出自 MBA智库百科(https://wiki.mbalib.com/)

人工智慧(Artificial Intelligence，欧博AI）

[編輯]

什麼是人工智慧

　　人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。

　　人工智慧是電腦科學的一個分支，它企圖瞭解智能的實質，並生產出一種新的能以人類智能相似的方式做出反應的智能機器，該領域的研究包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。人工智慧可以對人的意識、思維的信息過程的模擬。人工智慧不是人的智能，但能像人那樣思考、也可能超過人的智能。

　　人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，電腦視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。

　　2017年12月，人工智慧入選“2017年度中國媒體十大流行語”。

[編輯]

人工智慧的研究內容

　　人工智慧的研究是高度技術性和專業的，各分支領域都是深入且各不相通的，因而涉及範圍極廣。人工智慧學科研究的主要內容包括：知識表示、自動推理和搜索方法、機器學習和知識獲取、知識處理系統、自然語言理解、電腦視覺、智能機器人、自動程式設計等方面。

　　1）知識表示是人工智慧的基本問題之一，推理和搜索都與表示方法密切相關。常用的知識表示方法有：邏輯表示法、產生式表示法、語義網路表示法和框架表示法等。

　　2）常識，自然為人們所關註，已提出多種方法，如非單調推理、定性推理就是從不同角度來表達常識和處理常識的。

　　3）問題求解中的自動推理是知識的使用過程，由於有多種知識表示方法，相應地有多種推理方法。推理過程一般可分為演繹推理和非演繹推理。謂詞邏輯是演繹推理的基礎。結構化表示下的繼承性能推理是非演繹性的。由於知識處理的需要，近幾年來提出了多種非演澤的推理方法，如連接機制推理、類比推理、基於示例的推理、反繹推理和受限推理等。

　　4）搜索是人工智慧的一種問題求解方法，搜索策略決定著問題求解的一個推理步驟中知識被使用的優先關係。可分為無信息導引的盲目搜索和利用經驗知識導引的啟髮式搜索。啟髮式知識常由啟髮式函數來表示，啟髮式知識利用得越充分，求解問題的搜索空間就越小。典型的啟髮式搜索方法有A*、AO*演算法等。近幾年搜索方法研究開始註意那些具有百萬節點的超大規模的搜索問題。

　　5）機器學習是人工智慧的另一重要課題。機器學習是指在一定的知識表示意義下獲取新知識的過程，按照學習機制的不同，主要有歸納學習、分析學習、連接機制學習和遺傳學習等。

　　6）知識處理系統主要由知識庫和推理機組成。知識庫存儲系統所需要的知識，當知識量較大而又有多種表示方法時，知識的合理組織與管理是重要的。推理機在問題求解時，規定使用知識的基本方法和策略，推理過程中為記錄結果或通信需設資料庫或採用黑板機制。如果在知識庫中存儲的是某一領域(如醫療診斷)的專家知識，則這樣的知識系統稱為專家系統。為適應複雜問題的求解需要，單一的專家系統向多主體的分散式人工智慧系統發展，這時知識共用、主體間的協作、矛盾的出現和處理將是研究的關鍵問題。

　　人工智慧的研究可以分為幾個技術問題。其分支領域主要集中在解決具體問題，其中之一是，如何使用各種不同的工具完成特定的應用程式。AI的核心問題包括推理、知識、規劃、學習、交流、感知、移動和操作物體的能力等。強人工智慧目前仍然是該領域的長遠目標。目前比較流行的方法包括統計方法，計算智能和傳統意義的AI。目前有大量的工具應用了人工智慧，其中包括搜索和數學優化、邏輯推演。而基於仿生學、認知心理學，以及基於概率論和經濟學的演算法等等也在逐步探索當中。

[編輯]

人工智慧的歷史

　　“人工智慧”一詞最初是在1956年達特茅斯（Dartmouth）學會上提出的。從那以後，研究者們發展了眾多理論和原理，人工智慧的概念也隨之擴展。人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得電腦知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，電腦視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智能才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。例如繁重的科學和工程計算本來是要人腦來承擔的, 現在電腦不但能完成這種計算, 而且能夠比人腦做得更快、更準確, 因之當代人已不再把這種計算看作是“需要人類智能才能完成的複雜任務”, 可見覆雜工作的定義是隨著時代的發展和技術的進步而變化的, 人工智慧這門科學的具體目標也自然隨著時代的變化而發展。它一方面不斷獲得新的進展, 一方面又轉向更有意義、更加困難的目標。目前能夠用來研究人工智慧的主要物質手段以及能夠實現人工智慧技術的機器就是電腦, 人工智慧的發展歷史是和電腦科學與技術的發展史聯繫在一起的。除了電腦科學以外, 人工智慧還涉及資訊理論、控制論、自動化、仿生學、生物學、心理學、數理邏輯、語言學、醫學和哲學等多門學科。

