發布時間：2024-01-11 16:57:07
序言：寫作是分享個人見解和探索未知領域的橋梁，我們為您精選了8篇的人工智能技術創新樣本，期待這些樣本能夠為您提供豐富的參考和啟發，請盡情閱讀。
關鍵詞：人工智能技術；教學方法；編程能力
中圖分類號：TP3 文獻標識碼：A 文章編號：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中國科協成立50周年新聞會在北京召開。在新聞會上，“五個10”系列評選活動，即10位傳播科技的優秀人物、10部公眾喜愛的科普作品、10個公眾關注的科技問題、10個影響中國的科技事件、10項引領未來的科學技術評選結果揭曉。10項引領未來的科學技術是：基因修飾技術；未來家庭機器人；新型電池；人工智能技術；超高速交通工具；干細胞技術；光電信息技術；可服用診療芯片；感冒疫苗；無線能量傳輸技術。
人工智能技術學科是計算機科學中涉及研究、設計和應用智能機器的一個分支。指人類的各種腦力勞動或智能行為，諸如判斷、推理、證明、判別、感知、理解、通信、設計、思考、規劃、學習和問題求解等思維活動，可以用某種智能化的機器來予以人工實現[1]。
通過《人工智能技術》課程的學習，使學生對人工智能技術的發展概況、基本原理和應用領域有深入了解、對主要技術及應用有一定掌握，并對現代人工智能技術發展的方向有所研究。通過人工智能技術課程的學習與研究，啟發學生對人工智能技術的興趣，培養知識創新和技術創新能力，并能將人工智能技術融入到今后所開發的計算機軟件之中。
《人工智能技術》是一門眾多學科交叉的新興課程，其涵蓋范圍廣，涉及知識點多，知識更新快，內容抽象，不容易理解，理論性強，而且需要較好的數學基礎和較強的邏輯思維能力，這給該課程的講授帶來了一定困難。《人工智能技術》也是一門應用型學科，怎樣將理論運用到實踐中，使學生將學到的人工智能技術知識和思想運用到自己的實際課題，這也是該課程需要解決的問題之一。
因此，對《人工智能技術》課程教學來說，我們要了解課程的最新信息，把握課程的特點，幫助學生找到好的學習方法，使他們能充分發揮自己的創新思維能力，提高學習興趣，該文給出了《人工智能技術》課程的教學與實踐的探索。
2 教學與實踐的探索
2.1 教材和實驗教學內容的選取
1） 人工智能技術是整個計算機科學領域發展最快，知識更新最快，最前沿的學科之一。在教材選用方面，我們采用了蔡自興教授等主編，由高等教育出版社出版的《人工智能基礎》這本教材。蔡自興教授的主要研究領域為人工智能、機器人學和智能控制等。這本教材是作者在美國國家工程院院士、普度大學教授傅京孫先生的指導和鼓勵下編寫，借鑒了國內外人工智能技術研究領域專家的最新研究成果和學術書籍的長處，該書比較全面地介紹了人工智能技術的基礎知識與技術，材料新，易于理解，兼顧基礎及應用[2]。
此外，我們還給學生自主學習提供多種類型的學習資料，其中包括參考書目，如：Russel S， Norvig P.等編著的《Artificial Intelligence： A Modern Approach》一書，人工智能技術國內外期刊，如電子學報，計算機學報，人工智能與模式識別，Artificial Intelligence，Journal of Artificial Intelligence Research，Engineering Applications of Artificial Intelligence和International Joint Conference on Artificial Intelligence，AAAI： American Association for AI National Conference等人工智能技術會議，使學生能夠掌握人工智能技術的更多前沿動態，提高學習興趣。
2） 配套的實驗教學內容。《人工智能技術》是一門理論性和實踐性都很強的課程，實踐性教學環節對該課程尤為重要。除了完成課本上的作業之外，還注重實驗教學，培養學生的創新能力、算法設計能力和編程能力。首先，每個章節設置相應的實驗，而實驗內容經過嚴格的考慮，如：五子棋游戲，產生式系統，旅行商問題，傳教士和野人問題，BP神經網絡實現簡單的分類，遺傳算法、人工生命程序等，要求學生運用所學章節的知識，獨立地設計和實現實驗內容。實驗報告包括簡述實驗原理及方法，給出程序設計流程圖，源程序清單，實驗結果及分析等內容，通過這種方式，進一步加強學生的信息獲取能力和研究能力。
2.2 教學方法和手段的改革
人工智能技術課程交叉性強，涉及面廣，傳統的教學方法手段單一，缺少交流，課堂氣氛沉悶，激發不起學生的學習興趣，教學效果不理想。人工智能技術這門課程內容抽象，如何激發學生的學習興趣是本課程需要解決的主要問題，也是關系教學改革成敗的關鍵。本課程需采用多種方法進行教學，以此來激發學生的學習興趣。
1） 問題啟發式教學。《人工智能技術》這門課程中有很多似是而非、引人入勝的問題，主要是用計算機模擬人類的智能來解決這種問題。在教學中，有目的的提出這些問題，鼓勵學生思考，提出自己的想法和解決方案，并進行分析和比較，這樣強化學生的主動學習意識，提高學習積極性[3]。
2） 個性化學習和因材施教。學生中存在計算機專業和非計算機專業本科畢業的差別，由于他們每個人的基礎不同，有的計算機知識比較匱乏，因此有必要針對每個學生的學習進度，課堂作業和實驗報告情況進行及時評估，對學生提出個性化的教學。例如：在實驗教學中，要求有能力和興趣的學生可以做探究性和創新性的附加實驗，從而引導學生發揮個性的空間，而對稍微吃力的學生則要求完成基本的實驗，更注重基礎知識的學習和夯實，這樣就能達到因材施教的目的。同時對不同層次的學生進行分析，進一步提出學習建議，并進行有針對性的指導。
3） 多媒體使用和多學科知識的融合。本課程PPT課件圖文并茂，提綱挈領，便于學生理解。課堂講授、板書與PPT手段相結合，注重課程中的關鍵詞用英文表示，并適當指定英文參考書，使學生能夠接觸國外文獻資料，加深對學習內容的理解，獲得更寬廣的知識。PPT課件運用了大量多媒體技術，如動畫、聲音、圖像，通過動畫和視頻演示抽象的概念、算法和過程，使人工智能技術中抽象的知識形象化，在課件中融入了文學，歷史等其他學科的相關知識，便于學生較好地理解知識難點和重點[4]。
4） 師生互動和課內外答疑。在教學中，改變了傳統的老師講，學生聽的教學模式。針對人工智能技術的實用性，適當提問，收集學生學習情況，盡量使用實例進行講解。設置了實驗講解互動課程，對于實驗的講解，學生可以提出疑問，然后在課堂上展開討論，學生可以看到問題從提出、分析到解決的整個過程，讓學生自己在討論中總結結論。為了解決教學中存在的疑難問題，還設有課后答疑，使學生能將所有的問題都理解透徹。
5） 理論研究與實踐結合。在教學內容的安排上，注重學生的理論研究和動手能力，適當布置一些課程相關的論文和實驗編程。通過課程論文，可以培養學生鉆研問題的興趣； 通過查閱科技文獻使學生掌握如何查找相關文獻的技能，可以培養學生撰寫科技論文的能力。通過實驗實踐，使學生可以更加清楚地了解人工智能技術基本概念和難點，也能了解算法的設計具體運行過程，并對其進行驗證，提高了學生的編程能力和和學習興趣。
6） 考試考核方式改革。本課程的考核考試也是一個值得探討的問題，本課程應采用多種綜合考試方法，注重學生對基礎概念、知識和基本的技能的掌握以及理論聯系實際的能力。平時作業考核成績，實驗實踐教學成績、提交課程論文成績，以及最后的期末考試成績形成一種有效的考試考核方法，促進學生主動學習，提高教學質量。實驗的評價指標在于算法設計、編程的準確性和實驗結果及分析。課程論文評價指是選題是否嚴謹科學和具可研究性，論文結構、思路是否嚴謹，論文內容科學性、正確性，能否提出自己的見解。考查查閱科技文獻的能力主要通過是否查找到權威的、最新文獻以及撰寫是否規范。
2.3 學生學好《人工智能技術》課程的建議
《人工智能技術》是一門理論與實踐相結合的應用課程，學生如何學習這么課程，也是我們應該探討的問題。
學生應該正確看待《人工智能技術》這門科學的發展。人工智能技術孕育于20世紀30、40年代，形成于60、70年代，發展至今，人工智能技術只有短短60多年的歷史，它是一門不斷發展和完善的嶄新學科，還有許多課題處于探索中，理論和技術還遠未成熟，我們應該對它有科學的認識。
針對非計算機專業本科畢業的學生，除了課堂聽講之外，還應該課下自學該課程的先修課程，如：數據結構、離散數學等課程。人工智能技術中涉及到大量的數學知識，如：模式識別需要具有較好的概率論，數理統計知識，另外還會用到少量隨機過程、模糊數學的一些知識。人工智能技術是一門應用課程，編程語言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神經網絡，遺傳算法等算法，實現這些算法要求學生具有較強的編程能力。
學生應該多讀，多查閱資料，特別是國外的期刊文獻和重要國際會議論文，多了解人工智能技術最前沿的信息，理論聯系實際，加深對基本算法的理解，并將人工智能技術的知識運用到自己所研究的領域，以做到學以致用。
3 結論
人工智能技術在一定程度上代表著信息技術的前沿，該文對《人工智能技術》的課程教學進行了一些探討，教學與實踐效果有了顯著提高，但仍然有許多方面還需要我們繼續探討和改進。
參考文獻：
[1] 蔡自興，徐光佑.人工智能技術及其應用[M].北京： 清華大學出版社，2003.
