人工智能是全人类的未来，解读机器智能的发展现状

2018年3月1日，美国权威***—国际战略研究中心（CSIS）发布《美国***智能战略》报告。报告提出，为促进机器智能（MI）技术安全、可靠的发展，并保持美国在MI领域的全球领先地位，美国政府应制定MI国家战略，并从MI研发、人才培养、数据环境、法律政策、风险管控、战略合作等六大方面提出了具体举措，用于指导该国家战略的制定。

有生之年：第一个打败围棋世界冠军的程序出现了，第一辆自动驾驶的汽车上路了……人工智能，或者说机器智能（machine intelligence），已经开始悄悄渗透企业、公共事务，在全球范围影响着人们的工作和生活。

机器智能显而易见的战略地位，使其融入各国顶层设计，产投研各界热情的日渐增长。

本期的智能内参，我们推荐来自美国国际战略研究所（CSIS）的***智能战略报告，解读机器智能的发展现状，分析其对经济、社会、国家安全的影响，报告还给出了国家发展机器智能的六点策略建议。

以下为智能内参整理呈现的干货：

一、现在：MI主要做两类事

▲工程师在工厂调试机器智能

机器智能（MI）能够执行复杂的、需要人类级智慧（human intelligence）的任务。计算机科学家和数学家们利用深度学***（一种基于大型数据集赋能的机器学***算法），开发MI系统。

尽管MI的基础技术在上世纪60年代（达特茅斯会议）既已存在，但过去五年，计算能力/芯片、可得的大数据/传感器和移动设备、机器学***/深度学***这三个突破性进展，才是开启MI复兴运动的钥匙，使其有望走出实验室。

▲人类与机器的“智能”对比

现在，MI论文的年发表数量已经是1996年的九倍多，对象检测、语音识别等MI技术水平已经超过人类；过去五年，投资者们把更多的钱（超过50亿美元）交给创企（美国，50多家）；微软技术头子Peter Lee表示，一个顶级MI专家的薪资堪比橄榄球的四分卫；预计2021年，全球MI软硬件、服务产业将达580亿美元规模……

当前的MI技术可谓专攻模式识别，这使其主要应用于两类工作：机械性、重复性高的工作，和需要分析海量数据的工作。

▲MI的两类技能示例（执行机械性、重复性任务&海量数据分析）

MI发展迅猛，已经能够更敏捷、高效地辅助或取代人类执行任务或进行决策（但并不会取代人类，毕竟重度依赖数据和算法且不可扩展/迁移），并在交通/车辆、医疗、工业、农业、安防、律政、金融、家居、教育、零售/消费等领域实现应用。

为建立更完善的MI生态，其算法的不可/难以理解性、相关过失的分则机制、数据源是否尊重隐私、与现有市场规则的不相容性等问题有待政策解决。

▲普京：人工智能不仅是俄罗斯的未来，更是全人类的未来

2017年夏，中国推出了其人工智能发展规划，强调了MI在***、犯罪***等领域了应用；2017年秋，俄罗斯总统普京亦在演讲中强调MI战略的重要性；加拿大、法国、英国也将MI写入国家级战略，并确保其使用将尊重隐私、公平、透明。

美国现有经济和技术的领先地位，使其MI技术和产业发展亦为世界第一。但随着全球各国MI战略的确立以及快速发展，它们与美国MI的差距逐渐减小。为延续优势，美国必须保持其MI投资（特别是针对研发的投资）的领先地位，并提早为MI可能带来的影响进行规划。

二、未来：颠覆公司、个人和国家

经济层面来看，MI将掀起两波冲击。

第一波MI冲击已经发生，并将持续影响未来5到10年。此即创投/收购潮：谷歌、百度这类大型科技公司狠砸钱（光2016年就300多亿美元），搞研发买创企部署MI；丰田、福特2017年砸了十多亿美元搞自动驾驶；去年全球MI产品和服务交易规模超125亿美元，其中风投和私人资本约占60亿美元；英伟达因其MI芯片（GPU）的市场主导地位，2017年股价较2014年增长了7倍多。

下一波MI冲击，将是MI技术突破产品、服务销售，应用于企业系统。目前，仅不到四分之一的企业采用MI，且多局限于IT部门，如网络安全部门。随着MI企业应用 的深化，MI之于公司业务将如本世纪初的互联网。

问题来了，经济增长的同时就业市场将如何演化？

乐观人士认为，MI带来经济效益（2030年全球GDP增长157万亿美元）的同时将简化人们的工作，诞生新的工种，恰如工业革命威胁农民的同时催生了服务业；悲观主义者认为MI将为低端技术从业者带来沉重打击，牛津经济学家2013年报告称未来20年美国将有47%的工人因MI失业。

事实上，这完全取决于政府和政策制定者现在采取的行动：如何制定技术过渡计划/福利保障，投资并执行受影响工种人员的新工种再就业培训，限制MI应用领域……

从生活层面来看，MI将为我们带来方方面面的便利：如金融服务、驾驭、基建、出行（自动驾驶、共享交通系统）、能源（智能电网）、购物、观影、医疗（诊断和看护）等。2017年科技公司，如微软，在MI之于监测、模拟、管理、评估自然环境等环保领域的投资达3060亿美元。

