什么是人工智能？
1.定義人工智能
奇怪的是，人工智能缺乏一個(gè)精確的、被普遍接受的定義，這或許有助于該領(lǐng)域的加速成長(zhǎng)、繁榮以及前進(jìn)。雖然人工智能的從業(yè)者、研究人員和開發(fā)人員由一種粗略的方向感和一個(gè)「與它相處」的命令所引導(dǎo)，人工智能的定義仍然很重要，而 Nils J. Nilsson 就提供了一個(gè)有用的定義：「人工智能就是致力于讓機(jī)器變得智能的活動(dòng)，而智能就是使實(shí)體在其環(huán)境中有遠(yuǎn)見地、適當(dāng)?shù)貙?shí)現(xiàn)功能性的能力。」
從這個(gè)角度來看，對(duì)人工智能的表征取決于個(gè)人愿意「適當(dāng)?shù)亍共ⅰ赣羞h(yuǎn)見地」為功能性提供合成軟件和硬件的信用。一個(gè)簡(jiǎn)單的電子計(jì)算器比人類大腦進(jìn)行的計(jì)算要快得多，而且?guī)缀鯊膩聿怀鲥e(cuò)。
電子計(jì)算器智能嗎？像 Nilsson 一樣，研究小組以一種寬泛的視角來看待此問題，認(rèn)為智力取決于一個(gè)多維頻譜。根據(jù)這一觀點(diǎn)，算術(shù)計(jì)算器和人腦之間的區(qū)別不是某一類，而是規(guī)模、速度、自主性和通用性的區(qū)別。
同樣的因素可以用來評(píng)估智能的其他各例——智能語音識(shí)別軟件、動(dòng)物大腦、汽車巡航控制系統(tǒng)、圍棋程序、自動(dòng)調(diào)溫器——并將它們放置在頻譜中的適當(dāng)位置。雖然我們的寬泛解釋把計(jì)算器列在了智能頻譜中，但是如此簡(jiǎn)單的設(shè)備與今天的人工智能相比幾乎沒有相似之處。
從這個(gè)角度看，對(duì)人工智能的表征取決于個(gè)人愿意「適當(dāng)?shù)亍共ⅰ赣羞h(yuǎn)見地」為功能提供合成軟件和硬件的信用。一個(gè)簡(jiǎn)單的電子計(jì)算器比人腦計(jì)算快得多而且?guī)缀鯊牟怀鲥e(cuò)。
人工智能的邊界已經(jīng)遠(yuǎn)遠(yuǎn)走在前面，而計(jì)算器可以實(shí)現(xiàn)的功能只是當(dāng)下的智能手機(jī)的百萬分之一。目前人工智能開發(fā)人員正在改進(jìn)、推廣和擴(kuò)大從當(dāng)下的智能手機(jī)中所建立起來的智能。事實(shí)上人工智能領(lǐng)域是一個(gè)不斷努力推動(dòng)機(jī)器智能向前發(fā)展的過程。
具有諷刺意味的是，人工智能正在遭受失去話語權(quán)的長(zhǎng)期災(zāi)難，最終不可避免地會(huì)被拉到邊界內(nèi)，即一個(gè)被稱為「人工智能效應(yīng)（AI effect）」或「奇怪悖論（odd paradox）」的重復(fù)模式——人工智能將一種新技術(shù)帶到了普通大眾中去，人們習(xí)慣了這種技術(shù)，它便不再被認(rèn)為是人工智能，然后更新的技術(shù)出現(xiàn)了。
同樣的模式將在未來繼續(xù)下去。人工智能并沒有「交付」一個(gè)驚雷般改變生活的產(chǎn)品。相反人工智能技術(shù)以一個(gè)連續(xù)的、進(jìn)步的方式正在繼續(xù)更好的發(fā)展。
2.人工智能研究趨勢(shì)
直到本世紀(jì)初，人工智能的吸引點(diǎn)主要在于它所傳遞的承諾，但在過去的十五年里，大多這樣的承諾已經(jīng)得到兌現(xiàn)。人工智能技術(shù)已經(jīng)充斥了我們的生活。當(dāng)它們成為了社會(huì)的一股中心力量時(shí)，該領(lǐng)域正在從僅僅建立智能系統(tǒng)，轉(zhuǎn)向了建立有人類意識(shí)的、值得信賴的智能系統(tǒng)。
幾個(gè)因素加速了人工智能革命。其中最重要的是機(jī)器學(xué)習(xí)的成熟，部分由云計(jì)算資源和廣泛普及的、基于 Web 的數(shù)據(jù)收集所支持。機(jī)器學(xué)習(xí)已經(jīng)被「深度學(xué)習(xí)（deep learning）」急劇地向前推進(jìn)了，后者是一種利用被稱作反向傳播的方法所訓(xùn)練的適應(yīng)性人工神經(jīng)網(wǎng)絡(luò)的一種形式。
信息處理算法的這種性能飛躍一直伴隨著用于基本操作的硬件技術(shù)的顯著進(jìn)步，比如感覺、感知和目標(biāo)識(shí)別。數(shù)據(jù)驅(qū)動(dòng)型產(chǎn)品的新平臺(tái)和新市場(chǎng)，以及發(fā)現(xiàn)新產(chǎn)品和新市場(chǎng)的經(jīng)濟(jì)激勵(lì)機(jī)制，也都促進(jìn)了人工智能驅(qū)動(dòng)型技術(shù)的問世。
