来源：人工智能现在的发展前景如何？
作者：Chen Zhang链接：https://www.zhihu.com/question/20102212/answer/126994210来源：知乎
随着深度学习技术的成熟，AI人工智能正在逐步从尖端技术慢慢变得普及。AlphaGo和人类的对弈，并不是我们以往所理解的电子游戏，电子游戏的水平永远不会提升，而AlphaGo则具备了人工智能最关键的“深度学习”功能。AlphaGo中有两个深度神经网络，Value Networks（价值网络）和 Policy Networks（策略网络）。其中Value
Networks评估棋盘选点位置，Policy Networks选择落子。这些神经网络模型通过一种新的方法训练，结合人类专家比赛中学到的棋谱，以及在自己和自己下棋（Self-Play）中进行强化学习。也就是说，人工智能的存在，能够让AlphaGo的围棋水平在学习中不断上升。
人工智能的技术应用主要是在以下几个方面：
自然语言处理（包括语音和语义识别、自动翻译）、计算机视觉（图像识别）、知识表示、自动推理（包括规划和决策）、机器学习和机器人学。按照技术类别来分，可以分成感知输入和学习与训练两种。计算机通过语音识别、图像识别、读取知识库、人机交互、物理传感等方式，获得音视频的感知输入，然后从大数据中进行学习，得到一个有决策和创造能力的大脑。
从上世纪八九十年代的PC时代，进入到互联网时代后，给我们带来的是信息的爆炸和信息载体的去中心化。而网络信息获取渠道从PC转移到移动端后，万物互联成为趋势，但技术的限制导致移动互联网难以催生出更多的新应用和商业模式。而如今，人工智能已经成为这个时代最激动人心、最值得期待的技术，将成为未来10年乃至更长时间内IT产业发展的焦点。
人工智能概念其实在上世纪80年代就已经炒得火热，但是软硬件两方面的技术局限使其沉迷了很长一段时间。而现在，大规模并行计算、大数据、深度学习算法和人脑芯片这四大催化剂的发展，以及计算成本的降低，使得人工智能技术突飞猛进。
一、驱动人工智能发展的先决条件
物联网——物联网提供了计算机感知和控制物理世界的接口和手段，它们负责采集数据、记忆、分析、传送数据、交互、控制等等。摄像头和相机记录了关于世界的大量的图像和视频，麦克风记录语音和声音，各种传感器将它们感受到的世界数字化等等。这些传感器，就如同人类的五官，是智能系统的数据输入，感知世界的方式。而大量智能设备的出现则进一步加速了传感器领域的繁荣，这些延伸向真实世界各个领域的触角是机器感知世界的基础，而感知则是智能实现的前提之一。
大规模并行计算——人脑中有数百至上千亿个神经元，每个神经元都通过成千上万个突触与其他神经元相连，形成了非常复杂和庞大的神经网络，以分布和并发的方式传递信号。这种超大规模的并行计算结构使得人脑远超计算机，成为世界上最强大的信息处理系统。近年来，基于GPU（图形处理器）的大规模并行计算异军突起，拥有远超CPU的并行计算能力。
从处理器的计算方式来看，CPU计算使用基于x86指令集的串行架构，适合尽可能快的完成一个计算任务。而GPU从诞生之初是为了处理3D图像中的上百万个像素图像，拥有更多的内核去处理更多的计算任务。因此GPU天然具备了执行大规模并行计算的能力。云计算的出现、GPU的大规模应用使得集中化的数据计算处理能力变得前所未有的强大。
大数据——根据统计，2015年全球产生的数据总量达到了十年前的20多倍，海量的数据为人工智能的学习和发展提供了非常好的基础。机器学习是人工智能的基础，而数据和以往的经验，就是人工智能学习的书本，以此优化计算机的处理性能。
深度学习算法——最后，这是人工智能进步最重要的条件，也是当前人工智能最先进、应用最广泛的核心技术，深度神经网络（深度学习算法）。2006年，Geoffrey Hinton教授发表的论文《A fast learning algorithm for deep belief
nets》。他在此文中提出的深层神经网络逐层训练的高效算法，让当时计算条件下的神经网络模型训练成为了可能，同时通过深度神经网络模型得到的优异的实验结果让人们开始重新关注人工智能。之后，深度神经网络模型成为了人工智能领域的重要前沿阵地，深度学习算法模型也经历了一个快速迭代的周期，Deep Belief Network、Sparse
Coding、Recursive Neural Network, Convolutional Neural Network等各种新的算法模型被不断提出，而其中卷积神经网络（Convolutional Neural Network，CNN）更是成为图像识别最炙手可热的算法模型。
二、IT巨头在人工智能上的投入
技术的进步使得人工智能的发展在近几年显著加速，IT巨头在人工智能上的投入明显增大，一方面网罗顶尖人工智能的人才，另一方面加大投资力度频频并购，昭示着人工智能的春天已经到来。
<img src="https://pic4.zhimg.com/50/v2-aa97001218f562983ff1e7eecc2e356f_hd.png" data-rawwidth="1279" data-rawheight="720" class="origin_image
zh-lightbox-thumb" width="1279"
data-original="https://pic4.zhimg.com/v2-aa97001218f562983ff1e7eecc2e356f_r.png">科技企业巨头近几年在人工智能领域密集布局，巨头们通过巨额的研发投入、组织架构的调整、持续的并购和大量的开源项目，正在打造各自的人工智能生态圈。在未来，人工智能将不再是尖端技术，而会成为随处可见的基础设施。对于人工智能初创企业而言，既要寻找与巨头的合作契合点，又要避开正面冲突。
