來(lái)源：新華網(wǎng)

　　[導讀] 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(cháng)期研究和預測人工智能對人類(lèi)生活各方面的長(cháng)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(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(cháng)、繁榮以及前進(jìn)。雖然人工智能的從業(yè)者、研究人員和開(kāi)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，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)境中有遠見(jiàn)地、適當地實(shí)現功能性的能力?！?/p>

　　從這個(gè)角度來(lái)看，對人工智能的表征取決于個(gè)人愿意「適當地」并「有遠見(jiàn)地」為功能性提供合成軟件和硬件的信用。一個(gè)簡(jiǎn)單的電子計算器比人類(lèi)大腦進(jìn)行的計算要快得多，而且幾乎從來(lái)不出錯。

　　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(lái)看待此問(wèn)題，認為智力取決于一個(gè)多維頻譜。根據這一觀(guān)點(diǎn)，算術(shù)計算器和人腦之間的區別不是某一類(lèi)，而是規模、速度、自主性和通用性的區別。

　　同樣的因素可以用來(lái)評估智能的其他各例——智能語(yǔ)音識別軟件、動(dòng)物大腦、汽車(chē)巡航控制系統、圍棋程序、自動(dòng)調溫器——并將它們放置在頻譜中的適當位置。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(jiǎn)單的設備與今天的人工智能相比幾乎沒(méi)有相似之處。

　　從這個(gè)角度看，對人工智能的表征取決于個(gè)人愿意「適當地」并「有遠見(jiàn)地」為功能提供合成軟件和硬件的信用。一個(gè)簡(jiǎn)單的電子計算器比人腦計算快得多而且幾乎從不出錯。

　　人工智能的邊界已經(jīng)遠遠走在前面，而計算器可以實(shí)現的功能只是當下的智能手機的百萬(wàn)分之一。目前人工智能開(kāi)發(fā)人員正在改進(jìn)、推廣和擴大從當下的智能手機中所建立起來(lái)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)機器智能向前發(fā)展的過(guò)程。

　　具有諷刺意味的是，人工智能正在遭受失去話(huà)語(yǔ)權的長(cháng)期災難，最終不可避免地會(huì )被拉到邊界內，即一個(gè)被稱(chēng)為「人工智能效應（AI effect）」或「奇怪悖論（odd paradox）」的重復模式——人工智能將一種新技術(shù)帶到了普通大眾中去，人們習慣了這種技術(shù)，它便不再被認為是人工智能，然后更新的技術(shù)出現了。

　　同樣的模式將在未來(lái)繼續下去。人工智能并沒(méi)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)連續的、進(jìn)步的方式正在繼續更好的發(fā)展。

　　2.人工智能研究趨勢

　　直到本世紀初，人工智能的吸引點(diǎn)主要在于它所傳遞的承諾，但在過(guò)去的十五年里，大多這樣的承諾已經(jīng)得到兌現。人工智能技術(shù)已經(jīng)充斥了我們的生活。當它們成為了社會(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，轉向了建立有人類(lèi)意識的、值得信賴(lài)的智能系統。

　　幾個(gè)因素加速了人工智能革命。其中最重要的是機器學(xué)習的成熟，部分由云計算資源和廣泛普及的、基于 Web 的數據收集所支持。機器學(xué)習已經(jīng)被「深度學(xué)習（deep learning）」急劇地向前推進(jìn)了，后者是一種利用被稱(chēng)作反向傳播的方法所訓練的適應性人工神經(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(zhù)用于基本操作的硬件技術(shù)的顯著(zhù)進(jìn)步，比如感覺(jué)、感知和目標識別。數據驅動(dòng)型產(chǎn)品的新平臺和新市場(chǎng)，以及發(fā)現新產(chǎn)品和新市場(chǎng)的經(jīng)濟激勵機制，也都促進(jìn)了人工智能驅動(dòng)型技術(shù)的問(wèn)世。

　　所有這些趨勢都推動(dòng)著(zhù)下文中所描述的「熱門(mén)」研究領(lǐng)域。這種編輯只是想要通過(guò)某個(gè)或另一個(gè)度量標準來(lái)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(mén)」領(lǐng)域在過(guò)去幾年中并不怎么流行，而其他領(lǐng)域可能在未來(lái)會(huì )以類(lèi)似的方式重新出現。

