点上方计算机视觉联盟获取更多干货
仅作学术分享,不代表本公众号立场,侵权联系删除
转载于:新智元
AI博士笔记系列推荐
周志华《机器学习》手推笔记正式开源!可打印版本附pdf下载链接
中国霸榜AI期刊论文发表,论文引用量「首超」美国!
最新工程院院士名单,
然而,中国工程院院士李国杰却戳着国内AI研究的脊梁骨说「顶不了天、落不了地」。
ieee院士?近日,如何看待「李国杰院士发文称国内 AI 研究顶不了天、落不了地」这一话题引起网友热议。
简短8个字,却值得每个人深思...
王坚 中国工程院院士、
中国霸榜AI期刊论文发表,引用量「首超」美国
在人工智能研究领域,中国正超越美国。
李杰院士。
根据斯坦福大学的一份报告显示,2020年,中国在学术期刊上有关AI的论文引用率占比为20.7%,美国为19.8%,这是中国首次超过美国。
计算机 院士 李国杰?另有数据显示,自2012年以来,中国的AI论文数量为24万篇,美国则为15万篇,中国压倒性地多于美国。
特别是在「图像识别和生成」方面,中国取得优异的研究成果。
中国工程院院士朱有勇、
李国杰院士在文中指出,近3年,国内学者发表了大量人工智能论文,申请几万件专利。
这些AI在北京冬奥会、城市大脑等应用场景和抗击新冠取得了显著成效,同时催生了一些人工智能独角兽企业,取得的「成绩可圈可点」。
工程院院士和科学院院士区别、
「总的来讲,我们的研究多数是技术驱动、论文导向,目标导向和问题导向的研究较少。」
国内AI研究「顶不了天,落不了地」
这8个字是李国杰院士对国内AI研究的总体评价。
李国杰、
那问题到底出在哪儿呢?
首先,在科研课题选择上,「我们与一流科学家的差距之一是选择可突破的重大科学问题的眼光不够敏锐。
两院院士?布局的科研项目要么是增量式的技术改进,要么是几十年都难以突破的理想型目标。」
总之,科学家目光不够敏锐,科研项目难以实现「质变」。
工程院,
就拿AlphaFold 2的例子来说,DeepMind团队10年前就开始关注「蛋白质折叠」,而国内研究并未将这一方向列入新一代人工智能重大科技项目。
至于当下值得关注的研究方向,李院士认为,人工智能应重点关注涉及经济发展的重大问题。
比如,「用机器学习的方法全自动地做集成电路的前端和后端设计有可能十年左右取得突破。」
如果能成功,集成电路人才缺口难题将得到解决,而2020年,集成电路人才缺口超过了30万。
为何人工智能学者视野不够超前?李院士认为问题出在对人工智能这门学科的认识上。
学者们「大多盯住了『像人』这个原则,以『像不像人』作为目标。」
比如,2017年,沙特阿拉伯授予香港汉森机器人公司开发的机器人索菲亚公民身份,使其成为首个获得公民身份的机器人。
今年6月,清华大学宣布机器人华智冰入学清华计算机系。
而虚拟人华智冰本身只是技术上的集合,和以前最大的差距大概就是长了一张「美女脸」。
李院士认为,没必要把电子线路构成的机器做成与人一样。研究人员应当努力摆脱『模仿人』、『替代人』的思想束缚。
AlphaFold的另一个启示则是:科研第五范式的雏形已经出现。
「基于最基础科学原理的机器学习需要人类多领域科学家的智慧和机器『智能』有机融合」
也就是说,AI研究要取得重大突破,应当依赖于跨学科科研人员的紧密合作。
AlphaFold团队人员就来自不同领域,包括机器学习、语音和计算机视觉、自然语言处理、分子动力学、生命科学、高能物理、量子化学。
最后,李院士指出了将工程科学技术应用到基础研究中的重要性。
毕竟,AlphaFold也没有提出新的科学原理,其本质也只是一种集成式的工程科学技术。
网友:听君一席话,如听一席话
李国杰院士这篇文章从DeepMind的人工智能程序AlphaFold引入,讨论了国内AI研究的问题。
最后以分析DeepMind的研究团队结尾,指出了科研范式的转向。
网友表示,「听君一席话 如听一席话」。
还有网友指责,李院士的文章净是在夸AlphaFold,6次DeepMind,13次AlphaFold。
「为什么会这样,后浪想都懒得想。规矩是谁在定的呢?方向是谁在拿呢?资源是谁在配置呢?」
「一边喊口号『年轻人要沉得住气,十年磨一剑』,一边考核『三五年没成果,淘汰出局了』。得好好探讨一下游戏规则才行。」
细想,为什么国内各个领域都极其缺少从0到1的原创性工作。
最直接的原因就是,学术评价体系不合理!
它过分看重文章数目、IF、citation 等表面化、指标化的东西。
最最根本的原因便是,各行各业都在「内卷」,科研不可能例外。
进而导致,科研人员绩效压力大,短期需要出成果;科研项目在原有研究基础上创新,不敢开天辟地。
这8个字「顶不了天、落不了地」,你认为该怎么解?
参考资料:
https://mp.weixin.qq.com/s/uDyag12YVosLKLmBSGw9og
https://www.zhihu.com/question/477722784
https://m.weibo.cn/1642634100/4668184781390584
https://www.zhihu.com/question/477722784/answer/2047462630
-------------------
END
--------------------
我是王博Kings,985AI博士,华为云专家、CSDN博客专家(人工智能领域优质作者)。单个AI开源项目现在已经获得了2100+标星。现在在做AI相关内容,欢迎一起交流学习、生活各方面的问题,一起加油进步!
我们微信交流群涵盖以下方向(但并不局限于以下内容):人工智能,计算机视觉,自然语言处理,目标检测,语义分割,自动驾驶,GAN,强化学习,SLAM,人脸检测,最新算法,最新论文,OpenCV,TensorFlow,PyTorch,开源框架,学习方法...
这是我的私人微信,位置有限,一起进步!
王博的公众号,欢迎关注,干货多多
王博Kings的系列手推笔记(附高清PDF下载):
博士笔记 | 周志华《机器学习》手推笔记第一章思维导图
博士笔记 | 周志华《机器学习》手推笔记第二章“模型评估与选择”
博士笔记 | 周志华《机器学习》手推笔记第三章“线性模型”
博士笔记 | 周志华《机器学习》手推笔记第四章“决策树”
博士笔记 | 周志华《机器学习》手推笔记第五章“神经网络”
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机(上)
博士笔记 | 周志华《机器学习》手推笔记第六章支持向量机(下)
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类(上)
博士笔记 | 周志华《机器学习》手推笔记第七章贝叶斯分类(下)
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习(上)
博士笔记 | 周志华《机器学习》手推笔记第八章集成学习(下)
博士笔记 | 周志华《机器学习》手推笔记第九章聚类
博士笔记 | 周志华《机器学习》手推笔记第十章降维与度量学习
博士笔记 | 周志华《机器学习》手推笔记第十一章稀疏学习
博士笔记 | 周志华《机器学习》手推笔记第十二章计算学习理论
博士笔记 | 周志华《机器学习》手推笔记第十三章半监督学习
博士笔记 | 周志华《机器学习》手推笔记第十四章概率图模型
点分享
点收藏
点点赞
点在看
版权声明:本站所有资料均为网友推荐收集整理而来,仅供学习和研究交流使用。
工作时间:8:00-18:00
客服电话
电子邮件
admin@qq.com
扫码二维码
获取最新动态