這是今年與會者參加世界人工智能大會（WAIC）最直觀的感受。 而從科學家的角度，這種“陽春白雪”和“煙火氣”的碰撞則有著更深的含義。 在AI從理論研究、應用技術到產業化推廣的產業鏈條中，科學家居于最上游的位置。但近年來，越來越多的科學家從從學術界轉向產業界。如何從產業界的角度思考問題，則是他們需要做出的最大改變。而作為產業大會的WAIC，正是檢驗這種改變的試金石。在WAIC，AI科技評論遇到了11位科學家。他們研究領域各不相同，但有一點相同的是，他們均與產業緊密相連，要么直接加盟某個企業，要么雖然人還在學術界，但與企業有著密切的合作。在現場，這11位科學家分享了他們在WAIC現場的所見所想。在他們看來，在人工智能領域在大數據、大算力、大模型等領域的研究進展依然令人印象深刻，但在WAIC上，這種“科技”正在轉化為“技術”，科技公司們也俯下身段，以更接地氣的方式，來講解其技術對日常生活潛移默化的改變。
大象無形，大音希聲。當大數據、大算力、大模型為代表的AI發展到了一定程度，反而使得人們難以察覺這當中的變化；而科技公司在AI基礎設施建設上的下沉、AI與產業的進一步結合，這也正是在這屆WAIC上，觀眾感覺炫的技術和應用少了的原因。這也是AI發展的一個新階段：如果說幾屆WAIC上，AI更多的是一種“自上而下”的驅動范式，通過酷炫的研究成果，拉動普通用戶對AI的關注；而這屆WAIC更多的是從應用出發的、“自下而上”的推動方式。這也給科學家們提出了新的問題：他們所關注的，不僅僅是人工智能從感知走向決策在研究方法上的改變，更要關注這種驅動范式的轉換對他們研究價值評判所造成的影響。當科學家開始關注市場，他們或許也因此能看到更多的東西——這正是人工智能又一次飛躍的機會。
微眾銀行CAIO楊強：科學家要能說清楚自己做的工作在整個產業鏈條里面的位置
相比起學術會議，世界人工智能大會有很多新的特點，比方說有很多落地應用的案例，而且更強調這些案例，我覺得這個是一個好處，對于科學家來說，應該更關心人工智能和實際應用的這種交匯，同時，科學家要能說清楚自己做的工作，在整個產業鏈條里面的位置，而不是僅僅追求準確率、錯誤率這樣的比較抽象的指標。我覺得今年世界人工智能智能大會有好幾個亮點都特別有意義，第一個是更加國際化，我們在開幕式就看到很多IJCAI的理事會的成員來自世界各地；另一個亮點就是AI的社會責任，比方說隱私計算，這次被多次提到并且有專門的track在講，然后呢，還有就是AI的社會責任也在以不同的panel的形式出現，不管是科學家還是產業都越來越多地意識到人工智能本身的一些不足，如何來彌補這些不足也成為一個熱點。還有一個特點是更多的年輕人參加，尤其這一次，IJCAI和上海人工智能協會包括WAIC上舉辦了一個IJCAI YES的青年學術會議，有幾百個年輕的科學家和產業的帶頭人都來參加。同時IJCAI與WAIC深度合作，不僅在WAIC開幕式亮相，還成立了一個永久的辦公室。另外在7月9號還舉辦了一個IJCAI的WAIC的晨跑活動，有WAIC的參與者和領導來參加，這都是WAIC國際化和社會化的一個標志。京東人工智能研究院常務副院長何曉冬：AI 能夠帶來實際的生產力進步