　　大規模機器學(xué)習

　　許多機器學(xué)習的基本問(wèn)題（如監督和非監督學(xué)習）是很好理解的。目前努力的一個(gè)重點(diǎn)是將現有算法擴展到更龐大的數據集上。例如鑒于傳統方法能夠負擔得起若干遍數據集的處理，現代方法是為單次處理所設計；某些情況只認同非線(xiàn)性方法（那些只關(guān)注一部分數據的方法）。

　　深度學(xué)習

　　成功訓練卷積神經(jīng)網(wǎng)絡(luò )的能力非常有益于計算機視覺(jué)領(lǐng)域，比如目標識別、視頻標簽、行為識別和幾個(gè)相關(guān)變體的應用。深度學(xué)習也在大舉進(jìn)軍感知方面的其他領(lǐng)域，如音頻、語(yǔ)音和自然語(yǔ)言處理。

　　強化學(xué)習

　　鑒于傳統機器學(xué)習主要關(guān)注于模式挖掘，強化學(xué)習將重點(diǎn)轉移到?jīng)Q策中，這種技術(shù)將有助于促進(jìn)人工智能在現實(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)驗驅動(dòng)型的序貫決策框架，強化學(xué)習已經(jīng)存在了幾十年，但是這個(gè)方法在實(shí)踐中沒(méi)有取得很大成功，主要是由于表征和縮放的問(wèn)題。然而深度學(xué)習的 出現為強化學(xué)習提供了「一貼強心劑」。

　　由谷歌 DeepMind 開(kāi)發(fā)的計算機程序 AlphaGo 在五次對抗比賽中擊敗了人類(lèi)圍棋冠軍，它最近所取得的成功在很大程度上要歸功于強化學(xué)習。AlphaGo 是通過(guò)使用一個(gè)人類(lèi)專(zhuān)家數據庫來(lái)初始化一個(gè)自動(dòng)代理的方法被訓練的，但隨后提煉的方法是通過(guò)大量地自我對抗游戲以及應用強化學(xué)習。

　　機器人

　　至少在靜態(tài)環(huán)境中，機器人導航在很大程度上被解決了。目前的努力是在考慮如何訓練機器人以泛型的、預測性的方式與周?chē)澜邕M(jìn)行交互?；?dòng)環(huán)境中產(chǎn)生的一個(gè)自然要求是操縱，這是當下所感興趣的另一個(gè)話(huà)題。

　　深度學(xué)習革命只是剛開(kāi)始影響機器人，這在很大程度上是因為要獲得大的標記數據集還很困難，這些數據集已推動(dòng)了其他基于學(xué)習的人工智能領(lǐng)域。

　　免去了標記數據需求的強化學(xué)習可能會(huì )有助于彌合這一差距，但是它要求系統在沒(méi)有錯誤地傷害自己或其他系統的情況下能夠安全地探索出一個(gè)政策空 間。在可信賴(lài)的機器感知方面的進(jìn)步，包括計算機視覺(jué)、力和觸覺(jué)感知，其中大部分將由機器學(xué)習驅動(dòng)，它們將繼續成為推進(jìn)機器人能力的關(guān)鍵。

　　計算機視覺(jué)

　　計算機視覺(jué)是目前最突出的機器感知形式。它是受深度學(xué)習的興起影響最大的人工智能子領(lǐng)域。直到幾年前，支持向量機還是大多視覺(jué)分類(lèi)任務(wù)所選擇的 方法。但是特別是在 GPU 中的大規模計算的匯合，使得更大數據集的可獲得性（尤其是通過(guò)互聯(lián)網(wǎng)）以及神經(jīng)網(wǎng)絡(luò )算法的改進(jìn)導致了基準任務(wù)中能的顯著(zhù)提高（比如 ImageNet 中的分類(lèi)器）。計算機首次能夠比人類(lèi)更好地執行一些（狹義定義的）視覺(jué)分類(lèi)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(yǔ)言處理

　　自然語(yǔ)言處理是另一個(gè)通常與自動(dòng)語(yǔ)音識別一同被當做非?；钴S的機器感知領(lǐng)域。它很快成為一種擁有大數據集的主流語(yǔ)言商品。谷歌宣布目前其 20% 的手機查詢(xún)都是通過(guò)語(yǔ)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?，F在研究正在轉向發(fā)展精致而能干的系統，這些系統能夠通過(guò)對話(huà)而不只是響應程 式化的要求來(lái)與人互動(dòng)。

