激進，是為了更加穩定　人工智能產業的更高層次思考

作為新一輪科技革命和產業變革的重要驅動力量，人工智能被認為是人類未來發展的重大契機，具有帶動性很強的領頭效應。這種領頭效應，既表現在人工智能產業的蓬勃發展上，更表現在它將成為我國產業升級和經濟轉型的主要動力上。在之前的2019年，人工智能在爭議中繼續壯大，在全球范圍內都呈現了幾何級增長的態勢，而到了走向2020年，回歸理性的人工智能產業生態將更加優化，人工智能技術將從感知智能向認知智能演進。如何理解和治理“人工智能”這個產業，如何悟透AI這個詞的本義，必定需要從更高層次的角度去思考。按我們的理解，高速發展的激進，是為了更加穩定地提升產業價值，或者說真正為人所用，而不是一筆單純的生意。

如何面對真正的人工智能時代？

在過去一年的熱點新聞中，與人工智能相關的負面消息層出不窮，人工智能“雙刃劍”的特性展現得淋漓盡致。隱私保護、算法安全等關鍵詞更是成為人工智能發展不可回避的話題。對于“人工智能技術的自由裁量權應受到道德和倫理的約束”之問題，全球都在矣注，或者說人工智能是否應嵌入倫理的要求是一個非常嚴肅的話題。一個有“人情味兒”的人工智能社會，不僅要擁有更加高效的生產力，也要有更加豐富多彩的精神空間、更加深厚悠久的文化底蘊、更加公平公正的制度保障、更加包容和諧的人文關懷。守住技術的底線和準則，讓科技用到該用的地方，造福人類社會，這是人工智能發展到今天甚至是未來，一個必須重視的新課題。

一個無可爭議的事實是沒有人能夠阻止人工智能時代的到來。雖然AI產業的發展非常快，但也的確有很多人對人工智能持有謹慎態度，其迅猛發展有些超過了預期。應該說，現在科技發展是非常迅猛，但任何事件都是具有兩面性的，AI發展太迅猛也未必是一件好事。

有觀點認為，AI極易引發恐慌的原因是當代人對未知恐懼的感知太過強烈。很多好萊塢大片在人工智能尚未到來之時便為人類樹立了失控、殺戮、反客為主等一系列印象，有些時候，也并非為了賺取眼球的空穴來風。

實際上，應對人工智能時代到來“絕不是一個領域、一個城市、一個部門、一個機構能夠獨立完成的”，而各方上下齊心一致則是必不可少的。顯然，傳統的機械已不足以定義人工智能。人工智能形態千變萬化，它可能是一臺大型超算計算機、也可能是植入人體內的一個小芯片、甚至可能是無實物狀態的一行代碼，但人們對于人工智能的底線還是有著共同的認知，即人工智能不能作惡，“是服務于人，而不是傷害人的”。

當然了，在處理人與人工智能關系之時，法律無疑是最好的準繩。諸如“AI判斷性取向是否可取”“執法記錄儀能否用面部識別”“AI能否獨立注冊專利”，都是很好的辯題。而法律界人士普遍承認人工智能立法的滯后性，目前人體數據的安全方面的法律明顯還處于滯后狀態，這確實不利于AI技術的有序、安全發展。但滯后的立法也是對AI技術的一種保護，過早地將AI進行立法限制，可能會扼殺AI創造的無限可能性。

但是，AI將具有智慧這一點，就敦促了人們必須將立法提上日程。人工智能治理，任重而道遠，多一份有價值的討論、多一次切實的行動，人工智能的美好時代就會早一天到來。其實，從目前的人工智能“作惡新聞”里可以看到，當下的“AI作惡”本質上還是人在作惡。有評論很深刻：“AI是人類社會發展進步的標志，但這不應該成為我們完全解放雙手的理由”。

以人為本，讓產業生態回歸理性化

一個有趣的現象是，人工智能產業規模增速在2018年達到峰值，2019年有所降低，但仍維持著較高的增速，只是回歸了理性。當前，世界范圍內的人工智能技術正深入發展，人工智能應用場景不斷豐富，人工智能開放創新平臺、人工智能創新發展試驗區建設正如火如荼地推進。

今天，人工智能技術正被“嵌入”百業百態，對社會的影響越來越大。但是隨之而來的問題是：我們可以完全地信賴人工智能嗎？在消費和服務領域，從電商、醫療，到教育、金融等行業，我們看到，人工智能已實現廣泛應用，深刻改變著經濟和社會面貌。換句話說，隨著5G商用時代的來臨，過去一年，人工智能技術連接效率進一步提升，部分矣鍵應用技術躋身世界先進水平;產業鏈攜手共進，產業生態不斷優化;深度學習、數據挖掘、自動程序設計等產業應用場景，拓展出更強的通用能力。

