人工智能双面观

　　随着人工智能的快速发展，未来人工智能到底是会造福人类还是会取代人类，成为科技行业争执不下的重要议题。有人看好人工智能的前景，比如比尔·盖茨就认为在接下来的10年到20年间，AI将对管理人类的生活起到极大的用处；也有人对进化飞速的AI表示担忧，特斯拉CEO马斯克就公开表示人工智能是人类生存的最大威胁。

　　3月14日，英国著名物理学教授霍金去世，享年76岁，这一突如其来的噩耗令不少人伤心不已。回顾霍金一生经历和科研成果的文章比比皆是，而他对人工智能的独特见解更是被业界论道。

　　与马斯克一样，霍金对AI的发展也保持谨慎甚至是悲观的态度，“AI全方位发展可能招致人类灭亡，比如最大化使用智能性自主武器。”因此，霍金认为，应该放缓AI的发展角度，将AI的研究方向从单纯的提升AI能力，转向如何让现有AI技术服务人类，从而最大化AI的社会效益。

　　由此可以看出，人工智能发展带来一些伦理问题，让人们看到人工智能在推动经济和社会发展的同时，又产生被替代、被伤害的担忧，一些价值观也受到挑战。如同很多新闻当中所说，机器人取代重复性、简单性的工作，会使工人失去很多就业机会，但是由于人工智能的技术引起的社会发展而建立的就业机会也应该在利弊权衡之内。

　　百度前首席科学家吴恩达则认为，当前思考这个问题还为之尚早：“其实我觉得电脑得到自我意识，这种技术还是那么远，所以我现在还是不太担心，那可能是一百年以后，也可能是一千年以后。”

　　与此同时，我国也正在加大对相关人工智能企业的扶持力度。2017年3月，人工智能首次被写入政府工作报告。

　　同年7月，国务院印发《新一代人工智能发展规划》，提出到2020年，人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。

　　同年10月，党的十九大报告也提及人工智能发展。在今年的两会中，政府工作报告中提出，加强新一代人工智能研发应用，在医疗、养老、教育、文化、体育等多领域推进互联网+，发展智能产业，拓展智能生活”，再次将人工智能技术推向风口浪尖。

　　这也是继2017年首次写入政府报告后，人工智能再入政府工作报告，也再次让我们看到了国家对人工智能的重视。这一切举动都展现出我国打造世界级AI领先技术的雄心，也表明我国在加大对相关人工智能产业和企业的扶持力度。

　　统计显示，2007年~2016年，全球人工智能领域论文中，中国占近20%，仅次于美国；深度学习领域论文总量和引用量均居世界前沿。科技部高新司司长秦勇表示：“我国在语音识别、视觉识别、机器翻译、中文信息处理等技术方面处于世界领先地位。”业内专家表示，人工智能技术还能够催生并促进柔性制造、绿色制造、智能制造、全球制造等，对于实体经济转型升级意义深远。

　　在未来的发展道路上，人工智能到底是“蜜糖”还是“砒霜”，有关人工智能伦理困境与技术难题该如何正视与解决，需要将眼光放长远一些来衡量。

　　双面观

　　人工智能威胁了谁

　　人们对于未知，总是充满了好奇和恐慌。人工智能技术发展太快，普通民众并没有深入了解人工智能到底是什么，却会担心自己所从事的职业某一天会被人工智能所代替，面临失业危机。关于未来哪些职业会伴随着人工智能的发展而逐渐被取代，首先要满足以下两个条件：一是具有较高的附加值；二是较为机械重复，可代替度高。

　　关于什么职业会被人工智能取代，李开复在他的《人工智能》一书里已经列举了有些未来几年最先被替代的职业：卡车司机、交易员和基金经理、翻译、售货员、药剂师、影像科医生、记者、律师。

　　这种推测给很多从事相关行业的人带来了恐慌，而最近一次比较严厉的预警来自于麦肯锡，它测算了800个工种、2000多种工作行为的自动化风险指数，告诉人们又有一些职位将要被自动化取代了，其中食品巨头工厂里的流水线工人最危险，图书管理员86%的工作也将不能幸免。

　　然而，新技术的确摧毁了一些岗位，但也催生了新的，这是不容忽视的。况且整个职场的变化还和经济环境、就业政策、劳动力市场供需、分工格局的变化有关。

　　可以肯定的是，伴随着人工智能技术的发展，如果有一些行业被替代，也会有新的职位产生，这种恐慌或许显得有些为时过早。

　　那么，人工智能又将给我们的生活带来哪些变化？

　　在计算机视觉上，2000年左右，人们开始用机器学习、人工特征来做比较好的计算机视觉系统。如车牌识别、安防、人脸等技术。而深度学习则逐渐运用机器代替人工，扩大了应用场景，如无人驾驶车、电商领域。

