第06版:产经 上一版  下一版  
 
标题导航
返回经济网首页 | 版面导航 | 标题导航
   
上一版  下一版 2021年8月12日 星期 放大 缩小 默认
人工智能能否改变生活
本报记者 李芃达
在创维深圳工厂电视生产线上,高精度视觉模组贴合设备正在有序工作。该设备在8K视觉、人工智能、5G云边协同等技术的支持下,采用全自动高精度机械手臂,与车间眼机器视觉完成模组玻璃撕模及玻璃卡合工作。(资料图片)

人工智能产业不断迎来新的发展机遇,产业规模平稳增长,技术创新迭代、应用场景多元。在日前举办的2021全球数字经济大会上,中国信息通信研究院院长余晓晖发布的《全球数字经济白皮书》显示,人工智能在技术层面是价值中立的,但在实际应用中兼具创造性和破坏性,如何引导人工智能健康发展正成为产业关注的重点。

与5G加快融合

白皮书显示,截至2021年6月份,全球人工智能企业超过1万家。2020年中国人工智能产业规模达3031亿元,同比增长15.1%。“目前,人工智能已进入平稳阶段,如何实现工程化、场景化落地成为今后发展的重要方向。”余晓晖认为,人工智能从理论、算法的突破到应用再到各行各业还有很长的路要走,但其与5G、机器视觉相结合应用在工业制造领域已较为成熟。

施耐德电气全球执行副总裁、中国区总裁尹正对此抱有相同观点,他向记者分享了人工智能在工业和能源管理领域的应用示范,“我们推出的智能工业视觉平台实现了零漏检率,帮助制造企业减少75%的工作量”。

此外,施耐德电气还将基于人工智能和大数据分析的先进过程控制系统与基于力学模型、数学建模的实时操作系统相结合,使生产过程始终处于良好运行状态,并预判未来运行状况。该解决方案现已应用于炼油、石化、水泥建材、冶金等领域,助力行业增效减排。

在创维集团深圳工厂的电视生产线上,一台台高清摄像头“紧盯”产品检测环节。这套被命名为“车间眼”的智能视觉检测系统能够将前端采集到的大量图像数据,通过5G网络传输到云端图像算法中心,经由深度学习框架训练获得非标准化视觉检测特征,最终打造出通用化、智能化的瑕疵检测能力,并将训练结果部署到5G边缘云,快速响应生产需求。

“我们利用5G、人工智能、8K超高清视觉等技术对生产线进行数字化改造。相比传统制造模式,单线自动化在线检测率从10%提升至80%,人均产出效率比传统生产线提高17%,效率同比提升26%,停产时间下降5%。”创维集团智能化柔性制造项目特别顾问倪凌说。

重视社会伦理问题

人工智能正向社会各个领域加速渗透,在带来巨大机遇的同时,安全问题和治理挑战也与之相伴。中国信息通信研究院前不久发布的《可信人工智能白皮书》认为,以深度学习为核心的人工智能技术存在易受攻击的缺陷,其可靠性难以得到足够信任;生物识别信息的频繁使用会增大个人隐私数据泄露的可能性,数据一旦丢失将造成极大安全风险。

“第二代人工智能的安全问题主要来自深度学习算法本身的不安全性,更难克服。”在同期举办的人工智能产业治理论坛上,中国科学院院士、清华大学人工智能研究院名誉院长张钹表示,对人工智能的治理一方面要从法律法规、伦理规范、行业共识等层面上治标,另一方面要在技术创新上治本。

张钹解释说,具体而言,要发展第三代人工智能技术,即融合了第一代知识驱动和第二代数据驱动的人工智能,利用知识、数据、算法和算力4个要素,发展安全、可信、可靠和可扩展的AI技术。

中国社科院科技哲学研究室主任段伟文认为,数字技术与人工智能产业发展的伦理风险带来了诸多社会信任问题,人工智能企业不应回避社会监督,而是不断思考、重塑科技的社会印象,技术改进和伦理设计要齐头并进,携手走向共建性的人工智能伦理治理。

为此,论坛上发布了《人工智能产业担当宣言》,旨在形成更完备规范的创新体系和产业生态。宣言包含5项倡议,强调人工智能系统的设计、研发、实施和推广应符合可持续发展理念,以促进社会安全和福祉为目标,以尊重人类尊严和权益为前提;在技术能力方面,提出要最大限度确保人工智能系统安全可信,提高鲁棒性(在异常和危险情况下系统生存能力)和抗干扰性,要增强算法透明性和可解释性,同时保障各方权利和隐私,对用户数据提供充分的安全保障。

“人工智能稳健发展的两大前提是可持续发展和人工智能的善治。”中国科学院自动化研究所研究员、国家新一代人工智能治理专委会委员曾毅建议,在人工智能产品设计、研究、开发、部署、使用全生命周期嵌入伦理与治理,并形成政府、学术界、企业、公民社会、媒体、用户、服务提供商等多方主动共治的良性生态。

人才是发展关键

人才是产业稳健发展的战略资源,培养AI人才关键在哪里?“计算机是人工智能发展的基础。首先要掌握扎实的计算机科学理论基础,再通过校园里的教学、实验、练习提升解决问题的能力。”张钹说。

在谈及如何设置人工智能课程时,南京大学人工智能学院院长周志华认为,必须优先考虑人工智能的核心基础,例如机器学习、知识表示与处理;再考虑技术层,有模式识别与计算机视觉、自然语言处理、计算智能等,还有很多相关支撑技术,例如数字信号处理、时序数据分析等。从平台层,机器学习系统平台、机器人、智能系统,再到应用层,涉及智能应用建模、系统设计、行为分析,形成了一个庞大的知识体系。

“我们要培养在人工智能领域具备原始创新能力、解决企业关键技术难题能力的人才,这样的人才应具有坚实的数学基础和计算机软件基础,全面深入的人工智能专业知识、丰富的应用实践能力。”周志华说,这一目标基于现有计算机学科的课程体系或在现有学科培养体系框架下修修补补难以达到,必须根据人工智能学科特点从头建设。

张钹同样认为,原始创新能力取决于是否拥有善于发现问题的眼睛和提出问题的嘴巴。“企业是技术创新和应用的前沿阵地,只有将学生送到生产第一线,才能让他们遇到大量实际需求,从而引发解决问题的思考,锻炼提出问题的能力。当然,问题不只是从生产实践中产生,还会从技术发展本身产生,因此需要校企紧密合作,相互补充。”

下一篇 放大 缩小 默认