“如果缺少核心算法，當碰到關鍵性問題時，還是會被人‘卡脖子’。”浙江大學應用數學研究所所長孔德興教授對科技日報記者表示，我國人工智能產業的創新能力并沒有傳說中的那樣強，事實是，產業發展過度依賴開源代碼和現有數學模型，真正屬于中國自己的東西并不多。

    4個月零基礎學會人工智能、16講入門人工智能、算法線下大課……類似培訓在網絡上非常火爆，通過對于現有算法、模型的學習和訓練，成長為人工智能工程師的“短平快”可見一斑。

    既然代碼是開源的，拿來用就好，為什么還有可能被“卡脖子”？

    孔德興解釋，開源代碼是可以拿過來使用，但專業性、針對性不夠，效果往往不能滿足具體任務的實際要求。以圖像識別為例，用開源代碼開發出的AI即使可以準確識別人臉，但在對醫學影像的識別上卻難以達到臨床要求。 “例如對肝臟病灶的識別，由于邊界模糊、對比度低、器官黏連甚至重疊等困難，用開源代碼很難做到精準識別。在三維重構、可視化等方面難以做到精準反應真實的解剖信息，甚至會出現誤導等問題，這在醫學應用上是‘致命’的。”

    “碰到專業性高的研究任務，一旦被‘卡脖子’將會是非常被動的，所以一定要有自己的算法。”孔德興說。 換句話說，是否掌握核心代碼將決定未來的AI“智力大比拼”中是否擁有勝算。用開源代碼“調教”出的AI頂多是個“常人”，而要幫助AI成長為“細分領域專家”，需以數學為基礎的原始核心模型、代碼和框架創新。

    有算法之“根”才能撐起產業“繁茂”

    所謂“樹大根深”，人工智能的發展也是同樣道理，越在底層深深扎下根基，越能夠發展出強大的產業。

    那么，借助開源代碼，“半路出家”的AI產業為什么會難以為繼？

    孔德興解釋說，在獲得同樣數據的前提下，以開源代碼運行，AI深度學習之后或許能輸出結果，但由于訓練框架固定、算法限制，當用戶進行具體的實際應用時，將很難達到所期望的結果，而且難以修改、完善、優化算法。

    “如果從底層算法做起，那么整個數學模型、整個算法設計、整個模擬訓練‘一脈相承’，不僅可以協同優化，而且可以根據需求隨時修改，從而真正解決實際問題。”孔德興說，基礎算法往往是指研究共性問題的算法，它涉及到基礎數學理論、高性能數值計算等學科，可以應用到多種實際問題中；而針對性強的應用算法往往會應用到具體問題所涉及的“具體知識、先驗信息”，從而更好地解決實際應用問題。

    “基礎算法和應用算法都很重要，擁有基礎算法將更有助于應用算法的豐富與深入。”孔德興說，AI要應對的現實生活是復雜、多變的，當能夠“應對自如”時，才能夠促成產業的“繁茂”。

    呼吁三方協力讓數學不再置身事外

    “一方面是政策引導，其實國家已經在加大這方面的扶持，例如科研基金上的設置等。”針對如何解決“徐匡迪之問”反映出來的問題，孔德興認為，第二方面是行業企業在進行科技創新時，應有意識將數學學者納入進來。

    “如果通過算法的開發，最終產品落地了，企業應該將算法開發時的數學學者納入到成果分享中來。”孔德興說，社會目前對于數學科學等“軟實力”的認可程度不足，行業或法規層面應該做好數學研究成果的產權保護工作。

    “第三方面，數學家本身應該積極參與到人工智能發展的浪潮里。”孔德興呼吁，AI的未來發展需要數學家深度參與。由于目前仍處于“弱人工智能”時代（可以說是數據智能時代），AI的實現主要是依賴計算機的巨大算力和巨大的存儲能力，底層算法的問題或許并不突出，但在未來的發展，AI將可能融入邏輯、思維等智慧的內容，這些都需要數學科學的原始創新，有大量的基礎問題亟待數學家攻克。

    算法的進階一定是來源于“原創者”，而不是“跟隨者”。孔德興說：“實際上深度學習的應用已遇到了天花板，我們需要新的數學技術（如部分依賴邏輯、部分依賴數據的‘聰明算法’），讓計算機變得聰明起來。這些工作都需要數學家的參與。”