人工智能的应用、趋势与反思

周亭 戴立为 曾柔珺 曾越

2016年3月，谷歌旗下公司领衔开发的人工智能程序AlphaGo（阿尔法围棋）在与世界围棋冠军、韩国职业围棋九段棋手李世石的围棋人机大战中以4比1的总比分获胜，引起了全世界广泛关注，也让人工智能、神经科学和深度学习等概念进入公众视野。本文梳理了人工智能的基本概念及其自诞生半个多世纪以来共经历的三次发展浪潮，并围绕产业格局，互联网巨头的人工智能研究，媒介、医疗及交通等领域的人工智能应用，综述了当前人工智能的发展现状。人工智能在感知、决策与反馈三方面展现出广阔的前景。从短期看，人工智能将延续当前的发展方式，不断攻克技术难关，将触角延伸至更多应用领域。从长期看，人工智能将极大改变人类生活，重塑诸多亿万级的领域，跳出“人工智能将统治人类”等常见误区，人工智能发展过程中的偏见、侵犯隐私及技术性失业等问题依然值得反思与警惕。

一 人工智能是什么

目前学术界对“人工智能”并无统一标准化的定义，我们可以从不同角度来理解人工智能。从学科定义上来说，人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从功能上来说，人工智能是智能机器所执行的通常与人类智能有关的活动，如判断、推理、证明、识别、感知、理解、设计、思考、规划、学习和问题求解等思维活动。从目的上来说，人工智能企图了解智能的实质，并生产出一种新的能以与人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

二 人工智能从何而来

1．“人工智能”概念的提出

早在“人工智能”这一概念提出之前，不同领域的科学家就开始致力于神经网络研究，企图寻找制造人工大脑的可能性。1951年，科学家已经写出了西洋跳棋和国际象棋的程序，而“人工智能”概念的确立，却是在1956年。

1956年达特茅斯学院的夏季研讨会上，“人工智能”这一概念第一次作为学科名被确定。会议对“人工智能”的解释为“学习或者智能的任何其他特性的每一个方面都应能被精确地加以描述，使得机器可以对其进行模拟”。“人工智能”一词的主要提出者约翰·麦卡锡认为“人工智能”一词与人类行为几乎毫无关系，它唯一可能暗示的是机器可以去执行类似人类执行的任务。所以“人工智能”的概念被提出时是不涉及“用机器代替人类头脑”的想法的。

包括约翰·麦卡锡在内的达特茅斯会议的组织者和与会者成为接下来数十年间人工智能研究的领军人物。当时的研究者们对人工智能的前景持极乐观态度，达特茅斯会议的与会者西蒙和纽厄尔预言“十年之内，数字计算机将成为国际象棋世界冠军”。然而接下来的十年历史却告诉我们，人工智能研究领域的发展远远滞后于当时的预测。

2．人工智能的三个发展阶段

人工智能诞生半个多世纪以来，其研究共经历了三次发展浪潮。

1957年，罗森布拉特发明第一款人工神经网络Perceptron，这项工作首次把人工神经网络从理论探讨付诸工程实践，将人工智能研究推向第一个高峰。1956～1974年被称为人工智能发展的黄金年代，Joseph Weizenbaum发明了第一个聊天机器人Eliza，它能使用自然语言（英语）与人类交流，但是实际上它并不知道自己在说什么，只是按固定套路作答，或者用符合语法的方式将问题复述一遍。在经费方面，ARPA（美国国防部高级研究计划署）等政府机构向“人工智能”这一新兴领域几乎无条件地投入了大笔资金。

然而，好景不长，即使研究者们的乐观和热情持续了十几年，但仍然有非常多的基础性问题无法解决。计算机内存和处理速度的限制、计算数据过于庞大及没有系统完善的大数据库等问题导致当时最杰出的人工智能程序也只能解决问题中最简单的一部分。一些看似简单的工作，如人脸识别，对机器来说却是难上加难。70年代，《莱特希尔报告》中的数据详尽地显示了人们对人工智能的期望与现实的差距。当期望无法实现，原来资助人工智能的政府企业在失望中停止了拨款，人工智能研究陷入第一次低谷。

80年代，一类名为“专家系统”的人工智能程序的普及，将人工智能研究带向第二次繁荣。专家系统是一个具有大量专门知识与经验的程序系统，它根据某领域一个或多个专家提供的知识和经验进行推理和判断，模拟人类专家的决策过程。它能完成例如除错、诊断血液传染病、安排行程等工作。由于专家系统仅限于一个很小的领域，从而避免了常识问题，其简单的设计又使它便于编程和修改。

