人工智能产业发展态势研究

2018-03-30 09:54:53 江苏省企业技术改造协会 11

图片关键词




 

 

一、人工智能发展综述

(一)人工智能的概念、发展历程及重要意义

(二)影响人工智能发展的决定性因素

二、全球人工智能政策及发展现状

(一)世界各国人工智能发展政策

1.中国的人工智能政策

2.美国的人工智能政策

3.英国的人工智能政策

4.欧盟的人工智能政策

5.日本的人工智能政策

(二)人工智能产业的发展现状

1.全球人工智能产业发展现状

2.中国与美国的人工智能产业发展现状

三、人工智能的发展态势

(一)当前人工智能的前沿技术应用

1.智能机器人

2.无人驾驶

3.计算机视觉

4.语音识别

5.自然语言处理

6.个人虚拟助手

(二)人工智能发展对就业市场的影响

(三)对人工智能的思考与观点

四、人工智能对数字经济发展的影响




 

人工智能产业发展态势研究

 

 

一、人工智能发展综述

人脑最后防线的失守——人工智能吹响胜利号角。2017年5月23~27日,世界排名第一的围棋高手柯洁九段与Google开发的围棋人工智能AlphaGo展开对弈,三战全负。AlphaGo是一款围棋人工智能程序,由谷歌旗下DeepMind公司开发。此次对战,采用的是AlphaGo2.0版本,与之前和世界围棋冠军李世石对战的AlphaGo1.0版本有所不同,2.0版本采取了新的算法模型。“一直以来,围棋都有自己的定式,但是人工智能把它完全打破了。AlphaGo让人们明白,好和坏是相对的。”围棋国家队主教练俞斌断言:“它已经超越了人类围棋。”人工智能,在短时间内推翻了人类棋手花了漫长时间积累起来的知识体系。

(一)人工智能的概念、发展历程及重要意义

人工智能(Artificial Intelligence)并非一个新的概念,但是一直以来学界都未对其进行精确的、被普遍接受的定义,这或许有助于该领域加速成长、繁荣以及前进。人工智能的概念诞生于1956年8月的达特茅斯会议,人工智能之父之一马文·明斯基(Marvin Minsky)将其定义为“让机器做本需要人的智能才能够做到的事情的一门科学”。而代表人工智能另一条路线——符号派的司马贺(Herbert A.Simon)认为,智能是对符号的操作,最原始的符号对应于物理客体。斯坦福大学人工智能研究中心的尼尔逊教授(Nils John Nilsson)则认为:“人工智能就是致力于让机器变得智能的活动,而智能就是使实体在其环境中有远见地、适当地实现功能性的能力。”[1]而埃森哲在其研究报告中将人工智能的功能分为感知(Sense)、理解(Comprehend)和行动(Act)三个部分。[2]三者分别对应的主要技术领域为计算机视觉和语音处理、自然语言处理和知识表达、机器学习和专家系统,它们有机组合为一个完整的人工智能技术体系。

1956年8月达特茅斯会议的召开,标志着人工智能研究的开端。自此之后,以算法的不断演化为标志和核心,人工智能的历史发展经历了三个高峰期和两个低谷期。1957年,罗森布拉特(Frank Rosenblatt)研发了第一个神经网络Perceptron,促使人工智能的研究进入第一个高峰期。但是1969年,Minsky和Papert所著的Perceptron一书出版,该书从数学角度证明了关于单层感知器的计算具有根本的局限性,指出感知器处理能力有限,甚至连XOR这样的问题也不能解决,并在多层感知器的总结中,论述了单层感知器的所有局限性在多层感知器中是不可能被全部克服的。同时,计算能力的限制使得人工智能未能完成大规模数据训练和复杂任务,神经网络进入萧条期。1982年霍普菲尔德神经网络提出,并于1986年诞生了BP算法[back propagationalgorithm,后向传导算法,从神经网络的输出(顶层)到输入(底层)进行求解],使得大规模神经网络训练成为可能,人工智能发展进入第二个高峰期。但1990年人工智能计算机DARPA研发的失败,使得政府投入锐减,人工智能进入第二个低谷期。2006年,Hinton提出“深度学习”神经网络理论,使得人工智能的性能取得了突破性进展,2013年,深度学习算法在语音和视觉识别上取得成功,识别率分别超过99%和95%,人工智能进入感知智能时代,正迈向第三次高峰。

现阶段,人工智能正在从专有人工智能向通用人工智能发展过渡。由互联网技术群(数据/算法/计算)和应用场景互为推动、协同发展、自我演进。人工智能已不再局限于模拟人的行为结果,而是拓展到“泛智能”应用,即更好地解决问题、有创意地解决问题和解决更复杂的问题。这些问题既包括人在信息爆炸时代面临的信息接受和处理困难,也包括企业面临的运营成本逐步增加、消费者诉求和行为模式转变、商业模式被颠覆等,同时还包括社会亟须解决的治理自然环境、优化社会资源配置和维护社会稳定等挑战。

(二)影响人工智能发展的决定性因素

2011年以来,开发与人工智能相关的产品和技术并使之商业化的公司已获得超过20亿美元的风险投资。2015年后,国内外科技巨头纷纷布局人工智能领域,谷歌、Facebook、百度等企业掀起深度学习平台开源运动,2016年人工智能技术研发及产业化进入高速发展的新纪元。深度学习、智能驾驶、智慧家居、机器人等人工智能相关技术及产品领域已成为社会关注焦点,人工智能技术、智能汽车、服务机器人等产业化路径日益清晰,因此很多人将2016年作为人工智能元年。同时,2016年也是“人工智能”概念提出的六十周年。

人工智能革命的到来有其必然性。阿里研究院在《AI+:2016人工智能影响力微报告》[1]中指出,人工智能发展第三次热潮主要源于三个重要因素:计算能力、深度学习算法和大数据的发展。其中最重要的是机器深度学习算法的成熟,其次由云计算资源和广泛普及的、基于Web的数据收集所支持。计算能力、大数据、深度学习算法三者相辅相成、相互依赖、相互促进,使得人工智能有机会从专用的技术成为通用的技术,融入各行各业之中。

如果要造火箭,强大的引擎和大量燃料是必不可少的。以此来类比深度学习的话,深度学习引擎可以看作火箭引擎,而我们为算法提供的海量数据可以看作是燃料。

—AndrewNg

首先,人工智能的发展离不开计算能力的推动,深度学习对并行计算、单位时间数据吞吐能力有更高要求。而以前研究人工智能的科学家往往受限于单机计算能力,需要对数据样本进行裁剪,让数据在单台计算机里进行建模分析,导致模型的准确率降低。伴随着云计算技术和芯片处理能力的迅速发展,科技人员可以利用成千上万台机器进行并行计算,尤其是GPU、FPGA以及人工智能专用芯片(比如Google的TPU)的发展为人工智能落地奠定了基础计算能力,使得使用类似于人类深层神经网络的算法模型的人工智能应用成为现实。

其次,伴随着互联网的飞速发展,大量实时产生的数据为人工智能的落地应用奠定了基础。多来源、实时、大量、多类型的数据可以从不同的角度对现实进行更逼近真实的描述,而利用深度学习算法可以挖掘数据之间的多层次关联关系,为人工智能应用奠定了数据源基础。

