“人工智能虽有其学科独立性，但同时也是具有很强渗透性和交叉性。2016年之前，人工智能还没有这么热，那时大家都觉得计算机和统计等专业还是热门专业。现在人工智能一下子热起来了，据说中国人工智能人才缺口达到了500万，我认为这是伪命题。原因在于很难明确定义什么是独立于其他专业而存在的人工智能人才。”浙江大学计算机学院副院长、浙江大学计算机学院人工智能研究所所长吴飞教授说到。

图 | 浙江大学计算机学院副院长、浙江大学计算机学院人工智能研究所所长吴飞教授

人工智能分为三阶段，现在较为实用的是大数据智能

在人工智能的划分上，学术圈和产业界有着不同的说法，譬如若人工智能-通用人工智能-强人工智能-超人工智能。

对于这个问题，吴飞教授较为倾向于领域人工智能、通用人工智能和混合增强智能。领域人工智能靠特定任务数据和规则驱动，通用人工智能具备自我学习、举一反三的能力，至于混合增强智能，则是多种智能体的组合，如人类智能+机器智能的有机组合，如达芬奇手术机器人和IBM Watson辅助医生看病等等。

此前，AlphaGo Zero从空白状态学起，在无任何人类输入的条件下迅速自学围棋，并以100：0的战绩击败“前辈”。看到AlphaGo Zero的“自我学习”，业内就有人思考，这是不是就是通用人工智能？

对此，吴飞教授表示不认同。在他看来，在这一“自我学习”之前，人类会向其告知围棋的相关规则，包括胜败评判的标准等等。AlphaGo Zero在“规则有限、目标明确”的条件下，自我对弈了2900万次，因此AlphaGo Zero依旧是由大数据所驱动的，是大数据驱动下的规则有限、目标明确且模式可枚举的人工智能。也就是说，这依旧是领域人工智能的一种典型算法。

在吴飞教授眼中，通用人工智能只体现在人类身上，而想要打造通用人工智能系统，除非将人类大脑全面解析。“现在产业中运用最多且最为有效的是以深度学习为代表、面向特定任务的数据驱动算法，即大数据智能（弱人工智能）。”

大数据智能下，企业高校从各司其事到抱团合作

理论研究需要数据、训练算法需要数据、技术应用需要数据……在智能化时代，数据就是“石油”般的存在。

在这一阶段，因为是由大数据驱动，所以人工智能需要很多标注数据。“在这方面，拥有大量数据的公司走在了高校的前面，他们可以做出高性能的人工智能算法，搭建非常漂亮的人工智能应用。”吴飞教授表示。

不过，人工智能产业所需要的不仅仅是会研发AI算法、搭建AI应用的科技企业，“如果人工智能仅仅是基于大数据的人工智能，那就有失偏颇，高校更多的发展空间就是人工智能其他方向的技术理论的研究，和核心技术的攻关。”

从相关动态来看，我们可以很明显的看出，产学研结合已成为了一种必然趋势。譬如科大讯飞，已经与包括中科院、清华大学在内的20多所高校研究院等共同合作建立了实验室，从事智能语音的技术研发和产业应用方向开发。

在当前的环境内，高校研究院有自己的事情，企业也有着自己的需求。在这样的背景下，如果高校研究院和企业能够结合起来，瞄准大数据智能的一些不足、非大数据智能所不能解决的算法上进行合作，这也是一个很好的合作点。

与此同时，吴飞教授也明确补充到，在当前的环境下，于高校而言，培养人才是最大、最重要的任务。

这不禁让我们想到了当前AI产业界人才稀缺的现状。

AI是一门渗透性强的交叉学科，“AI人才缺口”是个伪命题

人工智能孵化器ElementAI基于Linkeln和各大会议的专家数据，对中、美、加、德、日等主流国家的AI人才做了一份统计。结果显示，全世界大约有2.2万名拥有博士学位的AI从业人员和研究人员，以及5400位AI专家，中国以总人数619人位列第7。

另外，腾讯研究院联合Boss直聘发布《2017全球AI人才白皮书》，其中显示，仅在2017年的前10个月，AI人才需求量已经达到2016年的近两倍，2015年的5.3倍，年复合增长率超过200%……

从这些数据来看，国内AI人才急缺，但吴飞教授却提出了自己的看法。

吴飞教授认为，人工智能虽具有一定的学科独立性，但是更多意义上是和其他学科交叉和渗透在一起，如计算机学科、控制学科等等都是能体现人工智能专业性的学科。只不过，国内没有一个专业叫做人工智能，所以目前所有专业毕业的学生都没有打上“人工智能”的标签。因此，前些日子媒体所言人工智能人才缺口500万这一数字的计算口径并不科学。

此外，不仅仅是计算机、统计学等专业，吴飞教授也补充道，诸如农业、交通、管理等学科，只需在领域人才培养中添加人工智能要素，形成智能+X人才，对于人工智能人才培养也是一种有力补充。

特邀报告：“数据、知识和行为交互下的智能学习”

吴飞教授受邀在5月12日于扬州举办的第十九届全国图象图形学学术会议上作题为“数据、知识和行为交互下的智能学习”的报告。该会议由中国图象图形学学会主办，扬州大学承办，是中国图象图形学学会主办的最高级别的系列国内会议。

在吴飞教授看来，人工智能中，知识引导方法长于推理(但是其难以拓展)、数据驱动模型擅于预测识别（但是其过程难以理解)、策略学习手段能对未知空间进行探索（但其依赖于搜索策略）。他将在大会上探讨数据驱动中归纳、知识指导下演绎和行为强化内规划相互融合而进行智能学习途径。

更多优质内容，请持续关注镁客网~~