原標題：AI產業化缺人缺數據 專家建議BAT開放數據平臺

未來網北京11月20日電（記者 梁希理）過於追求嚴謹、強調論證，這樣的科研精神在人工智能卻未必行得通？

“我見過一些本科數學專業、研究生轉入人工智能研究的學生，因爲沒能從強調嚴謹的數學思維，轉換到強調應用實踐的工程技術思維上，所以其工程研究很難做好。”日前，中國科學院自動化研究所副所長、模式識別國家重點實驗室主任劉成林在接受未來網記者專訪時，談到高校人工智能人才培養中出現的問題。

中國科學院自動化研究所副所長、模式識別國家重點實驗室主任劉成林在接受未來網記者專訪。未來網記者楊佩穎/攝

高校人工智能熱：建學院 網人才 轉思維

目前，我國的人工智能發展如火如荼。但火熱勢頭下，卻是頂尖人才嚴重稀缺的冷峻現實。而作爲新技術策源地的高校，無疑在爲人工智能長遠發展輸送人才中承擔重任。

2017年的《國務院關於印發新一代人工智能發展規劃的通知》，對人工智能學科建設作出了國家層面的制度安排。而到了今年4月，教育部印發的《高等學院人工智能創新行動計劃》中鼓勵建立人工智能學院的內容，更是按下了人工智能人才培養的“快捷鍵”。隨後，高校開設人工智能學院或研究院成爲熱潮。僅今年5月，就有四所高校相繼成立人工智能學院。

中國科學院自動化研究所副所長、模式識別國家重點實驗室主任劉成林，同時也是中國科學院大學（以下簡稱“國科大”）人工智能技術學院的副院長。這一學院在2017年5月就已獲批成立。劉成林向記者介紹，“我們學院由中科院自動化所、計算所等幾個研究所聯合承建，主要承擔研究生的教學工作，本科生的招生和培養工作正在準備當中。”劉成林介紹，師資配備上，由於國科大成立較晚，專職教師少，人工智能學院的教師主要來自中科院自動化所和一些其他研究所、高校。

“人工智能學院的教師也是研究所的研究員。這樣的好處是，一方面，學生可以接觸到最前沿的科研方向；另一方面，學生還能利用研究所的科研平臺參與科研項目，提高研究能力。”

由於人工智能涉及計算機、數學、生物等多個學科，往往需要多種知識交叉融合。從人才系統化培養的角度，劉成林認爲，還是應該從本科生階段開始培養。

“研究生生源來自不同專業背景。從好的方面看，人工智能學科是交叉學科，需要不同專業人才；但也存在基礎差異的問題。我見過一些本科數學專業、研究生轉入人工智能研究的學生，因爲沒能從強調嚴謹的數學思維，轉換到強調應用實踐的工程技術思維上，所以其工程研究很難做好。”

?他以技術已相對成熟的虹膜識別技術爲例，“再成熟也做不到100%正確，總有不可靠、不嚴謹的地方。不能說嚴格論證之後纔去實踐應用。如果追求這樣的完美，人工智能不知什麼時候才能做出來。”

“一心多用” 高校科研成果轉化難

一直以來，高校科研存在科技成果轉化不夠積極等問題。而人工智能作爲一個偏向應用的領域，自然對成果轉化有更高期待。

劉成林表示，“對於高校教師來說，首要任務是教學，其次是科研，第三才是成果轉化。而以論文導向爲主的評價機制，也讓多數老師對於科研成果產業化缺少積極性，更關心的是教學、科研和評職稱。”

他認爲，要鼓勵高校教師進行科研成果產業化，需要更加寬鬆的政策。“比如更加放鬆對產業化知識產權的管制和股權的單位所有比重，評職稱時提高實用技術創新成果的比重等。”

據經濟觀察報報道，儘管這幾年來我國不斷推出《科技成果轉化法》的修訂和細則，但在落地上存在較多問題，原因在於相關的細則和規定並未明確，導致各單位院所的落實細則不同。

“與科研院所相比，高校做產業化相對較少，也更難一些。兼顧教學和科研，難以一心二用。”而在劉成林所在的中科院自動化所，近幾年成立了三十幾家公司，研究所裏鼓勵研究員離崗創業，也是出於科研成果加速產業化的考量。

不差技術卻差人 製造業怎麼“智”造業

在剛剛結束的烏鎮互聯網大會上，有專家表示，目前我國人工智能產業化正在加速，智能化場景也更加普及。但也有聲音認爲，人工智能產業發展也面臨核心基礎技術薄弱、與實體經濟融合不夠深入等問題。

在劉成林看來，人工智能與產業結合不足有兩個原因。“第一是技術上仍有侷限，需要進一步提高，比如無人駕駛還有很多技術提升空間，短期內還難以實現大規模商用；第二，社會上製造業的技術升級重視不夠，在跟產業的結合上沒有下足力氣，有些技術是可以用的，但是卻沒有在產業中應用落地。”

劉成林還看到，近幾年來，互聯網行業的快速發展聚集到了大批的高級人才。相比之下，同樣急需人工智能人才的製造業，卻人才缺失，因爲薪水等待遇上與互聯網行業無法相比，難以吸引人才。

“製造業需要的人工智能技術未必是非常高端的，可能只是需要一些現有的成熟技術。但是因爲缺人，就沒法將技術轉化到工業生產中。自身缺乏研發能力，也無力引進高端人才，這是目前難解的問題。”劉成林對此感到惋惜。

爲了促進人工智能與實體經濟深度融合，去年11月，科技部公佈了首批四家國家人工智能開放創新平臺名單，阿里雲、百度、騰訊和科大訊飛分別入選。

人工智能應用離不開大量的數據。在我國，這樣有體量的數據主要掌握在一些大型的互聯網企業手裏。劉成林說，“開放平臺能夠帶來豐富的數據，比如阿里的智慧城市人工智能系統，就掌握有大量的視頻監控、交通流等數據。無論是開放給業界還是給科研人員，都是非常有益的。”

拍照搜題“近在眼前” AI個性化輔導“遠在天邊”

在人工智能向各個領域的滲透中，教育領域迎來的變革並不亞於其他行業。儘管許多教育企業紛紛上馬“AI+教育”產品和服務，但AI的落地效果還有待考驗。

劉成林認爲，目前人工智能技術在教育領域較爲成熟的應用是“拍照搜題”。“這個技術門檻不算高，通過拍照識別題目，在題庫中搜索答案，這對識別精度要求不算很高。”

在他看來，用AI在自然交互中進行個性化指導，纔是智能教育的最高境界。但這個目標的實現還有較長的路要走，“一方面，需要基於大量的數據建立完整的知識庫；另一方面，機器人要識別不同學生的不同問題、作出不同解答，包括指出不同的錯誤，十分不易。然而這纔是‘個性化’的意義所在。”

在這個遙遠的目標實現之前，劉成林認爲，一些階段性的目標則可以逐步實現。比如利用AI分析課堂上教師的表情、語言及語氣、學生狀態等對課堂教學效果進行評估。“在對教師講課內容識別不是十分準確的情況下，通過效果評估優化教學方式是可以實現的。”

劉成林認同“教育講求潤物細無聲”的說法。但他認爲要利用人工智能技術真正達到這個目標，從僅僅關注學生學習過程，到覆蓋關注綜合能力發展和身心健康、提供個性化輔導等方面，還需要對AI+教育作深入的思考和技術研發。