与此同时，模拟与数字混合的超大规模集成电路制作技术发展到新的水平并完全付诸实用化，再加上个人计算机产业的爆发，人工神经网络找到了新的出路。1986年BP算法（按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一）的出现使大规模神经网络的训练成为可能，并将人工智能推向第二个黄金期。

同样因为期望与现实的差距，在人们的批评和财政紧张的压力下，人工智能研究在80年代末到90年代初经历了第二次低谷。之后其研究趋向成熟，科技的发达使其终于实现了最初的目标，人工智能研究变得越发谨慎，也越发成功。1993年，科幻小说作家、计算机科学家弗诺·文奇首次提出了计算“奇点”的概念：在这个点上，机器智能将取得飞速进步，它将成功地跨过那个门槛，然后实现飞跃，成为“超级人类”。1997年，计算机系统“深蓝”战胜国际象棋世界冠军卡斯帕罗夫，成为人工智能发展的里程碑事件。2006年，Hinton提出“深度学习”神经网络使人工智能获得突破性进展。

如今，神经网络算法遍布我们浏览的各种网页和APP，语音识别、人脸识别的问题已经解决，无人机、无人车技术也在快速发展中，我们相信，年过半百、历经波折的人工智能会给人类社会带来更多的帮助与便捷。

三 人工智能目前的应用领域

（一）目前人工智能产业格局

1．人工智能领域分类

Venture Scanner通过追踪分析1110家人工智能企业，从技术和商业模式角度把人工智能分成13个领域。

深度学习/机器学习（核心产品）：基于从现有的数据所积累的经验构建计算机算法。如用以分析行为数据的预测模型和软件平台。

深度学习/机器学习（特定应用）：把计算机算法应用于垂直特定场景。如使用机器学习技术来检测银行欺诈或分析零售引导策略。

自然语言处理：建立算法来处理人类语言输入并将其转换成可理解的陈述。如自动生成叙事和挖掘文本转置数据。

语音识别：处理语音片段，确定含义并将其转换为可操作的数据。检测语音命令类软件，如输入法的语音识别功能。

计算机视觉/图像识别（核心产品）：图像处理和分析技术，从中获取信息和识别对象。包括可视化搜索平台和开发人员的图像应用层程序接口。

计算机视觉/图像识别（特定应用）：把图像处理技术应用于垂直特定场景。如人脸识别或拍照识别。

手势（动作）控制：使人利用手势与计算机进行互动交流。如游戏动作控制等。

虚拟个人助理：基于命令和反馈来执行日常任务和服务的软件代理。如日程助理类APP。

智能机器人：能够通过身处环境条件自主学习经验和行动的机器人。包括能对人类表情做出反应的家庭机器人和商店导购机器人等。

推荐引擎和协作式过滤：通过对用户过往选择的分析预测其喜好和兴趣，并推送个性化建议。如购物、音乐及电影等自动推荐类APP。

情境感知计算：软件自动感知周边环境和背景，并相应调整自身行为。如检测黑暗环境自动启动灯光开关的智能云操控。

机器实时翻译：软件自动即时识别并翻译人类语言。如可翻译的视频聊天和在线会议等。

视频内容自动识别：比较视频内容与源内容文件的采样软件，通过其特性来识别内容，可用于版权保护领域。

2．人工智能企业数量及分布

在1110家人工智能企业中，机器学习（包括应用程序和综合）领域企业数量最多，其次是自然语言处理领域的企业数量（见图1）。

人工智能企业数量整体上一直保持增长势头，全球人工智能企业主要集中于美国及中国等少数国家（见表1），美国（2905家）、中国（709家）及英国（366家）的企业数量占总数的65.73%。

中国人工智能企业主要分布在北京（242家）、上海（112家）及深圳（93家）（见表2）。

3．人工智能各领域资金总额和融资情况

与人工智能企业在各领域的分布相对应，机器学习领域的资金总额仍位列第一，而自然语言处理和计算机视觉（综合）则位列第二和第三（见图2）。值得注意的是，机器学习领域的资金总额远超其他任何领域的资金总额。

在融资方面，美国、中国和英国的融资规模位列全球前三，但三者间的规模差距较大，美国（179.12亿美元）为中国（25.72亿美元）的6.96倍，为英国（8.16亿美元）的21.95倍。