在定義智慧時，英國科學家圖靈做出了貢獻，如果一臺機器能夠通過稱之為圖靈實驗的實驗，那它就是智慧的，圖靈實驗的本質就是讓人在不看外型的情況下不能區別是機器的行為還是人的行為時，這個機器就是智慧的。不要以為圖靈只做出這一點貢獻就會名垂表史，如果你是學電腦的就會知道，對於電腦人士而言，獲得圖靈獎就等於物理學家獲得諾貝爾獎一樣，圖靈在理論上奠定了電腦產生的基礎，沒有他的傑出貢獻世界上根本不可能有這個東西，更不用說什麼網路了。

　　科學家早在電腦出現之前就已經希望能夠製造出可能模擬人類思維的機器了，在這方面我希望提到另外一個傑出的數學家、哲學家布爾，通過對人類思維進行數學化精確地刻畫，他和其它傑出的科學家一起奠定了智慧機器的思維結構與方法，今天我們的電腦內使用的邏輯基礎正是他所創立的。

　　我想任何學過電腦的人對布爾一定不會陌生，我們所學的布爾代數，就是由它開創的。當電腦出現後，人類開始真正有了一個可以模擬人類思維的工具了，在以後的歲月中，無數科學家為這個目標努力著，現在人工智慧已經不再是幾個科學家的專利了，全世界幾乎所有大學的電腦系都有人在研究這門學科，學習電腦的大學生也必須學習這樣一門課程，在大家不懈的努力下，現在電腦似乎已經變得十分聰明瞭，剛剛結束的國際象棋大賽中，電腦把人給勝了，這是人們都知道的，大家或許不會註意到，在一些地方電腦幫助人進行其它原來只屬於人類的工作，電腦以它的高速和準確為人類發揮著它的作用。人工智慧始終是電腦科學的前沿學科，電腦編程語言和其它電腦軟體都因為有了人工智慧的進展而得以存在。

　　現在人類已經把電腦的計算能力提高到了前所未有的地步，而人工智慧也在下世紀領導電腦發展的潮頭，現在人工智慧的發展因為受到理論上的限制不是很明顯，但它必將象今天的網路一樣深遠地影響我們的生活。　

　　讓我們順著人工智慧的發展來回顧一下電腦的發展，在1941年由美國和德國兩國共同研製的第一臺電腦誕生了，從此以後人類存儲和處理信息的方法開始發生革命性的變化。第一臺電腦的體型可不算太好，它比較胖，還比較嬌氣，需要工作在有空調的房間里，如果希望它處理什麼事情，需要大家把線路重新接一次，這可不是一件省力氣的活兒，把成千上萬的線重新焊一下我想現在的程式員已經是生活在天堂中了。

　　終於在1949發明瞭可以存儲程式的電腦，這樣，編程程式總算可以不用焊了，好多了。因為編程變得十分簡單，電腦理論的發展終於導致了人工智慧理論的產生。人們總算可以找到一個存儲信息和自動處理信息的方法了。

　　雖然現在看來這種新機器已經可以實現部分人類的智力，但是直到50年代人們才把人類智力和這種新機器聯繫起來。美籍俄裔數學家、控制論的創始人諾伯特·維納（Norbert Wiener）在反饋理論上的研究最終讓他提出了一個論斷，所有人類智力的結果都是一種反饋的結果，通過不斷地將結果反饋給機體而產生的動作，進而產生了智能。我們家的抽水馬桶就是一個十分好的例子，水之所以不會常流不斷，正是因為有一個裝置在檢測水位的變化，如果水太多了，就把水管給關了，這就實現了反饋，是一種負反饋。如果連我們廁所里的裝置都可以實現反饋了，那我們應該可以用一種機器實現反饋，進而實現人類智力的機器形式重現。這種想法對於人工智慧早期的有著重大的影響。

　　在1955的時候，美國電腦科學家艾倫·紐威爾(Allen Newell)和赫伯特·西蒙(Herbert A.Simon)The Logic Theorist程式，它是一種採用樹形結構的程式，在程式運行時，它在樹中搜索，尋找與可能答案最接近的樹的分枝進行探索，以得到正確的答案。這個程式在人工智慧的歷史上可以說是有重要地位的，它在學術上和社會上帶來的巨大的影響，欧博娱乐以至於我們現在所採用的方法思想方法有許多還是來自於這個50年代的程式。

　　1956年，“人工智慧之父”和LISP語言的發明人(ZT) 約翰·麥卡錫（John McCarthy）召集了一次會議來討論人工智慧未來的發展方向。從那時起，人工智慧的名字才正式確立，這次會議在人工智慧歷史上不是巨大的成功，但是這次會議給人工智慧奠基人相互交流的機會，併為未來人工智慧的發展起了鋪墊的作用。在此以後，工人智能的重點開始變為建立實用的能夠自行解決問題的系統，並要求系統有自學習能力。在1957年，艾倫·紐威爾和赫伯特·西蒙又開發了一個程式稱為General Problem Solver(GPS)，它對維納的反饋理論有一個擴展，並能夠解決一些比較普遍的問題。別的科學家在努力開發系統時，麥卡錫創建了表處理語言LISP，直到現在許多人工智慧程式還在使用這種語言，它幾乎成了人工智慧的代名詞，到了今天，LISP仍然在發展。