　　協(xié)同系統

　　協(xié)同系統方面進(jìn)行的是對模型和算法的研究，用以幫助開(kāi)發(fā)能夠與其他系統和人類(lèi)協(xié)同工作的自主系統。該研究依賴(lài)于開(kāi)發(fā)正式的協(xié)作模型，并學(xué)習讓系 統成為有效合作伙伴所需的能力。能夠利用人類(lèi)和機器的互補優(yōu)勢的應用正吸引到越來(lái)越多的興趣——對人類(lèi)來(lái)說(shuō)可以幫助人工智能系統克服其局限性，對代理來(lái)說(shuō) 可以擴大人類(lèi)的能力和活動(dòng)。

　　眾包和人類(lèi)計算

　　在完成許多任務(wù)方面由于人類(lèi)的能力是優(yōu)于自動(dòng)化方法的，因而在眾包和人類(lèi)計算方面，通過(guò)利用人類(lèi)智力來(lái)解決那些計算機無(wú)法單獨解決好的問(wèn)題，該 領(lǐng)域研究調查了增強計算機系統的方法，這項研究的提出僅僅是在大約 15 年前，現在它已經(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 )公民維護和更新的知識庫，并且在規模上和深度上遠遠超越了 傳統編譯的信息源，比如百科全書(shū)和詞典。

　　眾包專(zhuān)注于設計出創(chuàng )新的方式來(lái)利用人類(lèi)智力。Citizen 科學(xué)平臺激發(fā)志愿者去解決科學(xué)問(wèn)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(lèi)智力的自動(dòng)訪(fǎng)問(wèn)。通過(guò)短時(shí)間內收集大量標記訓練數據和/或人機交互數據，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，包括計算機視覺(jué)和自然語(yǔ)言處理?；谌祟?lèi)和機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 (統計技術(shù)的) 社會(huì )選擇

　　包括激勵結構、人工智能的經(jīng)濟和社會(huì )計算維度吸引到了新的關(guān)注。自 20 世紀 80 年代初以來(lái)，分布式人工智能和多代理（multi-agent）系統就已經(jīng)被研究了，于 20 世紀 90 年代末開(kāi)始有顯著(zhù)起色，并由互聯(lián)網(wǎng)所加速。一個(gè)自然的要求是系統能夠處理潛在的不恰當激勵，包括自己所感興趣的人類(lèi)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)注的主題包括計算機制設計（computational mechanism design）（一種激勵設計的經(jīng)濟理論，它尋求激勵兼容的系統，其中輸入會(huì )被如實(shí)報告）、(基于) 計算機 (統計技術(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）、激勵對齊信息獲?。╥ncentive aligned information elicitation）（預測市場(chǎng)、評分規則、同行預測）和算法博弈理論（algorithmic game theory）（市場(chǎng)、網(wǎng)絡(luò )游戲和室內游戲的平衡，比如poker——它在近幾年通過(guò)抽象技術(shù)和無(wú)遺憾學(xué)習（no-regret learning）已經(jīng)取得了顯著(zhù)的進(jìn)步）。

　　物聯(lián)網(wǎng)（IoT）

　　越來(lái)越多的研究機構致力于這樣一個(gè)想法：一系列設備可以相互連接以收集和分享它們的感官信息。這些設備可以包括家電、汽車(chē)、建筑、相機和其他東 西。雖然這就是一個(gè)技術(shù)和無(wú)線(xiàn)網(wǎng)絡(luò )連接設備的問(wèn)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)生的大量數據。目前這些設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)計算

　　傳統計算機執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(zhù)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的穩定性的模型。

　　目前這種「神經(jīng)形態(tài)的（neuromorphic）」計算機尚未清楚地顯示出巨大成功，而是剛開(kāi)始有望實(shí)現商業(yè)化。但可能它們在不久的將來(lái)會(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 )在應用景觀(guān)中已經(jīng)激起了異常波動(dòng)。當這些網(wǎng)絡(luò )可以在專(zhuān)門(mén)的神經(jīng)形態(tài)硬件上被訓練和被執 行，而不是像今天這樣在標準的馮諾依曼結構中被模擬時(shí)，一個(gè)更大的波動(dòng)可能會(huì )到來(lái)。

