|
有实力的科研高校与企业进行合作科研，一直以来都是惯例， 而近年来，中国人工智能蓬勃发展，大量的技术人才也开始回归到国内，而高校与企业的合作也变得尤为紧密。 “斯坦福+硅谷”模式一直是科研高校与企业合作的最佳典范，而随着人工智能在中国的爆发，中国也在呈现出类似的趋势。在近日的“人工智能驱动未来交流研讨会”上，中科院的教授以及百度深度实验室的科学家共同探讨了校企合作的可能性。 一，高校人工智能技术研发正在遭遇瓶颈 人工智能这门学术研究对于高校来说，其实有着天然的尴尬，因为研究人工智能技术，需要大量的数据。中科院专家谈了下关于高校科研目前存在的困境。 1、科研落地的瓶颈 高校在人工智能科研方面，一直都有进展，但是如何将技术运用到商业当中就比较困难。很多时候高校的科研项目并没有太大市场需求，并导致最终无法将技术进行产品化，实现科研的落地。 中国科学院大学党委副书记、副校长高随祥教授表示，中科院的研究力量非常强，有着各方面专业科学资源。但在人工智能科研的方向上还需要科技公司的建议，因为科技公司在实际面对着市场需求，其知道哪些科研方向是最有价值的。而通过与科技公司的结合，让学术的解决方案进入到真实的产业中，则能使双方更为受益。 2、数据的瓶颈 真实的科技行业中，都已经由各家科技公司完成了平台的搭建，用户都在这些平台上有真实的数据与反馈，高校并没有这些数据资源和真实的用户反馈，从而无法真正看清楚自身技术能力的进展。而各大科技公司则可以为其提供数据上的帮助。 中科院“百人计划”成员黄庆明教授表示，人工智能从1956年提出来到去年刚好是60周年。专家们讨论，与以往不同的是，这次浪潮不是昙花一现，比较乐观的原因是这次后面有大量数据的支撑，而这方面，诸如谷歌、百度这样的公司会有大量的数据和相应的计算能力，再加上相应的算法，做一些大规模的研究比学校的条件要好得多。 中国人工智能学会副秘书长何清教授也表示自己在做大数据挖掘的过程中深感数据的重要性。数据挖掘过程中往往挖掘出的只是数据关系，而如何处理这些关系，让更多的数据之间产生关联，实现各个应用场景之间的反哺，让更多的数据自行生长，在这个问题上高校的科研数据往往促襟见肘。 在这个问题上，科技公司则有着优势，比如以搜索起家的百度每天需要处理超过10BP的数据，atv，搜索、地图、输入法等上千个产品线的日请求过亿，这些纵横交错的数据互相自动关联，做出更精准的用户画像形成反哺，再辅以大数据精准推荐，最终又会让用户更多的使用产品，更多的数据得以自动生长。 3、计算资源的瓶颈 谈及具体的开发过程，中国人工智能学会的徐俊刚教授表示，深度学习在科研方面已有所突破，但并不完善，一直在优化，而最大的问题在于深度学习研究需要大规模的运算，需要诸多最新设备来实现大规模集群计算，高校在这方面的资源目前比较匮乏，因此每次科研都需要耗费大量的时间，来等待机器的结果。 而这点上，其指出，商业公司则完全没有这样的顾虑，这反而是其优势。 阿尔法狗下一盘棋，就需要至少耗费3000美元，而在实验室反复测试就需要大量的资金，这还不包括任何计采购算机的成本。最强大脑中的小度机器人用到的百度自主研发的box机器，最大可单机支持128块GPU卡，相当于64台机器构成的小型集群，造价不菲。这样的款项如果需要拨给科研机构则需要经过重重审核与考虑，而商业公司则可以毫无顾虑的实现这些项目。 以美国知名的“斯坦福+硅谷”为例，斯坦福大学和加州大学伯克利分校两所大学作为硅谷地区的知识生产中心，一直持续不断的为硅谷输送各种最前沿的技术成果，企业最终形成落地产品，这一模式也是全球效仿典范。 中国的基础设施较差，因此有着极大的市场空白，任何行业都存在大量的机会，而2011年智能手机的爆发，让互联网进入到各行各业，得益于“互联网+”的发展，落后的基础设施被迅速重建， 这也就造成了远比美国更多的大数据。
|