　　在1963年，麻省理工學院受到了美國政府和國防部的支持進行人工智慧的研究，美國政府不是為了別的，而是為了在冷戰中保持與蘇聯的均衡，雖然這個目的是帶點火藥味的，但是它的結果卻使人工智慧得到了巨大的發展。其後發展出的許多程式十分引人註目，SHRDLU是維諾格拉德(T.Winograd)於1972年在美國麻省理工學院建立了一個用自然語言指揮機器人動作的系統。在這個大發展的60年代，STUDENT系統可以解決代數問題，而SIR(Selective Integrated Rail)系統則開始理解簡單的英文句子了，SIR的出現導致了新學科的出現：自然語言處理。在70年代出現的專家系統成了一個巨大的進步，他頭一次讓人知道電腦可以代替人類專家進行一些工作了，由於電腦硬體性能的提高，人工智慧得以進行一系列重要的活動，如統計分析數據，參與醫療診斷等等，它作為生活的重要方面開始改變人類生活了。在理論方面，70年代也是大發展的一個時期，電腦開始有了簡單的思維和視覺，而不能不提的是在70年代，另一個人工智慧語言Prolog語言誕生了，它和LISP一起幾乎成了人工智慧工作者不可缺少的工具。不要以為人工智慧離我們很遠，它已經在進入我們的生活，模糊控制，決策支持等等方面都有人工智慧的影子。讓電腦這個機器代替人類進行簡單的智力活動，把人類解放用於其它更有益的工作，這是人工智慧的目的，但我想對科學真理的無盡追求才是最終的動力吧。

[編輯]

人工智慧的應用領域

　　1、問題求解

　　人工智慧的第一大成就是下棋程式，在下棋程度中應用的某些技術，如向前看幾步，把困難的問題分解成一些較容易的子問題，發展成為搜索和問題歸納這樣的人工智慧基本技術。今天的電腦程式已能夠達到下各種方盤棋和國際象棋的錦標賽水平。但是，尚未解決包括人類棋手具有的但尚不能明確表達的能力。如國際象棋大師們洞察棋局的能力。另一個問題是涉及問題的原概念，在人工智慧中叫問題表示的選擇，人們常能找到某種思考問題的方法，從而使求解變易而解決該問題。到目前為止，人工智慧程式已能知道如何考慮它們要解決的問題，即搜索解答空間，尋找較優解答。

　　2、邏輯推理與定理證明

　　邏輯推理是人工智慧研究中最持久的領域之一，其中特別重要的是要找到一些方法，只把註意力集中在一個大型的資料庫中的有關事實上，留意可信的證明，併在出現新信息時適時修正這些證明。對數學中臆測的題。定理尋找一個證明或反證，不僅需要有根據假設進行演繹的能力，而且許多非形式的工作，包括醫療診斷和信息檢索都可以和定理證明問題一樣加以形式化，因此，在人工智慧方法的研究中定理證明是一個極其重要的論題。

　　3、自然語言處理

　　自然語言的處理是人工智慧技術應用於實際領域的典型範例，經過多年艱苦努力，這一領域已獲得了大量令人註目的成果。目前該領域的主要課題是：電腦系統如何以主題和對話情境為基礎，註重大量的常識——世界知識和期望作用，生成和理解自然語言。這是一個極其複雜的編碼和解碼問題。

　　4、智能信息檢索技術

　　信息獲取和精化技術已成為當代電腦科學與技術研究中迫切需要研究的課題，將人工智慧技術應用於這一領域的研究是人工智慧走向廣泛實際應用的契機與突破口。

　　5、專家系統

　　專家系統是目前人工智慧中最活躍、最有成效的一個研究領域,它是一種具有特定領域內大量知識與經驗的程式系統。近年來，在“ 專家系統”或“ 知識工程”的研究中已出現了成功和有效應用人工智慧技術的趨勢。人類專家由於具有豐富的知識，所以才能達到優異的解決問題的能力。那麼電腦程式如果能體現和應用這些知識，也應該能解決人類專家所解決的問題，而且能幫助人類專家發現推理過程中出現的差錯，現在這一點已被證實。如在礦物勘測、化學分析、規劃和醫學診斷方面，專家系統已經達到了人類專家的水平。成功的例子如：PROSPECTOR系統（用於地質學的專家系統）發現了一個鉬礦沉積，價值超過1億美元。DENDRL系統的性能已超過一般專家的水平，可供數百人在化學結構分析方面的使用。MY CIN系統可以對血液傳染病的診斷治療方案提供咨詢意見。經正式鑒定結果，對患有細菌血液病、腦膜炎方面的診斷和提供治療方案已超過了這方面的專家。

