時間：2023-06-30 16:08:07
導語：在對人工智能的思考的撰寫旅程中，學習并吸收他人佳作的精髓是一條寶貴的路徑，好期刊匯集了九篇優秀范文，愿這些內容能夠啟發您的創作靈感，引領您探索更多的創作可能。
1.關于人工智能
什么是人工智能呢?在 1956 年 Dartmouth 學會上，人們初次提出了“人工智能”這一術語。盡管人工智能沒有確切的定義，但基本概念就是人工智能(Artificial Intelligence)，英文縮寫為AI。是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，是計算機科學的一個分支。就人工智能的本質而言，就是運用目前的人工智能技術去模擬實現人腦基本的思維，也就是模擬人腦處理信息的過程。但目前的人工智能仍大都是在電腦中儲存眾多的解決辦法，然后通過分析面對的問題以及當前的環境信息，通過計算機得到最優的解決辦法，其核心思想在于具有優越的算法。
2.人工智能發展現狀以及驅動因素
目前，所有國家都十分看重人工智能這個產業，因為人工智能可以利用它自身快速準確的運算能力以及驚人的記憶力和巨大的存儲空間等，為人類提供各種各樣的服務。雖然我們生活中的人工智能機器正在逐漸增多，但是其應用方法仍十分原始。
正因為人工智能的前景十分廣闊，也使得各種因素持續推動著人工智能的發展。當然，最核心的因素在于算法，人們的不斷思考與努力持續推動著語法的進步。
3.人工智能與人類智能的關系
關于人工智能與人類智能的關系，知道什么是人類智能是了解人工智能與人類智能關系的前提條件。人類智能是人類與生俱來的自然智能，它主要包含感知能力、思維能力和行為能力三個方面。
現在我們從哲學的角度去理解人工智能與人類智能的關系。兩者是對立統一的關系，因為人工智能是人類智能的實際體現，人類智能又憑借人工智能的優點而加強，所以人類智能與人工智能相互依存，誰也離不開誰，并且兩者相互促進，共同推動人類社會的發展。人工智能和人類智能之間又存在對立的關系，正是通過這種對立的關系，人們才能夠不斷地對人工智能加以創新，促其發展。
4.人工智能與人類智能的區別
人工智能與人類智能兩者的關系十分密切。且這兩者之間的區別也非常大：第一，兩者的優點十分不同，比如人工智能計算能力強，而且擁有人腦無法涉及的計算速度，另外，人工智能機器可以在特殊環境條件下正常地工作。但是人腦能提出新問題，對新事物進行分析研究，得到解決新事物的辦法。第二，兩者起源不同。人類是自然界長期發展的結果，人工智能是由人類創造的。第三，兩者思維方式不同。人類智能擁有自己跳躍性的思維，但人工智能要嚴格遵循所設計好的思維程序。第四，兩者語言形式不同。人類擁有自己的自然語言，而人工智能只能依靠人類去創造人工語言。
5.人工智能能否超越人類智能
關于人工智能能否超越人類智能這個問題，人們的看法都大不相同，而且每個人的看法都有自己的合理解釋。但我認為，在整體上人工智能是不可能超越和代替人類智能的。因為人工智能是由人類所創造，只是人類智能的拓展和實現途徑。它沒有辦法去替代人類智能，更不可能像電影里的情節一樣，由人工智能來統治人類。
從社會環境來看，人工智能無法像人腦一樣去面對現在復雜的社會環境。從實際應用來看，人腦擁有超強的容錯率，而且可以在眾多信息中提取關鍵信息，并且耗能低，但目前的人工智能需要有完全正確的程序才能正常運行，而且需要投入的資源量巨大。
由此，我認為，人工智能是無法超越人類智能的，但我們要承認人工智能給我們的生活帶來了許多方便。雖然人工智能幫助我們在很多方面解決了依靠人力解決不了的很多問題，而且因為人工智能的快速發展，使人類智能可以無視時間和特殊環境進行研究和實踐。但是，如果因為科學技術的發展和電腦的廣泛應用，就認為人工智能可以代替和超越人類智能，這是沒有依據的。
社會的快速進步和人們對生活質量的要求不斷提高，都對智能化水平產生了迫切需要，從而節省寶貴的時間，提高生產力，也極大的方便了人們的生活，提高舒適度和生活質量。電氣工程自動化的領域中若想進行改革，就需要人工智能的廣泛參與,在此過程中，人工智能在電氣工程自動化控制方面的優勢也得到了極大的發揮，不僅促進了自動化的發展和創新,也推進了人工智能理論在自動化控制領域中的應用,并大量解決了以往的傳統技術難以解決的問題。本文中所提到的人工智能主要包括一下三個方面，即思維能力、行為能力、感知能力，人工智能主要是由人們創造出來的機器、設備等傳遞出的智能化技術,為人們提供便捷服務、幫助計算機做輔助工作、為企業的電氣設備做自動漏洞修復等，充分體現了電氣工程自動化的優點和特征。
1人工智能概述
人工智能的概念早在1956年就以問世，并隨著經濟和科技的快速發展得到越來越多的關注和重視，形成了以計算機為主題，以自動化技術、控制論、信息論、生物學科、仿生學科、心理學科、語言學科、數理邏輯學科、哲學論、醫學等為主要內容的綜合性技術，以方便人們的生活和設備的生產力為主要目的。在人工智能領域中,其技術可以使研制的機器設備擁有與人類的大腦智力和思考過程相近或一部分規定的技能的系統，從而幫助人們去完成一些輔助工作，方便人們的生活，提高整體生產力。人工智能是主要用于開發和研究如何更好的延伸和模仿人類的智能的理論。作為計算機科學技術的新興起的一個分支，人工智能技術更好的詮釋了智能的本質，并在此基礎上研究生產出一類具有部分或相近的人們的智能的機器或設備，現已研究出的領域較多并已開始廣泛應用，其中主要包括:圖像識別、語言識別、機器人、專家系統、自然語言處理分析等多種系統。電氣工程自動化技術領域涉及面較寬，主要研究的是自動控制技術、系統運行技術、信息處理技術、電子技術、研制開發技術、信息處理技術、計算機與電子應用技術等。隨著我國在自動化領域研究課題的不斷增加和發展，人工智能技術已開始應用在人們生活中的方方面面。
2人工智能技術應用于電氣工程的優點
人工智能技術較傳統技術更不容易受到其他因素的影響。在電氣工程中，傳統的控制器在運行中非常容易受到不利因素的影響，而人工智能技術由于具有一定的智能，從而具有一定的自身調整能力，并具有自身修復和抗壓能力，因此受其他因素的總體影響較小。人工智能技術具有操作簡便，效率較高。近年來的研究顯示，電氣工程自動化中的人工智能技術的應用主要有三種方法，即模糊控制、神經網絡控制、家電系統控制。這三種技術的應用使設備能夠自動對開關量、模擬量等數據進行收集，并快速進行相應的處理，并將數據進行存檔。另外，人工智能技術可以使設備具有良好的界面顯示功能，并幫助使用者完整的了解電氣設備的整體運行狀態，同時，也使設備帶有了自動報警功能，提示工作人員進行處理，而不需要時刻進行檢測，節省了人力物力。
3電氣工程自動化中人工智能的運用
人工智能是利用計算機技術去完成以往只能由人們去完成的技術，可以說是對以往仍能夠操作的顛覆。人工智能隨著應用的廣泛已家喻戶曉，不再陌生，也經常出現在尋常百姓家，其工作的原理也較為簡單，主要是通過對人的智能和思考規律進行摸索總結，找到關鍵點，再對設備或機器安裝程序，使其具有與人類相同的感知能力、思維能力以及行為能力，進而達到模仿甚至代替人類進行工作或操作某項活動的目的。隨著電氣工程自動化的快速發展，計算機在電氣工程領域的應用越來越廣泛，人工智能作為新興的技術也開始投入到電氣控制領域，在電氣工程中幫助人類進行信息的采集、數據的處理以及信息的反饋等功能，實現電氣工程領域中某些設備的自動化生產，另外，由于投入了人工智能設備，使人們可以根據需要來隨時調整和控制其運行的程序參數，達到低成本、低人力投入的成本最小化初衷，并實現提高生產力，獲得最高的經濟效益的目標。目前，我國的電氣工程自動化的許多環節中都應用了人工智能技術，并得到了良好成效。本文主要對人工智能在電氣設備的控制、故障診斷兩大方面具體描述人工智能在電氣工程自動化中的運用。在電氣工程自動化中，為了充分實現信息的傳遞、交換、數據處理和提高生產力，就需要使用人工智能來進行設備控制，從而降低人力、物力和財力的投入，增強設備的運行質量以及工作效率。例如：食品公司的一體化生產流水線，它從食品的材料壓制磨碎，到食品的烘焙和制作，以及成品的分塊、包裝等，都充分利用計算機編程軟件，使設備達到自動化運行的目的，在此過程中，設備可以根據固定的參數和定值對食品材料進行選擇和城中，減少了人為失誤，提高了生產效率。由此可見，人工智能在電氣設備的控制中具有良好的應用前景。