[2] 蔡自興，肖曉明，蒙祖強，等.樹立精品意識搞好人工智能技術課程建設[J].中國大學教學，2004（1）：28-29.
各國人工智能技術飛速發展
隨著進入新世紀后第三次人工智能浪潮的到來，通過“機器學習”與“深度學習”，用計算機來模擬人的思維過程和智能行為（如學習、推理、思考、規劃等）得到極大發展。國際金融危機以后，歐美國家更加重視人工智能技術的研究，在人工智能基礎研究、人腦研究、網絡融合、3D智能打印等領域不斷有所突破。
“互聯網+”帶動我國人工智能技術實現突破
在人工智能技術領域，我國大體上能夠與世界先進國家發展同步。近年來，我國在視覺識別、語音識別等領域實現了技術突破，處于國際領先水平。我國擁有自主知識產權的文字識別、語音識別、中文信息處理、智能監控、生物特征識別、工業機器人、服務機器人、無人駕駛汽車等很多智能科技成果已進入實際應用。
我國經濟發展正進入一個新常態。經濟發展方式正從規模速度型的粗放式增長向質量效率型的集約式增長轉變。供給側改革要求我們在適度擴大總需求同時，去產能、去庫存、去杠桿、降成本、補短板，從生產領域加強優質供給，減少無效供給。因此，在大力淘汰“僵尸企業”同時，我們要更多地依靠改革、轉型、創新來培育新增長點，形成新動力。
在我國新一輪改革發展關鍵時刻，人工智能技術確實給我們提供了一個彎道超車機會。作為制造業大國，近年來我國低成本優勢逐漸消失，制造業轉型迫在眉睫。對企業而言，利用好新一代信息技術將是其在新時代成長環境中抓住機遇的關鍵。我們應充分利用大量企業正在轉型升級的機會，強化企業在人工智能技術創新中的主體地位，充分發揮百度、阿里巴巴、騰訊等在人工智能領域已經有所建樹的大企業作用，緊盯人工智能研究最前沿發展，成為引領全球人工智能發展的骨干企業。同時，培育若干中小智能企業，支持他們面向市場需求來確定創新突破口。從資金、稅收、人才、知識產權、放開管制等方面入手，大力營造有利于人工智能領域的企業發展的政策環境和制度環境。鼓勵企業結合市場和國家需求，將人工智能的基礎和應用研究產品化、商業化，實現產業鏈的優化和調整。
推動技術創新應該成為一種國家的重要使命和責任。從歷史上看，第一次與第二次工業革命的興起幾乎都是由個人與企業推動的，但在而后技術發展中，政府作用越來越大。人工智能是一項搶占未來競爭高地的基礎性技術，研究經費耗費巨大，超出個人甚至企業承受范圍，更需要國家戰略層面的資金支持和參與。政府工作重點在于政策引導與資金支持，特別是在基礎研究領域中，抓緊制定政策，建造一批國家級、基礎性、共性技術、創新能力保障的人工智能研發基地和平臺。高校與科研機構則在推動基礎和應用研究上和人才培養上發揮重要作用，同時還應鼓勵一部分高校開辦人工智能專業研究所與學院。
最后，還要把自主創新與引進消化再創新相結合。雖然人工智能領域中的很多最前沿應用技術掌握在國外，特別是在美國高科技中小企業手中，但他們缺乏大規模低成本的制造能力與市場營銷能力。我國制造業和美國中小科技企業有著天然互補性。應支持我國風險投資加大對前沿中小公司的投資，再把這些產品引進國內生產，把我國一部分制造業打造成全球人工智能產品制造鏈條中的關鍵環節。
總之，從現在開始到2040年，將是一個人工智能快速發展階段。人工智能將改變各行各業生產和工作方式，也將催生許多新行業和新領域，最終將全面改變人類生活和世界。我國有集中力量辦大事、統籌能力強的制度優勢，在人工智能這一戰略制高點上，應予以充分發揮。
時代呼喚“懂技術的管理者”
技術與知識產權、技術與法律法規、技術與新聞倫理之間的張力，凸顯了新技術成長與舊方法滯后之間的沖突，考驗著管理部門呵護技術進步的服務能力與引導社會潮流的監管智慧。
戴上一副眼鏡，你就可以進入一個360度的虛擬世界，行人擦肩而過，星辰觸手可及……很多人可能都體驗過這樣的“虛擬現實”（Virtual Reality，簡稱VR）。普通人可以盡情享受技術的奇思妙想，但對于監管者，時常需要“遞進一層”想想，當新技術迅速為媒體所用，可能出現什么監管漏洞，又會提出什么新的管理課題？
“新技術+媒體”的組合，已經一再出現。作為一個巨大的變量，技術始終處于“不斷地動蕩”狀態，未來必將更深刻地影響媒體和傳播。在高速公路上，警察不可能騎著自行車來執法。同樣，新技術不斷拓展媒體的邊界，媒體管理也離不開新的技術手段。從門戶網站時代到WEB2.0時代，再到移動互聯時代，我們已經探索出很多媒體管理的新辦法，管理體制也發生了巨大變化，但互聯網“未知遠遠大于已知”，唯有不斷創新，才能回應技術帶來的持續挑戰。
在技術上，管理者處于“追趕”狀態，是一個不爭的事實。前幾年，相關部門為了凈化青少年上網環境，曾要求我國銷售的所有個人電腦出廠時必須預裝“綠壩—花季護航”綠色上網過濾軟件，旋即因為無法阻斷不良信息、被黑客破解改寫等技術問題，而引來極大爭議。類似的案例，不能僅僅是“花錢買教訓”，更需要思考其后的問題：我們現在不缺技術條件、不缺物質資金，但為什么在管理上還“跟跑”得有些狼狽？
互聯網+人工智能+制造新時代
李伯虎認為大數據是智能制造的戰略資源，大數據的感知、采集、存儲、通信、分析、可視化等技術都是智能制造技術的一部分。
因此，要想提升大數據在云制造中的應用率，大數據發展一定要和制造業技術深度融合，同時要和信息通信技術發展深度融合。“所以，我的觀點是‘互聯網+人工智能+制造’，這個時代正在到來。我們現在把大數據當做智能制造核心支撐中的很重要的組成部分，從感知、采集開始，到存儲、通信、分析、可視化，把大數據和信息技術、人工智能技術結合起來進行研究。” 李伯虎說。
同時，李伯虎強調，大數據在智能制造的發展必須要和應用結合，不清楚制造業的特性和制造產品的行業特性，就會連采集什么樣的數據都不清楚。采集的目的不是為了采集，而是為了改進制造流程，因此要對模型、算法等有一定基礎的理解才可以順利完成大數據的采集和應用。
技術、產業、應用協調發展
目前工業大數據研究剛剛開始，李伯虎認為其突破點是技術、產業和應用的協調發展。比如說以應用牽頭，利用大數據技術可以p少制造時間，降低污染，提升產品質量與服務；在系統改進中需要利用各種各樣的技術，而技術后面又必須要有產業支撐，將其工程化。即應用牽頭系統，系統牽頭技術和產業，在系統和產業改進以后，以改進后的系統再去推廣新應用，達到良性循環。這其中，人才、技術創新體系，政策支撐都不可或缺。
2017年7月，國務院印發《新一代人工智能發展規劃》，不僅對人工智能的發展做出了戰略性部署，還確立了“三步走”的政策目標，力爭到2030年將我國建設成為世界主要的人工智能創新中心。[1]值得注意的是，此次規劃不僅僅只是技術或產業發展規劃，還同時包括了社會建設、制度重構、全球治理等方方面面的內容。之所以如此，是由于人工智能技術本身具有通用性和基礎性。換句話說，為助推人工智能時代的崛起，我們面對的任務不是實現某一個專業領域或產業領域內的顛覆性技術突破，而是大力推動源于技術發展而引發的綜合性變革。
也正因為如此，人工智能發展進程中所面臨的挑戰才不僅僅局限于技術或產業領域，而更多體現在經濟、社會、政治領域的公共政策選擇上。首先，普遍建立在科層制基礎上的公共事務治理結構，是否能夠適應技術發展和應用過程中所大規模激發的不確定性和不可預知性?再者，長久以來圍繞人類行為的規制制度，是否同樣能夠適應以數據、算法為主體的應用環境?最后，如何構建新的治理體系和治理工具來應對伴隨人工智能發展而興起的新的經濟、社會、政治問題?
