文/周超臣

　　人工智能不能“舉國(guó)體制”。

　　這是我在3月20日聽(tīng)完長(zhǎng)江商學(xué)院發(fā)布《2018中國(guó)人工智能指數(shù)》之后最大的收獲和感觸。

　　這份報(bào)告從學(xué)術(shù)、人才、產(chǎn)業(yè)、開(kāi)源/平臺(tái)及公共認(rèn)知和媒體報(bào)道五個(gè)領(lǐng)域?qū)υu(píng)估了中美在人工智能領(lǐng)域的發(fā)展現(xiàn)狀及差距，它綜合了斯坦福指數(shù)、牛津指數(shù)、麥肯錫報(bào)告、領(lǐng)英以及國(guó)內(nèi)的騰訊 、華為、清華的報(bào)告等。

　　中國(guó)的牛津指數(shù)得分是17分，美國(guó)得分33分，這意味著美國(guó)在人工智能潛力上幾乎是中國(guó)的2倍。

　　引人矚目的是在學(xué)術(shù)期刊及專(zhuān)業(yè)會(huì)議發(fā)表論文方面，總數(shù)上中國(guó)呈現(xiàn)快速接近美國(guó)的趨勢(shì)，在2016之后這一趨勢(shì)尤其明顯。

　　藍(lán)色曲線(xiàn)代表中國(guó)

　　黃色曲線(xiàn)代表中國(guó)

　　而中國(guó)的中、低引用率(0引用)的論文的發(fā)表總數(shù)在最近幾年逐漸接近美國(guó)的總數(shù)，但在最具原創(chuàng)性、最具影響力的極高引用率(被引用1000次以上)和高引用率(被引用100次以上)的論文方面，中國(guó)與美國(guó)的差距巨大。

　　具體到領(lǐng)域，在機(jī)器學(xué)習(xí)、文本分析和NLP、計(jì)算機(jī)圖像與視頻分析、虛擬代理及群體智能等領(lǐng)域，中國(guó)的論文發(fā)表總數(shù)和被引用總數(shù)在最近幾年里大幅度縮小了與美國(guó)的差距。但是在深度學(xué)習(xí)、機(jī)器人流程自動(dòng)化、以及包括推理學(xué)習(xí)等在內(nèi)的其他領(lǐng)域，從發(fā)表總數(shù)和引用率方面，中國(guó)與美國(guó)的差距仍然顯著。

　　至于中國(guó)在人工智能領(lǐng)域零引用論文數(shù)量比美國(guó)突出、而高引用論文數(shù)量又少得可憐的原因，長(zhǎng)江商學(xué)院經(jīng)濟(jì)學(xué)教授、人工智能與制度研究中心主任許成鋼分析認(rèn)為主要有兩個(gè)：

　　第一，中國(guó)這些論文討論的問(wèn)題是在比較狹窄范圍里的應(yīng)用問(wèn)題，由于應(yīng)用的范圍非常狹窄，所以超出了他的范圍之外別人就沒(méi)有興趣了，因?yàn)槎际菓?yīng)用型的，所以也就沒(méi)有人引用了。

　　第二，中國(guó)的激勵(lì)機(jī)制的原因，在學(xué)校里面是要數(shù)數(shù)的，數(shù)你在國(guó)際期刊上發(fā)了多少篇。“當(dāng)你的評(píng)價(jià)體制高度偏重于數(shù)數(shù)字的時(shí)候，就會(huì)引導(dǎo)著他們追求數(shù)字大，而不是追求質(zhì)量高。這兩個(gè)中間是有矛盾的，因?yàn)槟阋獮榱速|(zhì)量高，你可能就要慢下來(lái)，你要是為了數(shù)字高，你可能把一篇論文拆成三篇，拆了以后每一篇就都不重要了，合成一篇可能就是一篇很重要的文章。”

　　長(zhǎng)江商學(xué)院經(jīng)濟(jì)學(xué)教授、人工智能與制度研究中心主任許成鋼

　　許成鋼在接受虎嗅采訪(fǎng)時(shí)強(qiáng)調(diào)，無(wú)論是國(guó)際期刊還是國(guó)際會(huì)議，都是經(jīng)過(guò)同行評(píng)議的，也就是說(shuō)，能在國(guó)際期刊上發(fā)表的論文，其基本質(zhì)量是有保證的。

　　武漢大學(xué)大數(shù)據(jù)與云計(jì)算實(shí)驗(yàn)室主任崔曉暉與許成鋼的觀(guān)點(diǎn)不謀而合：“我們?cè)谥袊?guó)體制內(nèi)大學(xué)，大家可能應(yīng)該知道有一個(gè)SCI現(xiàn)象(Scientific Citation Index，《科學(xué)引文索引》)，也就是你的水平高和低，或者你從講師評(píng)到副教授或者是教授，人事處就數(shù)這個(gè)教授發(fā)了多少篇SCI文章，從來(lái)不管你這篇文章到底有多大的影響力。這就是SCI現(xiàn)象。”