所有這些趨勢(shì)都推動(dòng)著下文中所描述的「熱門」研究領(lǐng)域。這種編輯只是想要通過某個(gè)或另一個(gè)度量標(biāo)準(zhǔn)來反映目前比其他領(lǐng)域得到更大關(guān)注的領(lǐng)域。它們不一定比其他領(lǐng)域更重要或更有價(jià)值。事實(shí)上目前的一些「熱門」領(lǐng)域在過去幾年中并不怎么流行，而其他領(lǐng)域可能在未來會(huì)以類似的方式重新出現(xiàn)。
大規(guī)模機(jī)器學(xué)習(xí)
許多機(jī)器學(xué)習(xí)的基本問題（如監(jiān)督和非監(jiān)督學(xué)習(xí)）是很好理解的。目前努力的一個(gè)重點(diǎn)是將現(xiàn)有算法擴(kuò)展到更龐大的數(shù)據(jù)集上。例如鑒于傳統(tǒng)方法能夠負(fù)擔(dān)得起若干遍數(shù)據(jù)集的處理，現(xiàn)代方法是為單次處理所設(shè)計(jì)；某些情況只認(rèn)同非線性方法（那些只關(guān)注一部分?jǐn)?shù)據(jù)的方法）。
深度學(xué)習(xí)
成功訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的能力非常有益于計(jì)算機(jī)視覺領(lǐng)域，比如目標(biāo)識(shí)別、視頻標(biāo)簽、行為識(shí)別和幾個(gè)相關(guān)變體的應(yīng)用。深度學(xué)習(xí)也在大舉進(jìn)軍感知方面的其他領(lǐng)域，如音頻、語音和自然語言處理。
強(qiáng)化學(xué)習(xí)
鑒于傳統(tǒng)機(jī)器學(xué)習(xí)主要關(guān)注于模式挖掘，強(qiáng)化學(xué)習(xí)將重點(diǎn)轉(zhuǎn)移到?jīng)Q策中，這種技術(shù)將有助于促進(jìn)人工智能在現(xiàn)實(shí)世界中更深入地進(jìn)入相關(guān)研究和實(shí)踐領(lǐng)域。作為一種經(jīng)驗(yàn)驅(qū)動(dòng)型的序貫決策框架，強(qiáng)化學(xué)習(xí)已經(jīng)存在了幾十年，但是這個(gè)方法在實(shí)踐中沒有取得很大成功，主要是由于表征和縮放的問題。然而深度學(xué)習(xí)的出現(xiàn)為強(qiáng)化學(xué)習(xí)提供了「一貼強(qiáng)心劑」。
由谷歌 DeepMind 開發(fā)的計(jì)算機(jī)程序 AlphaGo 在五次對(duì)抗比賽中擊敗了人類圍棋冠軍，它最近所取得的成功在很大程度上要?dú)w功于強(qiáng)化學(xué)習(xí)。AlphaGo 是通過使用一個(gè)人類專家數(shù)據(jù)庫來初始化一個(gè)自動(dòng)代理的方法被訓(xùn)練的，但隨后提煉的方法是通過大量地自我對(duì)抗游戲以及應(yīng)用強(qiáng)化學(xué)習(xí)。
機(jī)器人
至少在靜態(tài)環(huán)境中，機(jī)器人導(dǎo)航在很大程度上被解決了。目前的努力是在考慮如何訓(xùn)練機(jī)器人以泛型的、預(yù)測(cè)性的方式與周圍世界進(jìn)行交互。互動(dòng)環(huán)境中產(chǎn)生的一個(gè)自然要求是操縱，這是當(dāng)下所感興趣的另一個(gè)話題。
深度學(xué)習(xí)革命只是剛開始影響機(jī)器人，這在很大程度上是因?yàn)橐@得大的標(biāo)記數(shù)據(jù)集還很困難，這些數(shù)據(jù)集已推動(dòng)了其他基于學(xué)習(xí)的人工智能領(lǐng)域。
免去了標(biāo)記數(shù)據(jù)需求的強(qiáng)化學(xué)習(xí)可能會(huì)有助于彌合這一差距，但是它要求系統(tǒng)在沒有錯(cuò)誤地傷害自己或其他系統(tǒng)的情況下能夠安全地探索出一個(gè)政策空間。在可信賴的機(jī)器感知方面的進(jìn)步，包括計(jì)算機(jī)視覺、力和觸覺感知，其中大部分將由機(jī)器學(xué)習(xí)驅(qū)動(dòng)，它們將繼續(xù)成為推進(jìn)機(jī)器人能力的關(guān)鍵。
計(jì)算機(jī)視覺
計(jì)算機(jī)視覺是目前最突出的機(jī)器感知形式。它是受深度學(xué)習(xí)的興起影響最大的人工智能子領(lǐng)域。直到幾年前，支持向量機(jī)還是大多視覺分類任務(wù)所選擇的方法。但是特別是在 GPU 中的大規(guī)模計(jì)算的匯合，使得更大數(shù)據(jù)集的可獲得性（尤其是通過互聯(lián)網(wǎng)）以及神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)導(dǎo)致了基準(zhǔn)任務(wù)中能的顯著提高（比如 ImageNet 中的分類器）。計(jì)算機(jī)首次能夠比人類更好地執(zhí)行一些（狹義定義的）視覺分類任務(wù)。目前的研究多是關(guān)注于為圖像和視頻自動(dòng)添加字幕。