應對上述挑戰并不完全取決于技術發展或商業創新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發展邏輯及其所引發的風險挑戰的基礎上，對人工智能時代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構成了人工智能治理的三個基本問題。具體而言，人工智能本身成為治理對象，其發展與應用構成了治理挑戰，而在此基礎上如何做出公共政策選擇便是未來治理變革的方向。
全文共分為四個部分：第一部分將探討人工智能的概念及特征，并進而對其發展邏輯進行闡述。作為一項顛覆性技術創新，其本身的技術門檻對決策者而言構成了挑戰，梳理并捋清人工智能的本質內涵因而成為制定相關公共政策的前提;第二部分將著重分析人工智能時代崛起所帶來的治理挑戰，主要包括三個方面，即傳統科層治理結構應對人工智能新的生產模式的滯后性、建基于行為因果關系之上的傳統治理邏輯應對人工智能新主體的不適用性，以及人工智能發展所引發的新議題的治理空白;面對上述挑戰，各國都出臺了相關政策，本文第三部分對此進行了綜述性對比分析，并指出了其進步意義所在。需要指出的是，盡管各國的政策目標都試圖追求人工智能發展與監管的二維平衡，但由于缺乏對人工智能內涵及其發展邏輯的完整認識，當前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動圍繞人工智能治理的相關公共政策議題的深入討論。
一、人工智能的概念及技術發展邏輯：算法與數據
伴隨著人工智能技術的快速發展，尤其是其近年來在棋類對弈、自動駕駛、人臉識別等領域的廣泛應用，圍繞人工智能所可能引發的社會變革產生了激烈爭論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強監管，警惕“人工智能成為人類文明史的終結”;在另一方面，包括奧巴馬[6]在內的政治家、學者又認為應該放松監管，充分釋放人工智能的技術潛力以造福社會。未來發展的不確定性固然是引發當前爭論的重要原因之一，但圍繞“人工智能”概念內涵理解的不同，以及對其發展邏輯認識的不清晰，可能也同樣嚴重地加劇了人們的分歧。正因為此，廓清人工智能的概念內涵和發展邏輯不僅是回應爭論的需要，也是進一步提出公共政策建議的前提。
就相關研究領域而言，人們對于“人工智能”這一概念的定義并未形成普遍共識。計算機領域的先驅阿蘭-圖靈曾在《計算機器與智能》一文中提出，重要的不是機器模仿人類思維過程的能力，而是機器重復人類思維外在表現行為的能力。[7]正是由此理解出發，著名的“圖靈測試”方案被提出。但如同斯坦福大學計算機系教授約翰·麥卡錫所指出的，“圖靈測試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時也能完成相關行為的機器同樣應被視為“智能”的。[8]事實上，約翰·麥卡錫正是現代人工智能概念的提出者。在他看來，“智能”關乎完成某種目標的行為“機制”，而機器既可以通過模仿人來實現行為機制，也可以自由地使用任何辦法來創造行為機制。[9]由此，我們便得到了人工智能領域另一個非常重要的概念——“機器學習”。
人工智能研究的目標是使機器達到人類級別的智能能力，而其中最重要的便是學習能力。[10]因此，盡管“機器學習”是“人工智能”的子域，但很多時候我們都將這兩個概念等同起來。[11]就實現過程而言，機器學習是指利用某些算法指導計算機利用已知數據得出適當模型，并利用此模型對新的情境給出判斷，從而完成行為機制的過程。此處需要強調一下機器學習算法與傳統算法的差異。算法本質上就是一系列指令，告訴計算機該做什么。對于傳統算法而言，其往往事無巨細地規定好了機器在既定條件下的既定動作;機器學習算法卻是通過對已有數據的“學習”，使機器能夠在與歷史數據不同的新情境下做出判斷。以機器人行走的實現為例，傳統算法下，程序員要仔細規定好機器人在既定環境下每一個動作的實現流程;而機器學習算法下，程序員要做的則是使計算機分析并模擬人類的行走動作，以使其即使在完全陌生的環境中也能實現行走。
由此，我們可以對“人工智能”設定一個“工作定義”以方便進一步的討論：人工智能是建立在現代算法基礎上，以歷史數據為支撐，而形成的具有感知、推理、學習、決策等思維活動并能夠按照一定目標完成相應行為的計算系統。這一概念盡管可能仍不完善，但它突出了人工智能技術發展和應用的兩大基石——算法與數據，有助于討論人工智能的治理問題。
首先，算法即是規則，它不僅確立了機器所試圖實現的目標，同時也指出了實現目標的路徑與方法。就人工智能當前的技術發展史而言，算法主要可被劃分為五個類別：符號學派、聯接學派、進化學派、類推學派和貝葉斯學派。[12]每個學派都遵循不同的邏輯、以不同的理念實現了人工智能(也即“機器學習”)的過程。舉例而言，“符號學派”將所有的信息處理簡化為對符號的操縱，由此學習過程被簡化(抽象)為基于數據和假設的規則歸納過程。在數據(即歷史事實)和已有知識(即預先設定的條件)的基礎上，符號學派通過“提出假設-數據驗證-進一步提出新假設-歸納新規則”的過程來訓練機器的學習能力，并由此實現在新環境下的決策判斷。
從對“符號學派”的描述中可以發現，機器學習模型成功的關鍵不僅是算法，還有數據。數據的缺失和預設條件的不合理將直接影響機器學習的輸出(就符號學派而言，即決策規則的歸納)。最明顯體現這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數據集不完整)之后得出結論(代表預設條件不合理，超過10個確認數據即接受規則)，主人會在每天早上9點給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。
所有算法類型盡管理念不同，但模型成功的關鍵都聚焦于“算法”和“數據”。事實上，如果跳出具體學派的思維束縛，每種機器學習算法都可被概括為“表示方法、評估、優化”這三個部分。[13]盡管機器可以不斷的自我優化以提升學習能力，且原則上可以學習任何東西，但評估的方法和原則(算法)以及用以評估的數據(數據)都是人為決定的——而這也正是人工智能治理的關鍵所在。算法與數據不僅是人工智能發展邏輯的基石，其同樣是治理的對象和關鍵。
總而言之，圍繞“人工智能是否會取代人類”的爭論事實上并無太大意義，更重要的反而是在廓清人工智能的內涵并理解其發展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對象為算法和數據無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時代的崛起所帶來的治理挑戰究竟是什么?當前的制度設計是否能夠對其做出有效應對?如果答案是否定的，我們又該如何重構治理體系以迎接人工智能時代的崛起?本文余下部分將對此做進一步的闡述。
二、人工智能時代崛起的治理挑戰
不同于其他顛覆性技術，人工智能的發展并不局限于某一特定產業，而是能夠支撐所有產業變革的通用型技術。也正因為此，其具有廣泛的社會溢出效應，在政治、經濟、社會等各個領域都會帶來深刻變革，并將同時引發治理方面的挑戰。具體而言，挑戰主要體現在以下三個方面。