[編輯]

強人工智慧和弱人工智慧

　　人工智慧的一個比較流行的定義，也是該領域較早的定義，是由當時麻省理工學院的約翰·麥卡錫在1956年的 達特矛斯會議上提出的：人工智慧就是要讓機器的行為看起來就像是人所表現出的智能行為一樣。但是這個定義似乎忽略了強人工智慧的可能性（見下）。另一個定義指人工智慧是人造機器所表現出來的智能。總體來講，目前對人工智慧的定義大多可劃分為四類，即機器“像人一樣思考”、“像人一樣行動”、“理性地思考”和“理性地行動”。這裡“行動”應廣義地理解為採取行動，或制定行動的決策，而不是肢体動作。

[編輯]

強人工智慧（AGI）

　　強人工智慧觀點認為有可能製造出真正能推理（Reasoning）和解決問題（解決問題）的智能機器，並且，這樣的機器能將被認為是有知覺的，有自我意識的。強人工智慧可以有兩類：

類人的人工智慧，即機器的思考和推理就像人的思維一樣。

非類人的人工智慧，即機器產生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

[編輯]

弱人工智慧（ANI）

　　弱人工智慧又稱“狹義人工智慧”，認為不可能製造出能真正地推理和解決問題的智能機器，這些機器只不過看起來像是智能的，但是並不真正擁有智能，也不會有自主意識。

　　強人工智慧的研究目前處於停滯不前的狀態下。人工智慧研究者不一定同意弱人工智慧，也不一定在乎或者瞭解強人工智慧和弱人工智慧的內容與差別。就現下的人工智慧研究領域來看，研究者已大量造出看起來像是智能的機器，獲取相當豐碩的理論上和實質上的成果，如2009年康乃爾大學教授Hod Lipson 和其博士研究生Michael Schmidt 研發出的 Eureqa電腦程式，只要給予一些數據，這電腦程式自己只用幾十個小時計算就推論出牛頓花費多年研究才發現的牛頓力學公式，等於只用幾十個小時就自己重新發現牛頓力學公式，這電腦程式也能用來研究很多其他領域的科學問題上。

[編輯]

超級人工智慧（ASI）

　　超級人工智慧（ASI）是一種超越人類智能的人工智慧，可以比人類更好地執行任何任務。ASI 系統不僅能理解人類的情感和經歷，還能喚起他們自己的情感、信念和欲望，類似於人類。 儘管 ASI 的存在仍是假設性的，但此類系統的決策和解決問題的能力預計將遠超人類。通常，ASI 系統可以獨立思考、解決難題、做出判斷和做出決定。

[編輯]

對強人工智慧的哲學爭論

　　“強人工智慧”一詞最初是約翰·羅傑斯·希爾勒針對電腦和其它信息處理機器創造的，其定義為：

　　“強人工智慧觀點認為電腦不僅是用來研究人的思維的一種工具；相反，只要運行適當的程式，電腦本身就是有思維的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980）

　　關於強人工智慧的爭論，不同於更廣義的一元論和二元論的爭論。其爭論要點是：如果一臺機器的唯一工作原理就是轉換編碼數據，那麼這台機器是不是有思維的？希爾勒認為這是不可能的。他舉了個中文房間的例子來說明，如果機器僅僅是轉換數據，而數據本身是對某些事情的一種編碼表現，那麼在不理解這一編碼和這實際事情之間的對應關係的前提下，機器不可能對其處理的數據有任何理解。基於這一論點，希爾勒認為即使有機器通過了圖靈測試，也不一定說明機器就真的像人一樣有思維和意識。

　　也有哲學家持不同的觀點。丹尼爾·丹尼特在其著作《意識的解釋》（Consciousness Explained）里認為，人也不過是一臺有靈魂的機器而已，為什麼我們認為：“人可以有智能，而普通機器就不能”呢？他認為像上述的數據轉換機器是有可能有思維和意識的。 有的哲學家認為如果弱人工智慧是可實現的，那麼強人工智慧也是可實現的。比如西蒙·布萊克本（Simon Blackburn）在其哲學入門教材Think里說道，一個人的看起來是“智能”的行動並不能真正說明這個人就真的是智能的。我永遠不可能知道另一個人是否真的像我一樣是智能的，還是說她／他僅僅是看起來是智能的。基於這個論點，既然弱人工智慧認為可以令機器看起來像是智能的，那就不能完全否定這機器是真的有智能的。布萊克本認為這是一個主觀認定的問題。

　　需要指出的是，弱人工智慧並非和強人工智慧完全對立，也就是說，即使強人工智慧是可能的，弱人工智慧仍然是有意義的。至少，今日的電腦能做的事，像算術運算等，在一百多年前是被認為很需要智能的。並且，即使強人工智慧被證明為可能的，也不代表強人工智慧必定能被研製出來。

[編輯]

人工智慧的發展現狀及前景

[編輯]