4結束語
隨著人口紅利的快速消失，中國急需尋找新的增長引擎。基于人工智能的自動化可以提升生產力，幫助中國實現其經濟發展目標。
在這一背景下，理解人工智能的發展及其對中國的影響尤為重要。本文將涵蓋以下內容:
第一部分簡要介紹人工智能的發展歷程、現有技術水平及未來展望。
基于4MAT系統模式案例設計
4MAT系統模式又稱為自然學習模式，它是由美國“學習公司”總裁麥卡錫博士在1979年創立的一個新型有效的學習框架。該模式將學習風格與腦科學研究結合起來，并根據人們感知和處理信息的方式，形成一種獨特的、順應個性學習需求的教學模式。圖1為學習者以4MAT學習的一個簡單實例。
第一階段，Johnny看到他的哥哥們是騎自行車去學校。他注意看他們是怎樣騎自行車的，騎自行車看上去很容易；第二階段，他請他的哥哥們（騎自行車的專家）展示他是怎樣騎自行車的；第三階段，Johnny騎上自行車，并嘗試騎行，他發現騎自行車并不像看上去那么容易；第四階段，他調整了自己，回過來再次嘗試騎自行車。在上述學習過程中，學習者的大腦經歷觀察反映、抽象假設、行動試驗、形成具體經驗四個階段，即4MAT模式的四個象限，整個學習過程組成一個循環圓圈。
4MAT模式以關注學習者為出發點，結合左右腦的不同特點，將教學分解為八個環節（如圖2所示），可較好地為學習者提供有意義的學習內容，學生有足夠的練習機會，且可“靈活調整”學習內容，并在這一過程中發掘所學在生活中的應用價值。高中信息技術課程內容大致可分為“動手做、如何做、為何做及做了何”四個方面，與4MAT模式四個象限的特點較切合。現以高中信息技術必修模塊中“信息的加工與表達――用智能工具處理信息”為主題，進行4MAT模式教學環節設計。
1.本課時教學目標。人工智能研究處于信息技術發展的前沿，它的研究、應用和發展在一定程度上決定著計算機技術的發展方向。高中人工智能課程目標的基本點定位在了解和體驗上，讓學生了解信息技術發展的前沿，體驗若干典型人工智能技術的應用，感受人工智能對學習和生活的影響，激發對信息技術未來的追求。
2.本課時教學任務。《信息加工與表達》課程標準對應要求：通過部分智能信息處理工具軟件的使用，體驗其基本工作過程，了解其實際應用價值。通過課堂討論、觀看媒體資料、網絡搜索、操作實踐、學習教材等手段，學生能夠：①了解人工智能技術的含義及智能工具的應用范圍；②列舉人工智能技術在社會、生活中的應用實例；③按功能對常見的智能應用進行分類；④在操作實踐活動中，了解智能工具的基本工作原理及其應用價值；⑤樹立辯證思想，客觀看待人工智能技術對社會的影響，培養正確的信息技術運用觀。
3.本課時教學內容：①人工智能、模式識別、自然語言理解、機器翻譯；②智能工具的應用范圍；③常見智能工具的操作（“小靈鼠”軟件、OCR軟件、在線翻譯軟件、機器人小I等）；④人工智能對人類生活、社會的影響及存在問題。
4.本課時教學安排見圖3。
①聯系，即讓學習者將學習內容與相關生活經驗建立聯系。設計活動來表明人工智能就在我們身邊以及它與信息技術學科前沿研究的聯系。活動內容：以小組為單位研討我們身邊的人工智能應用例子。通過討論，說明人工智能對人類生活、社會的影響。這個討論有助于讓學生將身邊的經驗與學習內容聯系起來。教師提供自主學習資源網站，引導并幫助學生聯系各人的經歷了解人工智能的應用范圍；通過讓學生觀看相關應用視頻，讓他們獲得直觀的感性認識。
②注意，即讓學生注意個人體驗以及與其他同學的經驗分享。分析經驗，小組討論并將經驗繪制成圖表。分小組分享經驗并用概念圖示描述人工智能的含義。
③想象，即在向學生傳授呈現概念時，讓學生先將自己的理解描述出來。整合經驗：在學習日記中描述人工智能對你及社會生活環境的影響。每個學生要在自己的日志中說明某一人工智能應用如何對個人生活和環境造成影響。
④告知，即由教師告知內行知識，學生接受內容并進行研究。學習內容：教師通過演示文稿介紹圖靈測試及人工智能小故事，幫助學生了解人工智能含義。教師帶領全班學生利用前面活動中獲得的信息，創建人工智能思維導圖，其中要包括人工智能含義、應用領域及它對人類社會產生的正面及負面影響。學生通過看視頻、聽講、課堂討論及小組研究等學習形式學習新知識。思維導圖會逐漸發展為一個動態的圖示。學生可隨時添加其他信息和實例。比如，隨著對人工智能技術的深入了解，其他內容也可以被添加到思維導圖中，在不斷形成的過程中，學生將學會如何有條理地收集信息。
⑤練習，即讓學生通過練習來學習，以達到對知識、技能的熟練掌握。實踐拼接活動：以“它”怎樣看、“它”如何懂兩組活動，制作設計新的思維導圖。歸納智能工具的工作原理和存在的不足。各小組通過實踐操作智能工具，分享有關知識和體驗，以思維導圖的形式描述模式識別及自然語言理解的工作原理并提出技術改進建議。教師在整個過程中對學生的表現給予反饋和建議。
⑥延伸，即是學生創新的開始，學生對所學的靈活調整，遷移運用。設計“人工智能會取代人類嗎”游戲中要用的問題。在課堂內外以學習小組的形式開展活動收集更多信息。每個小組根據他們了解的情況設計10個問題，在“人工智能會取代人類嗎”游戲中使用。比如，未來你心中的人工智能是什么樣、機器人具有真正的智能嗎、未來的智能工具將具備怎樣的功能，等等。
⑦提煉，即學生進行自我適應、調整、修改和評價其學習是否適當。學生復習課堂記錄、個人日志、實踐體驗、互聯網上學習到的內容等，小組完成研究報告，為最后階段做準備。
⑧展現，即讓學生表現自己。幫助學生將所學與更廣泛的知識聯系起來。設計一個總結主要觀點的演示文稿（用例子和視覺畫面對人工智能應用作出說明）。為學校設計一個普及人工智能知識的網站。撰寫一份“智能工具應用啟示”的研究的可行性報告，并設計完成一個未來智能工具或提出一個智能應用的想法。
基于Feden-Vogel教學模式的案例設計
普萊斯頓?D?費德恩，羅伯特?M?沃格爾結合信息加工論，在4MAT系統及教師實踐經驗的基礎上，提出了Feden-Vogel教學設計模式。該模式包含三個不同的工具：計劃組織圖、教學計劃模板、教案格式。其教學分五個步驟進行設計：步驟一，引起學生注意并激活先前知識；步驟二，教授陳述性知識，不僅包含課時內容，還應涉及一些核心概念等；步驟三，給學生提供足夠的時間和實踐機會，形成程序性知識；步驟四，讓學生運用所學知識解決不同問題，幫助他們以新的或不同的方式運用所學；步驟五，結束當前教學并啟發學生關注知識和連續性，過渡到下一教學主題。在Feden-Vogel模式中，是從步驟二開始教學設計（即在課程目標與學習標準中讓學生學習的陳述性知識），教學實施從步驟一開始。現仍以高中信息技術必修模塊中“信息加工與表達”為主題，進行Feden-Vogel模式教學設計，課時教學目標與上例同。
1.《用智能工具處理信息》Feden-Vogel計劃組織圖（見圖4）。
2.《用智能工具處理信息》Feden-Vogel教學五步驟設計。
步驟一，呈現先行組織圖，讓學生回顧先前的知識，提問前面幾類信息加工與表達的特征及應用價值。這個練習可以讓學生準備好學習下一個主題，即用智能工具處理信息。讓學生聯系和此問題相關的現實生活情境：如果你在寫一份研究報告時，需要一本資料書上的三頁內容，或者你想通過錄音將你說的話轉化成文字時，你將采用什么辦法來完成？向學生提出這個問題，讓他們設想解決的方案。通過這個問題可以將情境與新主題聯系在一起。為了幫助學生解決此問題，可展示觸屏手機手寫輸入信息的過程，讓學生上網搜索相關資料。同時為學生提供多種體驗工具軟件（“小靈鼠”軟件、OCR軟件，語音識別軟件等）。
步驟二，播放有關我們身邊人工智能應用的視頻，讓學生上網查找人工智能應用領域及實例。介紹圖靈測試，向學生提問，人工智能的含義是什么？學生建立人工智能概念圖，并添加智能應用領域及實例。
步驟三，將學生異質分組，提出小組體驗計劃。當學生制定好計劃后，就可以開始試著用智能處理工具（模式識別）進行操作實踐。等他們完成體驗后提問學生：識別的準確率高嗎？影響識別率高低的主客觀因素有哪些？接下來，引導學生思考分析模式識別工具處理信息的工作原理，引導他們針對體驗中存在的問題提出改進建議。在建立模式識別思維導圖過程中，通過提問學生生活中或未來還有哪些信息可以通過模式識別來處理，進一步加深學生對相關內容的了解。