首先，治理結構的僵化性，即傳統的科層制治理結構可能難以應對人工智能快速發展而形成的開放性和不確定性。之所以需要對人工智能加以監管，原因在于其可能成為公共危險的源頭，例如當自動駕駛技術普及之后，一旦出現問題，便可能導致大規模的連續性傷害。但不同機、大型水壩、原子核科技等二十世紀的公共危險源，人工智能的發展具有極強的開放性，任何一個程序員或公司都可以毫無門檻的進行人工智能程序的開發與應用。這一方面是由于互聯網時代的到來，使得基于代碼的生產門檻被大大降低[14];另一方面，這也是人工智能本身發展規律的需要。正如前文所提到，唯有大規模的數據輸入才可能得到較好的機器學習結果，因此將人工智能的平臺(也即算法)以開源形式公開出來，以使更多的人在不同場景之下加以利用并由此吸收更多、更完備的數據以完善算法本身，就成為了大多數人工智能公司的必然選擇。與此同時，人工智能生產模式的開放性也必然帶來發展的不確定性，在缺乏有效約束或引導的情況下，人工智能的發展很可能走向歧途。面對這一新形勢，傳統的、基于科層制的治理結構顯然難以做出有效應對。一方面，政府試圖全范圍覆蓋的事前監管已經成為不可能，開放的人工智能生產網絡使得監管機構幾乎找不到監管對象;另一方面，由上至下的權威結構既不能傳遞給生產者，信息不對稱問題的加劇還可能導致監管行為走向反面。調整治理結構與治理邏輯，并形成適應具有開放性、不確定性特征的人工智能生產模式，是當前面臨的治理挑戰之一。
再者，治理方法的滯后性，即長久以來建立在人類行為因果關系基礎上的法律規制體系，可能難以適用于以算法、數據為主體的應用環境。人工智能的價值并不在于模仿人類行為，而是其具備自主的學習和決策能力;正因為如此，人工智能技術才不能簡單地理解為其創造者(即人)意志的表達。程序員給出的只是學習規則，但真正做出決策的是基于大規模數據訓練后的算法本身，而這一結果與程序員的意志并無直接因果關聯。事實上也正由于這個特點，AlphaGo才可能連續擊敗圍棋冠軍，而其設計者卻并非圍棋頂尖大師。也正是在這個意義上，我們才回到了福柯所言的“技術的主體性”概念。在他看來，“技術并不僅僅是工具，或者不僅僅是達到目的的手段;相反，其是政治行動者，手段與目的密不可分”。[15]就此而言，長久以來通過探究行為與后果之因果關系來規范人的行為的法律規制體系，便可能遭遇窘境：如果將人工智能所造成的侵權行為歸咎于其設計者，無疑不具有說服力;但如果要歸咎于人工智能本身，我們又該如何問責一個機器呢?由此，如何應對以算法、數據為核心的技術主體所帶來的公共責任分配問題，是當前面臨的第二個治理挑戰。
最后，治理范圍的狹隘性，即對于受人工智能發展沖擊而引發的新的社會議題，需要構建新的治理體系和發展新的治理工具。人工智能發展所引發的治理挑戰不僅僅體現在現有體系的不適應上，同時還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護，數據的權屬關系究竟如何界定，如何緩解人工智能所可能加劇的不平等現象，以及如何平衡人工智能的發展與失業問題。在人工智能時代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發展和應用普及，它們的重要性便日漸顯著。以最為人所關注的失業問題為例，就技術可能性來說，人工智能和機器人的廣泛應用代替人工勞動，已是一個不可否定的事實了。無論是新聞記者，還是股市分析員，甚至是法律工作者，其都有可能為機器所取代。在一個“充分自動化(Full Automation)”的世界中，如何重新認識勞動與福利保障的關系、重構勞動和福利保障制度，便成為最迫切需要解決的治理挑戰之一。[16]
上述三方面共同構成了人工智能時代崛起所帶來的治理挑戰。面對這些挑戰，各國也做出了相應的公共政策選擇。本文第三部分將對各國人工智能的治理政策進行對比性分析。在此基礎上，第四部分將提出本文的政策建議。
三、各國人工智能治理政策及監管路徑綜述
人工智能時代的崛起作為一種普遍現象，其所引發的治理挑戰是各國面臨的共同問題，各國也陸續出臺了相關公共政策以試圖推動并規范人工智能的快速發展。
美國于2016年同時頒布了《國家人工智能研究與發展戰略規劃》和《為人工智能的未來做好準備》兩個國家級政策框架，前者側重從技術角度指出美國人工智能戰略的目的、愿景和重點方向，而后者則更多從治理角度探討政府在促進創新、保障公共安全方面所應扮演的角色和作用。就具體的監管政策而言，《為人工智能的未來做好準備》提出了一般性的應對方法，強調基于風險評估和成本-收益考量的原則以決定是否對人工智能技術的研發與應用施以監管負擔。[17]日本同樣于2016年出臺了《第五期(2016～2020年度)科學技術基本計劃》，提出了“超智能社會5.0”的概念，強調通過推動數據標準化、建設社會服務平臺、協調發展多領域智能系統等各方面工作促進人工智能的發展和應用。[18]
盡管美國和日本的政策著力點不同，但其共有的特點是對人工智能的發展及其所引發的挑戰持普遍的包容與開放態度。就當前的政策框架而言，美日兩國的政策目標更傾斜于推動技術創新、保持其國家競爭力的優勢地位;當涉及對人工智能所可能引發的公共問題施以監管時，其政策選擇也更傾向于遵循“無需批準式(permissionless)”的監管邏輯，即強調除非有充分案例證明其危害性，新技術和新商業模式默認為都是被允許的。[19]至于人工智能的發展對個人數據隱私、社會公共安全的潛在威脅，盡管兩國的政策框架都有所涉及，卻并非其政策重心——相比之下，英國、法國則采取了不同的政策路徑。
英國政府2016年了《人工智能：未來決策制定的機遇與影響》，對人工智能的變革性影響以及如何利用人工智能做出了闡述與規劃，尤其關注到了人工智能發展所帶來的法律和倫理風險。在該報告中，英國政府強調了機器學習與個人數據相結合而對個人自由及隱私等基本權利所帶來的影響，明確了對使用人工智能所制定出的決策采用問責的概念和機制，并同時在算法透明度、算法一致性、風險分配等具體政策方面做出了規定。[20]與英國類似，法國在2017年的《人工智能戰略》中延續了其在2006年通過的《信息社會法案》的立法精神，同樣強調加強對新技術的“共同調控”，以在享有技術發展所帶來的福利改進的同時，充分保護個人權利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監管(precautionary)”的政策邏輯，即強調新技術或新的商業模式只有在開發者證明其無害的前提下才被允許使用。[22]
在本文看來，無論是“無需批準式監管”還是“審慎監管”，在應對人工智能時代崛起所帶來的治理挑戰方面都有其可取之處：前者側重于推動創新，而后者則因重視安全而更顯穩健。但需要指出的是，這兩種監管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術發展與商業模式創新必將引發新的社會議題，無論是算法是否受到言論自由的權利保護還是普遍失業對社會形成的挑戰，它們都在客觀上要求公共政策做出應對，而非片面的“無需批準式監管”能夠處理。更重要的是，“無需批準式監管”的潛在假設是事后監管的有效性;然而，在事實上，正如2010年5月6日美國道瓊斯工業指數“瞬間崩盤”事件所揭示的，即使單個電子交易程序合規運行，當各個系統行為聚合在一起時反而卻造成了更大的危機。[23]在此種情形下，依賴于合規性判斷的“事后監管”基本上難以有效實施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關系基礎上的“審慎監管”邏輯存在天然缺陷：既然人類無法預知人工智能系統可能的行為或決策，開發者又如何證明人工智能系統的無害性?
