嘉 宾 简 介

高文，现任中国工程院院士，北京大学信息科学技能学院院长，中国打算机学会理事长。
四十年前，他还只是一家电冰箱厂的学徒工，规复高考之后，他决心连续深造，填报志愿时，在工厂师傅们的建议下，他选择了当时大家都觉得“出息无量的”打算机专业。
从那时出发，他见证和参与了中国打算机行业的高速发展，见证了人工智能的发展壮大。
他先后主持的国家级科研项目达20多项，涉及人工智能、***编码与剖析、打算机视觉等前沿领域。
高文带领的数字***编解码技能国家工程实验室，经由近十年的潜心研究，凭借完备自主创新，完成了我国具备自主知识产权的第二代信源编码标准体系，达到与国际标准相称的水平。

以下为本次演讲的核心内容

人类智能便是我们大家都具有的这样一个智能。
人类智能是从哪里来的？首先是从我们生活和社会实践当中来，其次是我们通过措辞、笔墨、印刷传承下来的智能。
以是不要忘了，措辞、笔墨和印刷在人类智能的发展脉络当中是非常关键的一个技能。
根据现在考古的创造，我们人类智能进化到本日，经历了大约三百万年，而人工智能实在它发展的历史并不长，只发展了63年。
现在一讲人工智能，有的人喜好得不得了，有的人害怕得不得了，为什么会这样呢？是由于大家利用的关于人工智能的观点不尽相同。

那么首先到底什么是人工智能？

一、

高开低走、起起落落，人工智能弯曲的前半生

人工智能也可以叫人造智能，是由人制造出来，当然，它是模拟人的一个智能。
它肯定要通过一个载体表现出来，这个载体可以是机器人，也可以是一台打算机。
人工智能有两个很主要的观点，大家不能稠浊。
一个观点叫做通用人工智能，或叫强人工智能，便是人工智能的系统，如果它的功能、能力和人是一样的，乃至超过人了，那就叫强人工智能系统。
第二个观点叫专用人工智能，或叫弱人工智能，如果这个智能系统只能干一件事，只管可能比人厉害，没紧要，那它也是弱人工智能。
比如说我们现在去乘高铁，以前还要检票，现在***往那儿一放，刷个脸你就进去了，这便是一个刷脸人工智能系统。
语音识别也是同样的道理，不管它做得有多好，比别人强多少，如果它只是这一项功能的话，这便是一个弱人工智能系统。

1

出身“名门”

1956年被称作人工智能元年，我们说那是它出生之年。
由于在1956年，有十位年轻的学者在美国的达特茅斯市搞了一个暑期研究所。
在那个研究所经由两个月的谈论，就人工智能该当干什么、怎么干，进行了一番谈论，末了写了一个报告，大家公认是对人工智能比较完全的一个描述。

这十个人中当时七个坐在草坪上照了张相，最前面这五个人是非常厉害的“大牛”。
左边的四个都是图灵奖的得主，大家知道图灵奖是打算机界的诺贝尔奖；第四位是诺贝尔奖得到者，以是第四位是比较厉害的，他一个人既得了图灵奖、又得了诺贝尔奖；第五位他不用得任何奖，他叫山农，有的翻译成喷鼻香农，他是信息论的创始人，是我们全体信息领域的一个鼻祖。
这十个年轻人在两个月期间谈论了七个问题，包括自动打算机、编程措辞、神经网络、打算规模理论，也便是说，做人工智能系统什么样的打算性能做，然后是自我改进，这便是本日所说的机器学习。
然后还有抽象，我们现在所有的大数据，你把数据直接喂进去，它是不能处理的，你要把这个数据提炼出来，这便是抽象。
然后是随机性和创造性，创造性的思维实在现在的机器还是做不了。
他们当时就把人工智能领域须要研究的问题列了一下，以是这一年被称为是人工智能的元年。

