发布时间：2024-01-11 16:57:07
序言：写作是分享个人见解和探索未知领域的桥梁，我们为您精选了8篇的人工智能技术创新样本，期待这些样本能够为您提供丰富的参考和启发，请尽情阅读。
关键词：人工智能技术；教学方法；编程能力
中图分类号：TP3 文献标识码：A 文章编号：1009-3044（2014）16-3865-02
1 概述
2008年11月16日，中国科协成立50周年新闻会在北京召开。在新闻会上，“五个10”系列评选活动，即10位传播科技的优秀人物、10部公众喜爱的科普作品、10个公众关注的科技问题、10个影响中国的科技事件、10项引领未来的科学技术评选结果揭晓。10项引领未来的科学技术是：基因修饰技术；未来家庭机器人；新型电池；人工智能技术；超高速交通工具；干细胞技术；光电信息技术；可服用诊疗芯片；感冒疫苗；无线能量传输技术。
人工智能技术学科是计算机科学中涉及研究、设计和应用智能机器的一个分支。指人类的各种脑力劳动或智能行为，诸如判断、推理、证明、判别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动，可以用某种智能化的机器来予以人工实现[1]。
通过《人工智能技术》课程的学习，使学生对人工智能技术的发展概况、基本原理和应用领域有深入了解、对主要技术及应用有一定掌握，并对现代人工智能技术发展的方向有所研究。通过人工智能技术课程的学习与研究，启发学生对人工智能技术的兴趣，培养知识创新和技术创新能力，并能将人工智能技术融入到今后所开发的计算机软件之中。
《人工智能技术》是一门众多学科交叉的新兴课程，其涵盖范围广，涉及知识点多，知识更新快，内容抽象，不容易理解，理论性强，而且需要较好的数学基础和较强的逻辑思维能力，这给该课程的讲授带来了一定困难。《人工智能技术》也是一门应用型学科，怎样将理论运用到实践中，使学生将学到的人工智能技术知识和思想运用到自己的实际课题，这也是该课程需要解决的问题之一。
因此，对《人工智能技术》课程教学来说，我们要了解课程的最新信息，把握课程的特点，帮助学生找到好的学习方法，使他们能充分发挥自己的创新思维能力，提高学习兴趣，该文给出了《人工智能技术》课程的教学与实践的探索。
2 教学与实践的探索
2.1 教材和实验教学内容的选取
1） 人工智能技术是整个计算机科学领域发展最快，知识更新最快，最前沿的学科之一。在教材选用方面，我们采用了蔡自兴教授等主编，由高等教育出版社出版的《人工智能基础》这本教材。蔡自兴教授的主要研究领域为人工智能、机器人学和智能控制等。这本教材是作者在美国国家工程院院士、普度大学教授傅京孙先生的指导和鼓励下编写，借鉴了国内外人工智能技术研究领域专家的最新研究成果和学术书籍的长处，该书比较全面地介绍了人工智能技术的基础知识与技术，材料新，易于理解，兼顾基础及应用[2]。
此外，我们还给学生自主学习提供多种类型的学习资料，其中包括参考书目，如：Russel S， Norvig P.等编著的《Artificial Intelligence： A Modern Approach》一书，人工智能技术国内外期刊，如电子学报，计算机学报，人工智能与模式识别，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等人工智能技术会议，使学生能够掌握人工智能技术的更多前沿动态，提高学习兴趣。
2） 配套的实验教学内容。《人工智能技术》是一门理论性和实践性都很强的课程，实践性教学环节对该课程尤为重要。除了完成课本上的作业之外，还注重实验教学，培养学生的创新能力、算法设计能力和编程能力。首先，每个章节设置相应的实验，而实验内容经过严格的考虑，如：五子棋游戏，产生式系统，旅行商问题，传教士和野人问题，BP神经网络实现简单的分类，遗传算法、人工生命程序等，要求学生运用所学章节的知识，独立地设计和实现实验内容。实验报告包括简述实验原理及方法，给出程序设计流程图，源程序清单，实验结果及分析等内容，通过这种方式，进一步加强学生的信息获取能力和研究能力。
2.2 教学方法和手段的改革
人工智能技术课程交叉性强，涉及面广，传统的教学方法手段单一，缺少交流，课堂气氛沉闷，激发不起学生的学习兴趣，教学效果不理想。人工智能技术这门课程内容抽象，如何激发学生的学习兴趣是本课程需要解决的主要问题，也是关系教学改革成败的关键。本课程需采用多种方法进行教学，以此来激发学生的学习兴趣。
1） 问题启发式教学。《人工智能技术》这门课程中有很多似是而非、引人入胜的问题，主要是用计算机模拟人类的智能来解决这种问题。在教学中，有目的的提出这些问题，鼓励学生思考，提出自己的想法和解决方案，并进行分析和比较，这样强化学生的主动学习意识，提高学习积极性[3]。
2） 个性化学习和因材施教。学生中存在计算机专业和非计算机专业本科毕业的差别，由于他们每个人的基础不同，有的计算机知识比较匮乏，因此有必要针对每个学生的学习进度，课堂作业和实验报告情况进行及时评估，对学生提出个性化的教学。例如：在实验教学中，要求有能力和兴趣的学生可以做探究性和创新性的附加实验，从而引导学生发挥个性的空间，而对稍微吃力的学生则要求完成基本的实验，更注重基础知识的学习和夯实，这样就能达到因材施教的目的。同时对不同层次的学生进行分析，进一步提出学习建议，并进行有针对性的指导。
3） 多媒体使用和多学科知识的融合。本课程PPT课件图文并茂，提纲挈领，便于学生理解。课堂讲授、板书与PPT手段相结合，注重课程中的关键词用英文表示，并适当指定英文参考书，使学生能够接触国外文献资料，加深对学习内容的理解，获得更宽广的知识。PPT课件运用了大量多媒体技术，如动画、声音、图像，通过动画和视频演示抽象的概念、算法和过程，使人工智能技术中抽象的知识形象化，在课件中融入了文学，历史等其他学科的相关知识，便于学生较好地理解知识难点和重点[4]。
4） 师生互动和课内外答疑。在教学中，改变了传统的老师讲，学生听的教学模式。针对人工智能技术的实用性，适当提问，收集学生学习情况，尽量使用实例进行讲解。设置了实验讲解互动课程，对于实验的讲解，学生可以提出疑问，然后在课堂上展开讨论，学生可以看到问题从提出、分析到解决的整个过程，让学生自己在讨论中总结结论。为了解决教学中存在的疑难问题，还设有课后答疑，使学生能将所有的问题都理解透彻。
5） 理论研究与实践结合。在教学内容的安排上，注重学生的理论研究和动手能力，适当布置一些课程相关的论文和实验编程。通过课程论文，可以培养学生钻研问题的兴趣； 通过查阅科技文献使学生掌握如何查找相关文献的技能，可以培养学生撰写科技论文的能力。通过实验实践，使学生可以更加清楚地了解人工智能技术基本概念和难点，也能了解算法的设计具体运行过程，并对其进行验证，提高了学生的编程能力和和学习兴趣。
6） 考试考核方式改革。本课程的考核考试也是一个值得探讨的问题，本课程应采用多种综合考试方法，注重学生对基础概念、知识和基本的技能的掌握以及理论联系实际的能力。平时作业考核成绩，实验实践教学成绩、提交课程论文成绩，以及最后的期末考试成绩形成一种有效的考试考核方法，促进学生主动学习，提高教学质量。实验的评价指标在于算法设计、编程的准确性和实验结果及分析。课程论文评价指是选题是否严谨科学和具可研究性，论文结构、思路是否严谨，论文内容科学性、正确性，能否提出自己的见解。考查查阅科技文献的能力主要通过是否查找到权威的、最新文献以及撰写是否规范。
2.3 学生学好《人工智能技术》课程的建议
《人工智能技术》是一门理论与实践相结合的应用课程，学生如何学习这么课程，也是我们应该探讨的问题。
学生应该正确看待《人工智能技术》这门科学的发展。人工智能技术孕育于20世纪30、40年代，形成于60、70年代，发展至今，人工智能技术只有短短60多年的历史，它是一门不断发展和完善的崭新学科，还有许多课题处于探索中，理论和技术还远未成熟，我们应该对它有科学的认识。
针对非计算机专业本科毕业的学生，除了课堂听讲之外，还应该课下自学该课程的先修课程，如：数据结构、离散数学等课程。人工智能技术中涉及到大量的数学知识，如：模式识别需要具有较好的概率论，数理统计知识，另外还会用到少量随机过程、模糊数学的一些知识。人工智能技术是一门应用课程，编程语言的掌握必不可少，涉及到SVM算法，粒子群算法，免疫算法神经网络，遗传算法等算法，实现这些算法要求学生具有较强的编程能力。
学生应该多读，多查阅资料，特别是国外的期刊文献和重要国际会议论文，多了解人工智能技术最前沿的信息，理论联系实际，加深对基本算法的理解，并将人工智能技术的知识运用到自己所研究的领域，以做到学以致用。
3 结论
人工智能技术在一定程度上代表着信息技术的前沿，该文对《人工智能技术》的课程教学进行了一些探讨，教学与实践效果有了显著提高，但仍然有许多方面还需要我们继续探讨和改进。
参考文献：
[1] 蔡自兴，徐光佑.人工智能技术及其应用[M].北京： 清华大学出版社，2003.
