人工智能的基礎論文
人工智能的基礎論文
人工智能在本質上是一種能力，而不是某種具體的技術設備。人工智能作為一種解決問題的能力，可以存在于各種軟件或硬件之中。以下是學習啦小編整理分享的關于人工智能的基礎論文的相關文章，歡迎閱讀!
人工智能的基礎論文篇一
人工智能重塑未來生活的基礎力量研究報告
什么是人工智能?
本報告在分析學習專家所提出的各種定義的基礎上，對人工智能的概念進行如下定義：“人工智能是完成目前只有人類智慧才能完成的任務的一種能力。”
人工智能在本質上是一種能力，而不是某種具體的技術設備。人工智能作為一種解決問題的能力，可以存在于各種軟件或硬件之中。
人工智能將作為一種基礎力量而存在
隨著人工智能變得越來越強、應用領域越來越廣，未來它將像互聯(lián)網和電一樣作為一種基礎力量，滲透到人類生產和生活的各個方面，并極大地重塑人類社會。人工智能未來的主要存在形式不是可見的機器人，而是隱藏于各種產品與服務的背后。
大多數民眾認為人工智能已在日常生活中廣泛存在
計算機世界研究院在面向普通民眾的調研中，向受訪者詢問“您認為您在日常生活所使用的產品或服務中存在人工智能嗎?(比如手機、汽車等)”時，有86.05%的受訪者認為存在，只有13.95%的受訪者認為不存在。這反映出隨著普通民眾了解人工智能的信息渠道日益豐富，他們對人工智能的了解也越發(fā)全面。
影視作品是普通民眾了解人工智能最主要的途徑
在計算機世界研究院面向普通民眾的調研中發(fā)現，認為影視作品是自己了解人工智能最主要途徑的受訪者最多，占比為39.53%;其次是“媒體相關新聞報道”，占比為37.21%。
人工智能是提高大數據分析速度與準確度的重要途徑，甚至可以說是唯一途徑
大數據分析不僅僅是做計算，那樣分析大數據只需要借助性能更高、運算速度更快的計算機就行了。大數據分析的真諦在于從紛繁復雜、看似毫無關系的龐大數據中找出關聯(lián)性，并進行邏輯推理得出結論，然后為人類提供決策參考支持。找出關聯(lián)性和邏輯推理就需要利用人工智能來實現。
當下人工智能發(fā)展的六大有利因素
1、數據提供充足養(yǎng)料
2、 硬件領域的突破
3、 云計算的發(fā)展
4、 深度學習技術的發(fā)展
5、 物聯(lián)網延伸“人工智能”感知范
圍
6、 科技公司積極參與
正確認識人工智能
2015年7月4日，國務院印發(fā)《關于積極推進“互聯(lián)網+”行動的指導意見》，將人工智能列為“互聯(lián)網+”11個重點行動之一，充分反映出國家層面對人工智能的重視。提到“人工智能”，大眾對這個概念并不陌生。人工智能多年來一直是科幻影視作品、科幻小說的重要題材，然而不陌生并不意味著真了解。由于大眾對人工智能的了解多來自于科幻作品，所以大眾往往將人工智能和機器人聯(lián)系在一起，無論它是《終結者》中的T-800，還是《星際穿越》里的塔斯。機器人是人工智能的一種體現形式，但遠遠不是全部。這就像電腦是互聯(lián)網的一種體現形式，但不是互聯(lián)網的全部。
提到人工智能，七成民眾首先想到的是機器人。計算機世界研究院在面向普通民眾的調研中向受訪者詢問“提到‘人工智能’這個詞你首先聯(lián)想到的場景是什么?”，選擇“機器人”的受訪者占比為69.77%，達到七成，而選擇“其他”的受訪者占比為30.23%。
未來人工智能將像互聯(lián)網和電一樣，作為一種基礎力量，滲透到人類生產和生活之中，“流淌”在多種多樣的產品和服務之中?；蛟S你的身邊沒有機器人，但卻廣泛存在著人工智能。如果說之前的自動化是延展和放大人類肌肉的力量，那么未來的人工智能將是延展和放大人類頭腦的力量，“人工智能+”的時代不會太遙遠。
概念界定
人工智能不是一個新概念，它提出于上世紀50年代。盡管“人工智能”如今已經成為計算機科學的一個重要分支，但它最早是由數學家而不是計算機科學家提出的，因為那時還沒有計算機科學家。1956年夏天，由約翰・麥卡錫、馬文・明斯基、納撒尼爾・羅徹斯特與克勞德・香農等十位一流的科學家圍繞“人工智能”這一主題，在達特茅斯學院組成了一個為期6周的工作組，“人工智能”(Artificial Intelligence)這一概念被正式提出。
關于人工智能，業(yè)界提出了多個定義，其中具有代表性的定義有如下幾個：
“人工智能是關于知識的學科�D�D怎樣表示知識，以及怎樣獲得知識并使用知識的科學。”
――美國斯坦福大學人工智能研究中心尼爾遜教授
“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作。”
――美國麻省理工學院溫斯頓教授
“研究如何使計算機在什么地方、什么時刻使人生活得更好。”
――計算機科學家伊萊恩・理查德
本報告在分析學習專家所提出的各種定義的基礎上，對人工智能的概念進行如下定義：“人工智能是完成目前只有人類智慧才能完成的任務的一種能力。”該定義涉及三個要點： “人類智慧”、“目前”和“能力”。
“人類智慧”：并不是說一個機器能完成人類才能完成的任務，它就擁有人工智能。前提是它自身必須擁有一定程度的人類智慧，而不是還需要借助人類智慧加以控制。比如遙控機器人在人的控制下可以完成一些之前人才能完成的任務，例如在火災現場端起滅火器滅火，但這種遙控機器人在完成任務時其實還是要借助人類智慧，通過操作員的人腦下指令，它本身并沒智慧，不能獨立完成任務，只是人類雙手或雙腳的延伸，并不具備人工智能。 “目前”：人工智能是一個面向未來的研究領域和實踐領域，它所對應的具體技術和應用并不是一成不變。一旦人工智能可以完成目前只有人類智慧才能完成的任務，那么過不了多久它就不被視為人工智能了。例如在機器會下棋之前，人類把下棋視為自己的“大智慧”，如果這時候某位科學家說我要開發(fā)一種技術，能夠讓機器會下棋，并且比人類下得更好，那么人們會認為“機器會下棋”絕對屬于人工智能。上世紀90年代電腦就擊敗了國際象棋大師，然而如今已經很少有人將“會下棋”視為人工智能。正如“人工智能”概念的提出者約翰・麥卡錫所言，“一旦一樣東西用人工智能實現了，人們就不再叫它人工智能了”。用凱文・凱利的話說，人工智能的每次進步不僅是重新定義人工智能的意義，也在重新定義人類的意義。
“能力”：人工智能在本質上是一種能力，而不是某種具體的技術設備。人工智能作為一種解決問題的能力，可以存在于各種軟件或硬件之中。例如，蘋果公司開發(fā)的Siri語音控制功能就是一種人工智能。當你問明天的天氣時，Siri能聽懂你的話并回答你，這本來就在完成之前只有人類智慧才能完成的任務。
人工智能的分級
既然人工智能是一種能力，那么能力就有強有弱。如同人類的智商有高低之分，人工智能也是分級的，可以大致分為弱人工智能、強人工智能和超人工智能三個級別。
(1)弱人工智能