步驟四，讓全班一起討論在進行模式識別智能工具體驗中的感受。教師使用提問策略來幫助他們進入下一人工智能應用領域：自然語言理解。比如，可以問學生是否能通過工具將一段中文詩詞翻譯成其他語言，或者和機器人聊天時應該怎樣設計智能處理工具。學生討論，形成小組設計報告，并通過上網查找出相關工具軟件名稱。學生選擇教師提供的工具軟件進行體驗操作，總結出其工作原理及存在的問題。
關鍵詞：人工智能 機器學習 機器人情感獲得 發展綜述
中圖分類號：TP18 文獻標識碼：A 文章編號：1003-9082 （2017） 04-0234-01
引言
人類自從工業革命結束之后，就已然開始了對人工智能的探索，究其本質，實際上就是對人的思維進行模仿，以此代替人類工作。人工智能的探索最早可以追溯到圖靈時期，那時圖靈就希望未來的智能系統能夠像人一樣思考。在20世紀五十年代，人工智能被首次確定為一個新興的學科，并吸引了大批的學者投入到該領域的研究當中。經過長時間的探索和嘗試，人工智能的許多重要基本理論已經形成，如模式識別、特征表示與推理、機器學習的相關理論和算法等等。進入二十一世紀以來，隨著深度學習與卷積神經網絡的發展，人工智能再一次成為研究熱點。人工智能技術與基因過程、納米科學并列為二十一世紀的三大尖端技術， 并且人工智能涉及的學科多，社會應用廣泛，對其原理和本質的理解也更為復雜。 一、人工智能的發展歷程
回顧人工智能的產生與發展過程 ，可以將其分為：初期形成階段，綜合發展階段和應用階段。
1.初期形成階段
人工智能這一思想最早的提出是基于對人腦神經元模型的抽象。其早期工作被認為是由美國的神經學家和控制論學者 Warren McCulloch與Walter Pitts共同完成的。在1951年，兩名普林斯頓大學的研究生制造出了第一臺人工神經元計算機。而其真正作為一個新的概念被提出是在1956年舉行的達茅斯會議上。由麥卡錫提議并正式采用了“人工智能”（Artificial Intelligence）礱枋穌庖謊芯咳綰斡沒器來模擬人類智能的新興學科。1969年的國際人工智能聯合會議標志著人工智能得到了國際的認可。至此，人工智能這一概念初步形成，也逐漸吸引了從事數學、生物、計算機、神經科學等相關學科的學者參與該領域的研究。
2.綜合發展階段
1.7 7年， 費根鮑姆在第五屆國際人工智能聯合會議上正式提出了“知識工程”這一概念。而后其對應的專家系統得到發展，許多智能系統紛紛被推出，并應用到了人類生活的方方面面。20世紀80年代以來，專家系統逐步向多技術、多方法的綜合集成與多學科、多領域的綜合應用型發展。大型專家系統開發采用了多種人工智能語言、多種知識表示方法、多種推理機制和多種控制策略相結合的方式， 并開始運用各種專家系統外殼、專家系統開發工具和專家系統開發環境等等。在專家系統的發展過程中，人工智能得到了較為系統和全面的綜合發展，并能夠在一些具體的任務中接近甚至超過人類專家的水平。
3.應用階段
進入二十一世紀以后，由于深度人工神經網絡的提出，并在圖像分類與識別的任務上遠遠超過了傳統的方法，人工智能掀起了前所未有的。2006年，由加拿大多倫多大學的Geoffery Hinton及其學生在《Science》雜志上發表文章，其中首次提到了深度學習這一思想，實現對數據的分級表達，降低了經典神經網絡的訓練難度。并隨后提出了如深度卷積神經網絡（Convolutional Neural Network， CNN），以及區域卷積神經網絡（Region-based Convolutional Neural Network， R-CNN），等等新的網絡訓練結構，使得訓練和測試的效率得到大幅提升，識別準確率也顯著提高。
二、人工智能核心技術
人工智能由于其涉及的領域較多，內容復雜，因此在不同的應用場景涉及到許多核心技術，這其中如專家系統、機器學習、模式識別、人工神經網絡等是最重要也是發展較為完善的幾個核心技術。
1.專家系統
專家系統是一類具有專門知識和經驗的計算機智能程序系統，通過對人類專家的問題求解能力建模，采用人工智能中的知識表示和知識推理技術來模擬通常由專家才能解決的復雜問題，達到具有與專家同等解決問題能力的水平。對專家系統的研究，是人工智能中開展得較為全面、系統且已經取得廣泛應用的技術。許多成熟而先進的專家系統已經被應用在如醫療診斷、地質勘測、文化教育等方面。
2.機器學習
機器學習是一個讓計算機在非精確編程下進行活動的科學，也就是機器自己獲取知識。起初，機器學習被大量應用在圖像識別等學習任務中，后來，機器學習不再限于識別字符、圖像中的某個目標，而是將其應用到機器人、基因數據的分析甚至是金融市場的預測中。在機器學習的發展過程中，先后誕生了如凸優化、核方法、支持向量機、Boosting算法等等一系列經典的機器學習方法和理論。機器學習也是人工智能研究中最為重要的核心方向。
3.模式識別
模式識別是研究如何使機器具有感知能力 ，主要研究圖像和語音等的識別。其經典算法包括如k-means，主成分分析（PCA），貝葉斯分類器等等。在日常生活各方面以及軍事上都有廣大的用途。近年來迅速發展起來應用模糊數學模式、人工神經網絡模式的方法逐漸取代傳統的基于統計學習的識別方法。圖形識別方面例如識別各種印刷體和某些手寫體文字，識別指紋、癌細胞等技術已經進入實際應用。語音識別主要研究各種語音信號的分類，和自然語言理解等等。模式識別技術是人工智能的一大應用領域，其非常熱門的如人臉識別、手勢識別等等對人們的生活有著十分直接的影響。
4.人工神經網絡
人工神經網絡是在研究人腦的結構中得到啟發， 試圖用大量的處理單元模仿人腦神經系統工程結構和工作機理。而近年來發展的深度卷積神經網絡（Convolutional neural networks， CNNs）具有更復雜的網絡結構，與經典的機器學習算法相比在大數據的訓練下有著更強的特征學習和表達能力。含有多個隱含層的神經網絡能夠對輸入原始數據有更抽象喝更本質的表述，從而有利于解決特征可視化以及分類問題。另外，通過實現“逐層初始化”這一方法，實現對輸入數據的分級表達，可以有效降低神經網絡的訓練難度。目前的神經網絡在圖像識別任務中取得了十分明顯的進展，基于CNN的圖像識別技術也一直是學術界與工業界一致追捧的熱點。
三、機器人情感獲得
1.智能C器人現狀
目前智能機器人的研究還主要基于智能控制技術，通過預先定義好的機器人行動規則，編程實現復雜的自動控制，完成機器人的移動過程。而人類進行動作、行為的學習主要是通過模仿及與環境的交互。從這個意義上說，目前智能機器人還不具有類腦的多模態感知及基于感知信息的類腦自主決策能力。在運動機制方面，目前幾乎所有的智能機器人都不具備類人的外周神經系統，其靈活性和自適應性與人類運動系統還具有較大差距。
2.機器人情感獲得的可能性
人腦是在與外界永不停息的交互中，在高度發達的神經系統的處理下獲得情感。智能機器人在不斷的機器學習和大數據處理中，中樞處理系統不斷地自我更新、升級，便具備了獲得情感的可能性及幾率。不斷地更新、升級的過程類似于生物的進化歷程，也就是說，智能機器人有充分的可能性獲得與人類同等豐富的情感世界。
3.機器人獲得情感的利弊
機器人獲得情感在理論可行的情況下，伴之而來的利弊則眾說紛紜。一方面，擁有豐富情感世界的機器人可以帶來更多人性化的服務，人機合作也可進行地更加深入，可以為人類帶來更為逼真的體驗和享受。人類或可與智能機器人攜手共創一個和諧世界。但是另一方面，在機器人獲得情感時，機器人是否能徹底貫徹人類命令及協議的擔憂也迎面而來。
4.規避機器人情感獲得的風險
規避智能機器人獲得情感的風險應預備強制措施。首先要設計完備的智能機器人情感協議，將威脅泯滅于未然。其次，應控制智能機器人的能源獲得，以限制其自主活動的能力，杜絕其建立獨立體系的可能。最后，要掌控核心武器，必要時強行停止運行、回收、甚至銷毀智能機器人。
三、總結
本文梳理了人工智能的發展歷程與核心技術，可以毋庸置疑地說，人工智能具有極其廣闊的應用前景，但也伴隨著極大的風險。回顧其發展歷程，我們有理由充分相信，在未來人工智能的技術會不斷完善，難題會被攻克。作為世界上最熱門的領域之一，在合理有效規避其風險的同時，獲得情感的智能機器人會造福人類，并極大地幫助人們的社會生活。
參考文獻
[1]韓曄彤.人工智能技術發展及應用研究綜述[J].電子制作，2016，（12）：95.
[2]曾毅，劉成林，譚鐵牛.類腦智能研究的回顧與展望[J].計算機學報，2016，（01）：212-222.
