苏州科技园毕业企业思必驰等多家单位获得中国智能科技最高奖项

4月10日上午，中国人工智能科技最高荣誉——吴文俊人工智能科学技术奖颁奖盛典在北京举行。为中国人工智能科技做出突出贡献的100家单位及个人获奖，苏州共有8个高校与企业的研发团队获此殊荣。

其中，苏州国际科技园毕业企业——苏州思必驰与上海交通大学合作的智能人机交互实验室完成的“鲁棒语音信号模式分析与识别的深度结构化建模理论与方法”荣获人工智能自然科学奖一等奖，团队成员包括思必驰首席科学家俞凯和思必驰语音技术研发工程师谭天；苏州国际科技园另一家毕业企业——华兴致远电子科技有限公司获得人工智能科技进步（企业技术创新工程项目）奖。迄今为止，苏州国际科技园已有思必驰、清睿教育、华兴致远、云迹科技和聚合数据等5家企业获得吴文俊奖。

此外，苏州大学、苏州比格威医疗科技有限公司与汕头大学共同完成的“智能医学影像分析及其临床诊断应用”获得技术发明奖一等奖。苏州天瞳威视电子科技有限公司与北京联合大学等单位合作完成的“视觉智能关键技术及其在驾驶技术中的关键应用”获人工智能科技进步奖二等奖，苏州长光华芯光电技术有限公司与四川大学合作完成的“长寿命高功率高亮度半导体激光器芯片制造关键技术及产业化”荣获人工智能专项奖（芯片项目）二等奖；苏州博田自动化技术有限公司、苏州极目机器人科技有限公司与中国农业大学等单位合作完成的“非结构环境下农业机器人机器视觉的关键技术与应用”荣获人工智能技术发明奖二等奖。近年来，苏州市大力发展人工智能产业，在研发和应用场景落地层面都取得了长足进步。其中，苏州工业园区以人工智能为引领的新一代信息技术产业发展势头尤其强劲，以苏州国际科技园等科技载体为主阵地，集聚人工智能相关企业660余家，其中上市企业10家，形成估值上千亿的产业集群，全面覆盖工业、通信、信息技术、交通、教育、医疗、金融和生活消费等领域。2020年，园区人工智能产值达462亿元，连续多年保持20%以上增幅。

目前，园区人工智能产业已集聚国家级人才工程入选者14位、江苏省双创人才77位，形成千亿级产业集群。在赛迪顾问发布的“2018中国人工智能城市15强”中，北京、上海、杭州、深圳位于全国前四，苏州跻身第8位，苏州工业园区在全国人工智能产业发展中显示出较为强劲的竞争力。2019年11月，中国人工智能学会吴文俊人工智能科学技术奖评选基地在苏州人工智能产业园正式落地。

据介绍，2020年度第十届吴文俊人工智能科学技术奖经全国各地提名推荐，共收到305个提名申报项目，其中238个提名申报项目进入会议初评、终评答辩。经过为期10天的公示，2020年第十届“吴文俊人工智能科学技术奖”共评出100个获奖项目成果，包括吴文俊人工智能最高成就奖1项，吴文俊人工智能杰出贡献奖3项，吴文俊人工智能自然科学奖20项，吴文俊人工智能技术发明奖8项，吴文俊人工智能科技进步奖24项，吴文俊人工智能科技进步奖企业技术创新工程项目17项，吴文俊人工智能科技进步奖科普项目3项，吴文俊人工智能优秀青年奖16项，吴文俊人工智能专项奖芯片项目8项。

今年是“吴文俊人工智能科学技术奖”设立10周年，中国人工智能学会奖励与成果工作委员会将借助吴文俊人工智能科学技术奖奖励实行提名制的改革东风，在学会理事长戴琼海院士的精心指导下，为打造“吴文俊人工智能科学技术奖”这颗人工智能领域学界与业界皇冠上最璀璨的“明珠”。

自4月10日下午起至4月12日，由中国人工智能学会发起主办的2020中国人工智能产业年会China AI Industry"s Annual Meeting(CAIIAM 2020)在苏州工业园区隆重举行，作为吴文俊人工智能科学技术奖十周年颁奖盛典的主题配套活动，本次大会集闭门研讨、荣誉表彰、高端论坛、产品展示、报告发布和项目路演等六大板块于一体，是国内权威性高、规模较大、品牌力强、行业影响深远的年度人工智能标志性盛会。颁奖盛典和本届年会推行“线上线下一体化”办会,采用“1+22+X”模式，包括吴文俊人工智能科学技术奖颁奖盛典、中国人工智能弱势分析座谈会、2020中国人工智能产业年会开幕式、中国人工智能学会与华为技术有限公司战略合作签约仪式、《中国人工智能发展报告2020》、AI Open Index系列榜单发布、2020中国人工智能产业年会主论坛报告、科学之夜AI晚会、吴文俊人工智能科学技术奖项目路演暨投融资对接会、2020中国人工智能产业年会可信AI专题论坛、脑科学与人工智能等分论坛和技术论坛等系列活动，将有望在我国人工智能领域树立新理论、新技术、新产业和新生态的风向标，赋能长三角一体化高质量发展。

会上，本届人工智能自然科学奖一等奖获奖者，苏州思必驰联合创始人、首席科学家、上海交通大学教授俞凯，分享了对未来人工智能方法论上一些思考和实践。

俞凯提出，由上海交大思必驰智能人机交互联合实验室完成并获奖的“鲁棒抗噪语音识别”，尽管其中用到了许多方法，但大的框架本质上均属“开环学习”模式，需要有标注的数据。但在产业界，很多场景下我们很难找到适用于开环学习模式的各种各样的大量标注。为了解决数据标注不充分、不准确、无法预知等问题，我们有必要考虑“闭环学习”模式。与开环学习模式中“数据准备”和“模型优化”这两件事情独立进行不同，闭环学习模式将两者有机结合起来，从而可以应对数据标注难于大规模获取的问题。闭环学习这一类范式出现给了我们两个提示，机器本身解决标注过程当中不100%一定需要人类，它可能需要部分人类帮助，但它更可能在有环境动态产生信息的情况下，或者是通过巧妙机器学习结构能够动态产生反馈情况下使得自身标注能力得到逐渐的提升，并且在提升自身标注能力的同时去提升自身建模水平。在可以预见的未来，我们相信机器一定可以做到自我认知、自我进化。（王津）