2019年1月10日，由中国自动化学会联合中国科学院自动化研究所、中华人民共和国工业和信息化部与中国人工智能产业发展联盟主办的2019国家智能产业峰会在山东青岛隆重召开。
本次峰会以“工业智联网：AI赋能·智联世界”为主题，充分彰显了人工智能技术为经济高质量发展“赋能”的新时代愿景。并为探索机器智能+原有产业合作升级的业内人士提供了一个舞台，充分展示我国在智能产业领域取得的突出成就，促进学术交流、助力技术落地升级。
在论坛现场，电子科技大学教授陈建文进行了题为“智能产业落地中的供需关系”的主题演讲。演讲重点强调了一个逻辑：只有为数据提供者提供一个正确激励机制的环境，创造的数据才能被价值化、共识化。将这个趋势不断的进行下去，才形成一个庞大的数据市场，数据的良性流通环境中，使得人工智能也能更健康生长。
AI目前一个很大的瓶颈是：如果AI要非常大的进步，它必然是需要很大的数据，但是现在的数据提供方都没有足够的激励机制提供极大量的数据。并且已有的那些数据往往被中心化平台垄断，因而阻碍创新。为数据提供者提供一个正确激励机制的环境，创造的数据能被价值化、共识化，这样就会形成一个庞大的数据市场，使得人工智能更进一步。
下面将详细展开内容精髓：
人工智能为何是现在？
论坛现场，陈建文教授首先对人工智能行业发展进行了五个历史关键点综述。从过山车般的历史起起落落中，我们了解到，技术的不断迭代，新技术范式的不断出现，让人们摆脱了狭义人工智能的死胡同，跳出了这个圈子来看问题，寻找新的方法。
而通信专家贾里尼克，可谓是世界上使用数据驱动方法解决人工智能问题的第一人，他把一般人认为是人工智能的问题当作通信问题来解决。
既然是通信问题，那么只需要计算能力＋数据+数学模型就可以解决了。
如果借助大数据的“完备性”和“相关性”，很多问题都能得到广泛解决。机器没有推理能力，但是有数据，借助大数据的优秀特征，可以巧妙的将逻辑推理的问题，变成了数据和计算的问题。
于是我们可以得出一个显而易见的结论：数学模型的优化，计算能力的提升乃至数据量的增加，都能诞生更好的人工智能应用。
基于推论陈建文教授从三个逻辑层面上解答了“人工智能的爆发为何是现在？”
● 第一是摩尔定律所描述的计算能力的指数增长。在过去五六十年当中，cpu集成电路一直是按照摩尔定律的增长，工程师们想方设法地提升性能，在相同的晶片上集成更多的场效应管。计算能力增长，让我们有底气去计算那些完全不敢想的事情。我们过去不能进行的计算现在都能计算了。
● 第二是互联网和物联网的爆发性增长所产生的海量数据。互联网的产生，传感技术的成熟，我们有能力把以前忽视的信息记录下来。有了大量的数据，人工智能就能通过大量数据汇集得到学习，而我们每个生活的角落都将数据化。
● 第三是智能算法的快速发展。人一开始会模拟大脑工作的原理来做出一些人工智能、机器学习的算法，但是在今后发展过程中，我们可能会推出一些算法，是大脑根本不能实现的，但是在机器里面却能够实现，比如说量子计算。
其中，教授强调到，现阶段摩尔定律已经部分失效了，人工智能依赖于cpu的算力增长的时代已经过去。因此数据资源与智能算法是重中之重。
人工智能产业链下的“分久必合，合久必分”
陈建文教授将人工智能产业链分为四个层面：
● 平台层：是以通用技术应用平台的形式提供深度学习、模式识别等技术应用服务，对接应用层。
● 技术层：是为整体产业链提供通用AI技术能力，其中感知层包括目前技术已相对成熟的计算机视觉和语言语音识别两项机器感知任务。