再次是算法的发展。人工智能的三次发展高峰,无一不以新的算法的提出为标志。早在20世纪80年代初期,深度学习学派的开山人物Hinton就一直坚持神经网络的探索,但受限于当时的电脑速度、数据量等问题,深度学习理论还是一项边缘化的研究,当时AI的主流研究方向是推崇小样本学习,主推SVM学习。Hinton教授2006年发表的论文A Fast Learning Algorithm for Deep Belief Nets,掀起了深度学习在学术界和工业界应用的浪潮,以人工神经网络(ANN)为代表的深度学习算法成为人工智能应用落地的核心引擎。信息处理算法的这种性能飞跃给基本操作层面的硬件技术带来了显著的进步,比如计算机视觉、语音识别等技术在近些年突飞猛进。目前科学家可以利用GPU(图形处理器)模拟超大型的人工神经网络,使语音识别技术和图像识别技术达到90%以上的准确率。

此外,数据驱动型产品的新平台和新市场,以及发现新产品和新市场的经济激励机制,也都促进了人工智能驱动型技术的问世。

二、全球人工智能政策及发展现状

(一)世界各国人工智能发展政策

近些年,尤其是2013年以来,全球掀起人工智能(AI)研发浪潮,美国、日本、英国、德国等世界科技强国均对此予以重点关注,纷纷将人工智能上升为国家战略,出台了相关战略、计划,力争抢占产业技术的制高点。2016年以后,这一趋势更加明显,主要国家均将人工智能摆在了重要位置,提升其战略地位。

1.中国的人工智能政策

2016年5月18日,国家发改委、科技部、工业和信息化部、中央网信办推出《“互联网+”人工智能三年行动实施方案》,提出打造人工智能基础资源与创新平台,到2018年,人工智能产业体系、创新服务体系、标准化体系基本建立;在重点领域培育若干全球领先的人工智能骨干企业,形成千亿级的人工智能市场应用规模。

2016年4月,工信部、国家发改委、财政部联合发布《机器人产业发展规划(2016~2020年)》,为“十三五”期间,我国机器人产业发展描绘了清晰的蓝图。该《规划》明确指出,到2020年,自主品牌工业机器人年产量达到10万台,六轴及以上工业机器人年产量超过5万台,服务机器人年销售收入超过300亿元,培育3家以上具有国际竞争力的龙头企业,打造5个以上机器人配套产业集群。

2016年7月28日,国务院印发《“十三五”国家科技创新规划》,指出要大力发展泛在融合、绿色宽带、安全智能的新一代信息技术,研发新一代互联网技术,保障网络空间安全,促进信息技术向各行业广泛渗透与深度融合。同时,研发新一代互联网技术以及发展自然人机交互技术成首要目标。有关人工智能领域,该《规划》有三处阐释。

2017年7月20日,国务院印发《新一代人工智能发展规划》,提出将在重点前沿领域探索布局、长期支持,力争在理论、方法、工具、系统等方面取得变革性、颠覆性突破,全面增强人工智能原始创新能力。该《规划》还提到前瞻布局新一代人工智能重大科技项目,到2030年中国人工智能产业竞争力达到国际领先水平,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。

此前中国发布的相关政策主要包括:

2015年5月20日,国务院印发《中国制造2025》,部署全面推进实施制造强国战略。根据规划,通过“三步走”实现制造强国的战略目标,其中第一步,即到2025年迈入制造强国行列。“智能制造”被定位为中国制造的主攻方向。

2015年7月5日,国务院印发《“互联网+”行动指导意见》,提出大力发展智能制造。以智能工厂为发展方向,开展智能制造试点示范;加快推动云计算、物联网、智能工业机器人、增材制造等技术在生产过程中的应用;推进生产装备智能化升级、工艺流程改造和基础数据共享;并明确提出其中第十一个重点发展领域为人工智能领域。

2.美国的人工智能政策

美国自2013年开始发布了多项人工智能计划,2016年,更是加紧了对人工智能的开发,发布了多项战略规划。2016年10月13日,美国白宫科技政策办公室(OSTP)下属的国家科学技术委员会(NSTC)发布了《为人工智能的未来做好准备》(Preparing for the Future of Artificial Intelligence)和《国家人工智能研究与发展战略计划》(National Artificial Intelligence Research and Development Strategic Plan)两份重要报告。

前者详尽阐述了在发展人工智能技术方面政府的职责。提出政府应优先考虑开展基础、长期的人工智能研究,并制定发展自动和半自动武器的政策;提议建立一个类似国防预先研究计划局的机构,建议在该领域优先开放培训数据和数据标准;建议美国交通部(DOT)不断完善监管框架,将全自动车辆和无人机(包括新型交通工具设计)安全整合入交通系统;相关部门应考虑人工智能与网络安全的相互影响。

后者提出了美国优先发展的人工智能七大战略方向及两方面建议。七大战略分别为:长期投资人工智能研发领域、开发人机协作的有效方法、理解和应对人工智能带来的伦理问题、确保人工智能驱动系统的安全、为人工智能培训和测试开发共享公共数据集与环境、建立评估人工智能技术的标准和基准、深入了解国家人工智能研发人才需求。根据该规划,2015年联邦政府在人工智能相关技术方面投入了约11亿美元。该规划还指出,要以积极的眼光看待人工智能,人工智能可以在多个领域促进经济发展,比如提升教育和生活质量,提高国家安全水平。但同时也要看到人工智能可能带来的风险,包括由于人工被自动系统取代而对劳动力市场造成的潜在破坏,以及人工智能系统安全性、可靠性等的不确定性。

美国白宫在2016年12月发布的白皮书《人工智能、自动化和经济》中,指出人工智能也有其负面影响,作为对策,政府应当帮助劳动力转型,确保人工智能发展带来的增长能被普遍享受到;教育和培训适合下一代就业岗位的人才;大力投资人工智能。当民间忙于技术进步的时候,国家资金应该专注于基础设施的建设和保障。比方说,国家应该推进人工智能时代的网络攻防安全和欺诈检测技术。另外,国家也可以通过补贴的方式来调节人工智能技术的市场,促进竞争,就像美国曾经在石油、钢铁和汽车行业所做的那样。

与AI研发战略计划相关的其他研发战略计划和方案还包括《大数据研究和发展战略计划》《联邦网络安全研究和发展战略计划》《国家隐私研究和发展战略》《国家纳米技术倡议战略计划》《国家战略计算计划》《推进创新神经技术脑研究计划》与《机器人技术路线图》。涉及某些AI子领域的其他战略研发计划和战略框架处于研究阶段,其中包括视频和图像分析、健康信息技术、机器人和智能系统。这些额外计划和框架将提供补助和详细叙述AI研发战略计划的协同建议。

3.英国的人工智能政策

英国科学办公室2016年9月也发布了一份名为《人工智能:未来决策制定的机遇与影响》的报告,阐述了人工智能的未来发展对英国社会和政府的一些影响,论述了如何利用英国独特的人工智能优势,增强英国国力。2016年9月13日,英国下议院的科学和技术委员会(The House of Commons’Science and Technology Committee)发布了《机器人和人工智能》(Robotics and Artificial Intelligence)研究报告。该报告指出英国视自身为机器人技术和人工智能系统的道德标准研究领域的全球领导者,并且认为英国应该将这一领域的领导者地位扩展至人工智能监管领域。英国这一目标不是毫无根据的,尽管现在大部分的机器人还停留在机械自动化而非智能自动化阶段,自动化系统已经吸引越来越多的商业、学术机构以及公共领域的注意力。