正如本文所反復強調的，人工智能與其他革命性技術的不同之處，正是在于其所帶來的社會沖擊的綜合性和基礎性。人工智能并非單個領域、單個產業的技術突破，而是對于社會運行狀態的根本性變革;人工智能時代的崛起也并非一夜之功，而是建立在計算機革命、互聯網革命直至數字革命基礎上的“奇點”變革。因此，面對人工智能時代崛起所帶來的治理挑戰，我們同樣應該制定綜合性的公共政策框架，而非僅僅沿襲傳統治理邏輯，例如只是針對具體議題在“創新”與“安全”這個二元維度下進行艱難選擇。本文在第四部分從承認技術的主體性、重構社會治理制度、推進人工智能全球治理這三方面提出了政策建議，并希望以此推動更深入地圍繞人工智能時代公共政策選擇的研究與討論。
四、人工智能時代的公共政策選擇
《新一代人工智能發展規劃》明確提出了到2030年我國人工智能發展的“三步走”目標，而在每一個階段，人工智能法律法規、倫理規范和政策體系的逐步建立與完善都是必不可少的重要內容。面對人工智能時代崛起的治理挑戰，究竟應該如何重構治理體系、創新治理機制、發展治理工具，是擺在決策者面前的重要難題。本文基于對人工智能基本概念和發展邏輯的梳理分析，結合各國已有政策的對比分析，提出以下三方面的改革思路，以為人工智能時代的公共選擇提供參考。
第一，人工智能發展的基石是算法與數據，建立并完善圍繞算法和數據的治理體系與治理機制，是人工智能時代公共政策選擇的首要命題，也是應對治理挑戰、賦予算法和數據以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權及相應的監督程序問題。算法作為人工智能時代的主要規則，究竟誰有權并通過何種程序來加以制定，誰來對其進行監督且又如何監督?長久以來公眾針對社交媒體臉書(Facebook)的質疑正體現了這一問題的重要性：公眾如何相信臉書向用戶自動推薦的新聞內容不會摻雜特殊利益的取向?[24]當越來越多的人依賴定制化的新聞推送時，人工智能甚至會影響到總統選舉。也正因為此，包括透明要求、開源要求在內的諸多治理原則，應當被納入到算法治理相關議題的考慮之中。(2)就數據治理而言，伴隨著人工智能越來越多地依賴于大規模數據的收集與利用，個人隱私的保護、數據價值的分配、數據安全等相關議題也必將成為公共政策的焦點。如何平衡不同價值需求、規范數據的分享與應用，也同樣成為人工智能時代公共政策選擇的另一重要抓手。
第二，創新社會治理制度，進一步完善社會保障體系，在最大程度上緩解人工智能發展所可能帶來的不確定性沖擊。與歷史上的技術革命類似，人工智能的發展同樣會導致利益的分化與重構，而如何保證技術革命成本的承受者得到最大限度的彌補并使所有人都享有技術發展的“獲得感”，不僅是社會發展公平、正義的必然要求，也是促進技術革命更快完成的催化劑。就此而言，在人工智能相關公共政策的考量中，我們不僅應該關注產業和經濟政策，同時也應該關注社會政策，因為只有后者的完善才能夠控制工人或企業家所承擔的風險，并幫助他們判斷是否支持或抵制變革的發生。就具體的政策設計來說，為緩解人工智能所可能帶來的失業潮，基本收入制度的普遍建立可能應該被提上討論議程了。“基本收入”是指政治共同體(如國家)向所有成員不加任何限制條件地支付一定數額的收入，以滿足其基本生活的需求。盡管存在“養懶漢”的質疑，但有研究者已指出，自18世紀就開始構想的基本收入制度很有可能反過來促進就業。[25]芬蘭政府已經于2017年初開始了相關實驗，美國的一些州、瑞士也做出了一定探索。在人工智能時代尚未完全展現其“猙容”之前，創新社會治理機制、完善社會保障體系，可能是平衡技術創新與社會風險的最佳路徑。
第三，構建人工智能全球治理機制，以多種形式促進人工智能重大國際共性問題的解決，共同應對開放性人工智能生產模式的全球性挑戰。人工智能的發展具有開放性和不確定性的特征，生產門檻的降低使得人工智能技術研發的跨國流動性很強，相關標準的制定、開放平臺的搭建、共享合作框架的形成，無不要求構建相應的全球治理機制。另一方面，跨境數據流動在廣度和深度上的快速發展成為了人工智能技術進步的直接推動力，但各國數據規制制度的巨大差異在制約跨境數據流動進一步發展的同時，也將影響人工智能時代的全面到來。[26]故此，創新全球治理機制，在承認各國制度差異的前提下尋找合作共享的可能性，便成為人工智能時代公共政策選擇的重要考量之一。就具體的機制設計而言，可以在人工智能全球治理機制的構建中引入多利益相關模式;另一方面，為防止巨頭壟斷的形成，充分發揮主權國家作用的多邊主義模式同樣不可忽視。作為影響深遠的基礎性技術變革，互聯網全球治理機制的經驗和教訓值得人工智能發展所借鑒。
上述三方面從整體上對人工智能時代的公共政策框架做出了闡述。與傳統政策局限于“創新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內在聯系來講，建立并完善圍繞算法和數據的治理體系是起點，其將重構人工智能時代的規則與制度;創新社會治理機制并完善社會保障體系是底線，其將緩解人工智能所帶來的影響與波動;構建全球治理機制則成為了制度性的基礎設施，推動各國在此之上共同走向人工智能時代的“人類命運共同體”。
五、結語
在經歷了60余年的發展之后，人工智能終于在互聯網、大數據、機器學習等諸多技術取得突破的基礎上實現了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對于人工智能的治理，找到正確的方向并采取合理的措施，正是當下所應該重視的政策議題。而本文的主旨也正在于此：打破長久以來人們對于人工智能的“籠統”式擔憂，指出人工智能技術發展的技術邏輯及其所引發的治理挑戰，并在此基礎上提出相應的政策選擇。人工智能治理的這三個基本問題，是重構治理體系、創新治理機制、發展治理工具所必須思考的前提。伴隨著我國國家層面戰略規劃的出臺，我國人工智能的發展也必將躍上新臺階。在此背景下，深入探討人工智能治理的相關公共政策議題，對于助推一個人工智能時代的崛起而言，既有其必要性，也有其迫切性。（來源：中國行政管理 文/賈開 蔣余浩 編選：中國電子商務研究中心）
[參考文獻]
[1]國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者終結人類文明[EB/OL].http：//raincent.com/content-10-7672-1.html.
[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.
[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.
[5] [以]赫拉利.人類簡史[M].北京：中信出版社，2014.
[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.
[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).
[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.
[11] [12][13] [美]佩德羅-多明戈斯.終極算法：機器學習和人工智能如何重塑世界[M].黃芳萍譯.北京：中信出版社，2016.
[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.
[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，FR，Gallimard，1975.
[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.
[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.
[18]薛亮.“日本推動實現超智能社會‘社會5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.
[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.
[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
[21]周衍冰.大數據產業在法國的發展及應用[N].學習時報，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普蘭.人工智能時代：人機共生下財富、工作與思維的大未來[M].杭州浙江人民出版社，2016.
