编者按：日前，2019年政府工作报告中首提“智能+”，明确了未来将深化大数据、人工智能等研发应用，培育新一代信息技术，壮大数字经济。金窝窝研究院专访了业界大咖学者对数字经济的相关问题及行业发展趋势进行深入解读。本期特别邀请到新加坡国立大学商学院和计算机学院教授、新加坡国立大学商业大数据分析中心主任庞严为大家带来数字经济领域的前沿资讯。

1请简要介绍一下人工智能技术的发展历程

　　其实，人工智能技术并不是最近几年才出现的，人工智能的正式提出是在1956年著名的达特茅斯夏季会议上，在这个会议上确定了要把人工智能作为学术上的专门领域来研究，也确定了一些重要课题。在过去60多年的时间里，人工智能的发展并不是一帆风顺，也经历了几次大起大落。在五六十年代时，大家认为人工智能的很多关键问题能在十几年内解决，但是经过尝试以后才发现，就连最简单的基本问题都无法解决，之后就沉寂了很长时间。八十年代初期，人工智能领域已经完全沉寂。但是在八十年代，由于专家系统和神经网络算法的出现，重新唤起了大家对人工智能的热情，同时也出现了第一代人工智能落地的应用。虽然已经进行一段时间的尝试，但是真正落地的场景还是很少，技术也不成熟，在九十年代也经历了很长时间的沉默期。

　　直到2016年深度学习被提起之后，人工智能又重新回到大众视野，大家重拾对人工智能的热情。经过过去十几年的研究，整个人工智能的发展突飞猛进，许多人工智能的场景真正实现落地，也融入大众的日常生活中。比如机场的人脸识别系统。人脸识别是人工智能非常好的落地场景，因为一般人类对人脸识别的精确率大概是97%，而市场上通用的人脸识别系统的精准率可以达到99%以上。换句话说，在细分领域中，人工智能已经战胜了“人类智能”。

2人工智能热潮是从什么时候开始的

　　关于人工智能热潮的起点可以追溯到2011年，在美国一档非常有名的百科知识智能问答中的一个环节名叫危险边缘，IBM的Watson智能系统击败了这个环节中历史上最成功最聪明的两个人类冠军。在人机对决中，IBM的Watson系统展示出非常强大的自然语言处理能力，能够很好地理解人类平时的沟通用语、引语、双关语等等，同时还可以连接下文含义。并且IBM的Watson系统还展示了强大的自我学习能力，如果是以前没有涉及的领域，Watson系统还可以做到举一反三，迅速给出准确答案。

　　由Watson系统所引起的人工智能热潮在2015年又到达了另一个新高潮。Google的AlphaGo和围棋前世界冠军李世石进行了一场举世瞩目的人机大战，这一战给整个人工智能领域带来非常大的影响，因为围棋的可能性太多，并且在下围棋的过程中，往往要使用大量人类的直觉和微妙的思考方式。所以长久以来大家都认为在围棋领域人工智能是无法战胜真正的人类的，但是在这场人机大战中，谷歌的AlphaGo却以四比一的比分完全碾压了前围棋世界冠军。

　　3请您简要介绍一下各国对发展人工智能的态度

　　经过最近几年的发展，关于围棋的人工智能完全可以轻松的战胜所有人类世界冠军。也为人工智能的研究打开了一片新天地。2017年，与人工智能相关的技术大家都处在对其热切期待的阶段。比如深度学习，机器学习等方面。在这一过程中，各国政府也纷纷出台了一系列支持人工智能的政策，把人工智能提高到国家战略层面。

　　美国政府在2016年10月份提出了人工智能战略的白皮书，奥巴马政府把人工智能提到了国家战略层面，确定要在人工智能领域加大投入，保持其领先地位。今年1月份，特朗普政府又出台了新的人工智能国家战略白皮书，其中强调的重点和奥巴马政府是一致的。虽然奥巴马政府和特朗普政府在许多国际事务上的态度大相径庭，但在人工智能领域却高度一致。

