来源：杭州大数据产业联盟 微信公众号
在IDC发布的《中国人工智能计算力发展评估报告》中提到，算力、算法、数据是人工智能发展的三要素。数据的爆炸式增长提供了“肥沃”的土壤，算力的提升成为促进人工智能整体发展的催化剂和推动力，而算法的演进则推动了人工智能的应用。
业界在谈及人工智能的发展时往往将算力作为最为核心和重要的因素，从投资情况来看吗，算力也是独占半壁江山。我们不否认算力之于人工智能发展的重要性，但是核心算法的缺失也会制约人工智能的发展和突破。
算法是人工智能早期研究和发展的热点，从人工智能概念提出开始，算法一直在不断地发展和演进。从供给的角度来看，学术界是人工智能理论和算法的开创者，在人工智能理论和算法的早期发展过程中起到了核心的作用，从决策树到神经网络，从机器学习到深度学习，推动算法不断演进和进步。
“中国有多少数学家投入到人工智能的基础算法研究中？”日前，在上海召开的院士沙龙活动中，中国工程院院士徐匡迪等多位院士的“徐匡迪之问”引发业界共鸣。徐匡迪指出，我国人工智能领域真正搞算法的科学家凤毛麟角，如果这种情况不改变，我国人工智能应用很难走向深入、也很难获得重大成果。
“徐匡迪之问”之所以能引发行业共鸣，正是因为我国人工智能产业的创新能力不够强大，产业发展过度依赖开源代码和现有的数学模型，真正属于中国自己的东西并不多。
当然也有声音提出，既然代码是开源的，拿来用就好，为什么还有可能被“卡脖子”？
开源代码是可以拿过来使用，但专业性、针对性不够，效果往往不能满足具体任务的实际要求。以图像识别为例，用开源代码开发出的AI即使可以准确识别人脸，但在对医学影像的识别上却难以达到临床要求。“例如对肝脏病灶的识别，由于边界模糊、对比度低、器官黏连甚至重叠等困难，用开源代码很难做到精准识别。在三维重构、可视化等方面难以做到精准反应真实的解剖信息，甚至会出现误导等问题，这在医学应用上是‘致命’的。”
是否掌握核心算法将决定未来的AI“智力大比拼”中是否拥有胜算。用开源代码“调教”出的AI顶多是个“常人”，而要帮助AI成长为“细分领域专家”，需以数学为基础的原始核心模型、代码和框架创新。
在获得同样数据的前提下，以开源代码运行，AI深度学习之后或许能输出结果，但由于训练框架固定、算法限制，当用户进行具体的实际应用时，将很难达到所期望的结果，而且难以修改、完善、优化算法。
而从底层算法做起，那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’，不仅可以协同优化，而且可以根据需求随时修改，从而真正解决实际问题。基础算法往往是指研究共性问题的算法，它涉及到基础数学理论、高性能数值计算等学科，可以应用到多种实际问题中；而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”，从而更好地解决实际应用问题。
人工智能的时代依然是应用为王的时代，没有实际应用价值的技术是没有生命力的，对于人工智能技术来说，需要找到典型的应用和典型的应用场景，才能帮助提升该场景下的能力，并解决问题，这样的人工智能技术才是有价值有意义的。AI要应对的现实生活是复杂、多变的，当能够“应对自如”时，才能够促成产业的“繁茂”。
素材参考：科技日报、《中国人工智能计算力发展评估报告》