[2] 蔡自兴，肖晓明，蒙祖强，等.树立精品意识搞好人工智能技术课程建设[J].中国大学教学，2004（1）：28-29.
各国人工智能技术飞速发展
随着进入新世纪后第三次人工智能浪潮的到来，通过“机器学习”与“深度学习”，用计算机来模拟人的思维过程和智能行为（如学习、推理、思考、规划等）得到极大发展。国际金融危机以后，欧美国家更加重视人工智能技术的研究，在人工智能基础研究、人脑研究、网络融合、3D智能打印等领域不断有所突破。
“互联网+”带动我国人工智能技术实现突破
在人工智能技术领域，我国大体上能够与世界先进国家发展同步。近年来，我国在视觉识别、语音识别等领域实现了技术突破，处于国际领先水平。我国拥有自主知识产权的文字识别、语音识别、中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶汽车等很多智能科技成果已进入实际应用。
我国经济发展正进入一个新常态。经济发展方式正从规模速度型的粗放式增长向质量效率型的集约式增长转变。供给侧改革要求我们在适度扩大总需求同时，去产能、去库存、去杠杆、降成本、补短板，从生产领域加强优质供给，减少无效供给。因此，在大力淘汰“僵尸企业”同时，我们要更多地依靠改革、转型、创新来培育新增长点，形成新动力。
在我国新一轮改革发展关键时刻，人工智能技术确实给我们提供了一个弯道超车机会。作为制造业大国，近年来我国低成本优势逐渐消失，制造业转型迫在眉睫。对企业而言，利用好新一代信息技术将是其在新时代成长环境中抓住机遇的关键。我们应充分利用大量企业正在转型升级的机会，强化企业在人工智能技术创新中的主体地位，充分发挥百度、阿里巴巴、腾讯等在人工智能领域已经有所建树的大企业作用，紧盯人工智能研究最前沿发展，成为引领全球人工智能发展的骨干企业。同时，培育若干中小智能企业，支持他们面向市场需求来确定创新突破口。从资金、税收、人才、知识产权、放开管制等方面入手，大力营造有利于人工智能领域的企业发展的政策环境和制度环境。鼓励企业结合市场和国家需求，将人工智能的基础和应用研究产品化、商业化，实现产业链的优化和调整。
推动技术创新应该成为一种国家的重要使命和责任。从历史上看，第一次与第二次工业革命的兴起几乎都是由个人与企业推动的，但在而后技术发展中，政府作用越来越大。人工智能是一项抢占未来竞争高地的基础性技术，研究经费耗费巨大，超出个人甚至企业承受范围，更需要国家战略层面的资金支持和参与。政府工作重点在于政策引导与资金支持，特别是在基础研究领域中，抓紧制定政策，建造一批国家级、基础性、共性技术、创新能力保障的人工智能研发基地和平台。高校与科研机构则在推动基础和应用研究上和人才培养上发挥重要作用，同时还应鼓励一部分高校开办人工智能专业研究所与学院。
最后，还要把自主创新与引进消化再创新相结合。虽然人工智能领域中的很多最前沿应用技术掌握在国外，特别是在美国高科技中小企业手中，但他们缺乏大规模低成本的制造能力与市场营销能力。我国制造业和美国中小科技企业有着天然互补性。应支持我国风险投资加大对前沿中小公司的投资，再把这些产品引进国内生产，把我国一部分制造业打造成全球人工智能产品制造链条中的关键环节。
总之，从现在开始到2040年，将是一个人工智能快速发展阶段。人工智能将改变各行各业生产和工作方式，也将催生许多新行业和新领域，最终将全面改变人类生活和世界。我国有集中力量办大事、统筹能力强的制度优势，在人工智能这一战略制高点上，应予以充分发挥。
时代呼唤“懂技术的管理者”
技术与知识产权、技术与法律法规、技术与新闻伦理之间的张力，凸显了新技术成长与旧方法滞后之间的冲突，考验着管理部门呵护技术进步的服务能力与引导社会潮流的监管智慧。
戴上一副眼镜，你就可以进入一个360度的虚拟世界，行人擦肩而过，星辰触手可及……很多人可能都体验过这样的“虚拟现实”（Virtual Reality，简称VR）。普通人可以尽情享受技术的奇思妙想，但对于监管者，时常需要“递进一层”想想，当新技术迅速为媒体所用，可能出现什么监管漏洞，又会提出什么新的管理课题？
“新技术+媒体”的组合，已经一再出现。作为一个巨大的变量，技术始终处于“不断地动荡”状态，未来必将更深刻地影响媒体和传播。在高速公路上，警察不可能骑着自行车来执法。同样，新技术不断拓展媒体的边界，媒体管理也离不开新的技术手段。从门户网站时代到WEB2.0时代，再到移动互联时代，我们已经探索出很多媒体管理的新办法，管理体制也发生了巨大变化，但互联网“未知远远大于已知”，唯有不断创新，才能回应技术带来的持续挑战。
在技术上，管理者处于“追赶”状态，是一个不争的事实。前几年，相关部门为了净化青少年上网环境，曾要求我国销售的所有个人电脑出厂时必须预装“绿坝—花季护航”绿色上网过滤软件，旋即因为无法阻断不良信息、被黑客破解改写等技术问题，而引来极大争议。类似的案例，不能仅仅是“花钱买教训”，更需要思考其后的问题：我们现在不缺技术条件、不缺物质资金，但为什么在管理上还“跟跑”得有些狼狈？
互联网+人工智能+制造新时代
李伯虎认为大数据是智能制造的战略资源，大数据的感知、采集、存储、通信、分析、可视化等技术都是智能制造技术的一部分。
因此，要想提升大数据在云制造中的应用率，大数据发展一定要和制造业技术深度融合，同时要和信息通信技术发展深度融合。“所以，我的观点是‘互联网+人工智能+制造’，这个时代正在到来。我们现在把大数据当做智能制造核心支撑中的很重要的组成部分，从感知、采集开始，到存储、通信、分析、可视化，把大数据和信息技术、人工智能技术结合起来进行研究。” 李伯虎说。
同时，李伯虎强调，大数据在智能制造的发展必须要和应用结合，不清楚制造业的特性和制造产品的行业特性，就会连采集什么样的数据都不清楚。采集的目的不是为了采集，而是为了改进制造流程，因此要对模型、算法等有一定基础的理解才可以顺利完成大数据的采集和应用。
技术、产业、应用协调发展
目前工业大数据研究刚刚开始，李伯虎认为其突破点是技术、产业和应用的协调发展。比如说以应用牵头，利用大数据技术可以p少制造时间，降低污染，提升产品质量与服务；在系统改进中需要利用各种各样的技术，而技术后面又必须要有产业支撑，将其工程化。即应用牵头系统，系统牵头技术和产业，在系统和产业改进以后，以改进后的系统再去推广新应用，达到良性循环。这其中，人才、技术创新体系，政策支撑都不可或缺。
2017年7月，国务院印发《新一代人工智能发展规划》，不仅对人工智能的发展做出了战略性部署，还确立了“三步走”的政策目标，力争到2030年将我国建设成为世界主要的人工智能创新中心。[1]值得注意的是，此次规划不仅仅只是技术或产业发展规划，还同时包括了社会建设、制度重构、全球治理等方方面面的内容。之所以如此，是由于人工智能技术本身具有通用性和基础性。换句话说，为助推人工智能时代的崛起，我们面对的任务不是实现某一个专业领域或产业领域内的颠覆性技术突破，而是大力推动源于技术发展而引发的综合性变革。
也正因为如此，人工智能发展进程中所面临的挑战才不仅仅局限于技术或产业领域，而更多体现在经济、社会、政治领域的公共政策选择上。首先，普遍建立在科层制基础上的公共事务治理结构，是否能够适应技术发展和应用过程中所大规模激发的不确定性和不可预知性?再者，长久以来围绕人类行为的规制制度，是否同样能够适应以数据、算法为主体的应用环境?最后，如何构建新的治理体系和治理工具来应对伴随人工智能发展而兴起的新的经济、社会、政治问题?