　　總體趨勢以及人工智能研究的未來(lái)

　　數據驅動(dòng)型范式的巨大成功取代了傳統的人工智能范式。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，部分原因是與現實(shí) 世界基礎相連接的持續挑戰。規劃（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，部分原因是它強烈依賴(lài)于建模假 設，難以在實(shí)際的應用中得到滿(mǎn)足。

　　基于模型的方法——比如視覺(jué)方面基于物理的方法和機器人技術(shù)中的傳統控制與制圖——已經(jīng)有很大一部分讓位于通過(guò)檢測手邊任務(wù)的動(dòng)作結果來(lái)實(shí)現閉環(huán)的數據驅動(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，被數據和深度學(xué)習顯著(zhù)成果的洪流所淹沒(méi)。

　　研究小組預計在接下來(lái)的十五年中，會(huì )有更多關(guān)注集中在針對人類(lèi)意識系統的開(kāi)發(fā)上，這意味著(zhù)它們是明確按照要與之互動(dòng)的人類(lèi)特點(diǎn)來(lái)進(jìn)行建模與設計的。很多人的興趣點(diǎn)在于試圖找到新的、創(chuàng )造性的方法來(lái)開(kāi)發(fā)互動(dòng)和可擴展的方式來(lái)教機器人。

　　此外在考慮社會(huì )和經(jīng)濟維度的人工智能時(shí)，物聯(lián)網(wǎng)型的系統——設備和云——正變得越來(lái)越受歡迎。在未來(lái)的幾年中，對人類(lèi)安全的、新的感知/目標識別能力和機器人平臺將會(huì )增加，以及數據驅動(dòng)型產(chǎn)品數量與其市場(chǎng)規模將會(huì )變大。

　　研究小組還預計當從業(yè)者意識到純粹的端到端深度學(xué)習方法的不可避免的局限性時(shí)，會(huì )重新出現一些人工智能的傳統形式。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、認知科學(xué)和心理學(xué)）的第一個(gè)五十年期間，保持對于該領(lǐng)域多方面顯著(zhù)進(jìn)展的覺(jué)察。

　　人工智能在各領(lǐng)域的應用

　　雖然人工智能的很多研究和應用會(huì )基于一些通用技術(shù)，比如說(shuō)機器學(xué)習，但在不同的經(jīng)濟和社會(huì )部門(mén)還是會(huì )有所區別。接下來(lái)的這部分將介紹人工智能研 究和應用的不同類(lèi)型，以及影響和挑戰。 基于這些分析，我們還預測了一個(gè)有代表性的北美城市在未來(lái) 15 年的趨勢，探討人工智能是如何開(kāi)始影響我們日常生活的，以及從現在到 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)特定應用領(lǐng)域之一，在這些領(lǐng)域，大眾需要對人工智能系統在執行危險任務(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(jiàn)慣，大多數人在嵌入人工智能系統的實(shí)體交通工具的首次體驗將強有力地影響公眾對人工智能的感知。

　　2.家庭服務(wù)機器人

　　未來(lái)十五年，在典型的北美城市里，機械和人工智能技術(shù)的共同進(jìn)步將有望增加家用機器人的使用的安全性和可靠性。特定用途的機器人將被用于快遞、清潔辦公室和強化安全，但在可預見(jiàn)的未來(lái)內，技術(shù)限制和可靠機械設備的高成本將繼續限制狹窄領(lǐng)域內應用的商業(yè)機會(huì )。

　　3.醫療

　　基于人工智能的應用在接下來(lái)的幾年能夠為千百萬(wàn)人改善健康狀況和生活質(zhì)量，但這是在它們被醫生、護士、病人所信任，政策、條例和商業(yè)障礙被移除 的情況下。主要的應用包括臨床決策支持、病人監控、輔導、在外科手術(shù)或者病人看護中的自動(dòng)化設備、醫療系統的管理。但研究和部署人工智能應用已經(jīng)被過(guò)時(shí)的 條例和激勵機制拉扯后腿。在這樣大型的、復雜的系統中，貧乏的人機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療的實(shí)踐。