跳出單點技術的改進來看，今年 WAIC 的一個新亮點是有很多行業+AI的展覽，比如交通銀行的展臺，展示了AI能夠帶來實際的生產力進步。自2016年AlphaGo帶給公眾的沖擊以來，在過去5年，我們看到AI學術界的蓬勃發展，涌現出很多新算法。而未來5年，將是技術大規模落地產業的窗口期，相信更多的亮點會在跨領域技術融合和產業落地上涌現。 事實上，普通大眾可能更容易關注到單點的AI技術，如語音識別、語言理解、圖像識別與生成等，但對高復雜性的問題認識不足。以人機對話與交互為例，一般人只看到語音識別，或者進一步到語言理解，但其實對話的本質是對話雙方的連續博弈和決策，只把語音識別當作對話的核心技術就像把圖像識別當作圍棋AI的核心技術一樣片面，也不能真正解決問題。從這點來看，新的機遇在于從更高的層次來看AI的發展，關注更本質的技術問題，聚焦更復雜的大系統。在今年的WAIC上，京東展出了許多AI產品與服務，其中最值得介紹的是京東智能客服言犀打造的“數字銀行柜員”，該解決方案融合了前沿的智能語音、智能對話、及虛擬數字人技術，結合金融領域知識和行業know-how，在各個客服、營銷、投顧等場景為客戶提供高效率高體驗的智能服務，可以實現自主應答、主動服務、質檢與合規、智能工作臺、員工培訓、客戶洞察等全流程服務。科大訊飛A.I.教育研究院院長王士進 ：科學家應該更加側重對人工智能應用的介紹和理解
從大會的主題就可以發現，從最開始的“人工智能賦能新時代”到如今聚焦城市發展，這代表了人工智能產業化應用越來越深入，參與其中的玩家趨于理性和成熟。同時，安全的挑戰也越來越大。去年WAIC，中科院院士姚期智就在開幕式上強調“將人工智能與‘多方計算’技術相結合，有望實現對數據的隱私保護”。今年大會中不少參與嘉賓提到了隱私計算這一技術。可以預見，隱私計算將迎來爆發式的研究和應用，其對于隱私保護乃至國家安全有著重要的意義。在今年的WAIC中，智能駕駛是著重展示的概念之一。作為人工智能、新一代通信技術與傳統汽車技術跨界融合的新興產物，智能駕駛技術的落地量產和商業化越來越值得期待。當下國家推行建立以需求為導向的科技成果轉化機制，科技創新上升為國家戰略，在這一背景下，科學家需要更加關注支撐經濟社會發展的戰略性、基礎性、先導性產業，著力解決“卡脖子”難題。人工智能應用從過去的紙上談兵或炫技，趨于實用并服務于國家戰略需求，我認為這可以說是學術界發展進步的一種表現。在這個多元化行業的大會中，科學家應該更加側重對人工智能應用的介紹和理解，特別包括探索和闡述新場景下的新應用，以及成熟應用中的新問題是如何得到解決的，可以包括探索的嘗試和規劃化的數據驗證。比如在此次大會“AI賦能教育數字化轉型論壇”中，我向參會者重點介紹面向因材施教場景的智慧課堂和個性化學習應用產品，剖析人工智能技術對教學模式的變革以及產品的迭代發展。哈爾濱工業大學人工智能研究院院長劉劼：人工智能要落地，評價標準是效益
人工智能每一次興起，人們都會憧憬它具有取代或者超越人的能力，但“繁華落盡”，人們就會發現，人工的智能跟真正的智能相差甚遠。這種理想與現實的差距，其實也是導致前幾次“人工智能寒冬”的原因。今年的世界人工智能大會相對務實，表現在兩個方面，一個是泡沫在被慢慢的擠掉，憧憬、講故事、畫大餅的東西越來越少；另一方面人工智能的一些非常顯著的進展，包括大模型、超大規模算力等，新聞報道甚多，讓大家覺得有點兒審美疲勞。人工智能最終要落地，評價標準是實質的效益。有人說數據是新石油，也有人說人工智能是新電力，無論怎樣，這些“電”必須能夠落地。類比電燈、電話、電梯，只有打造出物聯網或者實體智能，才能讓人工智能真正走進千家萬戶，賦能各個行業奔向美好未來。今年是大會第一次在國內有分會場，我們承辦哈爾濱分會場，即突出了哈爾濱特色，也突出了和上海的互動，希望大家更多關注哈爾濱人工智能學術和產業的進展。上海交通大學安泰經濟與管理學院助理教授李春曉：學術明確方向，產業認清邊界
