国产欧美日韩精品a在线观看-国产欧美日韩精品一区二区三区-国产欧美日韩精品综合-国产欧美中文字幕-一区二区三区精品国产-一区二区三区精品国产欧美

來源：新華網(wǎng)

　　[導(dǎo)讀] 9月1日，斯坦福大學(xué)“人工智能百年研究”項目發(fā)布了首篇名為《2030年的人工智能與生活》的研究報告，該報告是這項百年研究系列中的第一篇。該項目成立于2014年，旨在長期研究和預(yù)測人工智能對人類生活各方面的長期影響。

　　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、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「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，而智能就是使實體在其環(huán)境中有遠(yuǎn)見地、適當(dāng)?shù)貙崿F(xiàn)功能性的能力。」

　　從這個角度來看，對人工智能的表征取決于個人愿意「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。一個簡單的電子計算器比人類大腦進(jìn)行的計算要快得多，而且?guī)缀鯊膩聿怀鲥e。

　　電子計算器智能嗎？像 Nilsson 一樣，研究小組以一種寬泛的視角來看待此問題，認(rèn)為智力取決于一個多維頻譜。根據(jù)這一觀點，算術(shù)計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估智能的其他各例——智能語音識別軟件、動物大腦、汽車巡航控制系統(tǒng)、圍棋程序、自動調(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算器列在了智能頻譜中，但是如此簡單的設(shè)備與今天的人工智能相比幾乎沒有相似之處。

　　從這個角度看，對人工智能的表征取決于個人愿意「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。一個簡單的電子計算器比人腦計算快得多而且?guī)缀鯊牟怀鲥e。

　　人工智能的邊界已經(jīng)遠(yuǎn)遠(yuǎn)走在前面，而計算器可以實現(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。事實上人工智能領(lǐng)域是一個不斷努力推動機(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)的長期災(zāi)難，最終不可避免地會被拉到邊界內(nèi)，即一個被稱為「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」一個驚雷般改變生活的產(chǎn)品。相反人工智能技術(shù)以一個連續(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

　　直到本世紀(jì)初，人工智能的吸引點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)它們成為了社會的一股中心力量時，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的、值得信賴的智能系統(tǒng)。

　　幾個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)識別。數(shù)據(jù)驅(qū)動型產(chǎn)品的新平臺和新市場，以及發(fā)現(xiàn)新產(chǎn)品和新市場的經(jīng)濟(jì)激勵機(jī)制，也都促進(jìn)了人工智能驅(qū)動型技術(shù)的問世。

　　所有這些趨勢都推動著下文中所描述的「熱門」研究領(lǐng)域。這種編輯只是想要通過某個或另一個度量標(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)域更重要或更有價值。事實上目前的一些「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。目前努力的一個重點是將現(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；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算機(jī)視覺領(lǐng)域，比如目標(biāo)識別、視頻標(biāo)簽、行為識別和幾個相關(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)實世界中更深入地進(jìn)入相關(guān)研究和實踐領(lǐng) 域。作為一種經(jīng)驗驅(qū)動型的序貫決策框架，強(qiáng)化學(xué)習(xí)已經(jīng)存在了幾十年，但是這個方法在實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)的計算機(jī)程序 AlphaGo 在五次對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歸功于強(qiáng)化學(xué)習(xí)。AlphaGo 是通過使用一個人類專家數(shù)據(jù)庫來初始化一個自動代理的方法被訓(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)測性的方式與周圍世界進(jìn)行交互。互動環(huán)境中產(chǎn)生的一個自然要求是操縱，這是當(dāng)下所感興趣的另一個話題。

　　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為要獲得大的標(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)可能會有助于彌合這一差距，但是它要求系統(tǒng)在沒有錯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政策空 間。在可信賴的機(jī)器感知方面的進(jìn)步，包括計算機(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，它們將繼續(xù)成為推進(jìn)機(jī)器人能力的關(guān)鍵。

　　計算機(jī)視覺

　　計算機(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添加字幕。

　　自然語言處理

　　自然語言處理是另一個通常與自動語音識別一同被當(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)證明了實時翻譯的可能性。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)能夠通過對話而不只是響應(yīng)程 式化的要求來與人互動。