對於人工智慧的發展現狀，社會上存在一些“炒作”

　　比如說，認為人工智慧系統的智能水平即將全面超越人類水平、30年內機器人將統治世界、人類將成為人工智慧的奴隸，等等。這些有意無意的“炒作”和錯誤認識會給人工智慧的發展帶來不利影響。因此，制定人工智慧發展的戰略、方針和政策，首先要準確把握人工智慧技術和產業發展的現狀。

　　專用人工智慧取得重要突破。從可應用性看，人工智慧大體可分為專用人工智慧和通用人工智慧。面向特定任務（比如下圍棋）的專用人工智慧系統由於任務單一、需求明確、應用邊界清晰、領域知識豐富、建模相對簡單，形成了人工智慧領域的單點突破，在局部智能水平的單項測試中可以超越人類智能。人工智慧的近期進展主要集中在專用智能領域。例如，阿爾法狗（AlphaGo）在圍棋比賽中戰勝人類冠軍，人工智慧程式在大規模圖像識別和人臉識別中達到了超越人類的水平，人工智慧系統診斷皮膚癌達到專業醫生水平。

　　通用人工智慧尚處於起步階段。人的大腦是一個通用的智能系統，能舉一反三、融會貫通，可處理視覺、聽覺、判斷、推理、學習、思考、規劃、設計等各類問題，可謂“一腦萬用”。真正意義上完備的人工智慧系統應該是一個通用的智能系統。目前，雖然專用人工智慧領域已取得突破性進展，但是通用人工智慧領域的研究與應用仍然任重而道遠，人工智慧總體發展水平仍處於起步階段。當前的人工智慧系統在信息感知、機器學習等“淺層智能”方面進步顯著，但是在概念抽象和推理決策等“深層智能”方面的能力還很薄弱。總體上看，目前的人工智慧系統可謂有智能沒智慧、有智商沒情商、會計算不會“算計”、有專才而無通才。因此，人工智慧依舊存在明顯的局限性，依然還有很多“不能”，與人類智慧還相差甚遠。

　　人工智慧創新創業如火如荼。全球產業界充分認識到人工智慧技術引領新一輪產業變革的重大意義，紛紛調整發展戰略。比如，谷歌在其2017年年度開發者大會上明確提出發展戰略從“移動優先”轉向“人工智慧優先”，微軟2017財年年報首次將人工智慧作為公司發展願景。人工智慧領域處於創新創業的前沿。麥肯錫公司報告指出，2016年全球人工智慧研發投入超300億美元並處於高速增長階段；全球知名風投調研機構CB Insights報告顯示，2017年全球新成立人工智慧創業公司1100家，人工智慧領域共獲得投資152億美元，同比增長141%。

　　創新生態佈局成為人工智慧產業發展的戰略高地。信息技術和產業的發展史，就是新老信息產業巨頭搶灘佈局信息產業創新生態的更替史。例如，傳統信息產業代表企業有微軟、英特爾、IBM、甲骨文等，互聯網和移動互聯網時代信息產業代表企業有谷歌、蘋果、臉書、亞馬遜、阿裡巴巴、騰訊、百度等。人工智慧創新生態包括縱向的數據平臺、開源演算法、計算晶元、基礎軟體、圖形處理器等技術生態系統和橫向的智能製造、智能醫療、智能安防、智能零售、智能家居等商業和應用生態系統。目前智能科技時代的信息產業格局還沒有形成壟斷，因此全球科技產業巨頭都在積極推動人工智慧技術生態的研發佈局，全力搶占人工智慧相關產業的制高點。

　　人工智慧的社會影響日益凸顯。一方面，人工智慧作為新一輪科技革命和產業變革的核心力量，正在推動傳統產業升級換代，驅動“無人經濟”快速發展，在智能交通、智能家居、智能醫療等民生領域產生積極正面影響。另一方面，個人信息和隱私保護、人工智慧創作內容的知識產權、人工智慧系統可能存在的歧視和偏見、無人駕駛系統的交通法規、腦機介面和人機共生的科技倫理等問題已經顯現出來，需要抓緊提供解決方案。

[編輯]

趨勢與展望

　　經過60多年的發展，人工智慧在演算法、算力（計算能力）和算料（數據）等“三算”方面取得了重要突破，正處於從“不能用”到“可以用”的技術拐點，但是距離“很好用”還有諸多瓶頸。那麼在可以預見的未來，人工智慧發展將會出現怎樣的趨勢與特征呢？

　　從專用智能向通用智能發展。如何實現從專用人工智慧向通用人工智慧的跨越式發展，既是下一代人工智慧發展的必然趨勢，也是研究與應用領域的重大挑戰。2016年10月，美國國家科學技術委員會發佈《國家人工智慧研究與發展戰略計劃》，提出在美國的人工智慧中長期發展策略中要著重研究通用人工智慧。阿爾法狗系統開發團隊創始人戴密斯·哈薩比斯提出朝著“創造解決世界上一切問題的通用人工智慧”這一目標前進。微軟在2017年成立了通用人工智慧實驗室，眾多感知、學習、推理、自然語言理解等方面的科學家參與其中。