英国政府曾于2013年将机器人和人工智能系统(RAS)列入英国八大技术,然而,政府在此领域的领导力远远不够。政府未制定该技术专项发展与投资战略,也未能实现其创建RAS领导委员会的承诺。

2017年1月,英国政府宣布了“现代工业战略”,增加的47亿英镑的研发资金将用在人工智能、“智能”能源技术、机器人技术和5G无线等领域。2017年3月,英国政府公布数字战略,其中包括了对人工智能的评论以决定政府和企业如何提供进一步的支持。英国2017年3月1日正式公布人工智能评估计划并推动数字战略。在数字战略影响下,预计英国政府将拨付1730万英镑的研究资金,用于全英机器人技术和人工智能技术的研发。

4.欧盟的人工智能政策

欧盟在人工智能立法方面未雨绸缪,2016年6月,率先提出了人工智能立法动议,认为人工智能机器人也受法律约束,必须依法缴税,同时可以享有养老金。2017年3月,欧洲议会投票接受了一份由欧洲议会法律事务委员会制作的关于机器人和人工智能的详细报告所提出的诸多监管建议。这些建议侧重于责任、机器人对劳动力的影响、开发商的道德行为守则,以及建立欧洲机器人和人工智能机构等问题。同时,该报告还指出,机器人会对社会产生巨大影响,但并不是所有的影响都是有益的。

5.日本的人工智能政策

2016年1月,在第五个科学与技术基础五年计划中,日本政府提出名为“超级智能社会”的未来社会构想,提出要发展信息技术、人工智能以及机器人技术。

同年5月,日本政府提出集人工智能、大数据、物联网、网络安全于一体的综合发展计划,为开展创新性研究的科研人员提供支持。日本政府产业竞争力会议汇总了增长战略的草案,将重点放在活用机器人和人工智能以提高生产效率上。

同年10月,日本政府举行“结构改革彻底推进会议”,加紧推进人工智能和机器人等尖端技术成果转化。

2017年,日本政府制定了人工智能产业化路线图,计划分三个阶段推进利用人工智能技术,大幅提高制造业、物流、医疗和护理行业效率。第一阶段(2020年前后),确立无人工厂、无人农场技术,普及利用人工智能进行药物开发支援,通过人工智能预知生产设备故障。第二阶段(2020~2030年),实现人员和货物运输配送的完全无人化,机器人的多能工化、机器人协调工作,实现针对个人的药物开发,利用人工智能控制家和家电。第三阶段(2030年之后),看护机器人成为家里的一员;普及移动的自动化、无人化“将人为原因的死亡事故降至零”;通过人工智能分析潜在意识,可视化“想要的东西”。

此前涉及的人工智能政策有2015年1月发布的《机器人新战略》和2015年5月日本政府先期投入10亿日元在东京成立的集中开发人工智能相关技术的“人工智能研究中心”。2015年9月,日本经济产业省、文部科学省与总务省计划携手成立“项目推进委员会”,积极推进人工智能领域的研究。

(二)人工智能产业的发展现状

人工智能产业可分为基础、技术、应用三个层次,基础层包括芯片、传感器等硬件厂商;数据资源服务者以及计算平台提供方;技术层为视觉识别、语音识别、自然语言处理、自动驾驶系统、机器学习等人工智能底层技术;应用层则为面向政府、企业、消费者等有具体使用场景的实际应用,包括机器人、智能硬件以及智能软件、整体解决方案等软硬件服务。

图片关键词 

图1  人工智能产业结构层级

据Venture Scanner统计,2014年人工智能领域全球投资额为10亿美元,同比增长近50%。2015全球人工智能公司共获得近12亿美元的投资,这个数据已经超过过去20年中17年的全年投资总额。预计2020年,全球人工智能市场规模将超千亿。

从目前世界各国的人工智能专利、论文、企业、融资等方面情况综合分析,美国和中国在人工智能领域处于世界领先地位。

1.全球人工智能产业发展现状

这些公司的总共融资金额高达190亿美金[1](统计时间为2017年7月)。13个人工智能产业种类分别为:计算机视觉/图像识别应用(Computer Vision/Image Recognition Applications)、计算机视觉/图像识别平台(Computer Vision/Image Recognition Platforms)、情景感知计算(Context Aware Computing)、深度学习/机器学习应用(Deep Learning/Machine Learning Applications)、深度学习/机器学习平台(Deep Learning/Machine Learning Platforms)、手势控制(Gesture Control)、自然语言处理(Natural Language Processing)、个性化推荐引擎(Personalized Recommendation Engines)、智能机器人(Smart Robots)、语音识别(Speech Recognition)、语音翻译(Speech to Speech Translation)、视频内容自动识别(Video Automatic Content Recognition)、虚拟助手(Virtual Assistants)。

图片关键词

图2 人工智能市场总览

根据美国Statista的统计数据,2016年全球人工智能产业市场规模为6.437亿美元,预计到2025年将达到368亿美元。2017年,全球人工智能产业市场规模预计约为12.5亿美元(见图3)。其中人工智能的主要应用包括图像识别、物体识别、检测、分类以及自动化地球物理特征检测。此外,人工智能产业的盈利主要来自企业应用层面。

图片关键词

图3 2016~2025年世界人工智能产业市场规模增长预测

2.中国与美国的人工智能产业发展现状

《乌镇指数:全球人工智能发展报告2016》指出,美国人工智能企业总数为2905家,居全球第一。而中国人工智能企业数量虽不及美国,但京沪深三城占全球总数的7.4%,在东亚地区位列前三,在全球范围内分列第3、第6、第8位。中国在人工智能领域已经与美国形成双雄争霸的局势。2017年2月3日,《纽约时报》就有一条这样的头条新闻China Gains on the U.S in the Artificial Intelligence Arms Race(《中国在人工智能方面是否正在超越美国?》),记者约翰.莫泽和约翰.马尔科夫宣称:“技术力量对比正在倾向(中国)”,人工智能方面中国距美国也许“仅一步之遥”。

具体到人工智能产业规模上,据前瞻产业研究院发布的《2017~2022年中国人工智能行业市场前瞻与投资战略规划分析报告》,2014年,我国人工智能产业市场规模为48.6亿元;截至2016年底,人工智能产业市场规模已经增长至95.6亿元,年度复合增长率高达40.25%。人工智能应用范围的扩大,将带动产业规模高速增长。预计到2018年,我国人工智能产业市场规模将达到203.3亿元。

 微信图片_20201023100510.png


图4 2014~2018年我国人工智能产业市场规模

根据TechSci Research的研究报告,2016年美国人工智能市场规模达到562亿元,较上年增长18.1%。此外,经预测,2016~2021年美国人工智能产业市场规模的年度复合增长率高达75%[2]。 

