原标题：AI产业化缺人缺数据 专家建议BAT开放数据平台

未来网北京11月20日电（记者 梁希理）过于追求严谨、强调论证，这样的科研精神在人工智能却未必行得通？

“我见过一些本科数学专业、研究生转入人工智能研究的学生，因为没能从强调严谨的数学思维，转换到强调应用实践的工程技术思维上，所以其工程研究很难做好。”日前，中国科学院自动化研究所副所长、模式识别国家重点实验室主任刘成林在接受未来网记者专访时，谈到高校人工智能人才培养中出现的问题。

中国科学院自动化研究所副所长、模式识别国家重点实验室主任刘成林在接受未来网记者专访。未来网记者杨佩颖/摄

高校人工智能热：建学院 网人才 转思维

目前，我国的人工智能发展如火如荼。但火热势头下，却是顶尖人才严重稀缺的冷峻现实。而作为新技术策源地的高校，无疑在为人工智能长远发展输送人才中承担重任。

2017年的《国务院关于印发新一代人工智能发展规划的通知》，对人工智能学科建设作出了国家层面的制度安排。而到了今年4月，教育部印发的《高等学院人工智能创新行动计划》中鼓励建立人工智能学院的内容，更是按下了人工智能人才培养的“快捷键”。随后，高校开设人工智能学院或研究院成为热潮。仅今年5月，就有四所高校相继成立人工智能学院。

中国科学院自动化研究所副所长、模式识别国家重点实验室主任刘成林，同时也是中国科学院大学（以下简称“国科大”）人工智能技术学院的副院长。这一学院在2017年5月就已获批成立。刘成林向记者介绍，“我们学院由中科院自动化所、计算所等几个研究所联合承建，主要承担研究生的教学工作，本科生的招生和培养工作正在准备当中。”刘成林介绍，师资配备上，由于国科大成立较晚，专职教师少，人工智能学院的教师主要来自中科院自动化所和一些其他研究所、高校。

“人工智能学院的教师也是研究所的研究员。这样的好处是，一方面，学生可以接触到最前沿的科研方向；另一方面，学生还能利用研究所的科研平台参与科研项目，提高研究能力。”

由于人工智能涉及计算机、数学、生物等多个学科，往往需要多种知识交叉融合。从人才系统化培养的角度，刘成林认为，还是应该从本科生阶段开始培养。

“研究生生源来自不同专业背景。从好的方面看，人工智能学科是交叉学科，需要不同专业人才；但也存在基础差异的问题。我见过一些本科数学专业、研究生转入人工智能研究的学生，因为没能从强调严谨的数学思维，转换到强调应用实践的工程技术思维上，所以其工程研究很难做好。”

?他以技术已相对成熟的虹膜识别技术为例，“再成熟也做不到100%正确，总有不可靠、不严谨的地方。不能说严格论证之后才去实践应用。如果追求这样的完美，人工智能不知什么时候才能做出来。”

“一心多用” 高校科研成果转化难

一直以来，高校科研存在科技成果转化不够积极等问题。而人工智能作为一个偏向应用的领域，自然对成果转化有更高期待。

刘成林表示，“对于高校教师来说，首要任务是教学，其次是科研，第三才是成果转化。而以论文导向为主的评价机制，也让多数老师对于科研成果产业化缺少积极性，更关心的是教学、科研和评职称。”

他认为，要鼓励高校教师进行科研成果产业化，需要更加宽松的政策。“比如更加放松对产业化知识产权的管制和股权的单位所有比重，评职称时提高实用技术创新成果的比重等。”

据经济观察报报道，尽管这几年来我国不断推出《科技成果转化法》的修订和细则，但在落地上存在较多问题，原因在于相关的细则和规定并未明确，导致各单位院所的落实细则不同。

“与科研院所相比，高校做产业化相对较少，也更难一些。兼顾教学和科研，难以一心二用。”而在刘成林所在的中科院自动化所，近几年成立了三十几家公司，研究所里鼓励研究员离岗创业，也是出于科研成果加速产业化的考量。

不差技术却差人 制造业怎么“智”造业

在刚刚结束的乌镇互联网大会上，有专家表示，目前我国人工智能产业化正在加速，智能化场景也更加普及。但也有声音认为，人工智能产业发展也面临核心基础技术薄弱、与实体经济融合不够深入等问题。

在刘成林看来，人工智能与产业结合不足有两个原因。“第一是技术上仍有局限，需要进一步提高，比如无人驾驶还有很多技术提升空间，短期内还难以实现大规模商用；第二，社会上制造业的技术升级重视不够，在跟产业的结合上没有下足力气，有些技术是可以用的，但是却没有在产业中应用落地。”

刘成林还看到，近几年来，互联网行业的快速发展聚集到了大批的高级人才。相比之下，同样急需人工智能人才的制造业，却人才缺失，因为薪水等待遇上与互联网行业无法相比，难以吸引人才。

“制造业需要的人工智能技术未必是非常高端的，可能只是需要一些现有的成熟技术。但是因为缺人，就没法将技术转化到工业生产中。自身缺乏研发能力，也无力引进高端人才，这是目前难解的问题。”刘成林对此感到惋惜。

为了促进人工智能与实体经济深度融合，去年11月，科技部公布了首批四家国家人工智能开放创新平台名单，阿里云、百度、腾讯和科大讯飞分别入选。

人工智能应用离不开大量的数据。在我国，这样有体量的数据主要掌握在一些大型的互联网企业手里。刘成林说，“开放平台能够带来丰富的数据，比如阿里的智慧城市人工智能系统，就掌握有大量的视频监控、交通流等数据。无论是开放给业界还是给科研人员，都是非常有益的。”

拍照搜题“近在眼前” AI个性化辅导“远在天边”

在人工智能向各个领域的渗透中，教育领域迎来的变革并不亚于其他行业。尽管许多教育企业纷纷上马“AI+教育”产品和服务，但AI的落地效果还有待考验。

刘成林认为，目前人工智能技术在教育领域较为成熟的应用是“拍照搜题”。“这个技术门槛不算高，通过拍照识别题目，在题库中搜索答案，这对识别精度要求不算很高。”

在他看来，用AI在自然交互中进行个性化指导，才是智能教育的最高境界。但这个目标的实现还有较长的路要走，“一方面，需要基于大量的数据建立完整的知识库；另一方面，机器人要识别不同学生的不同问题、作出不同解答，包括指出不同的错误，十分不易。然而这才是‘个性化’的意义所在。”

在这个遥远的目标实现之前，刘成林认为，一些阶段性的目标则可以逐步实现。比如利用AI分析课堂上教师的表情、语言及语气、学生状态等对课堂教学效果进行评估。“在对教师讲课内容识别不是十分准确的情况下，通过效果评估优化教学方式是可以实现的。”

刘成林认同“教育讲求润物细无声”的说法。但他认为要利用人工智能技术真正达到这个目标，从仅仅关注学生学习过程，到覆盖关注综合能力发展和身心健康、提供个性化辅导等方面，还需要对AI+教育作深入的思考和技术研发。