科技企业巨头近几年在人工智能领域密集布局，巨头们通过巨额的研发投入、组织架构的调整、持续的并购和大量的开源项目，正在打造各自的人工智能生态圈。在未来，人工智能将不再是尖端技术，而会成为随处可见的基础设施。对于人工智能初创企业而言，既要寻找与巨头的合作契合点，又要避开正面冲突。
IBM
IBM
Watson由90台IBM服务器、360个计算机芯片组成，是一个有10台普通冰箱那么大的计算机系统。它拥有15TB内存、2880个处理器、每秒可进行80万亿次运算。现在已经逐步进化到四个批萨盒大小，性能也提升了240%。Watson存储了大量图书、新闻和电影剧本资料、辞海、文选和《世界图书百科全书》等数百万份资料。Watson是基于IBM“DeepQA”（深度开放域问答系统工程）技术开发的。DeepQA技术可以读取数百万页文本数据，利用深度自然语言处理技术产生候选答案，根据诸多不同尺度评估那些问题。IBM研发团队为Watson开发的100多套算法可以在3秒内解析问题，检索数百万条信息然后再筛选还原成“答案”输出成人类语言。
产业布局：IBM公司自2006年开始研发Watson，并在2011年2月的《危险地带》(Jeopardy!)智力抢答游戏中一战成名。一开始IBM想把Watson打造为超级Siri，主要还是卖硬件。但是后来转型为认知商业计算平台，2011年8月开始应用于医疗领域。例如在肿瘤治疗方面，Watson已收录了肿瘤学研究领域的42种医学期刊、临床试验的60多万条医疗证据和200万页文本资料。Watson能够在几秒之内筛选数十年癌症治疗历史中的150万份患者记录，包括病历和患者治疗结果，并为医生提供可供选择的循证治疗方案。目前癌症治疗领域排名前三的医院都在运行Watson，并在今年8月正式进入中国。
2012年3月，Watson则首次应用于金融领域，花旗集团成为了首位金融客户。Watson帮助花旗分析用户的需求，处理金融、经济和用户数据以及实现数字银行的个性化，并帮助金融机构找出行业专家可能忽略的风险、收益以及客户需求。
硬件：人脑模拟芯片SyNAPSE
SyNAPSE（Systems of Neuromorphic Adaptive Plastic Scalable
Electronics，即“自适应塑料可伸缩电子神经形态系统”）芯片，含有100万个可编程神经元、2.56亿个可编程突触，每消耗一焦耳的能量，可进行460亿突触运算。在进行生物实时运算时，这款芯片的功耗低至70毫瓦(mW)，比现代微处理器功耗低数个数量级。
Google
谷歌在一系列人工智能相关的收购中获益。2013年3月，谷歌以重金收购DNNresearch的方式请到了深度学习技术的发明者Geoffrey Hinton教授。2014年年初，谷歌以4亿美元的架构收购了深度学习算法公司——DeepMind，也就是推出AlphaGo项目的公司。该公司创始人哈萨比斯是一位横跨游戏开发、神经科学和人工智能等多领域的天才人物。
云平台：TensorFlow数据库，机器学习的核心是让机器读懂数据并基于数据做出决策。当数据规模庞大而又非常复杂时，机器学习可以让机器变得更聪明。TensorFlow在数据输入和输出方面都有惊人的精度和速度，它被确切地定义为人工智能工具。
产业布局：谷歌无人驾驶汽车、基于Android智能手机的各种app应用与插件、智能家居（以收购的NEST为基础）、VR生态、图像识别（以收购的Jetpac为基础）。
Facebook
2013年12月，Facebook成立了人工智能实验室，聘请了卷积神经网络最负盛名的研究者、纽约大学终身教授Yann LeCun为负责人。Yann LeCun是纽约大学终身教授，是卷积神经网络领域的重要推动者，而该技术的最主要应用就是图像识别的自然语言处理，这与Facebook的需求和已经积累的数据类型非常匹配。在Yann
LeCun的帮助下，2014年Facebook的DeepFace技术在同行评审报告中被高度肯定，其脸部识别率的准确度达到97%。而他领导的Facebook人工实验室研发的算法已经可以分析用户在Facebook的全部行为，从而为用户挑选出其感兴趣的内容。
AI技术：视觉DeepFace技术（收购http://face.com）、语音识别（收购Mobile
technologies）、自然语义（收购Wit.AI）、神经网络训练+机器学习
云平台：开发者平台Parse、Torch开源深度学习模块
硬件： Big Sur（基于GPU的用于训练神经网络的硬件系统，开源）
产业布局：语音助手Moneypenny、VR生态（收购Oculus Rift、Sourroud360全景摄像机促进内容发展）
百度
2014年5月，被称为“谷歌大脑之父”的AndrewNG(吴恩达)加盟百度，担任首席科学家，负责百度“百度大脑”计划。大数据是人工智能的基础，而作为天然的大数据企业，百度拥有强大的数据获取能力和数据挖掘能力。2014年7月14日，百度凭借自身的大数据技术14场世界杯比赛的结果预测中取得全中的成绩，击败了微软和高盛。2014年9月，百度正式发布整合了大数据、百度地图LBS的智慧商业平台，旨在更好在移动互联网时代为各行业提供大数据解决方案。
AI技术：语音识别Deep Speech、视觉识别“智能读图”、自然语言与智能语义、自动驾驶、深度学习
解决方案：基于智能手机的语音服务系统（度秘）
开发者云平台： 百度云
产业布局：汽车领域无人驾驶、基于智能手机的各种app应用与插件。