从数据规模来看,2016年,美国数据资源总量占全球的35%,预计2030年占比为29%。2016年,中国数据资源总量占全球的21%,预计2030年占比为30%。美国的政府数据开放度全球排名为第8名。美国数据的特点是行业信息化程度更高,积累了大量高质量的行业数据。中国的政府数据开放度全球排名为第93名。中国数据的特点是拥有7.31亿网民,居全球首位,积累了海量用户行为数据。虽然中国将是世界上数据总量最大的国家,但是目前中国的数据开放和数据交易还远远没有发展起来,中国要想加快AI应用,就必须更大力度、更大范围地构建开放数据生态,让AI有更多的数据“饲料”。

从专利角度来看,截至2015年底,美国人工智能专利申请数累计达到26891项,位列全球第一;而中国共计15745项,位列第二。但自2012年开始,中国的专利申请数及专利授权数就超越美国。自2001年始,中国每年新增人工智能专利数增幅较大,申请数、授权数增长了40倍左右;美国整体上保持稳定增长趋势,在2011年开始加速,这与其资本开始涌入该领域的节奏相关。

图片关键词

图5 中美人工智能专利情况比较

 

三、人工智能的发展态势

(一)当前人工智能的前沿技术应用

1.智能机器人

智能机器人是一个在感知-思维-效应方面全面模拟人的机器系统,是人工智能技术的综合试验场,可以全面地考察人工智能各个领域的技术,研究它们相互之间的关系。一部智能机器人应该具备三方面的能力:感知环境的能力、执行某种任务而对环境施加影响的能力和把感知与行动联系起来的能力。智能机器人与工业机器人的根本区别在于,智能机器人具有感知功能与识别、判断及规划功能。智能机器人是第三代机器人,这种机器人带有多种传感器,能够将多种传感器得到的信息进行融合,能够有效地适应变化的环境,具有很强的自适应能力、学习能力和自制功能。随着智能机器人应用领域的扩大,人们期望智能机器人在更多领域为人类服务,代替人类完成更复杂的工作。根据Gartner公司的预测,至2020年左右,85%的客服服务都将由人工智能完成。

2016年8月9日举办的阿里云云栖大会·北京峰会上,阿里云宣布推出人工智能ET(人工智能系统)。基于阿里云计算能力,ET目前已经具备智能语音交互、图像/视频识别、交通预测、情感分析等多项技能。

2016年8月,美国国家科学基金会颁布了《美国机器人技术路线图》,提出了未来10~15年实现全尺寸且具有通用自主能力的机器人应用和解决方案,以及要在未来5年、10年和15年三个阶段中持续研发可实现的目标。

2016年8月英国科学家首次造出了能够理解并回答任何工作相关问题的人工智能。这款计算机软件名叫Starmind,能够利用机器学习技术理解问题,然后从之前员工针对某一话题的对话中寻找答案,或者找到公司中能前来帮忙的专家。该人工智能的创造者将其称作“大脑技术”(Brain Technology),并声称它的目标是成为任何公司中的“中央知识银行”,即一个可以被任何人访问的即时信息数据库。

2016年12月,国内知名的机器人企业中智科创机器人有限公司(简称中智科创)发布安保服务机器人,这款机器人能听会说,具备巡逻监控、异常报警等诸多特色功能。较之传统的安防体系,安保服务机器人可谓7×24小时的企业超级员工,可替代重复性工作岗位(能替代2~4名工作人员),节省企业人力成本,提升工作效率和质量,服务品质更稳定。安保服务机器人可广泛应用于银行、商场、展区、楼盘等公共场所,目前已经成功应用于华为公司、中国建设银行、佛山政务中心、深圳盐田图书馆、天津万福生活广场等多个场所。

2017年6月,日本永旺集团在旗下购物中心永旺梦乐城(Aeon Mall)和永旺银行设置无人信用卡柜台,使用搭载IBM Watson人工智能系统的机器人Pepper替民众处理文书作业及回答问题,有效延长柜台服务时间。Pepper是一款人形机器人,由日本软银集团和法国Aldebaran Robotics研发,可综合考虑周围环境,并积极主动地做出反应。这款机器人配备了语音识别技术、呈现优美姿态的关节技术,以及分析表情和声调的情绪识别技术,可与人类进行交流。Pepper的优点是在情感表达方面比其他机器人更胜一筹,通过可变换颜色的眼睛同步表达倾听或说话应用,同时大数据库的应用让其在语言交流功能上也更为强大,并可依靠镶嵌在基座中的轮子自主移动。

2.无人驾驶

无人驾驶汽车是指通过车载传感系统感知道路环境,自动规划行车路线并控制车辆到达预定目标的智能汽车,也可以称之为轮式移动机器人。它是利用车载传感器来感知车辆周围环境,并根据感知所获得的道路、车辆位置和障碍物信息,控制车辆的转向和速度,从而使车辆能够安全、可靠地在道路上行驶。

根据美国的专利顾问公司Lexinnova的报告,无人驾驶汽车发展所需基本技术有9项,即车对车通信(V2V Communication)、巡航控制(Cruise Control)、自动刹车(Automatic Brakes)、车道维持(Lane Keeping)、雷达(Radar)、循迹或稳定控制(Traction or Stability Control)、视频摄影机(Video Camera)、位置估计器(Position Estimator)、全球定位系统(Global Positioning System,GPS),在上述的基本技术中,前五项技术的专利申请数量相对较多,是最重要的技术。

在专利申请方面,据汤森路透知识产权与科技最新报告,2010~2015年,与汽车无人驾驶技术相关的发明专利超过22000件,并且在此过程中,部分企业已崭露头角,成为该领域的行业领导者。

国外对无人驾驶的研究和实践起步较早。早在20世纪70年代,一些车企就开始使用射频和磁钉的方式来导引车辆实现自动驾驶。此后,日本、欧洲和美国的一些高校进行了一些实验和开放项目,如EUREKA Prometheus、CMU NAVLAB、AHS Demo。进入21世纪特别是近十年来,无人驾驶技术得到飞速发展。2016年1月15日,美国联邦政府宣布,计划在未来10年拨款40亿美元,加速无人驾驶汽车的发展,希望减少交通事故死亡率和缓解交通拥堵状况。2016年1月29日,英国交通部宣布,准许自动驾驶汽车在伦敦街头上路测试。从2016年7月起,“格林尼治自动化交通环境项目”的第一辆自动驾驶车将在伦敦东南部的泰晤士河格林尼治半岛的道路上试车。

我国从20世纪80年代就开始进行无人驾驶汽车的相关研究,国防科技大学1992年成功研制出中国第一辆真正意义上的无人驾驶汽车。2005年,首辆城市无人驾驶汽车在上海交通大学研制成功。2011年7月,由一汽集团与国防科技大学共同研制的红旗HQ3无人驾驶汽车完成了286公里的高速全程无人驾驶试验,人工干预的距离仅占总里程的0.78%。