（二）互联网巨头对人工智能的研究

1．谷歌：人工智能领头羊

谷歌对人工智能的研究由来已久，是世界人工智能领域的领头羊。谷歌不断拓宽业务覆盖领域，从传统的互联网延伸到自动驾驶汽车、智能医疗等领域，从而扩大信息的抓取面，提升信息的积累和输入。同时，谷歌不断增强人工智能科研力度，研发更高级的深度学习算法，提高图像识别和语音识别技术，优化翻译功能，开源深度学习系统，对收集的信息进行更深层的加工和处理，进行信息输出（见图3）。

2．Facebook：执着于数据

Facebook人工智能研究中心2015年6月在巴黎成立实验室以挖掘欧洲的人工智能人才，建造能够理解海量数据的人工智能机器。Facebook已经开源了三款人工智能图像分割软件，分别是DeepMask、SharpMask和MultiPathNet，三款软件相互配合完成完整的图像识别分割处理流程。图像分割技术不仅能够识别图片和视频中的人物、地点及物体，甚至能够判断它们在图像中的具体位置（精确到像素级别）。为了做到这一点，Facebook使用了一种人工智能技术——机器学习，也就是用大量的数据来训练人工神经网络，不断提高其对新数据处理判断的准确性。

3．微软：第一款个人智能助理

微软发布了全球第一款个人智能助理Cortana，还在中国推出了一个“微软小冰”。微软的人工智能助理能够根据上下文进行“长程情感对话”。Cortana具有自我学习能力，能够在与人类交互中变得越来越聪明。

4．华为：理论研究与实际运用

华为2012年在香港成立了诺亚方舟实验室，该实验室的研究方向包括自然语言处理和信息检索、大规模数据挖掘和机器学习、社交媒体和移动智能、人机交互系统及机器学习理论等。

5．百度：全面布局

除了搜索领域，百度在人工智能方面同样投入巨大。除力邀吴恩达等顶级人工智能专家加盟之外，百度还在硅谷开设了深度学习实验室，其研发的百度大脑已经达到三岁幼儿的智力，并建立了“深盟”人工智能开源平台，将人工智能成果开放给行业。百度拥有与Cortana水平相当的语音搜索助理“度秘”，不仅能识别人类语音，还能理解其中的语义。另外，百度无人机项目自在乌镇亮相以来就一直受到业界的关注，百度计划在近几年实现无人驾驶汽车量产。

6．小米：人工智能与硬件结合

小米2016年2月成立探索实验室，其首个科研项目是VR。他们对人工智能的观点是“产品+大数据+机器学习”，也就是说小米的人工智能观点是紧密结合智能手机和智能硬件等产品的。

7．腾讯：技术与金融并进

腾讯基于其核心产品和技术优势，在人工智能方面寻求突破，同时组建专注于底层基础的研究团队与实验室，做长线技术积累，并收购和投资一批优秀的国内外人工智能领域公司。其投资项目包括Diffbot、iCarbonX、CloudMedx、Skymind、Scaled Inference及搜狗等，研究机构包括WHAT Lab、优图实验室、微信模式识别中心、智能计算与搜索实验室等。

8．360：立足深度学习研发

360人工智能研究院成立于2015年9月，该研究院立足深度学习研发，向360相关部门提供业务支持，完成人工智能相关的原始技术积累和前沿探索。目前，360人脸识别技术已进入实际应用，在车联网领域，其图像识别已经可以借助高清摄像头对行人和车辆进行清晰的定位，并辅助汽车进行自主判断。其研究方向仍然是使人工智能系统具备自主学习的能力。

（三）媒介领域的人工智能

人工智能进入媒介领域将带来整个行业的重大转变，机器将扮演更加重要的角色，但这并不是说，媒体人面临的是集体失业的灰暗未来。恰恰相反，未来的媒介领域将是人机协同完成内容与形式的发现、创作、传播与反馈。

1．信息推荐系统

打开手机，通知栏上显示今日头条、腾讯新闻、微博、豆瓣等APP为你推荐的新闻和趣闻，而你总是莫名其妙地被它们“猜中了你的喜欢”，你无法拒绝它们为你推荐的内容，而它们看起来就像比你还了解你自己一样。

随着互联网的井喷式发展，用户每天要接受的信息量大幅增长，人们很难从海量信息中快速抓取出自己所需要的信息，获取信息的方式也从主动寻找逐渐变成了被动接受，对信息的利用效率随着信息量的爆炸式增长反而降低了。用户不可能封堵每一个信息入口，但又难以承受信息超载问题。于是，根据用户的信息需求及兴趣等，将用户感兴趣的信息推荐给用户的个性化信息推荐系统便应运而生了。