Microsoft
AI技术：语音、视觉、自然语言、分布式机器学习
云平台：Microsoft Azure（存储、计算、数据库、live、媒体功能）、分布式机器学习工具包DMTK（自然语言处理，推荐引擎，模式识别，计算机视觉以及预测建模等）、人工智能平台Project Malmo
产业布局：语言助手（微软小冰、Cortana小娜、Tay）、VR（Hololens全息眼镜）
Apple
AI技术：自然语言（收购Vocal IQ）、收购可视化地图MapsenseGPS公司 Coherent Navigation
产业布局：汽车领域无人驾驶、SIRI语音助手
Amazon
云平台：Amazon Web Services（存储、计算、模式识别和预测，其中视频识别API 收购Orbeus）
阿里
云平台（阿里云IaaS，可视化人工智能平台DTPAI）
产业布局 ：智能家具、物联网
腾讯
AI技术：视觉、智能计算与搜索实验室
产业布局：智能硬件
三、人工智能的生态
<img src="https://pic2.zhimg.com/50/v2-3e400f0328b14659a68f4ed4f90b1265_hd.png" data-rawwidth="1279" data-rawheight="720" class="origin_image
zh-lightbox-thumb" width="1279"
data-original="https://pic2.zhimg.com/v2-3e400f0328b14659a68f4ed4f90b1265_r.png">科技巨头围绕人工智能产业，开展了大量的收购；标的包括人工智能初创企业（算法）、大数据公司（算法或数据）和芯片研发公司（计算能力）。截至至2016年7月底，谷歌在其中的收购次数最多达到了13次。巨头们在人工智能领域的并购呈现两个特点：一是连续多次买入，二是标的规模较小。
科技巨头围绕人工智能产业，开展了大量的收购；标的包括人工智能初创企业（算法）、大数据公司（算法或数据）和芯片研发公司（计算能力）。截至至2016年7月底，谷歌在其中的收购次数最多达到了13次。巨头们在人工智能领域的并购呈现两个特点：一是连续多次买入，二是标的规模较小。
<img src="https://pic1.zhimg.com/50/v2-1745baa5e65373864829f51a036e03f4_hd.png" data-rawwidth="1279" data-rawheight="720" class="origin_image
zh-lightbox-thumb" width="1279"
data-original="https://pic1.zhimg.com/v2-1745baa5e65373864829f51a036e03f4_r.png">从2013年开始，科技巨头大多加大了对人工智能的自主研发，同时通过不断开源，试图建立自己的人工智能生态系统，开源力度不断增加。比如Google 开源TensorFlow
后，Facebook、百度和微软等都加快了开源脚步。最早走向人工智能工具开源的是社交巨头Facebook，于去年1月宣布开源多款深度学习人工智能工具。而谷歌、IBM和微软几乎于去年11通同时宣布开源。谷歌发布了新的机器学习平台TensorFlow，所有用户都能够利用这一强大的机器学习平台进行研究，被称为人工智能界的Android。IBM则宣布通过Apache软件基金会免费为外部程序员提供System
ML人工智能工具的源代码。微软则开源了分布式机器学习工具包DMTK，能够在较小的集群上以较高的效率完成大规模数据模型的训练，在今年7月微软又推出了开源的Project Malmo项目，用于人工智能的训练。
从2013年开始，科技巨头大多加大了对人工智能的自主研发，同时通过不断开源，试图建立自己的人工智能生态系统，开源力度不断增加。比如Google 开源TensorFlow
后，Facebook、百度和微软等都加快了开源脚步。最早走向人工智能工具开源的是社交巨头Facebook，于去年1月宣布开源多款深度学习人工智能工具。而谷歌、IBM和微软几乎于去年11通同时宣布开源。谷歌发布了新的机器学习平台TensorFlow，所有用户都能够利用这一强大的机器学习平台进行研究，被称为人工智能界的Android。IBM则宣布通过Apache软件基金会免费为外部程序员提供System
ML人工智能工具的源代码。微软则开源了分布式机器学习工具包DMTK，能够在较小的集群上以较高的效率完成大规模数据模型的训练，在今年7月微软又推出了开源的Project Malmo项目，用于人工智能的训练。
<img src="https://pic2.zhimg.com/50/v2-57532267ccda6eb41a5076a68c24240d_hd.png" data-rawwidth="1279" data-rawheight="720" class="origin_image
zh-lightbox-thumb" width="1279" data-original="https://pic2.zhimg.com/v2-57532267ccda6eb41a5076a68c24240d_r.png">
人工智能已经逐渐建立起自己的生态格局，由于科技巨头的一系列布局和各种平台的开源，人工智能的准入门槛逐渐降低。未来几年之内，专业领域的智能化应用将是人工智能主要的发展方向。无论是在专业还是通用领域，人工智能的企业布局都将围绕着基础层、技术层和应用层三个层次的基本架构。
