文/周超臣

　　人工智能不能“舉國體制”。

　　這是我在3月20日聽完長江商學(xué)院發(fā)布《2018中國人工智能指數(shù)》之后最大的收獲和感觸。

　　這份報告從學(xué)術(shù)、人才、產(chǎn)業(yè)、開源/平臺及公共認(rèn)知和媒體報道五個領(lǐng)域?qū)υu估了中美在人工智能領(lǐng)域的發(fā)展現(xiàn)狀及差距，它綜合了斯坦福指數(shù)、牛津指數(shù)、麥肯錫報告、領(lǐng)英以及國內(nèi)的騰訊 、華為、清華的報告等。

　　中國的牛津指數(shù)得分是17分，美國得分33分，這意味著美國在人工智能潛力上幾乎是中國的2倍。

　　引人矚目的是在學(xué)術(shù)期刊及專業(yè)會議發(fā)表論文方面，總數(shù)上中國呈現(xiàn)快速接近美國的趨勢，在2016之后這一趨勢尤其明顯。

　　藍(lán)色曲線代表中國

　　黃色曲線代表中國

　　而中國的中、低引用率(0引用)的論文的發(fā)表總數(shù)在最近幾年逐漸接近美國的總數(shù)，但在最具原創(chuàng)性、最具影響力的極高引用率(被引用1000次以上)和高引用率(被引用100次以上)的論文方面，中國與美國的差距巨大。

　　具體到領(lǐng)域，在機(jī)器學(xué)習(xí)、文本分析和NLP、計(jì)算機(jī)圖像與視頻分析、虛擬代理及群體智能等領(lǐng)域，中國的論文發(fā)表總數(shù)和被引用總數(shù)在最近幾年里大幅度縮小了與美國的差距。但是在深度學(xué)習(xí)、機(jī)器人流程自動化、以及包括推理學(xué)習(xí)等在內(nèi)的其他領(lǐng)域，從發(fā)表總數(shù)和引用率方面，中國與美國的差距仍然顯著。

　　至于中國在人工智能領(lǐng)域零引用論文數(shù)量比美國突出、而高引用論文數(shù)量又少得可憐的原因，長江商學(xué)院經(jīng)濟(jì)學(xué)教授、人工智能與制度研究中心主任許成鋼分析認(rèn)為主要有兩個：

　　第一，中國這些論文討論的問題是在比較狹窄范圍里的應(yīng)用問題，由于應(yīng)用的范圍非常狹窄，所以超出了他的范圍之外別人就沒有興趣了，因?yàn)槎际菓?yīng)用型的，所以也就沒有人引用了。

　　第二，中國的激勵機(jī)制的原因，在學(xué)校里面是要數(shù)數(shù)的，數(shù)你在國際期刊上發(fā)了多少篇。“當(dāng)你的評價體制高度偏重于數(shù)數(shù)字的時候，就會引導(dǎo)著他們追求數(shù)字大，而不是追求質(zhì)量高。這兩個中間是有矛盾的，因?yàn)槟阋獮榱速|(zhì)量高，你可能就要慢下來，你要是為了數(shù)字高，你可能把一篇論文拆成三篇，拆了以后每一篇就都不重要了，合成一篇可能就是一篇很重要的文章。”

　　長江商學(xué)院經(jīng)濟(jì)學(xué)教授、人工智能與制度研究中心主任許成鋼

　　許成鋼在接受虎嗅采訪時強(qiáng)調(diào)，無論是國際期刊還是國際會議，都是經(jīng)過同行評議的，也就是說，能在國際期刊上發(fā)表的論文，其基本質(zhì)量是有保證的。

　　武漢大學(xué)大數(shù)據(jù)與云計(jì)算實(shí)驗(yàn)室主任崔曉暉與許成鋼的觀點(diǎn)不謀而合：“我們在中國體制內(nèi)大學(xué)，大家可能應(yīng)該知道有一個SCI現(xiàn)象(Scientific Citation Index，《科學(xué)引文索引》)，也就是你的水平高和低，或者你從講師評到副教授或者是教授，人事處就數(shù)這個教授發(fā)了多少篇SCI文章，從來不管你這篇文章到底有多大的影響力。這就是SCI現(xiàn)象。”