[3]張越.人工智能綜述：讓機器像人類一樣思考
如何應對人工智能時代的轉型？人工智能的商業價值地圖中，哪些產業將最先享受技術紅利？
“智造”并不是一個新詞，幾年前，我們可以看到數字技術從虛擬世界向實體世界滲透。3D打印、激光切割等一系列數字制造設備的發明讓制造變得民主化，所以誕生了創客這個群體，讓普通人也可以通過智造來實現想法。而今天，我們都看到“智”的含義又進化了。
人工智能正在全球范圍內掀起產業浪潮。從去年開始，騰訊研究院就對人工智能的產業發展有一個持續的跟蹤。我今天將從一個更廣的維度，不限于制造業來與大家分享關于人工智能如何融合產業，創造萬億實體經濟新動能的一些觀察。
人工智能認知差距存在：已走入平常生活
在另一陣營，包括扎克伯格、李開復、吳恩達等在內的多位人工智能業界和學界人士都表示人工智能對人類的生存威脅尚且遙遠。這其中主要的爭議就來源于對“人工智能”定義的區別。人工智能學家馬斯克等人所述的人工智能，是指可以獨立思考并解決問題，具有思維能力的“強人工智能”，目前，科學界和工業界對何時發展出“強人工智能”并無定論。
現在處于全球熱議中的“人工智能”，并不完全等同于以往學院派定義的人工智能。你可能沒有意識到，我們日常生活中已經用到了許多人工智能技術：早在2011年，蘋果就率先將人工智能應用Siri放進了大家的口袋里；拍照、簽到時用到的人臉識別技術，智能音箱的語音對話系統，以及我們現在主流的新聞推薦引擎，也都用到了深度學習的算法。
人工智能算法存在于人們的手機和個人電腦里，存在于政府機關、企業的服務器上，存在于共有或者私有的云端之中。雖然我們不一定能夠時時刻刻感知到人工智能算法的存在，但人工智能算法已經高度滲透進我們的生活之中。
人工智能的商業潮起：九大領域形成熱點
人工智能的歷史已經有60年的時間，但它作為一個商業化浪潮是最近幾年爆發的。與以往幾次人工智能浪潮不同，此次的人工智能革命跨越了技術商業化的臨界點。
下圖為騰訊研究院的《中美人工智能產業報告》，人工智能領域的投資金額從2012年起呈現出了非常陡峭的增長趨勢，轉折點就是深度學習技術的突破。
IT產業經過數十年的發展，在存儲、運算和傳輸能力上都有了幾何級的提升，使深度學習最終有了質的飛躍。互聯網積累了20年的數據終于有了用武之地——訓練數據。機器學習和深度學習的飛速發展直接引領了此次人工智能產業浪潮。
截至目前，美國在融資金額上人工達到了938億，中國僅次于美國達到了635億。人工智能產業發展出了九大熱點領域，分別是芯片、自然語言處理、語音識別、機器學習應用、計算機視覺、智能機器人、自動駕駛。
另一個明顯的趨勢是中美科技巨頭的集體轉型。從互聯網到移動互聯網的歷次轉換歷程中，把握技術革命帶來的商業范式革命是屹立不敗的關鍵。技術革命將帶來基礎設施、商業模式、行業渠道、競爭規則變化的漣漪效應。
谷歌最早意識到機器學習的重要性，從2012年開始從搜索業務積累數據。從2012年到2017年短短的5年時間已經滲透到了超過1200個谷歌的服務中。業務發展戰略從“移動優先”轉為“人工智能優先”。除此以外，美國的FAAMG (Facebook， Amazon， Apple， Microsoft， Google)以及中國的BAT無一例外投入越來越多資源搶占人工智能市場，有的甚至轉型成為AI公司。他們紛紛從四方面從基礎到全局打造AI生態：
第一，通過建立AI實驗室，來建立核心的人才隊伍。第二，持續并購來爭奪人才和技術。第三，建立開源的生態，占領產業核心。今天，大多數技術進步都不是封閉的創造發明。技術的指數級增長，受益于底層技術的共享。今年，騰訊向外輸出了兩大AI開源項目ANGEL和NCNN。第四，最好的人工智能服務將可能化為無形，即與云服務結合。工具AI將大幅降低企業使用AI的門檻，越來越多科技巨頭選擇將自己的服務“云端化”來賦能全行業。正如馬化騰所說的未來的企業都是在云端用AI處理大數據。并且在一些領域開始試水消費級人工智能的場景。
認識人工智能的能力與局限
認識人工智能的能力與局限AI要在商業上取得成功，首先要理解人工智能的真實能力。AI的爆發對商業的塑造也許與互聯網徹底顛覆傳統行業不同，在很大程度上會不動聲色地嵌入到商業中。應用場景不再是新奇的概念展示，而是融入現有的生產中，進入垂直領域，創造直接的經濟價值。
認識人工智能的能力與局限從認識物理世界到自主決策，目前人工智能已經具備以下幾種能力：
認識人工智能的能力與局限感知智能：在語音識別、圖像識別領域已經有很深入的應用，賦予了機器“看”和“聽”的能力。甚至情感也能被機器理解 ；語音識別和圖像識別都有了顯著的提升。
認識人工智能的能力與局限理解能力：自然語言理解成為隱形的標配植入到產品中。配合計算機視覺可用于理解圖像，來執行基于文本的圖像搜索、圖像描述生成、圖像問答（給定圖像和問題，輸出答案）等。
認識人工智能的能力與局限數據智能：機器學習、深度學習讓機器能夠洞察數據的秘密，并且不斷自動優化算法，提升數據分析能力。
認識人工智能的能力與局限決策能力：本質是用數據和模型為現有問題提供解決方案。棋類游戲是一種典型的決策能力，人類在完美信息博弈的游戲中已徹底輸給機器，只能在不完美信息的德州撲克和麻將中茍延殘喘。在更廣泛的領域，例如如何自動駕駛汽車，如何將投資收益最大化等豐富的場景都將是決策能力的用武之地。
人工智能的價值地圖：產業融合正在加速
與互聯網時代一夜顛覆的渠道革命不同，人工智能的帶來的商業變革正在不動聲色地滲入到各行各業。一大批AI應用的先導者正在將AI能力賦能產業，涉及吃住行、工業醫療等各個領域。下面將用三個例子來說明正在發生的“AI+”產業增強革命。
首先是零售行業。上圖是亞馬遜推出的無人超市Amazon Go。在亞馬遜的藍圖中，顧客從貨架上取下貨品，無需再經過收銀臺便可自動完成結算過程。從顧客進店開始，通過人臉識別驗證顧客身份，在顧客購物時，通過圖像識別和對比技術判斷商品種類，自動生成購物訂單完成自動結算。
現在，各種形式的無人零售商店在國內也如雨后春筍般興起。當然，無人收費只是零售智能化的第一步，人工智能不同能力的應用將全面改變現在的零售模式。比如開一家店選址、到底在哪開、開多大、覆蓋多少人群、賣多少東西？時裝周采購設計師的衣服，買那些今年會暢銷？以前這些都靠零售人的經驗做決策，但在信息時代，這些都可以用精準的算法做決策。
第二個例子是醫療行業，醫療在任何國家都是最大的行業之一，我們經濟發展和科技進步追求的最終目標也是增進健康。
人工智能在醫療行業的應用很廣泛。用人工智能來輔助醫療影像診斷大家已經比較熟悉了。我想說的是人工智能對精準醫療的推動。所有遺傳密碼的信息都是非常非常多的一個大數據，對任何人在他沒有得病的時候我們測量他的組學數據，分析組學大數據，那么就可以對他未來健康發展的危險因素做出評估，根據評估進行適當干預，這樣的話有些疾病不發展，有些疾病減輕他的程度，提高他的生活質量，這樣就把整個醫療健康體系的關口前移，在沒有病之前就提出評估與保證。
第三個例子來自制造業。波士頓有家著名的機器人公司叫Rethink Robotics，顧名思義就是重新思考機器人。這個公司開發了一款名為Baxter的智能協作機器人。這個機器人的特點是和人的交互不再是機械的。Baxter 采用順應式手臂并具有力度探測功能，能夠適應變化的環境，可“感知”異常現象并引導部件就位。你只要挪動它的手臂就能進行訓練，完成特定的任務。其次，對于制造業來說人工智能不僅僅意味著完成某項工任務的機器人，也是未來制造業智能工廠、智能供應鏈等相互支撐的智能制造體系。通過人工智能實現設計過程、制造過程和制造裝備的智能化。
人工智能的經濟影響
人工智能在經濟層面的影響，主要有三個方面：
第一，生產效率的提升。人工智能創造了一種虛擬的勞動力，能夠解決需要適應性和敏捷性的復雜任務。
第二，交易成本的下降。互聯網的平臺模式通過降低信息不對稱，降低了交易成本。隨著機器學習的引入，可以實現更精準的服務匹配，進一步優化資源的分配。
第三，人工智能將帶來數據產業的蓬勃。機器學習需要數據的“喂養”，海量的數據需求催生了多種類型的數據交易模式。數據的需求會產生很多數據經紀商，有B2B模式，C2B模式，B2B2C模式等，促進數據在個人、企業及產業鏈層面流通。數據的來源不單單來自于用戶，也來自于政府公開數據、商業渠道、博客等公共資源等。
轉型之路：五要素堅實人工智能基礎
人工智能將一切變化都帶入了超高速發展的軌道。創新科技公司已集體轉型，傳統行業又改如何應對即將到來的人工智能時代？實現人工智能的轉型，需要從幾個方面并行：
數據、算法和算力是我們常說的人工智能的“三駕馬車”，是人工智能得以應用的基礎。
第一是數據，我們對數據的認識不應該停留在統計，改進產品或者作為決策的支持依據。而應該看到它導致機器智能的產生。但首先，數據是有條件的。垂直行業的數據，高質量的數據。在國家層面，也有許多數據開放計劃。
第二是算法，人工智能的人才仍然是很稀缺的。高校和企業的人才流動越來越頻繁。但同時，企業通過開放生態，降低開發門檻。可以讓更多中小企業享受AI能力。
第三是算力，現在的人工智能系統通過成百上千個GPU來提升算力，使深度學習能夠走向生產環境。但隨著數據的爆發式增長，現有算力將無法匹配。
除了這三駕馬車，從實驗室到行業應用，在人工智能的應用過程中還需要加入兩個元素：
■ 首先是場景。理解場景是人工智能應用的核心。人工智能必須落到精準的場景，才能實現實在的價值。理解人工智能能力可落地的場景及對應的流程，將AI納入決策流程。
■ 其次是人機回環，即human-in-the-loop。“人機回圈”的第一層含義是人工智能應用中需要用戶，即人的反饋來強化模型。更進一步，機器學習是一種嘗試創建允許通過讓專家與機器的一系列交互參與到機器學習的訓練中的系統工作。機器學習通常由工程師訓練數據，而不是某個領域的專家。“人機回圈”的核心是構建模型的想法不僅來自數據，而且來自于人們怎樣看待數據。專家會成為垂直領域的AI顧問，把關模型的正確性。
人工智能并不是靜態的東西，訓練出來的模型要用到某個業務場景里，業務場景里產生新的數據，這些數據進一步提升人工智能模型的能力，再用到場景中，形成一個閉環和迭代。
總結
本輪人工智能浪潮是基于深度學習的發展，將快速滲透到數據密集行業。
人工智能目前從感知智能、理解智能、數據智能和決策智能四方面發揮在各行各業的能力。
2017年7月，國務院印發《新一代人工智能發展規劃》，不僅對人工智能的發展做出了戰略性部署，還確立了“三步走”的政策目標，力爭到2030年將我國建設成為世界主要的人工智能創新中心。[1]值得注意的是，此次規劃不僅僅只是技術或產業發展規劃，還同時包括了社會建設、制度重構、全球治理等方方面面的內容。之所以如此，是由于人工智能技術本身具有通用性和基礎性。換句話說，為助推人工智能時代的崛起，我們面對的任務不是實現某一個專業領域或產業領域內的顛覆性技術突破，而是大力推動源于技術發展而引發的綜合性變革。
也正因為如此，人工智能發展進程中所面臨的挑戰才不僅僅局限于技術或產業領域，而更多體現在經濟、社會、政治領域的公共政策選擇上。首先，普遍建立在科層制基礎上的公共事務治理結構，是否能夠適應技術發展和應用過程中所大規模激發的不確定性和不可預知性?再者，長久以來圍繞人類行為的規制制度，是否同樣能夠適應以數據、算法為主體的應用環境?最后，如何構建新的治理體系和治理工具來應對伴隨人工智能發展而興起的新的經濟、社會、政治問題?