我聽到很多聲音在喊“人工智能到了該反思的時候了”，畢竟這波AI浪潮持續了這么久，確實需要我們梳理一下，哪些理論沒有跟上，哪些理論走在了前列。2021年，無論是對于學術界還是產業界都是反思、批判的好契機。現在的人工智能，以深度學習為代表的技術只是在初級階段，在某些特定領域很“聰明”，但不代表“通吃”所有領域。因此大家應該明確這個邊界，不要造成“AI在哪都能打”的誤解。之前的每一次AI浪潮退卻，不正是源于這種誤解？當前的人工智能還是以感知為主，而在實際場景下，卻需要感知和認知相結合，因此，學術界的研究趨勢應該是：在擴展感知層研究的同時，積極探索認知理論的研究。產業界其實有些事情也沒有搞清楚，例如：1.沒有明確哪些場景適合用AI來處理；2.沒有明確AI不能處理哪些場景。另外，還有一些基本事實，我想提醒一下：知識圖譜只能解決一部分認知問題；深度學習不是什么都能干。從政府對人工智能的扶持力度上能感覺到，中國是個積極擁抱技術的國家。但這次世界人工智能大會也能看出一些“偏好”：更多的強調應用，科學強調太少。只有科學前進，才能用技術解決行業痛點，幫助我們實現美好生活。明略科技深度學習實驗室負責人唐大閏：AI行業未來能夠重復計算機行業的輝煌
這屆WAIC上有兩個新趨勢值得關注，一是 AI賦能，除了感知之外更需要“認知”的加入，二者結合才能輔助甚至代替人類做出決策；二是 AI硬件國產化，自主化有遍地開花的趨勢，但是作為資產、智力密集型產業，眾多小公司都可能只是先烈。 從今年的世界人工智能大會可以看出：雖然智能無處不在，但距離能夠延伸人類的智力輔助決策，依然有著不小的距離；AI算力硬件廠商多方尋求合作，但想要突破國際巨頭（NVIDIA）依然困難重重。AI行業在發展前進，民眾甚至資本都希望有能夠切實感知的落地案例、場景、產品，才能延續對AI產業的信心。AI公司也必須拿出接地氣的成果，才能證明自己在這個領域持續前進且占據了一席之地，這就是所謂的“不陽春白雪”了。既然向民眾普及了AI的概念與趨勢，就要應對大家對AI能夠改變工作與生活的期望，這個過程在計算機普及的十幾年間已經重復過一次了，希望AI行業也能夠重復計算機行業的輝煌。AI發展不光要關注學術前沿和技術落地，還需要關注人才。今年大會，人才培養有關的話題被提到了一個前所未有的重要位置。5場主題論壇活動，涵蓋青少年、產業人才、創新人才、青年科學家的培養。AI賦能各行各業，需要的是全民人工智能思維普及和素養提升，每個人都需要盡早認識到AI技術在自己從事的職業、專業中產生的價值。今年會場中能看到很多小朋友的身影，甚至有小學生組團來參觀，“人工智能從娃娃抓起”已經初現成效。AI核心技術的突破更離不開頂尖人才，對創新人才、科學家的培養已經有了模式上的創新和政策的支持。在“天才”出現比例恒定的情況下，我們要擴大人才基數，才能讓中國在人工智能競爭中保持領先地位，率先進入強人工智能甚至超人工智能時代。 中電金信研究院副院長單海軍：人工智能技術的發展從技術驅動走向市場驅動
