2月9日，一年一度的AI界盛會AAAI閉幕。根據在開幕式上的數據以及參會者評述，本次參會人數為1692人，為近幾年之zui。論文提交總數2571篇，同為歷史zui高，錄用論文數量639篇，在全部提交的論文中，中國提交數量占到總數的31%，略高于美國的30%，是歷*華人參會人數、受關注度zui高的一次大會。
AAAI成立于1979年，在有超過4000名會員，幾十年來一直為人工智能的*盛會，每年年初匯聚zui*的人工智能領域專家科學家、學者、工程師、從業者，共同討論人工智能領域的研究進展。
 
　　中國學界表現令人欣喜：人才供應加大
 
　　“本次參會的中國學者很多，大約有幾百人，而且來自內地的學者占優勢。以前參會的內地學者和香港學者數量大致相同。”據參加大會的香港科技大學教授楊強表示。他是AAAI*華人院士，并在協會擔任執委。
 
　　楊強指出，本次會議讓人印象zui為深刻的就是來自中國的學者增多了，尤其是中國學生，“我看到很多中國學生演講，很年輕，水平很高，英文也很好，中國的潛力很大。”
 
　　據了解，不僅參會的人數變多，而且論文質量也有提升。以往，中國學者投稿的論文數量與美國大致相等，但是錄取率遠低于美國。但是本次大會上，中國學者論文的錄取率已經幾乎與美國持平了。
 
　　中國在人工智能領域的快速崛起，已經吸引到了的關注。去年10月，奧巴馬政府發布了人工智能研究的戰略計劃，其中便提到中國在深度學習領域正在快速追趕，甚至威脅到美國的地位。
 
　　現任AAAI主席Subbarao Kambhampati在接受大西洋月刊采訪時介紹，他zui初在AAAI會議上看到的中國研究人員通常都來自清華和北大，但是現在他看到來自中國各地的學者發表的論文，不再于*高校。“與三四年前相比，這種變化簡直令人驚訝。”
 
　　但同時，楊強也指出目前中國原創性高的研究較少，這一點還有待提高。今年AAAI*論文頒發給了斯坦福大學的Russell Steward以及其導師Stefano Drmon撰寫的論文《Label-Free Supervision of Neural Networks with Physics and Domain Knowledge》。該文章從已知的關系(如物理定律)入手，通過輸出必須滿足物理定律的約束來訓練學習。“這種原創的思考很值得我們中國學生學習的。”
 
　　楊強主張的“遷移學習”或是國內少數具有原創性思路的研究成果，所謂遷移學習，也就是舉一反三的能力，是指利用兩個領域的相似度，將已經存在的模型遷移到新的領域使用，這樣，在新的領域用小數據樣本訓練即可。遷移學習一方面降低了沒有大數據優勢的產業界進入人工智能的門檻，另一方面“也是zui終讓機器學會學習的一個很有可能的方向。”
 
　　應該由政府來推動產學融合創新
 
　　楊強注意到，本次參會企業中，出現了一批中國新興公司，除了歷年常客百度、騰訊、亞馬遜、IBM、Facebook、微軟、Adobe出現在本次AAAI大會企業目錄中之外，名單里還開始冒出一些中國小公司，包括今日頭條、獵豹、甚至像小i機器人這樣的初創公司，但是仍然是以互聯網公司為主。
 
　　“中國的科技公司擁有敏銳的嗅覺，能夠快速地將理論運用到產品上來吸引用戶。這一點，美國公司比不上。”百度人工智能實驗室科學家吳恩達在大西洋月刊的采訪中提到。
 
　　在楊強看來，中國公司在與學界的開放合作上呈現出優于西方公司的優勢：他舉例說，香港科大實驗室學生在與騰訊合作中可以大量使用騰訊的數據，也可以將設計應用到公司產品上。但反觀西方企業對學界的開放程度就不如中國，“這一點上，中國有很大的潛力。”
 
　　他認為，在人工智能領域，數據的重要性不言而喻，沒有大量數據就沒法開展研究，因此產學結合顯得十分關鍵。
 
　　另外，中國互聯網公司擁有的海量數據，亦是人工智能產業孵化的重大前提。他認為，與上世紀80年代圍繞著“專家系統”為主的人工智能討論熱潮不同，因為有了大數據和算法的支持，這一撥AI熱潮“更腳踏實地”了。
 
　　但是楊強不同意美國有媒體認為中國在“深度學習”上已經美國的言論，他認為原創性研究的不足仍然是中國人工智能研究領域的突出問題，這決定了人工智能當前在產業通用領域發展仍然不盡如人意。
 
　　楊強認為，受益以及應用zui多的行業仍然集中在互聯網領域，zui明顯的便是淘寶、京東一類的電商推薦，以及亞馬遜的Echo智能音響。其共同點都是在一個很窄的領域收集了大量的數據來訓練AI。“這些領域回報非常快。”
 
　　專家們認為，受益明顯的還將包括金融和醫療行業。金融領域數字化程度非常高，數據都得以大規模保持，國內外各種金融智投產品應運而生，比如國外的Kensho，國內的摩羯智投等。其次，醫療領域的一些前期鑒別，比如癌癥的識別、人臉識別、體檢片子掃描等也都是非常有可能成功的方向。
 
　　“無人駕駛有成功的一面，也有不成功的一面。”楊強評價近年來資本和產業布局較深的無人車方向，他認為無人駕駛的突破瓶頸仍然是各種突發場景的數據不足問題。
 
　　新技術的研究、應用與推廣，離不開產-學-研一體的合作，對于人工智能即將開啟的新一波產業浪潮，除了學界、產業界，政府的作用也不可忽視。楊強認為，政府的重要性就在于制定大方向，就像美國當年的“登月計劃”以及zui近美國政府主導的“無人車大賽”，通過一些大型規劃來推動產業和學界的融合發展。
 
　　“學者都喜歡耕耘自己熟知的‘自留地’，而產業界對基礎一點，長遠一點的研究也著力不深，所以這種大方向的制定只有政府能做。要把目標定得非常長遠，又要可檢測，這也是對政府的一個考驗吧。”他表示。