首入*工作报告 人工智能迎爆发前夜
赛迪顾问电子信息行业高级分析师向阳向21世纪经济报道记者指出，“到2018年，中国人工智能市场规模预计将突破380亿元。不过，目前人工智能的应用才刚刚开始，面临巨大的挑战。
尽管AlphaGo与李世石“人机大战”战鼓的敲响，已宣告了人工智能时代的来临，但直到2017年3月5日之前，这个新兴行业从未获得如此举国关注。
改变就发生于3月5日这天上午，国务院总理*在2017*工作报告中提到，要加快培育壮大新兴产业，全面实施战略性新兴产业发展规划。包括新材料、人工智能、集成电路、生物制药、第五代移动通信等在内的技术研发和转化要求提速，并做大做强产业集群。这也是“人工智能”首次被列入*工作报告。
3月6日，人工智能板块以领跑大盘的涨势，作为对本次*工作报告的回应。截至收盘，沪指报收3233.87，涨0.48%，其中人工智能板块上涨2.96%，其中科大智能（300222.SZ）、赛为智能（300044.SZ）涨停。
“当前人工智能发展高潮有一个特点，就是将深度学习技术应用在新的领域中，以期实现突破，诸如医疗大数据、金融大数据、智能制造等均是如此。”近日在提及人工智能行业时，中国科学院院士、清华大学计算机系教授张钹指出，“由此可见，单一技术并不是万能的，人工智能要产生新的突破，就需要在深度学习的基础上加以发展，结合其他技术产生新的技术创新，这个过程中就需要强大的研究力量的支持。”
举国关注
从乏人问津到炙手可热，人工智能不过经历了短短几年时间。
在很长一段时间内，这个诞生于上世纪50年代的行业，更多停留在大学课堂与好莱坞电影中。然而，自2012年开始，全球产业界开始对人工智能进行高强度的持续投入，并在2016年产生了一大批诸如AlphaGo、Master、微软小冰之类的人工智能标志性成果。
根据赛迪顾问发布的《洞见2017：新兴产业投资机会》白皮书显示，2016年中国人工智能市场开始爆发，市场规模达239亿元。“预计未来三年，人工智能市场将迎来新兴机遇点，”赛迪顾问电子信息行业高级分析师向阳向21世纪经济报道记者指出，“到2018年，中国人工智能市场规模预计将突破380亿元，复合增长率为26.3%。”
“其中，智慧城市的发展将在安防、交通监控、医疗、智能社区等多个领域全面刺激人工智能产业发展，针对边缘计算的设计开发正在成为各大厂商的新焦点，主要发生在软件集成环节和类脑芯片环节的新兴人工智能点正逐渐凸显，机器视觉、深度学习等环节也在成为投资热点。”向阳告诉21世纪经济报道记者。
由此，业内人士将2016年定义为“中国人工智能元年”，但这也不仅仅因为人工智能产业本身的火爆，更是因为人工智能概念在整个政策中分量的递增。2016年4月，工信部、发改委、财政部联合印发《机器人产业发展规划（2016-2020年）》，重点开展人工智能、机器人深度学习等基础前沿技术研究；5月，国家发改委、科技部、工信部、网信办联合发布了《“互联网+”人工智能三年行动实施方案》，设定包括智能家居、智能汽车、智能安防等在内的七大工程。
而在2017年年初召开的全国科技工作会议中，科技部部长万钢透露，目前正在编制人工智能专项规划，同时在研究论证人工智能重大项目的立项工作。就在此次人工智能首次作为新兴产业的代表，被写入2017*工作报告的前夕，国家发改委正式批复了19个国家工程实验室，其中有3个分属人工智能领域，涉及深度学习技术及应用、类脑智能技术及应用及虚拟现实/增强现实技术及应用。
“除去国家层面的政策之外，各地*也开始密集出台人工智能产业配套扶持资金政策，努力解决企业发展的实际问题，”向阳指出，“截至2016年底，已有超过30个城市将机器人产业作为当地重点发展对象，各地*建成和在建的机器人产业园达40余家。”
挑战仍在
尽管人工智能赢得了企业、公众甚至*层的高度关注，但这个行业仍面临诸多挑战。
本次人工智能热潮肇始于2006年，在那一年，深度学习--这一神经网络算法——被重新提出，此后开始在人工智能行业刮起强劲飓风，备受瞩目的AlphaGo、Master正是得益于此。
“这项技术目前已成为行业内最具价值且临近爆发期的技术点，各大公司纷纷跑马圈地，距离未来预期全面部署约7年时间。”向阳向21世纪经济报道记者直言，“就未来而言，云计算和开源化仍将成为主流，也是更能推动技术进步的模式，因此基于云平台的深度学习的投资价值不言而喻。”
然而，从另一方面而言，当前各方面的情绪也可能过于心切。“不可否认的是，人工智能行业经历了寒冬，突然迎来了温暖的春天，但行业甚至公众对当前人工智能技术的发展程度可能仍存在误解。”北京航空航天大学计算机学院副院长王蕴红指出。
事实上，据王蕴红介绍，人工智能的应用才刚刚开始，也面临巨大的挑战。“现在学术竞赛中所获得的超高识别率，还很难真正解决实际中的问题。例如，当前实验室里的人脸识别率可高达99.9%，然而在监控中的人脸识别率依然不佳，”王蕴红直言，“深度学习所引领的人工智能在某些领域已经取得了成功，但在其他方面，还需要经历一个发展的过程。”
这个过程不仅包括更大的样本及数据平台，还有许多算法及理论方面的问题需要解决。“关于人工智能的国家工程实验室的成立，对于推动人工智能的研究而言是个很好的平台，能够真正实现产学研结合。” 王蕴红指出。
此外，百度深度学习研究院杰出科学家徐伟近日亦指出，此轮人工智能浪潮中，深度学习发挥效果最好的领域体现在人脸识别、语音识别等领域，但对于其他类型的任务而言，很难通过标准数据让机器习得。
“比如，想要机器学习人类说话，通过对话样本是很难学会的，因为相同问题背后可能对应着无数种回答。”徐伟称，“如何让机器不需要过分依赖标准数据去学习，这是当前人工智能极为重要的方向，由此才可能将深度学习的应用范围，从现在比较成功的模式识别，拓展到诸如对话、推理这样的更高级的智能领域。”
这也意味着，人工智能行业无论从资金、人才还是资源上，都需要有更多支持以促进技术创新，而将人工智能提升至国家战略层面，毫无疑问将有助于相关技术的突破。（编辑：张伟贤，如有意见建议请联系：zhangwx@21jingji.com）