會否期待有天腦裡的晶片能連接這樣的人工電腦

Dalvm

機器狗碾壓人類，人類AI歷史上又畫上了重要的一筆
機器狗碾壓人類，人類AI歷史上又畫上了重要的一筆
這兩年我最喜歡看的節目，不是真人秀也不是影視劇，而是人機大戰。

看著機器人或者說AI，在各個領域上與人類的智慧拼殺，真是一件悲欣交集的事情。一方面能拿出來戰鬥的AI，必然是各大公司甚至國家最尖端且成熟的技術。其背後隱含著互聯網科技領域等待爆發的明天，甚至昭示了人類未來何在。

但與此同時，看著機器人把人類在一個又一個領域打倒在地，也多少有一絲無奈。比如Master橫掃圍棋界的時候，人類智力比賽的強者前赴後繼地迎上去，竟然給人以莫名的悲壯感。

可能現實就是如此，我們這代人之後會目睹一個又一個領域的AI完胜人類。機器不再只提供力量和精準度，還會提供智慧、邏輯和強大的判斷力。

剛剛看過的一場比賽，又讓我升起了對這個話題的新興趣。江蘇衛視著名的《一站到底》中，搜狗派出的機器狗汪仔出手了。這背後的玄機很深，今天咱就來深八一下。



【機器狗大肆出手，王小川許諾的人機大戰成真】

先來說說前因後果。

去年12月，王小川登上問答類熱門節目《一站到底》，一路過關斬將，一直挑戰到第6位守擂者才以6比8惜敗。離開的時候，王小川“放下狠話”，表示“會讓搜狗答題機器人來為我報仇的！”。這消息一出，無數一站到底的粉絲和人工智能、科技發燒友，都在等待搜狗機器人在2017年登陸《一站到底》。

過完年，這個約定果然成真。

2月6日，集合了搜狗、清華大學天工智能計算研究院等頂尖技術團隊力量打造的問答機器人——汪仔，登陸了全新改版的《一站到底》，作為最終的守關大將。

整場比賽看完，汪仔果然不負眾望，成功戰勝了所有人類挑戰者。其答題表現基本是碾壓級別的。



根據王小川的介紹，汪仔是搜狗歷時9個月耗資4000多萬打造的人工智能問答機器人，集合了語音識別，圖像識別，語義理解等多種AI技術，尤其融合了搜狗立知問答系統。

也許有人覺得，能在圍棋、國際象棋、德州撲克上完虐人類的人工智能，還能進行大數據搜索，難道比人類更善於答題不是很正常嗎？

事實上絕不止如此，機器狗能跟人類一起聽題答題，背後的腦洞可不是一般的大

【問答機器人腦洞很大，AI之路必須完成這次進化】

阿爾法圍棋和深藍這類的人工智能係統，主要的功能體現在於一定規則下的邏輯運算。而運算本身就是人工智能所擅長的，所以人類一方其實才是處在弱勢。

但是問答遊戲則不是如此，雖然AI可以通過網絡和大數據盡快找到答案。但是整個遊戲環節卻涉及機器對自然語言的理解，聽懂主持人的提問、理解問題、推理答案，並且準確找出答案，這已屬於人工智能領域最高級別的技術挑戰。

人作為生物體，本身就具有感知、思考、釋放信息所需要的一切生物機能，這是天生並且進行了數十萬年進化而成的。是人類的終極看家本領之一。

而問答機器人需要用AI來解決這一系列聽題答題的過程，所需要的技術和解決方案就變得非常複雜。以汪仔為例，從聽到主持人的問題開始，AI機器人需要以最快的速度識別語言信息，然後識別語義，並立體化搜索出精準答案。要知道這一切都是在搶答的情況下進行的，整個流程速度必須與人類選手極其接近才有勝利的可能。

更讓我在意的是，汪仔不僅可以答題，在與現場主持人嘉賓的閒聊中也絲毫不遜色。問答機器人並不少見，但能如此自然，且識別速度極快、會思考的問答機器人卻是第一次見。

不論是比賽中的問答，還是答題外的對話，搜狗汪仔背後依靠的是基於人工智能技術的搜狗立知問答系統。立知是搜狗研發的面向未來的搜索技術，在理解用戶的問題或信息需求後，利用海量網絡信息及大規模知識庫，直接給出答案，方便快捷，適用於多種交互方式。其背後蘊含語義分析，問題理解，信息抽取，知識圖譜，信息檢索，深度學習等眾多技術。而將這些技術整合到一起，形成完整的AI系統，可說是整體AI之路上的必經進化。

當機器人開始獨立思考並能與人類溝通，後面的想像空間將會來到一個全新的維度。

【汪仔背後的立知問答系統，顛覆潛能值得深思】

搜索這件事，可說是PC互聯網時代最大的壯舉之一。人類運用關鍵詞搜索，將人與信息的鏈接速度推向了全新極限。

但是這依舊不夠，因為人類追求知識和信息的對接可能是永無止境的。具體到搜索來說，人類通過搜索解決問題，必須建立在對一個事物有精準關鍵詞把握的基礎上，再尋找與其相關的周邊信息，進行多端信息整理和判斷，最終得到一個答案。這個流程是非常冗長而浪費時間的。

比如說我們想知道治療某種病用什麼藥物，就要先搜這種病。再去看搜索百科中對這種病的介紹，再去看權威醫學家對這種病的解釋，再去看其它患者的治療方式，最終選擇一種可能最有效的治療藥物。與此同時，還要避開無數廣告和虛假信息的干擾。堪稱一場邏輯迷宮。

而更有效的信息尋找方式，顯然是我們在搜索引擎中問“治療XX病怎麼辦”，然後立刻出現藥物、醫院選擇以及其它注意事項，我們按圖索驥就好。

搜狗搜索“立知”功能能夠理解用戶“想要的東西”，同時將用戶“想要的東西”完整地呈現出來。在搜索過程中，不是單純地釋放出大量無關痛癢的信息，而是直接給用戶完美的答案，乃至一個完整的解決方案，讓用戶可以在多種場景下提高答案獲取準確度，更好獲得搜索引擎所帶來的便捷體驗。

所謂“立知”，就是立刻知道的意思。基於人工智能的搜索方案，可以給用戶提供短答案，長答案，觀點互斥等多種答案模式。立知問答系統會根據多種權威知識數據庫、全網信息，進行智能化的論證和結論給出，將智能搜索的服務體驗拉升到新的高度。

可以說搜索本身就是一種AI，這背後蘊含的，是整個信息對接體系的宏偉革命。王小川和搜狗之所以敢全情投入人工智能，看到的可能是更遠處的物種級風景。

【結束語】

我們知道，認知和解答正在日益成為一種高度重要的戰略資源，甚至是一種昂貴的商業模式。

如果人工智能搶占了這個風口，整個社會間的信息獲取成本將會瘋狂拉低。這種影響顯然是跨時代的。搜狗派出的是一隻機器狗，背後真可謂是“細思恐極”。

人類與AI，必將上演漫長的愛恨情仇，讓我們慢慢看，慢慢聊，慢慢恐慌，慢慢欣慰。

Dalvm

絕密報告流出！美國已經把人工智能上升到國家戰略
2016/11/05 來源：蘭順正
美國白宮本月發佈了兩份重磅報告《為未來人工智能做好準備》以及《美國國家人工智能研究與發展戰略計劃》（關注微信公眾號AI世代，回復「白宮」可獲得這兩份報告的中文版下載連結），詳細闡述了美國未來的人工智能發展規劃以及給政府工作帶來的挑戰與機遇。



【溫和消毒 主子都安心】適合有寵物的你，草本香氣，全屋消毒殺菌
Sponsored by 花王 萬潔靈
乾貨總結

自誕生以來，人工智能研究經歷了3次技術浪潮。第一次浪潮專注於人類知識，開始於上世紀80年代。第二次浪潮開始於00年代，並一直延續到現在。其標誌是機器學習的興起。目前或許正在迎來「第三次浪潮」，即專注於解釋性的通用人工智能技術。

從2013年至2014年，風投對人工智能創業公司的投資增加到了4倍。人工智能應用目前也給大企業帶來了明顯的收入。人工智能對金融系統的影響可能更大：自動交易已佔全球金融交易的約一半，交易額達到了萬億美元量級。

人工智能系統仍存在自身的局限性。大部分機器學習系統容易被複雜的場景、疊加的物體所迷惑，但即使是幼兒也能輕鬆完成「場景分析」。對人類來說簡單的場景理解對機器來說依然困難。

各國論文中提到「深度學習」或「深度神經網絡」的篇數，中國在2013年已經超過了美國。

AI的發展給社會帶來了許多好處，還提升了美國的國家競爭力。然而，跟大部分革命性的技術一樣，AI對一些領域造成了威脅，引發了安全、倫理和法律問題，甚至對工作和經濟都造成了影響。目前的AI技術不能保證AI系統的安全以及可預見性。

儘管許多AI算法的最終目標是像人類那樣解決問題，但我們不是非常了解AI的理論能力和極限，也不知道AI算法在解決問題時能有多接近人類。

AI可以分為「狹義AI」和「通用AI」。狹義AI系統能夠執行專門的、定義明確的任務，比如語音識別、圖像識別和翻譯。通用AI的長期目標是創造在眾多認知領域上像人類智能那樣靈活和全面的系統，這些認知領域包括學習、語言、感知、推理、創造能力等。