　　協(xié)同系統(tǒng)

　　協(xié)同系統(tǒng)方面進(jìn)行的是對模型和算法的研究，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)勢的應(yīng)用正吸引到越來越多的興趣——對人類來說可以幫助人工智能系統(tǒng)克服其局限性，對代理來說 可以擴(kuò)大人類的能力和活動。

　　眾包和人類計算

　　在完成許多任務(wù)方面由于人類的能力是優(yōu)于自動化方法的，因而在眾包和人類計算方面，通過利用人類智力來解決那些計算機(jī)無法單獨解決好的問題，該 領(lǐng)域研究調(diào)查了增強(qiáng)計算機(jī)系統(tǒng)的方法，這項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，它是一個由網(wǎng)絡(luò)公民維護(hù)和更新的知識庫，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)計出創(chuàng)新的方式來利用人類智力。Citizen 科學(xué)平臺激發(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，則提供對所需要的人類智力的自動訪問。通過短時間內(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) 計算機(jī) (統(tǒng)計技術(shù)的) 社會選擇

　　包括激勵結(jié)構(gòu)、人工智能的經(jīng)濟(jì)和社會計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。一個自然的要求是系統(tǒng)能夠處理潛在的不恰當(dāng)激勵，包括自己所感興趣的人類參加者或公司，以及自動化的、基于人工 智能的、代表它們的代理。

　　備受關(guān)注的主題包括計算機(jī)制設(shè)計（computational mechanism design）（一種激勵設(shè)計的經(jīng)濟(jì)理論，它尋求激勵兼容的系統(tǒng)，其中輸入會被如實報告）、(基于) 計算機(jī) (統(tǒng)計技術(shù)的) 社會選擇（computational social choice）（一種有關(guān)如何為替代品排列順序的理論）、激勵對齊信息獲取（incentive aligned information elicitation）（預(yù)測市場、評分規(guī)則、同行預(yù)測）和算法博弈理論（algorithmic game theory）（市場、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「巴別塔」。

　　神經(jīng)形態(tài)計算

　　傳統(tǒng)計算機(jī)執(zhí)行計算的馮諾依曼模型，它分離了輸入/輸出、指令處理和存儲器模塊。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）」計算機(jī)尚未清楚地顯示出巨大成功，而是剛開始有望實現(xiàn)商業(yè)化。但可能它們在不久的將來會變 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。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，一個更大的波動可能會到來。

　　總體趨勢以及人工智能研究的未來

　　數(shù)據(jù)驅(qū)動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 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手邊任務(wù)的動作結(jié)果來實現(xiàn)閉環(huán)的數(shù)據(jù)驅(qū)動型方法。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)計在接下來的十五年中，會有更多關(guān)注集中在針對人類意識系統(tǒng)的開發(fā)上，這意味著它們是明確按照要與之互動的人類特點來進(jìn)行建模與設(shè)計的。很多人的興趣點在于試圖找到新的、創(chuàng)造性的方法來開發(fā)互動和可擴(kuò)展的方式來教機(jī)器人。

　　此外在考慮社會和經(jīng)濟(jì)維度的人工智能時，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，對人類安全的、新的感知/目標(biāo)識別能力和機(jī)器人平臺將會增加，以及數(shù)據(jù)驅(qū)動型產(chǎn)品數(shù)量與其市場規(guī)模將會變大。

　　研究小組還預(yù)計當(dāng)從業(yè)者意識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，會重新出現(xiàn)一些人工智能的傳統(tǒng)形式。我們不鼓勵年輕的研究人員重 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)）的第一個五十年期間，保持對于該領(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)和社會部門還是會有所區(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)測了一個有代表性的北美城市在未來 15 年的趨勢，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

　　交通可能會成為首批幾個特定應(yīng)用領(lǐng)域之一，在這些領(lǐng)域，大眾需要對人工智能系統(tǒng)在執(zhí)行危險任務(wù)中的可靠性和安全性加以信任。自動化交通會很快司空見慣，大多數(shù)人在嵌入人工智能系統(tǒng)的實體交通工具的首次體驗將強(qiáng)有力地影響公眾對人工智能的感知。