基础层就如同大树的根基，提供基础资源支持，由运算平台和数据工厂组成。中间层为技术层，通过不同类型的算法建立模型，形成有效的可供应用的技术，如同树干连接底层的数据层和顶层的应用层。应用层利用输出的人工智能技术为用户提供具体的服务和产品。
<img src="https://pic1.zhimg.com/50/v2-c9e10b53adb07251de6870a3157ac9b4_hd.png" data-rawwidth="1279" data-rawheight="720" class="origin_image
zh-lightbox-thumb" width="1279" data-original="https://pic1.zhimg.com/v2-c9e10b53adb07251de6870a3157ac9b4_r.png">
位于基础层的企业一般是典型的IT巨头，拥有芯片级的计算能力，通过部署大规模GPU和CPU并行计算构成云计算平台，解决人工智能所需要的超强运算能力和存储需求，初创公司无法进入。技术层的算法可以拉开人工智能公司和非人工智能公司的差距，但是巨头的逐步开源使算法的重要程度不断降低。应用层是人工智能初创企业最好的机遇，可以选择合理的商业模式，避开巨头的航路，更容易实现成功。

人工智能就业前景堪忧吗？
第一智能化是未来的重要趋势之一。随着互联网的发展大数据云计算、物联网等相关技术将陆续推广应用。在这种背景下智能化必然是发展趋势之一。人工智能技术将首先应用于互联网行业然后陆续推广到其他行业所以从大的发展前景来看人工智能相关领域的发展前景还是很广阔的。
第二互联网在产业的发展必然带动人工智能的发展目前互联网正在从消费互联网向产业互联网发展。产业互联网将全面应用物联网大数据、人工智能等相关技术为传统产业赋能。作为重要的技术之一人工智能在产业互联网发展过程中不可避免地会释放出大量的就业岗位。
第三人工智能技术将成为职场人士必备的技能之一。随着代理逐渐进入生产环境工作场所的人们在工作中会经常与大量的代理进行沟通和合作这就对工作场所的人们提出了新的要求即需要掌握人工智能的相关技术从这个角度来看掌握人工智能技术将是未来的必然趋势相关技能的教育市场在迎来也将有很大的发展机会。
人工智能有什么优势？
1.减少出错的机会
因为机器做出的决定是基于以前的数据记录和算法的组合所以出错的机会减少了这是一个成就因为它解决了需要计算的复杂问题并且可以在没有任何误差范围的情况下完成。
2.做出正确的决定
机器完全没有情感这让机器效率更高。他们可以在短时间内做出正确的决定最好的例子是它在医疗保健中的应用将人工智能工具整合到医疗保健领域可以通过最大限度地降低错误诊断的风险来提高治愈率。
3.在危险情况下实施人工智能
在一些人身安全易受攻击的情况下可以使用具有预定算法的机器如今科学家们正在使用复杂的机器来研究人类难以生存的海底这是人工智能能够帮助克服的最大限制之一。
4.能连续工作
机器不像人类即使要连续工作几个小时也不会累。这对人类来说是一个很大的好处人类需要时间休息来提高效率但就机器而言其效率不受任何外界因素影响也不会妨碍其持续工作。
人工智能带来的弊端：
1.实施起来非常昂贵
如果把安装、维护和维修的成本加在一起人工智能是一个昂贵的方案可以由拥有巨大资金的人和企业来实施然而没有资金的企业和行业将很难将人工智能技术应用到他们的流程或策略中。
2.对机器的依赖
随着人类对机器的依赖性越来越大我们正处于一个没有机器帮助人类就很难工作的时代。我们之前用过毫无疑问以后还会继续用对机器的依赖只会增加所以人的心理和思维能力会随着时间的推移而降低。
3.取代低技能工作
到目前为止这是技术专家最关心的问题。人工智能可能会取代许多低技能工作因为机器可以7天24小时工作所以比起人类企业更愿意投资机器。随着我们走向自动化世界几乎每一项任务都将由机器完成这可能导致大规模失业这方面的一个实例是无人驾驶汽车公司如果无人驾驶汽车开始出现未来将有数百万司机失业。
4.工作限制
人工智能机器被编程为根据其训练和编程来完成某些任务依靠机器来适应新环境勇于创新跳出框框思考这将是一个巨大的错误这是不可能的因为他们的思维局限于他们训练出来的算法。
通过上述内容的介绍现在大家觉得人工智能就业前景堪忧吗随着时代的发展人工智能将会逐渐融入人们的日常生活中云计算、大数据的应用也会越来越广泛之前介绍了云计算技术发展方向感兴趣的朋友可以多看看。
猜你喜欢
众所周知，我国的高等院校有3000多所，开设的专业有700多个，专业的数量在逐年增多，专业的分布越来越广，可以说三百六十行，行行都有相应的专业。 我们常说专业的人做专业...
今日资讯 07-19
给大家出一个谜题： 明代高濂的《遵生八笺》有这样一段描述： 玉以甘黄为上，羊脂次之。 那么甘黄是什么？ 甘黄就是黄吗？甘黄是黄玉吗？ 我们说过，黄色的玉种，颜色很关...
今日资讯 07-19
1、别拿尊严，去追求一个不爱你的人；别拿时间，去苦等一份不属于你的情。是你的谁也夺不走；不是你的终究会离开。 2、最合适的两个人，不是在一开始就一拍即合，而是愿意...
今日资讯 07-19
35岁的晓雯是个高龄产妇，繁忙的工作让晓雯和她的爱人推迟了生孩子的计划，35岁才怀上第一个宝宝，夫妻俩也十分重视这个还未出世的宝宝，晓雯的爱人经常给晓雯买来各种水果...
今日资讯 07-19
1、原谅，不过是将遗憾悄悄掩埋；忘记，才是最深刻彻底的宽容。 2、复刻青春的回忆，陪我牵手走过的路不会忘记！有一种感情，不再浓烈，却一直存在。 3、最初我们来到这个...
今日资讯 07-19

打开网易新闻 查看精彩图片
点击进入，招募ing......