从1956年到1976年这二十年，人工智能发展的第一个阶段，紧张事情是在仿照大脑是怎么事情的。
它这个仿照不是说旗子暗记级的仿照，而是在更高层面的、在逻辑推理这个层面上去仿照大脑。
那么用什么办法来仿照呢？用逻辑推理的手段来仿照。
现在回过分来看，在人工智能的第一阶段，留下来比较宝贵的一个成果，便是数学定理证明。
也便是说，用打算机自动进行数学定理的证明，一个是代数定理证明，一个是几何定理证明，都是由两位华人完成的。
一位华人叫王浩，他实际上是和杨振宁师长西席同时期的人，他紧张做的是代数的机器定理证明；还有一位非常有名的学者叫做吴文俊，他的几何定理证明是天下上做得最好的。
但是后来创造，仅仅通过仿照人的大脑来实现人工智能这条路太难走，除了机器定理证明做得还不错以外，当时第一阶段设定的其它一些目标都没有完成，比方说希望能够降服国际象棋的国际冠军、机器能够谱曲等等。
实际上只有数学定理证明的这件事完成了，其它都没有完成。
后来全体人工智能从高潮跌到低谷往后，学者们就在反思，是不是人工智能走歪路了？技能方法虽然没问题，但是不是要做点实事儿？

2

初露锋芒

学者们反思完了往后，他们就说大概须要做一点对社会有影响力的系统出来，这样大家就会开始认可人工智能了。
那什么系统行呢？比如说我们能不能做一些医疗诊断专家系统，可以代替年夜夫诊断疾病。
有了这样一些方向往后，根据刚才的逻辑推理，用这种方法去做专家系统。
比如说生理咨询专家系统，一个人有了烦闷症或者处于烦闷症前期，他有生理包袱的时候，并不愿意去找年夜夫或者朋友说，但如果是打算机，他就可以说了，以是用打算机做一个这样的系统进行生理咨询，可能会有用。

又比如说像故障诊断，最好把那些有限的专家的知识，把它抽取出来做成一个别系，然后放到打算机里。
这个打算机可以到现场，直接代替专家去做一些故障诊断，这是一条技能路线；其余一条技能路线，便是仿照神经系统来做专家系统。
第二条技能路线在哪些领域是比较有效呢？比如说字符识别、笔墨识别。
以前寄一张明信片，寄一封信，前面都要写邮政编码，那个邮政编码最开始是用人去分拣的，须要耗费很多人力。
后来就想能不能用机器自动识别、自动分拣，后来创造用神经网络做这个效果不错，包括本日我们的语音识别，这些东西基本上都是走神经网络这条技能路线的。
以是这两条技能路线就导致在第二次人工智能发展专家系统的这三十年，实在真是百花齐放。

但是到了2006年，人工智能又在逐步跌落，由于当时专家系统虽然做了很多，好用的却不太多，大部分都是演示还不错，真的上线去用的时候效果不那么好。
由于很多基于逻辑推理的专家系统，实际上还是把人的知识做成规则放进打算机，由于是通过一问一答的办法把东西提炼出来，但可能会忘一些东西。
实际上，它会碰着这个情形，人刚好把这个东西忘了，我们把它叫作“挂一漏万”，这个别系就有点问题了，便是我们常常说的“不堪大用”。
专家系统又开始热度降落，一贯到2006年发生了一件大事。

那一年一下爆出了至少三篇重量级的文章，一下子轰动了做人工智能的这个圈子。

3

突飞年夜进

这三篇重量级的文章是谁写的呢？便是图上这三个人。
第一个人叫辛顿，多伦多大学的教授，最能坐冷板凳的，研究神经元网络研究了一辈子，从最开始到成名就做这一件事；第二个人叫杨立昆，他不是中国人，他是美国人，是纽约大学的教授；第三位叫本杰奥，他是蒙特利尔大学的教授。
这三个人在2006年险些同时发了三篇重量级的文章，从不同的角度阑述了深度神经网络是可以起大浸染的，是可以进行大规模学习演习的，只要输入的数据好，它就可以办理问题。
换句话来说，我们本日人工智能的原型系统，很多人说便是神经系统。