應對上述挑戰并不完全取決于技術發展或商業創新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發展邏輯及其所引發的風險挑戰的基礎上，對人工智能時代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構成了人工智能治理的三個基本問題。具體而言，人工智能本身成為治理對象，其發展與應用構成了治理挑戰，而在此基礎上如何做出公共政策選擇便是未來治理變革的方向。
全文共分為四個部分：第一部分將探討人工智能的概念及特征，并進而對其發展邏輯進行闡述。作為一項顛覆性技術創新，其本身的技術門檻對決策者而言構成了挑戰，梳理并捋清人工智能的本質內涵因而成為制定相關公共政策的前提;第二部分將著重分析人工智能時代崛起所帶來的治理挑戰，主要包括三個方面，即傳統科層治理結構應對人工智能新的生產模式的滯后性、建基于行為因果關系之上的傳統治理邏輯應對人工智能新主體的不適用性，以及人工智能發展所引發的新議題的治理空白;面對上述挑戰，各國都出臺了相關政策，本文第三部分對此進行了綜述性對比分析，并指出了其進步意義所在。需要指出的是，盡管各國的政策目標都試圖追求人工智能發展與監管的二維平衡，但由于缺乏對人工智能內涵及其發展邏輯的完整認識，當前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動圍繞人工智能治理的相關公共政策議題的深入討論。
一、人工智能的概念及技術發展邏輯：算法與數據
伴隨著人工智能技術的快速發展，尤其是其近年來在棋類對弈、自動駕駛、人臉識別等領域的廣泛應用，圍繞人工智能所可能引發的社會變革產生了激烈爭論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強監管，警惕“人工智能成為人類文明史的終結”;在另一方面，包括奧巴馬[6]在內的政治家、學者又認為應該放松監管，充分釋放人工智能的技術潛力以造福社會。未來發展的不確定性固然是引發當前爭論的重要原因之一，但圍繞“人工智能”概念內涵理解的不同，以及對其發展邏輯認識的不清晰，可能也同樣嚴重地加劇了人們的分歧。正因為此，廓清人工智能的概念內涵和發展邏輯不僅是回應爭論的需要，也是進一步提出公共政策建議的前提。
就相關研究領域而言，人們對于“人工智能”這一概念的定義并未形成普遍共識。計算機領域的先驅阿蘭-圖靈曾在《計算機器與智能》一文中提出，重要的不是機器模仿人類思維過程的能力，而是機器重復人類思維外在表現行為的能力。[7]正是由此理解出發，著名的“圖靈測試”方案被提出。但如同斯坦福大學計算機系教授約翰·麥卡錫所指出的，“圖靈測試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時也能完成相關行為的機器同樣應被視為“智能”的。[8]事實上，約翰·麥卡錫正是現代人工智能概念的提出者。在他看來，“智能”關乎完成某種目標的行為“機制”，而機器既可以通過模仿人來實現行為機制，也可以自由地使用任何辦法來創造行為機制。[9]由此，我們便得到了人工智能領域另一個非常重要的概念——“機器學習”。
人工智能研究的目標是使機器達到人類級別的智能能力，而其中最重要的便是學習能力。[10]因此，盡管“機器學習”是“人工智能”的子域，但很多時候我們都將這兩個概念等同起來。[11]就實現過程而言，機器學習是指利用某些算法指導計算機利用已知數據得出適當模型，并利用此模型對新的情境給出判斷，從而完成行為機制的過程。此處需要強調一下機器學習算法與傳統算法的差異。算法本質上就是一系列指令，告訴計算機該做什么。對于傳統算法而言，其往往事無巨細地規定好了機器在既定條件下的既定動作;機器學習算法卻是通過對已有數據的“學習”，使機器能夠在與歷史數據不同的新情境下做出判斷。以機器人行走的實現為例，傳統算法下，程序員要仔細規定好機器人在既定環境下每一個動作的實現流程;而機器學習算法下，程序員要做的則是使計算機分析并模擬人類的行走動作，以使其即使在完全陌生的環境中也能實現行走。
由此，我們可以對“人工智能”設定一個“工作定義”以方便進一步的討論：人工智能是建立在現代算法基礎上，以歷史數據為支撐，而形成的具有感知、推理、學習、決策等思維活動并能夠按照一定目標完成相應行為的計算系統。這一概念盡管可能仍不完善，但它突出了人工智能技術發展和應用的兩大基石——算法與數據，有助于討論人工智能的治理問題。
首先，算法即是規則，它不僅確立了機器所試圖實現的目標，同時也指出了實現目標的路徑與方法。就人工智能當前的技術發展史而言，算法主要可被劃分為五個類別：符號學派、聯接學派、進化學派、類推學派和貝葉斯學派。[12]每個學派都遵循不同的邏輯、以不同的理念實現了人工智能(也即“機器學習”)的過程。舉例而言，“符號學派”將所有的信息處理簡化為對符號的操縱，由此學習過程被簡化(抽象)為基于數據和假設的規則歸納過程。在數據(即歷史事實)和已有知識(即預先設定的條件)的基礎上，符號學派通過“提出假設-數據驗證-進一步提出新假設-歸納新規則”的過程來訓練機器的學習能力，并由此實現在新環境下的決策判斷。
從對“符號學派”的描述中可以發現，機器學習模型成功的關鍵不僅是算法，還有數據。數據的缺失和預設條件的不合理將直接影響機器學習的輸出(就符號學派而言，即決策規則的歸納)。最明顯體現這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數據集不完整)之后得出結論(代表預設條件不合理，超過10個確認數據即接受規則)，主人會在每天早上9點給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。
所有算法類型盡管理念不同，但模型成功的關鍵都聚焦于“算法”和“數據”。事實上，如果跳出具體學派的思維束縛，每種機器學習算法都可被概括為“表示方法、評估、優化”這三個部分。[13]盡管機器可以不斷的自我優化以提升學習能力，且原則上可以學習任何東西，但評估的方法和原則(算法)以及用以評估的數據(數據)都是人為決定的——而這也正是人工智能治理的關鍵所在。算法與數據不僅是人工智能發展邏輯的基石，其同樣是治理的對象和關鍵。
總而言之，圍繞“人工智能是否會取代人類”的爭論事實上并無太大意義，更重要的反而是在廓清人工智能的內涵并理解其發展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對象為算法和數據無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時代的崛起所帶來的治理挑戰究竟是什么?當前的制度設計是否能夠對其做出有效應對?如果答案是否定的，我們又該如何重構治理體系以迎接人工智能時代的崛起?本文余下部分將對此做進一步的闡述。
二、人工智能時代崛起的治理挑戰
不同于其他顛覆性技術，人工智能的發展并不局限于某一特定產業，而是能夠支撐所有產業變革的通用型技術。也正因為此，其具有廣泛的社會溢出效應，在政治、經濟、社會等各個領域都會帶來深刻變革，并將同時引發治理方面的挑戰。具體而言，挑戰主要體現在以下三個方面。
首先，治理結構的僵化性，即傳統的科層制治理結構可能難以應對人工智能快速發展而形成的開放性和不確定性。之所以需要對人工智能加以監管，原因在于其可能成為公共危險的源頭，例如當自動駕駛技術普及之后，一旦出現問題，便可能導致大規模的連續性傷害。但不同機、大型水壩、原子核科技等二十世紀的公共危險源，人工智能的發展具有極強的開放性，任何一個程序員或公司都可以毫無門檻的進行人工智能程序的開發與應用。這一方面是由于互聯網時代的到來，使得基于代碼的生產門檻被大大降低[14];另一方面，這也是人工智能本身發展規律的需要。正如前文所提到，唯有大規模的數據輸入才可能得到較好的機器學習結果，因此將人工智能的平臺(也即算法)以開源形式公開出來，以使更多的人在不同場景之下加以利用并由此吸收更多、更完備的數據以完善算法本身，就成為了大多數人工智能公司的必然選擇。與此同時，人工智能生產模式的開放性也必然帶來發展的不確定性，在缺乏有效約束或引導的情況下，人工智能的發展很可能走向歧途。面對這一新形勢，傳統的、基于科層制的治理結構顯然難以做出有效應對。一方面，政府試圖全范圍覆蓋的事前監管已經成為不可能，開放的人工智能生產網絡使得監管機構幾乎找不到監管對象;另一方面，由上至下的權威結構既不能傳遞給生產者，信息不對稱問題的加劇還可能導致監管行為走向反面。調整治理結構與治理邏輯，并形成適應具有開放性、不確定性特征的人工智能生產模式，是當前面臨的治理挑戰之一。