无人驾驶根据自动化程度一般分为五个等级:无自动(0级)、个别功能自动(1级)、多种功能自动(2级)、受限自动驾驶(3级)、完全自动驾驶(4级)。

无人驾驶的技术发展模式主要有以下几种。①丰田。丰田主推“地图自动绘制系统”,并宣布2020年左右实现可在“汽车专用道路”上使用。该项技术的基本原理是利用搭载了摄像头的车辆,在行驶过程中采集路面图像数据和地理位置数据,并将数据统一反馈到信息中心进行集中处理和调整,进而自动绘制出大范围高精度的地图。②沃尔沃。目前,沃尔沃已进入“高度自动驾驶”的实质性项目测试和商业化阶段,沃尔沃的车辆已包含有自动紧急刹车、行人和骑车者监测、车道偏移辅助和自适应式巡航控制等技术。沃尔沃与爱立信打造的Sensus智能操作系统,基于爱立信的云端服务,可以提供包括互联(Connect)、服务(Service)、娱乐(Entertain)、导航(Navi)、控制(Control)在内的车载互联功能,以实现安全、便捷、智能、高效的车内外互联体验,旨在打造基于车联网、物联网和大数据的智能城市交通生态系统。③宝马。宝马研发的无人驾驶技术“UR:BAN research”(城市空间),是以用户为主的网络管理和辅助系统,致力于帮助驾驶员避开路上的行人,通过预测交通信号灯的变化方式使出行更加顺畅、更加高效,不会夺走驾驶员对汽车的掌控权。此外,宝马的无人驾驶技术还包括360°预防碰撞系统和多层停车场全自动泊车技术。④特斯拉。特斯拉的高级自动驾驶则更多地依赖摄像头,依靠机器视觉进行车道保持、变道等功能。特斯拉的召唤功能可以通过手机完成泊车和驶离车位的操作,展现了特斯拉在自动驾驶领域的领先地位。目前,特斯拉被认为是全世界量产车中主动安全和准自动驾驶性能最先进的汽车。

与整车厂商不同的是,互联网厂商始终以颠覆式的姿态进入,直接从无人驾驶切入,以人工智能、高精度地图和激光雷达等技术综合实现最高级别无人驾驶(任何时间、任何路况自动驾驶)。主要技术模式如下。

①谷歌。谷歌是互联网企业开发无人驾驶技术的先驱,谷歌目前的无人驾驶技术为level 4级别,为全球最高水准。Google Driverless Car是谷歌公司的Google X实验室研发的全自动驾驶汽车,不需要驾驶者就能启动、行驶以及停止。2015年6月26日,谷歌无人驾驶车正式开上美国加州的公路进行测试。经过长期的努力,2016年2月,美国监管部门告知谷歌,根据美国联邦法律,谷歌无人驾驶汽车可以被视为“司机”,这是无人驾驶技术在世界范围内迈出的重要一步。同年10月,谷歌宣布其研发的无人驾驶汽车已经在电脑控制下安全行驶300万公里。

②百度。百度无人驾驶车项目于2013年起步,由百度研究院主导研发,其技术核心是“百度汽车大脑”,包括高精度地图、定位、感知、智能决策与控制四大模块。2015年12月14日,百度宣布正式成立自动驾驶事业部,计划用三年时间实现自动驾驶汽车的商用化,五年实现量产。2016年11月百度无人车于乌镇首次实现城市开放道路运营。

③Mobileye。Mobileye是国际ADAS领域的领导厂商,始建于1999年,总部位于以色列,主要致力于汽车工业的计算机视觉算法和驾驶辅助系统的芯片技术的研究。其研究的“智能驾驶辅助系统”,已集成至沃尔沃、通用、宝马、现代、沃尔沃客车、雷诺卡车等世界汽车制造商生产的车辆中。Mobileye的视觉智能能力,通过其核心芯片EyeQ2视觉处理器和搭配的一套算法来实现。Mobileye的关键技术突破在于其所有应用只使用一个摄像机且将多个应用捆绑起来,赋予车辆观察前方/周围的能力,并让车辆学会通过关键特征和轮廓,辨别周围的环境,能识别出人、自行车、摩托车、行车线、速度标识及其他交通工具等;通过计算速度、角度等关键参数进行提前预判,并通过图像和声音来提醒驾驶员提高警惕。

3.计算机视觉

计算机视觉是使用计算机及相关设备对生物视觉的一种模拟。它的主要任务就是通过对采集的图片或视频进行处理以获得相应场景的三维信息。形象地说,就是给计算机安装上眼睛(照相机)和大脑(算法),让计算机能够感知环境,属于人工智能核心功能之一。计算机视觉在早期发展阶段,图像识别成功率较低。2006年后,随着深度学习理论的提出,卷积神经网络、循环神经网络等算法逐渐推广应用,机器可以通过训练自主建立识别逻辑,图像识别成功率也因此逐步从70%+上升到90%,乃至95%+,图像识别系统错误率低于人类。与人类相比较,计算机视觉可以通过观察图像的细节、纹理、形状和背景等无法被人类观察到的细节来提高识别成功率。

从技术流程上看,计算机视觉识别通常需要三个过程:目标检测、目标识别、行为识别。目标检测解决的是从图像背景中找出核心物体的问题,需要进行图像预处理和图像分割,去除背景中的冗余信息;目标识别解决的是“是什么”的问题,在提取图像信息后,决定每个图像的点是否属于一个图形特征,主要手段是特征提取、目标分类和判断匹配;行为识别解决的是“干什么”的问题,是一种高层次的人工智能应用,和预测、分析息息相关。需要通过对多帧图像数据进行理解,并建立相应的行为分析模型。

 

应用对象

应用场景

应用方式

军事

定向武器投射

基于机器视觉,帮助武器自动进行目标定位

医疗

医疗影像分析

通过机器学习和计算机视觉技术,实现机器对医学影像的分析判断,为医生的影像诊断提供辅助

工业生产

成品无损检测

通过机器视觉进行产品质量检测,替代产品质检人员,避免接触损伤,提高瑕疵品检测率

高位作业监控

通过机器视觉,完成不适合人工的危险工作环境下的视觉监控

图片搜索引擎

通过图片本身来搜索相似图片

无人驾驶

利用机器视觉识别和发现周围场景及各类物体动向,进而辅助车辆自主进行驾驶决策

消费生活

机器人

利用机器视觉,让机器人识别周围环境

无人机

帮助机器识别周围视觉基本属性和大致情况,避免高速碰撞通过计算机视觉技术来模拟人类视觉

表1 计算机视觉的应用领域

 

到目前为止,计算机视觉还没有像自然语言处理和识别等技术一样有独角兽公司出现,行业的发展还处于起步阶段。但值得一提的是,我国在计算机视觉的研究方面已经走在世界前列。2016年6月,阿里巴巴旗下广告交易平台阿里妈妈图像团队的OCR(图中文字识别)技术刷新了ICDAR Robust Reading竞赛数据集的全球最好成绩,并大幅超越第二名。借助这一领先的OCR技术,阿里妈妈图像团队能够以95%的超高准确率识别图中违规文字信息,有效过滤商家恶意推广,维护消费者权益。

2016年9月,Image Net 2016大赛中,中国团队几乎包揽冠军。Image Net是美国斯坦福大学的一个计算机视觉系统识别项目名称,是目前世界上最大的图像识别数据库。海康威视斩获场景分类世界第一。斯坦福大学每年都会举行一个比赛,邀请谷歌、微软、百度等IT企业使用ImageNet,测试他们的系统运行情况。