弱人工智能指僅依靠計算速度和數據來完成某個單方面任務的人工智能。弱人工智能在人類日常生活中已經廣泛存在。例如電子郵箱自動過濾垃圾郵件的功能就是一種人工智能。它不需要勞你費心，它會根據不斷完善的規(guī)則和數據積累，比較準確地識別出哪些是垃圾郵件，代你過濾掉這些郵件。但是它只能幫你過濾垃圾郵件，不能幫你干其他任何事情，比如下棋，這就叫“完成某個單方面任務”。
麻省理工學院人工智能實驗室主任羅德尼・布魯克斯曾說過，“有愚蠢的謠言說人工智能已經失敗，但人工智能在你周圍是無處無時無刻存在的。人們恰恰沒有發(fā)覺，在汽車系統(tǒng)里調整燃油噴射系統(tǒng)的參數就是人工智能。當你下飛機的時候，人工智能調度系統(tǒng)會為你開門。當你用一個微軟軟件的時候，都有人工智能系統(tǒng)試圖解決你所做的事情，比如寫信，它做得相當好。當你看一個由計算機制作角色的電影時，作為一個群體的行為，它們都沒有人工智能。當你玩視頻游戲時，你的對手就是人工智能系統(tǒng)”。
大多數民眾認識到“弱人工智能”也是人工智能。雖然普通民眾可能還不知道“弱人工智能”這個概念及其含義，但他們已經認識到“弱人工智能”所對應的一些技術、能力、 產品和服務也屬于人工智能的范疇。計算機世界研究院在面向普通民眾的調研中，向受訪者詢問“您認為您在日常生活所使用的產品或服務中存在人工智能嗎?(比如手機、汽車等)”時，有86.05%的受訪者認為存在，只有13.95%的受訪者認為不存在。這反映出隨著普通民眾了解人工智能的信息渠道日益豐富，他們對人工智能的了解也越發(fā)全面。影視作品中所展現的人工智能大都是特別厲害的機器人，其人工智能的能力遠遠超過“弱人工智能”的程度，如果民眾了解人工智能的信息渠道僅有影視作品，那么他們中的很多人都會認為自己的日常生活中不存在人工智能。然而調研結果顯示近九成的受訪者認為存在。根據計算機世界研究院的分析，大多數民眾之所以認為“弱人工智能”也是人工智能，主要歸因于近年來媒體對人工智能的新聞報道讓民眾對現實生活中的人工智能有了更多了解。
(2)強人工智能
強人工智能已經達到了人類智慧的水平，可以思考、推理、做計劃、理解復雜理念，并在實踐中不斷學習，甚至具備意識和情感，簡言之，就是人腦能干的事它都能干。科幻影視文學作品中展示的大多是這種強人工智能，然而目前人工智能的發(fā)展水平還遠沒達到強人工智能的水準。
(3)超人工智能
超人工智能比人腦還要聰明很多。用牛津大學人工智能倫理學家尼克・波斯特洛姆(Nick Bostrom)的說法就是，“在幾乎所有領域都比最聰明的人類大腦都聰明很多，包括科學創(chuàng)新、通識和社交技能。”
半數以上民眾認為強人工智能永遠不會實現。計算機世界研究院在面向普通民眾的調研中向受訪者詢問“您認為再過多久人工智能的“智慧”會超過人腦”時，選擇“永遠也不會超過”的受訪者最多，高達51.16%，遠遠超過其他選項。另外有9.30%的受訪者認為需要60年以上。這反映出普通民眾認為強人工智能更多還是處于科幻階段，真正要實現的話還很難。不過也不乏對科技進步比較樂觀和自信的普通民眾，有4.65%的受訪者認強人工智能5年以內就會實現，有13.95%的受訪者認為需要6～15年。
普通民眾對未來是這么預測的，那么科技專家是怎么認為呢?美國科學家、未來學家、奇點大學校長雷蒙德・庫茲韋爾在上世紀80年代曾預測1998年計算機將打敗人類國際象棋棋王，他的這一預測已經成功應驗。他預測在2029年計算機的推理能力將超過人類。
普通民眾對人工智能的認知狀況
(1)絕大多數民眾對人工智能了解的還不深
在計算機世界研究院面向普通民眾的調研中發(fā)現，受訪者中表示對人工智能概念“非常了解”和“比較了解”的占比分別為2.33%和16.28%，加在一起不到兩成。表示“一般了解”的受訪者占比最高，為46.51%，其次是表示“不大了解”的受訪者，占比為34.88%。這反映出人工智能近年來雖然在業(yè)內比較火，但普通民眾對人工智能的了解還比較泛泛。
(2)絕大多數民眾對人工智能挺感興趣
在計算機世界研究院面向普通民眾的調研中發(fā)現，受訪者中表示對人工智能“非常感興趣”和“比較感興趣”的占比分別為13.95%和58.14%，加在一起超過七成。而表示對人工智能“不大感興趣”的受訪者占比僅為6.98%，不到一成。表示對人工智能“興趣一般”的受訪者占比為20.93%。受訪者中沒人表示對人工智能“完全不感興趣”。這反映出盡管目前普通民眾對人工智能的了解程度還不夠，但興趣很高。 (3)影視作品是普通民眾了解人工智能最主要的途徑
在計算機世界研究院面向普通民眾的調研中發(fā)現，認為影視作品是自己了解人工智能最主要途徑的受訪者最多，占比為39.53%;其次是“媒體相關新聞報道”，占比為37.21%，幾乎與影視作品并駕齊驅。這反映出隨著近年來國內外科技界、各產業(yè)重新掀起了人工智能熱潮，媒體圍繞人工智能的新聞報道也比較多，而這些報道對普通民眾了解人工智能發(fā)揮了很大作用。另外值得注意的是，有9.3%的受訪者認為“與別人溝通”是自己了解人工智能最主要的途徑，這反映出人工智能已經成為普通民眾日常溝通中的一個話題。
(4)對于人類社會是否需要比人腦更聰明的人工智能，普通民眾看法多元化
計算機世界研究院在面向普通民眾的調研中向受訪者詢問“您覺得人類社會需要比人腦更聰明的人工智能嗎”時，有44.68%的受訪者認為需要，有29.79%的受訪者認為不需要，還有25.53%的受訪者表示“不好判斷”。由此可見，無論持哪方觀點的受訪者在占比上都沒有超過半數，觀點多元化特征比較明顯。
人工智能將作為一種基礎力量而存在
隨著人工智能變得越來越強、應用領域越來越廣，未來它將像互聯(lián)網和電一樣作為一種基礎力量，滲透到人類生產和生活的各個方面，并極大地重塑人類社會。人工智能未來的主要存在形式不是可見的機器人，而是隱藏于各種產品與服務的背后。這同互聯(lián)網和電頗為相似，這兩種基礎力量雖然已經極大地重塑了人類社會，實現了人類社會的電氣化與信息化，然而我們卻很難看到互聯(lián)網和電本身，它們默默無聞地支撐著各種產品與服務。這些基礎力量看似不存在，但已構成現代文明社會的基石。
絕大多數民眾認為未來人工智能將大大改變人類社會。計算機世界研究院在面向普通民眾的調研中，向受訪者詢問“您認為未來的人工智能會像今天的互聯(lián)網一樣重塑人類的生產和生活嗎”時，高達93.02%的受訪者認為會，僅有2.33%的受訪者認為不會。
人工智能的主要應用領域
美國市場研究機構Lux Research預測，到2030年，全球將有1200萬輛無人駕駛汽車售出，而汽車普及量逐年增長的中國將占有這個新市場高達35%