那什么是神经系统？有一些我们叫做神经元，便是图片中那个红的、最中间那个核叫神经元。
那边上绿的连进去的那些呢，我们把很多这种输入叫突触。
然后它也有输出，那么我们现在要做的便是输入、输出和中间这个神经元，是不是有办法用数学把它仿照出来，或者说用数学把它描述出来，这个数学模型是有办法构建的。
有了这个数学模型，这是一个神经元，神经元可以是一层的，也可以是N层的。
以是有了数学模型往后，你就可以布局出这样的一个别系来，这样一个网络来。
有了这个网络，你就可以通过演算，仿照仿真这样一个别系了。
以是实际上，现在我们所说的这个深度神经网络，或者本日的人工智能系统，它的原型便是这个原型。

刚才我说的2006年那三位很有名的人揭橥了论文往后，大家先是高兴了一下，但是后面怎么样，那要看这个东西能办理什么问题，摸索了几年小有收成，但是并没有说，哇！
这东西这么厉害。
一贯到2010年往后这件事才发生，和两个中国人有关系。
一位是斯坦福大学的华裔女教授，叫李飞飞，其余一位是普林斯顿大学的华人教授，叫李凯。
他们两个在2009年便是想弄一个规模特殊大的图像数据库，而且标注出来，然后就拿这个数据库比赛。
当时很多大学、公司都派代表队去比赛，那时候比赛比谁做的系统缺点率比较低。
2010年的时候，成绩最好的队是28%的缺点率，下一年是26%的缺点率。
2012年的时候有了一个打破，缺点率从26%一下子降到16%，性能一下子就提高了十个百分点。
所有的人都很吃惊，说你到底用了什么招，你怎么能进展得这么快。
这个参赛的领队是一个学生，说我也没用什么分外的招，我就用了我老师给我的那个东西做了个网，然后就用这个网来参加比赛，没有什么，那东西我老师都揭橥过。
那么他老师是谁呀？便是刚才说的那个辛顿，辛顿的学生拿着辛顿的这个东西来参加比赛，2012年第一次就打败了所有的对手，这是一个很了不得的大进展。

到了2013年的时候，便是深度网络一统天下的时候了，全是这个技能，没有别的，剩下便是利用多深的网，有多少个节点，参数怎么设定，这就变成了一些技巧性的东西，而不是方法上的革命了。
以是这便是为什么说神经元网络溘然一夜一统天下，开的都是神经元网络的花了。

到2015年有一个革命性的打破，它的缺点率变成了3.6%，3.6%是什么观点？人的均匀缺点率是5%，这个别系的缺点率3.6%，超过人了。
在图像分类这件事上，神经元网络已经超过了人，那这事是谁做的呢？是一位中国人做的。
我们中国有一位学者叫做孙剑，孙剑他当时带了一个团队，提出了一个网络，叫做残差网络。
他拿这个残差网络去比赛，一举拿了个第一名。
而且这个残差网络，不仅是在图像分类比赛里面拿了第一名，围棋比赛里面它仍旧是最厉害的。
大家都知道AlphaGo，它和李世石下的那五盘棋，它输了一盘，回去往后课题组就推演一下，复了一下盘，想弄清楚输的缘故原由，结果创造是李世石走了一步棋谱上没有的棋。
也便是说，每次AlphaGo和人下棋，如果人每次都走棋谱上没有的棋，那人就有很大的胜算。

那到底有多少棋是当时棋谱上没有的呢？后来他们一算，当时演习AlphaGo这个机器的棋谱占所有可能棋谱的20%。
也便是说，当时的AlphaGo如果和人下棋，如果这个棋手他脑筋真的够用，能记住哪步棋是棋谱里没有的话，那么他就有80%的概率得胜，这是很大的一个概率。