以今日头条客户端的“猜你喜欢”为例，它的个性化推荐算法的核心理念就是“投票”。首先，通过用户在客户端的行为数据以及年龄、地域、职业等信息，将用户划分到特定的人群归属下，通过这个人群对喜欢的文章的投票情况得出该特定人群的喜好文章，再把这篇文章推荐给同类人群的过程就构成了“猜你喜欢”的推荐。关于推荐系统的讨论和研究在20世纪就已经开始了，目前较为广泛使用的算法为以下三种。

（1）User-User算法：计算用户之间的相似性

该算法通过计算用户之间的相似性来确定品位相对“靠近”的用户，从而将相似用户A喜爱的信息推送给相似用户B。但是，这种算法最主要的困难在于怎样找到品位靠近的用户，毕竟它无法将那些被某些具有强烈存在感的信息所吸引的大部分用户区分开，而且它也难以识别那些喜欢在网页上随便点击的用户。

（2）Item-Item算法：计算物品（信息）之间的关联

该算法的依据是两种信息之间的距离，而这个距离则由对它们感兴趣的用户的相似度决定。这种算法较大依赖用户的感兴趣程度，而用户评价则很可能受品位、心情及所处环境等因素的影响，因此这种算法仍存在较大的不稳定性。

（3）降维算法：把事物特征一般化

前两种算法能计算出对某种信息具有共同兴趣的用户，但却忽略了爱好相似的潜在用户组合。降维算法就是将事物的一般化特征表现出来，通过计算用户对某些单个信息的评价来提取用户对某类信息的整体感受。但是，这种算法的计算量比前两种更大，且所需时间会随着用户及信息的增加而飞速增长，这对某些媒体巨头来说将是一笔巨大的开支。

虽然推荐系统的算法已经有了长足的发展，但仍然存在某些漏洞。由于用户的上网数据总是被记录，所以用户必须非常小心不去点击某些平时不会感兴趣的东西，如上午等地铁时点进了某家狗仔拍摄的明星出轨照，下午一打开APP就被各种出轨、绯闻消息霸屏。当然也许用户根本就不会看到平时不感兴趣的东西，毕竟用户已经被“信息茧房”所包裹，或者推送出的“猜你喜欢”内容已经被商业化运作筛选过多次了。

2．机器新闻写作

从Narrative Science到美联社、《华盛顿邮报》、路透社、Facebook，从腾讯Dreamwriter到快笔小新、Xiaomingbot等，机器新闻写作早已成为热门话题，虽然现在它已不再像刚刚推出时那样受到大众的集体围观了，但针对它的讨论和研发仍然是人工智能领域的重点。当热度减退，我们更需要在理解人工智能技术潜力的基础上，探索机器新闻写作的未来模式。

机器写作整合了数据库知识发现和自然语言处理技术，通过获取和分析数据提炼观点，根据设定的结构和格式生成标题、文本和图表等形成一篇新闻文稿。机器写作更进一步与推荐系统相结合，将成稿的内容及时推送到相关用户的平台上。

但是，机器新闻写作并不适用于每个领域。目前，机器新闻写作还处于初级阶段，使用最广泛的四大领域是财经、体育、气象地质和健康，因为这些领域的新闻内容创作是可以使用模板的，只要数据充足、模板得当，机器就能在极短的时间内生成一篇完整的报道。以体育新闻为例，今日头条开发的新闻写作机器人XiaomingBot在里约奥运会16天时间围绕乒乓球、羽毛球、足球、网球四个类别写了450篇新闻，16天内读者总计一百万人，在同一时间内的新闻阅读率甚至略高于专业体育记者所写的体育新闻。与之前研究的新闻机器人相比，XiaomingBot有着极速生成比赛新闻、报道短长结合、图文结合等特点，这使它所写的内容读起来更像是出自专业记者。

《中国新媒体趋势报告（2016）》显示，2016年第一季度到第三季度，财经机器人写作篇数从400篇增长至40000篇，产量快速增长。报告还显示，自媒体创作者对自动化写作的最大担忧是缺乏情感和个人风格，其次是担心机器写作的语法错误。而面对“如何看待机器代替编辑写新闻”这个问题，41.6%的用户认为机器缺少新闻判断力，39.0%的用户认为机器缺少人情味，37.3%的用户认为机器缺少人的创造力。由此可见，内容创作者和受众对机器新闻写作还是存在一些担忧，而解决这些问题正是机器新闻写作未来前进的方向。