　　除了學(xué)術(shù)領(lǐng)域，在人工智能人才方面中美的對比也非常有趣，據(jù)領(lǐng)英人才數(shù)據(jù)庫統(tǒng)計(jì)，中國的AI人才總數(shù)為5萬，而美國的AI人才總數(shù)為83萬。具體到工作年限和分布領(lǐng)域的話——

　　工作年限。在中國，工作10年以下人工智能領(lǐng)域的人在各個年限都超過美國同行，而美國則在工作10年以上的人才方面遠(yuǎn)超中國，美國超過71.5%的人工智能領(lǐng)域的人工作了10年以上，而中國這一比例為38.7%。

　　分布領(lǐng)域。在人工智能的基本算法、芯片、傳感器等方面中國都落后于世界上多數(shù)的發(fā)達(dá)國家，尤其美國。

　　除了上面說的，報告還對其他領(lǐng)域進(jìn)行了總結(jié)，如下：

　　在產(chǎn)業(yè)領(lǐng)域，中國的活躍的人工智能初創(chuàng)公司整體上呈快速發(fā)展趨勢，2016年超過400家，達(dá)到頂峰。中國活躍的人工智能初創(chuàng)公司數(shù)字在2012年之前多于美國，但是在2012年以后美國超過中國，而且在2016年之后，美國快速上升，在2018超過600家，而中國則在2016之后下降，在2018降至不到200家。

　　在人工智能的學(xué)術(shù)人才方面，除了有特大影響的人才外，中國發(fā)表有影響(即被引用的)論文的作者人數(shù)與美國之間的差距持續(xù)縮小。發(fā)表沒有被引用的論文的作者人數(shù)，最近幾年大幅增加，超過美國。但特大影響(特高引用率)作者的人數(shù)顯著少于美國。

　　開源軟件包，作為度量人工智能研發(fā)程度的指標(biāo)。中國在最近三年里，關(guān)注人工智能開源軟件包的總數(shù)迅速上升，并在2017年秋超過了美國。但是，幾乎93%的中國研究者使用的人工智能開源軟件包，是美國的機(jī)構(gòu)開發(fā)提供的。中美兩國人工智能研究者使用最多的軟件包是Google開發(fā)的TensorFlow。在2018年初，中美研究人員對此的關(guān)注人數(shù)，分別達(dá)到將近9000和約7000。

　　公共認(rèn)知和媒體報道方面，在2014年之前，中國媒體對人工智能的正面報道略多于負(fù)面，差距不大。此后，負(fù)面報道持續(xù)下降，正面報道逐年增加，全面壓倒負(fù)面報道。相比之下，全球英語世界的報道，多數(shù)屬于沒有正負(fù)之分的中性。在2013到201年之間，正負(fù)報道之間的差距曾經(jīng)大幅度縮小。在2016之后，正面報道大幅度提高，而負(fù)面報道則沒有顯著變化。 這個趨勢與2016年之后美國人工智能投資初創(chuàng)企業(yè)的快速增長高度相關(guān)。

　　武漢大學(xué)大數(shù)據(jù)與云計(jì)算實(shí)驗(yàn)室主任崔曉暉教授

　　崔曉暉教授在接受虎嗅采訪時表示，在基礎(chǔ)人才培養(yǎng)方面不應(yīng)該在大學(xué)里專門設(shè)一個人工智能相關(guān)的學(xué)科或?qū)W院：“人工智能是一個高度交叉的學(xué)科，應(yīng)該把人工智能做成一個通識課，分布在各個專業(yè)里，從小學(xué)、中學(xué)乃至大學(xué)都應(yīng)該讓學(xué)生去學(xué)一點(diǎn)。”

　　他說，學(xué)科建設(shè)更多的是高端人工智能人才的培養(yǎng)：“在這方面更多的是基礎(chǔ)理論，這就需要一個學(xué)科，在資源獲取上更容易一些，因?yàn)橹袊谫Y源分配方面是按照學(xué)科給你分配的。這也就是為什么很多體制內(nèi)大學(xué)的教授一直強(qiáng)調(diào)要建一個學(xué)科，其實(shí)是為了更好的獲取資源。”