打开网易新闻 查看精彩图片
打开网易新闻 查看精彩图片
编译：威远
导 读
本文编辑节选自俄罗斯国际事务委员会网站2018年11月发表的题为《人工智能的发展前景和可能后果》的文章。文中主要介绍了当今世界人工智能技术的发展现状、未来趋势以及其可能导致的国际和社会后果。文章认为，当前，人工智能还处于“弱人工智能”发展阶段，但已经对个人、社会和国家安全构成足够的潜在威胁。当前人工智能技术发展面临的最大问题包括“人工智能民族主义”和“人工智能国家化”。同时，人工智能技术和第四次工业革命将对社会职业发展、法律伦理产生难以预测的巨大影响。
打开网易新闻 查看精彩图片
冷战结束后，美国实际上获得了不可超越的超级大国地位。重要原因就是其独一无二的军事技术优势。但是，美国军队国防过去所依赖的技术，例如高精度武器等，因为全球化和技术转让已经传播至全世界。结果美国的竞争对手发展了本国的能力，且越来越对美国的军事优势构成挑战。
美国国防部为了在将来保持并扩大自身军事优势，寄希望于人工智能技术，该技术在军事领域的潜在应用可能性非常多样：从提升后勤系统的效能到一些更加敏感的任务，比如现代武器系统中的自动化指挥和控制。美国在2018年国防战略中指出，人工智能很可能将改变战争性质。按国防部副部长帕特里克·沙纳汉的话说，美国“应当敢于并准备使用人工智能技术”。
有理由相信，前谷歌和Alphabet领导人埃里克·施密特号召重视“人工智能领域的‘卫星事件’已经发生”（卫星事件指上世纪苏联发射首颗卫星震惊了当时的美国领导层）这一事实已经得到了美国政府的重视。
美国国防部长詹姆斯·马蒂斯号召总统特朗普不仅仅是为美国政府，而是为“整个国家”制定人工智能技术发展战略。马蒂斯向总统提出的号召中包括组建总统委员会的建议，以“激励整个国家让美国不仅成为国防领域的世界领袖，还要成为人类生活全方位深刻变革的引领者”。为响应这一号召，“美国白宫2018年美国工业人工智能峰会”宣布，特朗普政府“优先资助人工智能、机器学习和自主系统的基础研究和计算设施”。
2018年7月31日，白宫向各部、署负责人发布M-18-22号关于2019-2020年研究与开发预算优先方向的备忘录，该份备忘录将人工智能称为国家三大最高技术优先方向的首要方向（第二位是量子信息学，第三位是超级计算），责成美国行政管理和预算局（OMB）联合科技政策办公室（OSTP）保证所有联邦部署2019-2020年预算优先用于上述方向。
实际上，2018年感受到“卫星事件”的不仅仅是美国政府。
与2017年相比，宣布国家人工智能发展战略的国家数量提高了2倍多。
2017年，人工智能积极分子（日本，加拿大和新加坡）开启了国家人工智能战略签署进程。紧随其后的是对人工智能予以大力财政支持，寻求世界人工智能领域领导地位两大国家之一的中国。
而2018年，还没到年末，公布国家人工智能领域战略的国家已经不胜枚举，巴西、德国、法国等诸多国家已经提出了自己的战略。
Politics +AI编写的名为《国内人工智能策略综述》（An Overview of National AI Strategies）的报告，对各国国家战略的细节和特点进行了简要描述。不出所料，各国在各自的国家人工智能战略中制定了不同的目标和策略。
受各国政府委托所制定文件的编制、细化水平，篇幅也各不一样。
日本的战略看起来最简洁（25页）和具体，包括对2030年前建立国家人工智能系统三阶段的基本描述。
打开网易新闻 查看精彩图片
这一基本方案还附加了三个优先方向的路线图：生产效能，医疗和健康，流动性。
还制定了三个主要经济领域优先方向（生产效能，医疗和健康，流动性）人工智能技术融合计划。融合的三个阶段显示了技术进步的水平和社会变化的水平。
英国的方案看起来是最详细的，包括以下文件：
180页的报告《英国人工智能发展的计划、能力与志向》（AIin the UK: ready, willing and able?），由英国上议院于2018年4月公布，其观点在很大程度上与南安普顿大学计算机科学教授Dame Wendy Hall和Benevolent AI公司首席执行官Jerome Pesenti博士77页报告《在英国发展人工智能》（Growing the
Artificial Intelligence Industry in the UK）的观点相斥。
2卷专家和学者证明报告观点的书面及口头证据（第1卷包括223份，共1581页的书面证据，第2卷包括57份，在22次会议中记录的423页口头证据）。
政府对英国上议院向议会，商务、能源和工业大臣（Secretary of State for Business, Energy and Industrial Strategy by Command of Her Majesty）提交报告和证据的40页答复。
是什么让20多个多家共同展望人工智能的未来，如今已经形成各种各样的文件：从计划和路线图（比如日本）到具体责成政府的“司法判决”（比如英国）？
认真研究所有这些2018年8月底前公布的文件，笔者发现了所有这些“国家战略”中两个明显的关键趋势：
1.人工智能民族主义方向
2.人工智能国家化方向
现在来讲一讲它们的具体涵义。
人工智能民族主义
人工智能民族主义的第一个根源——超高的预期
人工智能民族主义这一术语是在伊恩·贺加斯（Ian Hogarth）的同名文章《人工智能民族主义》（AI Nationalism）发表后开始流行的。在这篇短文中，人工智能民族主义被定义为：“一种新型地缘政治，因近年来人工智能的迅猛发展而在发达国家中迅速扩张”。
人工智能在国家层面和国际层面引发了新的不稳定，迫使发达国家政府采取行动，以不至于在世界对掌控人工智能优势的新一轮竞争中处于不利地位。