应对上述挑战并不完全取决于技术发展或商业创新本身，而更多依赖于我们的公共政策选择。本文试图在分析人工智能发展逻辑及其所引发的风险挑战的基础上，对人工智能时代的公共政策选择做出分析，并讨论未来改革的可能路径，这也就构成了人工智能治理的三个基本问题。具体而言，人工智能本身成为治理对象，其发展与应用构成了治理挑战，而在此基础上如何做出公共政策选择便是未来治理变革的方向。
全文共分为四个部分：第一部分将探讨人工智能的概念及特征，并进而对其发展逻辑进行阐述。作为一项颠覆性技术创新，其本身的技术门槛对决策者而言构成了挑战，梳理并捋清人工智能的本质内涵因而成为制定相关公共政策的前提;第二部分将着重分析人工智能时代崛起所带来的治理挑战，主要包括三个方面，即传统科层治理结构应对人工智能新的生产模式的滞后性、建基于行为因果关系之上的传统治理逻辑应对人工智能新主体的不适用性，以及人工智能发展所引发的新议题的治理空白;面对上述挑战，各国都出台了相关政策，本文第三部分对此进行了综述性对比分析，并指出了其进步意义所在。需要指出的是，尽管各国的政策目标都试图追求人工智能发展与监管的二维平衡，但由于缺乏对人工智能内涵及其发展逻辑的完整认识，当前的公共政策选择有失综合性;本文第四部分将提出新的治理思路以及公共政策选择的其他可能路径，以推动围绕人工智能治理的相关公共政策议题的深入讨论。
一、人工智能的概念及技术发展逻辑：算法与数据
伴随着人工智能技术的快速发展，尤其是其近年来在棋类对弈、自动驾驶、人脸识别等领域的广泛应用，围绕人工智能所可能引发的社会变革产生了激烈争论。在一方面，以霍金[2]、马斯克[3]、比尔-盖茨[4]、赫拉利[5]为代表的诸多人士呼吁加强监管，警惕“人工智能成为人类文明史的终结”;在另一方面，包括奥巴马[6]在内的政治家、学者又认为应该放松监管，充分释放人工智能的技术潜力以造福社会。未来发展的不确定性固然是引发当前争论的重要原因之一，但围绕“人工智能”概念内涵理解的不同，以及对其发展逻辑认识的不清晰，可能也同样严重地加剧了人们的分歧。正因为此，廓清人工智能的概念内涵和发展逻辑不仅是回应争论的需要，也是进一步提出公共政策建议的前提。
就相关研究领域而言，人们对于“人工智能”这一概念的定义并未形成普遍共识。计算机领域的先驱阿兰-图灵曾在《计算机器与智能》一文中提出，重要的不是机器模仿人类思维过程的能力，而是机器重复人类思维外在表现行为的能力。[7]正是由此理解出发，著名的“图灵测试”方案被提出。但如同斯坦福大学计算机系教授约翰·麦卡锡所指出的，“图灵测试”仅仅只是“人工智能”概念的一部分，不模仿人类但同时也能完成相关行为的机器同样应被视为“智能”的。[8]事实上，约翰·麦卡锡正是现代人工智能概念的提出者。在他看来，“智能”关乎完成某种目标的行为“机制”，而机器既可以通过模仿人来实现行为机制，也可以自由地使用任何办法来创造行为机制。[9]由此，我们便得到了人工智能领域另一个非常重要的概念——“机器学习”。
人工智能研究的目标是使机器达到人类级别的智能能力，而其中最重要的便是学习能力。[10]因此，尽管“机器学习”是“人工智能”的子域，但很多时候我们都将这两个概念等同起来。[11]就实现过程而言，机器学习是指利用某些算法指导计算机利用已知数据得出适当模型，并利用此模型对新的情境给出判断，从而完成行为机制的过程。此处需要强调一下机器学习算法与传统算法的差异。算法本质上就是一系列指令，告诉计算机该做什么。对于传统算法而言，其往往事无巨细地规定好了机器在既定条件下的既定动作;机器学习算法却是通过对已有数据的“学习”，使机器能够在与历史数据不同的新情境下做出判断。以机器人行走的实现为例，传统算法下，程序员要仔细规定好机器人在既定环境下每一个动作的实现流程;而机器学习算法下，程序员要做的则是使计算机分析并模拟人类的行走动作，以使其即使在完全陌生的环境中也能实现行走。
由此，我们可以对“人工智能”设定一个“工作定义”以方便进一步的讨论：人工智能是建立在现代算法基础上，以历史数据为支撑，而形成的具有感知、推理、学习、决策等思维活动并能够按照一定目标完成相应行为的计算系统。这一概念尽管可能仍不完善，但它突出了人工智能技术发展和应用的两大基石——算法与数据，有助于讨论人工智能的治理问题。
首先，算法即是规则，它不仅确立了机器所试图实现的目标，同时也指出了实现目标的路径与方法。就人工智能当前的技术发展史而言，算法主要可被划分为五个类别：符号学派、联接学派、进化学派、类推学派和贝叶斯学派。[12]每个学派都遵循不同的逻辑、以不同的理念实现了人工智能(也即“机器学习”)的过程。举例而言，“符号学派”将所有的信息处理简化为对符号的操纵，由此学习过程被简化(抽象)为基于数据和假设的规则归纳过程。在数据(即历史事实)和已有知识(即预先设定的条件)的基础上，符号学派通过“提出假设-数据验证-进一步提出新假设-归纳新规则”的过程来训练机器的学习能力，并由此实现在新环境下的决策判断。
从对“符号学派”的描述中可以发现，机器学习模型成功的关键不仅是算法，还有数据。数据的缺失和预设条件的不合理将直接影响机器学习的输出(就符号学派而言，即决策规则的归纳)。最明显体现这一问题的例子便是罗素的“归纳主义者火鸡”问题：火鸡在观察10天(数据集不完整)之后得出结论(代表预设条件不合理，超过10个确认数据即接受规则)，主人会在每天早上9点给它喂食;但接下来是平安夜的早餐，主人没有喂它而是宰了它。
所有算法类型尽管理念不同，但模型成功的关键都聚焦于“算法”和“数据”。事实上，如果跳出具体学派的思维束缚，每种机器学习算法都可被概括为“表示方法、评估、优化”这三个部分。[13]尽管机器可以不断的自我优化以提升学习能力，且原则上可以学习任何东西，但评估的方法和原则(算法)以及用以评估的数据(数据)都是人为决定的——而这也正是人工智能治理的关键所在。算法与数据不仅是人工智能发展逻辑的基石，其同样是治理的对象和关键。
总而言之，围绕“人工智能是否会取代人类”的争论事实上并无太大意义，更重要的反而是在廓清人工智能的内涵并理解其发展逻辑之后，回答“治理什么”和“如何治理”的问题。就此而言，明确治理对象为算法和数据无疑是重要的一步。但接下来的重要问题仍然在于，人工智能时代的崛起所带来的治理挑战究竟是什么?当前的制度设计是否能够对其做出有效应对?如果答案是否定的，我们又该如何重构治理体系以迎接人工智能时代的崛起?本文余下部分将对此做进一步的阐述。
二、人工智能时代崛起的治理挑战
不同于其他颠覆性技术，人工智能的发展并不局限于某一特定产业，而是能够支撑所有产业变革的通用型技术。也正因为此，其具有广泛的社会溢出效应，在政治、经济、社会等各个领域都会带来深刻变革，并将同时引发治理方面的挑战。具体而言，挑战主要体现在以下三个方面。
