“人工智能抗疫尚需重视“软基建””

本篇文章1082字，读完约3分钟

在线教育、远程办公、无人配送、健康监测、数据研究判断，在新型冠状病毒感染的肺炎疫情防控中，以人工智能为代表的新兴科学技术渗透到了社会运行的各个方面。 4月9日上午，在中国科协学会学术部、中国科学报、腾讯科协和腾讯集团快速发展研究室主办的人工智能科技与经济融合新领衔研讨会上，中国工程院院士李国杰表示，人工智能在疫情防控中发挥了巨大作用，但整体上仍有较大提高 表现良好的行业，依赖于过去数据的积累。 数据不足的行业，病毒的可追溯性等，不太顺利。 李国杰说。

最近，新的基础设施成为了热门词。 4g通信网络、工业网络、物联网等互联网基础设施、数据中心等数字基础设施、人工智能等计算基础设施已成为必要且普遍的新基础设施。 李国杰指出，他高度重视软件基础设施，即共享人工智能基础数据平台、培训平台、软硬件工具链。

深度学习无法克服对数据的高依赖度。 人工智能和大数据实际上是双胞胎，人工智能的复兴主要依靠数据智能或计算智能。 做得好的人工智能的应用，对数据有强烈的诉求。 李国杰表示，缺乏优质数据将成为人工智能快速发展的瓶颈。 为此，建立基础数据平台。 深度学习效果的好坏也要靠训练。 因为要充分利用搭载国产芯片的优质人工智能培训平台，推进人工智能培训的共享，形成公共服务系统制度。 目前，要快速发展数字经济，必须快速发展人工智能应用所需的各种工具库、算法库、软件库，构建完善的工具链，大幅降低人工智能应用开发的门槛。

中国科学院计算技术研究所的山世光研究员也看到了软件平台的问题。 我国基础硬件平台投资较大，但基础软件平台投资相对较少。 与国外发达国家相比，我们至少落后了4.8年。 山光指出，深度学习的主流基础框架建立在北美，近期我国也有很多动向，百度、华为这些公司进行了布局，但没有形成合力。 再过五到十年，可能需要大量能够完成简单但应用面广的人工智能算法的人工智能人才。 山光表示，在低门槛的人工智能研发平台和工具构建方面，我国应抢占先机。

具体到人工智能的应用，李国杰强调应用和基础研究是两个不同的课题，有完全不同的目标和任务。 快速发展人工智能产业时应该强调的是技术融合，用技术处理实际问题。 他列举了健康代码的例子。 代码的智力含量不高，但在疫情期间，它成了所有人的健康说明。 这是最具刚性的控诉。 李国杰说，向健康代码中注入行为轨迹等智能，比什么时候与确诊者接触、接触多长时间更能大大减轻疫情防控工作人员的负担。 公司作为解开人工智能的做法，而不是老板。 我认为人工智能是蛋糕上的奶酪。 我必须把蛋糕看得更重。 李国杰强调。 (记者张盖伦)

责任编辑：