李毅中:促进人工智能健康有序发展

  • 来源:
  • 2024-10-12 17:52:30

导语

9月27日,由深圳工业总会举办的第十三届“五洲工业发展论坛”隆重举行。本届论坛以“构建人工智能新格局 创造工业强基高质量”为主题,围绕“人工智能、新质引擎、AI大模型、数智技术、品牌出海、ESG可持续发展”等主要议题,14位嘉宾进行了主旨演讲、主题演讲、专题演讲和巅峰对话。现特别推出“五洲新语”专栏,分享业界大咖在论坛上的精彩观点。

0 (4).jpg

论坛上,中国工业经济联合会会长、工业和信息化部原部长李毅中发表“促进人工智能健康有序发展”主旨演讲,围绕“人工智能应用取得初步成效,工业制造业潜力巨大”“人工智能要深化运用在工业制造业的核心环节”“进一步强化数据、算力、算法人工智能的基础能力”“关注人工智能治理,促进安全有序发展”四方面展开演讲。

阅读提示以下为演讲实录整理

1 (1).png

人工智能作为一项关乎国家安全与发展的前沿科技,不仅引领科技进步,而且是产业升级与经济转型的关键驱动力。其战略重要性在党的二十大报告中被明确列为战略性新兴产业之一,并在三中全会《决定》中被强调为新质生产力发展的核心推手。
生成式人工智能(AIGC)是当下人工智能的前沿领域,得益于深度学习、自然语言处理及计算机视觉等关键技术的突破,能够自动生成文本、图像、音频及视频等多种形式内容,已在传媒、文档、娱乐、文化、教育、咨询、商贸及工业设计等多个领域展现其应用价值。据最新统计,我国已拥有超百个人工智能大模型,每个模型参数量达千亿级别,随着人工智能技术的演进,跨领域的技术融合则会催生出更多领域的应用场景。

尽管当前人工智能在工业和制造业的应用尚处初级阶段,但鉴于其对数字化转型和智能化升级的推动作用,及其在高技术门槛和转型难度大的行业中的潜在价值,人工智能在工业领域的深化应用势在必行,有望引领新质生产力的发展并广泛影响经济社会的多维度。

3 (2).png

工业制造业作为人工智能应用的主战场,其深化应用需聚焦于以下关键环节:

研发设计的数字化与智能化:采用计算机辅助设计、仿真模拟、数字孪生、三维建模等技术,目前我国规模以上工业企业的研发设计数字化工具普及率已达到79.6%,目标至2027年提升至90%以上。例如,腾讯利用人工智能加速创新药物研发,通过算法优化靶点识别、化合物筛选等流程,显著缩短研发周期并提高成功率。此外,类脑智能与具身智能的应用,旨在提升机器人在复杂环境下的自主性与适应性,如北京的机器人展览展示了高度互动的人形机器人,预示着自主意识机器人的未来可能性。

规划、计划与生产方案的智能制定:人工智能可应用于从国家到企业各级别的发展规划、年度计划及具体生产方案的制定中,通过对海量数据的高效处理与分析,实现更精确、科学的规划制定。在柔性制造和个性化定制趋势下,人工智能的即时分析与决策能力对于生产方案的动态调整至关重要,可大幅提升生产组织的灵活性和效率。

生产过程的智能控制与稳定性保障:针对离散式和流程式两种制造模式,人工智能在优化加工参数选择、全链条智能控制及维护管理等方面发挥重要作用,确保生产线的安全稳定运行。在恶劣环境下,人工智能与远程控制技术的应用减少人员风险,据悉我国规上工业企业关键工序的数控率2027年将达到75%以上,智能制造水平显著提高。

3 (2).png

为了支撑人工智能在工业制造业的深化应用,需强化数据、算力、算法三大基础能力:

数据资源的整合与共享:尽管我国拥有丰富的工业数据资源,但碎片化与数据孤岛现象限制了数据的价值挖掘。解决这些问题要体现国家意志,通过法律法规打破部门壁垒,建立国家级数据交易中心,促进数据的市场化流通,实现数据资源的聚合与共享。

算力结构与效率的优化:尽管我国算力总量位居全球前列,但仍需关注算力结构的合理性,特别是智能算力的供给,以及区域间的均衡发展。通过构建全国性的算力调度平台,提升算力使用效率。对于数据中心能耗过高的问题,需实施精准规划与优化策略,确保数字经济的可持续发展。

通用算法和专业算法的演进:不同行业、不同工序有其特定的需求、应用场景和数据类型,需要数字技术与先进制造技术深度跨界融合,进一步创新开发适合特定行业研发和生产加工的算法或算法组合。

4 (3).png

人工智能技术的飞速进展,虽极大地推动了各领域革新,但也伴随着新兴的安全挑战与风险。鉴于此,确保AI技术的安全性、可靠性和可控性已成为社会各界广泛关注的焦点,尤其是其商业化与普及化进程加快的当下。中央对此高度重视,于三中全会《决定》中明确提出“建立人工智能安全监管制度”并纳入公共安全治理体系。

针对人工智能安全治理的具体路径,有研究提出五层架构模型:供应链安全、数据安全、算法安全、应用安全及社会伦理安全,模型体现了从技术基础到社会影响的全面考量。供应链安全需应对软硬件漏洞与国际供应链限制的风险;数据安全则需防范数据泄露与“投毒”行为,保证信息的真实与纯净;算法安全涉及算法成熟度与抗攻击能力的提升;应用安全着重于模型在新场景中的准确判断与防止误用;社会伦理层面,则需平衡技术进步与人类价值观、伦理道德的关系,确保人工智能服务于人类福祉而非造成威胁。

为应对上述挑战,赛迪研究院提出加强安全技术研发、建立安全标准与测评体系、完善法律法规、提升安全意识及加强国际合作。期望这些针对性建议能够激发广泛响应与实际行动,共同推进人工智能行业的健康发展,确保民众福祉得到有力保障。