WAIC2021有幾個明顯的觀感，用幾個關鍵詞總結就是：市場、安全和改造。一是人工智能技術的發展從技術驅動走向市場驅動，AI領域的公司已經從關注前沿技術和探討場景落地的可能，發展到了圍繞具體場景推出成熟的解決方案。本次展覽有大量國內的AI創業公司，覆蓋芯片、AI平臺到AI算法到智能業務，顯示出市場的火熱和務實；二是數據安全和隱私保護已經成為新的行業熱點。從專題分論壇看，隱私計算學術交流會、可信AI論壇等均成為關注熱點；各大廠商如螞蟻集團、京東等也推出了解決方案。相信在政策和技術的推動下，會成為未來幾年人工智能領域的重要業務。三是傳統行業廠商已經開始大量接觸“AI”，施耐德電氣、國家電網、上汽等在產品和業務中已經大量使用AI技術，表明了AI技術的新一輪普及和對行業的改造正在深入中。中電金信還參與了IJCAI和WAIC共同舉辦的學術會議IJCAI YES，我們是這個學術會議的鉆石贊助商。AI的學術研究和產業的結合日趨緊密，我覺得無論是學術界也好，工業界也好，未來肯定在于年輕人，所以說辦年輕人大會就是多給這些年輕人一些展現的舞臺，多給他們一些合作的機會，能更好地促進我們AI學術界這些年輕人的發展，大會的意義就在于此。華為諾亞方舟決策與推理實驗室主任郝建業：感知AI走向落地，但決策AI投入仍不夠
近兩三年AI技術的發展相對來講比較平緩，從歷史來看所有技術方向都會經歷相對比較平緩的階段。在這個階段，更需要關注技術前后端和平臺系統的完善，從而讓技術更好的沉淀、落地。
從這個角度來講，這一屆大會整體內容感覺更加務實，注重AI技術落地背后的軟硬件平臺及安全、倫理等問題。如果沒有相關的配套軟硬件，包括大環境的支持，那么一項前沿技術可能只是一個空中樓閣。
從AI技術演進來講，大型預訓練模型還算是比較新鮮的事物，目前也仍只是少數公司或科研機構才有足夠的算力來支撐，面向NLP和CV的大模型如何在未來大規模落地也是需要工業界持續探索思考的問題。面向未來，除了感知、認知之外，更重要的是決策方向。這方面的主流技術是強化學習，目前離大規模落地還有一定的距離。對于大眾而言，對這塊技術的了解相對來講比較少。有必要通過這種大會進一步去擴大非AI人士對決策智能方面的理解，從而更多加大在決策智能方面的投入。
此外，WAIC和一般的學術會議不一樣，參會人背景非常多樣化，包括各個行業的專家、企業家、政府人員。我建議科學家或研究者多分享自己在研究方向上的觀點，比如AI技術對整個社會的發展有哪些影響？AI的大方向應該往哪些具體的角度演進？包括AI安全、倫理和可解釋性等等，而不是去展示前沿科技的復雜技術細節。
復旦大學計算機科學技術學院教授黃萱菁：陽春白雪不應當是AI大會的目的
會議的AI感是越來越強了，但亮點是可遇不可求的。以AI頂會的最佳論文為例，預訓練模型先后獲得了NAACL 2018、NAACL 2019、NeurIPS 2020的最佳論文。但這是特例，更多頂會的最佳論文仍然是漸進的突破，而不是顛覆性的成果。或許我們可以關注一些尚未產生充分先進成果的話題，也許這就蘊含著未來的亮點，比如負責任的AI、環境友好的AI、腦機接口等。 WAIC的會展覆蓋上層應用到底層架構。人氣虛擬偶像、自動駕駛導覽小巴、低空配送無人機網絡等應用固然熱鬧，底層AI平臺更是精彩。多家企業發布了超大規模預訓練模型，把中文自然語言處理推向了新的高度。期待在國產AI平臺的助力下，國內人工智能研究、應用和產業落地能更加輝煌。我覺得AI大會必須肩負一個使命，就是把最新的學術界進展、最有潛在價值的工業界落地應用介紹給媒體、監管、大眾，使人工智能走進人心，走進生活和工作，更接地氣。陽春白雪不應當是AI大會的目的。WAIC雖然強調AI技術的落地應用，但也同樣吸引學術界的眼球。此外，除了互聯網、人工智能業界人士之外，還有許多來自制造業、金融業的觀眾。