　　除了學(xué)術(shù)領(lǐng)域，在人工智能人才方面中美的對(duì)比也非常有趣，據(jù)領(lǐng)英人才數(shù)據(jù)庫(kù)統(tǒng)計(jì)，中國(guó)的AI人才總數(shù)為5萬(wàn)，而美國(guó)的AI人才總數(shù)為83萬(wàn)。具體到工作年限和分布領(lǐng)域的話(huà)——

　　工作年限。在中國(guó)，工作10年以下人工智能領(lǐng)域的人在各個(gè)年限都超過(guò)美國(guó)同行，而美國(guó)則在工作10年以上的人才方面遠(yuǎn)超中國(guó)，美國(guó)超過(guò)71.5%的人工智能領(lǐng)域的人工作了10年以上，而中國(guó)這一比例為38.7%。

　　分布領(lǐng)域。在人工智能的基本算法、芯片、傳感器等方面中國(guó)都落后于世界上多數(shù)的發(fā)達(dá)國(guó)家，尤其美國(guó)。

　　除了上面說(shuō)的，報(bào)告還對(duì)其他領(lǐng)域進(jìn)行了總結(jié)，如下：

　　在產(chǎn)業(yè)領(lǐng)域，中國(guó)的活躍的人工智能初創(chuàng)公司整體上呈快速發(fā)展趨勢(shì)，2016年超過(guò)400家，達(dá)到頂峰。中國(guó)活躍的人工智能初創(chuàng)公司數(shù)字在2012年之前多于美國(guó)，但是在2012年以后美國(guó)超過(guò)中國(guó)，而且在2016年之后，美國(guó)快速上升，在2018超過(guò)600家，而中國(guó)則在2016之后下降，在2018降至不到200家。

　　在人工智能的學(xué)術(shù)人才方面，除了有特大影響的人才外，中國(guó)發(fā)表有影響(即被引用的)論文的作者人數(shù)與美國(guó)之間的差距持續(xù)縮小。發(fā)表沒(méi)有被引用的論文的作者人數(shù)，最近幾年大幅增加，超過(guò)美國(guó)。但特大影響(特高引用率)作者的人數(shù)顯著少于美國(guó)。

　　開(kāi)源軟件包，作為度量人工智能研發(fā)程度的指標(biāo)。中國(guó)在最近三年里，關(guān)注人工智能開(kāi)源軟件包的總數(shù)迅速上升，并在2017年秋超過(guò)了美國(guó)。但是，幾乎93%的中國(guó)研究者使用的人工智能開(kāi)源軟件包，是美國(guó)的機(jī)構(gòu)開(kāi)發(fā)提供的。中美兩國(guó)人工智能研究者使用最多的軟件包是Google開(kāi)發(fā)的TensorFlow。在2018年初，中美研究人員對(duì)此的關(guān)注人數(shù)，分別達(dá)到將近9000和約7000。

　　公共認(rèn)知和媒體報(bào)道方面，在2014年之前，中國(guó)媒體對(duì)人工智能的正面報(bào)道略多于負(fù)面，差距不大。此后，負(fù)面報(bào)道持續(xù)下降，正面報(bào)道逐年增加，全面壓倒負(fù)面報(bào)道。相比之下，全球英語(yǔ)世界的報(bào)道，多數(shù)屬于沒(méi)有正負(fù)之分的中性。在2013到201年之間，正負(fù)報(bào)道之間的差距曾經(jīng)大幅度縮小。在2016之后，正面報(bào)道大幅度提高，而負(fù)面報(bào)道則沒(méi)有顯著變化。 這個(gè)趨勢(shì)與2016年之后美國(guó)人工智能投資初創(chuàng)企業(yè)的快速增長(zhǎng)高度相關(guān)。

　　武漢大學(xué)大數(shù)據(jù)與云計(jì)算實(shí)驗(yàn)室主任崔曉暉教授

　　崔曉暉教授在接受虎嗅采訪(fǎng)時(shí)表示，在基礎(chǔ)人才培養(yǎng)方面不應(yīng)該在大學(xué)里專(zhuān)門(mén)設(shè)一個(gè)人工智能相關(guān)的學(xué)科或?qū)W院：“人工智能是一個(gè)高度交叉的學(xué)科，應(yīng)該把人工智能做成一個(gè)通識(shí)課，分布在各個(gè)專(zhuān)業(yè)里，從小學(xué)、中學(xué)乃至大學(xué)都應(yīng)該讓學(xué)生去學(xué)一點(diǎn)。”

　　他說(shuō)，學(xué)科建設(shè)更多的是高端人工智能人才的培養(yǎng)：“在這方面更多的是基礎(chǔ)理論，這就需要一個(gè)學(xué)科，在資源獲取上更容易一些，因?yàn)橹袊?guó)在資源分配方面是按照學(xué)科給你分配的。這也就是為什么很多體制內(nèi)大學(xué)的教授一直強(qiáng)調(diào)要建一個(gè)學(xué)科，其實(shí)是為了更好的獲取資源。”