　　4.教育

　　如何找到通過(guò)人工智能技術(shù)來(lái)最優(yōu)化整合人類(lèi)互動(dòng)與面對面學(xué)習將是一個(gè)關(guān)鍵性的挑戰，這一點(diǎn)醫療行業(yè)也是如此。自然語(yǔ)言處理，尤其是在與機器學(xué)習 和眾包結合以后，有力推進(jìn)了線(xiàn)上學(xué)習，并讓教師可以在擴大教室規模的同時(shí)，還能做到適應個(gè)體學(xué)生的學(xué)習需求與風(fēng)格。大型線(xiàn)上學(xué)習的系統所得的數據已經(jīng)為學(xué) 習分析產(chǎn)生了迅速增長(cháng)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)生達成學(xué)習目標的有力證據。一個(gè)典型美國北部城市 的未來(lái)五十年，智能導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模很有可能會(huì )顯著(zhù)擴大，因為意愿學(xué)習是基于虛擬現實(shí)的應用。但是計算機為基礎的學(xué) 習系統將無(wú)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(xiàn)教育的工具，那么在線(xiàn)資源將會(huì )產(chǎn)生重要的積極影響。在線(xiàn)教育資源的發(fā)展能通過(guò)提供工具和相對簡(jiǎn)單的使用培訓，讓支持國際教育項目的基金會(huì )更輕松地提供素質(zhì)教育。

　　消極的一面是，現在學(xué)生已有把自己的社會(huì )接觸限制在電子設備上的趨勢了，如果教育也越來(lái)越多地通過(guò)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 齡人有規律的面對面接觸會(huì )帶來(lái)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(kāi)始從與人工智能系統的互動(dòng)中受益 了。

　　5.低資源社區

　　人工智能存在許多機會(huì )去改善一個(gè)典型北美城市的低資源社區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 )有助于對抗失業(yè)和其他社會(huì )問(wèn)題帶來(lái)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

　　城市已經(jīng)為公共安全和防護部署人工智能技術(shù)了。到 2030 年，典型的北美城市將在很大程度上依賴(lài)它們。這些措施包括可以檢測到指向一個(gè)潛在犯罪的異?，F象的監控攝像機、無(wú)人機和預測警務(wù)應用。與大多數問(wèn)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(huì )存在一些合理的擔心，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(wú)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(shí)被使用。而且經(jīng)過(guò)仔細地部署，人工智能也可能有助于消除一些人類(lèi)決策中固有的偏見(jiàn)。人工智能工具也可能 被證明有助于警察管理犯罪現場(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，數字技術(shù)已經(jīng)給中等技能的工作，比如旅行代理，帶來(lái)了更大的影響。另一方面，數字系統所能完成的任務(wù)的范圍正隨著(zhù)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，包括一些機器之前無(wú)法執行的專(zhuān)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，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(lèi)型的工作。但新類(lèi)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 )出現劇烈的過(guò)渡。

　　人工智能影響的范圍也將擴大，從少量的替代或增強到完全的替代。比如說(shuō)，盡管大部分律師的工作還沒(méi)被自動(dòng)化，但人工智能在法律信息提取和主題建 模方面的應用已經(jīng)自動(dòng)化了一部分律師新人的工作。在不遠的將來(lái)，包括放射科醫生到卡車(chē)司機再到園丁等許多類(lèi)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(zhù)人工智能對許多功能的接管，擴展不再意味著(zhù)會(huì )帶來(lái)大型的組織。人類(lèi)企業(yè)可能存在一個(gè)自然的規模 大小，在這樣的企業(yè)中，CEO 能夠認識公司里的每一個(gè)人。通過(guò)將一些工作外包給人工智能驅動(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(guò)使某些特定任務(wù)更重要，以及通過(guò)產(chǎn)生新的交互模型創(chuàng )造新類(lèi)型的工作。復雜的信息系統可被用于創(chuàng ) 造新的市場(chǎng)，這往往會(huì )帶來(lái)降低門(mén)檻和增加參與的影響。人工智能界有一個(gè)活躍的研究社區在研究創(chuàng )造新市場(chǎng)和使已有市場(chǎng)更高效運作的進(jìn)一步方式。