这一竞争独具特色，且不同于以往任何一次，包括在核炸弹和洲际导弹方面的竞争。
人工智能的独特性是由两个方面因素决定的——1个经济方面因素和2个军事方面因素。
1.人工智能设备的多功能性，能够提升几乎所有后工业化领域和活动的效率（最近的通用性典型就是电的普及应用）；
2.基于以往军事经验，推断人工智能的潜力将导致革命性突破：
首先是研发出全新的军事技术系统方案（比如提升战车的雷达、红外及在其它方面的隐身性能——隐身技术）。
其次是基于人工智能技术，研制更加先进的战区军事报知系统、军事后勤和战斗指挥系统（包括改变各兵种传统的模式，比如，航母从侦察机，甲板炮，引导飞机的运输船成为一个浮动机场，能够非常有效地独立遂行军事任务）。
3.更加有效解决核遏制问题（根据古时候牛仔的智慧，重要的是要善于先敌开枪）的可能性（虽然还未能证实，但很多军人已经慎重地认识到）。
上述因素在很大程度上是假设性的。他们不反映人工智能技术现在已经达到的实际能力水平，只不过是按照现在的发展速度，人工智能技术在不久的将来可能达到的高度。
换句话说，这三个将人工智能变成国际舞台上可能优势的因素，目前只不过是军人和政治家的预期。
但这丝毫也不影响他们认定，世界正处在新的“奇点”，军事上的。人工智能领域的领导者——美国和中国对此有多么重视，新美国安全中心（CNAS）的报告《战场奇点》（Battlefield Singularity）进行了说明。让人震惊的不仅仅是报告的逻辑和分析，还包括报告所引用美国和中国的334份资料文献。
打开网易新闻 查看精彩图片
人工智能民族主义的第二个根源——技术纠缠
人工智能史无前例的重要性可能使该领域的政策成为国家政策中最关键的要素。然而，人工智能技术却出现了特有的，极其困难的问题，即所谓的技术纠缠（Technological entanglement）。
技术纠缠是指在全球化进程中，国际公司在研究军民两用技术时，利益和资源密切、全方位交织现象的出现和巩固。
技术纠缠导致的结果是技术主权概念的消失。即便是像美国这样在人工智能领域毫无争议地处于领导地位的国家，在技术纠缠情况下，也处于非常困难的境地。
在以下事实情况下，美国如何在人工智能领域保持领先地位，防止自身技术被泄露给竞争者：
美国的技术引擎是私人公司；
技术纠缠的最后，也是最关键的“一圈”就是中国宣布的“军民融合”国家战略（National Strategy for military-civil fusion），融合中国私人公司和国家机关的利益和资源。
信息技术与创新基金会（Information Technology and Innovation Foundation） 主席罗伯特·阿特金森2018年7月26日在National Review发表的文章中，概括了因技术纠缠而导致的情况。
中国展开了广泛的“创新重商主义者”实践，旨在通过不公平手段，使中国生产者获取优势。具体包括：
美国当前在贸易-技术领域政策的唯一目标就是：终结中国威胁美国国家和经济安全的创新-重商主义政策。
因此，对人工智能保证国家在国际舞台上优势能力的过高期待，以及日益加剧的技术纠缠，成为部分国家滋生技术民族主义的主要根源，且这种国家的数量还在增加。
可能的后果是——国家采取尽可能的保护行为，以保持自己在人工智能领域的领先地位，限制（甚至可能变成禁止）专利转让、公开发布研究成果、出口人工智能技术，限制（甚至可能禁止）企业并购、投资自由流动以及人才在学习以及工作中的流动。
谁是人工智能民族主义的先锋
截至2018年8月底，以各种不同形式宣称将采取人工智能民族主义的国家包括：中国、美国、印度、英国和法国。这五个国家还宣布正在制定基于人工智能的国家军事计划。
中国——国家“十三五”规划，“十三五”国家科技创新规划“人工智能2.0”计划，“促进新一代人工智能产业发展三年行动计划（2018-2020年）”，所有这些计划都处于国家军民融合战略统一框架下。
美国——国家安全战略，国防战略和国防部副部长2018年6月27日发布的关于建立国防部联合人工智能中心（JAIC）的备忘录。
印度——NITI Aayog分析中心为印度政府制定的国家人工智能发展战略，Tata Sons受国防部委派制定的“保障印度国防和安全人工智能发展路线图”。
法国——法国国防部长弗洛朗斯·帕尔丽宣布大幅提升国家人工智能支出（18.3亿美元）以开发未来武器系统；议会“维拉尼报告”指出，“人工智能目前是保证安全，保持对潜在敌人优势，维持我们与盟国相对地位的中心政治原则”；人工智能用于发展武器能力研究路线图及其第一阶段——人机协同方案（Man-Machine Teaming-MMT）。
英国——希望在人工智能领域成为美国军事计划的一部分，在这一合作框架下，根据英国国防大臣决定，2018年5月，创建英国国防科学与技术实验室（Defence Science and Technology Laboratory-Dstl）人工智能研究应用中心。
上述国家宣布了以下三方面政策，作为人工智能民族主义的主要导向：
1.保证维持人工智能先驱国家经济和军事优势的政策，这些国家认为自己是“先驱”不无道理。
2.阻止抄袭新人工智能技术的政策，首先针对那些容易被具有相当技术水平国家仿制的技术。
3.削弱导致人工智能技术传播的国际贸易动因政策。
特别值得关注的是所有国家调控手段的行动准备水平，能够迅速并坚决制定新规则，严厉阻止任何其它国家破坏国家人工智能领域技术主权的企图。
人工智能国家化
对在世界人工智能领域优势竞争中落后的恐惧引发了人工智能民族主义趋势。然而事情远不止于此。
