AI對中國工程院院士、中科曙光董事長李國杰而言，并不是新事物。

作為中國最早一批計算機科學領域的專家學者，他在美國求學時便已親身經歷過上一波人工智能浪潮，其后又在科研任教和工業研發中，在并行處理、計算機體系結構、人工智能、組合優化等領域，頗多建樹。當然，AI也是中科曙光的最新戰略重點所在。

在近日接受量子位等媒體的采訪時，李國杰院士談到了他對當前AI發展的看法，特別是中國在AI競爭中存在的機會和挑戰，他也提醒AI創業公司，要擺脫眾多公司之前“不是被收購就是死亡”的命運，注重技術和商業的結合。

量子位《大咖來信》欄目在不改變原意的基礎上，以第一人稱的方式，把我們與李國杰院士的對話進行了整理。

AlphaGo帶動人工智能火熱之后，不少人問我：現在的人工智能進入了什么階段，會不會再進入50年代和80年代的歷史周期？

我想每一個新技術的發展，都有一個類似四季春夏秋冬的過程，云計算是這樣、物聯網是這樣，可能智慧城市也會是這樣。

人工智能有點不同，因為人工智能已經熱過好幾回了，好像沒有分明的四季，這其中有它的特殊性。

但我個人判斷而言，人工智能現在的“季節”是秋天，即到了收獲的季節，這背后有幾個方面的原因。

一方面，深度學習的算法、規則都相對成熟了，而且不是大家熟知的AlphaGo才開始的。

像我的朋友李凱和李飛飛發起ImageNet的時候，已經是8年前的事，很難想象一開始申請經費都得不到批準。

再后來Hinton用深度學習的方法，一下子把在ImageNet上的識別率提高到了80%多，讓大家看到了方向。

不過這也是有時代背景的。為什么以前的機器沒有這個能力？核心是數據沒有這么多，聯網設備也沒有這么多，所以現在條件保證了，人工智能也就見效了。

這就好比你在路上走，你的路徑、車燈數據都有了，所以現在沿著過去的積累，一切狂飆突進都變得水到渠成了。而且新的器件、超導、量子計算等新規則都在不斷涌現，可能會進一步加強加快這個過程。

所以我認為AI進入到一個新時代，今后一二十年都應該會有更多進一步的發展。

不過，這也不意味著此次人工智能在任何領域都能一帆風順。

我們回顧過去，AI發展從來不會水銀瀉地般突破各個領域。

比如無人車，2004年美國DARPA開始搞無人車測試，結果所有的車都翻車了，200英里的比賽沒有車跑過10英里就翻了，才讓參賽者意識到人工自己編寫系統是不行的，日本游戲代理 歐洲服務器，于是轉而走人工神經網絡來做。

但其后神經網絡也不是就完全沒有問題，也出過笑話。比如微軟機器人網上聊天，被年輕人胡亂教一氣，最后機器就認為911是假的，希特勒是好的。本來這些和機器聊天的年輕人是惡作劇，但機器辨別不了，你給它正確的東西它就學習正確的，你給它錯誤的知識它也學習，最核心的是沒有“常識”。

所以現在美國AI計劃里，特別強調推理、解釋等方面的嘗試，這可能是一條光明的路，但肯定還有很多的困難需要進一步克服。

丨靠算法彎道超車？

當然，每每談到當前人工智能，話題肯定也離不開大國競爭，中美對比。

之前也談過，人工智能產業要像一棵大樹，必須扎根在系統結構和軟件理論的深土中，發展人工智能不能停留在算法層面，要關注從算法、軟件、人機截面到系統結構和芯片這一完整的產業鏈和生態系統。

但現在國內來看，更多還關注在算法層面，這可能不足以支撐我們走更遠。

重視算法也無可厚非，因為算法的作用比較容易顯現。

現在越來越多的科研機構、公司都以算法為核心，原因是算法研究的門檻比較低、論文發表的難度也低，容易出成果，這是人之常情、可以理解。

但問題也隨之而來。一個公司光靠算法，或者行業都圍著算法你爭我趕，很難有競爭力。今天你看著算法機會多，容易賺錢，但也很容易被別人趕超。

而且真正標新立異的顛覆性算法現在還比較少，更多還是一些改進性的算法，所以把大部分的精力集中在算法上，是不全面的。

這也是中國的問題，我們現在總說我們和國外的差距如何如何，每講到核心技術，總是受制于人，但對于基礎技術方面又沒有積累和投入的意識，這樣的虧吃得還不夠多嗎？