　　盡管工作本身有內在的價(jià)值，但大部分人工作是為了購買(mǎi)他們看重的商品和服務(wù)。因為人工智能系統可以執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)間內迅速取代所有的人類(lèi)工作，包括那些需要認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，這需要在計算機可以接管的工作上替換掉人力。人工智能對認知型人類(lèi)工作的經(jīng)濟影響將類(lèi)似于自動(dòng)化和機器人在制造業(yè)工作上對人 類(lèi)的影響。許多中年工人失去了工廠(chǎng)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)濟地位。長(cháng)期來(lái)看，一個(gè)對勞動(dòng)力的更大影響是失去高薪的“認知型” 工作。

　　隨著(zhù)勞動(dòng)力在生產(chǎn)部門(mén)的重要性的下降，大多數市民可能會(huì )發(fā)現他們的工作價(jià)值不足以為一種社會(huì )可以接受的生活標準買(mǎi)單。這些變化將需要政治上的， 而非單純經(jīng)濟上的響應，需要考慮應該配置怎樣的社會(huì )安全網(wǎng)來(lái)保護人們免受經(jīng)濟大規模、結構性轉變的影響。如果缺少了緩解政策，這些轉變的一小群受益者將成 為社會(huì )的上層。短期來(lái)看，教育、再訓練和發(fā)明新的商品和服務(wù)可以減輕這些影響。更長(cháng)期來(lái)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 )被認為是一種財富創(chuàng )造的完全不同的機制，每個(gè)人都應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)濟成果的分配方式，相信不久之后就會(huì )開(kāi)始出現社會(huì )爭議了。

　　8.娛樂(lè )

　　在人工智能的驅動(dòng)下，互聯(lián)網(wǎng)已經(jīng)將用戶(hù)生成的內容作為了信息和娛樂(lè )的一個(gè)可行的來(lái)源?，F在我們有了共享和瀏覽博客、視頻、照片和專(zhuān)題討論的可信 平臺，此外還有各種各樣用戶(hù)生成的內容。為了繼續運行，這些平臺必須依賴(lài)現在正被積極開(kāi)發(fā)的技術(shù)，其中包括自然語(yǔ)言處理、信息檢索、圖像處理、眾包和機器 學(xué)習。比如，現在已經(jīng)開(kāi)發(fā)出了協(xié)同過(guò)濾這樣的算法，它可以基于用戶(hù)的人口統計學(xué)細節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，傳統的娛樂(lè )資源也已經(jīng)開(kāi)始擁抱人工智能。正如書(shū)和電影《點(diǎn)球成金》中給出的例子，職業(yè)運動(dòng)現在已經(jīng)轉向了密集的量化分析。除了總體表現統計，賽場(chǎng)上的信號也可以使用先進(jìn)的傳感器和相機進(jìn)行監控。用于譜曲和識別音軌的軟件已經(jīng)面世。

　　人類(lèi)對人工智能所驅動(dòng)的娛樂(lè )的熱情是很令人驚訝的，但也有人擔心這會(huì )導致人與人之間的人際交互減少。少數人預言說(shuō)人們會(huì )因為在屏幕上花費了太多 時(shí)間而不再與人互動(dòng)。孩子們常常更愿意在家里快樂(lè )地玩他們的設備，而不愿意出去和他們的朋友玩耍。人工智能會(huì )使娛樂(lè )更加交互、更加個(gè)性化和更有參與感，但 也應該引導一些研究來(lái)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(lái)的人工智能政策

　　人工智能應用的目標必須是對社會(huì )有價(jià)值。我們的政策建議也會(huì )遵循這個(gè)目標。在增強和提升人類(lèi)能力和互動(dòng)時(shí)需要小心，要避免對不同社會(huì )階層的歧視，要多鼓勵這個(gè)方向上公共政策的探討。

　　政策不需要更多也不要更嚴，而是應該鼓勵有用的創(chuàng )新，生成并轉化專(zhuān)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(lái)的關(guān)鍵社會(huì )問(wèn)題的責任感。長(cháng)期來(lái)看，人工智能將會(huì )帶來(lái)新財富，整個(gè)社會(huì )也要探討如何分配人工智能技術(shù)帶來(lái)的經(jīng)濟成果的分配問(wèn)題。