自然語言處理
自然語言處理是另一個(gè)通常與自動(dòng)語音識(shí)別一同被當(dāng)做非常活躍的機(jī)器感知領(lǐng)域。它很快成為一種擁有大數(shù)據(jù)集的主流語言商品。谷歌宣布目前其 20% 的手機(jī)查詢都是通過語音進(jìn)行的，并且最近的演示已經(jīng)證明了實(shí)時(shí)翻譯的可能性。現(xiàn)在研究正在轉(zhuǎn)向發(fā)展精致而能干的系統(tǒng)，這些系統(tǒng)能夠通過對(duì)話而不只是響應(yīng)程式化的要求來與人互動(dòng)。
協(xié)同系統(tǒng)
協(xié)同系統(tǒng)方面進(jìn)行的是對(duì)模型和算法的研究，用以幫助開發(fā)能夠與其他系統(tǒng)和人類協(xié)同工作的自主系統(tǒng)。該研究依賴于開發(fā)正式的協(xié)作模型，并學(xué)習(xí)讓系統(tǒng)成為有效合作伙伴所需的能力。能夠利用人類和機(jī)器的互補(bǔ)優(yōu)勢(shì)的應(yīng)用正吸引到越來越多的興趣——對(duì)人類來說可以幫助人工智能系統(tǒng)克服其局限性，對(duì)代理來說可以擴(kuò)大人類的能力和活動(dòng)。
眾包和人類計(jì)算
在完成許多任務(wù)方面由于人類的能力是優(yōu)于自動(dòng)化方法的，因而在眾包和人類計(jì)算方面，通過利用人類智力來解決那些計(jì)算機(jī)無法單獨(dú)解決好的問題，該領(lǐng)域研究調(diào)查了增強(qiáng)計(jì)算機(jī)系統(tǒng)的方法，這項(xiàng)研究的提出僅僅是在大約 15 年前，現(xiàn)在它已經(jīng)在人工智能領(lǐng)域確立了自己的存在。最有名的眾包例子是維基百科，它是一個(gè)由網(wǎng)絡(luò)公民維護(hù)和更新的知識(shí)庫，并且在規(guī)模上和深度上遠(yuǎn)遠(yuǎn)超越了傳統(tǒng)編譯的信息源，比如百科全書和詞典。
眾包專注于設(shè)計(jì)出創(chuàng)新的方式來利用人類智力。Citizen 科學(xué)平臺(tái)激發(fā)志愿者去解決科學(xué)問題，而諸如亞馬遜的 Mechanical Turk 等有償眾包平臺(tái)，則提供對(duì)所需要的人類智力的自動(dòng)訪問。通過短時(shí)間內(nèi)收集大量標(biāo)記訓(xùn)練數(shù)據(jù)和/或人機(jī)交互數(shù)據(jù)，該領(lǐng)域的工作促進(jìn)了人工智能的其它分支學(xué)科的進(jìn)步，包括計(jì)算機(jī)視覺和自然語言處理。基于人類和機(jī)器的不同能力和成本，目前的研究成果探索出了它們之間理想的任務(wù)分離。
算法博弈理論與 (基于) 計(jì)算機(jī) (統(tǒng)計(jì)技術(shù)的) 社會(huì)選擇
包括激勵(lì)結(jié)構(gòu)、人工智能的經(jīng)濟(jì)和社會(huì)計(jì)算維度吸引到了新的關(guān)注。自 20 世紀(jì) 80 年代初以來，分布式人工智能和多代理（multi-agent）系統(tǒng)就已經(jīng)被研究了，于 20 世紀(jì) 90 年代末開始有顯著起色，并由互聯(lián)網(wǎng)所加速。一個(gè)自然的要求是系統(tǒng)能夠處理潛在的不恰當(dāng)激勵(lì)，包括自己所感興趣的人類參加者或公司，以及自動(dòng)化的、基于人工智能的、代表它們的代理。
備受關(guān)注的主題包括計(jì)算機(jī)制設(shè)計(jì)（computational mechanism design）（一種激勵(lì)設(shè)計(jì)的經(jīng)濟(jì)理論，它尋求激勵(lì)兼容的系統(tǒng)，其中輸入會(huì)被如實(shí)報(bào)告）、(基于) 計(jì)算機(jī) (統(tǒng)計(jì)技術(shù)的) 社會(huì)選擇（computational social choice）（一種有關(guān)如何為替代品排列順序的理論）、激勵(lì)對(duì)齊信息獲取（incentive aligned information elicitation）（預(yù)測(cè)市場(chǎng)、評(píng)分規(guī)則、同行預(yù)測(cè)）和算法博弈理論（algorithmic game theory）（市場(chǎng)、網(wǎng)絡(luò)游戲和室內(nèi)游戲的平衡，比如poker——它在近幾年通過抽象技術(shù)和無遺憾學(xué)習(xí)（no-regret learning）已經(jīng)取得了顯著的進(jìn)步）。
