智能制造的信息化基础仍薄弱，需对接产业“痛点”而非噱头

智能制造的信息化基础仍薄弱，需对接产业“痛点”而非噱头

中国人工智能学会理事长戴琼海就有这样的感受，在近日召开的第八届吴文俊人工智能科学技术奖颁奖典礼暨2019中国人工智能产业年会上，他抛出了这样一个问题：“当前，解决人工智能与实体经济深度融合的发展瓶颈，最后一公里路该往何处去？”

这不是他一个人的感受。“人工智能为实体经济赋能，是趋势和前景，但做起来，还有一些亟待解决的问题。”中国科学院院士张钹说。

智能制造的信息化基础仍薄弱

人工智能赋能以制造业为代表的实体经济，自动化、信息化是基础。但来自艾瑞咨询的一份报告显示，2018年我国制造业企业数字化设备联网率仅为39%。

在张钹看来，这是人工智能与实体经济深度融合的一大阻碍。

“制造业智能化的前提是自动化和信息化，这要求各细分行业加强设备自动化改造，提高生产自动化程度。然而，目前来看，许多行业工厂生产流程的自动化、信息化水平还很低，人工智能技术也就难以对接。”张钹说。

此外，制造业在生产环节中容错率很低，但当前人工智能技术引入并不能保证100%的准确。“比如电力行业就基本不容有差池，那么人工智能在融入制造业的过程中，就要选择有一定容错率的工业场景。”李修全说。

张钹认为，以上这些问题使得智能制造的推进难度更大，其解决也有赖于制造业整体的自动化、信息化发展。

需对接产业“痛点”而非噱头

“观察各行各业，你会发现企业对人工智能这种新的驱动力都有着迫切的应用需求，但产业化实际上‘雷声大，雨点小’，有的技术仅仅是锦上添花。”百度风投CEO刘维说。

他以近两年颇为热门的智能养猪为例，许多项目在养猪场内应用了猪脸识别技术，然而，就算能够精准识别出每一只猪的不同，但对于如何进一步察觉疫情发生和科学改善养殖，技术团队却往往没有进一步的解决方案，“他们仅仅把‘智能养猪’做成一个概念，然而，我认为，真正能够提高产业的生产环节效率和竞争力，才是人工智能技术是否深度融合实体经济的硬标准”。

智能企业云知声联合创始人李霄寒则认为，人工智能本身是一个势能器，它的落地需要场景，但行业中提供场景的企业和技术提供者存在着巨大的信息不对称，亟须架起这个“桥梁”。

“身为技术供应商，我们需要了解行业的刚性需求到底在哪里。”小i机器人高级副总裁许弋亚认同这一看法，他认为，要推动人工智能与实体经济真正深度融合，构建一个良好的产学研生态非常重要。一方面，从技术、产品到解决方案交付，人工智能技术企业需要充分对接行业需求，抓住机会做好应用；另一方面，人工智能技术企业需要与高校、科研院所在模型、算法等基础研究方面做出更多的合作交流。

对此，国家自然科学基金委人工智能处处长吴国政建议，行业学会、协会、基金会等相关组织应当发挥平台作用，共同关注行业需求，建立定期交流机制，以便发现更多人工智能与实体经济深度融合的根本科学问题。

复合型专业人才培养待支持

高端、复合型人才严重缺乏也是人工智能与实体经济深度融合的一个瓶颈。

近日由清华大学－中国工程院知识智能联合研究中心、中国人工智能学会吴文俊人工智能科学技术奖评选基地联合发布的《2019人工智能发展报告》则指出，从人才竞争上来看，美国的人才数量遥遥领先，凸显了其在人工智能领域的人才优势。对于我国而言，人才数量在大部分领域领跑第二梯队，但与美国相比，中国高影响力学者数量明显不足，顶尖学者相对缺乏，中美之间还存在差距。

“我国已开设了人工智能的本科教育，人才培养尚待时日，但人工智能与其他学科专业的交叉融合还不够深入。”中国人工智能学会教育工作委员会主任王万森说，他建议，应构建与新一代人工智能发展相适应的知识结构和课程体系，形成一个以智能科学与技术专业为核心，外加衍生层诸专业的新生专业类，即人工智能类专业。除上述核心层、衍生层专业外，还应支持复合型和交叉型专业的智能人才培养。

“人工智能的应用只能以垂直的方式进入某一个场景，或者某一个领域行业，这决定了人才的培养方向，方能实现经济社会对新一代人工智能的需求。”王万森强调。

“人工智能在许多行业领域还是刚刚开始，真正要让它全面落地产生价值，可谓任重道远。”中国平安保险（集团）股份有限公司首席科学家肖京道出了许多专家的心声，“我们需要的是踏踏实实地努力，一个一个去攻克难关。”

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。