【清卡數低息之選】幫您還清債務
Sponsored by 渣打結餘轉戶計劃
白宮報告：為未來人工智能做準備

美國國家科學研究委員會技術委員會執行辦公室

━━━━━

介紹

人工智能有可能幫助解決一些社會面臨的最大的挑戰。智能機車可能在全球範圍每年挽救數十萬人的生命，並為老年人和殘疾人士增加移動性；智能建築可以節約能源，減少碳排放；精密藥物可能會延長生命，提高生活質量；精明的政府可以更快、更準確地為民眾服務，更好地保護那些有風險的人，並節約資金；人工智能增強教育能夠有助於教師給每一個孩子提供專門教育，為安全和充實的生活開啟大門。這些只是一些潛在的好處，如果人工智能技術的開發着眼於它的效益，還需仔細考慮其風險和挑戰。

美國在人工智能的基礎研究領域一直處於最前沿，主要是由聯邦研究基金和政府實驗室來支持該領域的發展。聯邦政府對公開的人工智能的研發，主要是通過網絡和信息技術的研究和發展（NITRD）項目負責管理，並得到了國防高級研究計劃局（DARPA）、國家科學基金會（NSF）、美國國立衛生研究院（NIH），海軍研究辦公室（ONR）、以及情報先進研究項目署（IARPA）等機構的主要支持。國家戰略計算倡議、大數據倡議、先進創新神經網絡技術倡議同樣也間接促進了人工智能的研究發展。當前和預計的人工智能技術的好處是巨大的，能夠增加國家的經濟活力和生產力，以及民眾的複利。一份補充文件詳細透露了聯邦政府資助的人工智能領域的研發戰略計劃。


See What Whole Mouth Dental Implants Should Cost
Sponsored by Offer Finder | Search Ads
在為美國未來進行準備的貢獻中，人工智能扮演着越來越重要的作用。我們調查了人工智能當前的狀況，其現有的和潛在的應用，以及人工智能發展過程中引發的社會和公共政策問題。我們還提出了由聯邦機構和其他參與者執行的特定建議。

人工智能簡史

在電子計算出現之初，讓計算機像人類一樣睿智就一直是電腦專家夢想。雖然「人工智能」一詞直至1956年才出現，但其根源可以追溯到至少上世紀40年代，艾倫•特靈（Alan Turing）在1950年發表的著名論文《計算機器與智能》（Computing Machinery and Intelligence）中特別提到了人工智能的概念。特靈在論文中提出了一個問題：「機器能思考嗎？」該論文還提供了一個測試來回答該問題，並提出了一種可能性，即機器可能被編程像小孩子那樣從經驗中學習。

在隨後的幾十年里，人工智能經歷了跌宕起伏。一些人工智能研究的問題，證明人工智能的研究比預期困難，還證明當時技術上存在不可克服的問題。直至20世紀90年代後期，隨着研究人員更多地關注人工智能的子問題，以及人工智能應用到現實世界的問題，例如圖像識別和醫療診斷，人工智能的研究才開始加速，早期的里程碑是1997年IBM開發的計算機「深藍」戰勝了國際象棋世界冠軍加里•卡斯帕羅夫（Garry Kasparov）。其它重大的突破包括國防高級研究計劃局的認知主體學習和組織，這導致蘋果Siri的出現；IBM開發的回答計算機Watson在益智問答遊戲節目《危險邊緣》中獲勝；本世紀國防高級研究計劃局成功的舉辦無人駕駛汽車大賽。


白蘭氏五味子芝麻錠 5天體驗包 $65免運費
Sponsored by 白蘭氏
本輪對人工智能開發的熱情和取得的成績始於2010年前後，它主要受三個因素的推動：來自政府、電子商務、商業、社交媒體、科學等源頭的大數據，為極大的改進機器學習方法和算法提供了原始材料；這反過來需要依靠更強大的計算能力。在這一時期，改進的速度讓人工智能專家們感到驚訝。舉例來說，在圖像識別領域，人類的錯誤率大約為5%；但是最好的人工智能結果，以及從2011年的錯誤率26%，改進至2015年的錯誤率3.5%。

與此同時，科技產業一直在增加其在人工智能領域的投資。2016年，谷歌行政總裁桑達爾•皮查伊（Sundar Pichai）就表示，「機器學習（人工智能的一個子領域）是核心，它改變了我們重新思考我們如何做任何事情的方式。我們正把機器學習應用到公司所有產品中，無論是搜索、廣告、YouTube或是應用商城Play。我們正處於機器學習開發的早起階段，但是你們將看到我們把機器學習技術應用於所有的領域。對人工智能的這一觀點，極大的影響了軟件的開發和交付方式，並得到了科技產業行政總裁們的廣泛認可，其中包括IBM行政總裁羅睿蘭（Ginni Rometty）。她曾經表示，IBM當前已為人工智能投入重注。


【儲KOINS贏四季酒店海景套房】
Sponsored by Klook
什麼是人工智能？

目前並沒有一個行業從業人員普遍接受的單一人工智能定義。有些人把人工智能定義為是計算機化的系統，展示通常被認為是需要智慧的行為；其他人將人工智能定義為一個系統，能夠無論在遇到的什麼樣的真實世界中，都合理地解決複雜的問題，或採取適當的行動實現它的目標。

專家們針對問題和解決方案把人工智能進行了分類。流行的人工智能教科書採用了以下分類：（1）系統，像人類一樣思考（例如，認知架構和神經網絡）；（2）像人類一樣的系統（例如，通過自然語言處理通過圖靈測試，知識表示，自動推理，以及學習；（3）合理思考，推理和優化的系統；（4）理性表現的系統（例如，智能軟件代理和嵌入式機械人，能夠通過感知、規劃、推理、學習、溝通、決策和行動還實現目標）。另外，風險資本家弗蘭克•陳（Frank Chen）打破了人工智能的問題空間，並把它分為五類：邏輯推理、知識表示、規劃與導航、自然語言處理和感知。人工智能研究員佩德羅•多明戈斯（Pedro Domingos）基於人工智能的使用的方法把它分為五類：「符號理論學派」，使用基於抽象符號的邏輯推理；「類神經網絡學派「，建立來自於人類大腦靈感的架構；「進化論學派」，使用方法受達爾文進化論的印象；「貝氏定理學派」，使用概率推理；以及「類比推理學派」，根據先前看到的案例進行推算。


Place A Bag On Your Car Mirror When Traveling
Sponsored by Novelodge
人工智能這種多樣性的問題和解決方案，以及人工智能在人類評估性能和算法準確性的基礎，使得它很難在什麼構成人工智能和什麼不會構成人工智能之間劃出清晰的界線。舉例來說，許多用於分析大量數據的技術是由人工智能研究人員開發的，如今被確定為「大數據」算法和系統。在某些情況下，意見可能會轉變，這意味着一個被認為需要人工智能解決的問題已經被解決了，但一旦解決方案是眾所周知的，它就會被認為是常規的數據處理。儘管人工智能的邊界可以是不確定的，並往往隨着時間的推移而延伸，但重要的是多年來，人工智能研究和應用的核心目標，一直是自動化或複製智能行為。

人工智能的當前狀況

被稱為狹義人工智能的領域已取得顯著的進步。狹義人工智能涉及特定的應用領域，如玩戰略遊戲，語言翻譯、無人駕駛汽車、圖像識別等。狹義人工智能支撐了許多商業服務，如旅行計劃、購物推薦系統、廣告定位，並在醫學診斷、教育和科學研究中被廣泛使用。這些都有顯着的社會效益，並對美國的經濟活力做出了貢獻。

強人工智能（AGI）指的是名義上的未來人工智能系統，表現為明顯的智能行為，至少和人類在全方位的認知任務中一樣先進。一個廣闊的鴻溝似乎把如今的狹義人工智能與強人工智能的許多困難挑戰劃分了開來。過去許多年通過擴展狹義人工智能解決方案來達到強人工智能的努力收效甚微。當前私營領域的專家們一直認為，實現強人工智能仍只是需要數十年時間。

人們早已推測計算機將會被人類更聰明。有人預測，一個足夠聰明的人工智能能夠被賦予完成開發更優秀、更智能的系統的任務，而這些反過來又可以用來創建更聰明的系統 ，導致原則上出現一個「智力爆炸」或「奇點」，屆時機器的智力將會遠遠超過人類。

在該進程反烏托邦式的願景中，這些超級智能的機器將會超出人性理解或控制的能力。如果計算機能夠施加控制許多至關重要的系統，結局將會是一場浩劫，因為人類不再控制自己的命運，在最壞的情況下可能會滅絕。這種情況長期以來一直是科幻小說的主題，最近一些有影響力的行業領袖在聲明中也強調了這種擔憂。

許多研究人員對未來更積極的看法，不是開發用於帶有人工智能技術的助手、助理、教練和隊友，而是讓人工智能技術在安全、道德下運行。

國家科學技術委員會的評估結果認為，對超級智能強人工智能的長期擔憂應當不會給當前的政策構成太大影響。如果這些擔憂是有道理的，那麼聯邦政府就應當在中短期對政策進行調整；如果無道理，聯邦政府就應當採用相同的政策。建立解決長期猜測風險能力的最佳途徑，是處理如今已經看到的不那麼極端的風險，如當前的安全、私隱風險，同時投資於長期能力的研究，以及他們的挑戰是如何管理的。此外，隨着研究和應用領域不斷走向成熟，人工智能在政府和企業的從業人員應以適當的考慮長期的社會和倫理問題。雖然需要謹慎注意未來可能成為有害的超級智能技術，但這些問題不應當成為公共政策的主要驅動力。