　　從人工智慧向人機混合智能發展。借鑒腦科學和認知科學的研究成果是人工智慧的一個重要研究方向。人機混合智能旨在將人的作用或認知模型引入到人工智慧系統中，提升人工智慧系統的性能，使人工智慧成為人類智能的自然延伸和拓展，通過人機協同更加高效地解決複雜問題。在我國新一代人工智慧規劃和美國腦計劃中，人機混合智能都是重要的研發方向。

　　從“人工+智能”向自主智能系統發展。當前人工智慧領域的大量研究集中在深度學習，但是深度學習的局限是需要大量人工干預，比如人工設計深度神經網路模型、人工設定應用場景、人工採集和標註大量訓練數據、用戶需要人工適配智能系統等，非常費時費力。因此，科研人員開始關註減少人工干預的自主智能方法，提高機器智能對環境的自主學習能力。例如阿爾法狗系統的後續版本阿爾法元從零開始，通過自我對弈強化學習實現圍棋、國際象棋、日本將棋的“通用棋類人工智慧”。在人工智慧系統的自動化設計方面，2017年谷歌提出的自動化學習系統（AutoML）試圖通過自動創建機器學習系統降低人員成本。

　　人工智慧將加速與其他學科領域交叉滲透。人工智慧本身是一門綜合性的前沿學科和高度交叉的複合型學科，研究範疇廣泛而又異常複雜，其發展需要與電腦科學、數學、認知科學、神經科學和社會科學等學科深度融合。隨著超解析度光學成像、光遺傳學調控、透明腦、體細胞克隆等技術的突破，腦與認知科學的發展開啟了新時代，能夠大規模、更精細解析智力的神經環路基礎和機制，人工智慧將進入生物啟發的智能階段，依賴於生物學、腦科學、生命科學和心理學等學科的發現，將機理變為可計算的模型，同時人工智慧也會促進腦科學、認知科學、生命科學甚至化學、物理、天文學等傳統科學的發展。

　　人工智慧產業將蓬勃發展。隨著人工智慧技術的進一步成熟以及政府和產業界投入的日益增長，人工智慧應用的雲端化將不斷加速，全球人工智慧產業規模在未來10年將進入高速增長期。例如，2016年9月，咨詢公司埃森哲發佈報告指出，人工智慧技術的應用將為經濟發展註入新動力，可在現有基礎上將勞動生產率提高40%；到2035年，美、日、英、德、法等12個發達國家的年均經濟增長率可以翻一番。2018年麥肯錫公司的研究報告預測，到2030年，約70%的公司將採用至少一種形式的人工智慧，人工智慧新增經濟規模將達到13萬億美元。

　　人工智慧將推動人類進入普惠型智能社會。“人工智慧+X”的創新模式將隨著技術和產業的發展日趨成熟，對生產力和產業結構產生革命性影響，並推動人類進入普惠型智能社會。2017年國際數據公司IDC在《信息流引領人工智慧新時代》白皮書中指出，未來5年人工智慧將提升各行業運轉效率。我國經濟社會轉型升級對人工智慧有重大需求，在消費場景和行業應用的需求牽引下，需要打破人工智慧的感知瓶頸、交互瓶頸和決策瓶頸，促進人工智慧技術與社會各行各業的融合提升，建設若幹標桿性的應用場景創新，實現低成本、高效益、廣範圍的普惠型智能社會。

　　人工智慧領域的國際競爭將日益激烈。當前，人工智慧領域的國際競賽已經拉開帷幕，並且將日趨白熱化。2018年4月，歐盟委員會計劃2018—2020年在人工智慧領域投資240億美元；法國總統在2018年5月宣佈《法國人工智慧戰略》，目的是迎接人工智慧發展的新時代，使法國成為人工智慧強國；2018年6月，日本《未來投資戰略2018》重點推動物聯網建設和人工智慧的應用。世界軍事強國也已逐步形成以加速發展智能化武器裝備為核心的競爭態勢，例如美國特朗普政府發佈的首份《國防戰略》報告即謀求通過人工智慧等技術創新保持軍事優勢，確保美國打贏未來戰爭；俄羅斯2017年提出軍工擁抱“智能化”，讓導彈和無人機這樣的“傳統”兵器威力倍增。

　　人工智慧的社會學將提上議程。為了確保人工智慧的健康可持續發展，使其發展成果造福於民，需要從社會學的角度系統全面地研究人工智慧對人類社會的影響，制定完善人工智慧法律法規，規避可能的風險。2017年9月，聯合國犯罪和司法研究所（UNICRI）決定在海牙成立第一個聯合國人工智慧和機器人中心，規範人工智慧的發展。美國白宮多次組織人工智慧領域法律法規問題的研討會、咨詢會。特斯拉等產業巨頭牽頭成立OpenAI等機構，旨在“以有利於整個人類的方式促進和發展友好的人工智慧”。