4.语音识别

语音识别是“机器的听觉系统”,语音识别技术就是让机器通过识别和理解过程把语音信号转变为相应的文本或命令的人工智能技术。语音识别技术所涉及的领域包括:信号处理、模式识别、概率论和信息论、发声机理和听觉机理、人工智能等等。目前,主流的大词汇量语音识别系统多采用统计模式识别技术。典型的基于统计模式识别方法的语音识别系统由以下几个基本模块所构成:①信号处理及特征提取模块。该模块的主要任务是从输入信号中提取特征,供声学模型处理。同时,它一般也包括了一些信号处理技术,以尽可能降低环境噪声、信道、说话人等因素对特征造成的影响。②统计声学模型。典型系统多基于一阶隐马尔科夫模型进行建模。③发音词典。发音词典包含系统所能处理的词汇集及其发音。发音词典实际提供了声学模型建模单元与语言模型建模单元间的映射。④语言模型。语言模型对系统所针对的语言进行建模。理论上,包括正则语言、上下文无关文法在内的各种语言模型都可以作为语言模型,但目前各种系统普遍采用的还是基于统计的N元文法及其变体。⑤解码器。解码器是语音识别系统的核心之一,其任务是对输入的信号,根据声学、语言模型及词典,寻找能够以最大概率输出该信号的词串。

语音识别的研究工作可以追溯到20世纪50年代AT&T贝尔实验室的Audrey系统,它是第一个可以识别十个英文数字的语音识别系统。但真正取得实质性进展,并将其作为一个重要的课题开展研究则是在60年代末70年代初。20世纪90年代,许多著名的大公司如IBM、苹果、AT&T和NTT都对语音识别系统的实用化研究投以巨资。其中IBM公司于1997年开发出汉语ViaVoice语音识别系统,次年又开发出可以识别上海话、广东话和四川话等地方口音的语音识别系统ViaVoice98。中国从1987年开始执行国家“863”计划后,国家863智能计算机专家组为语音识别技术研究专门立项,每两年滚动一次。中国语音识别技术的研究水平基本上与国外同步,在汉语语音识别技术上还有自己的特点与优势,并达到国际先进水平。有业界人士表示,智能语音技术背后的竞争其实一个国家文化、语言的竞争,使用人口越多的语音可以培育出巨大的市场。

科大讯飞是目前国内最有影响力的语音技术公司。根据2014年语音产业联盟的调查数据,科大讯飞占据了超过60%的市场份额,绝对是语音技术的龙头企业。其主要竞争对手——百度语音很早就确立战略方向,2010年与中科院声学所合作研发语音识别技术,但是市场发展相对缓慢。直到2014年,人工智能领域的泰斗级大师吴恩达,正式组建了百度语音团队,专门研究语音相关技术,2016年的百度DeepSpeech2深度语音识别技术,被《麻省理工评论》列为十大突破性技术之一,与生物技术、航天技术、纳米技术并列,也是唯一一家入选的中国公司。除了百度和科大讯飞之外,国内还有云之声、出门问问、搜狗语音、思必驰等诸多公司群雄逐鹿。

5.自然语言处理

自然语言处理是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。用自然语言与计算机进行通信赋予人类用自己最习惯的语言来使用计算机的能力,而无须再花大量的时间和精力去学习不很自然和习惯的各种计算机语言。自然语言处理的困难之处在于,自然语言文本和对话的各个层次上广泛存在各种各样的歧义性或多义性。

最早的自然语言理解方面的研究工作是机器翻译。1949年,美国人威弗首先提出了机器翻译设计方案。20世纪60年代,国外对机器翻译曾有大规模的研究工作,耗费了巨额资金,但人们当时显然是低估了自然语言的复杂性,语言处理的理论和技术均不成熟,进展不大。大约从90年代开始,自然语言处理领域发生了巨大的变化。大规模真实语料库出现,成为研究自然语言统计性质的基础。而现代自然语言处理算法是基于机器学习,特别是统计机器学习。机器学习范式不同于之前的一般语言处理尝试。自然语言处理研究逐渐从词汇语义层次转向叙事整体的理解。

自然语言处理的基础是各类自然语言处理数据集,如tc-corpus-train(语料库训练集)、面向文本分类研究的中英文新闻分类语料、以IG卡方等特征词选择方法生成的多维度ARFF格式中文VSM模型、万篇随机抽取论文中文DBLP资源、用于非监督中文分词算法的中文分词词库、UCI评价排序数据、带有初始化说明的情感分析数据集等。

计算机对自然语言处理的过程:①把需要研究的问题在语言上建立形式化模型,使其可以数学形式表示出来,这个过程称之为“形式化”;②把数学模型表示为算法的过程称为“算法化”;③根据算法,计算机进行实现,建立各种自然语言处理系统,这个过程是“程序化”;④对系统进行评测和改进最终满足现实需求,这个过程是“实用化”。

从2013年的word2vec开始,自然语言处理领域引爆了深度学习领域,2014年的热点是各种新颖的词表示学习方法,而2015年则开始扩展到句子层次,CNN、RNN、LSTM等模型轮番上阵,在机器翻译、文档摘要、阅读理解、关系抽取等任务上取得了重要进展。从符号主义和连接主义的对立走向合作,从静态分析走向交互,从语法和浅层语义走向深层语义,从功能主义走向认知和情感体验,已经成为自然语言处理的发展趋势。

6.个人虚拟助手

用户与虚拟助手之间的智能交互,不是简单地基于存储式的问答,而是对话。虚拟助手会记录用户的行为和使用习惯,利用云计算、搜索引擎和“非结构化数据”分析,读取和“学习”包括手机中的文本报告件、电子邮件、图片、视频等数据,来理解用户的语义和语境,从而实现人机交互。

个人虚拟助手的关键技术主要有以下几种。①语音识别和语音合成技术。语音识别技术是把用户的口语转化成文字,而语音合成则是把返回的文字结果转化成语音输出。②知识搜索技术。不同于搜索互联网信息,该类搜索引擎将从公众的(包括公开的网页等)和获得授权的资源中,发掘、建立起一个异常庞大的经过组织的数据库,再利用高级的自然语言算法进行处理,最终构造出一个类似于谷歌搜索的工具。相比较网页搜索技术,该系统得到的答案结构化程度很高。③知识库&知识库推断。相比于网页搜索技术,知识库基本以一个词条或者主题为单位,因此得到的数据价值高,知识量大,并且结构化程度高。④多轮对话&语义理解。通过和用户多轮对话,掌握用户的意图的关键技术。⑤用户画像和推荐技术。根据用户的使用行为,以及其他数据,掌握用户的特点,习惯,是实现个性化服务的关键技术。在用户画像的技术上,主动给用户推荐用户想要的服务以及内容,这个就需要用到推荐技术。

尽管虚拟助手的概念早在几十年前就出现了,但是直到Apple推出Siri后,虚拟助手才成为主流概念,并形成百花齐放的竞争格局。Businesses Insider做的一项虚拟助手测评显示:苹果Siri擅长Email、信息、日历和一些基础任务,而微软Cortana和亚马逊Alexa还不能准确识别人名和用户语音表述的邮件内容;亚马逊Alexa技能丰富,最擅长音乐播放、发掘周边社交活动、基础和常识任务。此外Alexa较大的用户基础和使用频率,使其有能力积累更多数据,实现进化;谷歌Assistant则擅长于帮助用户规划出行,了解体育、天气等资讯以及回答常识性问题。此外,谷歌Assistant提供的用户体验最为流畅,且比其他虚拟助手更为熟练地了解语音情境;微软Cortana的综合表现相对较弱。