[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.
[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).
新一代核心信息技術
蓬勃發展
隨著ICT技術的發展，以特征尺寸等比例微縮為核心的摩爾定律不斷逼近物理極限，傳統信息系統技術迭代周期減緩，超越摩爾定律開啟了多領域的集成創新，使得信息產品與服務具備萬物互聯、泛在感知的智慧能力。傳統操作系統加速向網絡操作系統發展，促使信息產業加快多種接入技術融合步伐，賦予智能產品萬物感知的數據獲取能力。
而隨著人工智能技術的發展，智能感知、智能分析、人機協同、智能應用等環節能力綜合提升，將打造真正的智慧能力。國際領先企業積極圍繞傳感互聯、人工智能展開布局，爭先在VR/AR、智能汽車和智能制造等細分領域形成垂直優勢，在云端協同的人機交互、虛擬現實等通用技術環節形成綜合能力。
同時，核心信息技術創新發展的應用引擎正在擴大，生產市場與消費市場同時由信息化后期向智能化早期過渡，即由信息技術與傳統行業加速融合，創新生產方式。以智能制造為核心的新一輪智能化升級同步到來，工控信息技術的范疇迅速擴大。
核心技術創新發展的條件與制約。我國核心技術起步較晚，基礎薄弱，現有積累源自三條主線。一是在全球分工體系中積累上升。二是抓住桌面互聯網、移動互聯網兩次產業轉型機遇。三是在特有領域和核心學科中開展長期自研與應用實踐。
核心技術體系化創新的關鍵
我國在“跟跑并跑”中意圖超車，必須加強統籌，促使技術創新鏈與產業鏈共同作用，創建前所未有的產業生態系統或產業集群。
在核心技術w系化創新中，需把握三個關鍵。
一是逐步補齊產業發展不可或缺的基礎軟硬件技術，此類共性關鍵技術大多被少數發達國家壟斷，全球體系化再加工的階段，必須集中力量辦大事。以我國信息安全特殊需求為切入點，加強高性能計算與存儲系統綜合能力的提升，建立具有我國特色的個性化應用產品和生態體系。
畢馬威和CB Insights共同的一份有關金融技術風投趨勢的全球性季報《Pulse of Fintech》顯示，第三季度，全球由風投支持的金融技術融資下降了17%至24億美元，交易活動則下降了12%，有178宗。這已經是全球金融技術風投融資連續兩個季度下降，達到自2014年第二季度以來的最低點。
不過，“互聯網保險”（InsurTech）已經成為新的金融技術熱點。保險行業的信息化水平長期落后于銀行、民航等金融領域。現在，和新技術的結合將給保險行業帶來巨大的機會。
最近兩年，InsurTech這一領域已經成為美國創投行業最關注的投資方向之一。2015年，InsurTech領域的投資高達25億美元，是一年前的3倍。作為硅谷InsurTech公司的代表，Oscar Health、Next Insurance、Lemonade和Slice Labs等InsurTech公司陸續獲得了風險投資。
曾經孵化投資了PayPal、Google和Lending Club等一批獨角獸的硅谷孵化器Plug and Play將“InsurTech”列為創業孵化的12個方向之一，吸引了1000多個startup的項目計劃，已經有20多個項目進入孵化和成長階段。
為什么InsurTech這樣一個細分領域創業會在硅谷異軍突起？硅谷的投資者已經意識到，保險行業每年有約5萬億美元保費收入，同時有15萬億美元的保險資產管理市場，其中蘊藏著巨大的機會。
但同時，保險業的技術創新速度又遠遠落后于金融業其他領域。保險行業需要用技術和互聯網的創新來抵御不斷增加的競爭壓力，吸引客戶提高保費支出。
在線車險經紀公司Insurify通過互聯網平臺為用戶提供車險購買服務，它的目標是讓客戶“3分鐘獲得真實的車險報價”。頗為創新的是，利用人工智能技術，Insurify開發了一個名為“Evia”的虛擬保險人。通過一張用戶上傳的車牌照片，這個虛擬人就可以為車主找到適合他的車險服務。
Evia會自動檢索車主大量的個人信息，依據這些信息判斷車主的駕駛行為，通過發訊息的方式推薦適合車主的險種。如果車主對某些保險條款有疑問，可以直接向Evia提問，Evia會自動回答。
Insurify的模式還非常早期，但是已經給保險行業帶來一些新意。公司只有十幾個人，已經拿到了全美50個州的保險經紀牌照。這家公司的天使輪獲得了200萬美元融資，幾個月前完成了A輪融資。
美國東海岸的傳統保險巨頭同樣密切關注InsurTech。慕尼黑再保險公司將銷售渠道的互聯網化作為創新的重要方向。AIG則倡導“按需保險”（On Demand）的概念，并在財產險方面大舉技術創新，通過大數據和人工智能預測并防范颶風等風險，利用信息技術去了解汽車數據并為車險定價等。
從硅谷到華爾街，人工智能和大數據正在飛速改變傳統保險行業的格局，這也應該是中國保險行業即將發生的故事。
我認為InsurTech的發展將會給保險業帶來幾個方面的變化。數據驅動將會改變定價機制。過去保險公司的精算定價是基于靜態數據和時間點評估，以大數據、人工智能為核心，InsurTech的發展將給保險公司提供實時的、甚至基于單個風險定價的數據。比如，可穿戴產品、智能家居、車聯網、移動App等所有技術創新為保險業提供了實時的、新的數據來源，也許有一天，會取代傳統的承保定價數據。
人類將在與機器的共生共存中，開啟一個新的時代？
近年來，人工智能已經從科學的神壇走入了經濟的大潮，成為了各大公司爭相競逐的新戰場。
在中國，BAT紛紛在人工智能領域布局：李彥宏聲稱“互聯網的未來在于人工智能”，百度的百度大腦、無人駕駛汽車初具規模；騰訊發揮微信、QQ的強大優勢，在語音識別、圖像識別、人臉支付領域發力；阿里巴巴則以阿里云為基礎，將人工智能的基礎――數據生態系統做大。而國外的谷歌、微軟、FACEBOOK、IBM等巨頭，也在人工智能領域全力推進，從當年IBM的深藍到今天的阿爾法狗，僅僅是巨頭們在人工智能領域嘗試的冰山一角。 什么是人工智能
盡管隨著人機大戰，人工智能已經成為了一個耳熟能詳的熱詞，但究竟什么是人工智能，卻在行業內都難以有一個確定的定義。其實簡單地說人工智能就是對人的意識、思維過程的模擬，但之所以人工智能的定義難以確認，關鍵在于對“智能”的定義難以確認，在人工智能領域經常有一句話說：我們連人的智能是什么都不知道，何談人工智能？因此目前大家普遍認可的還是由約翰?麥卡錫（John Mccarthy）在1956年的達特矛斯會議（Dartmouth Comference）上提出的：人工智能就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。簡單地說，如果說機器人是要在完成人類四肢的工作，那么人工智能則是要完成人類大腦的工作。
人工智能為什么這么火
其實人工智能早在60年前就被正式提出，幾十年來也一直在飛速發展，但似乎在過去的日子，普通人更多地是通過《終結者》、《我，機器人》等科幻電影了解到人工智能，但為什么今天人工智能突然成為了大家關注的焦點呢？來自微軟研究院的芮勇認為，除了這些年所謂算法的演進和提升外，幾個物質方面因素的發展也將人工智能的應用成為了可能。首先在于背后計算能力的飛速發展。人工智能背后需要有強大的計算能力的支撐，我們看到是阿爾法狗擊敗了李世石，其實阿爾法狗只是一個程序，在背后則是強大的超級計算機的運算。據中國最大的超級計算機制造者――浪潮公司的科學家劉軍介紹，目前，超級計算機的性能發展迅速，一臺超級計算機已經能夠達到一百萬臺電腦的運算能力，因此，在計算能力上將人工智能需要的超級運算成為可能。其次，人工智能需要對海量的數據進行分析，就必須擁有海量的數據，而幾十年的互聯網的發展，讓人類社會中海量數據的產生于收集成為了可能。第三，4G技術的普及，讓數據隨時隨地的鏈接已經成為常態，也讓大量數據的傳輸成為可能，使用場景的便利化，給人工智能走進日常生活提供了多種可能。如果說人工智能原來是一粒種子，但陽光、溫度、濕度等外在條件還未具備，因此一直蟄伏在科學家的研究室里，那么今天，正是人工智能即將破土而出的時刻。
既然人工智能時代已經到來，那么無論是科學層面、經濟層面，還是我們生活中的人工智能三大猜想就無可回避地出現在我們的面前，讓我們看看中外人工智能專家將給出什么樣的答案。 人工智能是否會比人聰明？
在硅谷的美國宇航局艾姆士研究中心，有一所一出生就聲名顯赫的大學―“奇點大學”。其校長雷?庫茲韋爾認為，伴隨生物基因、納米、機器人技術幾何級的加速度發展，2045年左右，人工智能將來到一個“奇點”，跨越這個臨界點，人工智能將超越人類智慧，人們需要重新審視自己與機器的關系。人類將在與機器的共生共存中，開啟一個新的時代。那么，人工智能真的將比人類聰明嗎？