当知道中国所采取的联合私人商业和国家目标及资源的政策（军民融合）使得中国在数年内几乎赶超先前人工智能遥遥领先的美国时，其余国家别无他途，只能走同样的道路。
将发达国家习以为常的国家和商业分离模式放在一边不谈，我们来说说人工智能国家化的优势——联合私人公司和国家的资源，均衡人工智能领域创新应用的速度，将战略目标调整为国家在国际舞台上获得经济、政治和军事优势。
人工智能国家化的内容包括人工智能竞争领导国家和人工智能竞争落后国家两方面。
人工智能竞争领导国家——美国和中国
部分专家列举证据称，中国目前在人工智能领域几乎落后美国一倍。
打开网易新闻 查看精彩图片
然而，对中国民用和军用突破性技术的分析，美国国会中国经济与安全审查委员会（China Economic and Security Review Commission）听证会结果及其提交美国国会的总结报告，以及对中国武器深入分析的最新报告显示，美国和中国在人工智能技术发展方面几乎具有同等地位。
打开网易新闻 查看精彩图片
注：决定技术指标领先地位的因素包括：公司数量；在国际市场上的份额；科研和设计的资金投入水平；专利申请数量；权威杂志上的发表数量；每篇发表的引用数量。技术指标领先地位可能因国家政策改变或科研和设计工作中的新突破而发生改变。
（资料来源：上述排名的依据包括：（美国国会中国经济与安全审查）委员会2017年3月就中国新一代技术及军民两用技术领域成就举行听证会期间的数据；科学研究；与政府、科学界代表以及业界专家的讨论；研究公开来源资料和分析文章。）
在审议9项最具突破性军民两用技术类别过程中，美国国会专家将人工智能列为中美水平几乎相当的三类之一。
这些专家的结论与民间、但质量非常高的报告不同，考虑了3方面因素：
1.在中国的武器发展长期战略中，自主无人系统和人工智能具有最高的优先发展地位。
2.中国人工智能发展路线图的特点，高度重视研制智能化武器，将其列为4项关键战略前沿技术，将超越美国军队作为目标，采用跨越式发展战略。
3.中国希望将人工智能用于加速发展所谓的“杀手锏”武器，该词是从英语的Trump Card（王牌）发展而来的。
但这里说的Trump并非特朗普总统，而是指所谓的“杀手锏”武器。杀手锏这一术语可以有不同的翻译方法：翻译成英语就是指“王牌”或者“杀人的锤矛”，翻译成俄语就是“杀手”。这一术语引用自中国的神话传说，杀手锏是指借助于高超的绝招，出其不意战胜更加强大的敌人（类似于大卫打败巨人歌利亚使用的投石器）。中国前领导人曾如此形容“杀手锏”这一术语：“敌人最害怕什么，我们就应当攻击什么”。从那时起，中国的军事学说开始确定了发展“杀手锏”武器的优先方向，巧妙地攻击敌人最薄弱的点。而人工智能从这一点来看似乎非常有用。
美军非常了解中国所依赖的“杀手锏”武器。正如美国前国防部副部长罗伯特·沃尔克（2014至2017年担任该职务）所说，“中国的取胜战略是系统破坏战（systems destruction warfare），因为他们关注的重点是电子-瘫痪式攻击敌军的司令部和指挥部，而不是从物理上摧毁坦克、军舰和飞机”。
最显而易见的例子就是使用集体智能微型无人机群打击航母。
另外一个例子是，导弹武器的智能化。这里人工智能的目标是“大幅拓展导弹的感知和决策能力，以最终完成任务，能够认知并具备学习能力”。
很可能，就像五角大楼一名高级官员不久前所说：“第一个在战场上展开能够关闭敌方指控系统的电磁脉冲武器的民族，将改变战争的面貌。很难说，美国将在这场竞赛中胜出”。而这里所说的不是别的，正是要将电磁脉冲武器与人工智能相结合。
关于中国将人工智能技术优先应用于先进武器系统而产生潜在威胁的详细描述请见：Implications of China’s Military Modernization. Testimony before the U.S.-China Economic and Security Review Commission // U.S.-China
Economic and Security Review Commission. 2018。
目前，美国和中国在人工智能领域齐头并进。但很多专家认为，最多再过十年，中国的威权主义就会依靠所收集数据的绝对优势，战胜美国的民主制度。目前，中国收集的数据已经是美国的4倍，且这一差距还正在拉大。
在不久的将来仍将是两家垄断制。但人工智能领域的两个世界领导者——美国和中国——却拥有完全相反的战略：
中国——无论如何继续做“事”。
美国——采取一切办法阻止中国做“事”。
关于“事”的具体描述请见报告：How China’s Economic Aggression Threatens the Technologies and Intellectual Property of the United States and the World // White House Office of Trade and
Manufacturing Policy. 2018.（URL:https://www.whitehouse.gov/wp-content/uploads/2018/06/FINAL-China-Technology-Report-6.18.18-PDF.pdf）。简单说包括以下内容：
A.采取保护主义措施维护本国市场不受进口和人工智能领域竞争的影响。
B.国家支持非法或者“半合法”通过以下手段获得人工智能领域的知识产权：人工窃取，网络间谍，违反美国出口法，伪造和盗版。
C.强迫或者强制美国公司向中国公司转让人工智能技术，通常用以交换有限进入中国市场。
D.直接从科学创新思想的源头（大学，实验室，研究中心）获取有价值的公开信息，以及从相关领域收买有用信息：公司、金融和鉴定。
