這也是中國的問題，我們現(xiàn)在總說我們和國外的差距如何如何，每講到核心技術(shù)，總是受制于人，但對于基礎(chǔ)技術(shù)方面又沒有積累和投入的意識，這樣的虧吃得還不夠多嗎？
比如芯片，國外的領(lǐng)先優(yōu)勢就在兩代以上，我們一直沒能縮短。我們現(xiàn)在用的20納米不太成熟，以后別人都是18納米、14納米，甚至7納米，我們都沒有辦法跟上，更別說趕超了。
還有很多基礎(chǔ)軟件，最核心的基礎(chǔ)的東西都是別人的，我們只在上面做一些小修改，整個生態(tài)都建立在別人的基礎(chǔ)上，原來是X86，后來就更多。
這些基礎(chǔ)問題不解決，就容易地動山搖，整個國家的競爭實力就要受制于人。
全世界200強的公司中，美國有14家芯片公司，14家軟件公司，中國呢？一家都沒有，所以這個差距不得不重視，越是基礎(chǔ)的東西，對我們的未來越重要，這是衡量一個國家人工智能強不強的基本判斷之一。
另一個基本判斷是計算。人工智能是計算出來了，沒有計算就沒有智能，計算力也是一個非?；A(chǔ)的東西。
但如果按照服務(wù)器擁有量來衡量國家計算力，我們現(xiàn)在和國外的差距也不小。國外每年花在服務(wù)器上的錢，可能是整個終端投入的60%-70%，但中國只有20%-30%，在這些基礎(chǔ)設(shè)施上，我們的重視程度也還不夠。
值得注意的是，重視基礎(chǔ)就不能“喜新厭舊”。
中國人很重“名”，“名不正則言不順”，信息領(lǐng)域不斷創(chuàng)造新名詞，一旦新名詞、新學(xué)科上升為行業(yè)意志，原來的基礎(chǔ)學(xué)科就被邊緣化。
去年國家自然科學(xué)基金計算機學(xué)科的4863項申請項目中，計算機科學(xué)的基礎(chǔ)理論只有16項，計算機體系結(jié)構(gòu)22項，程序設(shè)計語言及支撐環(huán)境13項，高速數(shù)據(jù)傳輸技術(shù)2項。
但是，計算機圖像與視頻處理有439項，模式識別理論及應(yīng)用357項，人工智能應(yīng)用258項，這是巨大的反差。
基礎(chǔ)！基礎(chǔ)！基礎(chǔ)！沒有基礎(chǔ)的話，將來還是難以扳回局面。
丨中國的AI優(yōu)勢
中國的優(yōu)勢在于用戶多，網(wǎng)民多，這就讓我們在數(shù)據(jù)方面有優(yōu)勢。
不說BAT了，就說滴滴這樣一家年輕的公司，他們切入的這個領(lǐng)域，以后的數(shù)據(jù)量可能不比阿里、騰訊少，因為每天都有那么多的車在給它產(chǎn)生數(shù)據(jù)。
所以在中國這個大市場里，人工智能應(yīng)用就有得天獨厚的條件，中國搞算法的多、人才多，有后備力量，在相關(guān)方面就比國外超前。
比如云識別、人臉識別等模式和算法領(lǐng)域，都是世界一流。在目前最核心的圖像和語音識別領(lǐng)域，應(yīng)用也越來越多。
但人工智能不限于這些，還有很多和智能制造、無人駕駛、醫(yī)療健康等相關(guān)的領(lǐng)域，這不是算法好和市場大就能快速起來的。
還需要相關(guān)垂直領(lǐng)域的專家配合，比如AI+醫(yī)療，你就需要借助醫(yī)療、智能醫(yī)療方面的專家。
未來我們想在人工智能發(fā)展中做大做強，不僅需要鞏固算法和市場這樣的優(yōu)勢領(lǐng)域，還需要在那些會結(jié)合但又不強的地方，加大力量投入。
丨產(chǎn)學(xué)研結(jié)合，理論創(chuàng)新
我們有數(shù)據(jù)和市場的優(yōu)勢，在算法方面也不弱，有機會能在下一波AI技術(shù)躍遷中占得先機，甚至理論創(chuàng)新上領(lǐng)先。
我個人看來，下一波AI技術(shù)躍遷，核心突破肯定還是在于算法和理論。
人工智能這幾年取得了很大突破，但還是沒能解決一些在人看來很基礎(chǔ)的問題。
比如你教小孩認識事物，可能不出10、20張圖片就能讓他知道這是馬、這是車，但對于機器還做不到，可能機器需要的是上百萬張圖片。
這就是典型的小數(shù)據(jù)學(xué)習(xí)，為什么人可以，機器不可以？但如果考慮到人類一代代經(jīng)過了幾百萬年的進化，才慢慢形成人腦的連接、基因，并有了固定的人腦結(jié)構(gòu)，這好像也能解釋為什么會有從大數(shù)據(jù)到小數(shù)據(jù)的過程。
所以現(xiàn)在的關(guān)鍵是，把AI提升到理論上能解釋的地步，比如還有很多很多的基本的東西沒能搞明白，深度學(xué)習(xí)效果這么好，但決策過程可能我們還無法解釋，黑箱還沒變成白箱，這需要一些基本理論的研究。
這些基本理論的研究，也可能會借由其他領(lǐng)域取得突破，比如量子力學(xué)。之前我演講舉例說過，以色列科學(xué)家提出“信息瓶頸”理論，有一套完整的科學(xué)，他們發(fā)現(xiàn)這個過程和深度學(xué)習(xí)極為相似，這甚至是“深度學(xué)習(xí)”發(fā)明時預(yù)料不到的。