2月9日，一年一度的AI界国际盛会AAAI完美闭幕。根据官方在开幕式上的数据以及参会者评述，本次参会人数为1692人，为近几年之最。论文提交总数2571篇，同为历史最高，录用论文数量639篇，在全部提交的论文中，中国提交数量占到总数的31％，略高于美国的30％，是历史上华人参会人数、受关注度最高的一次大会。

AAAI成立于1979年，在全球有超过4000名会员，几十年来一直为全球人工智能的顶级盛会，每年年初汇聚全球最顶尖的人工智能领域专家科学家、学者、工程师、从业者，共同讨论人工智能领域的最新研究进展。

中国学界表现令人欣喜：人才供应加大

“本次参会的中国学者很多，大约有几百人，而且来自内地的学者占绝对优势。以前参会的内地学者和香港学者数量大致相同。”据参加大会的香港科技大学教授杨强表示。他是AAAI首位华人院士，并在协会担任执委。

杨强指出，本次会议让人印象最为深刻的就是来自中国的学者增多了，尤其是中国学生，“我看到很多中国学生演讲，很年轻，水平很高，英文也很好，中国的潜力很大。”

据了解，不仅参会的人数变多，而且论文质量也有提升。以往，中国学者投稿的论文数量与美国大致相等，但是录取率远低于美国。但是本次大会上，中国学者论文的录取率已经几乎与美国持平了。

中国在人工智能领域的快速崛起，已经吸引到了全球的关注。去年10月，奥巴马政府发布了人工智能研究的战略计划，其中便提到中国在深度学习领域正在快速追赶，甚至威胁到美国的领导者地位。

现任AAAI主席Subbarao Kambhampati在接受大西洋月刊采访时介绍，他最初在AAAI会议上看到的中国研究人员通常都来自清华和北大，但是现在他看到来自中国各地的学者发表的论文，不再仅限于顶尖高校。“与三四年前相比，这种变化简直令人惊讶。”

但同时，杨强也指出目前中国原创性高的研究较少，这一点还有待提高。今年AAAI最佳论文颁发给了斯坦福大学的Russell Steward以及其导师Stefano Drmon撰写的论文《Label－Free Supervision of Neural Networks with Physics and Domain Knowledge》。该文章从已知的关系（如物理定律）入手，通过输出必须满足物理定律的约束来训练学习。“这种原创的思考很值得我们中国学生学习的。”

杨强主张的“迁移学习”或是国内少数具有原创性思路的研究成果，所谓迁移学习，也就是举一反三的能力，是指利用两个领域的相似度，将已经存在的模型迁移到新的领域使用，这样，在新的领域用小数据样本训练即可。迁移学习一方面降低了没有大数据优势的产业界进入人工智能的门槛，另一方面“也是最终让机器学会学习的一个很有可能的方向。”

应该由政府来推动产学融合创新

杨强注意到，本次参会企业中，首次出现了一批中国新兴公司，除了历年常客百度、腾讯、亚马逊、IBM、Facebook、微软、Adobe出现在本次AAAI大会企业目录中之外，名单里还开始冒出一些中国小公司，包括今日头条、猎豹、甚至像小i机器人这样的初创公司，但是仍然是以互联网公司为主。

“中国的科技公司拥有敏锐的嗅觉，能够快速地将理论运用到产品上来吸引用户。这一点，美国公司比不上。”百度人工智能实验室首席科学家吴恩达在大西洋月刊的采访中提到。

在杨强看来，中国公司在与学界的开放合作上呈现出优于西方公司的优势：他举例说，香港科大实验室学生在与腾讯合作中可以大量使用腾讯的数据，也可以将设计应用到公司产品上。但反观西方企业对学界的开放程度就不如中国，“这一点上，中国有很大的潜力。”

他认为，在人工智能领域，数据的重要性不言而喻，没有大量数据就没法开展研究，因此产学结合显得十分关键。

另外，中国互联网公司拥有的海量数据，亦是人工智能产业孵化的重大前提。他认为，与上世纪80年代围绕着“专家系统”为主的人工智能讨论热潮不同，因为有了大数据和算法的支持，这一拨AI热潮“更脚踏实地”了。

但是杨强不同意美国有媒体认为中国在“深度学习”上已经领先美国的言论，他认为原创性研究的不足仍然是中国人工智能研究领域的突出问题，这决定了人工智能当前在产业通用领域发展仍然不尽如人意。

杨强认为，受益以及应用最多的行业仍然集中在互联网领域，最明显的便是淘宝、京东一类的电商推荐，以及亚马逊的Echo智能音响。其共同点都是在一个很窄的领域收集了大量的数据来训练AI。“这些领域回报非常快。”

专家们认为，受益明显的还将包括金融和医疗行业。金融领域数字化程度非常高，数据都得以大规模保持，国内外各种金融智投产品应运而生，比如国外的Kensho，国内的摩羯智投等。其次，医疗领域的一些前期鉴别，比如癌症的识别、人脸识别、体检片子扫描等也都是非常有可能成功的方向。

“无人驾驶有成功的一面，也有不成功的一面。”杨强评价近年来资本和产业布局较深的无人车方向，他认为无人驾驶的突破瓶颈仍然是各种突发场景的数据不足问题。

新技术的研究、应用与推广，离不开产－学－研一体的合作，对于人工智能即将开启的新一波产业浪潮，除了学界、产业界，政府的作用也不可忽视。杨强认为，政府的重要性就在于制定大方向，就像美国当年的“登月计划”以及最近美国政府主导的“无人车大赛”，通过一些大型规划来推动产业和学界的融合发展。

“学者都喜欢耕耘自己熟知的‘自留地’，而产业界对基础一点，长远一点的研究也着力不深，所以这种大方向的制定只有政府能做。要把目标定得非常长远，又要可检测，这也是对政府的一个考验吧。”他表示。