人民網北京12月28日電（陳煒） 今日，“AI啟未來”2018人民網人工智能合作伙伴大會在人民日報社新媒體大樓一號演播廳舉行。全國政協常委、中國科協原副主席、清華大學教授、國際核能院院士張勤在接受人民創投專訪時表示，當前人工智能已經進入第三次浪潮，算法和算力在不斷提升，但制約人工智能發展的關鍵是經過深度“標引”的數據量，而不是未經加工的質量無保証的原始數據量。未來，“標引”（指對數據的專業加工）可能是各國人工智能競爭的關鍵。
在張勤看來，在人工智能實際應用中，仍然存在“炒作”概念和輕視落地的現象。要實現人工智能技術的廣泛應用，首先要堅持需求導向，從垂直領域應用做起，切實解決現實需求，而不是追求華而不實的噱頭。
張勤表示，盡管人工智能技術得到了快速發展，但人們想隻用一套人工智能系統就實現多場景應用的目標在短期內是不現實的。人工智能與生物智能相比還存在巨大的差距，我們對人腦的認知還非常膚淺，人工智能對人腦的模擬也非常膚淺，不能因為個別特定人工智能產品表現出了比人更高的判斷能力就認為機器會成為新興超級物種，並擔心其戰勝人類。事實上，任何智能問題隻要能被轉化為有限計算的問題，機器就會比人強大。例如下圍棋問題被變成了深度學習和蒙特卡洛樹搜索等計算問題，Alpha Go就打敗了人類頂尖棋手，這一點都不奇怪。就如同我們今天誰也不會懷疑計算機數值計算的能力遠遠勝過人的手算能力一樣。所以，人工智能的主要問題其實就是如何將應用領域的智能問題轉化為有限可計算數學模型的問題。至於這個計算模型是大數據機器學習還是因果知識的表達和推理，並不是問題的核心。適合本領域問題的數學模型就是好的人工智能模型。因此，將人工智能等同於大數據機器學習是不對的。
張勤認為，就當前流行的大數據機器學習模型來說，除了算法、算力和簡單的識別類問題外，更重要的是對大數據的專業加工，而不是比原始數據量的多少。也就是說，我們不僅需要掌握大量原始數據，更需要對這些原始數據進行專業化的“篩選”、“清洗”、“標注”和“索引”，這些數據加工的工作量非常巨大。許多領域的數據加工還非常專業，需要領域專家才能完成，例如對病歷數據的加工。所以，數據加工可能是未來各國人工智能競爭的關鍵。