但伴随着便利的，是MI潜在的威胁：如公民隐私安全（最近谷歌的DeepMind与英国国家卫生系统合作涉及了超过160万份敏感的健康记录，但没有支会患者）、技术不透明性（因为算法逻辑难以解读，如果自动驾驶汽车发生车祸，如何判定事故责任成为难题）、生产力及利益分配（如何随着技术发展重新定义人类劳动价值）、网络安全问题（如何避免MI被用于网络攻击、近乎完美的音频视频仿造等，从而影响公共信息可信度）。

与此同时，MI还将重定义全球经济和军事平衡。

MI之于国防安全的战略地位有如之前的太空竞备，不仅在于军事平台和武器，更在于新的战略、战术和行动概念：普京去年说过，谁领导了MI发展，谁就将成为未来世界的规则制定者；中国也在新一代人工智能规划中明确了成为MI领导者的战略目标。目前美国的优势是，科技部门年指出占GDP的7.5%，相关科技岗位达700万，全球前十的科技企业有八家是美国的。

三、六大策略

▲全球MI/AI国家战略一览

为了保证安全的技术演进，以及维持美国在全球的领导地位，基于MI的技术和发展分析，CSIS提出了下列六点国家战略建议。

不断的投资于MI科技研发

MI技术在过去五年的爆炸式进展，不仅仅在于过去五年的科技积累。为要利用并继续建筑良好的科技和产业发展环境，必须加大投资。对于政策制定者而言，第一步就是基础研发的投资。

新加坡、日本、英国、加拿大、法国、韩国等在过去两年已经推出了MI政府研发战略，超过十亿美元的资金流向研发工程；中国更是壕气，去年7月的新规划中发布了多项地方、省级MI发展计划，为产业提供数十亿美元的支持，光湘潭和天津两市就有70亿美元的项目。相比之下，美国MI政府项目主要是2015年的11亿美元研发支持，而***政府还计划着要削减百分之十的国家科学基金会经费，这将对MI发展造成很大的影响（关键时期投资不足）。

除了政府基金，风投和私人资本在2012年以来也为MI产业提供了约60亿美元的支持，大型科技公司，如苹果、谷歌、脸书、亚马逊、微软都有MI部署计划，并在2016年投入了约200到300亿美元。

但光靠私营部门是不够的，他们注重商业性和营利性，***在基础研发、相关社会福利、隐私、道德问题等层面的角色不可替代。有分析指出，MI真正能发挥正面经济作用所需的研发资金是现有的两倍到四倍。

CSIS指出，美国政府应该投资大学、研究机构建立MI基础研究部，并投资高性能计算芯片、量子计算、机器人、集成电路和传感器小型化、材料科学、电池等相关基础技术的研发，为研究人员提供可访问的联邦超算，支持私营企业合作，为小型MI研创项目、公司提供基金、贷款、拨款等。上述举措还将有助于留住科技公司，加强国际交流，实现高效政务运作等。此外，政府还应督促国防和社区安全MI部署，促进军民融合。

发展面向MI时代的劳动力

无疑，MI将促进生产力发展和国家繁荣，但其发展初期与劳动力市场不匹配的问题需要政府和政策制定者提高警惕。

CSIS指出，MI带来的劳动力市场难题主要需要采取两点措施：重新制定下一代的教育计划，以及考虑当代工人的继续教育和再就业培训，帮助他们过渡到新的职业需求中去。

现有的下一代的教育计划主要是STEM（科学、技术、工程、数学），但这太过于狭隘了：计算机科学家/专业人士不足，物理和生命科学毕业生过多；同时，硬技术和科学也难以成为MI时代的劳动力补充，硬技术易被自动化取代，我们需要软技能，来进行换位思考、沟通、批判性思维等。

因此，我们新的教育计划应聚焦于培养两类人：高级技术人才，能够构建和操作MI系统、机器，即增加计算机科学学位以补充MI人才不足的现状；适应力强的，具备基本数字素养和软技能的人才，以对机器的工作进行补充。

特别需要指出的是，对于国家而言，政府还应该制定政策吸引并留住顶尖人才，以及MI相关投资、建设等。事实上，对比中国正在号召海外华裔、华人科技人士和企业家归国，美国正在制定不友好的移民政策，将外国人才推开（导致加拿大受益，吸引了谷歌、脸书、微软、优步等企业建立创新中心）。

▲全球各国在劳动力市场的支出

针对当代工人的继续教育和再就业培训，CSIS支出，政府应与私营部门合作，并鼓励小型企业（如SBA，小型企业联盟）与大型科技公司合作，提供培训指导和MI资源/工具。根据2014年的OECD报告，全球各国平均再就业培训支出占GDP的0.6%，而美国仅0.1%。当然，再就业培训不该是平等的，目的是实现资源匹配和减少失业，需要设置激励计划促使员工的主动性（追求新的职业规划）。