首先，治理结构的僵化性，即传统的科层制治理结构可能难以应对人工智能快速发展而形成的开放性和不确定性。之所以需要对人工智能加以监管，原因在于其可能成为公共危险的源头，例如当自动驾驶技术普及之后，一旦出现问题，便可能导致大规模的连续性伤害。但不同机、大型水坝、原子核科技等二十世纪的公共危险源，人工智能的发展具有极强的开放性，任何一个程序员或公司都可以毫无门槛的进行人工智能程序的开发与应用。这一方面是由于互联网时代的到来，使得基于代码的生产门槛被大大降低[14];另一方面，这也是人工智能本身发展规律的需要。正如前文所提到，唯有大规模的数据输入才可能得到较好的机器学习结果，因此将人工智能的平台(也即算法)以开源形式公开出来，以使更多的人在不同场景之下加以利用并由此吸收更多、更完备的数据以完善算法本身，就成为了大多数人工智能公司的必然选择。与此同时，人工智能生产模式的开放性也必然带来发展的不确定性，在缺乏有效约束或引导的情况下，人工智能的发展很可能走向歧途。面对这一新形势，传统的、基于科层制的治理结构显然难以做出有效应对。一方面，政府试图全范围覆盖的事前监管已经成为不可能，开放的人工智能生产网络使得监管机构几乎找不到监管对象;另一方面，由上至下的权威结构既不能传递给生产者，信息不对称问题的加剧还可能导致监管行为走向反面。调整治理结构与治理逻辑，并形成适应具有开放性、不确定性特征的人工智能生产模式，是当前面临的治理挑战之一。
再者，治理方法的滞后性，即长久以来建立在人类行为因果关系基础上的法律规制体系，可能难以适用于以算法、数据为主体的应用环境。人工智能的价值并不在于模仿人类行为，而是其具备自主的学习和决策能力;正因为如此，人工智能技术才不能简单地理解为其创造者(即人)意志的表达。程序员给出的只是学习规则，但真正做出决策的是基于大规模数据训练后的算法本身，而这一结果与程序员的意志并无直接因果关联。事实上也正由于这个特点，AlphaGo才可能连续击败围棋冠军，而其设计者却并非围棋顶尖大师。也正是在这个意义上，我们才回到了福柯所言的“技术的主体性”概念。在他看来，“技术并不仅仅是工具，或者不仅仅是达到目的的手段;相反，其是政治行动者，手段与目的密不可分”。[15]就此而言，长久以来通过探究行为与后果之因果关系来规范人的行为的法律规制体系，便可能遭遇窘境：如果将人工智能所造成的侵权行为归咎于其设计者，无疑不具有说服力;但如果要归咎于人工智能本身，我们又该如何问责一个机器呢?由此，如何应对以算法、数据为核心的技术主体所带来的公共责任分配问题，是当前面临的第二个治理挑战。
最后，治理范围的狭隘性，即对于受人工智能发展冲击而引发的新的社会议题，需要构建新的治理体系和发展新的治理工具。人工智能发展所引发的治理挑战不仅仅体现在现有体系的不适应上，同时还有新议题所面临的治理空白问题。具体而言，这又主要包括以下议题：算法是否能够享有言论自由的宪法保护，数据的权属关系究竟如何界定，如何缓解人工智能所可能加剧的不平等现象，以及如何平衡人工智能的发展与失业问题。在人工智能时代之前，上述问题并不存在，或者说并不突出;但伴随着人工智能的快速发展和应用普及，它们的重要性便日渐显著。以最为人所关注的失业问题为例，就技术可能性来说，人工智能和机器人的广泛应用代替人工劳动，已是一个不可否定的事实了。无论是新闻记者，还是股市分析员，甚至是法律工作者，其都有可能为机器所取代。在一个“充分自动化(Full Automation)”的世界中，如何重新认识劳动与福利保障的关系、重构劳动和福利保障制度，便成为最迫切需要解决的治理挑战之一。[16]
上述三方面共同构成了人工智能时代崛起所带来的治理挑战。面对这些挑战，各国也做出了相应的公共政策选择。本文第三部分将对各国人工智能的治理政策进行对比性分析。在此基础上，第四部分将提出本文的政策建议。
三、各国人工智能治理政策及监管路径综述
人工智能时代的崛起作为一种普遍现象，其所引发的治理挑战是各国面临的共同问题，各国也陆续出台了相关公共政策以试图推动并规范人工智能的快速发展。
美国于2016年同时颁布了《国家人工智能研究与发展战略规划》和《为人工智能的未来做好准备》两个国家级政策框架，前者侧重从技术角度指出美国人工智能战略的目的、愿景和重点方向，而后者则更多从治理角度探讨政府在促进创新、保障公共安全方面所应扮演的角色和作用。就具体的监管政策而言，《为人工智能的未来做好准备》提出了一般性的应对方法，强调基于风险评估和成本-收益考量的原则以决定是否对人工智能技术的研发与应用施以监管负担。[17]日本同样于2016年出台了《第五期(2016～2020年度)科学技术基本计划》，提出了“超智能社会5.0”的概念，强调通过推动数据标准化、建设社会服务平台、协调发展多领域智能系统等各方面工作促进人工智能的发展和应用。[18]
尽管美国和日本的政策着力点不同，但其共有的特点是对人工智能的发展及其所引发的挑战持普遍的包容与开放态度。就当前的政策框架而言，美日两国的政策目标更倾斜于推动技术创新、保持其国家竞争力的优势地位;当涉及对人工智能所可能引发的公共问题施以监管时，其政策选择也更倾向于遵循“无需批准式(permissionless)”的监管逻辑，即强调除非有充分案例证明其危害性，新技术和新商业模式默认为都是被允许的。[19]至于人工智能的发展对个人数据隐私、社会公共安全的潜在威胁，尽管两国的政策框架都有所涉及，却并非其政策重心——相比之下，英国、法国则采取了不同的政策路径。
英国政府2016年了《人工智能：未来决策制定的机遇与影响》，对人工智能的变革性影响以及如何利用人工智能做出了阐述与规划，尤其关注到了人工智能发展所带来的法律和伦理风险。在该报告中，英国政府强调了机器学习与个人数据相结合而对个人自由及隐私等基本权利所带来的影响，明确了对使用人工智能所制定出的决策采用问责的概念和机制，并同时在算法透明度、算法一致性、风险分配等具体政策方面做出了规定。[20]与英国类似，法国在2017年的《人工智能战略》中延续了其在2006年通过的《信息社会法案》的立法精神，同样强调加强对新技术的“共同调控”，以在享有技术发展所带来的福利改进的同时，充分保护个人权利和公共利益。[21]与美日相比，英法的公共政策更偏向于“审慎监管(precautionary)”的政策逻辑，即强调新技术或新的商业模式只有在开发者证明其无害的前提下才被允许使用。[22]
在本文看来，无论是“无需批准式监管”还是“审慎监管”，在应对人工智能时代崛起所带来的治理挑战方面都有其可取之处：前者侧重于推动创新，而后者则因重视安全而更显稳健。但需要指出的是，这两种监管路径的不足却也十分明显。正如前文第二部分所指出，一方面，快速迭代的技术发展与商业模式创新必将引发新的社会议题，无论是算法是否受到言论自由的权利保护还是普遍失业对社会形成的挑战，它们都在客观上要求公共政策做出应对，而非片面的“无需批准式监管”能够处理。更重要的是，“无需批准式监管”的潜在假设是事后监管的有效性;然而，在事实上，正如2010年5月6日美国道琼斯工业指数“瞬间崩盘”事件所揭示的，即使单个电子交易程序合规运行，当各个系统行为聚合在一起时反而却造成了更大的危机。[23]在此种情形下，依赖于合规性判断的“事后监管”基本上难以有效实施。另一方面，人工智能本身的自主性和主体性使得建立在人类行为因果关系基础上的“审慎监管”逻辑存在天然缺陷：既然人类无法预知人工智能系统可能的行为或决策，开发者又如何证明人工智能系统的无害性?