物聯(lián)網(wǎng)（IoT）
越來越多的研究機(jī)構(gòu)致力于這樣一個(gè)想法：一系列設(shè)備可以相互連接以收集和分享它們的感官信息。這些設(shè)備可以包括家電、汽車、建筑、相機(jī)和其他東西。雖然這就是一個(gè)技術(shù)和無線網(wǎng)絡(luò)連接設(shè)備的問題，人工智能可以為了智能的、有用的目的去處理和使用所產(chǎn)生的大量數(shù)據(jù)。目前這些設(shè)備使用的是令人眼花繚亂的各種不兼容的通信協(xié)議。人工智能可以幫助克服這個(gè)「巴別塔」。
神經(jīng)形態(tài)計(jì)算
傳統(tǒng)計(jì)算機(jī)執(zhí)行計(jì)算的馮諾依曼模型，它分離了輸入/輸出、指令處理和存儲(chǔ)器模塊。隨著深度神經(jīng)網(wǎng)絡(luò)在一系列任務(wù)中的成功，制造商正在積極追求計(jì)算的替代模型——特別是那些受到生物神經(jīng)網(wǎng)絡(luò)所啟發(fā)的——為了提高硬件的效率和計(jì)算系統(tǒng)的穩(wěn)定性的模型。
目前這種「神經(jīng)形態(tài)的（neuromorphic）」計(jì)算機(jī)尚未清楚地顯示出巨大成功，而是剛開始有望實(shí)現(xiàn)商業(yè)化。但可能它們?cè)诓痪玫膶頃?huì)變成尋常事物（即使僅作為馮諾依曼所增加的兄弟姐妹們）。深度神經(jīng)網(wǎng)絡(luò)在應(yīng)用景觀中已經(jīng)激起了異常波動(dòng)。當(dāng)這些網(wǎng)絡(luò)可以在專門的神經(jīng)形態(tài)硬件上被訓(xùn)練和被執(zhí)行，而不是像今天這樣在標(biāo)準(zhǔn)的馮諾依曼結(jié)構(gòu)中被模擬時(shí)，一個(gè)更大的波動(dòng)可能會(huì)到來。
總體趨勢(shì)以及人工智能研究的未來
數(shù)據(jù)驅(qū)動(dòng)型范式的巨大成功取代了傳統(tǒng)的人工智能范式。諸如定理證明、基于邏輯的知識(shí)表征與推理，這些程序獲得的關(guān)注度在降低，部分原因是與現(xiàn)實(shí)世界基礎(chǔ)相連接的持續(xù)挑戰(zhàn)。規(guī)劃（Planning）在七十和八十年代是人工智能研究的一根支柱，也受到了后期較少的關(guān)注，部分原因是它強(qiáng)烈依賴于建模假設(shè)，難以在實(shí)際的應(yīng)用中得到滿足。
基于模型的方法——比如視覺方面基于物理的方法和機(jī)器人技術(shù)中的傳統(tǒng)控制與制圖——已經(jīng)有很大一部分讓位于通過檢測(cè)手邊任務(wù)的動(dòng)作結(jié)果來實(shí)現(xiàn)閉環(huán)的數(shù)據(jù)驅(qū)動(dòng)型方法。即使最近非常受歡迎的貝葉斯推理和圖形模式似乎也正在失寵，被數(shù)據(jù)和深度學(xué)習(xí)顯著成果的洪流所淹沒。
研究小組預(yù)計(jì)在接下來的十五年中，會(huì)有更多關(guān)注集中在針對(duì)人類意識(shí)系統(tǒng)的開發(fā)上，這意味著它們是明確按照要與之互動(dòng)的人類特點(diǎn)來進(jìn)行建模與設(shè)計(jì)的。很多人的興趣點(diǎn)在于試圖找到新的、創(chuàng)造性的方法來開發(fā)互動(dòng)和可擴(kuò)展的方式來教機(jī)器人。
此外在考慮社會(huì)和經(jīng)濟(jì)維度的人工智能時(shí)，物聯(lián)網(wǎng)型的系統(tǒng)——設(shè)備和云——正變得越來越受歡迎。在未來的幾年中，對(duì)人類安全的、新的感知/目標(biāo)識(shí)別能力和機(jī)器人平臺(tái)將會(huì)增加，以及數(shù)據(jù)驅(qū)動(dòng)型產(chǎn)品數(shù)量與其市場(chǎng)規(guī)模將會(huì)變大。
研究小組還預(yù)計(jì)當(dāng)從業(yè)者意識(shí)到純粹的端到端深度學(xué)習(xí)方法的不可避免的局限性時(shí)，會(huì)重新出現(xiàn)一些人工智能的傳統(tǒng)形式。我們不鼓勵(lì)年輕的研究人員重新發(fā)明理論，而是在人工智能領(lǐng)域以及相關(guān)領(lǐng)域（比如控制理論、認(rèn)知科學(xué)和心理學(xué)）的第一個(gè)五十年期間，保持對(duì)于該領(lǐng)域多方面顯著進(jìn)展的覺察。
人工智能在各領(lǐng)域的應(yīng)用