[編輯]

態勢與思考

　　當前，我國人工智慧發展的總體態勢良好。但是我們也要清醒看到，我國人工智慧發展存在過熱和泡沫化風險，特別在基礎研究、技術體系、應用生態、創新人才、法律規範等方面仍然存在不少值得重視的問題。總體而言，我國人工智慧發展現狀可以用“高度重視，態勢喜人，差距不小，前景看好”來概括。

　　高度重視。黨中央、國務院高度重視並大力支持發展人工智慧。2017年7月，國務院發佈《新一代人工智慧發展規劃》，將新一代人工智慧放在國家戰略層面進行部署，描繪了面向2030年的我國人工智慧發展路線圖，旨在構築人工智慧先發優勢，把握新一輪科技革命戰略主動。國家發改委、工信部、科技部、教育部等國家部委和北京、上海、廣東、江蘇、浙江等地方政府都推出了發展人工智慧的鼓勵政策。

　　態勢喜人。據清華大學發佈的《中國人工智慧發展報告2018》統計，我國已成為全球人工智慧投融資規模最大的國家，我國人工智慧企業在人臉識別、語音識別、安防監控、智能音箱、智能家居等人工智慧應用領域處於國際前列。根據2017年愛思唯爾文獻資料庫統計結果，我國在人工智慧領域發表的論文數量已居世界第一。近兩年，中國科學院大學、清華大學、北京大學等高校紛紛成立人工智慧學院，2015年開始的中國人工智慧大會已連續成功召開四屆並且規模不斷擴大。總體來說，我國人工智慧領域的創新創業、教育科研活動非常活躍。

　　差距不小。目前我國在人工智慧前沿理論創新方面總體上尚處於“跟跑”地位，大部分創新偏重於技術應用，在基礎研究、原創成果、頂尖人才、技術生態、基礎平臺、標準規範等方面距離世界領先水平還存在明顯差距。在全球人工智慧人才700強中，中國雖然入選人數名列第二，但遠遠低於約占總量一半的美國。2018年市場研究顧問公司Compass Intelligence對全球100多家人工智慧計算晶元企業進行了排名，我國沒有一家企業進入前十。另外，我國人工智慧開源社區和技術生態佈局相對滯後，技術平臺建設力度有待加強，國際影響力有待提高。我國參與制定人工智慧國際標準的積極性和力度不夠，國內標準制定和實施也較為滯後。我國對人工智慧可能產生的社會影響還缺少深度分析，制定完善人工智慧相關法律法規的進程需要加快。

　　前景看好。我國發展人工智慧具有市場規模、應用場景、數據資源、人力資源、智能手機普及、資金投入、國家政策支持等多方面的綜合優勢，人工智慧發展前景看好。全球頂尖管理咨詢公司埃森哲於2017年發佈的《人工智慧：助力中國經濟增長》報告顯示，到2035年人工智慧有望推動中國勞動生產率提高27%。我國發佈的《新一代人工智慧發展規劃》提出，到2030年人工智慧核心產業規模超過1萬億元，帶動相關產業規模超過10萬億元。在我國未來的發展徵程中，“智能紅利”將有望彌補人口紅利的不足。

[編輯]

人工智慧的三大短板

　　創新工場創始人李開復表示，AI 存在明顯不足的三大短板，即便到了 2042 年，AI 可能仍然無法完全掌握這些能力，包括了:

　　第一、創造力。AI 不具備進行創造、構思以及戰略性規劃的能力。它無法選擇自己的目標，無法跨領域構思，無法進行創造性的思考，也難以具備那些對人類而言不言自明的常識。

　　第二、同理心。AI 沒有“同情”“關愛”之類的“感同身受”的感覺，無法在情感方面實現與人類的真正互動，無法給他人帶去關懷。

　　第三、靈巧性。AI 和機器人技術無法完成一些精確而複雜的體力工作，如靈巧的手眼協作。此外，AI 還難以很好地應對未知的或非結構化的空間。

[編輯]

應對人工智慧威脅的3R法則

　　2023年2月，創新工場創始人李開覆在微博發文“論戰 ChatGPT”，首先是列舉了20項AI容易取代的工作，其次分析了AI存在明顯不足的三大短板，最後針對後ChatGPT時代還給出了三大生存攻略，分別是：Relearn 二次學習；Recalibrate 二次定義；Renaissance 二次復興。

　　李開復稱：“在《AI未來進行式》一書中，我通過故事和講解給出了三大生存攻略，在英文簡稱三個R: Relearn二次學習，Recalibrate 二次定義，Renaissance 二次復興。”

　　1.Relearn 二次學習

　　現在就發出警告，喚醒踩在失業懸崖邊緣的人們，鼓勵主動出擊，重新學習。

　　令人欣慰的是，有不少人類的工作是AI難以勝任的，特別是那些需要創造力、複雜工藝、社交技巧以及依賴人工操作AI工具的工作。我們倡導人們積極投入二次學習，掌握從事此類工作的(新)技能，為適應AI新經濟下的新型工作場景做好準備。

