数字科技下的创新范式(4)

2.2

人工智能驱动的创新

人工智能是数据应用更深层次的挖掘，可以提高数据使用深度，能够进一步驱动创新。近年来人工智能领域的迅速发展对经济乃至整个社会的发展都产生了深远影响，这些创新有可能直接影响一系列产品和服务的生产和特性，对生产力、就业和竞争产生重要影响。但与这些影响一样重要的是，人工智能也有可能改变创新过程本身，其结果可能同样深远，并且随着时间的推移，可能会产生更多直接效应。尽管最初人工智能的应用领域较为局限，其最初的商业化应用主要局限在机器人等领域，但未来人工智能可能与更多的领域相结合。例如，成立于2012年的Atomwise是一家药物挖掘与人工智能结合领域的比较有代表性的初创公司，Atomwise的核心技术平台是一种深度卷积神经网络，利用自主分析大量的药物靶点和小分子药物的结构特征并学习小分子药物与靶点之间相互作用规律，并且根据学习到的规律预测小分子化合物的生物活性，不仅加快药物研发进程，还节约了药物研发成本。2020年中国科学院张钹院士提出了第三代人工智能，这种超越现代人工智能的提法以及相关技术的进步，对人类未来的发展势必会产生更加深远的影响。 人工智能的三大核心技术是符号系统、机器人技术和深度学习。从这三项技术对创新的影响来看，尽管符号系统的工作停滞不前，但是未来其对创新的影响可能相对较小。目前，机器人技术正在被使用且持续探索中，其发展可能在许多商品和服务的生产中进一步取代人类劳动，但机器人技术本身的创新改变创新本身性质的潜力相对较低。深度学习是高度通用的研究领域，它有可能改变创新过程本身。人工智能不仅仅要利用计算机学的知识，更需要数据技术的支撑，如统计学。使用统计学知识可以研究神经网络，对模型进行预测或者研测，所以研究者应该重视统计学在人工智能发展中的应用。因此，在未来人工智能的研究中，建议研究人员采用统计学+计算机学+电气工程相结合的学科方向。 近年来，中国人工智能研究增速迅猛，尤其是2016年以来在一系列人工智能技术创新和实践创新的带动下，中国学界人工智能研究正呈现“井喷状”增加。美国斯坦福大学发布的《2019人工智能指数报告》（ Artificial Intelligence Index Report 2019 ）显示，在人工智能研究领域，中国以微弱优势超过欧洲，在全球出版物中所占比例为28%，而欧洲为27%。该报告还显示，2018年中国人工智能期刊论文发表数量位居世界之首。而且，中国人工智能研究正出现学科快速扩散的趋势，经济与管理学科正迅速加入人工智能的研究热潮。同时，创新研究在人工智能研究中具有广泛的应用前景，但当前总体研究水平不高，留有大量的研究空白。 人工智能创新的协作机理是基础创新与应用创新并存、单领域与多领域并存、技术创新与制度创新并存的过程。人工智能创新的技术机理是深度学习算法实现了人工智能创新的方法论突破，数据驱动的基本原理实现了人工智能创新的思维方式转变。例如，谷歌DeepMind，其软件控制着谷歌数据中心的风扇、制冷系统和窗户等120个变量，使谷歌的用电效率提升15%。研究表明，谷歌DeepMind可以应用于健康、科学和能源等领域。 目前，在人工智能的市场蓝海里，我国已有企业成功试水并顺利落地于产业应用。例如，灵伴科技是一家面向新兴人工智能技术的科技创新企业，其优势是通过实验室成果的商业化，来推动人工智能的产业化过程。灵伴科技通过人工智能技术为企业赋能，专注声音信号处理、语音识别、语音合成、自然语言理解的核心技术研发与应用，尤其是在人机交互方面具有超前的决策和思考方式，其产品覆盖银行、保险、运营商等传统客服中心，并向电商、物流、教育、医疗等新兴客服中心不断延伸。