雖然人工智能的很多研究和應(yīng)用會(huì)基于一些通用技術(shù)，比如說機(jī)器學(xué)習(xí)，但在不同的經(jīng)濟(jì)和社會(huì)部門還是會(huì)有所區(qū)別。接下來的這部分將介紹人工智能研究和應(yīng)用的不同類型，以及影響和挑戰(zhàn)。 基于這些分析，我們還預(yù)測(cè)了一個(gè)有代表性的北美城市在未來 15 年的趨勢(shì)，探討人工智能是如何開始影響我們?nèi)粘Ｉ畹模约皬默F(xiàn)在到 2030 年，這些影響將如何發(fā)展。
1.交通
交通可能會(huì)成為首批幾個(gè)特定應(yīng)用領(lǐng)域之一，在這些領(lǐng)域，大眾需要對(duì)人工智能系統(tǒng)在執(zhí)行危險(xiǎn)任務(wù)中的可靠性和安全性加以信任。自動(dòng)化交通會(huì)很快司空見慣，大多數(shù)人在嵌入人工智能系統(tǒng)的實(shí)體交通工具的首次體驗(yàn)將強(qiáng)有力地影響公眾對(duì)人工智能的感知。
2.家庭服務(wù)機(jī)器人
未來十五年，在典型的北美城市里，機(jī)械和人工智能技術(shù)的共同進(jìn)步將有望增加家用機(jī)器人的使用的安全性和可靠性。特定用途的機(jī)器人將被用于快遞、清潔辦公室和強(qiáng)化安全，但在可預(yù)見的未來內(nèi)，技術(shù)限制和可靠機(jī)械設(shè)備的高成本將繼續(xù)限制狹窄領(lǐng)域內(nèi)應(yīng)用的商業(yè)機(jī)會(huì)。
3.醫(yī)療
基于人工智能的應(yīng)用在接下來的幾年能夠?yàn)榍О偃f人改善健康狀況和生活質(zhì)量，但這是在它們被醫(yī)生、護(hù)士、病人所信任，政策、條例和商業(yè)障礙被移除的情況下。主要的應(yīng)用包括臨床決策支持、病人監(jiān)控、輔導(dǎo)、在外科手術(shù)或者病人看護(hù)中的自動(dòng)化設(shè)備、醫(yī)療系統(tǒng)的管理。但研究和部署人工智能應(yīng)用已經(jīng)被過時(shí)的條例和激勵(lì)機(jī)制拉扯后腿。在這樣大型的、復(fù)雜的系統(tǒng)中，貧乏的人機(jī)交互方法和固有的難題以及部署技術(shù)的風(fēng)險(xiǎn)也阻礙了人工智能在醫(yī)療的實(shí)踐。
4.教育
如何找到通過人工智能技術(shù)來最優(yōu)化整合人類互動(dòng)與面對(duì)面學(xué)習(xí)將是一個(gè)關(guān)鍵性的挑戰(zhàn)，這一點(diǎn)醫(yī)療行業(yè)也是如此。自然語言處理，尤其是在與機(jī)器學(xué)習(xí)和眾包結(jié)合以后，有力推進(jìn)了線上學(xué)習(xí)，并讓教師可以在擴(kuò)大教室規(guī)模的同時(shí)，還能做到適應(yīng)個(gè)體學(xué)生的學(xué)習(xí)需求與風(fēng)格。大型線上學(xué)習(xí)的系統(tǒng)所得的數(shù)據(jù)已經(jīng)為學(xué)習(xí)分析產(chǎn)生了迅速增長(zhǎng)的動(dòng)力。
但是，學(xué)院與大學(xué)采用人工智能技術(shù)的步伐依然很緩慢，主要是由于資金的缺乏，以及其可以幫助學(xué)生達(dá)成學(xué)習(xí)目標(biāo)的有力證據(jù)。一個(gè)典型美國北部城市的未來五十年，智能導(dǎo)師與其他人工智能技術(shù)幫助教師在課堂或家中工作的規(guī)模很有可能會(huì)顯著擴(kuò)大，因?yàn)橐庠笇W(xué)習(xí)是基于虛擬現(xiàn)實(shí)的應(yīng)用。但是計(jì)算機(jī)為基礎(chǔ)的學(xué)習(xí)系統(tǒng)將無法完全替代學(xué)校里的教師們。
人民難以獲得教育的國家，如果這些群體有可以獲取在線教育的工具，那么在線資源將會(huì)產(chǎn)生重要的積極影響。在線教育資源的發(fā)展能通過提供工具和相對(duì)簡(jiǎn)單的使用培訓(xùn)，讓支持國際教育項(xiàng)目的基金會(huì)更輕松地提供素質(zhì)教育。
消極的一面是，現(xiàn)在學(xué)生已有把自己的社會(huì)接觸限制在電子設(shè)備上的趨勢(shì)了，如果教育也越來越多地通過網(wǎng)絡(luò)進(jìn)行，那么在學(xué)生的社會(huì)發(fā)展階段缺乏與同齡人有規(guī)律的面對(duì)面接觸會(huì)帶來怎樣的影響呢？特定的技術(shù)已經(jīng)表明這會(huì)產(chǎn)生在神經(jīng)方面的影響。另一方面，自閉癥兒童已經(jīng)開始從與人工智能系統(tǒng)的互動(dòng)中受益了。
5.低資源社區(qū)