當我們的預測能力變得越來越好，越來越“智能”，此時所謂的“數據科學”這個詞，才能逐漸地變成現在人們口中的“人工智能”。但事實上，兩者之間并沒有很明顯的區(qū)別，“唯二的”區(qū)別，可能是在對新穎和難度的感知上有所不同。實際上，所謂新穎和難度，其實都會隨著時間而發(fā)生改變，今天的“人工智能”，就是明天的“數據科學”。
――Zavain Dar，Lux Capital風險投資人
人工智能屬于基礎型技術，目前已經廣泛應用在人機交互、大數據分析、醫(yī)療護理、無人駕駛、工業(yè)機器人和智能家居等多個領域。
人機交互
從計算機本身的發(fā)展來看，人機互動的方式也是一個不斷“擬人化”的過程，從早先的輸入命令符到鼠標圖形界面操作，再到今天流行的手指觸屏操作。人類逐步采用自己最習慣的方式來和機器互動，未來語音識別與圖像識別將成為人機交互的重要方式。聽懂話、看懂圖這是只有人類才能完成的任務，所以語音識別與圖像識別顯然屬于人工智能的重要應用領域。
最近幾年，語音識別技術發(fā)展得比較快。公眾已經能從手機上各種語音助手中感受到語音識別的便利和魅力。然而目前語音識別的技術還有待進一步提升，比如要提升在嘈雜背景環(huán)境中識別語音的能力，畢竟用戶并不是只有在安靜的環(huán)境中才需要語音助手。未來語音控制或許將成為人類操作機器的一種重要方式，它畢竟要比觸控操作方便許多。就目前來看，人與汽車之間的人機互動對語音識別有著很大的需求。在駕車環(huán)境中，出于駕駛安全的考慮，駕駛員不方便用手與智能車載系統(tǒng)互動，也不能給予太多“眼神”關注，語音就成了信息輸入與輸出比較合適的人機互動方式。隨著汽車智能化的趨勢日益明顯，語音識別在汽車領域的應用將逐步深化與普及。就國內來看，科大訊飛、車音網等公司在語音識別領域已經有了比較深的技術沉淀與積累。
所謂圖像識別，就是計算機從圖像中識別出物體、場景和活動的能力。它屬于計算機視覺的范疇。計算機視覺的總體目的就是讓計算機能像人類一樣用“眼”去觀察世界、理解世界。相比語音識別，圖像識別面臨的技術難度要更大些。人工智能的特點就是這樣，對于那些需要人類用心計算的事情，它幾乎不花時間就能完成，而對于人一眼就能看明白的事情，它卻很難完成。比如，對于大多數人，能一眼看出照片里的人正在干什么，但要讓電腦來完成這項任務卻需要前期做大量準備工作。盡管圖像識別的技術還有待成熟，但圖像識別已經開始應用在人機交互中，比如阿里巴巴推出的刷臉支付功能。此外在電商領域有一個比較火的前沿創(chuàng)新業(yè)務，那就是消費者無論在何時何地，看到自己感興趣的一個物品，隨手拍張照片，相應的軟件就會告訴用戶網上哪里有賣，并一鍵下單。這個新業(yè)務很炫，也很方便，但一個重要前提就是，軟件得能迅速、準確地識別出照片中的物品是什么。新加坡的ViSenze公司主打的就是圖像搜索與識別技術，可以根據用戶拍下的商品，將用戶“倒流”到相關的電商網站。
大數據分析
大數據已被公認為新時代的寶藏，然而大數據只有經過科學充分的分析才能發(fā)揮價值。大數據分析不僅是做計算，那樣分析大數據只需要借助性能更高、運算速度更快的計算機就行了。大數據分析的真諦在于從紛繁復雜、看似毫無關系的龐大數據中找出關聯(lián)性，并進行邏輯推理得出結論，然后為人類提供決策參考支持。找出關聯(lián)性和邏輯推理就需要利用人工智能來實現。當然，借助人腦也可以找出關聯(lián)性，但在大數據時代，面對天文數量級別的龐大數據，而且這些數據還在實時激增，完全借助人腦來完成，顯然是不可能的。人工智能是提高大數據分析速度與準確度的重要途徑，甚至可以說是唯一途徑。 越來越多的非結構化數據需要人工智能去處理。數據不僅是數字，還包括圖像、視頻等。而且數據也不僅僅是存在于數據庫之中的結構化數據，隨著大數據時代的到來，非結構化數據越來越多，在類型上包括電子郵件、文本文件、圖像和視頻等。在這些海量的非結構化數據中蘊藏著價值，但需要去發(fā)現和分析。對于數字的處理，只需要把數字導入計算機系統(tǒng)，計算機就可以輕而易舉地去完成。如前所述，算數對計算機根本不是事兒。然而分析文本文件、圖像、視頻、音頻等數據，則需要成熟的自然語言處理技術、圖像識別技術、語音識別技術等，這些都是人工智能的范疇。
醫(yī)療護理
人工智能已經開始應用在醫(yī)療護理領域。圖像識別技術被應用于X光檢查等醫(yī)學影像的分析。美國很多醫(yī)院已經開始采用語音識別技術來幫助醫(yī)生抄錄醫(yī)囑。IBM開發(fā)的沃森電腦已經可以利用自然語言處理技術來閱讀、學習醫(yī)學文獻，并診斷病情。凱文・凱利就曾接受過沃森電腦的醫(yī)療服務。當凱文・凱利輸入他曾經在印度感染上的某種疾病癥狀時，沃森給出了一張疑似病癥的清單，并列出可能從高到低的疾病。沃森認為凱文・凱利最可能感染了賈第鞭毛蟲病，而事實確實如此。目前，IBM在做一個新項目，目標是讓計算機醫(yī)療影像的理解能力可以達到放射科大夫的水準，比如計算機看到一張CT照片后，能夠從中分析出有價值的信息。
目前國內一些企業(yè)也開始運用人工智能在醫(yī)療領域開展實踐。例如百度與北京祥云醫(yī)院合作在網上提供皮膚病的預診。患者用手機給患病皮膚拍張照片，然后上傳到百度，百度就可以做出一個預診的診斷，說明大概是什么問題?；颊呖梢愿鶕A診的診斷，了解應該進行哪些初步處理。除了診斷疾病外，人工智能還有望預測疾病發(fā)生的可能性。每天網民在百度會搜索大量流行病相關信息，這些信息經過“百度大腦”的處理，經過積累，可以形成一個個預測模型，預測未來疾病的活躍指數。
無人駕駛
無人駕駛是綜合運用人工智能的一個重要領域，可以說是集大成者。它不僅需要車輛能及時全面地感知周圍路況，做出正確的判斷和預測，還能迅速執(zhí)行，這提出了很高的技術要求。目前谷歌、百度等科技公司，以及寶馬、福特等汽車廠商都在開發(fā)無人駕駛技術，并取得了很大的進展。其實無人駕駛只是人工智能在汽車領域一種比較高級和全面的應用，一些初級的人工智能應用已經在汽車中廣泛存在了，比如制動防抱死系統(tǒng)、自動泊車系統(tǒng)等。
谷歌是在無人駕駛技術領域發(fā)力最早的科技公司，成果也比較顯著。谷歌無人駕駛汽車運用的主要技術有激光測距系統(tǒng)、雷達、GPS、立體視覺、車輪角度編碼器和紅外攝像頭等。位于車頂的激光測距系統(tǒng)向周圍發(fā)射64束激光射線，遇到障礙物后就反射回來，通過這種方式計算出車輛與周圍物體間的距離。2015年6月26日，谷歌在其總部附近的公共街道上投放測試了最新款的無人駕駛汽車，時速提高至40公里。這是谷歌該款無人駕駛汽車首度被允許行駛在公共道路上，此前只允許在舊金山東南約120英里空軍基地的專用軌道上行駛。