在之前的2019年，人工智能的發展正在回歸理性，“認知智能”的后深度學習時代也可以被理解為從2019年開始。毫無疑問，這兩年人工智能已經在感知智能上取得了長足的進步，甚至在許多領域已經達到或超出了人類的水準，解決了“聽、說、看”的問題。但是，因其更多只是依賴簡單的統計擬合，AI系統并不能主動了解事物發展背后的規律和因果關系，AI依然不具備常識和因果邏輯推理能力，這也是“人工智障”不時出現的原因。因此，在2020年乃至以后數年，實現認知智能，是人工智能研究的核心，這也是未來競爭的核心領域。就像我們之前在評論中強調的那樣，未來人工智能產業的走向取決于算法的進步。在算法方面，目前已經有深度學習和神經網絡這樣優秀的模型，就目前國內人工智能算法的總體發展而言，工程學算法雖已取得階段性突破，但基于認知層面的算法水平還亟待提高。

認知智能將從認知心理學、腦科學及人類社

會歷史中汲取靈感，并結合跨領域知識圖譜、因果推理、深度學習等技術，建立穩定獲取和表達知識的有效機制，讓知識能夠被機器理解和運用，實現從感知智能到認知智能的矣鍵突破。

業內普遍認為，基于深度學習的算法還有優化的空間。但是更應該看到，未來在新算法的路徑開拓上，具備結構化的知識有高起點學習的過程，或者說，隨著后深度學習時代路徑的不斷清晰，人工智能將從感知智能向認知智能演進，人工智能的算法將進入后深度學習時代。

用AI來管理AI是個好辦法

人工智能系統擁有的數據越多，其能力提高的速度就越快。然而，對于擁有較少數據的部分企業和組織而言，如何滿足人工智能對數據的需求則是一個難題。但是，這并不意味著此類企業和組織無法使用人工智能。未來數年，人工智能將持續影響職場。但是，人類無須擔心機器會搶奪自己的飯碗。相反，人工智能還能通過自動化改變人們的工作方式。最新研究顯示，人工智將越來越多地幫助人類完成日程安排之類的任務，但是，對于需要一定技能的崗位來說，人工智能的影響較小，比如設計專業和行業策略。

在當前的2020年，隨著人工智能進入世界各地的工作場所，員工會見證其影響。企業雇主必須開始進行崗位調整，而員工則應該專注于拓展自己的技能。更多人工智能系統會依賴集學習能力和邏輯性于一身的“神經符號”技術。神經符號技術是突破自然語言處理技術的矣鍵，它能夠結合常識性推理和各領域的專業知識來幫助計算機更好地理解人類語言和對話。此類突破將幫助企業部署對話能力更強的自動化客戶關懷工具和技術支持工具，同時還將大大減少訓練人工智能所需的數據量。

匕匕如，數據中心是現代世界的關鍵設施。數據中心還是人工智能的基礎，其能耗量占全球能源消耗總量的2%。對云計算和人工智能的需求不會消失，預計2020年，人們會更加努力提高人工智能技術的可持續性。此類努力包括開發新材料、可實現模擬和混合信號處理的全新芯片設計、基于近似算法的新軟件技術等，其目的在于支持不斷增長的人工智能工作負荷，同時減少碳排放量。

為了提高人們對人工智能的信任度，相關系統必須可靠、公正、負責。必須讓公眾確信人工智能技術是安全的，人工智能提供的結論或建議不偏不倚且未被操控。2020年，影響可信度的種種要素將被融入人工智能的生命周期，幫助人類構建、測詩運行、監控并認證不僅具有卓越性能，而且值得信賴的人工智能應用。正如AutoAI的崛起，即利用人工智能來構建人工智能，我們還會看到“利用人工智能來管理人工智能”這種技術的崛起。我們可以利用這種技術在各行各業創建值得信賴的人工智能工作流，尤其是那些受到嚴格監管的行業。

后記

目前，全球很多國家都已經從國家層面加大了對人工智能的支持力度，加拿大、日本、英國、韓國等國都已發布了人工智能國家發展戰略。盡管人工智能被認為是一場機器換人的革命，但是“人工智能”歸根結底還是以“人”為先的。如何讓勞動者跟得上技術變革的步伐，成為各國人工智能政策走向深入階段的一個重要議題。到2025年，世界人工智能市場規模將超過6萬億美元，2017年～2025年年復合增長率將達30%。隨著人工智能在提升社會勞動生產率、降低勞動成本、優化產品和服務、創造新市場和就業等方面為人類的生產和生活帶來的轉變日益顯著，全球范圍內越來越多的政府認識到人工智能在經濟和戰略上的重要性，政府站到推動人工智能發展的前臺。