“中国有多少数学家致力于人工智能基础算法的研究？”近日，在上海举办的院士沙龙上，徐匡迪院士等院士的提问在业界引起共鸣，被称为“徐匡迪之问”。“我国人工智能领域真正搞算法的科学家寥寥无几。”在4月28日举行的“超声大数据与人工智能应用推广大会”上，东南大学生物科学与医学工程学院教授万绥仁表示，“徐匡迪的问题”直击核心我国人工智能发展的关键问题，“这种局面不改变，我国人工智能应用就难以深入、取得重大成果。”目前我国人工智能发展现状如何?仅靠开源代码和算法就足以支撑人工智能产业的发展吗？我们为什么要有自己的底层框架和核心算法？缺少核心算法就会“卡壳”。“如果缺少核心算法，遇到关键问题还是会“卡”。”浙江大学应用数学研究所所长孔德兴教授ty，告诉科技日报记者，我国人工智能产业的创新能力并没有传说中的那么强。事实是，行业的发展过于依赖开源代码和现有的数学模型，真正属于中国的东西并不多。4个月零基础学人工智能、16讲人工智能入门、算法线下课程……类似的培训在网上很火。通过对现有算法和模型的学习和训练，成长为“矮平快”的人工智能工程师。”可见，既然代码开源了，用起来就好了，为什么还是会被“卡”？孔德兴解释说，开源代码可以用，但不够专业和中肯，而且效果往往不能满足具体任务的实际要求。以图像识别为例，开源代码开发的AI可以准确识别人脸，但在医学图像识别上难以满足临床需求。”例如，肝脏病变的识别由于边界模糊、对比度低甚至器官重叠等困难，很难通过开源代码准确识别。3D重建和可视化很难准确反映真实的解剖信息，甚至可能出现误导等问题，这在医学应用中是“致命的”。”“遇到专业性很强的研究任务，一旦‘卡’了，就会很被动，所以一定要有自己的算法。”孔德兴说。换句话说，能否掌握核心代码，将决定未来人工智能“智能竞赛”中是否有胜算。开源代码“调教”的人工智能最多也就是一个“普通人”，需要帮助AI成长为“人”，细分领域的专家需要基于数学的原始核心模型、代码、框架创新，只有算法的“根”才能支持产业的“奢侈品”，所谓“根深蒂固的大树”。根深蒂固，产业才能发展得越强大。那么，借助开源代码，为什么“半路出家“AI产业难以为继？”孔德兴解释说，在获取相同数据的前提下，开源代码运行，AI深度学习后或许可以输出结果，但由于固定的训练框架和算法限制，当用户开展具体的实际应用，将难以达到预期效果，难以对算法进行修改、改进和优化。“如果从最底层的算法入手，那么整个数学模型、整个算法设计、整个模拟训练都是‘一条龙’，不仅可以协同优化，还可以根据需要随时修改以需求为导向，从而真正解决实际问题。”孔德兴表示，基础算法往往是指针对共性问题研究的算法，涉及基础数学理论、高性能数值计算等学科，可以应用解决各种实际问题；而针对性强的应用算法往往是针对问题所涉及的具体“特定知识和先验信息”进行应用，从而更好地解决实际应用问题。“基础算法和应用算法都很重要，有了基础算法，更有利于算法的丰富和深入应用。”孔德兴说，AI要应对的现实生活是复杂多变的。只有能够“拿捏自如”，才能促进行业的“繁荣”。它呼吁三方共同努力，让数学不再置身事外。“一方面是政策引导，实际上国家一直在加大这方面的支持力度，比如科研经费的设置。对于如何解决‘徐匡迪问题’所反映的问题，孔德兴认为第二个方面是行业企业在进行科技创新时要有意识地吸纳数学家。“如果最终产品是通过算法的开发来实现的，企业应该将开发算法的数学家纳入到成果的分享中。”孔德兴表示，目前社会对数学科学等“软实力”的认可度不够，与行业或法规处于同一层面，要做好数学研究成果的产权保护工作。“第三，数学家本身应该积极参与到人工智能发展的浪潮中。”孔德兴呼吁，人工智能的未来发展需要数学家的深度参与。由于现在还处于“弱人工智能”时代（可以说是数据智能时代），人工智能的实现主要依赖于计算机巨大的计算能力和巨大的存储能力。底层算法的问题可能并不突出，但在未来的发展中，人工智能可能会融入逻辑、思维等智能内容，这些都需要数学科学的原始创新，有大量的基础问题是数学家无法解决的。需要克服。算法的进步必须来自“最初的创造者”，而不是“追随者”。孔德兴说：“事实上，深度学习的应用已经到了天花板。我们需要新的数学技术（比如部分依赖逻辑、部分依赖数据的‘智能算法’）让计算机变得智能。这些工作需要数学家。”参与。”