　　職業培訓機構需要儘快重設課程，增加AI時代可持續就業的培訓科目: 政府可以為這些培訓提供獎勵和補貼;企業可以參考類似於亞馬遜職業選擇計劃的方案，設立專項經費，資助員工參加職業再造培訓項目，幫助員工報考飛機維修技師、電腦輔助設計師、醫療護理師等職業資格許可證。

　　值得關註的是，隨著財富的增長和壽命的延長，以人為中心的服務性工作將成為社會的剛性需求，其重要性與需求量都會水漲船高，例如世界衛生組織預測，要實現聯合國“人人享有良好的健康和福祉”這一可持續發展目標，全球醫護人員的需求缺口將高達1800萬人。過去，這類關懷型職業在社會上一直不被重視，薪酬也普遍偏低，但以後，這些“以人為本”的職業將成為AI新經濟運行的基石，值得更多的人考慮通過二次學習來投入其中。

　　為了進一步緩解人力資源供需失衡，我們甚至可以考慮把目前“志願者服務”類型的工作調整為全職薪酬型工作，諸如獻血中心服務人員、寄養服務提供者、夏令營老師、心理咨詢師等，也包括一些為了照顧家中老人不得不離開職場的成年人。

　　另外，可以預見的是，自動化時代一旦到來，社會將需要大批志願者為失業人員提供熱線咨詢，幫助他們解決在職場轉型過程中遇到的疑慮和困難，排解心理壓力，最大限度地避免由於失業所導致的社會問題的發生。這些志願者也應當獲得合理的報酬和社會的認可。

　　2.Recalibrate 二次定義

　　除了重新學習職業技能，我們還需要結合各類AI工具，重新調整工作崗位的“人機協作”模式。因此，對於不少職業的工作方式乃至工作內容，我們需要重新進行定義。

　　信息化革命在短短幾十年內徹底改變了人們的工作方式，使用電腦上的各種軟體是當今普遍的人機協作模式。在AI時代，各行各業將朝著更加智能化的方向“進化”:AI可以測算出不同條件下的沙盤推演結果，可以通過對海量數據進行計算，量化顯示工作任務的最優解可以協助不同行業優化工作流程，完成日常的重覆性事務。

　　我認為，很難出現單一通用型的AI工具，我們必須針對各個行業提供特定的解決問題的應用程式，如此，舉凡藥物分子研發、營銷廣告策劃、新聞信息核實等任務，都能通過高度定製化的AI工具來實現。

　　當我們對一些職業進行二次定義，充分把“以人為本”的人性特質和AI善於優化的技術優勢深度結合起來之後，許多工作將被重塑，不少新興崗位也將被創造出來。

　　在AI時代的人機協作中，AI和人類合理分工、各展所長，AI可以既智能又高效地承擔起各種重覆性任務，由此，人類從業者得以把更多的時間花在需要溫情、創意、策略的人文層面的工作上，從而產生1+1>2的合作效應。

　　舉例來說，人們生病了，最信任的仍然是人類醫生，由於醫生可以使用專業的AI醫療診斷工具，快速準確地為患者定下最佳治療方案，所以能騰出充裕的時間和患者深入探討病情撫慰他們的心靈，醫生的職業角色也將因此被二次定義為“關愛型醫生”。

　　正如移動互聯網催生了滴滴司機、美團小哥等職業，AI的崛起也創造了很多全新的職業，目前已經有AI工程師、數據科學家、數據標註員、機器人維修員等。我們應該時刻關註AI新經濟進程中涌現出的新興職業，確保及時掌握就業情況，關註相關的職業技能培訓。

　　3.Renaissance 二次復興

　　有了得當的培訓和稱心的工具，我們可以期待又一次“文藝復興”的到來-一由AI催生的人類釋放激情、創造力進發、人性升華的新高峰。

　　中國曆史上有膾炙人口的唐詩、宋詞、元曲，歐洲文藝復興則誕生了輝煌的文學、音樂建築、雕塑，這些作品在數百年後仍被人贊頌。那麼，AI新經濟將會激蕩出怎樣的人文復興？

　　AI視覺工具將成為繪畫、雕塑及攝影藝術家們的得力助手，可以按照他們的指示創作、完善作品。AI文字工具可以輔助小說家、詩人、記者，為寫作註入新的靈感。AI可以幫助教師批改作業和試卷，讓教師把時間和精力節約出來，去設計嶄新的課程課件，以此激發學生的好奇心、創造力，培養學生的批判性思維；可以幫助教師在課堂上傳遞標準化知識 (信息)，讓教師把更多的時間花在與學生進行個性化互動上，這樣，他們才能成為AI時代的教育家。

取自"https://wiki.mbalib.com/zh-tw/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD"