吳文俊是我國近現(xiàn)代著名數(shù)學家和中國人工智能研究的開拓先驅，他在拓撲學、代數(shù)幾何、博弈論、數(shù)學史、數(shù)學機械化等領域都有著里程碑式的研究突破，得以讓中國在這些領域的學術研究保持國際領先。早在 1956 年，吳文俊就因在拓撲學方面的突破成就被授予首屆國家自然科學獎一等獎，而同批獲此殊榮的只有我國著名數(shù)學家華羅庚和“兩彈一星”元勛錢學森。

直至今日，吳文俊的數(shù)學機械化思想和方法都被廣泛應用在計算機圖形學、計算機視覺、機器人、數(shù)控技術、模式識別等諸多科學與工程研究領域，在國際學術界影響深遠。也因此吳文俊獎在國內人工智能領域的份量可謂沉甸甸，每年的評選結果也能很好展現(xiàn)出 AI 科技的年度風向。

從今年獲得吳文俊人工智能科技進步獎的各類企業(yè)技術創(chuàng)新工程項目中我們發(fā)現(xiàn)，除了物聯(lián)網、機器人、計算機視覺、生物識別、語音技術等技術服務屬性的公司之外，也有家電企業(yè)首次入選，這不僅表明 AI 在產業(yè)商業(yè)層面的應用已十分廣泛，距離大眾的生活似乎也越來越近了。

進步的 AI 技術，糟糕的“偽”智能

近年來，我們周遭的產品和服務變得越來越智能，除了算力和大數(shù)據(jù)的指數(shù)級攀升，很大程度上受益于深度學習的長足進步。

以計算機視覺&卷積網絡、生成模型、序列模型、增強學習等為代表的不同研究路徑，都讓計算機程序的智商越來越高，且分析識別的精準度也越來越強，進而推進了 AI 技術像互聯(lián)網、移動互聯(lián)網一樣，快速成為了智能時代的基礎設施。

在計算機視覺領域，人臉識別、物體識別與語義分割分類等方面的性能目前已接近甚至超過人類的視覺系統(tǒng)，研究人員們已開始挑戰(zhàn)更高難度的計算機視覺問題，例如圖像描述、事件推理、場景理解等。

在自然語言處理方面，預訓練語言模型在自然語言處理領域進展頗大。計算機能夠在大規(guī)模無監(jiān)督的語料上進行長時間的無監(jiān)督或自監(jiān)督的預先訓練，進而獲得通用的語言建模和表示能力。

深度學習技術也極大地促進了語音識別技術的迭代，在語音建模、提取、優(yōu)化特征參數(shù)方面取得了突破性的進展，語音識別精度大大提高，且擁有很好的自適應性，進而得以實用化普及。將語音信號轉變?yōu)槲谋咀址蛘呙睿糜嬎銠C理解講話人的語義內容，使其聽懂人類的語音，從而判斷說話人的意圖，人機交互方式更加多元。

此外， AI 技術與相關的知識工程(專家系統(tǒng)、知識圖譜等)、計算機圖形學、大數(shù)據(jù)挖掘、機器人學等交叉學科的融匯貫通，很多應用其實已經在默默改變著產業(yè)運作模式和我們的生活方式，在金融、教育、安防、娛樂、醫(yī)療、自動駕駛、電商、物流、智能家居等領域廣泛滲透。

人工智能的概念雖然很火，技術也達到了可用性，但在實際落地過程中仍面臨不少問題。

AI 近年來在相關行業(yè)領域和有其代表性的應用場景中應用確實比較領先，也帶來了商業(yè)效率的大幅提升，但對于 C 端消費者而言，似乎并沒有留下太多好印象。尤其以智能家居、智能家電等行業(yè)為例，很多對于 AI 技術的粗淺應用，更是成了“偽智能”產品的重災區(qū)。

不少廠商都是什么技術概念火就跟風炒作集成什么技術，缺乏對用戶價值的深入研究和判斷。語音交互火了，就把什么產品都加上語音交互，結果造出了很多雞肋且不實用的產品功能;AIoT 概念比較熱，就盲目炒作全屋互聯(lián)、聯(lián)動操控的賣點，對于用戶而言卻往往華而不實，缺乏體驗感甚至操作有些麻煩;很多廠家都表示我們產品背后有大數(shù)據(jù)分析，產品會越來越“聰明”，而實際用上了，用戶會發(fā)現(xiàn)越用越“智障”。

這也是智能家居市場炒作了那么久，卻依舊落地緩慢、消費者接受度低的根源之一。