正如本文所反复强调的，人工智能与其他革命性技术的不同之处，正是在于其所带来的社会冲击的综合性和基础性。人工智能并非单个领域、单个产业的技术突破，而是对于社会运行状态的根本性变革;人工智能时代的崛起也并非一夜之功，而是建立在计算机革命、互联网革命直至数字革命基础上的“奇点”变革。因此，面对人工智能时代崛起所带来的治理挑战，我们同样应该制定综合性的公共政策框架，而非仅仅沿袭传统治理逻辑，例如只是针对具体议题在“创新”与“安全”这个二元维度下进行艰难选择。本文在第四部分从承认技术的主体性、重构社会治理制度、推进人工智能全球治理这三方面提出了政策建议，并希望以此推动更深入地围绕人工智能时代公共政策选择的研究与讨论。
四、人工智能时代的公共政策选择
《新一代人工智能发展规划》明确提出了到2030年我国人工智能发展的“三步走”目标，而在每一个阶段，人工智能法律法规、伦理规范和政策体系的逐步建立与完善都是必不可少的重要内容。面对人工智能时代崛起的治理挑战，究竟应该如何重构治理体系、创新治理机制、发展治理工具，是摆在决策者面前的重要难题。本文基于对人工智能基本概念和发展逻辑的梳理分析，结合各国已有政策的对比分析，提出以下三方面的改革思路，以为人工智能时代的公共选择提供参考。
第一，人工智能发展的基石是算法与数据，建立并完善围绕算法和数据的治理体系与治理机制，是人工智能时代公共政策选择的首要命题，也是应对治理挑战、赋予算法和数据以主体性的必然要求。(1)就算法治理而言，涉及的核心议题是算法的制定权及相应的监督程序问题。算法作为人工智能时代的主要规则，究竟谁有权并通过何种程序来加以制定，谁来对其进行监督且又如何监督?长久以来公众针对社交媒体脸书(Facebook)的质疑正体现了这一问题的重要性：公众如何相信脸书向用户自动推荐的新闻内容不会掺杂特殊利益的取向?[24]当越来越多的人依赖定制化的新闻推送时，人工智能甚至会影响到总统选举。也正因为此，包括透明要求、开源要求在内的诸多治理原则，应当被纳入到算法治理相关议题的考虑之中。(2)就数据治理而言，伴随着人工智能越来越多地依赖于大规模数据的收集与利用，个人隐私的保护、数据价值的分配、数据安全等相关议题也必将成为公共政策的焦点。如何平衡不同价值需求、规范数据的分享与应用，也同样成为人工智能时代公共政策选择的另一重要抓手。
第二，创新社会治理制度，进一步完善社会保障体系，在最大程度上缓解人工智能发展所可能带来的不确定性冲击。与历史上的技术革命类似，人工智能的发展同样会导致利益的分化与重构，而如何保证技术革命成本的承受者得到最大限度的弥补并使所有人都享有技术发展的“获得感”，不仅是社会发展公平、正义的必然要求，也是促进技术革命更快完成的催化剂。就此而言，在人工智能相关公共政策的考量中，我们不仅应该关注产业和经济政策，同时也应该关注社会政策，因为只有后者的完善才能够控制工人或企业家所承担的风险，并帮助他们判断是否支持或抵制变革的发生。就具体的政策设计来说，为缓解人工智能所可能带来的失业潮，基本收入制度的普遍建立可能应该被提上讨论议程了。“基本收入”是指政治共同体(如国家)向所有成员不加任何限制条件地支付一定数额的收入，以满足其基本生活的需求。尽管存在“养懒汉”的质疑，但有研究者已指出，自18世纪就开始构想的基本收入制度很有可能反过来促进就业。[25]芬兰政府已经于2017年初开始了相关实验，美国的一些州、瑞士也做出了一定探索。在人工智能时代尚未完全展现其“狰容”之前，创新社会治理机制、完善社会保障体系，可能是平衡技术创新与社会风险的最佳路径。
第三，构建人工智能全球治理机制，以多种形式促进人工智能重大国际共性问题的解决，共同应对开放性人工智能生产模式的全球性挑战。人工智能的发展具有开放性和不确定性的特征，生产门槛的降低使得人工智能技术研发的跨国流动性很强，相关标准的制定、开放平台的搭建、共享合作框架的形成，无不要求构建相应的全球治理机制。另一方面，跨境数据流动在广度和深度上的快速发展成为了人工智能技术进步的直接推动力，但各国数据规制制度的巨大差异在制约跨境数据流动进一步发展的同时，也将影响人工智能时代的全面到来。[26]故此，创新全球治理机制，在承认各国制度差异的前提下寻找合作共享的可能性，便成为人工智能时代公共政策选择的重要考量之一。就具体的机制设计而言，可以在人工智能全球治理机制的构建中引入多利益相关模式;另一方面，为防止巨头垄断的形成，充分发挥主权国家作用的多边主义模式同样不可忽视。作为影响深远的基础性技术变革，互联网全球治理机制的经验和教训值得人工智能发展所借鉴。
上述三方面从整体上对人工智能时代的公共政策框架做出了阐述。与传统政策局限于“创新”与“安全”之间做出二维选择不同，本文以更综合的视角提出了未来公共政策选择的可能路径。就其内在联系来讲，建立并完善围绕算法和数据的治理体系是起点，其将重构人工智能时代的规则与制度;创新社会治理机制并完善社会保障体系是底线，其将缓解人工智能所带来的影响与波动;构建全球治理机制则成为了制度性的基础设施，推动各国在此之上共同走向人工智能时代的“人类命运共同体”。
五、结语
在经历了60余年的发展之后，人工智能终于在互联网、大数据、机器学习等诸多技术取得突破的基础上实现了腾飞。在未来的人类生活中，人工智能也必将扮演越来越重要的角色。对于这样的图景，我们自不必惊慌，但却也不可掉以轻心。对于人工智能的治理，找到正确的方向并采取合理的措施，正是当下所应该重视的政策议题。而本文的主旨也正在于此：打破长久以来人们对于人工智能的“笼统”式担忧，指出人工智能技术发展的技术逻辑及其所引发的治理挑战，并在此基础上提出相应的政策选择。人工智能治理的这三个基本问题，是重构治理体系、创新治理机制、发展治理工具所必须思考的前提。伴随着我国国家层面战略规划的出台，我国人工智能的发展也必将跃上新台阶。在此背景下，深入探讨人工智能治理的相关公共政策议题，对于助推一个人工智能时代的崛起而言，既有其必要性，也有其迫切性。（来源：中国行政管理 文/贾开 蒋余浩 编选：中国电子商务研究中心）
[参考文献]
[1]国务院关于印发新一代人工智能发展规划的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者终结人类文明[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.人类简史[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]佩德罗-多明戈斯.终极算法：机器学习和人工智能如何重塑世界[M].黄芳萍译.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.“日本推动实现超智能社会‘社会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.大数据产业在法国的发展及应用[N].学习时报，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普兰.人工智能时代：人机共生下财富、工作与思维的大未来[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).
