中国人工智能学会副理事长、北京工商大学教授韩力群从事人工智能研究已近20年，从1990年代初研究人工神经网络到进入农业、轻工业生产的智能化探索，韩力群的科研导向经历了从实验室到工厂田间的切换，其中有闪亮成果也有惋惜遗憾。韩力群认为，在观念与认识方面，目前国内对智能科学技术还缺乏足够的了解，对智能化的认识还不到位；从研究与产业化方面看，成果转化力度不够，与企业结合不紧密，产业标准缺失，人才供给短缺……

　　实践之路

　　本刊记者：您在人工智能实际应用方面做出过非常出色的工作，比如“皮革计算机优化配料系统”，“烤烟烟叶质量特征提取与分级”等等，是什么样的原因和契机促使您进入这些工作领域？

　　韩力群：我进入人工智能应用研究领域的大背景是国内信息化的快速发展。上个世纪90年代后期信息化进程发展很快，基本上覆盖了整个工业领域，以工业为首的各个领域都在向信息化转型，这就促使轻工业和农产品质检领域也出现了信息化、自动化甚至智能化的需求，而我以前是学自动控制的，就对这个研发方向产生了很大兴趣。

　　轻工业与农产品质量检测向智能化转型比起工业来要困难得多，因为工业生产比较规范、标准，同时大部分设备已经实现了自动化控制和信息化，再向智能化升级、转型就有很好的基础。轻工业和农业过去主要是靠人工操作，特点是必须依赖人的经验和技能，因此这些领域若实现自动化，难度更大，对智能化的要求更高。

　　1990年代初的时候，我在英国待了一段时间。我出国前后一直在搞人工神经网络研究，这是最典型的一类模拟人脑的算法，解决问题的效果在某种程度上具有大脑风格，因此我对天然皮革自动配皮和烟叶质量自动分级这两个研究非常感兴趣，也觉得很有挑战性。当时学校有位老师接了轻工部的“八五”课题“皮革计算机优化配料系统”研究，开始他们采用了基于经验分类半径的传统方法，但效果一直不好。我觉得这个问题非常适合用人工神经网络的方法研究，一试果然效果很好。从1998年我又开始采用智能信息处理技术做关于烟叶质量自动分级的研究，一做就做了十年。相比皮革的分类，烟叶质量分级更为复杂，相关国家标准把各种烟叶按照颜色、形状、结构、成熟度、厚度、破损等外观质量等分成42个等级，分级工作一直靠分级师人工完成。因为收购时需按级别定价，所以每年各产区要拿出各个级别最具典型性烟叶样本，由国家烟草专卖局组织国家级分级师进行集体评审，这些样品通过评审后就成为当年的国家标准样本，回到当地后再分发下去逐级复制，不久非常耗费人力财力，而且很难保证分级质量。烟草行业管理部门一直想通过某种技术手段把这种繁复的、主观性很强的工序智能化、自动化。在烟草行业内部多年研发无果的情况下，决定让我来试试。

　　由于全国烟叶产区多、品种多，况且每年就只能获得一批样本，采集样本非常困难。当初这件事在行业内颇有阻力，烟草分级师们非常反对，认为不可能靠计算机来做烟草分级，因为每年的标准都是动态的，全靠分级师的经验来定夺，非常主观和个人化，许多经验、感觉都是只可意会不可言传，机器似乎永远无法取代人工，但后来的结果让大家改变了看法。

　　当时我们在云南曲靖做了一次实验。请最权威的烟叶分级专家从烟田采集了200多片不同颜色的烟叶，专家先根据烟叶的颜色排出一个顺序，烟叶的颜色从最浅到最深的排序完全靠人的感觉，标上标号之后将其打乱，又用我们研发的设备检测了一遍，也按颜色自动排序，结果与专家的排序结果只有5、6片不同。这个结果让当时的分级权威都感到震惊，原来计算机真可以做这样的工作！他们对烟叶质量智能化分级研究的态度也从反对转向支持了。

　　本刊记者：这些科研成果目前应用情况如何？

　　韩力群：通过人工智能技术的应用可以让这些不同领域的工作效率大大提升，拿烟叶分级来说，当时在国家烟草局举办的培训班上，烟叶分级师培训合格的标准是看学生的烟叶分级结果与老师的分级结果重合率有多高，能达到70%的重合度就算出师。而我们十年研究下来，最后用烟叶自动分级设备给出的烟叶等级与高级分级师的分级结果重合率在85%以上，这个结果基本能达到烟叶分级专家的水平。