　　為了幫助解決個(gè)人和社會(huì )對快速發(fā)展的人工智能技術(shù)產(chǎn)生的憂(yōu)慮，該研究小組提供了三個(gè)一般性政策建議。

　　1.在所有層級的政府內，制定一個(gè)積累人工智能技術(shù)專(zhuān)業(yè)知識的機制。有效的監管需要更多的能理解并能分析人工智能技術(shù)、程序目標以及整體社會(huì )價(jià) 值之間互動(dòng)的專(zhuān)家。缺少足夠的安全或其他指標方面的專(zhuān)業(yè)技術(shù)知識，政府官員或許會(huì )拒絕批準一個(gè)非常有前途的應用?；蛘呷鄙僮銐蛴柧毜恼賳T可能只會(huì )簡(jiǎn)單 采納行業(yè)技術(shù)專(zhuān)家的說(shuō)法，批準一個(gè)未經(jīng)充分審查的敏感應用進(jìn)入市場(chǎng)。不理解人工智能系統如何與人工行為和社會(huì )價(jià)值互動(dòng)，官員們會(huì )從錯誤的角度來(lái)評估人工智 能對項目目標的影響。

　　2.為研究人工智能的平等、安全、隱私和對社會(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(zhuān)有的人工智能系統被如何評價(jià)的內容還很模糊。當人工智能系統帶來(lái)了一些實(shí)質(zhì)性后果需要被審查和追究責任時(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)科團隊，研究范圍從智能的基礎研究 到評估安全、隱私和其他人工智能影響的方法。比如當一輛自動(dòng)駕駛汽車(chē)或智能醫療設備出現失誤時(shí)，應該由誰(shuí)來(lái)負責？如何防止人工智能應用產(chǎn)生非法歧視？誰(shuí)來(lái) 享有人工智能技術(shù)帶來(lái)的效率提升的成果？以及對于那些技能被淘汰的人應該采取什么樣的保護？隨著(zhù)人工智能被越來(lái)越廣泛和深入地整合到工業(yè)和消費產(chǎn)品中，一 些領(lǐng)域中需要調整現有的監管制度以適應人工智能創(chuàng )新，或者在某些情況下，根據廣泛接受的目標和原則，從根本上重新配置監管制度。短期內制定出全面的人工智 能政策法規似乎不太可能。但是，可以根據人工智能在各種情境中可能出現的法律和政策問(wèn)題，廣泛列出多個(gè)類(lèi)別。

　　未來(lái)的指導原則

　　面對人工智能技術(shù)將帶來(lái)的深刻變化，要求更強硬監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(huì )是一個(gè)悲劇性的錯誤。扼殺創(chuàng )新或將創(chuàng )新轉移到它處的監管方法同樣也只會(huì )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格、詳細法規的國家，在企業(yè)內部孕育出了一種“合規心態(tài)”，其影響是抑制創(chuàng )新和強大的隱私保 護。這些公司并不將隱私保護看作是內部責任，也不會(huì )拿出專(zhuān)門(mén)的員工來(lái)促進(jìn)其業(yè)務(wù)或制造流程中的隱私保護，也不會(huì )參與必需范圍之外的隱私倡議或學(xué)術(shù)研究；這 些公司只是將隱私看作是一項要滿(mǎn)足規范的行為。他們關(guān)注的重點(diǎn)是避免罰款或懲罰，而非主動(dòng)設計技術(shù)和采納實(shí)際技術(shù)來(lái)保護隱私。

　　相對地，美國和德國的監管環(huán)境是模糊的目標、強硬的透明度要求和有意義的執法相結合，從而在促進(jìn)公司將隱私看作是他們的責任上做得更加成功。廣 泛的法律授權鼓勵企業(yè)發(fā)展執行隱私控制的專(zhuān)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)現技術(shù)進(jìn)步。對更大的透明度的要求，使民間社 會(huì )團隊和媒體可以變成公共輿論中的可靠執法者，從而使得隱私問(wèn)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。

　　在人工智能領(lǐng)域也是一樣，監管者可以強化涉及內部和外部責任、透明度和專(zhuān)業(yè)化的良性循環(huán)，而不是定義狹窄的法規。隨著(zhù)人工智能與城市的整合，它將繼續挑戰對隱私和責任等價(jià)值的已有保護。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。