對于這個問題，科大訊飛董事長劉慶峰堅決認為，人工智能一定能夠超越人類，因為通過互聯網萬物互聯，可以把所有人類的智慧匯聚到后臺，通過深度神經網絡來展現，所以人工智能到時候不是跟單個人比，它是把所有人的智慧匯聚在后臺，來跟單個人比，所以它在絕大部分場合下會表現得比人類更聰明。微軟亞洲研究院院長洪小文則認為人工智能在大多數情況下比人類更具有能力，但它仍舊無法與人類的智能相比，因為，人類最可貴的能力在于創造力，而這一點上人工智能無法與人類抗衡。被稱為中國人工智能布道者的搜狗創始人王小川指出，原來我們都認為人工智能缺乏創造力，但現在人工智能的發展已經否定了這一點。拿阿爾法狗在人機大戰中的表現來看，它的很多招法都是傳統圍棋理論所難以接受，對人類棋手而言匪夷所思的。因為以前是人類告訴機器方法該怎么做，到阿爾法狗的時候，人類開始不用告訴計算機方法，只告訴人工智能目標：就是要贏，這個方法和答案讓它自己找。但即便如此，也不能認為機器能夠比人聰明，因為必須要人類為人工智能設立一個目標，它才能夠產生后面的學習。
所以對于人工智能而言，可以在很多時候輕松擊敗人類，但它仍受到兩方面的限制，第一條是它只能從人類已有的各種各樣的行為和判斷的數據中去學習，創造不了人類沒有經歷過的全新的方向。第二是機器設計不了規則，必須由人來設立規則或者說是算法。 人工智能是否會取代人類？
當機器有了智能，自然而然就會讓人們想到他與人類的關系，所以在《終結者》中出現了“審判日之戰”，在《黑客帝國》中出現了人與MATRIX（矩陣）的對決，而科幻作家阿西莫夫則防患于未然地提出了“機器人三定律”，那么，人工智能的發展真的會取代人類嗎？
小I機器人的創造者袁輝對此持悲觀態度，他認為整個目前人類文明是在走向一個下滑的階段，所以在這種階段下面，人類最后會被終結，這可能是一個時間的問題。從本質上說，這是人類自己的問題，人類創造了人工智能這樣的一個物種，這個物種與人類是和諧共存還是競爭，完全取決于人類的發展。而搜狗董事長王小川則預測當人類面對人工智能的時候，會與人工智能共同進化，人工智能將最終會成為人類的一部分，人工智能既會幫助人類，也會約束人類，二者將是一種合體的關系，最終人會變成新人類，會進化成新的物種。
科大訊飛董事長劉慶峰承認因為人工智能可以在后臺匯聚人類的各種智慧，所以在很多的復雜的活動中可以超越人類，但是最終是被人類所管理和控制的。因為機器沒法自己設定規則，所以它一定是在人類定的大規則下來為人類服務的。最后人和機器會相互耦合在一起，推動整個世界的進程。
其實，在人類發展的進程當中，每一個新技術的出現總會伴隨著爭議、誤解甚至是擔憂或者是恐懼，在十九世紀工業革命的時候，英國的產業工人擔心機器搶了自己的工作，于是紛紛去燒機器、毀機器；兩百年前，在美國大約70%的人口都是農業人口，而大型機器和生產線出現后，幾乎搶奪了所有的農業人口的工作。但現在美國只有1%的農業人口，而那69%的人并沒有因此而失去他們的生活或者是工作，反而在機器創造的更多的新領域創造了新的工作，尋找到了新的生活。相比那個時候，人類進化了，因此人類就是在不斷認知自我的過程當中，去擁抱越來越美好的新生活。 人機大PK
盡管有預言人工智能將逐漸地接管人類的種種職業，但那畢竟是未來，現在，人工智能在一些常見的領域到底達到了什么樣的水準？讓我們看看人機在幾個職業上的PK。
項目：語音識別
規則：由人工智能和人類速錄師同時聽一段聲音，并將其轉化為漢字，看誰的準確率高。
結果：
1、速度：雙方速度幾乎一樣，都是在語音播放的同時完成了錄入。
2、準確率：準確率都達到99%以上。
應用場景：目前，語音技術主要應用領域是：導航和音響系統、智能可穿戴設備、制造業、智能家居、電信領域、醫療領域、教育等領域。預計在2017年以前，全球語音識別市場將達到1330億美元。
視角延伸
1、在嘈雜的環境，多人對話的情況下，人工智能尚缺乏足夠的辨別能力。
2、對于方言，人工智能的準確率明顯降低，需要專門的數據庫予以支撐。
3、人工智能的語音識別已經拓展到多種語言，已經初步達成了實時翻譯功能。
4、在未來萬物互聯時代，語音識別將成為人機對話、打通各個平臺的接口。
項目：駕駛
規則：無人駕駛汽車在高峰期于北京東三環行駛，看行駛的平穩度與安全性；無人駕駛汽車在專業賽車場進行18米S彎繞樁跑，就是賽車手考賽車水平的時候，會有這一段考試，從頭到尾如果是人駕駛一般要14分鐘，用智能機器人可以做到13分鐘多一點，就是說比賽車手還少一點時間。
結果：
1、實地無人駕駛順利完成，放置于車頂的打火機，硬幣等物件沒有掉落。
2、專業賽車場進行的18米S彎繞樁跑，人駕駛一般要14分鐘，人工智能可以做到13分鐘。
應用場景：當前，世界大型汽車制造商都在致力研究無人駕駛汽車技術。該技術在減少擁堵和安全隱患等方面大有作為。根據業內預測到2020年，無人駕駛汽車市場將達到6億美元。
視角延伸
1、人工智能還不能處理很多復雜的情況，在技術上仍然具有很大挑戰。
2、無人駕駛的目標第一是解決因為人為的因素造成的安全性；其次能夠將人類從駕駛的煩瑣中解脫出來。
3、專家預測，未來五年無人駕駛的發展方向將是“增強駕駛”，即汽車同時具有人類駕駛與無人駕駛功能并存，人與車的關系就如同當年人與馬的關系一樣。
4、無人駕駛設備能否小型化將成為無人駕駛能否走向應用的一大門檻。
項目：圖像識別
規則：由人工智能和人類同時識別三張明星在不同化妝、衣物時的圖像，看誰能準確地認出；同時識別三種長得相似的普通人的照片，看是否能夠辨認出這是否是同一個人。
結果：
第一次辨認結果人工智能勝過了人類。
第二次因為有一張圖片面部有頭發遮擋，人工智能表示無法識別。
應用場景：目前，圖象識別技術主要應用在：導航、遙感圖象識別、天氣預報、環境檢測、通信、軍事和公安刑偵、臨床診斷和病理研究等領域。
視角延伸
1、使用圖像識別技術，在大量攝像頭拍攝的畫面中無論要找罪犯還是要找失蹤的人口，效率將會比人類識別高出很多。
2、跟人臉識別和語音識別相結合起來，將極大地提高對個人身份的辨識度，在金融支付領域具有廣闊前景。
3、圖像識別將進一步發展成表情識別，可以在第一時間感知人類情緒，并采取相應措施。如在駕駛中如果智能攝像頭能夠感知司機情緒不穩定，可以提前采取措施，減少事故發生可能性。 觀點大碰撞
對于人工智能，過去很多人定義過，它要有比較高的自感知能力、自主決策和控制能力、對安全和意外的自動預警和防范處理能力等，它要能在較少人為干預的條件下完成工作和服務。但要強調的是未來人工智能跟過去不同的地方，未來的人工智能一定是終端跟云端協同創新實現的智能控制與服務的。有了網絡以后，人工智能就不僅是靠機器內的軟件硬件系統來操縱，還可以在使用終端和云端之間實施交互協同來實現，它的水平和能力會遠遠超過歷史上單部機器的智能行為。其實阿爾法狗也有很多東西是在云端計算，而不在終端。所以這是一個未來的方向。
人工智能技術可應用的領域是非常廣泛的，可以說是無處不在。它可以應用在生產制造業，還可以應用在各種服務領域。比如金融服務、醫療服務等都可以用人工智能技術；學習方面，也可以用來提升學習效率；還有農業領域，可以借助人工智能技術判斷施什么樣的肥料、怎么樣防治病蟲害等，快到收獲季節還可以通過人工智能技術預測預判市場銷售，這對農產品的行銷也都會有大的幫助。
“中國制造2025”提出創新驅動、質量為先、綠色發展、結構優化、人才為本，智能制造是核心。制造經歷過不同的時代，第一次工業革命以后是機械制造時代；第二次工業革命以后是機電結合了起來；后工業階段，上世紀80年代以后又加了電子、機械電子一體化；而信息網絡出現以后，現在和未來的制造是網絡智能的時代的網絡協同智能制造，制造過程、運行服務過程都將數字化、網絡化、智能化，這是制造業發展的方向和技術創新的核心。
鄔賀銓：中國在人工智能應用方面走得很快
人工智能研究的起步，一般被認為是在20世紀50年代，那時候中國還沒有開始研究。不過，人工智能在前50年里還停留在科學家的圈子里，沒有走向應用。這些年中國人工智能的研究跟其他新生領域的研究一樣，取得一些好的成果，但是總體上與國外還是有差距的，在一些有影響的文章發表、人工智能原創的技術，包括支撐人工智能的產業等方面我們還有差距。
不過，應該說中國的人工智能在個別領域做的還是很不錯的。比如說，科大訊飛在中文的語音識別上是領先的，百度、阿里、騰訊也在關注人工智能，不但自己在培養專家，也從海外引入一些高端人才，努力縮短我們與國外的差距。
