信通院:深度学习平台将增强产业经济韧性和抗风险能力

作者 | 财经E法 樊瑞   编辑 | 朱弢

2022年07月31日 20:23  

本文1712字,约2分钟

深度学习平台系统功能架构将变得越来越丰富复杂,这种复杂来自于客户的个性化、场景的多样性以及技术本身的复杂性等方面,平台的建设主体从平台拥有者向“平台拥有者+行业客户”联合开发演进。

为纪念人工智能之父艾伦·图灵在计算机领域所作出的开创性贡献,英国英格兰银行在2019年发布的50英镑上,将图灵肖像印在钞票上,同时印在上面的还有图灵的一句话,“这不过是将来之事的前奏,也是将来之事的影子”。

在数字经济大趋势下,人工智能得到飞速发展,那么未来创新之路在哪里?

7月28日,在2022全球数字经济大会人工智能驱动未来产业专场论坛上,中国信息通信研究院发布了《深度学习平台发展报告(2022)》(下称《报告》)。《报告》显示,深度学习是本轮人工智能发展的主导路线,目前平台化生态布局成为业界共识 。

这份《报告》由中国信息通信研究院与深度学习技术及应用国家工程中心共同撰写,总结当前深度学习平台发展状况,为产业界提供人工智能发展路线的参照,展望人工智能产业化应用的前景。中国信息通信研究院副院长魏亮、深度学习技术及应用国家工程中心主任王海峰共同发布报告。

《报告》指出,随着技术水平的不断成熟,人工智能正在向更多的行业领域渗透,技术能力的行业价值变现成为主旋律。制造、物流、农业、医疗等传统行业集群开始享受人工智能发展带来的技术红利,纷纷提出AI时代的行业转型升级目标和路径。

然而,行业数字化、智能化转型作为一项基础性、系统性、持续性工程,是一个循序渐进、不断摸索的过程,人工智能在行业的规模化应用仍面临知识、工具、数据等多方挑战。

在知识层面,诸多传统行业在数十年发展过程中沉淀形成的经验知识,是企业核心价值的载体,但难以通过格式化、规范化数据表征,进而无法训练出契合场景需求的算法模型,构筑行业知识壁垒。

在工具层面,目前市场上的方案多是通用型解决方案,无法满足企业、行业的专业化、个性化、一体化需求,缺少成熟、可信赖的集约式转型赋能工具平台。

在数据层面,受限于数据的规模、种类以及质量,目前多数企业对数据的应用还处于起步阶段,主要集中在精准营销、舆情感知和风险控制等有限场景,未能从核心业务转型角度开展应用融合,难以更好挖掘数据资产的潜在价值。

基于此,深度学习平台的重要性凸显。王海峰表示,在人工智能工业大生产阶段,深度学习平台下接芯片、上承应用,相当于“人工智能时代的操作系统”,处于人工智能技术体系的关键核心位置。

《报告》显示,以深度学习平台为牵引的全行业智能化转型拉开帷幕,帮助企业乃至国家在数字社会与智能经济时代获得发展先机。比如,面对突如其来的疫情冲击,深度学习平台广泛应用,有力阻击疫情蔓延、加速药物研发、推动企业转型、助力复工复产,社会价值初显。

《报告》指出,未来深度学习平台能力将围绕技术实力、功能体验、生态模式三个维度演进迭代。

从技术实力上看,深度学习平台将在深度挖掘、优化成熟技术的基础上,更好融合自监督学习、强化学习、迁移学习、小数据等前沿技术,通过打造简易高效的创新工具帮助不断拓展应用视野和能力边界,推动人类社会创新进步。

从功能体验上看,中国企业和产业有自身的特点,对AI功能需求也有其独特性,未来深度学习平台将充分重视中国企业个性化需求并解构业务形态,结合细分场景特点进一步优化平台功能细节,实现与不同行业、企业和业务环节的灵活适配,不断提升面向辅助决策、预测、推理等环节的技术能力,帮助企业在智能时代确立领先优势。

从生态模式来看,生态的迭代开放将是深度学习平台体系的重要标志,伴随着消费者主权的崛起,深度学习平台系统功能架构将变得越来越丰富复杂,这种复杂来自于客户的个性化、场景的多样性以及技术本身的复杂性等方面,平台的建设主体从平台拥有者向“平台拥有者+行业客户”联合开发演进,平台内容从有限、封闭、定制化的功能模块向海量、开放、通用性的技术工具转变,从而在平台与用户之间构建相互促进、双向迭代的生态体系。

《报告》认为,从更长周期和更广视野来看,深度学习平台将持续提升传统行业高附加值产品的比重,进一步优化产业结构,增强国家产业经济韧性和抗风险能力,这已成为一项具有战略性、全局性、时代性、现实性的紧迫任务,需要政府、科研机构、人工智能企业和传统行业企业等各方通力协作配合,共同营造积极健康的产业生态。

打开财经APP, 查看更多精彩内容
更多相关评论 
打开财经APP, 查看更多精彩内容
热门推荐
打开财经APP, 查看更多精彩内容