此外，为了保障被自动化取代工作的工人的利益，政策制定者应考虑综合再就业培训与失业保险、工作共享计划、福利和工资等措施。

创建开放灵活的数据生态

高质量的训练数据是MI发展的必要条件。专家评估，对于开在城市道路的自动驾驶汽车，每天需要处理40TB的数据。

2011年到2017年，美国人的智能手机持有率翻倍（35%→77%）；汽车、道路设施、冰箱等也在提供大量的数据。随着移动设备和物联网概念的兴盛，90%的数据诞生于过去两年。庞大而又灵活的数据生态，是美国领先MI的主要原因之一，政策制定者应确保MI开发人员能够访问并使用之。

各个政府机构应该合作，开放数据集供公众使用，如卫星图像、交通数据、金融数据等；***也应加强与州政府间的合作，提供数据整合、共享平台。事实上，国家海洋和大气管理局的公开数据（气象）每年创造的价值超过3***美元。

此外，政府还应在数据的易使用性方面做努力，即构建和标记数据文件，制定政府与产业共享的数据标准，在保护数据隐私和数据安全性的前提下，鼓励私企进行数据共享，开放应用程序接口。

考虑到来自中国的数据竞争（2020年全球20%的数据将来自中国，2030年30%），对采取保护主义，数据本土化和隐私政策的国家的数据获取和访问，CSIS建议美国政府使用贸易协定，建立双边和多边伙伴关系等办法来促进数据的自由流动。

促进MI采用并克服屏障

以目前的市场情况来看，MI的采用率还比较低。

2017年麻省理工的调查显示，仅5%的公司高管在考虑将MI引入其产品，不到40%的高管考虑MI策略。事实上，很多公司MI转化的障碍是，缺乏MI工具，如IT基础设施、客户数据访问权力等。翻译一下，就是高昂的成本和不确定的心理。

对此，政府可以从法律法规的角度来帮助企业的自动化推进，并采取激励机制（扩宽研究和实验税收抵免、提供贷款担保、官方采购等）促进之。

此外，政府还应提供MI技术、法律和监管不确定性评估，比如自动驾驶汽车、医疗诊断工具等的联邦安全标准和事故责任机制。这里主要有两种方式：委任专家委员会审查法律法规原则的MI适应性，将专家研究结果与法官和律师探讨。

主动开发风险管理

MI技术还在发展阶段，可能还需要很多年的***，期间可能的风险和技术挑战需要得到积极的解决，因此需要主动的开发风险管理机制。

首先，就是要消除偏见和歧视。鉴于MI源自于数据集，系统是被训练而不是被创造出来的，而现有公开数据隐含了许多***、性别歧视、地域歧视等信号。

其次是安全风险，比如自动驾驶汽车传感器失灵可能造成事故，故需避免系统孤立，加强交互。

当然，最大的顾虑就是保持系统的可控性（后果参考2010年美国自动化股票交易程序的闪电暴跌），比如它能***谎，但这项技能是否开启必须由人类使用者决定。

政府须组建产业、学术界专家构成的咨询机构，促进产业活跃发展的同时管理技术风险（制定标注、测试和认证MI系统），包括数据隐私问题/可访问性、道德标准、算法偏差、系统的安全和控制等。因为越来越多的人将开始依赖于MI，社会服务、医疗保健、就业、刑事司法等敏感领域也将被MI渗透，而MI不会是完美无误的。

通过战略合作引领MI技术

建立国际间的战略合作，有助于更快的部署技术，分享MI价值观、方法和标准。

这里说到的战略合作，首先是与加拿大、英国（伦敦，多伦多和蒙特利尔等）这样的长期致力于MI新技术研发的国家进行合作，支持企业、学术交流，发挥美国前沿技术优势吸引创企和研究力量/技术带头人。

其次，MI产业所需的智能制造、机器人技术要求美国与德国、日本这样的国家进行合作，而美国的机器人之和其他软件领域的优势正是合作的筹码。

此外，随着MI的发展，用于计算和电池的材料重要性增加，CSIS建议美国效仿中国对稀土资源的保护，将南部的锂材料设为战略资源。

最后，CSIS建议美国强化在国际技术和治理标准组织（比如IEEE、ITU、ISO等）的参与度，在全球MI技术、伦理、政策的制定中扮演强有力的角色。

智东西认为，现有机器智能（MI）依赖于大型数据集的训练，其主要技能在于模式识别，因此短期内的应用将偏向于重复性、机械性、专业化的工作，开放、灵活的数据生态亟待建立，金融、安防、律政、医疗（图像识别、信息录入）等将成为主要场景。庞大的数据生态和纷繁的场景应用，以及积极的政策、资本环境是中国MI的优势，参考CSIS的MI策略建议，针对性的国际合作（如加拿大、英国的算法，德国、日本的机器）以及人才计划、产研转化等，将有助于国产MI产业取长补短。