人民网北京12月28日电（陈炜） 今日，“AI启未来”2018人民网人工智能合作伙伴大会在人民日报社新媒体大楼一号演播厅举行。全国政协常委、中国科协原副主席、清华大学教授、国际核能院院士张勤在接受人民创投专访时表示，当前人工智能已经进入第三次浪潮，算法和算力在不断提升，但制约人工智能发展的关键是经过深度“标引”的数据量，而不是未经加工的质量无保证的原始数据量。未来，“标引”（指对数据的专业加工）可能是各国人工智能竞争的关键。
在张勤看来，在人工智能实际应用中，仍然存在“炒作”概念和轻视落地的现象。要实现人工智能技术的广泛应用，首先要坚持需求导向，从垂直领域应用做起，切实解决现实需求，而不是追求华而不实的噱头。
张勤表示，尽管人工智能技术得到了快速发展，但人们想只用一套人工智能系统就实现多场景应用的目标在短期内是不现实的。人工智能与生物智能相比还存在巨大的差距，我们对人脑的认知还非常肤浅，人工智能对人脑的模拟也非常肤浅，不能因为个别特定人工智能产品表现出了比人更高的判断能力就认为机器会成为新兴超级物种，并担心其战胜人类。事实上，任何智能问题只要能被转化为有限计算的问题，机器就会比人强大。例如下围棋问题被变成了深度学习和蒙特卡洛树搜索等计算问题，Alpha Go就打败了人类顶尖棋手，这一点都不奇怪。就如同我们今天谁也不会怀疑计算机数值计算的能力远远胜过人的手算能力一样。所以，人工智能的主要问题其实就是如何将应用领域的智能问题转化为有限可计算数学模型的问题。至于这个计算模型是大数据机器学习还是因果知识的表达和推理，并不是问题的核心。适合本领域问题的数学模型就是好的人工智能模型。因此，将人工智能等同于大数据机器学习是不对的。
张勤认为，就当前流行的大数据机器学习模型来说，除了算法、算力和简单的识别类问题外，更重要的是对大数据的专业加工，而不是比原始数据量的多少。也就是说，我们不仅需要掌握大量原始数据，更需要对这些原始数据进行专业化的“筛选”、“清洗”、“标注”和“索引”，这些数据加工的工作量非常巨大。许多领域的数据加工还非常专业，需要领域专家才能完成，例如对病历数据的加工。所以，数据加工可能是未来各国人工智能竞争的关键。