● 认知层：认知层定义为“机器大脑”，包括知识图谱？语义分析以及智能问答/虚拟助手两个核心领域。
● 投资层：资本环境的活跃对AI产业的培育有极大的推动作用，而资本与企业间的相互促进，也增强了中国AI产业的整体实力和发展。
陈建文表示，人工智能产业链是就像是一棵大树，树根不仅等大方面，繁茂的树叶是它是开展的业务，做出的产品。包括我们当前所熟知的机器人、智能制造、无人驾驶等明星产品。
但我们不能忽视便是根系和土壤，庞大的算力和喂养的数据。那些遍布在河南、山东、河北等地的四五线小城人民，也在为人工智能做着一系列数据整理工作，这些可谓是幕后的脏活累活。
越是复杂的产业链，外人看到的只能是地面上的繁茂。
其次，对于中心化与去中心化的要点，陈建文提出了“分久必合，合久必分”的观点和看法，信息战国经历了4大时代：
● 在最早期的电路交换时代，美国的网络资源AT&T公司占据了大半资源，近乎垄断。这跟电路交换的技术不无关系，电路交换依赖中心化的结构，当大公司足够大，效率和规模足够优秀的时候，必然会产生垄断现象。
● 后来，TCP/IP技术的出现，我们所有的通讯都是用一个个的包来进行，效率进行了极大的提高，也促成了多公司经营网络的盛世，也就是互联网时代的到来。这样就迎来了一个合久必分的时代。
● 在合久必分出现之后，信息交流变得容易起来，虽然最底层的网络通讯非常去中心化，大家也会在每个网站发表自己的信息，但是对整个信息没有一个系统的组织架构，这样使得信息的查找成本非常高，这也就是谷歌的主营业务背后的需求所在。这些平台并没有建立自己的网站，而是利用自己的算法，对网站进行索引，建库。它们驾驭了这个网络世界，提供了一个网络接口，让普通大众在网上搜寻信息，必须经由他们，也导致了一个新的垄断时代到来，可谓分久必合。
● 现在，区块链的出现让一个网络去中心化的时代来临，又到了一个合久必分的时代。互联网不再是信息传递的网络，而是人和人之间可以进行价值的交换，相信机器，让原本的价值传递成本迅速降低。
加速人工智能产业落地，如何解决数据流通问题？
在演讲的最后，教授强调，深度神经网络对数据、计算等资源有极大的需求。人工智能存在诸多问题亟待解决。
对于技术研发者而言，数据获取壁垒较高
● 一方面数据源过于集中，大量数据被少数垄断性企业所掌控，考虑到数据的高价值和商业机密的保护，企业往往不会开放数据。
● 另一方面，由于隐私性难以保证，很多有价值的私人数据难以获取。获得数据的门槛过高阻碍了算法的进化速度。
陈建文教授提到，对于数据所有者而言，数据流通存在亟待解决的几个痛点：
● 数据权属：无法清晰界定；
● 数据质量：标准不一；
● 数据安全：隐私与滥用无法保障；
● 数据定价：数据价值无法准备衡量。
此外，陈建文教授讲解了人工智能与区块链的共生与人工智能共识促进区块链改进商业模式。加密经济学创造了一个对数据提供者有正确激励机制的环境。
在这个环境中，数据能够得到确权，数据被价值化、共识化。而在一个公平的数据市场中，数据的价值是通过互熵来衡量的，这也就造成了低代价的共识环境，熵得到了有效的减小。因此从这个逻辑来推演：在加密数据市场中，用户提供的数据会最受重视。
所以AI和区块链的正向结合，让AI能够帮助区块链底层改造，提升效率并增加安全性。
区块链与AI的反向结合，也能让AI数据资产在区块链上获得更低代价的流通交易，激发用户的生产动力。
未来的智能时代，必将是个 AI+区块链；区块链+AI 的崭新时代，让我们拭目以待！