人工智能存在許多機(jī)會(huì)去改善一個(gè)典型北美城市的低資源社區(qū)中的人們的生活狀況。有了有針對(duì)性的激勵(lì)和資金優(yōu)先次序，人工智能技術(shù)可以幫助解決低資源社區(qū)的需求。萌芽中的努力是有希望的。人工智能可能會(huì)有助于對(duì)抗失業(yè)和其他社會(huì)問題帶來的恐懼，它或許會(huì)提供緩解措施和解決方案。
6.公共安全與防護(hù)
城市已經(jīng)為公共安全和防護(hù)部署人工智能技術(shù)了。到 2030 年，典型的北美城市將在很大程度上依賴它們。這些措施包括可以檢測(cè)到指向一個(gè)潛在犯罪的異常現(xiàn)象的監(jiān)控?cái)z像機(jī)、無人機(jī)和預(yù)測(cè)警務(wù)應(yīng)用。與大多數(shù)問題一樣，好處與風(fēng)險(xiǎn)并存。
獲得公眾信任是至關(guān)重要的。雖然會(huì)存在一些合理的擔(dān)心，即與人工智能合作的警務(wù)可能會(huì)在某些情況下變得霸道或是無處不在，而相反的情況也是可能的。人工智能可能使警務(wù)變得更有針對(duì)性并只在需要時(shí)被使用。而且經(jīng)過仔細(xì)地部署，人工智能也可能有助于消除一些人類決策中固有的偏見。人工智能工具也可能被證明有助于警察管理犯罪現(xiàn)場(chǎng)，或是搜索和救援活動(dòng)，它可以幫助指揮官排列任務(wù)的優(yōu)先次序以及分配資源。
7.就業(yè)與勞資
到目前為止，數(shù)字技術(shù)已經(jīng)給中等技能的工作，比如旅行代理，帶來了更大的影響。另一方面，數(shù)字系統(tǒng)所能完成的任務(wù)的范圍正隨著人工智能的演進(jìn)而提升，人工智能也正向高端的領(lǐng)域蔓延，包括一些機(jī)器之前無法執(zhí)行的專業(yè)服務(wù)。
為了獲得成功，人工智能創(chuàng)新將需要克服人們對(duì)被邊緣化的恐懼。在短期內(nèi)，人工智能很有可能會(huì)取代任務(wù)，而非工作，同時(shí)還將會(huì)創(chuàng)造新類型的工作。但新類型的工作比將可能失去的已有工作更難以想象。就業(yè)領(lǐng)域的變化通常是漸進(jìn)的，不會(huì)出現(xiàn)劇烈的過渡。
人工智能影響的范圍也將擴(kuò)大，從少量的替代或增強(qiáng)到完全的替代。比如說，盡管大部分律師的工作還沒被自動(dòng)化，但人工智能在法律信息提取和主題建模方面的應(yīng)用已經(jīng)自動(dòng)化了一部分律師新人的工作。在不遠(yuǎn)的將來，包括放射科醫(yī)生到卡車司機(jī)再到園丁等許多類型的工作都可能會(huì)受到影響。
人工智能也可能會(huì)影響工作場(chǎng)所的大小和位置。隨著人工智能對(duì)許多功能的接管，擴(kuò)展不再意味著會(huì)帶來大型的組織。人類企業(yè)可能存在一個(gè)自然的規(guī)模大小，在這樣的企業(yè)中，CEO 能夠認(rèn)識(shí)公司里的每一個(gè)人。通過將一些工作外包給人工智能驅(qū)動(dòng)的勞動(dòng)力市場(chǎng)，企業(yè)會(huì)傾向于自然的大小。
人工智能也將創(chuàng)造工作，特別是在某些行業(yè)中，通過使某些特定任務(wù)更重要，以及通過產(chǎn)生新的交互模型創(chuàng)造新類型的工作。復(fù)雜的信息系統(tǒng)可被用于創(chuàng)造新的市場(chǎng)，這往往會(huì)帶來降低門檻和增加參與的影響。人工智能界有一個(gè)活躍的研究社區(qū)在研究創(chuàng)造新市場(chǎng)和使已有市場(chǎng)更高效運(yùn)作的進(jìn)一步方式。
盡管工作本身有內(nèi)在的價(jià)值，但大部分人工作是為了購買他們看重的商品和服務(wù)。因?yàn)槿斯ぶ悄芟到y(tǒng)可以執(zhí)行之前需要人力的工作，因此它們可以使許多商品和服務(wù)的成本下降，實(shí)實(shí)在在地讓每個(gè)人都更富有。
人們害怕人工智能會(huì)在短短一代人的時(shí)間內(nèi)迅速取代所有的人類工作，包括那些需要認(rèn)知和涉及到判斷的工作。這種突變是不太可能發(fā)生的，但人工智能會(huì)逐漸侵入幾乎所有就業(yè)領(lǐng)域，這需要在計(jì)算機(jī)可以接管的工作上替換掉人力。人工智能對(duì)認(rèn)知型人類工作的經(jīng)濟(jì)影響將類似于自動(dòng)化和機(jī)器人在制造業(yè)工作上對(duì)人類的影響。許多中年工人失去了工廠里的高薪工作以及伴隨這個(gè)工作的家庭和社會(huì)中的社會(huì)經(jīng)濟(jì)地位。長(zhǎng)期來看，一個(gè)對(duì)勞動(dòng)力的更大影響是失去高薪的“認(rèn)知型”工作。
隨著勞動(dòng)力在生產(chǎn)部門的重要性的下降，大多數(shù)市民可能會(huì)發(fā)現(xiàn)他們的工作價(jià)值不足以為一種社會(huì)可以接受的生活標(biāo)準(zhǔn)買單。這些變化將需要政治上的，而非單純經(jīng)濟(jì)上的響應(yīng)，需要考慮應(yīng)該配置怎樣的社會(huì)安全網(wǎng)來保護(hù)人們免受經(jīng)濟(jì)大規(guī)模、結(jié)構(gòu)性轉(zhuǎn)變的影響。如果缺少了緩解政策，這些轉(zhuǎn)變的一小群受益者將成為社會(huì)的上層。短期來看，教育、再訓(xùn)練和發(fā)明新的商品和服務(wù)可以減輕這些影響。更長(zhǎng)期來看，目前的社會(huì)安全網(wǎng)可能需要進(jìn)化成更好的、服務(wù)于每個(gè)人的社會(huì)服務(wù)。
人工智能可能會(huì)被認(rèn)為是一種財(cái)富創(chuàng)造的完全不同的機(jī)制，每個(gè)人都應(yīng)該從全世界人工智能所生產(chǎn)的財(cái)富中分得一部分。對(duì)于人工智能技術(shù)所創(chuàng)造的經(jīng)濟(jì)成果的分配方式，相信不久之后就會(huì)開始出現(xiàn)社會(huì)爭(zhēng)議了。
8.娛樂
在人工智能的驅(qū)動(dòng)下，互聯(lián)網(wǎng)已經(jīng)將用戶生成的內(nèi)容作為了信息和娛樂的一個(gè)可行的來源。現(xiàn)在我們有了共享和瀏覽博客、視頻、照片和專題討論的可信平臺(tái)，此外還有各種各樣用戶生成的內(nèi)容。為了繼續(xù)運(yùn)行，這些平臺(tái)必須依賴現(xiàn)在正被積極開發(fā)的技術(shù)，其中包括自然語言處理、信息檢索、圖像處理、眾包和機(jī)器學(xué)習(xí)。比如，現(xiàn)在已經(jīng)開發(fā)出了協(xié)同過濾這樣的算法，它可以基于用戶的人口統(tǒng)計(jì)學(xué)細(xì)節(jié)和瀏覽歷史推薦相關(guān)的電影、歌曲或文章。
為了跟上時(shí)代的步伐，傳統(tǒng)的娛樂資源也已經(jīng)開始擁抱人工智能。正如書和電影《點(diǎn)球成金》中給出的例子，職業(yè)運(yùn)動(dòng)現(xiàn)在已經(jīng)轉(zhuǎn)向了密集的量化分析。除了總體表現(xiàn)統(tǒng)計(jì)，賽場(chǎng)上的信號(hào)也可以使用先進(jìn)的傳感器和相機(jī)進(jìn)行監(jiān)控。用于譜曲和識(shí)別音軌的軟件已經(jīng)面世。
人類對(duì)人工智能所驅(qū)動(dòng)的娛樂的熱情是很令人驚訝的，但也有人擔(dān)心這會(huì)導(dǎo)致人與人之間的人際交互減少。少數(shù)人預(yù)言說人們會(huì)因?yàn)樵谄聊簧匣ㄙM(fèi)了太多時(shí)間而不再與人互動(dòng)。孩子們常常更愿意在家里快樂地玩他們的設(shè)備，而不愿意出去和他們的朋友玩耍。人工智能會(huì)使娛樂更加交互、更加個(gè)性化和更有參與感，但也應(yīng)該引導(dǎo)一些研究來理解如何利用這些性質(zhì)為個(gè)人和社會(huì)利益服務(wù)。
如今以及未來的人工智能政策
人工智能應(yīng)用的目標(biāo)必須是對(duì)社會(huì)有價(jià)值。我們的政策建議也會(huì)遵循這個(gè)目標(biāo)。在增強(qiáng)和提升人類能力和互動(dòng)時(shí)需要小心，要避免對(duì)不同社會(huì)階層的歧視，要多鼓勵(lì)這個(gè)方向上公共政策的探討。
政策不需要更多也不要更嚴(yán)，而是應(yīng)該鼓勵(lì)有用的創(chuàng)新，生成并轉(zhuǎn)化專業(yè)知識(shí)，并廣泛促進(jìn)企業(yè)與公民對(duì)解決這些技術(shù)帶來的關(guān)鍵社會(huì)問題的責(zé)任感。長(zhǎng)期來看，人工智能將會(huì)帶來新財(cái)富，整個(gè)社會(huì)也要探討如何分配人工智能技術(shù)帶來的經(jīng)濟(jì)成果的分配問題。
為了幫助解決個(gè)人和社會(huì)對(duì)快速發(fā)展的人工智能技術(shù)產(chǎn)生的憂慮，該研究小組提供了三個(gè)一般性政策建議。
1.在所有層級(jí)的政府內(nèi)，制定一個(gè)積累人工智能技術(shù)專業(yè)知識(shí)的機(jī)制。有效的監(jiān)管需要更多的能理解并能分析人工智能技術(shù)、程序目標(biāo)以及整體社會(huì)價(jià)值之間互動(dòng)的專家。缺少足夠的安全或其他指標(biāo)方面的專業(yè)技術(shù)知識(shí)，政府官員或許會(huì)拒絕批準(zhǔn)一個(gè)非常有前途的應(yīng)用。或者缺少足夠訓(xùn)練的政府官員可能只會(huì)簡(jiǎn)單采納行業(yè)技術(shù)專家的說法，批準(zhǔn)一個(gè)未經(jīng)充分審查的敏感應(yīng)用進(jìn)入市場(chǎng)。不理解人工智能系統(tǒng)如何與人工行為和社會(huì)價(jià)值互動(dòng)，官員們會(huì)從錯(cuò)誤的角度來評(píng)估人工智能對(duì)項(xiàng)目目標(biāo)的影響。
2.為研究人工智能的平等、安全、隱私和對(duì)社會(huì)的影響掃清感知到的和實(shí)際的障礙。在一些相關(guān)的聯(lián)邦法律中，涉及專有的人工智能系統(tǒng)被如何評(píng)價(jià)的內(nèi)容還很模糊。當(dāng)人工智能系統(tǒng)帶來了一些實(shí)質(zhì)性后果需要被審查和追究責(zé)任時(shí)，這些法律的研究就非常重要了。
3.為人工智能社會(huì)影響的跨學(xué)科研究提供公共和私人資金支持。資金要投給那些能夠從多角度分析人工智能的跨學(xué)科團(tuán)隊(duì)，研究范圍從智能的基礎(chǔ)研究到評(píng)估安全、隱私和其他人工智能影響的方法。比如當(dāng)一輛自動(dòng)駕駛汽車或智能醫(yī)療設(shè)備出現(xiàn)失誤時(shí)，應(yīng)該由誰來負(fù)責(zé)？如何防止人工智能應(yīng)用產(chǎn)生非法歧視？誰來享有人工智能技術(shù)帶來的效率提升的成果？以及對(duì)于那些技能被淘汰的人應(yīng)該采取什么樣的保護(hù)？隨著人工智能被越來越廣泛和深入地整合到工業(yè)和消費(fèi)產(chǎn)品中，一些領(lǐng)域中需要調(diào)整現(xiàn)有的監(jiān)管制度以適應(yīng)人工智能創(chuàng)新，或者在某些情況下，根據(jù)廣泛接受的目標(biāo)和原則，從根本上重新配置監(jiān)管制度。短期內(nèi)制定出全面的人工智能政策法規(guī)似乎不太可能。但是，可以根據(jù)人工智能在各種情境中可能出現(xiàn)的法律和政策問題，廣泛列出多個(gè)類別。
未來的指導(dǎo)原則
面對(duì)人工智能技術(shù)將帶來的深刻變化，要求更強(qiáng)硬監(jiān)管的壓力是不可避免的。對(duì)人工智能是什么和不是什么的誤解可能引發(fā)對(duì)有益于所有人的技術(shù)的反對(duì)。那將會(huì)是一個(gè)悲劇性的錯(cuò)誤。扼殺創(chuàng)新或?qū)?chuàng)新轉(zhuǎn)移到它處的監(jiān)管方法同樣也只會(huì)適得其反。
一項(xiàng)最近公布的研究表明，西班牙和法國這樣的有嚴(yán)格、詳細(xì)法規(guī)的國家，在企業(yè)內(nèi)部孕育出了一種“合規(guī)心態(tài)”，其影響是抑制創(chuàng)新和強(qiáng)大的隱私保護(hù)。這些公司并不將隱私保護(hù)看作是內(nèi)部責(zé)任，也不會(huì)拿出專門的員工來促進(jìn)其業(yè)務(wù)或制造流程中的隱私保護(hù)，也不會(huì)參與必需范圍之外的隱私倡議或?qū)W術(shù)研究；這些公司只是將隱私看作是一項(xiàng)要滿足規(guī)范的行為。他們關(guān)注的重點(diǎn)是避免罰款或懲罰，而非主動(dòng)設(shè)計(jì)技術(shù)和采納實(shí)際技術(shù)來保護(hù)隱私。
相對(duì)地，美國和德國的監(jiān)管環(huán)境是模糊的目標(biāo)、強(qiáng)硬的透明度要求和有意義的執(zhí)法相結(jié)合，從而在促進(jìn)公司將隱私看作是他們的責(zé)任上做得更加成功。廣泛的法律授權(quán)鼓勵(lì)企業(yè)發(fā)展執(zhí)行隱私控制的專業(yè)人員和流程，他們會(huì)參與到外部的利益相關(guān)者中并采用他人建議以實(shí)現(xiàn)技術(shù)進(jìn)步。對(duì)更大的透明度的要求，使民間社會(huì)團(tuán)隊(duì)和媒體可以變成公共輿論中的可靠執(zhí)法者，從而使得隱私問題在公司董事會(huì)上更加突出，這又能讓他們進(jìn)一步投資隱私保護(hù)。
在人工智能領(lǐng)域也是一樣，監(jiān)管者可以強(qiáng)化涉及內(nèi)部和外部責(zé)任、透明度和專業(yè)化的良性循環(huán)，而不是定義狹窄的法規(guī)。隨著人工智能與城市的整合，它將繼續(xù)挑戰(zhàn)對(duì)隱私和責(zé)任等價(jià)值的已有保護(hù)。和其它技術(shù)一樣，人工智能也可以被用于好的或惡意的目的。
摘自 中國科技網(wǎng)