以是回去往后他们就说这弗成，这个太随意马虎被人击破了，怎么办呢？他们要重新设计AlphaGo的网络，然后他们就把原来的网络重新设计、提升，便是利用孙剑他们提出的残差网络。
AlphaGo经由重新设计，从AlphaGo变成了Alphazero往后，那一个别系和人类棋部下棋就从来没输过，由于它把所有的棋谱上没有的棋全都天生出来，然后用一个完全的数据演习了系统。

不才围棋这件事上，该当说深度网络已经把这个问题办理掉了。
基于这样的一个情形，我们对人工智能的判断，基本上可以这样讲，在深度网络适宜的那一些弱人工智能领域，人工智能可以广泛进行运用、研究，做产品、做家当化。

二、

促进与约束，人工智能如何连续康健发展？

1

从感知到认知，智能更上一层楼

人工智能在智能水平上，它的感知智能日益成熟。
我们可以把智能分成感知智能、认知智能和决策智能，所谓的感知智能便是和我们感官直接相连的这些智能，比如说眼睛看的、耳朵听的、手摸的等等，这些方面实在弱人工智都可以做得非常好。
现在不管你是刷脸，还是语音识别，乃至机器翻译，识别一个病例，识别一个产品有没有残次等等，这些方面都发展得非常好，人工智能正在逐步地从一样平常的感知智能向认知智能进行升级。

2

类脑打算和量子打算，两条打破之路

如果做更大规模的或者和认知有关的人工智能产品，或者我们想做强人工智能，靠现有的打算机是做不到的，那怎么办呢？就要探求出路，可能的出路有两个：在技能路线上面，一个出路叫做类脑智能。
人实在还是很厉害的，我们一天花费的能量，相称于一个20瓦灯泡的能量，但是我们要干的事，可是比一个巨型打算机还要厉害。
人对信息处理的能效比非常之高，但现在的打算机弗成，能效比太低了。
我们就希望能找一个能效比更高一点的机器来做这件事，类脑打算能效比可能较高一些。
另一个可能的技能路子便是量子打算。
量子打算的能效比也极高，以是把量子打算做成比较稳定的一个别系也是有可能的。
当然不管是类脑打算还是量子打算，现在还有很大的不愿定性，到底什么时候能够做出来，像本日的打算机这么稳定、可靠、低价，这个还是须要去做很多研究的积累。

3

人与机器，稠浊智能具备独特上风

在智能形态方面，越来越多的是人和打算机稠浊在一起的，我们叫人机稠浊智能。
比如说，你想做一个纯粹把人100%甩在环外的无人驾驶系统，实在是非常难的，但如果人参与一下，很多问题办理起来就大略很多了。
机器能做的事交给机器去做，如果机器做得不那么好的事，人就可以参与一下。
这样的人机稠浊智能，可能是现阶段发展人工智能一个比较主要的技能路子。

4

运用先行，有助于技能发展

以前做研究，大部分是先把技能都做好，然后去转化技能，去做运用，而现在是靠运用去拉动技能发展，这条路也是人工智能非常主要的一个发展形态。
深度神经网络出来的时候，在哪儿好用，不知道，末了幸亏辛顿的学生拿这个东西去参加图像网络的比赛。
如果不是参加那个比赛，可能这个深度神经网络的热潮，说不定还会再拖一些年才到来，以是说，便是你要找一个很好的运用处景把它用起来。

