人工智能技術的應用及其風險挑戰探析

徐上越

摘要 人工智能的發展引起了人們的極大關注，本文在理清人工智能概念的基礎上，探討了人工智能發展的現狀，并分析人工智能最新的應用場景。盡管人工智能得到了長足的發展，但其也面臨著應用倫理、人工智能創造物法律保護等方面的風險與挑戰。

【關鍵詞】人工智能 技術應用 風險與挑戰

兩年前，谷歌的人工智能圍棋系統AlphaGo與世界圍棋冠軍李世乭較量，并以4：1的壓倒性優勢戰勝了李世乭，引起了人們對人工智能的高度關注。人們紛紛投入對人工智能的研究開發與應用，如在自動駕駛、人臉識別、教育、醫療等領域的研究開發與應用。那么，人工智能技術的發展現狀是怎樣的？有哪些領域在應用人工智能技術？人工智能的發展是否存在風險與挑戰？這些問題都值得探討。

1 概念

人工智能是與自然智能相對應的概念，是由人類所制造的機器的智能，而自然智能是自然進化所造成的智能。人類智能是自然智能的一種，是迄今為止人們所知道的最復雜、最高級的智能，包含顯性智能和隱性智能。隱性智能是建立在人類直覺、想象、頓悟和審美等基礎之上能力，是發現問題和定義問題的能力.顯性智能則是解決問題的能力。目前人工智能的研究主要集中在顯性智能的研究，而人類的隱性智能非常復雜，這也是目前人工智能無法全面超越人類智能的原因。但是，人工智能在部分領域如視覺圖像識別、語音識別、文本處理等方面已經達到甚至超越人類水平。

2 人工智能技術的發展現狀

人工智能有兩大領域：聯結主義（如人工神經網絡）和符號主義，分別對應著人類智能的歸納總結和邏輯演繹。符號主義的主要思想就是應用邏輯推理法則，從公理演繹出整個理論體系，其典型代表是機器定理證明。由于機器不能抽象出幾何直覺，也不能建立審美觀念，所以迄今為止機器還沒能自行探索發現深刻的未知數學定理。機器定理證明就逐漸朝著機器驗證方向轉變，因此，人工智能的符號主義方法相對于人類智慧還處于相對幼稚的階段。盡管如此，基于符號主義的人工智能在某些領域的表現已經超越人類。例如，IBM的人工智能專家系統沃森，在電視知識競賽Jeopardy中擊敗人類對手，贏得冠軍。而結合深度卷積神經網絡的沃森認知計算平臺，具有強大的數據分析和挖掘能力，其在某些疾病的診斷水平已經達到了頂級醫生的水平。

模擬人類大腦的神經元網絡，學會人類的歸納總結能力，是聯結主義的基本思想。1981年的諾貝爾生理學或醫學獎獲得者DavidHunter Hubel和Torsen Wiesel對貓的視覺神經元的研究結果，啟發了計算機科學家發明人工神經網絡。而后續的研究發現人類具有多個視覺中樞，且這些視覺中樞具有層次結構，啟發計算機科學家將人工神經網絡設計成多級結構，并將低級的輸出作為高級的輸入，通過深度學習，可以進行視覺圖像識別。

隨著深度學習技術的興起和發展，神經網絡的層數大為增加，而且其收斂速率和系統穩定性有了很大的提高。近年來，隨著算法的改進，使用GPU提高計算能力，大數據時代提供的海量的訓練數據，深度學習技術得到長足的發展，人工智能在許多領域達到甚至超越人類的智能。如在圖像識別上，2012年，Hinton教授和他的兩個研究生將深度學習的最新技術用到以ImageNet為基礎的大型圖像識別競賽上，在有30個團體參與的競賽中，其圖像識別錯誤率只有15.3%，脫穎而出，測試結果穩居第一，遠低于第二名26.2%的錯誤率。在2015年的ImageNet圖像識別的競賽中，微軟亞洲研究院團隊嘗試了一種稱為“深度殘余學習”的算法，使得圖像識別錯誤率達到了3.57%的水平，低于一個正常人的約5%的圖像識別錯誤率，從而獲得冠軍。所以，在圖像識別上，人工智能已經可以超越人類的智能。

在語音識別上，2017年，谷歌的語音識別端到端系統單詞錯誤率降至5.6%，IBM宣布其語音識別系統單詞錯誤率取得5.5%的突破，微軟語音識別的錯誤率更是達到了5.1%，基本接近了人類的水平（5%）。而國內百度的AI實驗室在語音識別上也取得了驕人的成果，如百度的英文語音識別系統，其單詞錯誤率在一些測試中已經低至3.1%，超過正常人的識別能力（5%）。在一個小型漢語基準測試中，百度AI機器的識別錯誤率也達到了3.7%的低水平。所以，人工智能在語音識別上，其準確度已經超越人類的水平了。此外，人工智能在藝術創作、文本處理、軟件設計上也取得較大的進步。

