应用广泛能变现的AI

近日，做为国家人工智能技术规口管理部门的中国信通院云大所发表“AI产业从热捧到退烧，未来的AI如何破局”一文和视频。此文不长，但用了份量较重的词语：热捧、退烧、破局等对我国当前的人工智能产业的状况做出客观的负面点评。

一、热捧

业内都知道：目前，我国人工智能产业所用的主流算法是深度学习。 做为第三代人工智能通用算法代表的深度学习，采用神经网络技术比以往的人工智能算法先进，在不复杂的图像和语音识别等应用中确有一些效果。同时，深度学习在应用中也显现出鲁棒性差、不可解释、有NP问题等不可克服的严重缺陷，特别是“黑箱”等安全隐患的存在，早在2017年开始，发明人Hinton教授就多次提出放弃深度学习，要推倒重来。

但是，深度学习并没有因存在严重缺陷和有“黑箱”等安全隐患被推倒，反而大火起来。这是因为，国际大公司一开始就看到深度学习的应用需要大的算力，他们有大量出售自己的算力产品的商机，就精心策划、将深度学习包装热捧起来。国际大公司热捧深度学习最成功的例子是：导演出机器人AlphaGo战胜人类最佳围棋手的轰动新闻。一时间，深度学习被吹的神乎其神、能力无比（实际在那次机器人战胜人的棋赛中，深度学习仅有3%的作用）。同时，国际大公司还投入巨资培训出大量的深度学习技术人员、提供只能用于一般人工智能项目的开源应用程序、还利用各种渠道和关系、采用尽可能的方式极力宣传和推用深度学习，最終借助雄厚资本的力量将深度学习算法热捧成为主流的人工智能算法。达到了给提供深度学习环境和算力相关的公司、单位和个人带来丰厚利润目的。

在国内热捧深度学习的结果是：在短时间内，人工智能相关的企业、研究院、教育培训机构、产业基地、示范区等在全国各地争相建立。特别是在不时出现的以几十亿、上百亿巨资投给一个人工智能企业或一个项目的轰动下，国内针对深度学习的大大小小的无数项目投资的热持续了好几年。再加上各地对深度学习出台的发展规划和政策支持，以及粉粉举办以深度学习为内容的各种人工智能的竟赛、评比、揭榜等活动……，使我国迅速成为世界人工智能（深度学习）的应用大国。

二、退烧

深度学习除存在严重的缺陷和有“黑箱”等安全隐患等问题外，深度学习是大模型、大数据、大硬件的算法，因此，此种算法本身也有很多难克服的问题。

例如：用于热捧的机器人AlphaGo所需要的硬件开销是1000个CPU，200个GPU，还需要20万瓦的电力消耗。这样的深度学习硬件开销如何普及应用？

再有：深度学习是函数映射模型，将概率空间的目标函数映射到欧几里得空间，其结果需要将概率空间的某一类数据的所有可能出现的结果，用人工标注后进行接近无限次的训练，例如一个语音识别的数据就需要2400万美元的人工标注费用，这是深度学习难于普及的致命问题。

对于深度学习在应用中出现的问题，云大所发布的视频中委婉地用面临许多挑战方式指出。主要提到三个挑战：

挑战1、数据合规获取、使用、安全，用数据赋能人工智能需要权衡；

挑战2、算法要做大量适配工作，对准确性、鲁棒性、可解释性要求非常高；

挑战3、业务场景的领域知识千差万别，人工智能落地过程中要与行业领域专家、知识结合将模型和生产环境调教达到要求。

深度学习的所有问题归集一起的后果是：造成深度学习的应用成本远大于投入成本。所以造成许多顶尖的人工制能企业采用深度学习运营的结果是，造成企业的亏损额大于接受的投资额。顶尖的人工智能企业都这样，那些人工智能的中小企业的融资就更困难，社会上对人工智能的投资已趋冷。所以，由国内外合力热捧起来的深度学习产生的高烧，在现实的这种极大反差下，自然会退烧。

三、破局

虽然深度学习有问题，但不会改变和降低人工智能在经济和社会发展中有重要作用及在国际技术竟争中的战略地位的意义。这几年热捧深度学习的结果，让我国人工智能的发展和应用走了大弯路，但也让实践者们看清了真正能落地应用、能很快变现的不是看起来理轮高深、结构复杂的大模型、大数据、大硬件的算法，而应是小模型、小数据、小硬件的算法。事实说明，只有选对算法和应用场景，人工智能企业才能变现。

人工智能是计算机应用技术。计算机应用的95%以上又都在在工业控制和嵌入式系统上。由于深度学习的缺陷和安全问题，谷歌公司早在2017年就宣布他们的人工智能应用退出工业控制。可是，还有许多公司用深度学习在工业控制努力试用，但还都没有获得批量应用的大成效。至于应用环境更小、数据量更少的嵌入式系统，至今除自律学习SDL算法外无人问津。

目前，我国还没有广泛应用中的人工智能通用算法。我们联盟理事、天津市阿波罗信息技术有限公司和阿波罗（日本）株式会社首席科学家顾泽苍博士（中国籍）依据自己在日本从事三十多年人工智能积累的经验，针对深度学习算法存在的缺陷独自创新发明出小模型、小数据、小硬件的没有黑箱，可在包括工业控制和嵌入式系统在内的广泛应用领域简便使用的自律学习SDL算法。

经三年多的实践检验，已证明SDL符合世界人工智能界公认的下一代人工智能算法应是“小数据、概率、迭代”特点的通用算法。SDL在小数据的“心电图分析”和大数据的“自动驾驶”上的应用都取得领先世界水平的研制成果。

SDL可以破掉云大所一文和视频所列的人工智能产业面临诸多挑战的困局。如果获的资金支持时，SDL还可研制成世界第一个“智力”芯片，配用开发板就可构成人工智能应用的工具，可供各行各业技术人员自己该工具开发所需要的人工智能项目和批量生产出产品。人工智能技术应用工具化后，也可为大学毕业生和社会青年提供了发挥他们的聪明才智，自己创业发展的广阔空间。

在全国热捧和独尊深度学习的这些年，SDL这只人工智能丑小鸭，随然尽力叫遍全国业内的上上下下，但无人理睬，被冷眼旁观。在热捧的深度学习退烧后，希望大家给以关注和支持SDL的发展和应用，能让SDL尽快在中国落地，帮助顾泽苍博士以此实现他回报祖国的夙愿。