来源：中国发展高层论坛
2.人工智能对中国意味着什么?
在多家中国科技巨头积极研发的推动下，中国已成为全球人工智能的发展中心之一。众多的人口和完整的产业结构给中国提供了创造海量数据和广阔市场的潜力。随着老龄化的加速，中国提升生产力的要求就愈发迫切，因此人工智能技术的运用对中国未来的经济发展至关重要。一方面，中国还需要做好许多基础性工作，如更为开放的数据环境和训练有素的数据科学人才。另一方面，人工智能或将引发复杂的社会及经济问题，应审慎考量。
中国在人工智能发展中的地位
中国与美国是当今世界人工智能研发领域的领头羊。仅在 2015 年，两国在学 术期刊上发表的相关论文合计近 1 万份，而英国、印度、德国和日本发表的学术研究文章总和也只相当于其一半 。
中国的人工智能发展多由科技企业推动引领。得益于大量的搜索数据和丰富的产品线，一些互联网企业走在了自然语言处理、图像和语音识别等技术前沿。这些技术被整合应用于新产品中，如自动化私人助理、自动驾驶汽车等。
中国有充足的理由对其在人工智能领域的潜力感到乐观。庞大的人口基数产生的海量数据正是“训练”人工智能系统的前提条件。“范围经济”也是中国的优势所在，广泛的行业分布为人工智能的应用提供了广阔市场。
但是，中国需要持续不断的努力，才能保持人工智能的领先地位，并且最大化其经济潜能。发展创新能力是重中之重。虽然中国在人工智能的论文数量方面超过了美国，但中国学者的研究影响力尚不及美国或英国同行(见图 2)。
此外，美国的人工智能生态系统也更为完善和活跃，创业公司数量远超中国(见图 3)。由研究机构、大学及私营企业共同组成的生态系统庞大、创新且多 元。硅谷在科技领域日积月累的强劲实力形成了强大而难以复制的优势。
以下，我们从数据、算法和计算能力等三个关键因素出发分析中国面临的挑战。
数据
正如人类需要从食物中获得能量，人工智能的“食物”则是稳定的数据流。
人工智能系统必须通过大量的数据来“训练”自己，才能不断提升输出结果的质量。但数据领域的几个因素可能会影响中国人工智能的发展。首先，尽管中国的科技巨头能够通过其专有平台获得海量数据，但在创建一个标准统一、跨平台分享的数据友好型生态系统方面，中国仍落后于美国。其次，全球各国都已意识到开放政府数据库有助于促进私营领域创新，但中国政府数据的开放度仍极为有限(见图4)。最后，对跨境数据流通的限制也使得中国在全球合作中处于不利地位。
算法
就应用层面而言，中国的算法发展程度与其他国家并无太大差距。事实上，中国在语音识别和定向广告的人工智能算法上取得了突破进展。而全球的开源平台也使得中国企业能够快速地复制其他地区开发的先进算法。
然而，中国的研究人员在基础算法研发领域仍远远落后于英美同行。一个主要原因就是人才短缺。美国半数以上的数据科学家拥有 10 年以上的工作经验，而 在中国，超过 40%的数据科学家工作经验尚不足 5 年9。中国在人才方面的持续努 力将至关重要。
目前，中国只有不到 30 所大学的研究实验室专注于人工智能，输出人才的 数量远远无法满足人工智能企业的用人需求。此外，中国的人工智能科学家大多 集中于计算机视觉和语音识别等领域，造成其他领域的人才相对匮乏。如果中国 大学对学生提出更高的数学和统计学要求，并且集中资源发展该领域全球前沿研究，人工智能的发展必将受益匪浅。另一个值得思考的方向是改进现有的科研经费分配模式来推进创新。
计算能力
就人工智能的商业应用而言，计算能力并非当前掣肘。由于微处理器在全球市场上是非常普遍的产品，计算能力已经成为一种能够轻松购买得到的商品。
然而，中国绝不能忽视发展自己的先进半导体、微处理器和高性能计算技术的重要性。高运算速度的计算技术是发展尖端人工智能技术的重中之重，而其耗能水平则决定着人工智能解决方案能否实现大规模商业化。计算能力是人工智能的基础设施之一，因此具有极高的战略意义。依赖进口意味着这一基础设施的坚固程度仍不理想。
长期以来，中国的微晶片严重依赖进口，部分类型的高端半导体则几乎完全依靠进口10。2015 年，美国政府禁止了英特尔、英伟达和 AMD 这三家全球最大的芯片供应商向中国机构出售高端超级电脑芯片 。这一禁令显示了中国在半导体方面的自主研发能力对于未来人工智能发展十分重要。