中國機器人也做的不錯，嚴格來說，我們機器人是廣義的機器人，傳統講的機器人是工業機器人。我們的機器人產品以面向社會消費應用為主，產能產量已經占到世界較大市場。沈陽自動化所和新松機器人等公司從事機器人研究很長時間了，他們在做工業的機器人，也取得了不少的成績和應用。但是在大型生產線上，目前應用的工業機器人還是以國外產品為主。
中國在無人駕駛車的應用方面跟美國相比也不會差距很遠。現在百度的無人駕駛車，按照現在的水平也有望在未來的一兩年內應用了。不過，無人駕駛需要很多技術，而現在國產車內的車載電子系統還是進口的，如果說不能在汽車總線上突破，我們的無人駕駛車在核心技術上還是有不少差距。
總體來說，在人工智能的應用上中國走得很快，展望未來不僅會縮小與國際的差距，也會走在前面。中國正處于經濟發展方式轉變和兩化融合的重要階段，需要大量的生產自動化手段，中國的人工智能的市場非常大。
張潼：人工智能的核心技術就是讓機器學習
現在企業界很多研究院，包括阿里、騰訊、滴滴、360等關心的都是機器學習的核心能力。總體來講，一個是大數據，另外一個是對于大數據處理和加工的能力。把一個原材料變成你真正所需要的系統或者產品，這是它的能力。從機器學習的技術來講，如何實現規模更大、創新還有實時更新的效果，這一系列的技術能力使得所有公司都非常感興趣。
總體來講，數據處理的核心能力就是機器學習能力，還有高性能計算。處理大數據也要有計算平臺，最后是一系列應用，包括廣告、無人車，包括其他行業的探索。
此外，現在的醫療有各個環節，其中一個環節和互聯網緊密相連，當病人患病的時候，去醫院之前往往會自己看看是什么毛病，會有自我診斷或者自我詢查信息的過程，但是百度搜索信息不太足夠，因為只能找到相關網頁，并不直接相關。其他的一系列互聯網公司也會有這樣的平臺去幫助查詢者對接，像對接醫生和對接專業的知識一樣。
從我們的角度來講，實際上可以利用人工智能的能力去做這種系統，這種系統有幾個形式，比如說病人會用口語化的形式表達，醫生比較專業，病人不知道很多專業名詞。如何把口語化和專業知識對接需要設定自然語言的病癥，這也是病人希望交流的形式。
從機器智能角度上要有交互、引導以及對話，另外還要把信息綜合起來，這樣會有更好的理解。如互聯網+零售業，百度怎么和零售業相結合，這是研究院思考的問題。如果打通線上線下，就知道這些客戶線上的行為和喜好，以幫助線下的商家找新客戶。而利用機器學習建模技術把這些人的喜好或者類別分列出來。
如何理解大數據和人工智能的關系，大數據是它的源泉。世界上很多國家很重視收集數據的能力，因此也使得它在下一階段將有大大提升。此外還有機器學習，AlphaGO、無人機就是例子，它的核心技術就是智能化，下一個十年也將會有更加細致的發展。人工智能會促進一系列的新技術成為可能，這種可能會推出新的產業。
Jim Lawton：機器人需要更加智能化
長時間以來，機器人只能在不變的工作環境下工作。我們需要為機器人定制適合的工作環境，這個安排在一些工廠行得通，但是大部分工廠的工作環境不一定能配合。
我們通過編程讓機器人執行一些任務，機器人會按照設定好的程序工作，但這不是智能機器人。更加智能的機器人是這個行業重要的突破和創新。我們現在擁有更優秀的機器人――能夠在不完美的環境下工作。操作任務自動化進程不斷地在創新。此外，隨著機器自主學習及深度學習等人工智能的進步，認知任務的變化也是日新月異。
人機協作將主要在兩個方面發生變化。一方面，以往我們需要請專家為機器人編程，然后執行任務。現在則通過演示來培訓機器人。在未來，人類員工將“告訴”機器人去做什么，機器人只需要“看”著去學，從人類那里學習，也可以從另一臺機器人那里學習。另一方面，我們深信只有人類能自主工作。制造業的新趨勢是結合傳達實時遙測數據的機器人和能累積結構化和半結構化數據的軟件數據平臺，然后供人類理解及詮釋信息、并且做出明智的決定以提升工作流程，促進持續創新。
因此來說，人類和機器人將并肩工作，共同解決問題，提升工作流程，并能一起處理更多的任務。操作任務和認知技術自動化相結合是制造業創新時代的必然趨勢。
SEARI在去年11月成為Rethink Robotics在華首家分銷合作伙伴。協作機器人是Rethink Robotics的核心優勢，Rethink Robotics通過其智能協作型的機器人Baxter和Sawyer，可完成目前90%傳統自動化方案不能完成的工作，從而不斷革新制造業的生產方式。
協作機器人和傳統的工業機器人有很大的區別。傳統機器人對精準定位、速度、精度、剛性等方面有硬性要求，相對而言，易用性、操作靈活性及安全性正是協作機器人的優勢，國內很多企業對兩者的比較已經有一定的了解。
在過去幾個月，我們的銷售團隊已經走訪一百多家企業，向它們推廣Rethink Robotics的方案，獲得非常好的反響。但協作機器人真正進入中國市場還需要有一個磨合的過程，現在不少國內制造業的工廠都是幾年前、甚至十多年前建好的，當時的廠房設計是按照人手操作的思路來設計的，完全沒有把機器人的元素考慮在內。
聯想集團董事長兼首席執行官 楊元慶
人工智能有兩個重要能力，一是感知能力，越來越多的智能終端和傳感器，讓我們能夠提升感知世界的廣度和深度；二是認知能力，這就需要通過云、通過大數據分析來實現。所以，如果說智能終端是人的感官的話，那么云就是大腦，把智能終端和云大腦完美結合起來，就是人工智能未來的方向。
斯坦福大學客座教授 杰瑞?卡普蘭
未來，除了應用和設備會越變越好之外，我們還會有一批全新的設備和應用，它們會更加智能化，并且可以進一步加強人與人之間、人與物之間的聯系。未來是光明燦爛的，因為人工智能可以幫助我們應對數字化帶來的挑戰，幫助我們尋找到信息，將那些最相關信息推送給我們，協助我們更好地了解這些信息的含義。與此同時，人工智能可以拓展計算機的應用，電子設備將獲得我們的信任，將會成為我們極其信賴且不可分割的個人助手，它們會幫助我們在物理世界、真實世界里進行探索。
美國希捷科技公司全球副總裁 孟福來
所有這些相互連接的設備以及物聯網意味著今后互聯網會無處不在，這也就意味著數據會越來越多，數據的價值將越來越高。短短幾年就會極速增長，所有的數據都要得到安全的存儲，用戶也要能夠迅速接入并且分析這些數據。
讓存儲更加智能，從而支持各項復雜活動，進而應對不同環境下的需求，我們正在將那些傳感器融入其中，總的來說就是數據存儲會更加智能。
華為消費者業務首席執行官 余承東
人工智能能夠幫助人類更主動地獲取信息和推送所需要的信息。主動通過人工智能推送人類需要的信息，同時對信息進行過濾和及時反饋。而信息的交互方式將變得更加自然，就像人類說話一樣。人機更加自然地交互，對人類來說更有意義、更方便、更快捷，所以這需要人工智能對信息進行個性化推薦。
優辦創始人兼首席執行官 盧陽
未來智能設備的互聯就是物聯網將會隨處可見，增強現實和虛擬現實讓虛擬變得更真實，語音識別讓每個人有了秘書，云服務使得所有數據存儲在遠方但是隨手可得。隨著技術的發展，人們的生活將發生天翻地覆的變化，移動性和及時性的需求將大大增加，這些將使得使用權比擁有權更受歡迎。
搜狗公司CEO 王小川
我們每天醒來都感受著互聯網帶來的便捷，看到智能終端無人駕駛汽車機器人從科幻走向生活。今年是人工智能誕辰六十周年，年初谷歌AIphaGO與李世石上演人機大戰，將人工智能的關注推到了前所未有的高度。
臉譜公司副總裁 石峰
人工智能和傳統計算機不同，它更像一個孩子在學習這個世界，而不是事先編程，所以，對于人工智能我們要花很長時間來訓練它，就像教孩子打棒球一樣。一方面我們有超過十億人在尋找內容，而另一方面我們又有數以億計的內容給他們，他們可以很了解這兩者怎么取得平衡，所以，我們每天做很多預測，而真正最激動人心的就是我們還能獲得很多的反饋。
騰訊社交網絡事業群總裁、集團高級執行副總裁湯道生
最近五年，在圖片識別、語音翻譯、模擬探索、概率決策上有非常多的突破，因為計算能力和算法的突破，現在到了一個感知的智能時代。我們多看幾只貓以后知道什么是貓，具體我們也說不出是怎么判斷和識別的，但是通過神經網絡的算法，如今哪怕不能充分描述識別過程，也能通過新的算法和計算方式達到感知智能的能力。
百度公司總裁 張亞勤
人工智能真正會帶來一些新的變革，可以用到醫療、教育、金融、交通等各方面，也可以用到無人車上。三十年前比爾?蓋茨講，希望有一天機器能像人一樣去聽去看去寫，用自然語言交流。今天，他提的目標在很大程度上已經達到了。最早的時候是人們學習機器語言，學編程，后來是機器來學人的語言。所以，未來機器要向人學習，人也要向機器學習。
愛立信集團亞太區首席技術官馬格納斯?艾爾布林
在整個網絡當中，我們要保證時刻能夠服務到用戶，我們的用戶能夠獲得其需要的服務。而為了能夠實現這個目標，我們就有一定的架構和分類，通過這樣的安排，我們就能夠保證5G的標準體系能夠提供服務。