要解决这些问题，就要看到人在新闻业中发挥的不可替代的关键作用。《中国新媒体趋势报告（2016）》指出，未来的机器新闻写作会向“人机协同”方向发展，在这过程中机器会深入到新闻生产创作环节，机器和媒体人共同完成内容的发现、写作和传播。

把机器或者程序能做的交给机器和程序，从而把人力解放出来去从事具有创新要求和需要发挥想象力的工作，这是机器写作的目的，这意味着机器新闻写作的引入并不代表记者的失业。另外，当前机器生成的新闻稿件仍带有较强的“机器”印记，还不够“人类”，我们仍然期待机器在更多的模板中逐渐提高“写作能力”。

（四）其他领域的人工智能典型

1．虚拟助手领域：智能语音识别系统Siri

从2011年10月苹果公司发布新的Siri至今，这款虚拟助手已经完全与iOS系统深度整合在了一起，可通过语音识别功能完成用户提出的简单任务。事实上，在被苹果公司收购之前，Siri拥有更强大的功能，软件开发者的目标就是创造出一个能帮助人们更好地生活的虚拟助手，它可以弥补人类大脑的局限，将我们从枯燥乏味的任务中解脱出来——最初的Siri本想把更多的人工智能助手功能融入我们的生活。

Siri是市面上第一款可以理解人类自然语言并将分散在互联网各个角落的信息组合成一条回应的虚拟助理。Siri开创的这个模式，正在被越来越多的人工智能工程师和企业家们所采用。人们使用虚拟助理已经不再局限于问一个问题然后从它那里得到答案，而是寻求更加紧密的人机交互，以类似人际交流的方式完成任务——处理日常琐事，甚至指导人们的生活。

2．医疗领域：沃森超级电脑

人工智能“沃森”由IBM公司和美国德克萨斯大学历时四年联合打造，其存储海量数据，而且拥有一套逻辑推理程序，可以推理出它认为最正确的答案。沃森被希望成为一个“能与人类回答问题能力匹敌的计算系统”，即用人类的自然语言给出准确、可靠的答案。如今，沃森依靠它的这项才能在医疗领域得到了运用。

医疗领域具有良好的档案储存制度，积累了大量的医学数据和病例档案，并对其进行了科学的分类——这些大量的可搜索数据是沃森发挥作用的重要前提。沃森将患者的基因数据与癌症基因数据库以及每一篇发表过的有关癌症遗传学的科学文献进行比对，使医生更好地了解癌症患者的状况并为医生设计治疗方案提供建议。

但是，沃森究竟能在多大程度上帮助医生治疗病人？如果出了事故，应该谁担责？即使沃森已经被应用于医疗领域，但实际上它仍是个未经检验的技术。

3．交通领域：自动驾驶汽车

自动驾驶汽车是通过电脑系统实现无人驾驶的智能汽车，在20世纪人们就已经开始了对这项技术的研发，进入21世纪，自动驾驶技术逐渐呈现出实用化趋势，谷歌、苹果、百度等科技公司，奔驰、宝马、沃尔沃等传统厂商都已经将自动驾驶汽车的上市提上了日程。

自动驾驶技术风头正旺，然而，2016年6月30日，特斯拉汽车公司证实其生产的电动轿车在自动驾驶模式下发生了撞车事件，导致司机身亡。特斯拉表示，作为一项新技术，自动驾驶功能还处在公共测试阶段，只能起辅助作用，仍然需要驾驶员始终将双手放在方向盘上，不能失去对车辆的控制。这种需要高度人工控制的“自动驾驶”技术让人们怀疑无人驾驶汽车的成熟性，但无论如何，这项新技术的研发不会被轻易放弃，毕竟特斯拉刚出事，沃尔沃就公布了他们对“自动驾驶卡车”的测试情况。

四 人工智能未来的创新和发展趋势

（一）人工智能的发展前景

人工智能作为计算机科学的一个分支，在短期内要“毁灭人类”是不可能的。如此火热的技术将走向何方？计算机领域的各大巨头早已瞄准了商机。2016年9月29日，Facebook、Amazon、谷歌Alphabet、IBM和微软自发聚集在一起，宣布缔结新的人工智能伙伴关系，旨在研究和推广最佳做法。这意味着这些走在技术前端的高科技公司将建立一种体制，为这个新兴行业设定行业标准，人工智能也必然会走向商业化。

