浙大吴飞人工智能具有学科渗透力 AI人才缺口是一个伪命题
“人工智能虽有其学科独立性，但同时也是具有很强渗透性和交叉性。2016年之前，人工智能还没有这么热，那时大家都觉得计算机和统计等专业还是热门专业。现在人工智能一下子热起来了，据说中国人工智能人才缺口达到了500万，我认为这是伪命题。原因在于很难明确定义什么是独立于其他专业而存在的人工智能人才。”浙江大学计算机学院副院长、浙江大学计算机学院人工智能研究所所长吴飞教授说到。
图 浙江大学计算机学院副院长、浙江大学计算机学院人工智能研究所所长吴飞教授
人工智能分为三阶段，现在较为实用的是大数据智能
在人工智能的划分上，学术圈和产业界有着不同的说法，譬如若人工智能-通用人工智能-强人工智能-超人工智能。
对于这个问题，吴飞教授较为倾向于领域人工智能、通用人工智能和混合增强智能。领域人工智能靠特定任务数据和规则驱动，通用人工智能具备自我学习、举一反三的能力，至于混合增强智能，则是多种智能体的组合，如人类智能+机器智能的有机组合，如达芬奇手术机器人和IBM Watson辅助医生看病等等。
此前，AlphaGo Zero从空白状态学起，在无任何人类输入的条件下迅速自学围棋，并以100：0的战绩击败“前辈”。看到AlphaGo Zero的“自我学习”，业内就有人思考，这是不是就是通用人工智能？
对此，吴飞教授表示不认同。在他看来，在这一“自我学习”之前，人类会向其告知围棋的相关规则，包括胜败评判的标准等等。AlphaGo Zero在“规则有限、目标明确”的条件下，自我对弈了2900万次，因此AlphaGo Zero依旧是由大数据所驱动的，是大数据驱动下的规则有限、目标明确且模式可枚举的人工智能。也就是说，这依旧是领域人工智能的一种典型算法。
在吴飞教授眼中，通用人工智能只体现在人类身上，而想要打造通用人工智能系统，除非将人类大脑全面解析。“现在产业中运用最多且最为有效的是以深度学习为代表、面向特定任务的数据驱动算法，即大数据智能（弱人工智能）。”
大数据智能下，企业高校从各司其事到抱团合作
理论研究需要数据、训练算法需要数据、技术应用需要数据……在智能化时代，数据就是“石油”般的存在。
在这一阶段，因为是由大数据驱动，所以人工智能需要很多标注数据。“在这方面，拥有大量数据的公司走在了高校的前面，他们可以做出高性能的人工智能算法，搭建非常漂亮的人工智能应用。”吴飞教授表示。
