新和酷炫的演讲并不能解决AI套现的问题，但AI更加务实，不再被To VC吹捧。模型和算法正在渗透到场景深处的细节中，越来越与实际业务保持一致，从点线表面形成SaaS服务的数据场景和闭环，即知道如何更好地了解场景。我认为这也是向前迈出的一步 - 将AI变为现实。

AI企业将细分场景从算法输出转移到提供整体解决方案上，场景变得更加碎片化，场景越来越内在内，传统企业开始布局AI，从而加剧了细分行业的竞争。

AI的酷炫光环正在消退，强调纸张的新方法，酷炫的演示往往与现实世界应用的需求存在差距。当我们谈论人工智能时，我们越来越扎实，我们不会说"有多少博士，多少自然论文"。

此外，人工智能作为基础设施，特别是预训练大模型、智能计算中心的出现，也将改变目前人工智能模式的算法研发模式，"多模态加大模型、多任务"成为重要方向。随着大模型的发展，数据的爆炸式增长，人工智能正在成为新的生产力工具，计算能力已经成为生产力，数据已经成为新的生产力数据，城市层面的智能计算中心将成为支撑智能城市的重要基地，推动城市数字化和产业化智能化升级。

作为科学家，我们应该通过本次会议与行业现场的专家进行交流，从两个方面介绍自己的科研方向：一方面，场景与AI相结合创新，深入细分场景解决AI的应用问题，从模型、硬件和算法等方面进行系统分析， 通过一线实践解决实际问题;增强模型的泛化。

您可能再也无法按时收到来自AI技术评论的推送，因为微信公众号正在尝试无序推送。为了首次收到AI技术评论，请将"AI技术评论"设置为明星帐户查看。