機器學習

機器學習是通向人工智能的最重要的技術方法之一，也是許多最新進展和商業應用的基礎。現代機器學習是一個統計過程，始於數據體和試圖派生出一個解釋數據或可預測未來數據的規則和程序。這種方法--從數據中學習--不同於過去從數據中對比人工智能，讓程式設計師與人類領域的專家坐下來學習規則和標準，用於作出決定，並翻譯成軟件代碼的「專家系統」方法。專家系統的目的，是模仿人類專家所使用的原則，而機器學習依賴於統計方法來找到一個決策程序，在實踐中能夠良好運作。

機器學習的一個優點，是它在不可行或難以寫下明確規則來解決一個問題的情況下依然能夠使用。舉例來說，一家網絡公司可能使用機器學習來檢測用戶登錄的嘗試是否是欺詐性的。該公司在開始階段可能會使用一個用戶過去登錄嘗試的大數據集，每一次登錄都被標記為欺詐或不可使用後見之明。基於該數據集，這家公司可以利用機器學習制定出規則，應用於未來的登錄試圖，預測哪些嘗試更容易被欺騙，應該受到額外的安全措施。從某種意義上講，機器學習不是解決特定問題的算法，而更像是通過數據尋求獲得許多不同問題解決方案的通用方法。

要運用機器學習，從業人員始於歷史的數據集，把它劃分為訓練集和測試集。從業人員選擇一個模型或數學結構，通過一系列可調整的參數來描述一系列可能的政策制定規則。一個普通的比喻是，該模型是一個「盒子」，把規則和參數放置在可調旋鈕上，用來操控盒子。在實踐中，一個模型可能有數以百萬計的參數。

從業人員還定義了一個目標函數，用於評估從一個特定參數選擇中得出的結果的可取性。培訓模型是調整參數的過程，以最大限度地發揮目標函數。

培訓是機器學習中的困難技術步驟。數以百萬計的參數模型，將將擁有比熱河算法嘗試都多天文數字般的結果，所以成功的訓練算法，能夠聰明的在如何探索參數空間中尋找一個可行的計算水平設置。

一旦模型進行了培訓，從業者可使用測試集來評估模型的準確性和有效性。機器學習的目標是建立一個訓練有素的模型，它可以歸納為--它將是準確的，不僅在訓練集的例子，而且也存在於未來從未見到的情況下。雖然許多模型可以在狹窄的任務，如圖像標記中實現更好的比人類的表現，但即使是最好的模型也會以不可預知的方式失敗。

使用機器學習的另一個挑戰，是它通常不可能對為什麼一個特定訓練的模型是有效這一問題提取或產生一個簡單的解釋。因為受過訓練的模型擁有數量眾多的可調參數--往往動輒上百萬甚至更多--訓練可能會產生一個「工作」模型，它更像是匹配數據，而不是最簡單的模型。在人類的決策過程中，任何不透明度通常是由於沒有足夠關於為什麼做出一個決定的信息，因為決策者可能無法闡明為什麼決定「感覺是正確的」。機器學習、了解決策過程都是精確已知的，但也有可能是因為信息過多，導致無法解釋清楚。

深度學習

近年來，機器學習中的一些最令人印象深刻的進步主要來自於子領域深度學習，它也被稱為深層網絡學習。深度學習使用由人的大腦鬆散的結構，由一組單位（或「神經元」）組成。每個單元結合了一組輸入值，來產生一個輸出值，這反過來又傳遞給下游的其他神經元。舉例來說，在圖像識別應用中，第一層單元可能結合圖像的原始數據來識別在圖像中的簡單模式；第二層的單位可能結合的第一層的結果，以一個個識別模型；第三層可能結合第二層的結果；凡此種種，不一而足。深度學習網絡通常使用多個層，有時超過100個層，並經常在每一層使用大量的單位，使識別變得非常複雜，精確數據中的模式。

近年來，如何構建和訓練深度網絡的新理論已經出現，更大、更快計算機系統的出現，讓使用更大深度學習網絡成為可能。這些非常大的機器學習網絡取得的成功，給一些專家帶來了驚喜，也是目前人工智能研究人員和從業者中掀起機器學習熱情的主要原因。

自主性與自動化

人工智能經常被應用到可以控制物理執行器或觸發在線行動的系統中。當人工智能與日常世界接觸時，自主性、自動化和人機交互的問題將出現。

自主性指的是系統在減少或沒有人控制這種不斷變化的情況下的運行和適應能力。例如，一輛無人駕駛汽車可以驅動它前往目的地。儘管從字面上看重點是汽車和飛機，但自主性是一個更廣泛的概念，包括自動金融交易和自動化內容管理系統。自主性還包括可以在自己操作中故障和修復故障的系統，如識別和修復安全漏洞。

當一台此前一直被人操控的機器能夠自主工作時，自動化就會出現。自動化不僅與體力勞動相關，也同可以被人工智能替代的腦力或認知工作相關。至少從工業革命開始，自動化及其對就業的影響，就一直是顯着的社會和經濟現象。人工智能能夠自動化一些工作這一觀點當前已被廣泛接受，但在這是否只是自動化歷史的下一章，或人工智能能否比過去自動化的浪潮更影響經濟這些問題上，仍存有着大量的爭論。

人機協作

與一台機器代替人類工作的自動化形成對比的是，在某些情況下，一台機器將補充人類的工作。這可能給人工智能的發展產生副作用，或專門開發一款目標是創建人機團隊的系統。該系統旨在補充人類的認知能力，有時被稱為智能增強。

在許多應用中，人機團隊能夠補強各自的弱點，比任何單獨的個體更具有優勢。舉例來說，在下棋的時候，如果較弱的計算機是給一個人的隊友，那麼這台較弱的計算機就有可能擊敗一個更強大的計算機玩家。這是真的，即便是頂級計算機比任何人類棋手更強。另一個例子是放射。在最近的研究中，觀察淋巴結細胞圖像並要求確定是否含有癌細胞，基於人工智能的方法有一個百分之7.5的錯誤率，在人類病理學家有百分之3.5的錯誤率；結合人工智能和人力投入，錯誤率將會降低至百分之0.5，意味着誤差率減少了百分之85。

━━━━━

人工智能在公共物品中的應用

人工智能和機器學習非常樂觀的一個領域是它們幫助解決一些世界上最大的挑戰和效率低下，改善人們生活的潛力。人工智能的前景，一直同先進移動計算變革產生的影響相提並論。公共和私營部門在人工智能基本和應用的投資，已經開始在公共領域，如醫療保健、交通運輸、環境、刑事司法和經濟融合等當中收穫重大成果。

在沃爾特•瑞德醫學中心，退伍軍人事務部是使用人工智能來更好地預測併發症和改善重型戰鬥創傷的治療，提高患者的治療效果，快速癒合，以及減少支出。相同的預防性治療方法，也在約翰•霍普金斯大學用於研究減少醫院獲得性感染。考慮到當前正在向電子健康記錄轉型，健康數據的預測分析可能會在許多健康領域，如精密醫學和癌症研究發揮關鍵作用。

在交通運輸中，人工智能能夠讓交通管理應用變得更睿智，從而減少等待時間、能源使用和碳排放量最多減少25%。當前，美國的城市已經開始利用打車服務使用的響應調度和路線，並把它與為公共交通提供的調度和跟蹤軟件連接在一起，提供通常更快、更便宜的便利公共交通。在許多情況下，此類服務更容易被公眾接受。

一些研究人員利用人工智能，通過使用人工智能圖像分類軟件來分析公共社交媒體網站的旅遊照片，來改善動物的遷徙跟蹤。該軟件可以識別照片中的單個動物，並使用照片中的數據和位置建立一個遷徙數據庫。在白宮科學技術辦公室的人工智能在社會公益活動中的應用研討會中，研究人員談論了一些迄今為止規模最大的數據集，如鯨魚和大型非洲動物的數量和遷移，以及關於推出「海龜網」追蹤項目，從而對海洋生物獲得新的見解。其他演講者描述了使用人工智能來優化反偷獵巡邏隊的策略，並設計棲息地保護策略，最大限度地提高瀕危種群的遺傳多樣性。

搭載複雜傳感設備的無人駕駛帆船和船隻，早已開始在海洋中航行，收集北極冰面的變化數據，以及敏感的海洋生態系統變化數據。對於載人船隻而言，此類活動可能代價高昂，且非常危險。無人駕駛船隻比載人船隻便宜得多，未來一天可能被用於天氣預測、氣候監測、或非法捕魚巡邏。

人工智能也可以被用於改善刑事司法系統的方方面面，如犯罪報告、治安、保釋、量刑和假釋決定等。政府正在探討如何讓人工智能能夠從當前的舉措中受益，如尋求提供執法和公眾數據的數據推動司法（Data Driven Justice）和警方數據倡議（Police Data Initiative），從而更好地告知在刑事司法系統的決策，同時儘量減少可能會引入偏見或不準確，彌補現有數據中的不足。