再者，治理方法的滯后性，即長久以來建立在人類行為因果關系基礎上的法律規制體系，可能難以適用于以算法、數據為主體的應用環境。人工智能的價值并不在于模仿人類行為，而是其具備自主的學習和決策能力;正因為如此，人工智能技術才不能簡單地理解為其創造者(即人)意志的表達。程序員給出的只是學習規則，但真正做出決策的是基于大規模數據訓練后的算法本身，而這一結果與程序員的意志并無直接因果關聯。事實上也正由于這個特點，AlphaGo才可能連續擊敗圍棋冠軍，而其設計者卻并非圍棋頂尖大師。也正是在這個意義上，我們才回到了福柯所言的“技術的主體性”概念。在他看來，“技術并不僅僅是工具，或者不僅僅是達到目的的手段;相反，其是政治行動者，手段與目的密不可分”。[15]就此而言，長久以來通過探究行為與后果之因果關系來規范人的行為的法律規制體系，便可能遭遇窘境：如果將人工智能所造成的侵權行為歸咎于其設計者，無疑不具有說服力;但如果要歸咎于人工智能本身，我們又該如何問責一個機器呢?由此，如何應對以算法、數據為核心的技術主體所帶來的公共責任分配問題，是當前面臨的第二個治理挑戰。
最后，治理范圍的狹隘性，即對于受人工智能發展沖擊而引發的新的社會議題，需要構建新的治理體系和發展新的治理工具。人工智能發展所引發的治理挑戰不僅僅體現在現有體系的不適應上，同時還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護，數據的權屬關系究竟如何界定，如何緩解人工智能所可能加劇的不平等現象，以及如何平衡人工智能的發展與失業問題。在人工智能時代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發展和應用普及，它們的重要性便日漸顯著。以最為人所關注的失業問題為例，就技術可能性來說，人工智能和機器人的廣泛應用代替人工勞動，已是一個不可否定的事實了。無論是新聞記者，還是股市分析員，甚至是法律工作者，其都有可能為機器所取代。在一個“充分自動化(Full Automation)”的世界中，如何重新認識勞動與福利保障的關系、重構勞動和福利保障制度，便成為最迫切需要解決的治理挑戰之一。[16]
上述三方面共同構成了人工智能時代崛起所帶來的治理挑戰。面對這些挑戰，各國也做出了相應的公共政策選擇。本文第三部分將對各國人工智能的治理政策進行對比性分析。在此基礎上，第四部分將提出本文的政策建議。
三、各國人工智能治理政策及監管路徑綜述
人工智能時代的崛起作為一種普遍現象，其所引發的治理挑戰是各國面臨的共同問題，各國也陸續出臺了相關公共政策以試圖推動并規范人工智能的快速發展。
美國于2016年同時頒布了《國家人工智能研究與發展戰略規劃》和《為人工智能的未來做好準備》兩個國家級政策框架，前者側重從技術角度指出美國人工智能戰略的目的、愿景和重點方向，而后者則更多從治理角度探討政府在促進創新、保障公共安全方面所應扮演的角色和作用。就具體的監管政策而言，《為人工智能的未來做好準備》提出了一般性的應對方法，強調基于風險評估和成本-收益考量的原則以決定是否對人工智能技術的研發與應用施以監管負擔。[17]日本同樣于2016年出臺了《第五期(2016～2020年度)科學技術基本計劃》，提出了“超智能社會5.0”的概念，強調通過推動數據標準化、建設社會服務平臺、協調發展多領域智能系統等各方面工作促進人工智能的發展和應用。[18]
盡管美國和日本的政策著力點不同，但其共有的特點是對人工智能的發展及其所引發的挑戰持普遍的包容與開放態度。就當前的政策框架而言，美日兩國的政策目標更傾斜于推動技術創新、保持其國家競爭力的優勢地位;當涉及對人工智能所可能引發的公共問題施以監管時，其政策選擇也更傾向于遵循“無需批準式(permissionless)”的監管邏輯，即強調除非有充分案例證明其危害性，新技術和新商業模式默認為都是被允許的。[19]至于人工智能的發展對個人數據隱私、社會公共安全的潛在威脅，盡管兩國的政策框架都有所涉及，卻并非其政策重心——相比之下，英國、法國則采取了不同的政策路徑。
英國政府2016年了《人工智能：未來決策制定的機遇與影響》，對人工智能的變革性影響以及如何利用人工智能做出了闡述與規劃，尤其關注到了人工智能發展所帶來的法律和倫理風險。在該報告中，英國政府強調了機器學習與個人數據相結合而對個人自由及隱私等基本權利所帶來的影響，明確了對使用人工智能所制定出的決策采用問責的概念和機制，并同時在算法透明度、算法一致性、風險分配等具體政策方面做出了規定。[20]與英國類似，法國在2017年的《人工智能戰略》中延續了其在2006年通過的《信息社會法案》的立法精神，同樣強調加強對新技術的“共同調控”，以在享有技術發展所帶來的福利改進的同時，充分保護個人權利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監管(precautionary)”的政策邏輯，即強調新技術或新的商業模式只有在開發者證明其無害的前提下才被允許使用。[22]
在本文看來，無論是“無需批準式監管”還是“審慎監管”，在應對人工智能時代崛起所帶來的治理挑戰方面都有其可取之處：前者側重于推動創新，而后者則因重視安全而更顯穩健。但需要指出的是，這兩種監管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術發展與商業模式創新必將引發新的社會議題，無論是算法是否受到言論自由的權利保護還是普遍失業對社會形成的挑戰，它們都在客觀上要求公共政策做出應對，而非片面的“無需批準式監管”能夠處理。更重要的是，“無需批準式監管”的潛在假設是事后監管的有效性;然而，在事實上，正如2010年5月6日美國道瓊斯工業指數“瞬間崩盤”事件所揭示的，即使單個電子交易程序合規運行，當各個系統行為聚合在一起時反而卻造成了更大的危機。[23]在此種情形下，依賴于合規性判斷的“事后監管”基本上難以有效實施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關系基礎上的“審慎監管”邏輯存在天然缺陷：既然人類無法預知人工智能系統可能的行為或決策，開發者又如何證明人工智能系統的無害性?
正如本文所反復強調的，人工智能與其他革命性技術的不同之處，正是在于其所帶來的社會沖擊的綜合性和基礎性。人工智能并非單個領域、單個產業的技術突破，而是對于社會運行狀態的根本性變革;人工智能時代的崛起也并非一夜之功，而是建立在計算機革命、互聯網革命直至數字革命基礎上的“奇點”變革。因此，面對人工智能時代崛起所帶來的治理挑戰，我們同樣應該制定綜合性的公共政策框架，而非僅僅沿襲傳統治理邏輯，例如只是針對具體議題在“創新”與“安全”這個二元維度下進行艱難選擇。本文在第四部分從承認技術的主體性、重構社會治理制度、推進人工智能全球治理這三方面提出了政策建議，并希望以此推動更深入地圍繞人工智能時代公共政策選擇的研究與討論。
四、人工智能時代的公共政策選擇
《新一代人工智能發展規劃》明確提出了到2030年我國人工智能發展的“三步走”目標，而在每一個階段，人工智能法律法規、倫理規范和政策體系的逐步建立與完善都是必不可少的重要內容。面對人工智能時代崛起的治理挑戰，究竟應該如何重構治理體系、創新治理機制、發展治理工具，是擺在決策者面前的重要難題。本文基于對人工智能基本概念和發展邏輯的梳理分析，結合各國已有政策的對比分析，提出以下三方面的改革思路，以為人工智能時代的公共選擇提供參考。
第一，人工智能發展的基石是算法與數據，建立并完善圍繞算法和數據的治理體系與治理機制，是人工智能時代公共政策選擇的首要命題，也是應對治理挑戰、賦予算法和數據以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權及相應的監督程序問題。算法作為人工智能時代的主要規則，究竟誰有權并通過何種程序來加以制定，誰來對其進行監督且又如何監督?長久以來公眾針對社交媒體臉書(Facebook)的質疑正體現了這一問題的重要性：公眾如何相信臉書向用戶自動推薦的新聞內容不會摻雜特殊利益的取向?[24]當越來越多的人依賴定制化的新聞推送時，人工智能甚至會影響到總統選舉。也正因為此，包括透明要求、開源要求在內的諸多治理原則，應當被納入到算法治理相關議題的考慮之中。(2)就數據治理而言，伴隨著人工智能越來越多地依賴于大規模數據的收集與利用，個人隱私的保護、數據價值的分配、數據安全等相關議題也必將成為公共政策的焦點。如何平衡不同價值需求、規范數據的分享與應用，也同樣成為人工智能時代公共政策選擇的另一重要抓手。