　　《科技日報》總編輯劉亞東則建議，中國在搞重大的國家科學(xué)發(fā)展規(guī)劃的時候，應(yīng)該更多地發(fā)揮市場功能，調(diào)動企業(yè)特別是企業(yè)家參與的熱情，這個事情政府是不能取代的。

　　“如果給我們國家的人工智能國家計(jì)劃提建議的話，就是政府的作用、角色要發(fā)生轉(zhuǎn)換，要從領(lǐng)導(dǎo)變成引導(dǎo)，從定規(guī)劃變成定規(guī)則，得完成這樣一個角色的轉(zhuǎn)換，這樣的話人工智能產(chǎn)業(yè)才能夠健康發(fā)展。”劉亞東說。

　　一句話總結(jié)，就是搞人工智能不能搞“舉國體制”。

　　崔曉暉表示，任何的創(chuàng)新都是不可能預(yù)知和不可規(guī)劃的，更多的是在一些隨機(jī)事件中所產(chǎn)生的，“甚至有一些創(chuàng)新剛出來我們本身并不知道它有很大影響或者是很大的創(chuàng)新。”

　　如何避免“舉國體制”呢?許成鋼對虎嗅表示，問題在于資源如何配置，尤其在一個快速發(fā)展的、新的、高度不確定性的領(lǐng)域：“基礎(chǔ)科學(xué)的資源應(yīng)該是由本行的專家來決定配置，應(yīng)用性的工作資源由風(fēng)險投資來決定，風(fēng)險投資是政府沒有辦法做的。”

　　也就是說，應(yīng)避免把大量的社會資源調(diào)動起來、人為地朝某些地方投入，因?yàn)槟阃度胱畲蟮哪莻€領(lǐng)域，最大的可能是失敗。

　　政府主導(dǎo)的風(fēng)險投資和私人基金主導(dǎo)的風(fēng)險投資的根本區(qū)別在于，前者更關(guān)心的是你申請了多少個專利，而不在乎你的死活，因?yàn)樗粫屇闼溃笳邉t相反，它要求企業(yè)的第一要務(wù)是活下去。

　　“你把目的放到了專利上，你就引導(dǎo)了他們生產(chǎn)大量沒有用的專利，那么這樣子的企業(yè)，它就不可能在激烈的技術(shù)發(fā)展和競爭的過程中脫穎而出。”許成鋼解釋說。

　　在他看來，只要你不是真正創(chuàng)新創(chuàng)出來能制造價值的，你在市場上就要死，這是市場機(jī)制里的最基本部分，因?yàn)閮?yōu)勝劣汰的基本機(jī)制，靠的就是多數(shù)的企業(yè)要死。

　　許成鋼教授補(bǔ)充說：“在過去超過半個世紀(jì)的所有的創(chuàng)新，最大的創(chuàng)新的工作都產(chǎn)生于小企業(yè)，這也是一個基本規(guī)律。”

　　上面提到，美國在基礎(chǔ)科學(xué)領(lǐng)域做得遠(yuǎn)遠(yuǎn)比中國好，中國則更多的是在應(yīng)用層。從去年或更早些時候開始，中國的企業(yè)才開始意識到要往基礎(chǔ)科學(xué)方面下沉和側(cè)重，比如阿里成立達(dá)摩院，馬化騰呼吁關(guān)注基礎(chǔ)科學(xué)，都是這樣的例子。

　　中國在基礎(chǔ)科學(xué)上和美國等發(fā)達(dá)國家的差距，許成鋼認(rèn)為，有兩個方面的原因，一個是歷史上積累的，從來差距就很大;第二就是直接跟這個制度尤其是大學(xué)制度有關(guān)，在美國等發(fā)達(dá)國家的大學(xué)制度里，講究的是教授治校自由。

　　許成鋼跟虎嗅分析道：“創(chuàng)造性的工作是很難靠評價體系引導(dǎo)出來的，它更多的是靠人的想象力，而想象力很難通過評價體系引導(dǎo)出來。”

　　忠言逆耳，希望有關(guān)部門能明白。