5

未雨绸缪，防止技能失落控

人工智能它不像别的技能，它有社会属性，这也是为什么前一段韶光有很多辩论说，我们往后会不会被机器、人工智能奴役、摆布？我们会不会这样？这个社会属性，正好是我们做人工智能的时候要非常负责对待的一个问题，如果你不负责对待，可能就会吃大苦头。
现在实在已经有几个例子：波音737 MAX 8，波音公司对人工智能怎么用或者对无人驾驶怎么用，就太大意。
那两架掉下来的飞机，驾驶员冒死和飞机搏斗，要往上拉，便是拉不起来，结果飞机就一头儿栽下来了。
这里头它错在哪儿？人机稠浊系统，人是最关键的，以是在这个环节里面，你不能让机器跑到人前面去了，这就犯错了。
以是我们说，在人工智能的社会属性这方面，一定要摆君子和智能系统它们之间的关系。
实在对将来人工智能到底能干什么，不能干什么，我们现在可能就要一直地去做这种研究、立法，从法律上面就给它约束好。
所有的技能都是这样，一定有它的好的一壁和坏的一壁，要防止坏的一壁发生，要通过法律、道德规范等手段去约束它。

从2013年起，天下各国政府纷纭调研人工智能对社会、经济可能带来的颠覆性影响，相继发布符合自身国情的人工智能计策。
2016年，美国连续发布《国家人工智能研究与发展计策操持》等三份主要报告；2017年3月份，日本发布《人工智能技能计策》报告，阐述了***工智能家当化发展路线图；10月份，英国政府发布了《在英国发展人工智能》报告，旨在推动英国成为环球人工智能领导者；2018年4月，欧盟委员会也发布政策文件《欧盟人工智能》，提出将采纳三管齐下的办法推动欧洲人工智能的发展。
如今，环球人工智能正处于加速发展阶段，天下紧张国家都对人工智能进行系统性布局，目标直指第四次工业革命的环球竞争，在这场事关未来的技能革命中，我们的机会在哪里？上风和短板分别是什么？

三、

中国人工智能的发展的上风与差距

人工智能总体上来说，在我们国家是非常受重视，从三个方面来看看中国在人工智能发展的一些大的情形。

1

我国已经成为人工智能领域的超级大国之一

第一个方面，我们整体来说，这些年中国人工智能到底是怎么样的一个状况？改革开放往后，我们国家在根本研究方面的投入巨大，人工智能的发展有了非常好的沉淀。

第二个方面，一些核心关键技能，中国该当说已经走在了天下的前列。
比如说人脸识别技能、语音识别技能，这两项技能全天下都公认中国是做得最好的。

第三个方面，中国人工智能，它的发展和各行各业的结合越来越紧密，从互联网往各行各业都在开始推广和渗透。
对付中国来讲，人工智能的运用，比天下任何一个国家都做得更好。

第四个方面，人工智能发展的创新生态环境已经初步形成。
比如说科技部已经布局了五个开放平台，包括百度的无人驾驶、阿里的城市大脑、腾讯的智能医疗、科大迅飞的语音识别、商汤的图像与***处理。

第五个方面，我们国家在环球人工智能全体这个领域，霸占的位势非常主要。
基本上美国和中国，在人工智能领域便是两个超级大国。
美国可能在根本研究方面强一些，中国可能在运用方面强一些。
全天下在2017年对人工智能企业的投入，中国一家占了48%，那么美国只有百分之三十几。
2017年、 2018年中国人工智能的专利总数都超过美国和日本。

2

四大上风护航中国人工智能发展

中国发展人工智能有四个上风：

第一个上风是政策上风。
人工智能现在已经被列为全体中国优先发展的领域，以是我们有非常好的政策上风。

第二个上风是海量数据资源的上风。
我们国家人口是美国的四倍多；手机群体环球最大，用手机做支付也是环球最大；在医院里面看病、在旅游、在物流方面，所有这些数据都是全天下规模最大的。
这便是在运用方面，任何一个国家都和中国没法比的一个紧张缘故原由。