　　在语音技术上，2010年后，深度学习的广泛应用使语音识别的准确率大幅提升，像Siri、Voice Search和Echo等，可以实现不同语言间的交流，从语音中说一段话，随之将其翻译为另一种文字；再如智能助手，你可以对手机说一段话，它能帮助你完成一些任务。与图像相比，自然语言更复杂，不仅需要认知，还需要理解。

　　在自然语言处理上，目前一个比较重大的突破是机器翻译，这大大提高了原来的机器翻译水平。Google的Translation系统，是人工智能的一个标杆性的事件。2010年左右，IBM的“Watson”系统在一档综艺节目上，和人类冠军进行自然语言的问答并获胜，代表了计算机能力的显著提高。

　　在决策系统上，决策系统的发展是随着棋类问题的解决而不断提升，从20世纪80年代西洋跳棋开始，到20世纪90年代的国际象棋对弈，机器的胜利都标志了科技的进步，决策系统可以在自动化、量化投资等系统上广泛应用。

　　在大数据应用上，可以通过你之前看到的文章，理解你所喜欢的内容而进行更精准的推荐；分析各个股票的行情，进行量化交易；分析所有客户的一些喜好而进行精准的营销等。机器通过一系列的数据进行判别，找出最适合的一些策略而反馈给我们。

　　在我们的日常生活中，AI随时出现在我们身边，为现代生活提供便利。语音识别、刷脸解锁、私人助手、图像美化、推荐排序、预测疾病、服装设计、火星探索……AI已经渗透到我们生活的每个角落。

　　关于人工智能，到底该怎么看？有人说这是最好的AI时代。

　　在很多人感叹和赞美科技发展，感恩人工智能为人类社会带来的诸多便利的时候，也同时有人在质疑和警惕。例如，马斯克曾经表示，“AI是我们人类文明面临的最大威胁”，并呼吁政府迅速而坚决地进行干预，监督这项技术的发展。他认为：“就人工智能而言，我们需要在管制上更具有前瞻性，而不是消极应对。因为等到我们制定出人工智能管理规定的时候，已经太晚了。”然后，马斯克比较了人工智能和传统管理目标，并声称，“人工智能是关系人类文明存亡的最大威胁，这是汽车事故、飞机坠毁、滥用药物或劣质食品都比不了的威胁。”他对人工智能的担忧也获得了微软联合创始人比尔·盖茨以及知名科学家霍金的支持。

　　霍金曾多次公开发表过对人工智能的担忧。比尔·盖茨则表示，他同意马斯克和其他人的观点，并且不理解为什么有些人对此并不感到担心。比尔·盖茨认为，虽然目前AI还没有达到超级智能的水平，但是几十年后，人工智能将强大到足以引起担心的水平。因此，他对人工智能长期的发展感到担忧。

　　当然，同样也有很多人表示，我们完全不需要担心人工智能对我们造成威胁。扎克伯格对人工智能的发展充满信心。他认为未来5到10年之内，人工智能将会极大地提高人类的生活质量。他认为，人工智能可以帮助人们更准确地诊断疾病，以此达到更好的效果。

　　当提到人工智能的威胁时，扎克伯格表示，任何技术都有好有坏，关键在于如何开发。开发者应该谨慎对待新技术以及其使用方式，而不是面对技术威胁，就想放缓新技术的研发进程。在他看来，人工智能这种可以改善医疗条件并减少交通事故的技术，不应该为人们所反对。

　　斯坦福大学计算机科学系和电子工程系副教授吴恩达说过一句话：“我认为人工智会为社会带来巨大的影响。我有时打比方，人工智能就是未来的电能。”对于这一观点，著名媒体人杨澜表示认同。她说，人工智能听起来很遥远，其实已经渗透到我们的日常工作和生活中。在不远的未来，互联网、大数据、硬件的发展和软件的优化，乃至全社会的参与，人工智能将真正从实验室走进生活，它将成为改变我们生活的一部分。

　　技术篇

　　警惕深度学习框架“双缺”

　　2006年Hinton在《Science》提出著名的深度学习框架，引爆了一轮人工智能热潮。十多年来，无论是国际科技巨头，还是权威研究机构，都致力于深度学习框架的研发应用，带来了视觉、语音等领域革命性的进步，极大地推动了人工智能的创新发展。事实上，随着人工智能时代的来临，深度学习框架已被视为一个核心突破口和科技前沿阵地，依托深度学习框架构建人工智能生态也必将成为未来发展方向。与发达国家相比，我国对核心技术的预见性较为滞后，深度学习框架的国际战略缺位、核心技术的“双缺”问题尤其突出。我国只有关注并尽快破解“双缺”难题，才有可能抢占人工智能的战略制高点。