科學家如果希望在WAIC更好地展示自己，建議學習一些技巧，比如”如何做好一個TED演講”，不要試圖向普羅大眾介紹整個研究領域，而是設計引人入勝的開場白，把內容細節化，把故事講好。另一個思路是采取靈活多樣的表現形式，比如在AI TIME組織的“圖神經網絡與認知智能前沿技術論壇”的圓桌討論中，就設計了有爭鳴性的問題，讓嘉賓各抒己見，碰撞出思想的火花，同時鼓勵觀眾提問，收到了很好的效果。阿里巴巴達摩院人工智能科學家楊紅霞：預訓練技術走向商業落地是一大驚喜
人工智能已經在“聽、說、看”等感知智能領域達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處于初級階段。認知智能被認為是邁向下一代人工智能的關鍵性突破，超大規模預訓練模型被認為是認知智能的基礎設施。NLP的預訓練領域自BERT以來，規模從小到大，模型從文本到多模態，呈現如火如荼的發展態勢。這些研究以多種多樣的角度進行創新，涌現了很多令人激動的成果。在眾多研究中，尤以OpenAI的GPT3和DALL-E引人注目，顯現出了更強大的語言能力、邏輯能力和跨模態理解能力。國際上Google、微軟（OpenAI）和NVIDIA陸續突破了萬億參數規模，國內目前北京智源研究院和阿里巴巴達摩院相繼開發了萬億級別參數的預訓練模型，實現了強大的、通用的多模態編碼器和生成器，甚至已經實現了部分場景的商業化落地，同時我們發現隨著參數規模的增大，預訓練模型展現了一定的推理認知和創造力。可以預測，預訓練技術的出現，為軟硬結合、新的商業化模式等都帶來了巨大的機遇。這是WAIC讓我非常驚喜的地方，并期待在未來能有更多的基礎領域技術的落地。 中科院自動化所研究員王金橋：科學家要從碎片化場景凝練共性需求，設計更通用模型 話題創新和酷炫的演示并不能解決AI變現的問題，反而AI更務實了，不再To VC地宣傳了。模型和算法正在向著場景深處的細枝末節來滲透，越來越與實際業務貼合，從點線面形成數據-場景和SaaS服務的閉環，也就是更加了解場景的Know How。我認為這也是一種進步——讓AI照進現實。AI公司對細分場景從算法的輸出轉變為提供整體的解決方案，場景越來越細分，同時場景也越來越內卷，傳統的企業開始布局AI，從而加劇了細分行業競爭。 AI的酷炫的光環正在褪去，強調新方法的論文、酷炫的demo往往跟實際的應用場景的需求有一定的鴻溝。大家討論AI的時候越來越接地氣了，不再說“多少個博士、多少篇Nature論文”了。另外，AI作為基礎設施，特別是預訓練大模型的出現，智能計算中心的出現，也會改變當前AI的一個模型、一個算法的研發模式，“多模態+大模型+多任務”成為一個重要的方向。隨著大模型的發展，數據的爆炸性增長，人工智能正在成為新的生產力工具，算力已經成為生產力，數據成為新的生產力資料，城市級的智能計算中心將成為支撐智能城市的一個重要基座，推動城市數字化和產業的智能化升級。作為科學家，應該通過這個大會跟行業場景的專家進行交流，從兩個方面來介紹自己的科研方向：一方面是場景與AI結合的創新，深入到細分場景中去解決AI的應用問題，從模型、硬件和算法等多個方面系統性地分析，通過一線的實踐去解決真正的問題；另一個方面是，從碎片化的場景中去凝練一些共性的需求，結合當前的技術發展，來更好地設計通用的模型，增強模型的泛化能力。
雷鋒網雷鋒網雷鋒網
雷峰網特約稿件，未經授權禁止轉載。詳情見轉載須知。