　　产业化难题

　　本刊记者：您觉得科技成果产业化推广的困难是什么，国内在智能产业化方面存在哪些问题？

　　韩力群：一个科研成果在向产业转化的过程中需要考虑的因素很多，受到的制约也很多。首先有一些研究本身就不是产业导向型的，这类研究的结果往往是建一些模型、搞出一些漂亮的仿真数据，最后发表论文专著就算完成了，但应用起来与实际需求相距甚远。另外，即便是一些以实际需求为导向，并且经过应用检验反复改进的科研成果，在向大规模生产应用转化时也要受到很多制约，比如经济性和利益方面的冲突。

　　就拿我们搞过的烟叶质量智能分级来说，如果在烟草行业推广开，烟叶分级师会认为他的岗位受到了自动化设备的威胁。类似这样的智能技术成果在产业化过程中会与一些对传统生产方式有依赖的人的利益产生冲突。像我们研制的烟叶智能分级设备，现在主要作为培训、教学和科研设施使用。

　　本刊记者：您刚才提到的以实际需求为导向的应用研究与在实验室单纯做科研有什么不同？

　　韩力群：单纯在实验室做科研常常会出现与实际需求脱节的现象。学术研究很专业，往往专注某一个关键技术问题，而在实际应用中往往是多种技术的集成以及多种专业的交叉或多种矛盾的协调。比如现在很热的物联网，它的支撑技术至少包括：网络技术、传感技术、智能技术。实验室里可以只研究一类技术中的一个分支，而在实际系统需要将多种技术综合集成。因此在以应用为导向的研究课题中，就必须研究多种关键技术如何相互融合，如何消除彼此的影响，以及如何协调相互间的制约。最后还要在实践中不断检验并反复改进研究成果，才能得到过硬的技术成果。

　　本刊记者：目前科研领域内这种科研与现实应用相脱节的现象到了什么程度？

　　韩力群：实际上，现在学术界不少人对这种产业需求导向的研发课题是轻视的。高校和科研院所的很多研究者对工程技术类研发课题不感兴趣，认为“学术水平不高”。这种现状不仅造成产学研脱节，而且很容易产生学术造假。因为对以实际应用为导向的科研来说，最后的成果检验是不好糊弄的。现在某些所谓“高水平”的学术研究成果，臆造几个故弄玄虚的算法，搞一些自圆其说的仿真实验数据，再贴上时髦的学术标签，这种学术造假近年是很常见的。

　　解决之道

　　本刊记者：看来在高科技应用领域，从为科研而科研，到向为产业化而科研的确是挑战重重，您觉得现实的解决路径在哪里？

　　韩力群：比较现实的选择有两种模式，一种是大型企业自己设立研发机构，这样的研发机构会以解决企业或产业自身的实际问题为导向，另外还有一个好处就是企业提供科研所需的生产数据比较方便，也能保持研究的持续性，更有利于解决科研应用两张皮的现象。在高校和研究院所，老师的研究方向和兴趣往往会不断地转移，研究生的流动性也很大，很难对某个具体的生产领域长期持续地关注。另一种模式是高校或者研究院所搞高科技企业，如同医学院和附属的临床医院的关系，这也是一种可行的模式。

　　本刊记者：您提到人工智能学会开始助力技术成果的产业转化，能具体讲一些这方面的工作吗？

　　韩力群：在推动智能科技的应用，提升智能产品的智能化水平及市场竞争力方面，中国人工智能学会从2011年起，每年主办一次以“智能体验、智慧生活”为主题的“中国智能博览会”和以政产学研为主角的“中国智能产业高峰论坛”。这些活动在提高企业及产品品牌知名度，拓展企业产品销售渠道，推广智能技术应用，宣传智能产品的技术内涵，促进智能产品标准化，以及增进社会对信息化向智能化发展进程的关注，促进智能产业的健康、规范化发展方面，产生了深远的社会影响。

　　本刊记者：产业的健康发展除了要依靠科技成果的顺利转化以外，还需要标准的制定和充足的人才供给等条件，您怎么看？

　　韩力群：确实如此。我们中国人工智能学会也在这方面做了一些工作。比如在标准制定方面，学会与中国家电行业合作，制定了内涵专业、科学、通用性强的《智能家用电器的智能化技术通则》，2012年已作为国家标准由国标委正式颁发。同时，学会还积极承担中国科学技术协会的政府职能转移课题《智能产品技术通则》的制定工作。这些工作的意义在于：从技术层面上，为优秀的智能产品提供市场信誉保障；从技术检测、仲裁的角度，为优秀智能产品的研发和生产提供技术服务；发挥技术导向作用，引导经销商优选正规智能产品；从监管层面上，可有效降低政府有关部门的监管技术难度和监管经济成本。

　　在智能科技人才培养方面，学会从2001年开始呼吁并发起设立智能科学与技术本科专业，到目前为止全国已有23所高校设立了该本科专业，为智能产品的开发与应用，智能科技领域的教学和研究，研发设计部门的智能系统设计，企业智能工程师等人才需求领域输送了大量专门人才。

　　（刘敏对本文亦有贡献）