为应对这一局面，中国政府在 2014 年出台了《国家集成电路产业发展推进纲 要》以及“中国制造 2025”行动纲领。中国政府还成立了国家集成电路产业投资 基金，目前募资已超过 200 亿美元。相关行动已初见成效:2016 年 6 月神威太湖 之光超级计算机问世，成为世界上运算速度最快的超级计算机，使用的是中国自主 知识产权的处理器。政府的前期投资可以产生显著的涟漪效应，鼓励私营企业的积极参与。
特种处理器，如可以处理大量复杂计算的 GPU，对人工智能的发展格外重 要。在中国大力发展其集成电路产业的过程中，也应密切关注此类处理器的发展。
总而言之，在探索发展人工智能的战略进程中，中国需要清楚地认识到，科技产业正在快速全球化。从基础研究到应用开发，再到硬件生产，人工智能全产业链的各个环节都包含着大量国际合作。在建设自己的数据生态系统、培养数据科学和研发人才，以及打造半导体产业的同时，中国还需要将其人工智能产业建设成为一个与全球市场融合的开放系统。
人工智能对经济的影响
随着中国老龄化日益严重，生产力的提升刻不容缓，人工智能正是加快生产力增长的重要机遇。然而，政策制定者还应考虑到它可能对劳动力市场产生的震荡。
在过去数十年，中国因“人口红利”受益良多，劳动力的扩张大大促进了经济增长。但老龄化正使中国逐渐失去这一推动力。中国的劳动年龄人口最早将在2024 年达到峰值，并在之后的 50 年中减少五分之一。这一人口结构变化趋势意 味着在当前生产力水平的基础上，中国将缺乏足够的劳动力以维持其经济增长。拉动经济增长唯一可行的方式就是大幅推动生产力增长 。
人工智能有助于缩小这一差距。通过辅助或替代人类劳动，人工智能系统能够更有效率地完成现有工作，从而提升生产力。以英特尔为例，该公司在芯片生产过程中会收集大量数据。过去，如果生产中出现问题，公司需依靠人工分析数据寻找根本原因。而现在，机器学习以远胜人工的速度完成这项任务，其算法能够筛选成千上万的数据点以找出残次芯片的共同特征。此外，人工智能还可以使工业机械制造、供应链、物流以及其他生产流程更为高效。人工智能应用还能通过预测故障、找出瓶颈，以及自动化流程和决策创造出巨大效益。
酒店和餐饮服务业、制造业以及农业在中国经济结构中占据了相当大的比重，其中包含大量重复的、可自动化的工作内容。麦肯锡全球研究院预测，根据应用速度的不同，基于人工智能的自动化为中国带来的生产力提升每年可贡献0.8 至 1.4 个百分点的经济增长。 除了提升生产力之外，人工智能技术的不断发展也将创造新的产品和服务，提供新的岗位和业务。就在几十年前，还没有人会想到互联网经济催生的新职业，而人工智能也将带来相似的变革。
人工智能有大幅提升生产力增长的潜力，但代价可能是收入差距的进一步拉大。总而言之，人工智能将推动形成所谓的“技能偏好型科技变革”——即数字技能将特别受到重视，而对中低端技能劳动力的需求将缩小。比如，考虑到阿里巴巴已在其移动支付应用中启用了人工智能客服，由此可以设想今后客服等职位的需求将减少。劳动力总需求因而可能下降，尽管平均收入水平有希望上升，财富分配则将进一步向具备合适技能的人才聚拢。“数字鸿沟”有可能扩大社会分化。
总体而言，中国目前从事可自动化工作的劳动力人口超过其他国家。麦肯锡全球研究院预测中国 51%的工作内容有自动化潜力，这将对相当于 3.94 亿全职人力工时的冲击 。
由重复性工作内容和可预测的程序性任务构成的职位尤其容易被人工智能取代。根据成本效益分析，中等技能工人将首当其冲，而低收入岗位则可能存在更长时间。但这并不意味着如今的高端工种能够完全免受冲击。比如，医生之类专业人士的部分工作也可能被自动化，而医生的工作内容将会更专注于与人的沟通和互动 。许多职业并不会消失，但其工作内容将会发生改变，因此教育和培训体系也应与时俱进。一份美国政府报告预测了可能在未来盛行的四大类人工智能相关工作 :使用人工智能系统完成复杂任务的协作性工作(如护士使用人工智能应用常规查房);开发人工智能科技和应用的研发性工作(如数据科学家和软件研发人员);监测、授权或修理人工智能系统的监测性工作(如人工智能机器人的修理师);适应人工智能时代的工作(如建立人工智能相关法律框架的律师或设计适合自动汽车行驶环境的城市规划师)。
对先进数字技能的需求增加和低端劳动力的剩余将可能导致不平等的加剧，部分人群在这一问题面前尤为弱势。比如，目前女性在中国计算机技术专业毕业生中的占比不到 20%16;从事可自动化的、重复性职业的女性过多，而在科技和 管理岗位中又不足。在最新的万事达卡女性进步指数中，中国女性在就业方面得分 83.8，但在领导方面仅获 27.8 分，说明了高技能职位的两性平权远未实现 。 而人工智能因此可能会进一步加剧性别不平等。