盡管科技公司和車企都在發(fā)展無人駕駛技術，但他們在追求目標上還有所不同。谷歌等科技公司想打造的是完全無人駕駛汽車，對駕駛員沒有任何依賴。而車企想打造的是高度無人駕駛技術，或者說是智能駕駛輔助技術，通過人工智能來輔助駕駛員開車，讓駕駛員的駕乘體驗更舒服、更安全。捷豹路虎研發(fā)和技術總監(jiān)就表示，捷豹路虎汽車公司不會將汽車打造成一個將駕駛者像貨物一樣從A點運輸到B點的機器人。駕駛者需要從開車過程中獲得更多樂趣。福特也致力于在全系產品上推廣駕駛員輔助技術，讓經濟型轎車的用戶也能享受到人工智能技術帶來的便利，包括自動泊車、轉向及車道保持和制動等。
工業(yè)機器人
雖然不能將人工智能簡單等同于機器人，但機器人無疑是人工智能一個重要的應用領域。目前全球機器人數量已經超過了1000萬臺，它們“奮斗”在家居、醫(yī)療、工業(yè)等各條戰(zhàn)線上。根據中國機器人產業(yè)聯(lián)盟發(fā)布的統(tǒng)計數據，2014年中國市場共銷售工業(yè)機器人約5.7萬臺，較2013年增長55%，約占全球銷量的四分之一，連續(xù)兩年成為全球第一大工業(yè)機器人市場。
2014年，主席在出席中國科學院第十七次院士大會、中國工程院第十二次院士大會的講話中就著重提到了人工智能和機器人，反映出國家高層對該領域的重視。主席指出，“國際上有輿論認為，機器人是‘制造業(yè)皇冠頂端的明珠’，其研發(fā)、制造、應用是衡量一個國家科技創(chuàng)新和高端制造業(yè)水平的重要標志。機器人主要制造商和國家紛紛加緊布局，搶占技術和市場制高點。看到這里，我就在想，我國將成為機器人的最大市場，但我們的技術和制造能力能不能應對這場競爭?我們不僅要把我國機器人水平提高上去，而且要盡可能多地占領市場。這樣的新技術新領域還很多，我們要審時度勢、全盤考慮、抓緊謀劃、扎實推進”。
根據國務院印發(fā)的《中國制造2025》規(guī)劃，機器人是重點領域之一。未來我國將圍繞汽車、機械、電子、危險品制造、國防軍工、化工、輕工等工業(yè)機器人、特種機器人，以及醫(yī)療健康、家庭服務、教育娛樂等服務機器人應用需求，積極研發(fā)新產品，促進機器人標準化、模塊化發(fā)展，擴大市場應用。
智能家居
智能家居的智能體現在許多方面，能夠進行更便捷的控制就是其中之一。目前一些智能家居解決方案選擇了將所有家電的遙控功能集成在手機APP上。這雖然比使用多個遙控器方便，但畢竟還是需要使用手機這一中介。如果做好語音控制，那么用戶不需要借助手機等外部媒介，只需要動動嘴就行了。比如，用戶想打開空調，只需喊聲“打開空調”。如果凡事都需要主人動嘴，那么這樣的智能家居還不算高度智能。隨著人工智能技術發(fā)展得更為成熟，智能家居應該根據主人的生活習慣和需求，像仆人一樣主動做出相應控制。例如Nest恒溫器現在就可以根據主人的生活習慣和反饋情況，實時監(jiān)測室溫，自動調整溫度。 智能安防
智能安防離不開視頻監(jiān)控，視頻監(jiān)控離不開人臉識別，而人臉識別則離不開人工智能。目前，幾乎每個城市在公共場所都有監(jiān)控攝像頭，這些攝像頭所獲取的視頻監(jiān)控錄像對維護社會治安方面發(fā)揮了重要作用。我們在一些影視劇中已經看到了一些場景，待犯罪事件發(fā)生后，公安干警會查看一些關鍵路口的監(jiān)控錄像，以尋找犯罪嫌疑人的蛛絲馬跡。除了事后追蹤嫌犯外，視頻監(jiān)控作為一種監(jiān)督，本身就可以減少犯罪事件的發(fā)生概率。然而視頻監(jiān)控若要發(fā)揮更大作用，就不能僅僅實現對畫面、場景的自動記錄，更要實現自動識別和分析。
視頻監(jiān)控從理論上可以有力保障公共安全，然而在實踐上還面臨很多難題。這些難題制約了視頻監(jiān)控價值的充分利用。對于一個城市而言，它的監(jiān)控攝像頭是以萬計的，所獲得視頻監(jiān)控錄像在數量上十分龐大，如果只是借助人力去觀察這些錄像，進行全方位實時監(jiān)測，需要大量工作人員。這種“人海”戰(zhàn)術，不僅耗時耗力，而且準確度也不高。對于時長達到數萬小時的監(jiān)控視頻而言，有價值的視頻可能就那么一兩秒，肉眼在極度疲憊的情況下，很容易漏看這一閃而過的畫面。在2015年貴陽國際大數據產業(yè)博覽會上，阿里云向外界透露，其正與貴州交警探討建立視頻監(jiān)控系統(tǒng)的“大腦”，借助云端大腦，對視頻監(jiān)控數據進行實時分析后，即可自動鎖定可疑人員和車輛，進行重點監(jiān)控，未來有望實現對犯罪的預測。這意味著在影片《少數派報告》中出現的場景，未來會在現實生活中實現。
翻譯
翻譯是現代人生活、工作中的剛需，隨著人工智能的發(fā)展，未來越來越多的翻譯任務將交由機器去完成。一些專業(yè)翻譯機構已經利用機器來輔助翻譯工作。專業(yè)翻譯人員把一些相對標準化的常規(guī)翻譯任務交給機器，自己去做需要深度思考的翻譯工作。目前，一些科技公司也開始利用大數據、人工智能技術來開發(fā)主打翻譯功能的產品。
2014年，微軟面向個人消費者推出了主打機器翻譯功能的產品――Skype Translator。不同語種的人借助Skype Translator交談。Skype Translator可以把聽到的話實時翻譯成文字顯示在屏幕上，也能通過語音來表達。Skype Translator的翻譯“才能”就源自它對大量資料進行了機器學習，包括已翻譯的網頁、帶字幕的視頻等，從中Skype Translator能“悟出”同一個詞、同一句話在不同語種中怎樣表示。此外，Skype Translator的翻譯過程本身也是一種積累和學習，它翻譯得越多，其翻譯能力也就越強，從而實現一種良性的正循環(huán)。目前Skype Translator還處在早期開發(fā)階段。
隨著平安城市建設等各項政策的繼續(xù)開展和深化，以及交通、教育、金融等各行業(yè)用戶安防意識的不斷增強，預計視頻監(jiān)控市場將保持強勁增長。2014年整個視頻監(jiān)控市場規(guī)模為304億元，同比增長21.12%。而未來，在政策扶持、意識提升、治安需要、經濟增長等因素的推動下，我國視頻監(jiān)控設備市場將擁有更大的發(fā)展空間，預計未來5年年均增長率維持在20%左右。
――華泰證券研究報告《人工智能：浪潮席卷，重塑世界》
發(fā)展人工智能的良好契機
自2011年以來，開發(fā)與人工智能相關的產品和技術并使之商業(yè)化的公司已獲得超過總計20億美元的風險投資，而科技巨頭更是投資數十億美元收購那些人工智能初創(chuàng)公司。
――德勤DUP研究報告《解密人工智能》
大數據提供充足養(yǎng)料
人類不是剛一出生就擁有了完備的智商，需要后天不斷學習和訓練。人工智能也是如此，人工智能也需要在持續(xù)的學習與訓練中來提升智能水平。那么人工智能學習的對象是什么?――數據。人工智能領域一個比較重要的研究方向是依賴統(tǒng)計學、博弈論等數學方法，通過使用一些統(tǒng)計模型來處理圖像、文本和語音等各種數據，進行概率推算。這些模型在處理數據的過程中，本身也在不斷優(yōu)化。而龐大的數據資源是這些方法能有效實行的基石，否則人工智能就成了無源之水、無本之木。