 

代表公司

推出时间

主要技术

主要产品

应用功能

微软(小冰)

2014

智能语音交互和自然对话、深度学习等

微软小冰聊天机器人

登录微信、微博、京东等平台聊天,天气播报主播、给人类打电话、歌手

百度(度秘)

2015

智能语言交互和自然对话、深度学习等

百度度秘人工智能秘书

具备一键叫车、订外卖、买电影票、预定餐厅,还有明星叫起床等

科大讯飞

2010

语音技术和自然语言处理

讯飞输入法、讯飞听见、灵犀语音助手

支持数十个方言语音输入、通过语音识别技术实时将语音转化为文字

Amaon(Echo)

2014

Alexa 智能助手、麦克风阵列、云端服务器

Amazon Echo

从Prime Music、Pandora Spotify 串流音乐,设置闹钟,讲冷笑话,播报新闻

Google Home

2016

Google Assistant 语音助手等

Google Home

与电视、音响、插座、灯光、空调等家庭设备实现互联,对整个家居环境实现控制,支持直接双向对话

软银 Aldebara Robotics

2015

语音识别技术、关节技术,分析表情和声调的情绪识别技术

pepper

能够阅读分析人类的面部表情、语音语调、讲话内容来“ 读懂” 人类当前的情绪

表2 个人虚拟助手代表公司产品比较

(二)人工智能发展对就业市场的影响

人工智能对“认知型”人类工作的经济影响将类似于自动化和机器人在制造业工作中对人类的影响。IDC的认知系统研究总监Dave Schubmehl回答说:“由于经济的数字化转型和人工智能变革,我们将会看到人们的工作方式发生巨大变化,这种变化与工业革命带来的变化类似”。不同于工业革命中,被机器所替代的产业工人,人工智能发展所替代的工作类型主要集中在认知型工作上。智能自动化将有很大可能改变人们的工作类型和需要的技能类型。证据表明,智能化程度的提升将威胁日常认知工作。事实上,技术再加上贸易,已经增加了高技能工作岗位的比例,降低了中低技能工作岗位的比例。创新工场董事长李开复也曾表示,随着人工智能技术的进一步发展,“会不可防止地对就业造成冲击。许多岗位和职业会逐步消失,例如银行出纳员、客户服务代表、电话销售员、股票和债券交易员等;甚至律师助理和放射科医生这样的工作也会被这类软件所取代。假以时日,人工智能技术还会学会掌握如无人驾驶汽车和机器人这类半自主或全自主硬件设施,逐步代替工厂工人、修建工人、司机、快递及许多其他职业”。智库Reform的研究表明,到2030年聊天机器人、人工智能和自动化技术或将取代25万个公共部门工作岗位。

今年的世界经济论坛发布的一项研究预测,到2020年,新技术将全球淘汰500万个就业机会(那只是三年多的时间)。同一份报告指出,旧经济在办公室管理、医疗保健和金融服务方面的工作最为脆弱。斯图尔特·萨姆纳(Stuart Sumner)还以V3为题,预测了自动化AI时代最容易遭受灭绝的五大科技工作:技术支持、系统管理、网页设计、非devops开发和IT项目管理。

阿里研究院在《AI+;2016人工智能影响力微报告》中认为人工智能未来最可能替代掉的是重复性高、规则相对标准化的工作机会,比如客户服务人员、电话销售人员、速记员、驾驶员等。

The FOW Community的研究人员Connie Chan认为有五大行业受人工智能的影响最为严重:医疗行业、制造业、运输业、客服行业和金融业。

2016年英国政府发布的人工智能报告《人工智能:未来决策制定的机遇与影响》提出:大数据、机器人和自动化系统对劳动力市场的确切影响是很有争议的话题。关于自动化可能造成多大规模的工作岗位消失,目前业界很少有共识,而工作岗位消失规模通常是这些讨论的重点。例如,来自德勤公司的一项研究发现,35%的英国工作岗位将在未来10~20年内受自动化的影响。相比之下,OECD则表示只有10%的英国工作岗位面临消失的风险。其原因有可能是构成特定工作的某项业务将产生很大的变化;该研究还发现,对于另外25%的工作,其基本业务可能发生显著变化。这意味着虽然一个职位可以保持不变,但在未来所需的技能可能会有很大的变化。

美林银行2016年8月的报告《关于机器人革命可能带来的影响》陈述了机器人在人口老龄化方面的优势,但是它也还预测了大量的工作将被消灭:其中,英国占35%,美国占47%,包括白领工作,由于他们的生计被机器带走。

人工智能对就业市场的影响还表现在社会资源的匹配上。随着人工智能的深入发展,赢家通吃的现象将愈发严重,技术和资本将高度集中在精英层次。美国白宫在2016年12月发布的白皮书《人工智能、自动化和经济》指出:尽管很多人的确正在享受人工智能发展带来的好处,但它也在为就业带来挑战。比如,那些技能要求较低的就业岗位正在逐渐被机器和人工智能取代,而原本处在这些岗位上的人进步所需要的教育等资源和其他保障,却并没有同步跟进。这便是人工智能的发展在当下所造成的社会成本。白宫十分担心,信息技术行业本来就存在“赢家通吃”的局面,普通人作为“羊”,身上的羊毛流向掌握技术和资本的0.01%精英:“人工智能驱动的科技变革,可能会进一步撕开资本和劳动力之间收益分配的裂痕……这种偏向超级巨星的科技变革,比之前的技术密集型科技变革,更容易让财富流向社会精英……人工智能时代的技术门槛不断提高,最后可能只有少数公司能够成为市场上的胜利者。”

从另外一个角度来看,人工智能的普及固然会减少某些就业岗位,但颠覆性新技术的出现必然导致新产业的出现。有理由认为人工智能可能不会导致就业减少,因为新产业的出现以及因为生产力提高而导致更高的收入和成本下降,从而实现总体增长。根据皮尤研究中心的调查,美国专家对机器人技术和人工智能的净影响进行了分析:48%的受访者认为新技术将取代更多的就业机会而导致就业率下降,52%的受访者则认为新技术将创造更多的就业机会,并导致就业率上升。

国际机器人联合会的研究数据显示,制造类机器人直接或间接地增加了人类就业岗位的总数。到2020年,机器人产业在全球范围内直接或间接创造的岗位总数将增长到350万,每部署一个机器人,将创造出3.6个岗位。英国就业与技能委员会(UKCES)预计,2012~2022年这十年间,新出现的多数工作有望归入高技能工作类型,到2022年,半数以上的工作都集中在管理、专业和准专业方面。欧盟地区,熟练工人可能会供不应求。有些学历和岗位则很大部分涉及常规认知任务。上述各方面的创新意味着员工拥有学历不一定保证其免受自动化的影响。

未来的工作将具备技术补充功能,而不是被技术所取代,因为未来的工作会包含开发、利用新技术的各项技能。有充分证据表明,STEM(科学、技术、工程、数学)和数字技能的需求会不断增长。UKCES预计,2012~2022年,程序员和软件开发人员的数量将增加20%左右。