短期来看，人工智能将延续现在的发展方式——不断攻克技术难关，将触角延伸到更多的应用领域。在技术上，人工智能的发展要依靠多学科智能集成技术，不仅要在某个领域做到最优，还要将多个领域的最优集合到一个智能机器身上，提高机器工作效率并使其发挥更大作用；在商业领域，人工智能首先要达到平台化效益，让更多的非专业人士能够使用，像之前的智能手机系统一样，这样才能获取较大的商业利益。

长期来看，人工智能将会极大地改变我们的生活，重塑很多领域。这种重塑主要是对人们工作的影响。如李开复2016年6月在清华的演讲《为什么今天是人工智能的黄金时代》所说，未来人工智能会在所有的领域彻底改变人类，产生更多的价值，取代更多人的工作，也会让现在很多重复性的工作被取代，然后让人去做人真正应该做的事情。而关于人工智能“奇点”到来或人工智能超越、取代、毁灭人类等担忧，现在不能下肯定的结论。但可以肯定的是与其担忧这个，不如担忧或许马上就会到来的大规模失业。

（二）未来我们将在哪些地方遇见人工智能

1．感知

感知指在视觉、语音、语言等领域进行识别，如现在智能手机都具备的语音助手、搜索引擎的语音输入以及面部识别等功能。这个应用领域看似火热，但其实刚刚起步，存在很多问题和难关。如在网站登录时常常要通过辨别图片上的数字、文字或图案来输入验证码，这对人来说是无比轻松的事，现在却仍少有机器能够做到。在和语音助手聊天时，很多时候我们都会觉得它们奇蠢无比，根本无法应对稍稍变化的语句，也不能进行连贯的对话，只能一问一答。而目前刚刚起步的这些应用，未来随着技术的进步和突破会不断发展优化，能够通过图灵测试的语音助手将随处可见，成为人们日常生活不可缺少的得力助手。语音识别和其他领域的技术集成后，语音助手还能听懂指令并完成任务，成为奇妙的“万能”助手。

2．决策

决策指在感知并理解的基础上做一些预测以及决定，这个方向最受期待的应用无疑是机器人。几十年前人们就对机器人有了各种各样的想象，创造了很多精彩的故事。人工智能就像是机器人的大脑，如前文所述，在很长一段时间内人工智能都无法达到人类大脑的水平，所以与其担心类人机器人会带来的混乱，不如思考目前的人工智能朝现有方向不断发展，将很快产生能够取代人进行简单重复、劳动密集型工作的机器人，而现阶段做着这些工作的人又该何去何从。目前已经出现的工业机器人在很多危险领域都代替了人的工作，未来出现的商业机器人以及家庭机器人将会进入人们生活的各个角落，给日常生活带来很大便利。

3．反馈

反馈建立在前两者的基础上，在识别和决策之后，能够产生相应的动作。该方向目前最火的应用当数无人车了。除了Google Car，百度在无人车的研发上也不甘落后。目前的无人车只有几家巨头公司投入巨额资金做出来的产品，技术上也远未达到全自动驾驶，更不要说全面普及了。百度创新工场对无人车未来发展的预测是“局限性技术辅助人驾驶—人机结合自动驾驶—几乎自动驾驶（人辅助）—全天候全自动驾驶”。可以想象，在未来无人车各项技术均已成熟，能够应对各种路况并且生产成本足够低之后，无人车对汽车行业会造成怎样的颠覆。当路上所有的车辆都是无人车，司机、停车场、交通警察等相关的职业、行业都会消失或改变，而这一切并非遥不可及。

（三）人工智能未来的应用领域

根据斯坦福大学“人工智能百年研究（AI100）”项目发布的首篇名为“2030年的人工智能与生活（AI and Life in 2030）”的研究报告，人工智能未来将会应用于以下八大领域。

第一，交通。自动化交通将成为人工智能技术的重点应用之一，该技术将在自动驾驶汽车、人机交互、交通规划等方面逐渐投入使用，而增强这些方面的可靠性、安全性，提升大众信任度，是人工智能实际应用在交通领域的当务之急。

第二，家庭服务机器人。扫地机器人及特种机器人将为家庭和工作场所提供清洁、安保及相关服务。

第三，医疗。推断潜在的健康风险、机器学习预测风险中的病人、机器人支持外科手术等已经为人工智能在医疗领域的应用拓展出了极大可能。未来人工智能在医疗领域的应用可能包括临床应用、医疗分析、医疗机器人、移动健康监测装备及老年看护等。