新一代核心信息技术
蓬勃发展
随着ICT技术的发展，以特征尺寸等比例微缩为核心的摩尔定律不断逼近物理极限，传统信息系统技术迭代周期减缓，超越摩尔定律开启了多领域的集成创新，使得信息产品与服务具备万物互联、泛在感知的智慧能力。传统操作系统加速向网络操作系统发展，促使信息产业加快多种接入技术融合步伐，赋予智能产品万物感知的数据获取能力。
而随着人工智能技术的发展，智能感知、智能分析、人机协同、智能应用等环节能力综合提升，将打造真正的智慧能力。国际领先企业积极围绕传感互联、人工智能展开布局，争先在VR/AR、智能汽车和智能制造等细分领域形成垂直优势，在云端协同的人机交互、虚拟现实等通用技术环节形成综合能力。
同时，核心信息技术创新发展的应用引擎正在扩大，生产市场与消费市场同时由信息化后期向智能化早期过渡，即由信息技术与传统行业加速融合，创新生产方式。以智能制造为核心的新一轮智能化升级同步到来，工控信息技术的范畴迅速扩大。
核心技术创新发展的条件与制约。我国核心技术起步较晚，基础薄弱，现有积累源自三条主线。一是在全球分工体系中积累上升。二是抓住桌面互联网、移动互联网两次产业转型机遇。三是在特有领域和核心学科中开展长期自研与应用实践。
核心技术体系化创新的关键
我国在“跟跑并跑”中意图超车，必须加强统筹，促使技术创新链与产业链共同作用，创建前所未有的产业生态系统或产业集群。
在核心技术w系化创新中，需把握三个关键。
一是逐步补齐产业发展不可或缺的基础软硬件技术，此类共性关键技术大多被少数发达国家垄断，全球体系化再加工的阶段，必须集中力量办大事。以我国信息安全特殊需求为切入点，加强高性能计算与存储系统综合能力的提升，建立具有我国特色的个性化应用产品和生态体系。
毕马威和CB Insights共同的一份有关金融技术风投趋势的全球性季报《Pulse of Fintech》显示，第三季度，全球由风投支持的金融技术融资下降了17%至24亿美元，交易活动则下降了12%，有178宗。这已经是全球金融技术风投融资连续两个季度下降，达到自2014年第二季度以来的最低点。
不过，“互联网保险”（InsurTech）已经成为新的金融技术热点。保险行业的信息化水平长期落后于银行、民航等金融领域。现在，和新技术的结合将给保险行业带来巨大的机会。
最近两年，InsurTech这一领域已经成为美国创投行业最关注的投资方向之一。2015年，InsurTech领域的投资高达25亿美元，是一年前的3倍。作为硅谷InsurTech公司的代表，Oscar Health、Next Insurance、Lemonade和Slice Labs等InsurTech公司陆续获得了风险投资。
曾经孵化投资了PayPal、Google和Lending Club等一批独角兽的硅谷孵化器Plug and Play将“InsurTech”列为创业孵化的12个方向之一，吸引了1000多个startup的项目计划，已经有20多个项目进入孵化和成长阶段。
为什么InsurTech这样一个细分领域创业会在硅谷异军突起？硅谷的投资者已经意识到，保险行业每年有约5万亿美元保费收入，同时有15万亿美元的保险资产管理市场，其中蕴藏着巨大的机会。
但同时，保险业的技术创新速度又远远落后于金融业其他领域。保险行业需要用技术和互联网的创新来抵御不断增加的竞争压力，吸引客户提高保费支出。
在线车险经纪公司Insurify通过互联网平台为用户提供车险购买服务，它的目标是让客户“3分钟获得真实的车险报价”。颇为创新的是，利用人工智能技术，Insurify开发了一个名为“Evia”的虚拟保险人。通过一张用户上传的车牌照片，这个虚拟人就可以为车主找到适合他的车险服务。
Evia会自动检索车主大量的个人信息，依据这些信息判断车主的驾驶行为，通过发讯息的方式推荐适合车主的险种。如果车主对某些保险条款有疑问，可以直接向Evia提问，Evia会自动回答。
Insurify的模式还非常早期，但是已经给保险行业带来一些新意。公司只有十几个人，已经拿到了全美50个州的保险经纪牌照。这家公司的天使轮获得了200万美元融资，几个月前完成了A轮融资。
美国东海岸的传统保险巨头同样密切关注InsurTech。慕尼黑再保险公司将销售渠道的互联网化作为创新的重要方向。AIG则倡导“按需保险”（On Demand）的概念，并在财产险方面大举技术创新，通过大数据和人工智能预测并防范飓风等风险，利用信息技术去了解汽车数据并为车险定价等。
从硅谷到华尔街，人工智能和大数据正在飞速改变传统保险行业的格局，这也应该是中国保险行业即将发生的故事。
我认为InsurTech的发展将会给保险业带来几个方面的变化。数据驱动将会改变定价机制。过去保险公司的精算定价是基于静态数据和时间点评估，以大数据、人工智能为核心，InsurTech的发展将给保险公司提供实时的、甚至基于单个风险定价的数据。比如，可穿戴产品、智能家居、车联网、移动App等所有技术创新为保险业提供了实时的、新的数据来源，也许有一天，会取代传统的承保定价数据。
人类将在与机器的共生共存中，开启一个新的时代？
近年来，人工智能已经从科学的神坛走入了经济的大潮，成为了各大公司争相竞逐的新战场。
在中国，BAT纷纷在人工智能领域布局：李彦宏声称“互联网的未来在于人工智能”，百度的百度大脑、无人驾驶汽车初具规模；腾讯发挥微信、QQ的强大优势，在语音识别、图像识别、人脸支付领域发力；阿里巴巴则以阿里云为基础，将人工智能的基础――数据生态系统做大。而国外的谷歌、微软、FACEBOOK、IBM等巨头，也在人工智能领域全力推进，从当年IBM的深蓝到今天的阿尔法狗，仅仅是巨头们在人工智能领域尝试的冰山一角。 什么是人工智能
尽管随着人机大战，人工智能已经成为了一个耳熟能详的热词，但究竟什么是人工智能，却在行业内都难以有一个确定的定义。其实简单地说人工智能就是对人的意识、思维过程的模拟，但之所以人工智能的定义难以确认，关键在于对“智能”的定义难以确认，在人工智能领域经常有一句话说：我们连人的智能是什么都不知道，何谈人工智能？因此目前大家普遍认可的还是由约翰・麦卡锡（John Mccarthy）在1956年的达特矛斯会议（Dartmouth Comference）上提出的：人工智能就是要让机器的行为看起来就像是人所表现出的智能行为一样。简单地说，如果说机器人是要在完成人类四肢的工作，那么人工智能则是要完成人类大脑的工作。
人工智能为什么这么火
其实人工智能早在60年前就被正式提出，几十年来也一直在飞速发展，但似乎在过去的日子，普通人更多地是通过《终结者》、《我，机器人》等科幻电影了解到人工智能，但为什么今天人工智能突然成为了大家关注的焦点呢？来自微软研究院的芮勇认为，除了这些年所谓算法的演进和提升外，几个物质方面因素的发展也将人工智能的应用成为了可能。首先在于背后计算能力的飞速发展。人工智能背后需要有强大的计算能力的支撑，我们看到是阿尔法狗击败了李世石，其实阿尔法狗只是一个程序，在背后则是强大的超级计算机的运算。据中国最大的超级计算机制造者――浪潮公司的科学家刘军介绍，目前，超级计算机的性能发展迅速，一台超级计算机已经能够达到一百万台电脑的运算能力，因此，在计算能力上将人工智能需要的超级运算成为可能。其次，人工智能需要对海量的数据进行分析，就必须拥有海量的数据，而几十年的互联网的发展，让人类社会中海量数据的产生于收集成为了可能。第三，4G技术的普及，让数据随时随地的链接已经成为常态，也让大量数据的传输成为可能，使用场景的便利化，给人工智能走进日常生活提供了多种可能。如果说人工智能原来是一粒种子，但阳光、温度、湿度等外在条件还未具备，因此一直蛰伏在科学家的研究室里，那么今天，正是人工智能即将破土而出的时刻。
既然人工智能时代已经到来，那么无论是科学层面、经济层面，还是我们生活中的人工智能三大猜想就无可回避地出现在我们的面前，让我们看看中外人工智能专家将给出什么样的答案。 人工智能是否会比人聪明？
在硅谷的美国宇航局艾姆士研究中心，有一所一出生就声名显赫的大学―“奇点大学”。其校长雷・库兹韦尔认为，伴随生物基因、纳米、机器人技术几何级的加速度发展，2045年左右，人工智能将来到一个“奇点”，跨越这个临界点，人工智能将超越人类智慧，人们需要重新审视自己与机器的关系。人类将在与机器的共生共存中，开启一个新的时代。那么，人工智能真的将比人类聪明吗？