大型數據庫、網頁Cookie、全球網民的搜索行為乃至整個網絡數字世界都可以成為人工智能的學習對象。隨著物聯(lián)網的不斷普及，各種傳感器滲透到人類生活、工作的方方面面，人類的線下生活也將轉化為數據，這將為人工智能提供更多學習對象。關于數據與人工智能的關系，人工智能頂級科學家吳恩達曾做過一個很形象的比喻，他把人工智能比作一枚火箭，有效的深度學習算法是火箭引擎，而數據就是火箭的燃料?；鸺腼w得高、飛得遠，不僅需要強大的引擎，還需要充足的燃料。
就人工智能目前的發(fā)展來看，它取得的一些成績也多是在大量學習相關領域數據的基礎上獲得的。就拿1997年IBM“深藍”電腦與國際象棋大師卡斯帕羅夫之間那場轟動世界的“人機大賽”來講，“深藍”并不是在毫無準備的情況下，完全憑“即興思考”來贏得比賽的。“深藍”此前已經“學習”了一百多年來優(yōu)秀棋手對戰(zhàn)兩百多萬局棋的相關資料，可謂做了大量功課。“冰凍三尺非一日之寒”這句古話用在人工智能身上同樣適用。
硬件領域的突破
人工智能水平的提升不僅需要理論研究的進步，還需要硬件基礎作支撐。上世紀80年代，人工智能在神經網絡等理論研究方面已經取得了很大成就，但苦于能將“想法”轉化為“實踐”的硬件基礎還不成熟。如果要用計算機來模仿人腦的大型神經網絡，這就需要大規(guī)模的計算機集群。在上世紀，無論從計算機的數量還是性能上來說，很難滿足這一要求。
微處理器性能的大幅提升與價格的大幅下降，是近年來硬件領域的重要突破之一?，F在最新一代微處理器的性能是1971年第一代單片機的400萬倍。上世紀90年代，圖形處理單元(Graphics Processing Unit ―GPU)作為一種新型芯片發(fā)展迅速，它能對視覺元素進行并行處理，極大提高了運算效率，促進了機器無人監(jiān)督學習技術的發(fā)展。2005年以后，隨著GPU產量不斷提高，價格不斷下降，業(yè)界已經開始利用GPU芯片來并行運行“神經網絡”。 此外，未來碳納米晶體管在推動微處理器性能提升方面潛力巨大。眾所周知，幾十年來微處理器的性能提升一直遵循摩爾定律，呈指數級增長的態(tài)勢。然而近幾年，計算機工程師們在繼續(xù)縮減硅晶體管的尺寸方面遇到的困難越來越大，硅晶體管需要達到5納米級才能滿足電腦芯片不斷小型化的需求。硅晶體管的尺寸幾年后很可能就會達到極限，為了繼續(xù)維持微處理器，繼續(xù)遵循摩爾定律呈指數級發(fā)展，就需要尋找新的制造計算機芯片的材料。研究人員已經開始研發(fā)碳納米晶體管陣列，芯片要比硅芯片尺寸更小、性能也可以一爭高低。碳納米晶體管陣列所利用的碳納米晶體管是由碳原子排列而成的微小圓柱體，比現在的硅晶體管小100倍。
云計算的發(fā)展
云計算技術的日益普及和成熟也是推動人工智能發(fā)展的一大關鍵因素。盡管服務器等硬件設備在性能上大大提升，成本下降，但是要實現人工智能所要求的強大運算和存儲能力，需要很多硬件設備。如果只通過在本地搭建服務器來完成的話，不僅投資巨大、占用很大的物理空間，在耗電和散熱等方面也面臨很大考驗。云計算通過大規(guī)模、分布式的并行計算，可以整合位于不同空間的計算資源，為獲取強大運算能力提供了一種方便、廉價的途徑，很好地解決了這一問題。
2014年年初，微軟就啟動了“牛津項目”(Project Oxford)，該項目就是基于微軟Azure云，為各方公司提供智能化數據處理的能力。目前聲音、視頻、圖片等各種非結構化數據越來越多，大多數公司都缺乏處理這些數據的能力。微軟將開放的API放在微軟Azure云里，這些API可以告訴這些公司數據里都有哪些內容，比如圖片的顏色、尺寸等，甚至還可以進一步分析，告訴你這些內容是否健康，是否適合小孩觀看，這對一些公司做內容控制會有很大幫助。前陣子比較火的網站“How-Old.net”可以評估照片中人物的年齡，目前該網站已經上傳了6億張照片。作為一個幾天時間就做起來的網站，“How-Old.net”之所以在計算機視覺上能力這么強，就是利用了牛津項目所提供的API。
深度學習技術的發(fā)展
機器學習是指計算機系統(tǒng)無需遵照顯式的程序指令而只是通過暴露在數據中來提升自身性能的能力。其關鍵之處在于，機器學習是從數據中自動發(fā)現模式，模式一旦被發(fā)現便可用于做預測。機器學習可以說是當前人工智能最重要的發(fā)展路徑。機器學習為人工智能研究提供了一種新思路，即人類不需要一下子就開發(fā)出足夠智慧的人工智能，可以先開發(fā)出具備自主學習能力的人工智能，然后讓它通過“后天”學習去不斷成長，自我改良，直至足夠智慧。
英國數學家阿蘭・圖靈早在1950年就提出，“與其編寫一個模擬成人思維的程序，為何不編寫一個模擬兒童習得新知識的程序呢?如果這個兒童習得程序是可模擬的，它終究會通過有效學習，演變成一個與成人大腦智能水平一致的思維程序”。
機器學習也分有監(jiān)督學習、半監(jiān)督學習和無監(jiān)督學習三種。有監(jiān)督學習需要人類幫助機器去學習，比如對數據做標記。有監(jiān)督學習是一種效率有限的機器學習方式，它需要人類干預，這本身就耗費人力，降低效率。在萬物互聯(lián)的大趨勢下，面對越來越多的大數據，再靠人工去進行數據標記，太過耗時耗力，而且很多數據也是無法標記的。相比之下，無監(jiān)督學習可以說是種很有效率的學習方式，它不需要人力介入，面對數據海洋，機器可以“自學”，很省心。
深度學習是當下機器學習領域最受關注的一個領域。2013年4月，《麻省理工學院技術評論》雜志將深度學習列為2013年十大突破性技術之首。深度學習這個概念提出于2006年，近年來取得了重大突破，但其本身并不算是一種新技術。從上世紀80年代開始，一些專家就一直在從事相關探索和研究。10年前微軟就利用類似技術在平板電腦上為用戶提供手寫識別功能。
深度學習更接近人腦的學習方式，可以對未經標記的數據開展學習，其最大特點就是分層級，這也是它被稱作“深度”的重要原因。深度學習通過模仿人類大腦行為的神經網絡，利用更多層次的網絡模型結構來收集事物的外形、聲音等信息(一般可以達到5～10層)，然后進行感知理解并產生相應行為。深度學習對人工智能的發(fā)展意義重大。用吳恩達的話來形容，深度學習實現了人工智能的正循環(huán)。需要注意的是，深度學習只是“更接近”人腦的學習方式，總體而言，它還處于對人腦簡單模擬的階段，并不能把深度學習完全等同于人腦，畢竟人類對人腦的了解程度要遠遠低于對計算機的了解程度。華為諾亞方舟實驗室主任李航在肯定深度學習給人工智能發(fā)展帶來很大機會的同時，強調也不要對深度學習期望過高，因為僅靠深度學習不太可能實現和人類一樣的智能。