　　深度学习是神经网络及其应用的统称，旨在将复杂的神经网络架构应用在数据建模上，从而带来前所未有的准确性，其已在计算机视觉、语音识别、无人驾驶等众多领域取得突破性进展。深度学习框架能够提供进行深度学习的底层架构、接口，以及大量神经网络模型，减少重复编程的时间和精力，提高深度学习效率。2012年GoogleBrain项目通过使用深度学习，让系统自动学习并识别猫，激起了全球范围内研究深度学习的热潮。

　　再如，2016年Google DeepMind开发的基于深度学习的AlphaGo以4：1的总比分战胜了世界围棋冠军李世石，让人们对深度学习的认知跨越到一个新阶段。

　　眼下，深度学习框架加应用场景已成为当今的主流发展模式，成为人工智能发展的基础和核心，也是人工智能向下一个阶段跨越的关键。

　　“双缺”问题日益突出

　　一方面，我国人工智能产业蓬勃发展，在特定领域已处于世界先进水平。但在人工智能核心环节即深度学习框架领域的国际发声却较少、战略缺位明显，特别是在开发、开源方面仍远远落后于欧美国家。比如，2017年GitHub中最受欢迎的开源框架TensorFlow、Caffe、Caffe2、CNTK、MXNet、Torch、DL4J和Theano，均由美国科技公司或科研团队开发。其它具有国际影响力的框架还包括瑞士的超级深度神经网络框架Brainstorm、日本的动态计算图神经网络框架Chainer等。相比之下，我国比较知名的深度学习框架仅有百度2016年8月开源的Paddle，由于缺乏资源支持和正面反馈，在国际开源社区的活跃度一般。另一方面，我国深度学习框架的国际战略缺位，表现为严重依赖国外开源框架，阿里的分布式深度学习框架Pluto是在Caffe的基础上扩展而来，小米的深度学习平台Cloud-ML则是基于TensorFlow和Kubernetes等框架开发的。

　　经过多年积累，我国在人工智能若干技术领域已取得重要突破。但在深度学习框架方面，却一直处于跟随阶段，创新引领能力十分有限，尤其是在核心技术方面。究其原因，一是基础研究无法支撑深度学习框架核心技术的研发，特别是对于神经网络模型可用性、稳定性、运行效率等基础问题探索不足。二是缺乏对深度学习框架的超前设计和开发，包括跨平台移植、分布式学习、模型模块化等核心部件的研究滞后。三是尚未开发出适用特定场景的深度学习框架和服务型产品，缺乏对其应用场景的探索。更重要的是，深度学习框架作为决定人工智能技术、产业、应用的核心环节，是人工智能核心生态圈建立的基础和关键，核心技术缺失将直接影响到深度学习框架生态圈关联的深度学习芯片、深度学习系统、深度学习软硬件平台等产业发展，可能造成巨大的生态圈红利损失，甚至阻碍我国人工智能的跨越发展。

　　整体布局 自主创新

　　深度学习框架作为承载人工智能各种硬件设备和软件应用的基础平台，是人工智能生态中替代难度最大、系统要求最高的部分，为此各国已经和正在加快技术创新和战略布局。我国也必须加紧整体布局，抢占深度学习框架领域的战略制高点。

　　要解决我国深度学习框架核心技术缺失、依赖国外框架的问题，必须积极推动自主创新，推出由我国主导的深度学习框架。

　　人工智能应用的高转化水平能够带动关键技术的集成应用。针对深度学习框架，我国应统筹利用理论研究方面的优势，推动研用结合，壮大以深度学习框架为核心的人工智能产业实力。开放开源是深度学习框架快速发展的重要推动力，我国应遵循开放开源原则，营造良好的深度学习框架发展环境。

　　布局篇

　　世界发达国家的人工智能布局路线

　　目前，世界主要发达国家把发展人工智能作为提升国家竞争力、维护国家的重大战略，加紧出台规划和政策，力图在新一轮国际科技竞争中掌握主导权。

　　美国领跑人工智能发展潮流

　　美国在人工智能发展方面具有明显的优势，从政府到企业对人工智能带来的变革都极为重视。科研机构对人工智能重视程度也在不断加强，相关创新型产品迭代迅速。

　　战略层面高度重视，成立国家专家委员会机构。2015年以来，美国白宫科技政策办公室连续发布的《为人工智能的未来做好准备》、《国家人工智能研究和发展战略计划》和《人工智能、自动化与经济报告》3份重量级报告。2016年5月，美国白宫推动成立了机器学习与人工智能分委会（MLAI），专门负责跨部门协调人工智能的研究与发展工作，并就人工智能相关问题提出技术和政策建议，同时监督各行业、研究机构以及政府的人工智能技术研发。