　　欧盟政府在2017年2月份也出台了与人工智能相关的白皮书，让工业界和学术界进行紧密联合的研究，为将来把人工智能技术提高到新的高度打下坚实基础。

　　新加坡政府在2017年5月份提出了关于人工智能的国家策略。虽然新加坡是一个很小的国家，但是在国际上也是做人工智能研究的重镇，因为有很多著名的人工智能研究人员在新加坡工作和生活。

　　中国政府是在2017年11月份之后将人工智能战略提高到了国家战略层面，发布了新一代人工智能发展规划的白皮书。由此可以看出，各国政府对人工智能的态度都是高度一致的。

　4影响人工智能技术精准度的关键因素是什么

　　人工智能作为主流技术最重要的特点就是海量的数据。不管是结构化的数据还是非结构化的数据，通过人工智能进行训练，就会得到新的人工智能模型。当新数据出现，可以输入到训练好的模型中，人工智能模型就可以做出非常准确的预测。不管是股票市场的价格，亦或是下个季度的销售额等等。

　　在主流的人工智能技术中，数据量起着非常重要的作用。数据集的大小会对人工智能的预测结果产生至关重要的影响。2011年微软实验室的两名研究人员就已经指出这一问题，当时他们做的是关于自然语言识别准确率的研究，在评估了几个流行的人工智能算法后，他们又在算法不做太大改动的前提下，把训练的数据集从百万级别增大了到10亿级别，之后他们发现，这样一个简单的把数据集增大的动作，就可以让人工智能的识别精度从大概80%提高到95%。当数据集越来越大，不同的人工智能算法之间准确度的差别会越来越小，所以数据已经成为当前主流人工智能算法的一个关键因素。

　　想要处理大量数据，就需要一些超强的算力平台。当前主流人工智能技术的特点：数据即关键，算力即权力。这句话也解答了在过去几年时间内人工智能领域的重大突破都是由拥有海量数据、大量算力平台的企业实现的。比如国外的Google、Facebook，国内的百度、腾讯、阿里巴巴等等。

　　5中小企业在这场人工智能热潮中有没有突围的机会，又该如何突围

　　近几年人工智能方面里程碑式的成果都是由互联网科技巨头推动的，不仅是人工智能的技术，还包括人工智能的场景落地。现今越来越多人在思考一个问题：在人工智能时代，中小企业到底有没有机会抓住人工智能的热潮，因为中小企业既没有大量的数据，也没有超强的算力平台。但是回溯过往，比如Google、阿里巴巴在20多年前也是很小的企业，因为它们抓住了上一波的技术浪潮，才成长为新的世界科技巨头，中小企业会有这种机会吗?区块链的出现，可能会成为中小企业在人工智能领域发展的一道曙光。基于区块链去中心化的设计，能够促进网络用户之间紧密平等的合作，从而建立一个相对安全的网络系统。并且区块链也是建立在现代密码学基础之上，通过共识算法的设置，能够降低整个链上伪冒数据交易的风险。同时也要保证数据的可靠性，因为在训练人工智能模型时，如果数据不可靠，训练出的模型也是不可靠的。另外，通过区块链中共享账本的功能，可以记录整个网络中的交易数据，能够促进不同交易数据之间的共享，利用区块链中的数据共享对人工智能模型的训练具有非常大的帮助，通过智能合约的设计也能够自动执行预先约定的业务规则，从而在整个生态系统里建立一个相对公平的激励机制，鼓励各方都参与到人工智能的任务中。人工智能和区块链的融合，给中小企业在人工智能时代打开了一扇窗。

　　6中小企业如何享受新一代人工智能浪潮的红利

　　当前的数据和算力都集中在中心化的平台，比如Google、阿里巴巴、Facebook、腾讯等大企业。但是大企业平台中的数据都是由个人消费者和中小企业产生。大企业通过消费者和中小企业产生的数据构建了成功的商业模式，获得了相当大的商业利益，但是却没有把所得利益分享给消费者和中小企业。通过区块链技术，在自身产生数据之后，自己作为数据的拥有者和使用者，通过通证经济和加密货币的设计，能够在整个生态系统中建立一整套激励机制，鼓励大家构建一种高效自治的个人数据及算力的共享平台，整个人工智能的力量就不会被少数中心化的企业所左右，中小企业也能在人工智能的浪潮中受到很大的收益。