2014年，谷歌花4億美元收購了Deepmind公司，該公司在深度學習領域建樹頗豐。DeepMind的研究人員曾開發(fā)了一種軟件。該軟件在玩雅達利的一些游戲時，不必獲得任何游戲規(guī)則的信息。工作人員只需為該軟件提供控制器、顯示器、游戲得分和任務指令――盡可能在游戲中得高分。該軟件在玩太空入侵者、乒乓球等游戲時，剛開始表現得很“外行”，但通過不斷試錯、不斷自學，最后成了游戲高手，比人類玩得還好。當然，深度學習技術不是只能用來玩游戲，它已經被應用于幫助計算機更好地識別語音、文字和形狀，改善搜索引擎搜索效果等很多領域。
物聯(lián)網延伸“人工智能”感知范圍
人類不僅只擁有一顆“大腦”，他還有身體去感知這個世界。與此類似，人工智能也需要用自己的身體去感知世界。什么是人工智能的身體?答案是物聯(lián)網。當前智慧城市在世界范圍內快速發(fā)展，而物聯(lián)網則是智慧城市的重要基礎設施。遍布城市各個角落的聲、光、壓力、溫度等傳感器充當了人工智能的眼、耳、鼻等身體器官，讓世界在人工智能面前變得“具體可感”。華為預測，到2025年，全球連接的終端將達到1000億臺，其中90%以上都是各種智能的傳感器。如前所述，有了物聯(lián)網源源不斷所提供的數據，利用深度學習等技術，人工智能會變得越來越聰明。 科技公司積極參與
谷歌、IBM、微軟、Facebook和百度等全球各大科技公司的高度重視與積極參與，為人工智能提供了一片發(fā)展的沃土。
(1)谷歌
谷歌著力發(fā)展的人工智能項目“谷歌大腦”已經在其眾多業(yè)務領域得到了廣泛應用，比如Google街景地圖、“Google+” 的圖像搜索和Android 系統(tǒng)的語音識別。之前，谷歌需要派人實地檢查街景中建筑物上出現的數字，以判斷這是電話號碼、涂鴉還是真實地址?，F在利用圖像識別這一人工智能技術，谷歌可以在一小時之內識別出法國街景地圖上的所有地址，大大節(jié)省了人力成本和時間成本。據谷歌工程師介紹，“谷歌大腦”的這些應用只是開始，未來“谷歌大腦”能夠大幅優(yōu)化搜索算法，極大地改進了公司的翻譯服務。
除了利用自身積累發(fā)展人工智能外，近年來，谷歌已經斥資數十億美元連續(xù)收購近10家人工智能領域的公司，其中包括DeepMind、Flutter、Nest和Boston Dynamics，這四家公司的業(yè)務重點分別是深度學習、手勢識別、智能家居和機器人。谷歌通過這些收購不僅獲得了技術，更獲得了一大批頂尖人才。
(2)IBM
在人工智能領域，IBM推出了超級計算機“沃森”和模擬人類大腦的芯片――TrueNorth。
IBM推出的大數據服務――“沃森分析”，實現了人工智能在大數據分析領域的應用。“沃森分析”模仿人類的信息處理方式，它不僅理解自然語言，憑借自己的邏輯推理程序，還能基于證據產生各種假設，并且持續(xù)不斷地學習。除了GPU外，近年來模仿人腦運作機理的新型芯片也發(fā)展迅速，為人工智能提供了硬件支撐。2014年，IBM發(fā)布了一款能模擬人類大腦的芯片――TrueNorth，該芯片能夠模仿人腦的運作模式，并擅長模式識別。不用于傳統(tǒng)馮・諾依曼結構的芯片，TrueNorth的內存、CPU和通信部件完全集成在一起，實現在本地處理信息。由于本地處理的數據量不大，就避免了傳統(tǒng)計算機內存與CPU之間的瓶頸問題。TrueNorth擁有100萬個“神經元”內核、2.56億個“突觸”內核，以及4096個“神經突觸”內核，功率僅有70毫瓦，已達到量產要求。
(3)微軟
除了前面提到的Skype Translator，微軟還推出了人工智能姊妹產品“微軟小娜”(Cortana)和“微軟小冰”。微軟小娜定位于個人智能助理，它可以通過學習用戶手機中的文本文件、電子郵件、圖片、視頻等數據，來理解用戶的語義和語境，了解用戶的喜好、行為和習慣，為用戶安排日程或回答問題。微軟小冰主要定位于虛擬伴侶，可以理解為一款聊天機器人。微軟小冰通過學習網絡上的網民語言，以及在和用戶實際溝通中“不斷領悟”，在語料積累上日益豐富，可以和人類進行比較有趣的交流。微軟小冰不僅能基于用戶說的話進行互動，還可以利用圖像識別技術，就用戶發(fā)來的圖片與用戶“看圖對話”。例如，當微軟小冰看到微軟辦公樓的照片后，它會說“在頂層辦公什么樣的體驗”。微軟在Windows 10系統(tǒng)“開始”按鈕的右側加入“微軟小娜”和“微軟小冰”的對話框，這充分顯示出微軟對人工智能業(yè)務的重視。
(4)Facebook
Facebook已經成立了人工智能實驗室，負責人是深度學習大師、紐約大學數據科學中心創(chuàng)始人Yann Lecun。該實驗室主要研究內容包括視頻內容分析、智能回答問題、圖像識別、自動生成圖片樣本等等。Facebook人工智能實驗室正在開發(fā)一種人物識別技術，該技術在看不到人臉的情況下，也能通過分析發(fā)型、衣服、姿態(tài)和體貌特征來識別人。
(5)百度
百度對人工智能的發(fā)展極為重視。百度研究院下設硅谷人工智能實驗室、北京深度學習實驗室和北京大數據實驗室等三大前沿實驗室，其中包括語音識別與圖像識別兩大重要部門。百度人工智能技術的負責人為深度學習頂級科學家吳恩達。基于深度學習技術的不斷完善，百度在圖像識別、語音識別上的準確度不斷增強，已經廣泛應用于百度移動搜索、百度圖片搜索和百度廣告系統(tǒng)等諸多業(yè)務上。
根據市場研究機構IC Insights的最新預測報告，整體物聯(lián)網上的全球連網設備安裝數量，在2015年將達到132億臺;而同時間約有31億人類用戶，以計算機、手機以及其他系統(tǒng)連結至因特網。估計到2020年，全球有超過250億臺系統(tǒng)/裝置連網，而同時間因特網的人類使用者總數量約44億。
馮・諾依曼體系結構的最大特點是“共享數據，串行執(zhí)行”的一維計算模型。按照這種結構，指令和數據存放在共享的存儲器中內，CPU從中取出指令和數據進行相應的運算。由于存儲器存取速度遠低于CPU運算速度，而且每一時刻只能訪問存儲器的一個單元，從而使計算機的運算速度受到很大限制，CPU與共享存儲器間的數據交換造成了影響高速計算和系統(tǒng)性能的“瓶頸”。
――華泰證券研究報告《人工智能：浪潮席卷，重塑世界》
人工智能發(fā)展面臨的難題
人工智能發(fā)展的拐點已經到來，但需要指出的是，由于技術的復雜性，發(fā)展不會一蹴而就，必然經歷一個由點到面、由專用領域(domain)到通用領域(general purpose)的歷程，通用領域的人工智能實現還比較遙遠。
――華泰證券研究報告《人工智能：浪潮席卷，重塑世界》
技術難題有待突破
近年來，人工智能這個領域很熱，這不是人工智能第一次熱潮。歷史上，人工智能歷經四次熱潮，然而最后都進入“嚴冬”。其中一個重要原因就是想法雖好，理論也不錯，但在技術上面臨的難題實在太多，很難實現。尼克・波斯特洛姆在其《超級智能》一書中就提到，“為什么人工智能的發(fā)展總是落后于預期呢?這主要是因為創(chuàng)造人工智能所遭遇的技術困難遠遠超過了先驅們認為的程度。但這也只是說明我們遇到了多大的技術難題，以及我們離解決這些難題還有多遠”。 從大方向上來說，深度學習這一當今人工智能領域最耀眼的技術，其核心是模仿人腦神經網絡處理信息的方式，然而人類對人腦的運作機理還很不了解。就連深度學習領域杰出科學家、Facebook人工智能實驗室主任Yann LeCun都表示，“大腦無監(jiān)督學習是如何實現的，我們還不得而知，我們還沒有能力開發(fā)出一個類似大腦皮質的算法”，“我們知道最終的答案是無監(jiān)督學習，但是現在我們還沒有找到這個答案”。此外，人類的一些技能也不僅僅依托于人腦。雷蒙德・庫茲韋爾在其著作《奇點臨近》一書中曾提到：“一個人的性格和技能不是只存在于其大腦中(雖然大腦是一個主要區(qū)域)。我們的神經系統(tǒng)遍布整個身體，但同時內分泌系統(tǒng)(荷爾蒙)也對我們具有重要的影響。”
在人工智能一些具體的技術上，還面臨很多難題有待突破。以語音識別為例，雖然目前很多產品語音識別精準度達到了較高水平，但大多都是在比較安靜的情況下才能實現，在比較嘈雜的環(huán)境中，語音識別就很困難。例如小魚在家公司在開發(fā)家庭智能陪伴機器人的過程中，就花費了大量資源用在解決噪音問題上。
來自社會各界的誤解
對于人工智能給人類社會帶來的影響是好是壞，就像外星人對人類是友好還是邪惡一樣，人們的看法不一。把人工智能看得太全能、太完美，這對人工智能的發(fā)展是一種“捧殺”，而把人工智能看得太邪惡、太齷齪，會搶人類的飯碗，帶來大量失業(yè)，甚至是滅絕人類，則是對人工智能的一種“棒殺”。
歷史上曾掀起多次發(fā)展人工智能的熱潮，一些人對人工智能的發(fā)展速度和作用所持態(tài)度過于樂觀。他們不僅認為人工智能很快就會實現，而且認為人工智能會無所不能，不日就會給人類社會帶來翻天覆地的變化。這種過于樂觀的看法雖然激發(fā)起人們一時對人工智能發(fā)展的熱情和期待，然而一旦遇到困難和挫折，人工智能的研究殿堂就變得門可羅雀了，因為人們發(fā)現它很難那么快實現，而且離“完美”與“萬能”還遙不可及。Yann LeCun就曾表示， “一些不實宣傳對于人工智能是非常危險的。在過去的50年里，人工智能就先后因為不實宣傳而沉淪了四次。關于人工智能的炒作必須停止。”
除了“捧殺”，還有“棒殺”。一些科技界精英認為人工智能未來會給人類社會帶來“存在風險(existential risk)”。所謂存在風險就是指那些威脅到整個人類發(fā)展，或是將人類徹底毀滅的風險。特斯拉公司創(chuàng)始人埃隆・馬斯克曾表示，“我們需要十分小心人工智能，它可能比核武器更危險”，“每個巫師都聲稱自己可以控制所召喚的惡魔，但沒有一個是最終成功的;因此，只要稍有不慎，人工智能就會為研究它和使用它的人帶來無法預估的惡果”。著名物理學家史蒂芬・霍金也表示，“人工智能可能是一個‘真正的危險’。機器人可能會找到改進自己的辦法，而這些改進并不總是會造福人類。”
近四成民眾認為未來人工智能可能會失控，進而給人類社會帶來災難。計算機世界研究院在面向普通民眾的調研中向受訪者詢問“隨著人工智能未來變得越來越發(fā)達，您認為人工智能會不會失控，給人類社會帶來災難”，有38.3%的受訪者認為會，認為不會的受訪者占比為21.28%，前者幾乎是后者的兩倍。由此可見，很多民眾都認識到了人工智能在高度發(fā)達后所具有的潛在危險性，分析其背后原因，可能與很多經典影視作品都表現了人工智能的危險性有關，另外近來媒體也報道了史蒂芬・霍金等科技大佬對人工智能危險性的警告性言論。
對人工智能的棒殺除了這種略帶科幻色彩的“存在危險”外，一些人認為人工智能的發(fā)展也會給人類生活帶來一些直接的沖擊，比如會搶人類飯碗，造成大量人失業(yè)。這種擔憂是基于以下邏輯，由于人工智能可以干越來越多之前只有人類才能做的事情，而且成本更低、效率更高，很多人會丟掉自己的工作。
近七成民眾認為人工智能會大量減少人類就業(yè)機會。計算機世界研究院在面向普通民眾的調研中詢問受訪者“您認為隨著人工智能未來廣泛應用于各行各業(yè)，會不會大量減少人類的就業(yè)機會”，高達65.96%的受訪者認為會，有25.53%的受訪者表示不會，另外還有8.51%的受訪者表示不好判斷。值得關注的是，在向受訪者詢問他們在人工智能其他方面未來趨勢性判斷的問題時，表示“不好判斷”的受訪者一般要占四成左右，而在回答本問題時，表示不好判斷的受訪者不到一成，這反映出普通民眾更確定人工智能會減少人類就業(yè)機會。
相關法律的完善
實現人工智能廣泛而深度的應用，不僅需要成熟的技術做支撐，還需要成熟的法律法規(guī)來規(guī)范。就像在互聯(lián)網時代，法律法規(guī)出現了不少盲區(qū)，需要改進創(chuàng)新，在互聯(lián)網時代，法律需要改進和創(chuàng)新的地方更多。就拿一個很重要的問題來說，如果人工智能造成了危害，那么法律是應該追究相關技術廠商的責任，還是僅僅懲罰“犯事”的機器就行了。就像美國生命未來研究所(FLI)在一封關于促進人工智能健康發(fā)展的公開信中所提到的關于自動駕駛法律監(jiān)管的問題――“如果自動駕駛汽車能夠削減美國年度汽車死亡人數40000人的一半，那么汽車制造商得到的不是20000張感謝信，而是20000張訴訟狀。什么法律框架可以實現自動駕駛汽車的安全利益?人工智能帶來的法律問題是由原來的法律解決還是分開單獨處理?”自動駕駛只是人工智能的一個應用領域，其他領域同樣面臨法律監(jiān)管的難題。
網絡安全