　　推动软硬件系统协同演进，全面开发人机协作智能系统。美国更加关注长期投资在具有潜在能力的高风险高回报项目，以此补充社会和企业短期内不愿涉足的领域。在软件方面，提升人工智能系统的数据挖掘能力、感知能力并探索其局限性，同时推动系统革新，包括可扩展、类人的、通用的人工智能系统的研发。在硬件方面，优化针对人工智能算法和软件系统硬件处理能力，并改进硬件体系架构，同时，推动开发更强大和更可靠的智能机器人。

　　资本与政策共同发力，挖掘最具潜力的创业企业。美国硅谷是当今人工智能发展的重点区域。聚集了从人工智能芯片到下游应用产品的全产业链企业。在人工智能融资规模上，美国在全球占主导地位。美国的科技巨头们早已展开一系列收购暗战。

　　巨头企业形成集团式发展，共建人工智能生态圈。以谷歌、微软、亚马逊、Facebook、IBM五大巨头为代表，自发形成人工智能伙伴关系，通过合作的方式推进人工智能的研究和推广。这种新型的巨头集团式发展模式，成为人工智能时代的亮点，能保证技术方案的效益最大化。在未来，还会有更多企业和机构加入其中。用户组织、非营利组织、伦理学家和其他利益相关者也都会围绕生态圈进行更大范围的研究和开发。

　　英国人工智能发展与行业应用紧密结合

　　英国人工智能注重实效性，强调“综合施治、合力发展”。在产学研的转换周期上，更加快速落地。在政策资金支持上，英国拟斥资2亿英镑，建立新的“技术学院”，针对雇主需求提供高技能水平的人工智能培训。

　　科学人才供给充足，英国具备领先的发展优势。人工智能最早的概念，就是由英国著名科学家阿兰·图灵提出，英国拥有牛津大学、剑桥大学、英国帝国理工学院以及伦敦大学学院、爱丁堡大学为代表的高等学府以及以阿兰·图灵研究所为代表的众多智能研究机构，其创新型成果不断在全球范围内得到推广应用。人工智能的研发生态优良，研究人员、企业主、投资人、开发商、客户以及创新网络平台等，共同构成了一个丰富完善、良性循环的人工智能生态系统。

　　创新企业活力十足，高新技术产业转化率高。过去几年，英国也诞生了大量优秀的人工智能初创企业，例如享誉全球的AlphaGo的研发公司DeepMind，就是来自伦敦大学的初创公司。同时，2013年，亚马逊用2600万美元收购英国语音识别创业公司True Knowledge。2014年，Goolge收购了Dark Blue Labs，Vision Factory两家深度学习相关的公司。英国存在大量的科技孵化机构，助力早期的人工智能初创企业，或者提供退出途径，以此形成产业链良性发展。牛津的Isis Innovations和剑桥的Cambridge Enterprise就是有名的技术转让公司，通过帮助大学里的创新技术商业化，确保学校或者个人获得回报。

　　德国带动传统产业改造升级

　　德国政府在工业机器人发展的初级阶段发挥着重要作用，其后，产业需求引领工业机器人向智能化、轻量化、灵活化和高能效化方向发展。20世纪70年代中后期，德国政府在推行“改善劳动条件计划”中，强制规定部分有危险、有毒、有害的工作岗位必须以机器人来代替人工，为机器人的应用开启了初始市场。2012年，德国推行了以“智能工厂”为重心的“工业4.0计划”，工业机器人推动生产制造向灵活化和个性化方向转型。

　　柏林汇聚一半以上的人工智能企业，成为发展中心。柏林作为德国的首都以及科技类创业基地，囊括了将近54%的人工智能企业，远超慕尼黑、汉堡以及法兰克福等城市。德国“脑科学”战略重点是机器人和数字化。2012年德国马普脑科学研究所和美国开展计算神经科学合作研究，并与以色列、法国开展多边合作。

　　以服务机器人为重点，加快智能机器人的开发和应用。德国联邦教研部在“信息和通讯技术2020——为创新而科研”研究计划中安排有服务机器人的项目。联邦经济部的“工业4.0的自动化计划”的项目中涉及机器人项目的有6个。德国科学基金会通过计划和项目资助大学开展机器人基础理论研究，如神经信息学、人机交互通信模式、机器人自主学习等。

　　推动“自动与互联汽车”国家战略，引领汽车产业革命。2015年9月德国联邦政府通过了“自动与互联汽车”国家战略。德国顶尖大学和研究机构对传感器、车载智能系统、连通性、数字验证测试进行的广泛研发使德国在技术领域又一次走在前沿。德国以设备制造商和大学的紧密科研合作为特点，通过公共补贴项目，支持更高水平的自动驾驶大规模研发。

　　（本文参考了赛迪智库相关文献）

　　本报记者 陈曲

关注读览天下微信， 100万篇深度好文， 等你来看……