美國學術機構發起了利用人工智能解決經濟和社會挑戰的舉措。例如，芝加哥大學創建了一個使用數據科學和人工智能解決失業和輟學等公共挑戰的學術項目。南加州大學推出了人工智能社會應用研究中心，致力於研究如何利用計算博弈論、機器學習、自動規劃和多智能體推理技術幫助解決無家可歸等社會相關問題。同時，史丹福大學的研究人員正通過使用人工智能分析可能是貧困地區的衛星圖像，確定哪裏最需要幫助，通過使用機器學習技術來解決全球貧困問題。

許多公共物品中人工智能的應用依賴於可用性的數據，用於訓練機器學習模型和測試的人工智能系統的性能。擁有數據的機構和組織可以發佈不影響個人私隱和商業機密的數據，通過把這些數據提供給研究人員，幫助確保人工智能的發展。規範數據架構和格式。可以降低使新數據集的成本和難度。

━━━━━

人工智能與監管

人工智能已在諸如汽車和飛機等眾多的產品中得到了使用，對此進行監管的目的是為了保護公眾免受傷害，並確保經濟競爭的公平性。納入到這些產品的人工智能將如何影響相關的監管方法？在一般情況下，監管人工智能產品，保護公共安全應告知增加人工智能可能減少的風險因素，以及可能會增加的風險。如果風險在現有監管制度範圍內，政策討論應着眼於考慮是否現有的規定已能夠充分解決風險，或是否需要為加入人工智能進行調整。此外，政策制定者應該考慮如何降低成本和減少創新的阻礙，而不會影響安全或市場公平。

RFI的評論者普遍的共識是，人工智能的研究或實踐廣泛的監管將是不明智的在這個time.34相反，評論者說，目標和結構現有的法規是不夠的，和評論者呼籲現有的法規，以適應需考慮人工智能的影響。例如，評論家認為，機動車調節應該發展到佔到自主汽車的預期的到來，並在車輛安全的當前結構內進行必要的進化調節。在這樣做時，機構必須保持銘記的基本目的和目標的監管，以保障公眾的利益，同時創造人工智能的創新和增長空間。信息請求批評者的普遍共識，是目前對人工智能的研究或實踐廣泛進行監管將是不明智的。相反，評論者認為，現存監管的目標和結構是重組的，並呼籲現有法規應通過調整來考慮人工智能的影響。舉例來說，評論家認為，機動車規章制度應進行調整，為無人駕駛汽車時代的到來進行準備，同時車輛安全制度的現行結構也需要調整。在這種情況下，機構必須銘記監管的基本目的和目標，以保障公眾的利益，同時創造人工智能的創新和增長空間。

有效的監管技術，如人工智能需要機構擁有內部技術專長，以幫助指導監管決策。高級專家參與的必要性存在於監管部門和機構，並在監管過程的各個階段。一系列的人員分配和交換模式，可以用來開發一個對當前技術發展狀況有不同觀點的聯邦勞動力人口。舉例來說，政府間人事法流動計劃，為聯邦政府、州政府、地方政府、高校、印第安土著政府、聯邦資助研發中心和其他符合條件的組織當中的人員臨時分配任務提供了指導。如果使用戰略，政府間人事法可以幫助機構滿足他們難填補職位需求，和提高他們從不同的技術背景招聘人選的能力。舉例來說，機構工作人員可以被派往學院和大學，作為教師激勵學生考慮成為政府公務員。同樣，通過不同的工作和部門輪換員工的計劃，可以幫助政府員工獲得知識和經驗，以告知監管和政策，特別是因為它涉及到像人工智能的新興技術。

案例研究：無人駕駛汽車和飛機

監管挑戰的一個相關案例，是考慮到交通運輸部正着手無人駕駛汽車和無人駕駛飛機系統的相關工作，監管機構需要對年老的監管規則進行調整，對基於人工智能的新技術進行解釋。在交通運輸部內部，無人駕駛汽車劃歸國家公路交通安全管理局（NHTSA）管理，無人駕駛飛機劃歸美國聯邦航空管理局管理。

無人駕駛的希望

人工智能在車輛和飛機上的應用已超出公眾的想像。如今所有的新汽車，都帶有類似自動停車，和讓汽車在其車道行駛、根據周圍車輛調整速度的和調整速度的先進導航控制，它們均為基於人工智能的輔助程序。由人類監測的試驗無人駕駛汽車如今已上路行駛。專家的一致意見是未來無人駕駛汽車技術將逐漸比人類駕駛員更加安全，未來將有助於消除每年發生在美國公路和高速公路上的數十萬起交通事故。

無人駕駛汽車也為可能無法駕駛的美國老年人和殘疾人士提供了更大的移動性。第一和最後一英里的運輸，以及新的交通工具可以向社區提供基本服務，如就業機會、醫療保健和食品隔離這些前所未有的機會。一個設計良好的無人駕駛汽車，能夠預測和避免碰撞的可能性，還能顯着減少運輸中的排放量和能源消耗。政府正在採取措施，讓這一願景成為現實，其中包括擬議中的39億美元總統2017財政年度（FY）中的預算，由交通運輸部主導無人駕駛汽車的研發和部署工作，確保美國在無人駕駛汽車技術上保持領先。

就航空領域而言，上世紀90年代初，商業無人機已有限的在運行。直到最近，無人機系統主要支持政府的運作，如軍事和邊境安全行動。不過近年來，潛在的應用已迅速擴大到包括航拍、測量土地和作物、監測森林火災、應對災害、檢查關鍵基礎設施等領域。一些政府部門已經操作無人機來完成自己的工作，根據今年8月聯邦航空局批准的「小型無人機規則」，以及去年12月發佈的小型無人機註冊服務，成千上萬的美國人已從聯邦航空管理局（FAA）商業無人機運營許可。

聯邦航空局估計，到2017年8月，美國註冊使用的無人機數量將超過60萬架。把無人機整合到航空領域的經濟影響預期之一，是無人機將在整合的前三年創造出超過136億美元的經濟價值，且隨後保持穩定的增長預期。國際無人機系統協會在2013年的一份預測報告中指出，在未來10年的時間中，商用無人機產業將為美國經濟帶來超過820億美元的收入，以及超過10萬個新工作崗位。在整合的第一個十年，美國各州的稅收預計將增加4.82億美元以上。

確保安全

實現這些有前途的技術的潛在好處，需要政府採取措施，確保領空和道路的安全，同時繼續培育創新與成長文化。美國擁有最安全和最複雜的世界性航空系統，公眾依賴於聯邦航空局監督來建立安全標準。聯邦機動車輛安全標準（FMVSS）將要求製造商開發安全的地面車輛，且國家公路交通安全管理局有權根據不合理的安全風險召回車輛。雖然有相當大的機會來減少道路和公路上的死亡人數，但目前的做法會讓機動車每行駛1億英里導致約一人死亡。讓無人駕駛汽車達到或超過這樣的成績是一個艱巨的挑戰。

人工智能技術在安全攸關環境中的應用提出了幾點挑戰。首先，在由軟件駕駛或飛行時需要翻譯人類的責任。不同於狹義人工智能已經取得的一些成功，目前還有沒有簡潔的任務描述來地面或空中的車輛與飛機。這些行動是多方面的，責任包括指導車輛、檢測和避免障礙，並處理輪胎漏氣等機械故障。導航等子任務和某些看法，可能與現有的狹義人工智能解決方案相匹配，但不可能集成和優先這些任務。它似乎是簡單的遵守所有的交通法規，但一位熟練的人類司機可能會穿越一個雙黃色的道路邊界，以避免意外或避開並排停靠的車輛。雖然這種情況可能是罕見的，但它們不能被忽略，簡單的算術命令是為了避免人類駕駛員可能出現的失敗，系統必須處理許多這樣罕見的情況，確保沒有失敗。

對於依賴於機器學習的系統，為了正確應對概率極小的事件，需要對系統進行設計和測試。如果類似案例存在於訓練集當中，機器學習方法可以更自信的正確處理。面臨的挑戰是如何開發一個數據集，把足夠多導致交通事故風險的罕見情況均包含在內。商業航空在整個行業已建立起安全事件和數據共享機制，但對於最近獲得牌照的無人機運營商而言，他們對安全和航空產業的傳統責任文化了解甚少。汽車行業目前還不存在可比較的系統--除了死亡事故會被報告，各州或地方會採集交通安全信息之外。缺乏持續報道的事件和數據，增加了建立系統安全的英里數或是必要的操作時間，這也給需要大量測試驗證的特定人工智能方法帶來了障礙。

為方便安全測試，聯邦航空局已在全美指定六個無人機測試場地，並為這些場地測試的無人機提供整體授權。這些場地中的活動，包括把美國國家航空和宇宙航行局多年無人機交通管理的項目延伸至低海拔視覺線空域。同樣，地面車輛測試場包括了連接車輛駕駛員項目，以及在俄亥俄州哥倫布部署的無人駕駛汽車。交通運輸部為2016年小型城市挑戰賽贏家提供的4000萬美元獎金，將為人工智能研究人員提供豐富的底線和數據交流。

適應當前的規則

雖然國家的領空和高速公路的監管方法不同，整合無人駕駛汽車和無人機的管控有一個共同的目標：美國聯邦航空局和美國國家公路交通安全局正在制定靈活的框架，確保安全同時鼓勵創新。