第二，創新社會治理制度，進一步完善社會保障體系，在最大程度上緩解人工智能發展所可能帶來的不確定性沖擊。與歷史上的技術革命類似，人工智能的發展同樣會導致利益的分化與重構，而如何保證技術革命成本的承受者得到最大限度的彌補并使所有人都享有技術發展的“獲得感”，不僅是社會發展公平、正義的必然要求，也是促進技術革命更快完成的催化劑。就此而言，在人工智能相關公共政策的考量中，我們不僅應該關注產業和經濟政策，同時也應該關注社會政策，因為只有后者的完善才能夠控制工人或企業家所承擔的風險，并幫助他們判斷是否支持或抵制變革的發生。就具體的政策設計來說，為緩解人工智能所可能帶來的失業潮，基本收入制度的普遍建立可能應該被提上討論議程了。“基本收入”是指政治共同體(如國家)向所有成員不加任何限制條件地支付一定數額的收入，以滿足其基本生活的需求。盡管存在“養懶漢”的質疑，但有研究者已指出，自18世紀就開始構想的基本收入制度很有可能反過來促進就業。[25]芬蘭政府已經于2017年初開始了相關實驗，美國的一些州、瑞士也做出了一定探索。在人工智能時代尚未完全展現其“猙容”之前，創新社會治理機制、完善社會保障體系，可能是平衡技術創新與社會風險的最佳路徑。
第三，構建人工智能全球治理機制，以多種形式促進人工智能重大國際共性問題的解決，共同應對開放性人工智能生產模式的全球性挑戰。人工智能的發展具有開放性和不確定性的特征，生產門檻的降低使得人工智能技術研發的跨國流動性很強，相關標準的制定、開放平臺的搭建、共享合作框架的形成，無不要求構建相應的全球治理機制。另一方面，跨境數據流動在廣度和深度上的快速發展成為了人工智能技術進步的直接推動力，但各國數據規制制度的巨大差異在制約跨境數據流動進一步發展的同時，也將影響人工智能時代的全面到來。[26]故此，創新全球治理機制，在承認各國制度差異的前提下尋找合作共享的可能性，便成為人工智能時代公共政策選擇的重要考量之一。就具體的機制設計而言，可以在人工智能全球治理機制的構建中引入多利益相關模式;另一方面，為防止巨頭壟斷的形成，充分發揮主權國家作用的多邊主義模式同樣不可忽視。作為影響深遠的基礎性技術變革，互聯網全球治理機制的經驗和教訓值得人工智能發展所借鑒。
上述三方面從整體上對人工智能時代的公共政策框架做出了闡述。與傳統政策局限于“創新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內在聯系來講，建立并完善圍繞算法和數據的治理體系是起點，其將重構人工智能時代的規則與制度;創新社會治理機制并完善社會保障體系是底線，其將緩解人工智能所帶來的影響與波動;構建全球治理機制則成為了制度性的基礎設施，推動各國在此之上共同走向人工智能時代的“人類命運共同體”。
五、結語
在經歷了60余年的發展之后，人工智能終于在互聯網、大數據、機器學習等諸多技術取得突破的基礎上實現了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對于人工智能的治理，找到正確的方向并采取合理的措施，正是當下所應該重視的政策議題。而本文的主旨也正在于此：打破長久以來人們對于人工智能的“籠統”式擔憂，指出人工智能技術發展的技術邏輯及其所引發的治理挑戰，并在此基礎上提出相應的政策選擇。人工智能治理的這三個基本問題，是重構治理體系、創新治理機制、發展治理工具所必須思考的前提。伴隨著我國國家層面戰略規劃的出臺，我國人工智能的發展也必將躍上新臺階。在此背景下，深入探討人工智能治理的相關公共政策議題，對于助推一個人工智能時代的崛起而言，既有其必要性，也有其迫切性。（來源：中國行政管理 文/賈開 蔣余浩 編選：中國電子商務研究中心）
[參考文獻]
[1]國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者終結人類文明[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.人類簡史[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]佩德羅-多明戈斯.終極算法：機器學習和人工智能如何重塑世界[M].黃芳萍譯.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.“日本推動實現超智能社會‘社會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.大數據產業在法國的發展及應用[N].學習時報，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普蘭.人工智能時代：人機共生下財富、工作與思維的大未來[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).
前不久，一場圍棋大戰吸引了全世界的目光。這場大戰在韓國首爾上演，共5輪。大戰之所以舉世矚目，是因為對戰的雙方是韓國九段棋手李世石與圍棋人工智能程序AlphaGo。令人驚嘆的是，整個比賽過程中，AlphaGo的表現都堪稱完美，最終以4：1擊敗李世石。
這個戰勝人類世界圍棋冠軍的AlphaGo程序到底是何方神圣？它為什么如此厲害？人工智能對人類來說到底意味著什么？ 從“深藍”到AlphaGo
人工智能是計算機科學的一個分支，它企圖了解人類智能的實質，并生產出一種新的、能以與人類智能相似的方式做出反應的智能機器。人工智能是對人的意識、思維的信息過程的模擬，使得機器能像人那樣思考，甚至超過人的智能。自1956年這個概念被提出并確立以來，該領域就被視為人類最高的夢想之一。
1997年，IBM的超級計算機“深藍”以2勝1負3平的成績戰勝了當時世界排名第一的國際象棋大師加里?卡斯帕羅夫，一時間全球轟動，而“深藍”的設計者們當時就暢想：何時計算機也能下圍棋呢？
而現在無疑又是一個人工智能歷史上最重要的時刻。圍棋和國際象棋在復雜程度上不屬于一個量級，圍棋是一種變數極多、充滿不確定的競技，每一步棋的可能性都是一個幾乎無法窮盡的量級，一回合有250種可能，而一盤棋可以多達150回合。
此外，下圍棋的過程中還會出現“吃子”情況，加劇了其復雜性。曾任職谷歌公司的李開復說，當年“深藍”與卡斯帕羅夫的對局，實際上使用的是人工調整的評估函數，并用特殊設計的硬件和“暴力”的搜索征服了國際象棋級別的復雜度，圍棋則不行。“因為它的搜索太廣，每一步的選擇有幾百而非幾十；也太深，一盤棋有幾百步而非幾十步。”李開復在知乎上如此回答。
此外，圍棋問題與現實生活中的問題相通，國人甚至將下圍棋視為洞悉人性、參悟人生的過程。然而，現在下圍棋的卻是一個機器，意味著這個機器除了擁有超強的記憶能力、邏輯思維能力，還要擁有創造力甚至個性。
“感覺就像一個有血有肉的人在下棋一樣，該棄的地方會棄，該退出的地方退出，非常均衡的一個棋風，真是看不出出自程序之手。”圍棋排名世界第一的柯潔說，AlphaGo有好幾次落子極其“非常規”，許多專業棋手都表示看不懂。而“棋圣”聶衛平甚至表示自己想要對AlphaGo的“驚人一手”脫帽致敬，因為它“用不可思議的下法辟立了圍棋常識之外的新天地”。也就是說，這不是AlphaGo從既往棋局中復制過來的，而是自己創造的戰術打法。 人工智能進入實用階段
實際上，AlphaGo是通過蒙特卡洛樹搜索算法和兩個深度神經網絡合作來完成下棋。在與李世石對陣之前，谷歌首先用人類對弈的近3000萬種走法來訓練AlphaGo的神經網絡，讓它學會預測人類專業棋手怎么落子。然后更進一步，讓AlphaGo自己跟自己下棋，從而又產生規模龐大的全新棋譜。谷歌工程師曾宣稱AlphaGo每天可以嘗試百萬量級的走法。
“它們的任務在于合作‘挑選’出那些比較有前途的棋步，拋棄明顯的差棋，從而將計算量控制在計算機可以完成的范圍內。在本質上，這和人類棋手所做的一樣。”中科院自動化研究所博士研究生劉加奇說。
“傳統的棋類軟件一般采用暴力搜索，包括深藍計算機，它是對所有可能結果建立搜索樹，根據需要進行遍歷搜索。這種方法在國際象棋、跳棋等方面還具有一定可實現性，但對于圍棋就無法實現。”中科院自動化研究所研究員易建強說，“ AlphaGo利用深度學習的方法降低了搜索樹的復雜性，搜索空間得到有效降低。比如，策略網絡負責指揮計算機搜索出更像人類高手該落子的位置，而估值網絡負責指揮計算機搜索出后續更有可能獲勝的一個落子位置。”
劉加奇進一步解釋，深度神經網絡最基礎的一個單元就類似人類大腦的神經元，很多層連接起來就好比是人類大腦的神經網絡。AlphaGo的兩個神經網絡“大腦”分別是策略網絡和估值網絡。
“策略網絡主要用來生成落子策略。在下棋的過程中，它不是考慮自己應該怎么下，而是想人類的高手會怎么下。也就是說，它會根據輸入棋盤當前的一個狀態，預測人類下一步棋會下在哪里，提出最符合人類思維的幾種可行的下法。”
然而，策略網絡并不知道自己要下出的這步棋到底下得好還是不好，它只知道這步棋是否跟人類下的一樣，這時就需要估值網絡來發揮作用。
劉加奇說：“估值網絡會為各個可行的下法評估整個盤面的情況，然后給出一個勝率。這些值會反饋到蒙特卡洛樹搜索算法中，通過反復如上過程推演出勝率最高的走法。蒙特卡洛樹搜索算法決定了策略網絡僅會在勝率較高的地方繼續推演，這樣就可以拋棄某些路線，不用一條道算到黑。”