　　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。

　　3.醫(yī)療

　　基于人工智能的應(yīng)用在接下來的幾年能夠為千百萬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)被過時的 條例和激勵機(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)險也阻礙了人工智能在醫(yī)療的實踐。

　　4.教育

　　如何找到通過人工智能技術(shù)來最優(yōu)化整合人類互動與面對面學(xué)習(xí)將是一個關(guān)鍵性的挑戰(zhàn)，這一點醫(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，還能做到適應(yīng)個體學(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)生了迅速增長的動力。

　　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)模很有可能會顯著擴(kuò)大，因為意愿學(xué)習(xí)是基于虛擬現(xiàn)實的應(yīng)用。但是計算機(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簡單的使用培訓(xùn)，讓支持國際教育項目的基金會更輕松地提供素質(zhì)教育。

　　消極的一面是，現(xiàn)在學(xué)生已有把自己的社會接觸限制在電子設(shè)備上的趨勢了，如果教育也越來越多地通過網(wǎng)絡(luò)進(jìn)行，那么在學(xué)生的社會發(fā)展階段缺乏與同 齡人有規(guī)律的面對面接觸會帶來怎樣的影響呢？特定的技術(shù)已經(jīng)表明這會產(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)的互動中受益 了。

　　5.低資源社區(qū)

　　人工智能存在許多機(jī)會去改善一個典型北美城市的低資源社區(qū)中的人們的生活狀況。有了有針對性的激勵和資金優(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。人工智能可能會有助于對抗失業(yè)和其他社會問題帶來的恐懼，它或許會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到指向一個潛在犯罪的異常現(xiàn)象的監(jiān)控攝像機(jī)、無人機(jī)和預(yù)測警務(wù)應(yīng)用。與大多數(shù)問題一樣，好處與風(fēng)險并存。

　　獲得公眾信任是至關(guān)重要的。雖然會存在一些合理的擔(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)變得更有針對性并只在需要時被使用。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，或是搜索和救援活動，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被邊緣化的恐懼。在短期內(nèi)，人工智能很有可能會取代任務(wù)，而非工作，同時還將會創(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受到影響。

　　人工智能也可能會影響工作場所的大小和位置。隨著人工智能對許多功能的接管，擴(kuò)展不再意味著會帶來大型的組織。人類企業(yè)可能存在一個自然的規(guī)模 大小，在這樣的企業(yè)中，CEO 能夠認(rèn)識公司里的每一個人。通過將一些工作外包給人工智能驅(qū)動的勞動力市場，企業(yè)會傾向于自然的大小。

　　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，這往往會帶來降低門檻和增加參與的影響。人工智能界有一個活躍的研究社區(qū)在研究創(chuàng)造新市場和使已有市場更高效運作的進(jìn)一步方式。

　　盡管工作本身有內(nèi)在的價值，但大部分人工作是為了購買他們看重的商品和服務(wù)。因為人工智能系統(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，實實在在地讓每個人都更富有。

　　人們害怕人工智能會在短短一代人的時間內(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 會逐漸侵入幾乎所有就業(yè)領(lǐng)域，這需要在計算機(jī)可以接管的工作上替換掉人力。人工智能對認(rèn)知型人類工作的經(jīng)濟(jì)影響將類似于自動化和機(jī)器人在制造業(yè)工作上對人 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工作的家庭和社會中的社會經(jīng)濟(jì)地位。長期來看，一個對勞動力的更大影響是失去高薪的“認(rèn)知型” 工作。

　　隨著勞動力在生產(chǎn)部門的重要性的下降，大多數(shù)市民可能會發(fā)現(xiàn)他們的工作價值不足以為一種社會可以接受的生活標(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。更長期來看，目前的社會安全網(wǎng)可能需要進(jìn)化成更好的、服務(wù)于每個人的社會服 務(wù)。