在互聯(lián)網時代，網絡安全是做任何事情所無法規(guī)避的風險，可以說是一個老生常談的話題。然而人工智能領域的網絡安全具備一些新特征和新挑戰(zhàn)。云計算是支撐人工智能的重要基礎，然而當數據存儲和計算都集中于云端，這相當于“把所有雞蛋都放在一個籃子里”，一旦出現網絡安全事故，所造成的危害和損失是重大的。未來人類生產、生活中的很多設備都會受控于云端的人工智能。如果人工智能因遭受網絡攻擊而“失控”，不僅會帶來經濟損失，甚至會危及人類生命?？苹眯≌f《三體》中就描述了生活在未來城市的男主人公，在飯店吃飯、出行等各種生活場景中，先后遭受到了來自餐廳機器人服務員、無人駕駛汽車等人工智能設備的突然攻擊。而這一切都因為這些“智能”設備被想殺他的外星人控制了。這個情節(jié)現在聽起來還比較科幻，但在未來真的會成為人工智能給人類社會帶來的一大隱患，必須認真面對和解決。 在某種程度上，網絡安全問題是關系到人工智能“是正是邪”的根本性問題?，F在對人工智能的態(tài)度上，一些人視為“魔鬼”，一些人視為“天使”。不管人工智能是什么，一旦它被無法之徒通過網絡攻擊而控制，即使它是“天使”，也會做出“魔鬼”的事情。尼克・波斯特洛姆在《超級智能》一書中提到了他對人工智能網絡安全問題的擔憂。他認為在發(fā)展人工智能的同時，必須要做好網絡安全方面的研究和控制。然而如果各個國家圍繞人工智能的研究和應用掀起了類似“軍備競賽”的競爭，那么在競爭壓力下，各參與方為了追求速度，可能會降低在網絡安全領域的投入，輕裝上陣，快些趕路，而這無疑為未來的人工智能時代帶來了莫大隱患。
隱私保護
隱私問題在某種程度上是和網絡安全相伴相生的問題。在人工智能時代，你生活和工作中的機器會越來越“懂”你，了解你的興趣愛好、生活習慣等。例如你的手機個人助手，會實時分析你和別人的聯(lián)系內容。如果你給某人發(fā)了一條短信，說晚上一起吃個飯吧。那么手機個人助手就會向你推薦合適的餐廳。這是一項很貼心的管家服務，解放了你很多時間，然而這是以犧牲你的個人隱私為前提的。你可能會說，反正我的手機個人助手又不是人，它知道這些隱私也無妨。然而一旦發(fā)生了網絡安全事故，你的這些隱私就極有可能被別有用心的人所掌握。
未來，在人工智能廣泛、深入應用的情況下，人類隱私的隱患不僅存在于個人生活中，還存在于公共生活中。如前所述，視頻監(jiān)控將成為未來人工智能在城市安防中的重要應用領域。未來的視頻監(jiān)控所發(fā)揮的作用不僅是事后尋找破案線索，而是事件發(fā)生的同時，人工智能就能迅速對事情性質做出判斷，然后告知相關人員前去處理，甚至是預測事件的發(fā)生，在事件發(fā)生之前就告知人類采取措施。這很像科幻電影《少數派報告》中的情節(jié)，未來也會成為現實。可以說，你一出家門就生活在人工智能視線里，它在注視你、保護你，這會給你帶來安全，但也暴露了你全天的行蹤，顯然有時你不想讓別人知道你的行蹤。
近一年來，網民因個人信息泄露、垃圾信息、詐騙信息等現象導致總體損失約805億元，人均124元。其中，78.2%的網民個人身份信息被泄露過，包括網民的姓名、學歷、家庭住址、身份證號及工作單位等;63.4%的網民個人網上活動信息被泄露過，包括通話記錄、網購記錄、網站瀏覽痕跡、IP地址、軟件使用痕跡及地理位置等。
――中國互聯(lián)網協(xié)會12321網絡不良與垃圾信息舉報受理中心發(fā)布了《中國網民權益保護調查報告(2015)》
發(fā)展人工智能的策略建議
理性、全面地認識人工智能
有些人認為人工智能的發(fā)展將給人類社會帶來一片光明，也有人認為人工智能會帶來一片黑暗，甚至是人類的滅絕。我們需要考慮到人工智能的潛在威脅，而且要考慮到最壞的情況。考慮最壞的情況是為了早做準備、避免這一情況的發(fā)生。否則無視壞的方面，只會“放任”它的發(fā)生。同時，我們也要考慮到人工智能給人類社會所能帶來的利處，要考慮到最好的情況，而考慮最好的情況則是要為了追求最好的目標，去讓它成為現實。
人工智能會帶來一些人的失業(yè)，但這些人也會走上新的工作崗位。其實科技的發(fā)展史本身就是一部人類不斷把工作“外包”給機器的過程。就目前來看，機器的大范圍應用并沒有造成大規(guī)模的人口失業(yè)，而是驅使人類去從事更有創(chuàng)造性、“更舒服”的工作。谷歌創(chuàng)始人拉里・佩奇最近在接受一次采訪時表示，“曾經有90%以上的人從事農業(yè)，在過去的幾個世紀里，大量的工作都被機器所代替”。機器的廣泛應用雖然大大減少了農業(yè)人口，但它帶來的不是眾多衣食無著的“失業(yè)農民”，而是把大量人口從重復、機械、低附加值的農業(yè)勞作中解放出來，去從事更有創(chuàng)造性、高附加值的工作。
由政府組織科研機構、高校和企業(yè)搭建開放性的研究協(xié)作平臺
研究周期長、學科跨度大、投入資源大是人工智能領域研究的一大特點，這就需要整合方方面面盡可能多的資源來推動研究。拿美國的人工智能研究與應用來講，就體現了政府和企業(yè)深度合作的特點。提到Siri語音助手，人們大多只想到蘋果公司，而該項技術脫胎于美國國防部先進研究項目局(DARPA)投資1.5億美元、歷時5年的CALO( Cognitive Assistant that Learns and Organizes)項目。據相關報道，DARPA目前正在進行一個名為“CwC”(與計算機交流)的新項目，目的是打破人和機器之間的語言壁壘，讓計算機可以像人一樣通過使用口語、面部表情和手勢來表達。
人工智能作為當今人類社會的一個科技制高點，如果要搶占這個制高點，政府可以組織科研機構、高校和企業(yè)搭建開放性的研究協(xié)作平臺。就像百度公司創(chuàng)始人李彥宏提議建立“中國大腦”計劃時所談到的，“這個項目是要做一個關于人工智能的基礎設施，把相應大規(guī)模的服務全集中建立起來，并開放給科研機構、民企、國企、創(chuàng)業(yè)者等社會各個層面，讓大家在這個平臺上嘗試語音識別、視覺識別、自然語言理解、智能機器人等”。
循序漸進，不要一開始就給予過高預期
如前所述，當下已經不是人工智能第一次掀起熱潮，在過去的60年里已經掀起了四次，但很快都沉寂了。其實在上世紀50年代，首次提出人工智能概念的那些杰出科學家們，他們認為在此領域用不了多久在一些關鍵問題上就能取得重大突破，他們在向該項研究的資助方寫的正式報告中也表達了信心。然而幾十年過去了，他們認為很快就能實現的目標直到今日還未實現?？梢哉f之前掀起的四次人工智能熱潮都面臨同一輪回，那就是人類認為在人工智能領域有了新發(fā)現，人工智能的美好愿景很快就會實現，激情滿懷;然而當他們認為已經完成了絕大部分工作后，發(fā)現又出現了很多之前沒想到的問題，而這些問題當下難以解決，然后對人工智能的熱情也就冷卻下來。
當今人類也不比過去幾十年里的杰出科學家聰明多少，人工智能對我們來說仍然是一個未知遠遠多于已知的陌生領域。我們在人工智能領域的探索很像走盤山公路，我們所憧憬的壯麗山峰就在幾十公里之外，已經能看到山峰的輪廓，認為差不多再需要半小時車程就到了。然而我們看到的只是直線距離，我們不知道這彎彎曲曲的山路究竟還要繞多少彎，我們還要走多少彎路。人類在科技發(fā)展上的速度確實是呈指數級的，然而對人工智能的探索也要循序漸進，有激情是好的，但要避免浮躁，要做好打持久戰(zhàn)的心理準備，而不是閃電戰(zhàn)。否則在未來的征途中，一旦遭遇難題，人工智能的這場熱潮可能又會沉寂下去。
下一頁分享更優(yōu)秀的<<<人工智能的基礎論文