对于这个问题，科大讯飞董事长刘庆峰坚决认为，人工智能一定能够超越人类，因为通过互联网万物互联，可以把所有人类的智慧汇聚到后台，通过深度神经网络来展现，所以人工智能到时候不是跟单个人比，它是把所有人的智慧汇聚在后台，来跟单个人比，所以它在绝大部分场合下会表现得比人类更聪明。微软亚洲研究院院长洪小文则认为人工智能在大多数情况下比人类更具有能力，但它仍旧无法与人类的智能相比，因为，人类最可贵的能力在于创造力，而这一点上人工智能无法与人类抗衡。被称为中国人工智能布道者的搜狗创始人王小川指出，原来我们都认为人工智能缺乏创造力，但现在人工智能的发展已经否定了这一点。拿阿尔法狗在人机大战中的表现来看，它的很多招法都是传统围棋理论所难以接受，对人类棋手而言匪夷所思的。因为以前是人类告诉机器方法该怎么做，到阿尔法狗的时候，人类开始不用告诉计算机方法，只告诉人工智能目标：就是要赢，这个方法和答案让它自己找。但即便如此，也不能认为机器能够比人聪明，因为必须要人类为人工智能设立一个目标，它才能够产生后面的学习。
所以对于人工智能而言，可以在很多时候轻松击败人类，但它仍受到两方面的限制，第一条是它只能从人类已有的各种各样的行为和判断的数据中去学习，创造不了人类没有经历过的全新的方向。第二是机器设计不了规则，必须由人来设立规则或者说是算法。 人工智能是否会取代人类？
当机器有了智能，自然而然就会让人们想到他与人类的关系，所以在《终结者》中出现了“审判日之战”，在《黑客帝国》中出现了人与MATRIX（矩阵）的对决，而科幻作家阿西莫夫则防患于未然地提出了“机器人三定律”，那么，人工智能的发展真的会取代人类吗？
小I机器人的创造者袁辉对此持悲观态度，他认为整个目前人类文明是在走向一个下滑的阶段，所以在这种阶段下面，人类最后会被终结，这可能是一个时间的问题。从本质上说，这是人类自己的问题，人类创造了人工智能这样的一个物种，这个物种与人类是和谐共存还是竞争，完全取决于人类的发展。而搜狗董事长王小川则预测当人类面对人工智能的时候，会与人工智能共同进化，人工智能将最终会成为人类的一部分，人工智能既会帮助人类，也会约束人类，二者将是一种合体的关系，最终人会变成新人类，会进化成新的物种。
科大讯飞董事长刘庆峰承认因为人工智能可以在后台汇聚人类的各种智慧，所以在很多的复杂的活动中可以超越人类，但是最终是被人类所管理和控制的。因为机器没法自己设定规则，所以它一定是在人类定的大规则下来为人类服务的。最后人和机器会相互耦合在一起，推动整个世界的进程。
其实，在人类发展的进程当中，每一个新技术的出现总会伴随着争议、误解甚至是担忧或者是恐惧，在十九世纪工业革命的时候，英国的产业工人担心机器抢了自己的工作，于是纷纷去烧机器、毁机器；两百年前，在美国大约70%的人口都是农业人口，而大型机器和生产线出现后，几乎抢夺了所有的农业人口的工作。但现在美国只有1%的农业人口，而那69%的人并没有因此而失去他们的生活或者是工作，反而在机器创造的更多的新领域创造了新的工作，寻找到了新的生活。相比那个时候，人类进化了，因此人类就是在不断认知自我的过程当中，去拥抱越来越美好的新生活。 人机大PK
尽管有预言人工智能将逐渐地接管人类的种种职业，但那毕竟是未来，现在，人工智能在一些常见的领域到底达到了什么样的水准？让我们看看人机在几个职业上的PK。
项目：语音识别
规则：由人工智能和人类速录师同时听一段声音，并将其转化为汉字，看谁的准确率高。
结果：
1、速度：双方速度几乎一样，都是在语音播放的同时完成了录入。
2、准确率：准确率都达到99%以上。
应用场景：目前，语音技术主要应用领域是：导航和音响系统、智能可穿戴设备、制造业、智能家居、电信领域、医疗领域、教育等领域。预计在2017年以前，全球语音识别市场将达到1330亿美元。
视角延伸
1、在嘈杂的环境，多人对话的情况下，人工智能尚缺乏足够的辨别能力。
2、对于方言，人工智能的准确率明显降低，需要专门的数据库予以支撑。
3、人工智能的语音识别已经拓展到多种语言，已经初步达成了实时翻译功能。
4、在未来万物互联时代，语音识别将成为人机对话、打通各个平台的接口。
项目：驾驶
规则：无人驾驶汽车在高峰期于北京东三环行驶，看行驶的平稳度与安全性；无人驾驶汽车在专业赛车场进行18米S弯绕桩跑，就是赛车手考赛车水平的时候，会有这一段考试，从头到尾如果是人驾驶一般要14分钟，用智能机器人可以做到13分钟多一点，就是说比赛车手还少一点时间。
结果：
1、实地无人驾驶顺利完成，放置于车顶的打火机，硬币等物件没有掉落。
2、专业赛车场进行的18米S弯绕桩跑，人驾驶一般要14分钟，人工智能可以做到13分钟。
应用场景：当前，世界大型汽车制造商都在致力研究无人驾驶汽车技术。该技术在减少拥堵和安全隐患等方面大有作为。根据业内预测到2020年，无人驾驶汽车市场将达到6亿美元。
视角延伸
1、人工智能还不能处理很多复杂的情况，在技术上仍然具有很大挑战。
2、无人驾驶的目标第一是解决因为人为的因素造成的安全性；其次能够将人类从驾驶的烦琐中解脱出来。
3、专家预测，未来五年无人驾驶的发展方向将是“增强驾驶”，即汽车同时具有人类驾驶与无人驾驶功能并存，人与车的关系就如同当年人与马的关系一样。
4、无人驾驶设备能否小型化将成为无人驾驶能否走向应用的一大门槛。
项目：图像识别
规则：由人工智能和人类同时识别三张明星在不同化妆、衣物时的图像，看谁能准确地认出；同时识别三种长得相似的普通人的照片，看是否能够辨认出这是否是同一个人。
结果：
第一次辨认结果人工智能胜过了人类。
第二次因为有一张图片面部有头发遮挡，人工智能表示无法识别。
应用场景：目前，图象识别技术主要应用在：导航、遥感图象识别、天气预报、环境检测、通信、军事和公安刑侦、临床诊断和病理研究等领域。
视角延伸
1、使用图像识别技术，在大量摄像头拍摄的画面中无论要找罪犯还是要找失踪的人口，效率将会比人类识别高出很多。
2、跟人脸识别和语音识别相结合起来，将极大地提高对个人身份的辨识度，在金融支付领域具有广阔前景。
3、图像识别将进一步发展成表情识别，可以在第一时间感知人类情绪，并采取相应措施。如在驾驶中如果智能摄像头能够感知司机情绪不稳定，可以提前采取措施，减少事故发生可能性。 观点大碰撞
对于人工智能，过去很多人定义过，它要有比较高的自感知能力、自主决策和控制能力、对安全和意外的自动预警和防范处理能力等，它要能在较少人为干预的条件下完成工作和服务。但要强调的是未来人工智能跟过去不同的地方，未来的人工智能一定是终端跟云端协同创新实现的智能控制与服务的。有了网络以后，人工智能就不仅是靠机器内的软件硬件系统来操纵，还可以在使用终端和云端之间实施交互协同来实现，它的水平和能力会远远超过历史上单部机器的智能行为。其实阿尔法狗也有很多东西是在云端计算，而不在终端。所以这是一个未来的方向。
人工智能技术可应用的领域是非常广泛的，可以说是无处不在。它可以应用在生产制造业，还可以应用在各种服务领域。比如金融服务、医疗服务等都可以用人工智能技术；学习方面，也可以用来提升学习效率；还有农业领域，可以借助人工智能技术判断施什么样的肥料、怎么样防治病虫害等，快到收获季节还可以通过人工智能技术预测预判市场销售，这对农产品的行销也都会有大的帮助。
“中国制造2025”提出创新驱动、质量为先、绿色发展、结构优化、人才为本，智能制造是核心。制造经历过不同的时代，第一次工业革命以后是机械制造时代；第二次工业革命以后是机电结合了起来；后工业阶段，上世纪80年代以后又加了电子、机械电子一体化；而信息网络出现以后，现在和未来的制造是网络智能的时代的网络协同智能制造，制造过程、运行服务过程都将数字化、网络化、智能化，这是制造业发展的方向和技术创新的核心。
邬贺铨：中国在人工智能应用方面走得很快
人工智能研究的起步，一般被认为是在20世纪50年代，那时候中国还没有开始研究。不过，人工智能在前50年里还停留在科学家的圈子里，没有走向应用。这些年中国人工智能的研究跟其他新生领域的研究一样，取得一些好的成果，但是总体上与国外还是有差距的，在一些有影响的文章发表、人工智能原创的技术，包括支撑人工智能的产业等方面我们还有差距。
不过，应该说中国的人工智能在个别领域做的还是很不错的。比如说，科大讯飞在中文的语音识别上是领先的，百度、阿里、腾讯也在关注人工智能，不但自己在培养专家，也从海外引入一些高端人才，努力缩短我们与国外的差距。
中国机器人也做的不错，严格来说，我们机器人是广义的机器人，传统讲的机器人是工业机器人。我们的机器人产品以面向社会消费应用为主，产能产量已经占到世界较大市场。沈阳自动化所和新松机器人等公司从事机器人研究很长时间了，他们在做工业的机器人，也取得了不少的成绩和应用。但是在大型生产线上，目前应用的工业机器人还是以国外产品为主。
中国在无人驾驶车的应用方面跟美国相比也不会差距很远。现在百度的无人驾驶车，按照现在的水平也有望在未来的一两年内应用了。不过，无人驾驶需要很多技术，而现在国产车内的车载电子系统还是进口的，如果说不能在汽车总线上突破，我们的无人驾驶车在核心技术上还是有不少差距。
总体来说，在人工智能的应用上中国走得很快，展望未来不仅会缩小与国际的差距，也会走在前面。中国正处于经济发展方式转变和两化融合的重要阶段，需要大量的生产自动化手段，中国的人工智能的市场非常大。
张潼：人工智能的核心技术就是让机器学习
现在企业界很多研究院，包括阿里、腾讯、滴滴、360等关心的都是机器学习的核心能力。总体来讲，一个是大数据，另外一个是对于大数据处理和加工的能力。把一个原材料变成你真正所需要的系统或者产品，这是它的能力。从机器学习的技术来讲，如何实现规模更大、创新还有实时更新的效果，这一系列的技术能力使得所有公司都非常感兴趣。
总体来讲，数据处理的核心能力就是机器学习能力，还有高性能计算。处理大数据也要有计算平台，最后是一系列应用，包括广告、无人车，包括其他行业的探索。
此外，现在的医疗有各个环节，其中一个环节和互联网紧密相连，当病人患病的时候，去医院之前往往会自己看看是什么毛病，会有自我诊断或者自我询查信息的过程，但是百度搜索信息不太足够，因为只能找到相关网页，并不直接相关。其他的一系列互联网公司也会有这样的平台去帮助查询者对接，像对接医生和对接专业的知识一样。
从我们的角度来讲，实际上可以利用人工智能的能力去做这种系统，这种系统有几个形式，比如说病人会用口语化的形式表达，医生比较专业，病人不知道很多专业名词。如何把口语化和专业知识对接需要设定自然语言的病症，这也是病人希望交流的形式。
从机器智能角度上要有交互、引导以及对话，另外还要把信息综合起来，这样会有更好的理解。如互联网+零售业，百度怎么和零售业相结合，这是研究院思考的问题。如果打通线上线下，就知道这些客户线上的行为和喜好，以帮助线下的商家找新客户。而利用机器学习建模技术把这些人的喜好或者类别分列出来。
如何理解大数据和人工智能的关系，大数据是它的源泉。世界上很多国家很重视收集数据的能力，因此也使得它在下一阶段将有大大提升。此外还有机器学习，AlphaGO、无人机就是例子，它的核心技术就是智能化，下一个十年也将会有更加细致的发展。人工智能会促进一系列的新技术成为可能，这种可能会推出新的产业。
Jim Lawton：机器人需要更加智能化
长时间以来，机器人只能在不变的工作环境下工作。我们需要为机器人定制适合的工作环境，这个安排在一些工厂行得通，但是大部分工厂的工作环境不一定能配合。
我们通过编程让机器人执行一些任务，机器人会按照设定好的程序工作，但这不是智能机器人。更加智能的机器人是这个行业重要的突破和创新。我们现在拥有更优秀的机器人――能够在不完美的环境下工作。操作任务自动化进程不断地在创新。此外，随着机器自主学习及深度学习等人工智能的进步，认知任务的变化也是日新月异。
人机协作将主要在两个方面发生变化。一方面，以往我们需要请专家为机器人编程，然后执行任务。现在则通过演示来培训机器人。在未来，人类员工将“告诉”机器人去做什么，机器人只需要“看”着去学，从人类那里学习，也可以从另一台机器人那里学习。另一方面，我们深信只有人类能自主工作。制造业的新趋势是结合传达实时遥测数据的机器人和能累积结构化和半结构化数据的软件数据平台，然后供人类理解及诠释信息、并且做出明智的决定以提升工作流程，促进持续创新。
因此来说，人类和机器人将并肩工作，共同解决问题，提升工作流程，并能一起处理更多的任务。操作任务和认知技术自动化相结合是制造业创新时代的必然趋势。
SEARI在去年11月成为Rethink Robotics在华首家分销合作伙伴。协作机器人是Rethink Robotics的核心优势，Rethink Robotics通过其智能协作型的机器人Baxter和Sawyer，可完成目前90%传统自动化方案不能完成的工作，从而不断革新制造业的生产方式。
协作机器人和传统的工业机器人有很大的区别。传统机器人对精准定位、速度、精度、刚性等方面有硬性要求，相对而言，易用性、操作灵活性及安全性正是协作机器人的优势，国内很多企业对两者的比较已经有一定的了解。
在过去几个月，我们的销售团队已经走访一百多家企业，向它们推广Rethink Robotics的方案，获得非常好的反响。但协作机器人真正进入中国市场还需要有一个磨合的过程，现在不少国内制造业的工厂都是几年前、甚至十多年前建好的，当时的厂房设计是按照人手操作的思路来设计的，完全没有把机器人的元素考虑在内。
联想集团董事长兼首席执行官 杨元庆
人工智能有两个重要能力，一是感知能力，越来越多的智能终端和传感器，让我们能够提升感知世界的广度和深度；二是认知能力，这就需要通过云、通过大数据分析来实现。所以，如果说智能终端是人的感官的话，那么云就是大脑，把智能终端和云大脑完美结合起来，就是人工智能未来的方向。
斯坦福大学客座教授 杰瑞・卡普兰
未来，除了应用和设备会越变越好之外，我们还会有一批全新的设备和应用，它们会更加智能化，并且可以进一步加强人与人之间、人与物之间的联系。未来是光明灿烂的，因为人工智能可以帮助我们应对数字化带来的挑战，帮助我们寻找到信息，将那些最相关信息推送给我们，协助我们更好地了解这些信息的含义。与此同时，人工智能可以拓展计算机的应用，电子设备将获得我们的信任，将会成为我们极其信赖且不可分割的个人助手，它们会帮助我们在物理世界、真实世界里进行探索。
美国希捷科技公司全球副总裁 孟福来
所有这些相互连接的设备以及物联网意味着今后互联网会无处不在，这也就意味着数据会越来越多，数据的价值将越来越高。短短几年就会极速增长，所有的数据都要得到安全的存储，用户也要能够迅速接入并且分析这些数据。
让存储更加智能，从而支持各项复杂活动，进而应对不同环境下的需求，我们正在将那些传感器融入其中，总的来说就是数据存储会更加智能。
华为消费者业务首席执行官 余承东
人工智能能够帮助人类更主动地获取信息和推送所需要的信息。主动通过人工智能推送人类需要的信息，同时对信息进行过滤和及时反馈。而信息的交互方式将变得更加自然，就像人类说话一样。人机更加自然地交互，对人类来说更有意义、更方便、更快捷，所以这需要人工智能对信息进行个性化推荐。
优办创始人兼首席执行官 卢阳
未来智能设备的互联就是物联网将会随处可见，增强现实和虚拟现实让虚拟变得更真实，语音识别让每个人有了秘书，云服务使得所有数据存储在远方但是随手可得。随着技术的发展，人们的生活将发生天翻地覆的变化，移动性和及时性的需求将大大增加，这些将使得使用权比拥有权更受欢迎。
搜狗公司CEO 王小川
我们每天醒来都感受着互联网带来的便捷，看到智能终端无人驾驶汽车机器人从科幻走向生活。今年是人工智能诞辰六十周年，年初谷歌AIphaGO与李世石上演人机大战，将人工智能的关注推到了前所未有的高度。
脸谱公司副总裁 石峰
人工智能和传统计算机不同，它更像一个孩子在学习这个世界，而不是事先编程，所以，对于人工智能我们要花很长时间来训练它，就像教孩子打棒球一样。一方面我们有超过十亿人在寻找内容，而另一方面我们又有数以亿计的内容给他们，他们可以很了解这两者怎么取得平衡，所以，我们每天做很多预测，而真正最激动人心的就是我们还能获得很多的反馈。
腾讯社交网络事业群总裁、集团高级执行副总裁汤道生
最近五年，在图片识别、语音翻译、模拟探索、概率决策上有非常多的突破，因为计算能力和算法的突破，现在到了一个感知的智能时代。我们多看几只猫以后知道什么是猫，具体我们也说不出是怎么判断和识别的，但是通过神经网络的算法，如今哪怕不能充分描述识别过程，也能通过新的算法和计算方式达到感知智能的能力。
百度公司总裁 张亚勤
人工智能真正会带来一些新的变革，可以用到医疗、教育、金融、交通等各方面，也可以用到无人车上。三十年前比尔・盖茨讲，希望有一天机器能像人一样去听去看去写，用自然语言交流。今天，他提的目标在很大程度上已经达到了。最早的时候是人们学习机器语言，学编程，后来是机器来学人的语言。所以，未来机器要向人学习，人也要向机器学习。
爱立信集团亚太区首席技术官马格纳斯・艾尔布林
在整个网络当中，我们要保证时刻能够服务到用户，我们的用户能够获得其需要的服务。而为了能够实现这个目标，我们就有一定的架构和分类，通过这样的安排，我们就能够保证5G的标准体系能够提供服务。