　　人工智能可能會被認(rèn)為是一種財富創(chuàng)造的完全不同的機(jī)制，每個人都應(yīng)該從全世界人工智能所生產(chǎn)的財富中分得一部分。對于人工智能技術(shù)所創(chuàng)造的經(jīng)濟(jì)成果的分配方式，相信不久之后就會開始出現(xiàn)社會爭議了。

　　8.娛樂

　　在人工智能的驅(qū)動下，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，此外還有各種各樣用戶生成的內(nèi)容。為了繼續(xù)運行，這些平臺必須依賴現(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《點球成金》中給出的例子，職業(yè)運動現(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，賽場上的信號也可以使用先進(jìn)的傳感器和相機(jī)進(jìn)行監(jiān)控。用于譜曲和識別音軌的軟件已經(jīng)面世。

　　人類對人工智能所驅(qū)動的娛樂的熱情是很令人驚訝的，但也有人擔(dān)心這會導(dǎo)致人與人之間的人際交互減少。少數(shù)人預(yù)言說人們會因為在屏幕上花費了太多 時間而不再與人互動。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。人工智能會使娛樂更加交互、更加個性化和更有參與感，但 也應(yīng)該引導(dǎo)一些研究來理解如何利用這些性質(zhì)為個人和社會利益服務(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)必須是對社會有價值。我們的政策建議也會遵循這個目標(biāo)。在增強(qiáng)和提升人類能力和互動時需要小心，要避免對不同社會階層的歧視，要多鼓勵這個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)該鼓勵有用的創(chuàng)新，生成并轉(zhuǎn)化專業(yè)知識，并廣泛促進(jìn)企業(yè)與公民對解決這些技術(shù)帶來的關(guān)鍵社會問題的責(zé)任感。長期來看，人工智能將會帶來新財富，整個社會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。

　　為了幫助解決個人和社會對快速發(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一般性政策建議。

　　1.在所有層級的政府內(nèi)，制定一個積累人工智能技術(shù)專業(yè)知識的機(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)以及整體社會價 值之間互動的專家。缺少足夠的安全或其他指標(biāo)方面的專業(yè)技術(shù)知識，政府官員或許會拒絕批準(zhǔn)一個非常有前途的應(yīng)用。或者缺少足夠訓(xùn)練的政府官員可能只會簡單 采納行業(yè)技術(shù)專家的說法，批準(zhǔn)一個未經(jīng)充分審查的敏感應(yīng)用進(jìn)入市場。不理解人工智能系統(tǒng)如何與人工行為和社會價值互動，官員們會從錯誤的角度來評估人工智 能對項目目標(biāo)的影響。

　　2.為研究人工智能的平等、安全、隱私和對社會的影響掃清感知到的和實際的障礙。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)被如何評價的內(nèi)容還很模糊。當(dāng)人工智能系統(tǒng)帶來了一些實質(zhì)性后果需要被審查和追究責(zé)任時，這些法律的研究就非常重要了。

　　3.為人工智能社會影響的跨學(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，研究范圍從智能的基礎(chǔ)研究 到評估安全、隱私和其他人工智能影響的方法。比如當(dāng)一輛自動駕駛汽車或智能醫(yī)療設(shè)備出現(xiàn)失誤時，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，廣泛列出多個類別。

　　未來的指導(dǎo)原則

　　面對人工智能技術(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。對人工智能是什么和不是什么的誤解可能引發(fā)對有益于所有人的技術(shù)的反對。那將會是一個悲劇性的錯誤。扼殺創(chuàng)新或?qū)?chuàng)新轉(zhuǎn)移到它處的監(jiān)管方法同樣也只會適得其反。

　　一項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要滿足規(guī)范的行為。他們關(guān)注的重點是避免罰款或懲罰，而非主動設(shè)計技術(shù)和采納實際技術(shù)來保護(hù)隱私。

　　相對地，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，他們會參與到外部的利益相關(guān)者中并采用他人建議以實現(xiàn)技術(shù)進(jìn)步。對更大的透明度的要求，使民間社 會團(tuán)隊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)對隱私和責(zé)任等價值的已有保護(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。