3 人工智能技術的應用

隨著人工神經網絡和深度學習技術的發展，人工智能技術在各領域得到了廣泛的應用。目前，人工智能在以下領域應用較廣，且逐步出現了商業化的浪潮：

3.1 在教育上的應用

如谷歌的開源機器學習平臺TensorFlow;Facebook的機器學習平臺FBLearnerFlow，都可以大幅提高員工效率。Barbara Kurshan提出，人工智能將在學習分析、學習內容推薦和課程材料質量評價等領域中發揮作用，提高教育的效果和效率。當前，人工智能教育應用已成為教育信息化研究的新熱點。

3.2 在醫療上的應用

如上文提到的IBM的沃森認知計算平臺，其診斷水平在某些細分疾病領域已經達到頂級醫生的水平。在我國，隨著醫療信息化的進程，電子病歷和健康檔案的建立，正在實現利用人工智能對碎片化醫學信息進行整理和分析，從而提高醫療健康服務質量。

3.3 在無人駕駛上的應用

無人駕駛是人工智能在交通領域應用的核心場景。美國、英國、德國等發達國家從20世紀70年代就開始了無人駕駛汽車的研究，其中最有名為美國谷歌公司的無人駕駛項目Waymo，其無人駕駛汽車已經行駛了200萬英里（約合322萬公里），它的駕駛技術已經可以超過一位有16年駕齡的老司機。在我國，百度在2013年宣布啟動基于人工智能系統為核心技術的無人車項目，至今正努力成為智能駕駛領域的主導者。此外，蘋果、英特爾、華為、英偉達、Uber、滴滴出行、特斯拉、AImotive（歐洲無人駕駛汽車軟件初創公司）等公司也加入到無人駕駛的應用研究中。

3.4 在金融上的應用

人工智能在金融上的應用主要用于理財方式的選擇上，可以根據用戶的需求為用戶推薦最適合的理財產品。如京東的JIMI，可以通過對聊天信息的提取與分析，并對用戶所屬投資類型和理財知識的測試，從而推測出用戶的理財需求和投資能力，為其推薦合適的理財產品。后續還可以對用戶的疑問進行解答，幫助用戶更為理性地進行投資。

此外，人工智能在無人超市、無人酒店、電子偵察、機械電子工程、納稅服務、冶金自動化等領域也得到了越來越廣泛的應用。

4 人工智能的風險和挑戰

人工智能在技術和應用等方面均取得了較大的進展，然而，人工智能的應用倫理、價值植入的技術限度、人工智能創造物的法律保護等問題給人工智能的發展帶來了一系列風險和挑戰。

4.1 人工智能的應用倫理

AlphaGo贏得圍棋比賽，有人擔心人類將被機器消滅。這其實只是人類的身份認同危機與技術焦慮。無論是谷歌的無人駕駛技術，還是AlphaGo下棋程序，或是人臉識別等，充其量只能算是一種“弱人工智能”，科學家們提出的能夠全面取代人類智能的一種“強人工智能”目前還是一個很模糊的概念。

4.2 人工智能創造物的法律保護

隨著人工智能的發展，其已經由算法輸入決定輸出的低級階段，發展到具有自主創造的能力的高級階段。人工智能的創作物也達到了“作品需要體現的獨創性”，從而成為可以受著作權法保護的作品。但是，從法律的人格、權利救濟和立法目的上分析，人工智能本身是由人類發明出來的，無法成為著作權的主體。當前的法律還不能對人工智能的創造物提供法律支持和保護，故應盡快對人工智能創作物的權利歸屬作出合理的制度安排。有學者提出構建以人類讀者（受眾）為基礎，而不是以人類作者、發明人為中心的版權法和專利法理論，從而解決人工智能創造物的權利歸屬。

參考文獻

[1]鐘義信，人工智能：概念、方法、機遇[J].科學通報，2017，62 （22）： 2473-2479.

[2]顧險峰，人工智能的歷史回顧和發展現狀[J].自然雜志，2016，38 （03）：157-166.

[3]B Kurshan. The future of artificialintelligence in education [DB/OL].[2017-05-31]. ht tps：//www. forbes. com/s ites/barbarakur shan/2 016/03/1 0/the-future-of-ar tificial-intelligence-in-education/#9e3113d2e4d8.

[4]張坤穎，張家年，人工智能教育應用與研究中的新區、誤區、盲區與禁區[J].遠程教育雜志，2017 （05）： 54-63.

[5]孔鳴，何前鋒，李蘭娟，人工智能輔助診療發展現狀與戰略研究[J]，中國工程科學，2018 （02）： 86-91.

[6]侯欣妤.人工智能在金融理財中的應用研究 以京東JIMI為例[J].無線互聯科技，2018 （11）：137-138.

[7]翟振明，彭曉蕓，“強人工智能”將如何改變世界 人工智能的技術飛躍與應用倫理前瞻[J]，學術前沿，2016 （04）： 22-33.

[8]張春艷，任霄，人工智能創作物的可版權性及權利歸屬[J].科技與法律，2011.

[9]梁志文，論人工智能創造物的法律保護[J].法律科學（西北政法大學學報），2017 （05）：156-165.