(三)对人工智能的思考与观点

人工智能对人类来说是一把双刃剑,既有可能将人类从繁重的劳动中解放出来,也可能完全毁灭人类,由此形成了对人工智能的支持派与恐惧派。

恐惧派的观点一直以来都占据上风。相似的论调从几十年前的科幻小说和电影就已经开始出现并扩大影响。《终结者》系列电影中“天网”(Skynet)这一具有自我意识的机器形象深入人心,成为当代人类无法抹去的心理阴影。此后《黑客帝国》《人工智能》《机械公敌》《机械姬》《我,机器人》《机器的叛变》等一系列人工智能反叛人类的电影层出不穷。

霍金和马斯克等人都对人工智能潜在的危害表示担忧。2017年4月27日,全球移动互联网大会(GMIC)上,著名物理学家斯蒂芬·霍金通过视频发表了题为《让人工智能造福人类及其赖以生存的家园》的主题演讲。他表示人工智能发展到目前的初步阶段已证明非常有用,但他担心的是,“人工智能可能自行启动,以不断加快的速度重新设计自己。而人类局限于缓慢的生物进化过程,根本无法竞争,最终将被超越”,因此他认为,“彻底开发人工智能可能导致人类灭亡”。特斯拉的CEO马斯克也提出了人工智能威胁论,在麻省理工学院的一次公开访谈中,马斯克发表对人工智能的看法时表示,“我认为我们应当格外警惕人工智能。如果让我说人类当下面临最大的威胁是什么,我觉得是人工智能无疑”。

伦敦帝国理工学院认知机器人学系教授穆雷·沙纳汉(Murray Shanahan)(奥斯卡获奖影片《机械姬》的科学顾问),提出人工智能技术奇点的到来可能会威胁人类的生存。“如果未来某个公司、政府、组织甚至是个人有可能制造出能实现指数级自我提升、极度渴求资源的人工智能,这一可能性足以让我们提高警惕。”[1]如果不仅是智能创造技术,技术反过来也可以创造智能,那么就会产生一个循环。这个循环的结果是难以预料的,可能带来爆炸性的改变。

支持派也大有人在,扎克伯格就是人工智能的坚定支持者,他认为马斯克的AI“威胁论”看法太消极,是极不负责任的。2016年4月,亚马逊CEO贝索斯也曾就AI“威胁论”与马斯克发生过公开辩论。贝索斯认为“人工智能可以增强我们的能力,促进人类文明,这会让人类感觉舒服,并最终依赖这项技术”。2016年10月,IBM董事长、CEO罗睿兰曾撰文阐述外界对机器学习技术的最大认识误区。她表示,人们对于未来自动化机器是否将反噬和摧毁人类的疑问,是其不够理解机器智能科学的表现,她认为如果你能够参与到其中,就会知道这是由误导性表达带来的错误观念。谷歌CEO皮查伊也同样抱着不以为然的态度,他认为,从长远来看,AI必将提高人类的生活质量。2016年9月,英国标准协会(British Standards Institute)还为人工智能发布了一套代号为BS 8611的机器人伦理指南,全称为《机器人和机器系统的伦理设计和应用指南》。据悉,这是第一个关于机器人设计上的伦理标准,远比阿莫西的“机器人三定律”全面。

四、人工智能对数字经济发展的影响

单就经济来说,借助人工智能新技术实现自动化,将极大提高生产率,节省劳动成本;通过优化行业现有产品和服务,提升其质量和劳动生产率,通过创造新市场、新就业等促进市场更加繁荣,开拓更广阔的市场空间。这些,都将极大地提升社会的劳动生产率,促进社会的繁荣与发展。某种意义上,人工智能为这个时代的经济发展,提供了一种新的能量,缔造一种新的“虚拟劳动力”。

因此人工智能将成为经济发展的新引擎。人工智能作为新一轮产业变革的核心驱动力,将进一步释放历次科技革命和产业变革积蓄的巨大能量,并创造新的强大引擎,重构生产、分配、交换、消费等经济活动各环节,形成从宏观到微观各领域的智能化新需求,催生新技术、新产品、新产业、新业态、新模式,引发经济结构重大变革,深刻改变人类生产生活方式和思维模式,实现社会生产力的整体跃升。

目前各界普遍认为,人工智能将是促进未来经济快速发展的重要技术。中国社科院工业经济研究所所长黄群慧在“长安讲坛”表示,智能革命驱动下,经济增长模式出现转变,除传统的资本、劳动力、创新外,人工智能作为虚拟劳动力也能推动经济增长。全国政协委员、百度公司创始人兼董事长李彦宏表示:“就给社会带来的改变而言,人工智能堪比当年的工业革命或者电力革命,它将对任何一个行业产生巨大影响。”[1]未来人工智能技术将进一步推动关联技术和新兴科技、新兴产业的深度融合,推动新一轮的信息技术革命,成为经济结构转型升级的新支点。

普华永道2017年6月发布报告称,到2030年时,人工智能对全球经济的贡献将高达15.7万亿美元。这超过了目前中国和印度的经济总量之和。报告显示,其中6.6万亿美元来自企业不断利用新人工智能技术实现自动化流程,加强他们的劳动力;9.1万亿美元来自人工智能带动消费力的提升,购物者抢购个性化和更高品质的商品。从地域分布来看,中国和北美有望成为人工智能的最大受益者,总获益相当于10.7万亿美元,占据全球增长比例的近70%。

埃森哲与经济学前沿公司2016年的一份报告《为什么人工智能是未来增长之源》(Why Artificial Intelligence is the Future of Growth)大胆提出预测,到2035年,基于人工智能的技术的普遍采用,将创造人与机器之间的新关系,使得很多发达国家的经济增速提高一倍,同时人工智能技术对业务的影响预计将使劳动生产率提高40%,并使人们提高时间利用效率。报告估计,人工智能有可能将美国、英国和日本的总增加值GVA(与GDP近似)年度增速分别提高到4.6%、3.9%和2.7%。如果剔除人工智能对经济的影响,那么GVA的年度增速则分别只有2.6%、2.5%和0.8%。

对美国而言,这是1980年代经济高峰以来未曾见过的水平。这意味着2035年将增加8.3万亿美元的GVA,相当于日本、德国和瑞典今天的GVA总结。而英国的增长则意味着人工智能可以额外增加GVA8.14亿美元。这部分的增长主要包括三个部分:主要服务业可以通过AI来提高知识型员工的生产力,英国强大的制药和航空航天工业也可以利用人工智能系统来优化生产。日本是受人工智能影响最大的国家,如果没有采纳人工智能技术,增幅仅为0.8%,人工智能的增幅是其3.4倍,额外GVA高达2.1万亿美元。日本受人工智能影响最大的部门包括机器人领域、电子产品行业等。此外,人工智能可以在2035年为德国增加1.1万亿美元的GVA。其先进的制造部门,加上行业4.0,为智能系统无缝集成到生产过程中提供了有利条件。

2017年6月,埃森哲在一份研究报告中指出,通过转变工作方式以及开拓新的价值和增长源,到2035年,人工智能有望推动中国经济年增长率从6.3%提升至7.9%。埃森哲认为,作为全新的生产要素,人工智能有望将2035年中国经济总增加值提升7.111万亿美元。由于人工智能帮助员工更有效地利用时间,到2035年,人工智能有望推动中国劳动生产率提高27%。

 

 


025-8320 9516
电话咨询
邮件咨询
在线地图