第四，教育。人工智能为大规模定制化教育提供了可能，机器人也已经成为学习互动导师，另外自然语言处理与机器学习和众包的结合有力推进了线上学习，同时还能实现针对个体学生的学习情况分析。

第五，低资源社区。人工智能技术可以解决低资源社区的需求问题，一方面它或许能提供针对失业及其他社会问题的措施和解决方案，另一方面也能在避免污染、合理分配资源等方面起作用。

第六，公共安全与防护。人工智能监控摄像机、无人机、预测警务、软件参与的犯罪模式分析及犯罪现场管理、救援活动的应用等，使公共安全维护与防护更加高效，同时降低人类判断的主观偏见。

第七，就业与劳资。人工智能将对中等技能工作带来更大的影响，且其影响正在向高端领域蔓延，影响范围也将逐渐扩大，从少量替代到完全替代。另外，人工智能也将创造工作，为大众就业降低门槛。

第八，娱乐。社交网络及虚拟社区等通过人工智能技术的整合，将出现不同以往的内容创造和推广模式。

五 人工智能的反思

（一）误区

1．人工智能将统治人类？

在科幻网络剧《超少年密码》中，类人机器人被植入人类灵魂，有了人类的情感和思考能力，造成社会恐慌。近年来，随着人工智能技术的发展，不少人开始担忧，人工智能继续如此发展下去，会不会真的拥有人类的思考能力而反过来危害人类社会呢？

这里需要区分强人工智能和弱人工智能。弱人工智能认为智能机器不可能有人类的思考能力和自主意识，机器可以学习，但它不知道为什么要学习；它可以与人交流，但它并不知道它在说什么，只是根据程序运转输出结果。强人工智能的智能机器能够真正像人一样思考，有自我意识，甚至拥有人类的创造力和情感。

人工智能作为一门学科发展至今，已有成果和进行中的研究都是弱人工智能的范畴。如果说“奇点”是弱人工智能与强人工智能的分界点，那如今的人类文明与“奇点”还存在较大距离。人类文明和科学技术已经发展了如此之久，我们对人类大脑的构造和运行原理的了解依然只是冰山一角，人类的创造力和情感从何而来，仍然是无法解释的难题。连对自己都不够了解的人类，又如何在短时间内创造出与人类一样的机器呢？

2．类人机器人是人工智能的最终目标吗？

说起人工智能，许多人脑海中会浮现出拥有各种高级功能的机器人。但其实，人工智能离我们并不遥远，门户网站的“猜你喜欢”，各种软件的个性化界面，都是神经网络算法通过数据计算出来的结果。我们的手机和电脑都充斥着人工智能带给人类社会的便利。在不久的将来，无人机、无人车将随处可见。人工智能与其他技术一样是为人服务的。正如微软全球资深副总裁洪小文所说，“AI并没有那么神，和其他的机器一样，它还是被我们控制的。我们用它去做一些重复性的事情，把重要的决定任务交给我们自己。就像飞机、车子，大家都认为是好东西，但是它们也会被不法分子拿去做一些不好的事情。所以我们应该看的是AI背后是谁在操作它，而不只是关注在AI本身”。无论发展到哪个阶段，科技从最根本上还是“以人为本”的。所以，人工智能诞生的目的，不是为了制造出与人类相同的机器人，而是为了帮助人类更客观地做决策，给人类提供更便捷的生活方式。

（二）反思

人工智能像一把双刃剑，在造福人类的同时，也带来了一些问题。

1．偏见问题

人类做决策时存在偏见，人工智能中的机器学习也存在着偏见，有时会产生违反人类社会道德标准的结果。机器学习的核心是利用算法分析数据、提取模式和学习，然后基于收集到的信息进行预测和决策。由此可见，机器学习进行决策主要基于其已有的数据库。因此如果数据库本身存在偏见，那机器学习也将不可避免地做出具有偏见的决策。

最典型的例子是2016年全球第一届由人工智能担任评委的国际选美大赛，该选美大赛由一家机器学习创业公司举办。人工智能评审从脸部对称和面部皱纹等因素来评估六千多名参赛选手的吸引力。理论上，人工智能能避免人类评审时的偏见。然而实际结果却是，获胜的44名选手中，大多数是白种人，其他一些是亚洲人，而只有一个黑种人。研究人员对该偏见出现的解释是，用于算法训练的图像样本在人种分布方面不均衡。由此可见，构建无偏见的数据库是构建无偏见的机器学习算法的关键，而如何构建无偏见的数据库涉及构建数据库的利益方，因此这本身就是一个复杂的问题，值得人们反思。