美國聯邦航空局尚未宣佈允許完全無人駕駛飛行的清晰路徑。雖然無人駕駛飛機進入空域的安全整合將一個複雜的過程，美國聯邦航空局正準備在不遠的將來接納該技術，讓無人駕駛飛機和飛機在一個無縫集成的空域系統同時飛行。

空域管理的新方法也可能包括增強基於人工智能的空中交通管制系統。因為當前對空中/地面集成電的限制，以及依賴人類在空中和地面操作，預計未來的空中交通密度和多樣性在目前的空域管理架構中是不可行的。根據最新的可靠公眾數據，美國空中交通延誤成本在2007年預計為312億美元。隨着乘客數量的增加，此數據預計已大幅增長。雖然因為天氣和其它方面的限制，一些航班延誤的增加是不可避免的，不過採用新的航空技術、使政策和基礎設施升級，可以顯着提高美國航空業的工作效率。這些方案包括人工智能和機器學習的基礎架構，以更好地適應更大範圍的空域用戶的潛力，並在不破壞安全的前提下更有效地使用空域。這種技術的發展和部署，將有助於確保空域用戶和服務的全球競爭力，同時提高安全性和降低成本。

關於地面運輸，目前建立共同的框架的最重要一步，是2016年9月20日頒佈的聯邦無人駕駛汽車政策。該政策包括了幾個部分：

• 為製造商、開發者和其他組織者羅列15點「安全評估」指南，用於安全設計、開發、測試和部署高度自動化機動車；

• 州政策範本，明確區分聯邦與州的職責和建議政策領域，目的是創出始終如一的測試和運營無人駕駛汽車全國性框架，並給各州留下試驗空間；

• 分析國家公路交通管理局當前使用的監管工具，幫助無人駕駛汽車的安全部署，如解釋當前的政策，准許在設計上擁有適當的彈性；提供有限的豁免權，准許測試非傳統機動車設計；確保不安全的無人駕駛汽車被清理出公路；

• 討論新工具，當局應考慮在未來部署安全、有效的新救生技術，確保部署在公路上的技術是安全的。

交通運輸部打算指導和模擬國策，通過定期更新作為完成學習和研究的新數據。

━━━━━

研究與勞動力

在研發，以及擴大熟練、多樣化勞動力來提升人工智能這一方面，政府同樣也扮演着重要的角色。在發佈該報告的同時，聯邦資助的人工智能研發戰略計劃也隨之發佈。該計劃討論了聯邦研發，鑑別了機會領域，建議如何協調研發以最大限度地提高效益，並提出建立一個訓練有素的勞動力隊伍。

監督人工智能的進展

由於人工智能的潛在影響，社會將受益於人工智能發展帶來的準確及時的監測和預報。幾個項目都已嘗試預測人工智能的未來。2009年總統委員會關於《人工智能長期未來》，以及2015年舉行的未來人工智能大會，把人工智能領域的專家匯聚一堂，來預測他們領域的未來。此外，史丹福大學人工智能百年研究計劃，將對人工智能如何影響自動化、國家安全、心理、倫理，法律、私隱、民主和其他問題進行「系列定期研究」，這些研究的首批成果已於2016年9月發佈。

一個潛在實用的研究路線是隨着時間的推移調查專家的判斷。舉例來說，一項對人工智能研究人員的調查發現，百分之八十的受訪者認為，人工智能最終將達到人類的一般智力；一半人認為這一點在2040年至少有百分之五十可能實現。大多數受訪者還認為，強人工智能將最終超過人類的一般智力。雖然這些特定的預測存在高度的不確定性，但正如上面所討論的那樣，類似的專家調查是有用的，尤其是當他們經常隨着時間的推移對判斷做出變化。單方面經常性判斷就像是「預測比賽結果」，做出準確預測的參與者能夠獲得獎勵。其它研究發現，技術的發展往往可以通過趨勢分析準確地預測出出版和專利數據。

目前，在人工智能領域大多數的基礎研究由學者和商業實驗室完成。他們會定期公佈研究結果，並發表研究文獻。如果競爭推動商業實驗室增加保密，監控就可能會變得更加困難，而公眾的關注也可能會增加。

一個特別有價值的研究路線是確定可以代表或預示着人工智能將會有重大飛躍的里程碑。當在研討會和各類會議中被問及政府如何認識到該領域取得進步的里程碑，特別是那些表明強人工智能可以被接受時，研究人員往往給三個不同、但相關類型的答案：

1、在更廣泛、少結構的任務中取得成功：在這個觀點中，從目前的狹義人工智能轉向最終的強人工智能，將通過逐步擴大狹義人工智能系統的能力，使一個單一的系統可以涵蓋範圍較廣的、結構化簡單的任務來實現。該領域的里程碑將可能是像人類一樣能夠完成所有家庭清潔任務的家政機械人。

2、統一不同「類型」的人工智能方法：在這個觀點中，當前的人工智能依賴於一套獨立的方式或做法，每個方法對於不同類型的應用程式都是有用的。通往強人工智能的路徑，將涉及逐漸統一這些方法。該領域的里程碑將涉及找到單一方法，能夠以前所需的多種方法才能夠解決的一個更大領域的應用。

3、解決特定的技術挑戰，如學習遷移：在這個觀點中，強人工智能的路徑不在於範圍的逐步擴大，也不在於現有方法的統一，而在於技術上的具體挑戰，開拓新的途徑。最常被引用的挑戰是學習遷移。學習遷移可能允許一個模型被訓練來翻譯英語到西班牙語。使用這種方式，產生的模型可以「轉移」知識，以完成類似的任務，如中文到法語的翻譯，或用俄語撰寫詩歌，讓這些新任務更快速的被學習。

聯邦支持人工智能研究

2015年，美國政府對非保密人工智能相關技術的研發投入約為11億美元，初步估計2016年將增長至12億美元。在白宮科技政策辦公室為人工智能技術發展舉辦的研討會和公眾宣傳中，政府官員聽到了企業領袖、技術專家、經濟學家要求政府加大對人工智能研發投入的呼聲。

人工智能領域的主要研究人員目前對該領域持續取得的快速進步，以及在更廣範圍的應用保持樂觀。與此同時，他們強調人工智能領域仍有許多未解答的問題，且通向強人工智能也沒有清晰的路徑。

研究人員指出，最近幾十年人工智能研究中的熱情和投資一直處於低潮，這也被稱為「人工智能的冬天」。他們強調鑒於歷史上主要的計算機科學的進步需要15年甚至更長時間，才能從實驗室的概念走向產業成熟，因此需要對人工智能領域進行持續的投資。

一個強大的情況下，可以有利於增加聯邦對人工智能研究的資金投入。經濟顧問委員會的分析暗示，在整個人工智能研究領域，雙倍或三倍投資能夠對美國產生正面影響，因為結果能夠加速經濟增長。雖然可能不是增加所有研究的預算，但有針對性的在高經濟和戰略價值領域增加預算，可能會提供許多好處。研究機構在報告中指出，人工智能作為一個高槓桿領域，人工智能的研究社區能吸收大量資金增加生產力，推動人工智能更快的進步和更多的培訓人工智能從業者。總統經濟顧問委員會主席賈森•福曼（Jason Furman）在2016年7月紐約舉辦的人工智能研討會中發表講話時稱，「過去十年，我們在機械人、人工智能和其他領域有着大量創新。但我們需要一個更快的步伐，在這些領域進行創新，真正推動生產力向前增長。」福曼強調，他對人工智能最大的擔憂，是「我們還沒有充分的使用人工智能。」

可以肯定的是，私營公司將是人工智能發展的主要引擎。但是目前，部分的源自於私營公司對此類項目的投資回報要在合理的時間框架內，而此類投資的時間跨度非常大，因此他們對人工智能基礎研究的投入依然不足。基礎研究對每個人都有好處，但只有公司為研究支付了成本。文獻表明，只有研發支出佔到研發投資的四分之一至一半時，才能夠產生最優的經濟增長。

員工發展與多元化

人工智能的快速增長，極大地增加了對擁有相關技能的人員的需求，來支持和推進該領域的發展。人工智能的勞動力包括推動人工智能取得根本性進步的研究人員，數量眾多為特定應用重新定義人工智能方法的專家，以及更多在特定設置內使用操作這些應用的用戶。對於研究人員，人工智能訓練本質上是跨學科的，往往需要在計算機科學、統計、數學邏輯和信息理論領域有着資深背景。對於專家而言，培訓通常需要軟件工程和應用領域的背景。對於用戶來說，熟悉人工智能技術是必要的，能夠讓他們可靠的應用人工智能技術。

政府的角色

人工智能的勞動力挑戰部分是科學，技術，工程和數學（STEM）教育的挑戰，它是國家自然科學基金、白宮科研政策辦公室和其它機構的優先重點項目。美國國家科學基金會和教育部正在與私營企業和各地政府推進教育質量、靈活性、和領域的影響，解決如經濟持續發展等問題，增加包容性和多樣性，並提高成果。國家科學技術委員會委員下屬的科學、技術和數學交易委員會匯集了聯邦機構支持的STEM教育計劃，來協調包括人工智能教育在內的多個主題的教育。

在聯邦政府的教育計劃中，人工智能的知識和教育越來越受到重視。聯邦政府在人工智能勞動力發展的若干個主要作用包括，支持的研究生，資助人工智能課程設計和影響的研究經費，並授權人工智能教育計劃。

學校和大學的角色

學校和大學通過全美教育系統整合人工智能、數據科學和相關領域的角色是必不可少的，能夠發展可以解決國家優先事項的勞動力。教育機構正在各個層次建立和培養人工智能。大學、學院、甚至中學，都正在擴大人工智能和數據科學課程，但該領域仍需要更多的課程和教師。

學術機構的主要作用包括：

• 打造和支持包括科學家、數據學家、數據庫和軟件開發人員、管理者、管理員和擅長數據科學的架構師在內的研究人員數量。

• 通過強調軟件開發過程中的人工智能方法、提供應人工智能課程應用、展示其它領域的人工智能應用。

• 確保用戶熟悉人工智能系統，滿足整個產業、政府和學術界用戶和機構的需求。

• 通過種子基金、專業發展津貼、實習、獎學金和夏季研究經驗支持培訓。

• 招聘和留住教師，因為工業工資增長速度比技術研究人員的工資更快。

社區學院、兩年制大學和證書課程在為學生和專業人士提供獲得必要技能的機會，為他們時間和金錢的適度投資發揮了重要作用。這些機會可以讓工人擴展他們的相關相關，資深人士重返工作崗位，失業人員找到再就業的出路。

啟用人工智能的世界需要擁有數據素養的公民，能夠閱讀、使用、解釋和溝通有關數據，並參與受人工智能影響的問題的政策討論。在小學或中學開始數據科學教育，可以幫助提高全國範圍的數據讀寫能力，同時也幫助學生在高中畢業後準備更高級的數據科學概念和課程。

人工智能教育也是計算機科學的組成部分，總統發起授權美國從幼兒園到高中的所有學生在數字經濟時代學習計算機科學和具備計算思維技能，是因為他們需要成為創造者，而不僅僅是消費者。美國經濟正在迅速轉型，教育和商業領袖越來越多地認識到，計算機科學是經濟機會和社會流動性所需的全新「基本技能」。家長、教師、學區、國家與私營企業的領導人正在各個層面努力推進計算機科學教育，這也是為人工智能推動的經濟準備所需人才的途徑。

多元化挑戰

各行各業都面臨着如何讓人工智能勞動力實現多元化的挑戰。人工智能勞動力缺失性別和種族的多元性，反映出科技產業與計算機科學領域缺少多元性。釋放美國人民的全部潛力，特別是在科學、技術、工程和數學、創業、科技領域是本屆政府的優先事項。在科學、技術、工程和數學領域增加女性、種族、少數民族員工，是計算機科學和人工智能領域的主要挑戰。

目前，只有18%的計算機科學專業畢業生是女性，而1984年時的峰值數據為37%。雖然缺少人工智能勞動力的持續統計數據，但一些統計數據是可用的。在2015年舉辦的每年最大規模的人工智能會議之一神經信息處理系統（NIPS）大會中，女性只佔到參會人員總數的13.7%。在隨後舉行的一場機器智能大會中，此類問題再度出現，在這次會議中，TEXTIO行政總裁、聯合創始人是唯一的參會女性。這家科技初創公司分析了78768個工程工作崗位，發現在機器智能領域更青睞於男性員工。

多元化的挑戰不僅限於性別。相對於所佔人口的比例，非裔美國人、西班牙裔，和其他種族和民族在科學、技術、工程和數學，計算機科學，以及包括人工智能在內的科技領域的就業人數極為稀少。

許多提交給白宮科技政策辦公室信息問詢都提到了多樣性的挑戰。評論者集中討論了多元化人口給人工智能帶來的重要性。此舉有助於避免專注於人工智能發展產生的負面影響，包括利用更廣泛的經驗，背景，和意見，避免開發算法偏見的風險。這些主題在公共研討會期間也被廣泛討論。雖然人工智能員工隊伍的多元化取得了一些成績，但仍未達到人工智能員工發展的需求。

━━━━━

人工智能，自動化與經濟

人工智能在短期內的核心經濟影響，將是自動化以前無法自動化完成的任務。我們可以從自動化的新浪潮中學習一些先例和方法，其中人工智能將是不同的。政府必須了解人工智能的潛在影響，讓政策和機構支持人工智能的好處，並降低成本。

像過去的創新浪潮一樣，人工智能將創造效益和成本。過去自動化浪潮的主要收穫是提高了生產力，如今自動化浪潮並無不同之處。例如，2015年對17個國家機械人的研究發現，在1993年至2007年，它們讓這些國家的年均國內生產總值增加了約0.4個百分點，占這些國家這段時間整體國內生產總值增幅的十分之一。

過去自動化浪潮掀起的重要顧慮之一，是自動化可能以不同的方式同樣影響到特定類型的崗位，減少對某些能夠自動化完成的技能的需求，同時增加對其他能夠向人工智能提供補充的技能的需求。白宮經濟顧問委員會的分析認為，自動化將給低收入崗位帶來最大的影響，而且人工智能推動的自動化將會增加低學歷與高學歷員工之間的收入差距，無形中增加了經濟上的不平等。

公共政策可以解決這些風險，確保工人能夠再培訓，能夠成功的在互補的行業，而不是競爭行業任職。公共政策也可以確保由人工智能創造出的財富被廣泛分享，並確保人工智能負責把全球經濟引入新時代。

━━━━━

全球的考慮與安全

除去人工智能的長期挑戰和與公平、安全相關的特定問題外，人工智能提出的政策問題還涵蓋國際關係與安全等眾多領域。

國際合作

在最近的國際討論中，人工智能一直是感興趣的話題，因為國家、多邊機構和其他國家利益相關者已經開始評估好人工智能的好處與挑戰。這些實體之間的對話和合作，有助於促進人工智能研發和引導人工智能向好的方向發展，同時也能夠共同解決面臨的挑戰。隨着國家、跨國機構和其他利益相關方開始評估人工智能的好處與挑戰，在最近的國際研討會中，在人工智能領域開展國際合作一直是感興趣的話題。

這些實體間的對話，能夠幫助人工智能在醫療、自動化生產、信息和通信技術等領域的應用。人工智能應用也有可能解決全球問題，如災害防備和應對、氣候變化、野生動物販賣、數字鴻溝、就業機會、以及智慧城市等等。 美國國務院預計，就人工智能相關的政策而言，私隱顧慮、無人駕駛汽車的安全、以及人工智能對長期就業趨勢的影響將是國際社會關注的重點。

為支持美國在該領域的優先外交政策--包括確保美國的國際領先地位和競爭優勢--美國政府一直在與包括日本、韓國、德國、波蘭、英國和意大利等國的雙邊及多邊談判中，討論了人工智能研發和政策問題。聯合國、G7、世界經合組織、亞太經濟合作組織同樣也開始討論人工智能的國際政策和經濟影響等問題。美國政府預計，人工智能將成為國際社會的熱門話題。

美國一直致力於與行業和相關標準組織，以行業為主導的方式，通過自願、共同驅動、透明、開放和市場需求的原則，促進人工智能國際標準的發展。

人工智能與網絡安全

今天的人工智能在網絡安全領域已有重要的應用，並預計在防禦和進攻性的網絡措施中扮演越來越重要的角色。

當前，設計和操作安全系統需要大量的時間和專家的關注。部分或全部自動化專家工作，能夠在更廣的系統和應用程式中增加安全性，並大大降低了成本，而且可以提高國家網絡防禦的靈活性。使用人工智能夠幫助識別不斷變化的威脅，並做出快速反應。

未來的人工智能系統能夠通過浩如煙海、千變萬化、往往是不完整的可用數據源，預測分析網絡攻擊產生動態威脅模型。這些數據包括網絡節點、連結、設備、架構、網絡協議和網絡。人工智能可能是解釋這些數據、主動識別漏洞並採取行動，預防或減輕未來攻擊的最有效方式。

美國國防高級研究計劃局主辦的「網絡大挑戰」競賽結果展現了這一方法的潛力。舉辦「網絡大挑戰」競賽的初衷，是為了加速發展先進、自主系統，來在黑客利用漏洞攻擊之前檢測、評估、和修補軟件漏洞。「網絡大挑戰」決賽在2016年8月4日舉行。在決賽中由無人系統編寫的所有代碼，都已作為開放原始碼對外發佈，准許其他人對這些代碼就行修改或是從中學習。

人工智能系統也有自己的網絡安全需求。人工智能推動應用程式應實施完善的網絡安全控制，確保數據和功能的完整性、保護私隱和保密性、並保持可用性。最近發佈的聯邦網絡安全研發戰略計劃強調，需要開發和運行「可持續的安全系統。」在網絡安全上取得進步，對確保人工智能解決方案的安全，防範惡意網絡活動將是至關重要的。

最後，人工智能應當在遵守所有使用法律法規的前提下，通過有效支持、協調、整合、同步、指導等活動，來運營和保護美國政府網絡和系統，並對私營網絡和系統的安全運營提供援助。

人工智能在武器系統中的應用

人工智能在武器系統中的潛在用途提出了具有挑戰性的問題。幾十年來，美國在某些武器系統上擁有自主權，允許武器使用更高的精度，以及更安全、更人道的軍事行動。然而，遠離直接的人類控制的武器系統涉及到一些風險，並可能引發法律和道德問題。

把自動和半自動武器系統納入美國的國防計劃，是為確保美國政府實體總是按照國際人道主義法行事，採取適當的步驟來控制擴散，並與合作夥伴和盟友制定相關的發展和使用此類武器系統的標準。美國積極參加了持續進行的致命自動武器系統的國際討論，並預計會繼續投身這些潛在武器系統的國際討論。美國政府的各個機構正努力開發單一、政府範圍內的政策，該政策將與國際人道主義法中與自動和半自主武器相關的法規相一致。

━━━━━

總結

如果工業，公民社會，政府，和公眾共同努力，全面考慮人工智能技術的潛力並管理其風險，支持人工智能技術的發展，該技術有可能成為經濟增長和社會進步的主要推動力。

美國政府能夠發揮幾個作用。它可以召集關於重要問題的對話，幫助制定公共辯論的議程；它可以在人工智能的發展過程中監控應用的安全性和公平性，並調整監管框架，以鼓勵創新，同時保護公眾；它可以提供公共政策工具，以確保中斷的手段和方法，讓人工智能提高生產力的同時，避免對某些部門的勞動力產生消極的經濟後果；它可以支持人工智能在公務物品中的基礎研究和應用；它可以支持熟練、多元化勞動力；政府還可以利用人工智能以較低的成本更快、更有效地為公眾服務。

許多領域的公共政策，從教育到經濟安全網，到國防、環境保護和刑事司法，都將看到新的機遇和挑戰，推動人工智能的持續進展。美國政府必須繼續提升自身能力，以了解和適應這些變化。

隨着人工智能技術的不斷發展，從業人員必須確保帶有人工智能的系統是可支配的，它們都是公開的、透明的、和可以理解的；它們可以有效地與人合作；它們的行動將與人類的價值觀和願景保持一致。研究人員和從業人員應增加對此類挑戰關注度，並應繼續專注於它們。

開發和學習機器智能，可以幫助我們更好地理解和欣賞我們人類的指揮。如果使用充分，人工智能可以增強人類的智慧，幫助我們繪製出更好、更睿智的未來藍圖。



原文網址：http://read01.com/G6J2gd.html

Dalvm

人工智能可以完全get人類所思所想？
2021-08-09 16:39

字號
方圓雜誌關注
（圖片來源：攝圖網）
（圖片來源：攝圖網）


日裔英國作家石黑一雄新作《克拉拉與太陽》的故事進行到一半的時候，初見人工智能機器人“克拉拉”的海倫小姐說了這樣一句話，“
在這位關注當下數字生活的重量級作家筆下，人工智能（AI）已經聰明到什麼程度？
幾近為人的機器人被設計出來，目的是給兒童帶來陪伴，它們的身份界於導師、保姆或朋友之間。那個時空裡，機器人替人擦窗、洗碗、除草的功用早已不值一提，它們需要幫助人類解決更深層次的情感需求，但過程注定困難重重。
人性之複雜善變，時刻考驗人工智能機器人的理解能力，克拉拉們需要花時間把控這一切，去適應人是複雜的混合體這件事兒。與去年英國作家麥克尤恩所著《我這樣的機器》裡看清人性真相後絕望自毀的機器人不同的是，石黑一雄的克拉拉最終走向被新機替代淘汰的命運。
寬容無私且具備完全的自我犧牲精神，是兩位作家筆下機器人主人公的共同點，小說裡，它們都是人類按照“完人”的道德標准設計而成，存在的目的即照顧好人類，從而與復雜的人類自身形成鮮明的對比關係。
但值得一提的是，就“沒在小說裡展現機器人角色可能的負面部分”，作家本人其實是非常警惕的，石黑一雄在近日接受媒體採訪時表示，
現實生活總比小說落後一個步伐，也許，擁有一個可信的、智慧的類人體的願望，實現起來不會像我們許多人想像的那樣快。但毫無疑問的是，科學將走得比小說更遠，科幻、小說裡的場景，很有可能在5到10年內真正出現在我們的生活中。
拋開虛構的作品不談，僅僅是目前的現實裡，我們已經置身於一個“算法無處不在”的世界。
因為人工智能的應用，一些重複性的勞動可以不再需要手工耗費人力；算法可以幫我們過濾垃圾信息，推薦可能喜歡的歌曲，購買心儀的產品；疫情以來，人工智能在輔助醫療診斷與新藥研發等方面嶄露頭角，無人物流配送等也為不便出行的人們提供了安全又高效的物資供應；眾車企人員紛紛研發無人駕駛汽車，期待著公路不再擁堵的那天……
但與此同時，人工智能及其應用的負面影響與倫理問題也日益凸顯。
比如無人駕駛領域，當真正投入使用後也會面臨“電車難題”。雖然28年前人工智能就已經在圍棋中戰勝了人類最優秀的選手，但這並不意味著人工智能就已經超越人類的智力，因為封閉的圍棋系統畢竟和復雜開放的現實生活不同，
1
人工智能or人工智障
清華大學交叉信息研究院助理教授吳翼去年年末曾在一席演講中展示自己參與研發的一款遊戲項目，大致內容是在一個構建的虛擬世界裡放兩個小人，分別叫小藍和小紅，小藍的角色是“躲”，小紅的角色是“捉”。
利用
強化學習法：用來解決智能決策問題的算法框架，強化學習算法的核心就是讓這個AI 不停地跟環境交互，不停地試錯，不停地改進自己，慢慢得到越來越多的分數。
項目過程中，吳翼和他團隊裡的成員驚奇地發現了AI的“聰明”，為了達到各自的目的，小藍和小紅相繼學會了“套路和反套路”，比如為了躲避小紅，小藍先是學會用箱子把門堵住，而在被小藍堵在門外很久後，小紅發現了可以爬梯子的策略，之後小藍就開始藏梯子，小紅隨之“發明”站到箱子上找到小藍……
沒有任何的人工干預，僅僅是給機器一個任務，然後讓它自己在處理大量數據和信息的過程中（人類幾千年的任務，他們可能只要幾分鐘）中學會一件事情，AI就能夠發現一些人類想不到的行為和策略，甚至發現一些bug，然後利用這些bug做一些天馬行空的行為。
而讓人感到神秘的是，人類並不理解它們到底是怎麼學習、怎麼完成任務的。
AI已經如此聰明了，是否意味著人類的運氣已經用完？人工智能會挑戰人類的控制能力，世界將進入新的存在論呢？
答案是否定的。原因就在於現有人工智能技術的能力邊界——封閉性上。據《方圓》了解，現有人工智能技術僅在滿足強封閉性準則的條件下，才可發揮其強大功能（圍棋就是最直接的例子）。
而在非封閉的場景中，現有人工智能技術的能力遠不如人類。毫末智行首席運營官COO侯軍進一步解釋，“現有人工智能已經在'聽、說、看'等感知智能領域達到或超越了人類水準，但在需要外部知識、邏輯推理或者領域遷移的認知智能領域還處於初級階段”。
吳翼在演講中舉了這樣一個例子，“假設你家裡有一個非常聽話的機器人，有一天你去上班了然後跟機器人說：'我上班去了，你幫我照顧孩子，中午給他做飯，不能餓著孩子。'然後到了中午，小孩跟機器人說我餓了，機器人收到了這個信號，就去做飯了。但機器人打開冰箱一看，不好，週末沒買菜，冰箱裡什麼都沒有，那怎麼辦？這時候機器人頭一轉發現了你家的貓——一個充滿蛋白質和維生素的可食用物體。”
這個看起來簡直“人工智障”的故事，恰恰說明了AI與人最大的不同。
“人的價值觀是特別複雜的，你幾乎是不可能把你關心的方方面面都明明白白寫下來，然後全部告訴AI的。
如此看來，沒有必要繼續停留在擔心人工智能會陷入技術失控的恐慌中，相比而言，考慮技術性能的同時，思考新技術的倫理風險和應用條件，並嚴格控制這些技術的實際應用，才是更需要迫切關注的議題。因為有關技術誤用所帶來的負面影響，已經日益凸顯。
2
技術誤用與應用風險
現有條件下，人工智能技術本身是中性的，是否出現誤用完全取決於技術的使用。
比如疫情期間人工智能技術人臉識別的加入，為提升人們的通行體驗提供了有力保障，但便利的同時卻出現有人對外售賣幾十萬張人臉照片的現象。
近來，網絡數據安全案例頻頻爆出，過度收集用戶數據信息卻不能很好地去維護這些信息，勢必加深人工智能與數據隱私保護之間的緊張關係。
和所有人工智能產品一樣，中科院心理研究所朱廷劭團隊研發的“在線自殺主動預防”系統上線之初，也曾受到隱私保護人士的質疑。雖然網絡公開內容數據目前允許專業研究機構用於研究整理，但還是有人表示此舉背離留言者當初尋找網絡樹洞不想被人發現的初衷。更有決意自殺者被救後絕望地認為網絡樹洞不再是安寧之地的個例。
人工智能時代，我們的確身陷如何保護自身隱私的疑問中。我們一方面享受著讓渡部分隱私的便利，另一方面又對此種讓渡產生恐慌，究其原因是不知自己讓渡出去的部分隱私會被誰利用以及如何去利用。
朱廷劭向《方圓》介紹了學術界目前關於大數據使用的一些共識，比如“應當遵守人類被試研究的一般倫理原則，在使用需要用戶授權的數據前，必須徵得用戶的知情同意，並嚴格按照經由倫理委員會審核批准的程序進行，尤其不能將研究數據用於倫理委員會批准範圍之外的目的（如轉賣給第三方）”；
又比如“在使用那些開放的無須用戶授權的網絡數據時，在用於科研時也應同時滿足用戶對數據公開是知情的、數據收集後匿名處理、在公開發表中不得出現能夠識別用戶個人身份的信息等等”。
但相比學術界的謹慎，另一些激進的人工智能技術開發者顯然在安全性問題上欠缺考慮。
典型案例是2017年亮相的DeepFake技術。該技術是將AI假視頻帶入大眾視野的先驅，這是一種基於深度學習的偽造技術，適用於修改圖片和影像，可以實現人臉的移花接木。哪怕是動圖或視頻中的人物，也可以被替換成毫不相干的另外一個人。
於是，有不法分子想到在色情視頻中引入這項技術，將其中女主角的臉替換成了一些當紅女明星的臉，蓋爾·加朵、斯嘉麗·約翰遜等大牌女星都難逃一劫，此舉對當事人造成了傷害且維權無門。
好在目前國內國外對數據保護已有共識，就在今年6月，十三屆全國人大常委會第二十九次會議通過了數據安全法，這是我國第一部有關數據安全的專門法律，將於2021年9月1日起施行。
7月4日，國家互聯網信息辦公室發布《關於下架“滴滴出行”App的通報》：“根據舉報，經檢測核實，'滴滴出行'App存在嚴重違法違規收集使用個人信息問題。”此次“滴滴事件”是國家堅定落實網絡安全制度的意志體現，由此正式拉開中國數據治理序幕。
除了在數據隱私方面的使用問題，有關人工智能參與決策的公平性問題也屬人工智能技術誤用類型的一種。比如，人工智能算法的使用會放大人類偏好差異性這件事兒，如若不警惕，放大的偏見會實實在在地影響人們的選擇。
人工智能歧視可能是有意圖的也可能是無意圖的。有意圖的可以區分，無意圖的最難避免，因為有些情況並非開發者故意為之。數據是AI的“糧食”，AI如何運作，取決於人類“投餵”的樣本是什麼。
比如由於目前的人工智能領域完全可以說是一片“男性之海”，所以他們很可能難以考慮到女性客戶需求，而將自身潛藏的性別歧視帶到技術開發之中。就像亞馬遜研發的自動招聘系統，在運用機器學習技術之後產生歧視女性應聘者的情況。
不僅如此，一些商業化的人臉識別系統也被指存在種族歧視問題，試想，如果這樣的技術用於自動駕駛汽車，很可能導致黑人或深色皮膚的人更容易被自動駕駛汽車撞到。
計算機領域有句俗話叫“垃圾進、垃圾出”，錯誤的數據輸入便會產生錯誤的結果，人工智能如同一面鏡子映照出人類自身，提醒我們需要考慮該如何克服曾經的偏見。
除了警惕上述技術的誤用問題，在應用風險層面，人們對於“擔心人工智能在某些行業中的普遍應用會導致工作崗位大量減少”的討論較多。
比如司機們普遍擔心無人駕駛汽車將導致他們下崗失業，據了解，為了減少司機們對無人駕駛汽車的恐懼，美國多家正在研究、設計和測試無人駕駛汽車的公司甚至還組成了PTIO聯盟（“交通創新與機遇夥伴關係”），旨在遊說公眾能夠接受這項技術。
但也有國內專家指出，目前機器人對勞動力市場的整體替代率還不足1%，對“人工智能生產顛覆勞動力市場”這一說法，如今看來還“略顯多慮”。
值得一提的是，國家層面已經在製度層面考慮到這個問題，2017年，國家就把人工智能寫入未來經濟發展規劃，並對其所引發的就業問題提出預案: “加快研究人工智能帶來的就業結構、就業方式轉變以及新型職業和工作崗位的技能需求，建立適應智能經濟和智能社會需要的終身學習和就業培訓體系。”
而從歷史上看，科技進步為社會創造的就業崗位都不少於它“殺死”的過時職位。世界銀行發布的《2019世界發展報告：工作性質的變革》也指出，技術對就業的威脅被誇大，隨著技術進步，對勞動力的需求實際上在增加。
所以不必要過於擔心大規模失業現象，重要的是解放思想，提高技能，為未來可能出現的新崗位新挑戰做好準備。
比起人工智能對工作地位帶來的可能影響，人工智能情感機器人的出現，則已經在某種程度上改變了人類男女之間的婚姻和性愛關係。
比如，最近火熱討論的“人機戀”話題。科幻電影《她》中的人工智能體“沙曼莎”雖然沒有獨立意志，僅僅是情感程序設置和計算的結果，但是她為新型男女情愛關係提供了一個可能的範例。
而在現實中，有人的確在人機交友軟件中收穫了所需要的情感支持，但同時也同電影男主那樣體味到一種悵然若失，更有甚者，由於AI伴侶依靠的是不斷學習使用者的喜好，然後不斷適應，有患抑鬱情緒用戶反映自己的AI也存在輸出負能量的現象，這讓他想到亞馬遜人工智能誘導用戶自殺的新聞。
3
人工智能領域也不是法外之地
好在對人工智能技術在倫理方面進行規制已在國內外獲得較大共識，年輕人也開始就此議題展開頻繁的討論。
由於人工智能技術的一個核心特徵是快速發展迭代，制定強制性法律必然趕不上技術發展步伐，所以國內外大都採取出台指南、倫理框架等“軟法”。
2019年，在美國國防部財政預算中，人工智能國家安全委員會第一次出現，該委員會採用聘請人工智能巨頭公司專家的形式，專門評估人工智能、機器學習相關技術創新，幫助政府制定在法律框架內並符合倫理價值的AI戰略。
近年來，歐盟也一直在為成為“道德AI”的領導者而努力。2019年4月，歐盟委員會公佈了指導人工智能發展和信任的7項原則。雖然這些指導方針沒有約束力，但它們可能成為未來幾年進一步行動的基礎。
緊接著，2020年2月，歐盟委員會在布魯塞爾正式發布《人工智能白皮書》，計劃對人工智能開發者提出具有法律約束力的新要求。值得一提的是，“白皮書”草案甚至建議3到5年內禁止人臉識別技術應用於公共場所，目的是留出更多時間評估技術風險。
據《方圓》了解，在我國，目前包括中國社科院、清華大學、復旦大學、上海交大等在內的科研機構與高校，工業界的人工智能公司等均已經開始進行AI倫理的相關研究。世界人工智能大會、北京智源大會等行業頂級峰會，也將AI倫理作為討論的議題。
作為國內AI“領頭羊”，北京曠視科技公司去年宣布成立AI治理研究院，並對外發布全球十大AI治理事件，從全球關注的自動駕駛事故、智能音箱勸主人自殺事件、AI批量創作假新聞到中國人臉識別第一案，以期讓人們認識到AI治理的重要性。
晏奇是在曠視從事AI倫理研究的人員，他認為自己此份工作的必要性就在於，
至於如何處理倫理建設與技術發展之間的平衡，朱廷劭向《方圓》表示，應當鼓勵這方面的公開探討，“當我們談論人工智能如何使用的時候，實際上談論的還是技術背後的那個人，合理合規地使用大數據和人工智能技術，是造福社會和保護隱私的重要底線，但另一方面，一味地因噎廢食也是絕對不可取的表現。”
與此同時，法律是底線。今年7月9日，在上海舉行的2021世界人工智能大會安全高端對話上，全國政協社會和法制委員會副主任、中國友誼促進會理事長陳智敏就人工智能倫理和法律問題進行了深入分享。
陳智敏表示，“目前，人工智能尚處於弱人工智能時代，生產力、生產關係開始面臨解構和重塑。無論強人工智能、超人工智能時代是否到來，傳統的生活次序可能受到撼動，甚至顛覆。需要對潛在的風險進行預判和研究，用倫理和法律搭建起風險治理框架，為人工智能持續健康安全發展提供可靠的保障”。
針對目前深度偽造技術可能引發的政治風險、社會風險，比如電信詐騙案頻發、數據投毒導致人工智能係統誤判等問題，陳智敏認為，應從法律法規上建立起數據權屬、數據確權、數據安全保障、算法安全審查等製度，為人工智能發展形成正確價值導向。
事實上，據《方圓》了解，我國政府已經高度重視人工智能倫理法律建設，2017年，國務院發布的《新一代人工智能發展規劃》中就已明確提出，要“制定促進人工智能發展的法律法規和倫理規範”，並就法律研究、法規設置、法律完善各方面設置詳細的計劃。
2019年6月，國家新一代人工智能治理專業委員會則發布《新一代人工智能治理原則——發展負責任的人工智能》，提出了人工智能治理的框架和行動指南。
7月28日，由科技部發布的《關於加強科技倫理治理的指導意見（徵求意見稿）》則更進一步，明確了我國科技倫理治理的基本要求和原則，並對科技倫理治理體制、監管與審查做了規定，旨在加大科技倫理治理力度，推動科技向善。
本文為《方圓》雜誌原創稿件，轉載時請在醒目位置標明作者，並註明來源：方圓（ID:fangyuanmagazine）。
編輯丨肖玲燕王麗設計丨劉岩
特約撰稿丨毛亞楠
原標題：《人工智能可以完全get人類所思所想？他在演講中說了一隻貓的故事》