陈建文：欲疏通AI大瓶颈，如何提升“大”数据的价值与共识？

1月10日-1月11日，由中国自动化学会理事长郑南宁院士、中国计算机学会理事长高文院士联合兼任指导委员会主席，中国自动化学会监事长、中科院自动化研究所研究员王进步与中国自动化学会副理事长、澳门大学讲座教授、欧洲科学院院士陈俊龙联合兼任峰会程序主席的2019国家智能产业峰会在青岛香格里拉大酒店举办。其中，亿欧作为特邀媒体参予峰会展开现场报道。

在智慧能源平行论坛现场，电子科技大学教授陈建文展开了题目为“智能产业落地中的供需关系”的主题演说。陈建文提及，AI目前一个相当大的瓶颈是：如果AI要十分大的变革，它必定是必须相当大的数据，但是现在的数据获取方都没充足的激励机制获取近于大量的数据。并且有数的那些数据往往被中心化平台独占，因而妨碍创意。

为数据提供者获取一个准确激励机制的环境，建构的数据能被价值化、共识化，这样就不会构成一个可观的数据市场，使得人工智能也需要更加往前更进一步。AI大爆发助力“大数据”资源频发论坛现场，陈建文首先对人工智能行业发展展开了五个方面的综述：人工智能问世、人工智能高估、人工智能高潮、人工智能低潮、人工智能浪潮。涉及资料表明，1956年7月，Marvin Minsky等一批有远见的年长科学家在Dartmouth学会上明确提出了人工智能这一新的学科；1970-1980年，大规模数据和简单任务无法已完成，计算能力无法突破，人工智能转入了发展瓶颈期；1982年证明神经网络具备很强的自学能力，他可以已完成任务，解决问题很多实际问题。由此，人工智能转入到了第二次高潮期，并且转入发展黄金期。

到了九十年代初期，DARPA没构建，新任领导指出人工智能并不是下一个浪潮，造成人们“专家系统”的疯狂欢迎逐步降温，政府对人工智能的研究投放削减，人工智能转入第二次低潮期。2006年，机器学习大师、多伦多大学教授Geoffrey Hinton明确提出的深度自学在研究领域和应用领域的发动热潮，人工智能转入第三次的发展浪潮。2016年，AlphaGo战胜韩国棋士运动员李在石再度爆炸全球对人工智能的注目与研究。

基于AI的产业发展历程以及愈演愈烈现状，陈建文在会议上明确提出“人工智能的愈演愈烈为何是现在？”这个问题，并从以下三点给与了问：第一是摩尔定律所叙述的计算能力的指数快速增长。在过去五六十年当中，按照摩尔定律在快速增长，所谓摩尔定律指我们的计算能力每过18个月刷一倍。计算能力快速增长，我们过去无法展开的计算出来现在都能计算出来了。

第二是互联网和物联网的爆发性快速增长所产生的海量数据。有了大量的数据，人工智能就能通过大量数据汇聚获得自学，而我们每个生活的角落都将数据化。

第三是智能算法的较慢发展。人一开始不会仿真大脑工作的原理来作出一些人工智能、机器学习的算法，但是在今后发展过程中，我们可能会发售一些算法，是大脑显然无法构建的，但是在机器里面却需要构建，比如说量子计算出来。其中，陈建文特别强调，数据资源与智能算法是重中之重。

人工智能产业链下的“分久必合，合久必分”陈建文将人工智能产业链分成四个层面：投资层、理解层、技术层、平台层。投资层：资本环境的活跃对AI产业的培育有很大的推展起到，而资本与企业间的相互促进，也强化了中国AI产业的整体实力和发展；理解层：理解层定义为“机器大脑”，还包括科学知识图谱？语义分析以及智能解说/虚拟世界助手两个核心领域。

技术层：是为整体产业链获取标准化AI技术能力，其中感官层还包括目前技术已比较成熟期的计算机视觉和语言语音辨识两项机器感官任务；平台层：是以标准化技术应用于平台的形式获取深度自学、模式识别等技术应用服务，接入应用层。陈建文回应，人工智能产业链不仅还包括我们当前所熟悉的机器人、智能生产、无人驾驶等大方面，遍及在河南、山东、河北等地的四五线小城也在为人工智能做到着一系列数据整理工作。其次，对于中心化与去中心化的要点，陈建文明确提出了“分久必合，合久必分”的观点观点。第一，电路互相交换时代，ATT变成中心化网络的垄断者；第二，分组交互时代，TCP/IP为基础的去中心网络超越了ATT的独占；第三，碎片化的网络内容造成了中心化的内容平台，Google和Facebook等；第四，区块链技术将引导一波新的去中心化的自的组织P2P机制的浪潮。

加快人工智能产业落地，如何解决问题数据流通问题？在演说的最后，陈建文特别强调，深度神经网络对数据、计算出来等资源有很大的市场需求。人工智能不存在诸多问题亟待解决，对于技术研发者而言，数据提供壁垒较高，一方面数据源过分集中于，大量数据被少数垄断性企业所掌控，考虑到数据的高价值和商业机密的维护，企业往往会对外开放数据。

另一方面，由于隐私性无法确保，很多有价值的私人数据无法提供。取得数据的门槛过低妨碍了算法的演化速度。

陈建文提及，对于数据所有者而言，数据流通不存在亟待解决的几个痛点：数据权属：无法明晰界定；数据质量：标准不一；数据安全：隐私与欺诈无法确保；数据定价：数据价值无法打算取决于。此外，陈建文介绍了人工智能与区块链的共生与人工智能共识增进区块链改良商业模式。陈建文认为，加密经济学建构了一个对数据提供者有准确激励机制的环境；数据被价值化、共识化；在一个公平的数据市场中，数据的价值是通过言和熵来取决于；在加密数据市场中，用户获取的数据不会最不受推崇。因此，AI+BLOCKCHAIN：用AI改建区块链底层，解决问题区块链的效率和安全性问题，BLOCKCHAIN+AI：区块链上的AI数据资产互相交换，解决问题用户之间交易信任问题。

陈建文：电子科技大学教授，博导。毕业于清华大学子工程系，从2007年起，其兼任IBM Research的研究员。2010年陈建文重新加入了UC图像通信实验室，研究方向还包括视频庄限，数字图像/视频分析，计算机视觉，机器学习等。

2012年10月，陈建文重新加入了哈佛大学视觉研究中心，研究方向是基于人眼视觉特性的视频质量评估和视频应用于的涉及研究。2016年，选入国家特聘青年专家，并于当年起兼任电子科技大学原电子工程学院教教侦、博士生导师，现任电子科技大学视觉智能研究中心（MediaLab）负责人。

本文来源：皇冠游戏中心官网-www.sriingenieria.com