第三个上风是运用处景的上风。
由于我们是发展中国家，从农业社会到工业社会，当代社会发展的韶光非常短。
以是很多东西，根本举动步伐都没有到位，但是正好给人工智能的运用供应了一些深的场景。
比如说我们城市化，原来便是一个州里，溘然就变成城市了。
那里很多根本举动步伐都弗成，要改造成一个完备城市的根本举动步伐架构的话，那你得花韶光，拿钱来吧。
但是很多东西，实在如果人工智能参与进去，它的做事一下就上来了，多快好省。
现在老龄化非常严重，社会做事哪里来？就要靠人工智能系统来做，比如说医疗、教诲。
以是像这样一些民生的问题，有人工智能进来往后，都可以快速得到办理。

第四个上风是青年人才上风。
我们的大学毛入学率现在已经靠近40%了，而且中国有一个特点，学理工科的比例很高。
不像西方发达国家，它们国家毛入学率高了往后，很多学生学的是法律，学的是文科，学工科的比例很低。
那这些学生将来都可以成为我们做人工智能的系统工程师，这个是一个非常大的储备库。
而且这个储备库不是光讲一讲，由于这些年包括国家自然科学基金委员会，专门给人工智能设立了一个一级学科代码，专门有一类，很多年轻人都可以申请到人工智能的项目，以是高校里面的年轻老师拿项目没那么困难。
现在你要看大的国际会议或者是最顶级的人工智能的国际杂志，基本上有一半的投稿人和参会者是中国的年轻人。

3

四个薄弱环节急需加强

我们也有一些短板，我们还有四个薄弱环节：第一个薄弱环节，我们在根本理论和原创算法这方面，我们得老诚笃实承认，还是有差距的。
一个缘故原由本身我们起步就晚，是后来者，好多的积累还是不足；其余加上这些年我们发展的速率比较快，萝卜快了不洗泥。
对到底谁做得好、谁做得不好，有一些非常大略粗暴的人才评估体系，比如说就数你发了多少论文，拿了多少科研项目，对付那些长期做根本研究、肯坐冷板凳的人，客不雅观上是不鼓励的。
现在这个情形正在改不雅观，一个是国家在加大投入，大学里面给年轻人的报酬越来越好；其余我们很多有实力的企业自己成立了研究院，在里面养了一批很强的年轻人，这些人人为给得很高。
以是我相信再过五到十年，中国在人工智能方面的根本理论和算法一点都不会弱。

第二个短板是在高端器件方面，比如说利用GPU（图形处理器）做深度神经网络演习的这个芯片GPU（图形处理器）芯片，目前英伟达（NVIDIA）一家公司就占了70%的市场份额。
中国真正自己的GPU（图形处理器）的生产厂商占的份额，还是比较低的。

第三个短板便是我们缺少有影响的人工智能的开源开放平台。
人工智能这几年能够发展这么快，和开源开放关系很密切。
现在最好的算法有很多都开放了，源程序都在网络上，你从网高***下来往后，根据你自己的运用轻微修正一下，立时你就可以做一个。
现在我们常常讲笑话说，高中生可以和教授做同样水平的事情。
但是最有影响的前五个平台，都是美国的企业，包括谷歌、亚马逊、微软、国际商业机器公司、脸书，这是五个人工智能开源开放做得最好的平台。

第四个短板是高端人才我们比较少。
以是有统计说，中国最顶级的做人工智能的高端人才数量只相称于美国的20%，什么时候我们的高端人才数量和他们差不多了，我们的人工智能发展就基本上到位了。

四、

第四次工业革命，我们该如何布局未来？

未来已来，到底是哪一个未来到来了？我们来大略地预测一下。

先看过去三十年，这是一个变革非常大、非常快的三十年。
第一个是打算机的算力，便是我们说的CPU，手机里核心处理器或者电脑里核心处理器，芯片的算力增强了一百万倍；第二个是存储，三十年前的台式机和本日的台式机里面的存储器相差了差不多一百万倍；第三个便是通信的速率增加了一百万倍，这个我们得益于光纤通信，得益于无线通信的发展。
这三个一百万倍，使得过去的三十年我们周围的全体生活、社会、学习都发生了天翻地覆的变革。
以是说下一次的工业革命将会在我们这些人的眼皮底下发生，那么大概是什么韶光呢？在2030年到2040年之间会发生下一次工业革命。
当然精确的韶光和定义，那时候说不出来，可能要等到2050年、2060年，才能回过分说，那个韶光点该当是第四次工业革命的出发点。
那么题目是什么？我个人的预测，下一次工业革命的题目便是人工智能。
人工智能将是未来一个世纪的核心技能，要想把人工智能发展好，我们就须要在很多事上进行一些好一点的布局。