　　《科技日?qǐng)?bào)》總編輯劉亞?wèn)|則建議，中國(guó)在搞重大的國(guó)家科學(xué)發(fā)展規(guī)劃的時(shí)候，應(yīng)該更多地發(fā)揮市場(chǎng)功能，調(diào)動(dòng)企業(yè)特別是企業(yè)家參與的熱情，這個(gè)事情政府是不能取代的。

　　“如果給我們國(guó)家的人工智能?chē)?guó)家計(jì)劃提建議的話(huà)，就是政府的作用、角色要發(fā)生轉(zhuǎn)換，要從領(lǐng)導(dǎo)變成引導(dǎo)，從定規(guī)劃變成定規(guī)則，得完成這樣一個(gè)角色的轉(zhuǎn)換，這樣的話(huà)人工智能產(chǎn)業(yè)才能夠健康發(fā)展。”劉亞?wèn)|說(shuō)。

　　一句話(huà)總結(jié)，就是搞人工智能不能搞“舉國(guó)體制”。

　　崔曉暉表示，任何的創(chuàng)新都是不可能預(yù)知和不可規(guī)劃的，更多的是在一些隨機(jī)事件中所產(chǎn)生的，“甚至有一些創(chuàng)新剛出來(lái)我們本身并不知道它有很大影響或者是很大的創(chuàng)新。”

　　如何避免“舉國(guó)體制”呢?許成鋼對(duì)虎嗅表示，問(wèn)題在于資源如何配置，尤其在一個(gè)快速發(fā)展的、新的、高度不確定性的領(lǐng)域：“基礎(chǔ)科學(xué)的資源應(yīng)該是由本行的專(zhuān)家來(lái)決定配置，應(yīng)用性的工作資源由風(fēng)險(xiǎn)投資來(lái)決定，風(fēng)險(xiǎn)投資是政府沒(méi)有辦法做的。”

　　也就是說(shuō)，應(yīng)避免把大量的社會(huì)資源調(diào)動(dòng)起來(lái)、人為地朝某些地方投入，因?yàn)槟阃度胱畲蟮哪莻€(gè)領(lǐng)域，最大的可能是失敗。

　　政府主導(dǎo)的風(fēng)險(xiǎn)投資和私人基金主導(dǎo)的風(fēng)險(xiǎn)投資的根本區(qū)別在于，前者更關(guān)心的是你申請(qǐng)了多少個(gè)專(zhuān)利，而不在乎你的死活，因?yàn)樗粫?huì)讓你死，而后者則相反，它要求企業(yè)的第一要?jiǎng)?wù)是活下去。

　　“你把目的放到了專(zhuān)利上，你就引導(dǎo)了他們生產(chǎn)大量沒(méi)有用的專(zhuān)利，那么這樣子的企業(yè)，它就不可能在激烈的技術(shù)發(fā)展和競(jìng)爭(zhēng)的過(guò)程中脫穎而出。”許成鋼解釋說(shuō)。

　　在他看來(lái)，只要你不是真正創(chuàng)新創(chuàng)出來(lái)能制造價(jià)值的，你在市場(chǎng)上就要死，這是市場(chǎng)機(jī)制里的最基本部分，因?yàn)閮?yōu)勝劣汰的基本機(jī)制，靠的就是多數(shù)的企業(yè)要死。

　　許成鋼教授補(bǔ)充說(shuō)：“在過(guò)去超過(guò)半個(gè)世紀(jì)的所有的創(chuàng)新，最大的創(chuàng)新的工作都產(chǎn)生于小企業(yè)，這也是一個(gè)基本規(guī)律。”

　　上面提到，美國(guó)在基礎(chǔ)科學(xué)領(lǐng)域做得遠(yuǎn)遠(yuǎn)比中國(guó)好，中國(guó)則更多的是在應(yīng)用層。從去年或更早些時(shí)候開(kāi)始，中國(guó)的企業(yè)才開(kāi)始意識(shí)到要往基礎(chǔ)科學(xué)方面下沉和側(cè)重，比如阿里成立達(dá)摩院，馬化騰呼吁關(guān)注基礎(chǔ)科學(xué)，都是這樣的例子。

　　中國(guó)在基礎(chǔ)科學(xué)上和美國(guó)等發(fā)達(dá)國(guó)家的差距，許成鋼認(rèn)為，有兩個(gè)方面的原因，一個(gè)是歷史上積累的，從來(lái)差距就很大;第二就是直接跟這個(gè)制度尤其是大學(xué)制度有關(guān)，在美國(guó)等發(fā)達(dá)國(guó)家的大學(xué)制度里，講究的是教授治校自由。

　　許成鋼跟虎嗅分析道：“創(chuàng)造性的工作是很難靠評(píng)價(jià)體系引導(dǎo)出來(lái)的，它更多的是靠人的想象力，而想象力很難通過(guò)評(píng)價(jià)體系引導(dǎo)出來(lái)。”

　　忠言逆耳，希望有關(guān)部門(mén)能明白。