　　7请您举例说明可以如何将人工智能和区块链进行融合

　　现有一个关于分布式深度学习的框架，深度学习是人工智能中比较热门的技术，在这个框架中，有几个主要的参与者，一是人工智能任务的发起者，可以看成是中小企业，因为中小企业对整个商业环境非常敏感，可以发现比较合适的人工智能的应用场景。但是中小企业没有海量的数据和强大的算力支撑，也没有优秀的人工智能的相关人才，通过区块链网络发布任务，在区块链网络上有不同的数据节点，每个节点上会有个人的相关数据，当看到有商业价值的应用场景时，就可以把这一节点的数据分享到区块链网络上的共享数据平台上，在共享数据平台，可以把其它节点的优势进行融合，比如A节点拥有超强算力，B节点有优秀的人工智能人才，可以对商业模式进行建模，做成很完备的人工智能模型，这样就可以建立关于深度学习的人工智能模型来解决应用场景问题。把不同节点的不同学习模型整合之后反馈给人工智能任务的发起者，就能得到很好的模型。更重要的是，在整套生态系统内，通过智能合约以及加密通证的设计，建立了一套非常有效的激励机制，保证在整个AI+区块链的框架内，不管是任务的发起者，数据的拥有者，算力的提供者，还是模型的建立者，大家都能够更均衡地分享商业利益。如果真正的应用场景能够落地，产生真正价值，通过智能合约，可以把商业利益公平的分配给不同的参与者。

　　8人工智能和区块链的融合过程中有哪些问题急需解决

　　上述的深度学习框架现在还处于初始阶段，还有许多问题亟待解决。第一个重要的问题是在区块链数据共享的市场里，数据隐私如何保护，很多从事行业区块链的人经常会有错误的理解，他们认为区块链既然是建立在密码学基础之上，自然可以很好的保护数据隐私。其实不然，因为传统的区块链设计使用现代密码学主要是保证其不可篡改性，使区块链上的数据不能被随意更改。对隐私保护的部分，传统的区块链并没有很好的机制设置，从个人隐私来看，在一些关键行业，比如医疗行业和金融行业，用户愿意把自身数据贡献出去训练人工智能模型，但是却不希望被系统识别到个人。并且，当用户把数据贡献给第三方之后，怎么防止在不知情的情况下数据被转卖?怎样能够在不直接切入个人数据的基础上实现人工智能需要的一些大规模计算，这是需要思考的问题。

　　另一个重要问题是指区块链系统中的高效的数据存储和计算问题，因为传统的区块链设计是不支持高效的数据存储和计算的，但是在人工智能的任务中，大规模的数据是非常重要的，怎么改变传统区块链的设计，在保持区块链去中心化和防篡改特性的基础上，同时能够支持和人工智能相关的高效存储和计算，也是一个非常关键的基础问题。

　9针对人工智能和区块链的融合过程中常会出现的问题，一般有哪些解决方案

　　针对以上问题，不管是在学术界还是在工业界，都有不少研究人士在进行思考，也提出了一些解决方案。比如，首先是在隐私保护方面，考虑用多方安全计算及同态加密技术，保证在数据隐私没有泄露的前提上，提供给模型的训练者。二是在高效的数据存储以及计算方面，现在也有很多研究人员在探讨，比如如何开发一些新的数据存储协议，新加坡国立大学也正在做一套系统来支持区块链网络里高效的数据存储和计算，其中一般都要用到多链设计，就像传统的网络中的七层网络协议，区块链将来可能也会存在多层协议。未来通过区块链和人工智能的结合，可以创造新的生态系统，给消费者带来全新的用户体验，也给整个社会带来新的经济形态。