1

国家计策、人才高地、根本培植、立法保障，一个都不能少

第一个是人工智能要作为一个全局的发展计策来布局，不管是国家、地方、企业，都该当把人工智能放在最主要的一个计策位置上。

第二个是怎么样健全人工智能的国家研发体系，这是今后人工智能发展很主要的一个布局。

第三个便是人才培养，必须要形成一些人工智能的人才高地。
美国在人工智能发展的初期，实在它是有几个高地的，比如说斯坦福大学是一个高地，卡耐基梅隆大学是一个高地，MIT（麻省理工学院）和贝尔实验室那一带也是一个高地，这几个高地的形成，末了带动全体美国的人工智能理论和算法的发展。
中国也该当形成几个人工智能人才高地，这样才有利于人工智能的发展。

第四个便是要加强智能化根本举动步伐的培植，推动公开数据的开放、共享，这个也非常关键。
这一轮的人工智能，紧张是弱人工智能，如果你没有非常好的数据，你就谈不上人工智能，数据才是最核心的。
但是为什么和政府干系的人工智能却起不来呢？由于它那个数据要么不放出来，要么它只放出来非常窄的数据。
怎么样能让做人工智能运用的企业和团队，既能用到这些数据，同时这些数据又不失落去它的隐私权、安全性等等，这就要平衡好这些东西。
以是说，数据的开放共享，要制订出相应的一些法律法规，要有一些办法、工具可以操作。
在这个条件下，一定要把数据尽快放出来，让干系企业用这些数据去做运用。

第五个便是人工智能法律伦理问题的研究该当要加强，要勾引人工智能安全可控发展。
其余一个，便是要深化国际开放互助，要主动参与环球的人工智能的管理。

2

数据处理、开源平台、运用处景，三个抓手要记牢

怎么样才能够真正地把人工智能的这些运用向各行各业赋能？抓手是什么？我以为人工智能的抓手无非是三个方面：

一个是数据。
没有数据，现在的弱人工智能都没法做。
你要怎么样去把数据组织起来、洗濯出来，其余再加上一些安全保护等等，以是数据是一个非常关键的抓手，我认为是排在第一位的。

第二位便是开源平台。
作为一个人工智能大国，你该当要做出自己的贡献，以是基本上也会有一些有影响的平台出来，那样才能与你这个人工智能大国的身份相称，便是开源平台须要发展起来。

第三个便是运用处景。
现在绝大多数都是投资驱动的运用处景，这个不足，政府必须要把优先发展的领域想清楚，通过市场经济就能做起来的事，那就交给市场去做；须要政府的手参与、干预才能做好的事，政府就要果断地开始去造就、去干预，而且要有手段。
比如说网上有太多开源平台，到底哪个好用，针对哪个运用最得当，实在你让企业自己去做决定，他是不知道的。
以是最好要有一些有履历的人，带着问题、技能和他们去进行对话，一贯给它扶上马、送一程，然后这个运用就算成了。
以是必须要抓运用处景，抓这种赋能，这是非常关键的一个步骤。
我们须要做的便是要发挥各方的主不雅观能动性，我们同心协力把现在中国人工智能发展的短板补上，这个便是我们最须要采纳的一个行动。
在这个根本上，我们和全天下的人工智能同步推进，去欢迎第四次工业革命、智能时期的工业革命曙光的到来。