2．法律人格问题

法律人格指法律关系主体维持和行使法律权利、服从法律义务和承担法律责任的条件。要成为法律上的独立人格者必须具备两个条件：一是社会存在，二是法律的确认。通俗来讲就是法律关系主体既具备独立的权利和行为能力，又能够为自己的行为承担责任，同时受到法律的认可。人工智能机器人能够在一定程度上像人一样按照自己的意愿行动。但是，机器人是否能够像人一样享受权利呢？同时，机器人是否应该为自己的行为负责呢？如2016年2月14日谷歌的无人驾驶汽车在山景城测试时与一辆公交车相撞，那么无人驾驶汽车的法律责任应该由谁承担？又如因医疗诊断专家系统出现失误而导致医疗事故的法律责任又应该由谁承担？

3．侵犯隐私问题

人工智能机器学习算法基于数据库，数据库中正是来自用户的信息。然而，人工智能搜集到的信息有相当一部分是用户的隐私。以Facebook为例，其默认的隐私权限设置允许平台访问大量个人数据，而用户却无法修改他的默认隐私设置。Facebook对此的回应是“一切都是为了更好的用户体验”。正如36氪专栏作者卢晓明所提到的那样，我们用个人的隐私换来了人工智能带来的便利。

4．技术性失业问题

技术性失业是由于技术进步所引起的失业。人工智能将在未来对社会就业产生巨大的影响。李开复认为，“每个领域人工智能都有可能对传统公司产生颠覆，每产生一个有价值的机器人，一个人、一个群体就会失业，这对社会影响非常大。10～15年之后，世界上90%的工作，也许50%的人类可能都要面临工作部分或全部被取代”。市场调研公司Forresterge最新数据显示，2021年机器人将占据美国6%的就业岗位。英国牛津大学教授甚至表示，到2035年更将有47%的工作面临着被自动化技术替代的风险。据外媒DIGITIMES报道称，富士康自动化技术发展委员会总经理戴佳鹏向华新社透露，已有超过4万台机器人全面参与到公司的生产流程中。麻省理工学院媒体实验室主管伊藤穰一认为，人工智能不仅会取代低技能工作，而且那些高技术但重复性的工作以及计算机能胜任的工作都将被取代。未来人工智能引发的失业问题将会促使社会结构发生变化，从而改变人们的生活。

5．人类思维方式固化问题

根据麦克卢汉的观点可以推导，人工智能作为一种技术，在改变人类生活方式的同时也在改变着人们的思维方式。在对思维方式的各种影响中，最令人担忧的是人工智能使人类思维方式固化，这主要体现在两个方面。一方面，商业化的信息推荐系统使人类被包裹在“信息茧房”里，导致人类思维方式固化。通俗来讲就是为了迎合不同受众的口味，商业性的信息推荐系统被运用在新闻APP、购物APP、阅读APP等人们接收信息的终端里，向受众推荐个性化的迎合其兴趣爱好的信息。这些信息会加深受众固有的思维方式，使受众难以接收新鲜信息去提升自我。另一方面，人类对人工智能的过度依赖导致人类丧失反思批判能力。随着人工智能在社会经济领域代替人做各种事情，人们会对人工智能技术产生过度依赖，这样的后果是人类的思维可能固化甚至退化，从而丧失反思批判能力。这种情况下，依靠人工智能的全自动化系统一旦瘫痪，将会对经济社会造成重创。

参考文献

艾瑞咨询：《2015年中国人工智能应用市场研究报告》，2016年1月19日。

美国国家科学技术委员会、美国网络和信息技术研发小组委员会：《美国国家人工智能研究和发展战略计划》，2016年10月。

乌镇智库、网易科技、网易智能：《乌镇指数：全球人工智能发展报告（2016）（框架篇）》，2016年10月。

乌镇智库、网易科技、网易智能：《乌镇指数：全球人工智能发展报告（2016）（产业与应用篇）》，2016年10月。

田丰、任海霞、Philipp Gerber等：《人工智能：未来制胜之道》，https://yq.aliyun.com/articles/61592。

The AI Now Report: The Social and Economic Implications of Artificial Intelligence Technologies in the Near-Term,（a summary of the AI Now Public Symposium, hosted by the White House and New York University's Information Law Institute, July 7th,2016）.

Artificial Intelligence and Life in 2030, https://ai100.stanford.edu/sites/default/files/ai100report10032016fnl_singles.pdf.