与之相似，人工智能的逐步应用也可能进一步拉大富裕沿海地区与欠发达内陆地区的差距，加剧城乡发展的不平衡。只有认真研究充分评估各种可能性，才能规划好人工智能占据重要一席的未来。
对社会的影响
人工智能发展前景广阔，可用于改善医疗、环境、安全和教育，提升民生福祉。与此同时，由于它模糊了物理现实、数字和个人的界限，衍生出了复杂的伦理、法律及安全问题。随着人工智能的逐渐普及，需要审慎管理来应对这一转变。
许多现有用例展现出了人工智能解决社会问题的潜力。人工智能系统能够帮助科学家预测环境变化。康奈尔大学利用这一技术预测动物栖息地变化以保护某些鸟类 。人工智能在医疗领域也得到广泛应用。荷兰政府使用人工智能技术为特定病患群体寻找最有效的治疗方案，并通过分析数字化的医疗档案来减少医疗失误体的追踪来确定疾病爆发的源头 。人工智能系统还能提升公共交通系统的安全性和效率。已有证据表明使用人工智能技术的自动驾驶汽车可以减少交通事故 。而阿里巴巴与杭州政府合力推进智能城市交通体系，以人工智能控制交通信号灯，可以有效减少城市特定区域的拥堵并使通行速度提高 11%22。
另外，人工智能还被用于预测能源需求，管理能源使用。谷歌大数据中心的能耗降低 ，英国政府对电网系统中需求高峰的管理 都是该技术方向的早期用例。对企业和消费者而言，这意味着高达数十亿美元的能源节约机会。
然而，除了这些潜力外，管理具备自主学习和决策能力的机器也是一份重艰巨的责任。许多值得深思的伦理和法律问题因此而生。阿西莫夫的机器人三大定律首次尝试为人机互动设立基本原则 。但人工智能技术所带来的伦理问题更为微妙，其潜在影响也更为深远。
首先，当传感器和人工智能无处不在时，企业得以不断收集个人信息，不仅在人们使用数字设备时，也在人们往返于公共和私人空间时。在某些特定场合，比如医院，采集这些个人信息极为敏感。这就引发了一系列问题:谁拥有个人数据?数据应以何种方式共享?面对日趋严峻的网络安全攻击又该如何保护数据?
其次，人工智能可能在决策过程中产生无意识的歧视。由于现实世界存在着各种形式的种族歧视、性别歧视和偏见，输入算法中的数据也可能附带这些特征。而当机器学习算法学习了这些带有偏见的训练数据，也就“继承”了偏见。2016 年，一家顶尖的人工智能企业就发生了此类事故:该公司通过网络论坛训练了一个 实验性聊天机器人，不曾想机器人学会了各种种族歧视和性别歧视的语言，惹恼了许多网络用户。可以想见，如果有偏见的人工智能处在了决策地位，那么其决策可能会导致特定人群受到不公正的待遇。
除伦理问题之外，人工智能在社会的普及更会产生诸多法律层面的影响。如果人工智能的决策导致意外甚至犯罪，谁应当对其负责?人工智能创作的知识产权归谁所有?一旦人工智能拥有超级能力，又该用哪些措施进行监管?人工智能研发人员有哪些法律权利与义务?要建立一个完善的法律及伦理框架，仍有许多问题尚待充分探讨。
对地缘政治的影响
人工智能的发展大多在开源环境下进行，充分体现了国际合作的重要性。进一步的推进人工智能的发展也需要各国合力提供更为广泛的数据、算法、资金和人才交流。然而，虽然全球经济不断数字化，全球监管方面的许多领域仍是一片空白。赶超人类智力的自动系统带来了诸多伦理及安全问题，也需要国内及国际间的共同协作来解决。
此外，正如基于人工智能技术的自动化将造成劳动力市场分化，技术不发达的发展中国家在这一波发展浪潮中也将落于下风，国家间的“数字鸿沟”进一步扩大。一些国家原本期待快速增长的人口能够推动劳动力密集型经济的发展，但如果大量人力工作被机器取代，甚至可能出现新的社会动荡。
最后，计算机模拟工具已经被广泛运用在战争推演，而人工智能将进一步提升这类模拟的精度和能力。人工智能武器化隐藏着巨大的风险。由美国海军委托撰写的一份报告声称，随着军用机器人的复杂化，人们应更多关注其自主决策能力带来的影响26。史蒂芬·霍金、伊隆·马斯克及超过 1000 名人工智能和机器人研究 员共同签署请愿信，要求禁止在战争中使用人工智能，并警告“自动化武器”可能带来可怕灾难 。人工智能系统正如此前的核能及核武一样，必须通过强有力的国际公约来确保其和平使用，以保障世界各国的安全。
免费参加InnoTalk沙龙-InnoTalk-从人工智能在金融领域的应用创新看未来发展机会：