AlphaGo利用這兩個工具來分析局面，判斷每種下子策略的優劣，就像人類棋手會判斷當前局面以及推斷未來的局面一樣。在利用蒙特卡洛樹搜索算法分析了比如未來20步的情況下，就能判斷在哪里下子贏的概率會高。 “奇點”正在臨近？
人工智能越來越近。顯然，它并不會只用來下棋，實際上它正掀起一輪輪產業變革、經濟變革甚至社會變革。
“人工智能將有助于人類解決疾病、醫療、氣候、能源、數據、游戲等多個領域的問題，我們將與各領域最頂級的研究人員合作，促進人工智能與創業、產業領域的有機結合。” AlphaGo開發者德米什?哈薩比斯表示。
哈薩比斯當然不想把人工智能局限于棋盤上，他將目光投向了更為廣闊的世界，力爭開發出可以用于多個領域的通用型學習機器，制造出可以像人類一樣從白紙狀態通過自主學習找到問題解決方案的人工智能。他將這一目標比喻為實現人類登月夢想的“阿波羅計劃”。哈薩比斯還說，未來將開發在任何地方都能使用的通用人工智能。也就是說，從硬件到軟件、從個別商品到系統的統合，這種趨勢將會改變產業和人們的日常生活。
同哈薩比斯一樣，全球頂級企業也將“賭注”壓在了人工智能之上。全球科技商業預言家、暢銷書《失控》作者凱文?凱利認為，未來20年，全球最重要的技術就是人工智能。英國帝國理工學院的人工智能學者馬克?戴森羅克說：“如果人工智能以這種速度發展下去，我們或許在未來10年到20年里就能看到電影《鋼鐵俠》中那個人工智能助手賈維斯。”
韓國《中央日報》的報道稱，人工智能的威力正在進入實用階段，因為像谷歌、IBM、微軟、蘋果、Facebook這種世界級的信息通信技術企業，把與大數據相結合的人工智能技術陸續在醫療、金融、體育、社交網絡領域實現實用化。人工智能技術與制造業的接軌也在變快。有人預測，如果人工智能與無人駕駛汽車接軌，那么將沒有交通事故，保險公司也將無需存在。如果讓人工智能與無人機接軌，毫無疑問這將使得商業化如虎添翼，也將給武器系統帶來影響。
此外，2015年，專注于初創企業的市場調查公司“風險掃描”追蹤分析了全球855家人工智能初創企業，發現這些企業橫跨13個門類，總估值超過87億美元，其中計算機深度學習和視覺圖像識別兩個方向最受投資者青睞。
在科幻電影《超驗駭客》中，約翰尼?德普飾演的科學家因為研發人工智能而被恐怖組織暗殺，臨死之前倉促地將自我意識上傳至電腦。最后，這名科學家成為一個能夠不斷進化的結合生物智慧和人工智能的“超級計算機”。
AlphaGo戰勝李世石之后，人工智能通過自我進化增加智慧已變為現實。搜狗CEO王小川認為，人工智能能做到隨著時間推移變得越來越聰明，正如金庸小說中老頑童讓自己的左手和右手“互搏”，從而練就絕世武功。
“在下棋這個領域，AlphaGo這樣一臺在算法上沒有天花板的機器，將有機會登峰造極。”王小川評價說。
并非所有人都對人工智能抱以樂觀的態度。早在1993年，美國科幻作家弗諾?文奇在《即將到來的技術奇點》一文中寫道：“在未來30年間，我們將有技術手段來創造超人的智慧。不久后，人類的時代將結束。”在他的描述中，所謂“技術奇點”是指在未來的某個時期，當機器達到“強人工智能”時，智商將超過人類，從而對人類社會造成巨大沖擊。
而自稱美國未來學家的庫茲韋爾則在他2005年出版的《奇點臨近》一書中，把“技術奇點”進一步轉述為“奇點理論”。他描述道：“2045年將出現‘奇點’時刻，人類文明走到終點，生物人將不復存在，取而代之的是一個叫做‘奇點人’的新物種。”
霍金也對人工智能表示極度擔憂：“人工智能開發成功將會是人類歷史上最大的事件。但不幸的是，這可能也會是最后一個大事件。”去年，霍金還與特斯拉創始人伊隆?馬斯克、蘋果計算機共同創辦人史蒂夫?沃茲尼克等數百名頂尖精英發表聯署公開信，表示人工智能對人類生存的威脅更甚于核武器。
霍金認為，特別是高科技軍事裝備的普及，如美軍在戰場上大量使用無人機遠程殺敵，或多或少印證了這種憂慮。
AI生長
人工智能新近的發展似乎顯得太快，超出了人們的預期和適應能力。2014年6月7日，正好是阿蘭?圖靈逝世60周年紀念日，聊天程序“尤金?古斯特曼”有爭議地通過了圖靈測試。此后宣稱通過圖靈測試的計算機頻頻出現。人們普遍相信，計算機模仿人類談話而不被察覺，徹底實現的一天即使現在還沒有到來，也為時不遠了。
神經元網絡理論、控制、深度學習和大數據的進步在不同側面加強了人工智能，使它在一些特定的任務上打敗了人類。特斯拉的聯合創始人、CEO馬斯克說，計算機比人更適合開車，“當所有的車都知道自己該怎么開的時候，讓人來操控兩噸重的致命機械太危險了”。理智上我們不得不贊同他，但情感上似乎難以接受――世界的方向盤是否也和汽車的方向盤一樣，從此交到了計算機的手里？計算機冷笑一聲：“當然是我們來控制世界，連方向盤都不需要。”
波普（K. R. Popper）的話在耳邊響起――客觀知識的世界，是人類創造的，卻是自主的，也會具有創造性。盡管他是在50年前（確切地說是1967年）說這番話的，此刻我們面對人工智能這一存在，“細思恐極”。
強人工智能――會自主行動的機器人，會學習、自我改進、像生物一樣進化的機器人是迫在眉睫的現實嗎？對人工智能的擔心究竟只是精神自虐，還是伴隨著符合事實與邏輯的預測？如果是前者，不需要AI恐懼的人可以松一口氣，如果是后者，早早想出應對之策才行。
兩種恐懼
分析起來，AI恐懼無非兩種，可以稱為“AI的客觀后果恐懼”和“AI的主觀意圖恐懼”。在兩種恐懼之前還有一種失落，因為機器比人能干，未來的電腦可能比人還聰明，人之為人的部分榮譽感被剝奪了。但這種失落很快就能適應，人們早有經驗――起重機比人力氣大，望遠鏡比人看得遠，計算器比人算得快，飛機還會飛呢。超越人能力局限的東西很多很多，只要它們被人掌握著，就不僅僅是對人能力的超越，而且是對人能力的延伸，能力再大也不用害怕。電腦真比人聰明了，就算有點失落，只要它們為我們所用，聽我們安排，總歸好處多多。況且“聰明”定義模糊，解微分方程，下棋，電腦都比人厲害，是不是就比人聰明了呢？也不能簡單地下結論。
在客觀后果一側，討論的比較多的是就業問題，擔心機器人或者軟件把人的工作崗位一批一批地搶走。工業生產不用說，流水線工人是最先被機器人替代的，無人工廠不是什么科幻，而是既成事實。之后是服務業，有餐館嘗試用小型無人機上菜，也有機器快遞小哥，各種智能機器發明出來之后，大量留給人的服務崗位就會消失。如果你現在是倉庫管理員，或者坐在高速公路入口發卡，趕緊準備下一份工作吧。之后是企業中層，啟用各種交流軟件和自動工作流程軟件，企業內部上傳下達的事情少了，啟用商業智能軟件，輔助決策的參謀崗位也少了。之后是創造性工作，包括媒體工作，做主持人、做研究員、做建筑師，虛擬角色和軟件勝任愉快，連寫文章、作曲、畫畫、導致失業不是人工智能負面后果的全部，擔心還包括健康問題、非對稱戰爭等等。家里有了機器人服務員，人們衣來伸手飯來張口，只用當一個沙發土豆就可以了。大量無人飛機和機器士兵，改變了戰場的倫理――優勢一方沒有面對活人敵手的心理壓力，打起仗來點點鼠標，像打游戲；劣勢一方面抵御機器的進攻，連敵人的面都見不著，憤怒的情緒可能導向更多恐怖極端手段，把戰火引向敵方非軍事人員。
這些對人工智能改變社會的推測大體合乎邏輯，但并不帶來太大的困擾。人工智能造成的負面后果會被它帶來的好處抵消，人們相信積極影響遠遠大于消極影響，畢竟危險的、繁重的和乏味的工作由機器人來承擔更合適。
在主觀意圖一側，AI恐懼的程度會高出幾個級別。人們擔心的是機器產生壓迫人、奴役人、消滅人的意圖和行動。盡管這種擔心非常嚴肅，也不見得是杞人憂天，但此刻還不到真正需要恐懼的時候。就像看電影不能代替學物理一樣，面對AI發抖也不能代替冷靜的分析。確實沒有論據證明，只有生物才能產生意識，因此假設機器可能產生意識在科學上是“合法”的，但反過來，證實機器可能產生意識這個假設的論據，現在也還沒有出現。何必被一種可能性有多大都不知道的想法嚇破膽呢？除非你喜歡這種恐懼感，就像喜歡看鬼片一樣。
以“壞”自保
最近有三個“牛人”聊到這個話題。2016年4月，《三體》作者、科幻作家劉慈欣，百度首席科學家吳恩達，對話“未來人工智能20年”。梁冬主持對話，扮演對人工智能的發展憂心忡忡的人。按照“AI的客觀后果恐懼”和“AI的主觀意圖恐懼”分類法梳理三個人的觀點，先說主觀意圖一側。吳恩達的意見用一句歌詞就概括了，“一千年以后……”，他的意思是機器表現得像人一樣，成為有意識的物種，還早著呢，究竟會不會也不知道，何必擔心？梁冬說，模仿鳥造飛機不成功，人類造出飛行機器其實用了和生物界不同的方案，因此造出思考機器也不必了解人腦，對人腦的無知根本不是人工智能的發展障礙。吳恩達和劉慈欣都表示同意。三位一致認為，如果機器真成了物種，那也是人類的孩子，一開始會模仿父母（即人類）的行為，如果機器變成了壞孩子，人類也沒別人可埋怨。劉慈欣說，他特別“相信”人的“壞”，足以防范一個機器物種傷害人類自己。