E.国家支持中国公司在中国境外的先进人工智能技术投资活动。
人工智能竞争落后国家
实际情况是这样，除了领先国家美国和中国外，其余所有国家都属于人工智能竞争落后国家之列。虽然像法国、德国、印度和韩国这样的技术发达国家似乎在人工智能技术发展水平上不能与第三世界国家相提并论，但他们都摆脱不了成为领先国家人工智能殖民地的命运。
打开网易新闻 查看精彩图片
在人工智能新殖民主义条件下，殖民国家获得的不是金银，而是其替代品——本国人工智能技术学习所需要的大数据。而殖民地国家只能寄希望于人工智能新殖民主义国家的“文明精神”及其资金援助了。
然而，这里也一样，就像两个领先国家在人工智能领域之间的竞争那样，“没有人赢的时候，也就没有人输”。
比如，欧洲国家正在试图做点什么，以摆脱向美国提供大数据的被殖民的命运。
承认在技术设施和人工智能计划规模方面落后于美国和中国的同时，欧洲专家将自身在人工智能领域的能力形容为“小的闪光点”，幻想着“我们如何收集这些闪光点并将其集合起来”。
“特殊的落后国家”
——俄罗斯在人工智能竞争中的地位
关于俄罗斯潜力和前景，不能将其简单地归为竞争落后国家。
第一，理论上存在可能，落后国家可以在将人工智能用于军事目的时较领先国家有优势。这个问题超出了本文的范围，因为文章并不准备讨论所有的可能性，仅研究最有可能的方案。但是，必须提一下有利于落后国家的方案，因为很多权威的专家都在研究、分析这一问题。在不就前刚发行的《Foreign Policy's Fall
2018》杂志秋季未来战争问题专刊中就讨论了这一问题。Michael C. Horowitz在“The Algorithms of August”一文中分析了这一方案的前景，俄罗斯被列为“特殊的落后国”。类似中国，俄罗斯具备竞争领先地位的潜能。
第二，俄罗斯非对称应对地缘政治挑战的传统，加上现有的苏联时期的科学技术遗产，可能对人工智能技术与新型武器（从高超声速到电子信号压制系统）的结合产生重大影响。还有人工智能与量子计算等等的结合，可能根本改变未来军队的配置。
因此对于俄罗斯来说不能一概而论。需要进行单独、专业分析，因为即便是针对该问题的最优秀论著（比如，“技术因素对国家和国际安全威胁、军事冲突和战略稳定指标的影响”），也只不过是“蜻蜓点水”。
人工智能国家化将走向何方？
人工智能领先国家和落后国家之间虽然存在差异，但他们实际上都在采取类似中国那样的人工智能国家化的措施。
首先，在本国内建立统一的人工智能研发军民体系。
当然，人工智能公司巨头将采取一切措施予以抵制。比如，2018年6月1日谷歌宣布，不会恢复与美国军方代号为“Maven项目”（Project Maven）的合同。该计划是在伊拉克作战部署的首个人工智能深度学习系统，用于对军用无人机传回的图像进行分类。谷歌公司决定不再继续与军方的合同是在这一事件之后：谷歌85000名员工中约有4000人签署请愿书，要求谷歌不再参与“战争技术”的研究。
此事立刻引起回应。
2018年6月6日，“新美国安全中心”专家格雷戈里·艾伦发表题为“人工智能研究人员应当帮助军方进行一些研究”的文章。文章为人工智能商业公司制定了新的“道德原则”：
“谷歌人工智能工程师的道德原则应当是参与国家安全计划，而不是逃避”。
在提及谷歌工作人员号召拒绝参加“Maven项目”时，作者写道：
“这种号召导致了巨大的道德危险。先进人工智能技术应用于军队就像电能普及一样不可避免。这一过渡会伴随道德和技术上的风险。然而，包括像谷歌这样公司的优秀研究人员参与这一过程是必要的，以帮助军队处于正确的道德标准之上”。
人工智能领域的同行纷纷前来声援被指责的谷歌。Deep Mind创始人之一，Skype创始人埃隆·马斯克以及数名人工智能行业知名从业人员均号召同行签署承诺书，保证不研制基于人工智能技术的“致命原子武器”，否则就会成为臭名昭著的“机器人杀手”。
8月，已经有116名知名人工智能活动家和专家署名致信联合国，号召禁止致命原子武器。在声明中，专家们表示，这一技术的开发将导致意义与火药、核武器发明相当的“第三次战争革命”。联合国还未回应，北约高级顾问桑德罗·何克恩（音）就表示，这一倡议是极其的自负，可能赋予极权国家非对称优势。
“如果这些来自硅谷幼稚、不务正业的研发人员不知道威胁的重要性，那么中央情报局应当强迫他们了解”，何克恩如此表示。
需要“强制了解”的不仅仅是像谷歌这样的人工智能巨头，还包括大量处于人工智能研发前沿的初创公司。何克恩称，“初创公司应当被放入大的集体机构，以接触所需要的数据并研制高水平的人工智能”。这一逻辑也得到了人工智能领域个别专家的认可——他们都应当为完成国家安全任务服务。何克恩解释称，“极权体系和民主体系在人才利用方面存在巨大差异。极权国家的军方指挥部和指挥人员能够强迫公民、专家和学者为军方服务。在这种国家，如果需要好的大脑，你可以让任何专家为你服务”。
在美国很难出现下列情况：
人工智能初创公司为人工智能巨头服务；
人工智能公司巨头为军方服务；
人工智能专家按照军队的要求进行研究。
但苏联曾经就是这样。现在的中国也正是如此。
美国是否能够在本国采取类似的行动，最终取决于威胁的水平。因为任何民主都会在国家安全受到高度威胁的时候终结。
美国很多有影响力的人士都完全相信，与中国的人工智能战争已经打响。现在要做的事是让大多数美国人都相信这一点。特朗普当选后，这似乎已经成为现实。
来源：知远战略与防务研究所
转自：走向智能论坛
回复关键字，获取相关主题精选文章 关键字：人工智能
无人机
无人船
无人车
机器人
虚拟现实
脑机接口
神经芯片
智慧社会
智能制造
其他主题文章陆续整理中，敬请期待······
系列自媒体