人工智能與機器人

克勞斯·施瓦布

人工智能正在徹底改造數字經濟，很快也將重塑實體經濟。人工智能在21世紀早期的目標包括讓自動化機械引領物理世界的發展，以及實現人類與計算機之間的互聯。未來，人工智能系統能應對系統性挑戰，例如全球二氧化碳排放和全球空中交通管制，從而解決人力所不能及的復雜問題。專家預測，存在于科幻小說中的智能操作系統或具有同理心的數字助手也可能成為現實。有朝一日，機器人或許可以承擔大量基礎性的警務工作。人工智能已用于監控傳感器網絡和視頻流中的數據，能將可疑情況告知安全人員。此外，警方已開始使用機器人執行搜救任務，還用機器人擊斃過一名槍手。

人工智能融入人類世界

人工智能與機器人所激發的公眾想象超越了其他任何技術組合。1956年在達特茅斯學院召開的一場會議揭開了人工智能發展的序幕，世界上第一臺工業機器人于1961年誕生。在此后的10年中，流行文化構想出大量能讓生活更加便利的新事物，如動畫片《杰森一家》（The Jetsons）中的家政機器人羅西（Rosie）描繪了技術帶來全新威脅的恐怖場景，如斯擔利·庫勃里克（Stanley Kubrick）執導的電影《2001太空漫游》（2001：A Space Odyssey）中拒不服從命令的電腦HAL9000讓人印象深刻。

目前，人工智能的認知能力發展迅速，而這些能力是人類所獨有的，如綜合學習和高級推理。在過去認為需要人類直覺才能進行的游戲中，機器學習技術正在超越人類。實際上，計算機已通過簡單的圖靈測試（判斷機器是否與人無法區分的測試）：2014年，一臺偽裝成13歲男孩的聊天機器人尤金·古斯特曼（Eugene Goostman）讓超過30%的測試人員認為它是真人。

傳感器技術與材料科學領域所取得的突破也提高了機器的感知、移動和認知能力。飛行機器人（無人機）和那些能夠獨立裝配汽車的工業機器人，運用人工智能來實現復雜的導航和互動功能。無人駕駛機器人（自動駕駛汽車）目前已解決此前難以逾越的挑戰，如無人駕駛卡車已能在高速公路上自主行駛。124類人機器人也開始為人類提供服務，如個人助手和伴侶服務，拉近了科幻與現實之間的距離。

縱觀全球，專注于機器人工程和人工智能研究的研究生課程越來越多。通過從超出人類處理能力范圍的大型數據集中獲取洞察，人工智能應用能解決氣候建模和核能應用場景等問題，并能管理大規模傳感器網絡。它們也能從公開信息中挖掘出具有重大經濟意義的新信息。例如，衛星數據分析公司Orbital Insight已將機器學習應用于分析美國陸地衛星Landsat和歐盟“哨兵”（Sentinel）系列衛星提供的低分辨率衛星圖像，從而更精確、更快速地識別圖像中的物體，從中獲取不同領域的信息，如貿易、排放、基礎設施以及海洋相關數據。這些信息對行業、社會和政府都具有重要價值。人工智能應用不僅能為決策提供信息，而且能自行做出決策：有人預測人工智能將成為對沖基金管理的常見工具。目前已有至少一家投資公司請人工智能加入董事會。

人工智能的決策能力越強，受這些決策控制的機器人就越能更好地與人類合作，反之亦然。如果要讓家政機器人羅西成為現實，機器需要學會觀察和解讀人類價值觀。隨著機器人學會提供各類服務，如教書、駕駛飛行器、做手術、執行搜救任務，信任問題變得至關重要。我們將在日常生活中習慣人工智能的存在，而與人工智能的互動可能成為我們認識世界的渠道，好比飛行員在惡劣天氣信任飛行儀表一般。引發人們憂慮的是，人工智能與機器人應用可能成為國家和個人手中的武器。這是人工智能應用的極端情況，但也并非不切實際或難以實施。因此，許多國際機構正在尋求為人工智能與機器人應用的發展制定切實可行的倫理框架。從目前的發展趨勢來看，人工智能與機器人的結合將應用于權力和責任更大的職位，因此需要更廣泛的監管控制。

人工智能很快將在工作中學習

人工智能研究自有其局限性。目前的基本做法是野蠻式匹配，輸入信號的微小變化也會破壞機器學習模型。原因可能是目前的方法在結構上還不夠完善，無法解決人工智能所面對的最大挑戰，如解決“常識性”問題或復制人的處境意識。研究人員希望機器能根據環境采取適當的行動，并且無須使用巨量的數據池進行訓練，也能擁有泛化能力，但這些目前尚未實現。量子計算等新技術也許可以改變人工智能應用分析問題的方式、通過反饋回路進行學習的方式，使其能像人類一樣去認識世界。如果這一切成為現實，人工智能應用能避免產生人為錯誤，承擔那些讓人感到疲勞的合成任務，從而創造經濟效益。

即便還沒有取得這些突破，人工智能的發展也很迅速，前景誘人。人們用機器人探索火星，協助護士，甚至是制造其他機器人。未來，小型機器人集群在云端人工智能的控制下，能通過人工智能應用向中央服務器傳送數據，使其具備任務協調和資源部署能力。人工智能早已進入基于知識的領域，如新聞、醫藥、會計和法律領域。即便無法完全取代律師或醫生，能對案例研究和診斷影像進行合成與分析的人工智能應用也將給這些領域帶來改變。人工智能正在不斷完善自己，而對機器人行業的投入預計在2019年超過1350億美元，是2015年的近兩倍。車輛不僅將具備無人駕駛功能，它們自身也有可能是機器人制造的，因為汽車行業是自動化機器人的頭號買家。

在經濟發展的眾多領域，日益提升的自動化水平可能會在淘汰一些工作崗位的同時創造新的工作崗位。例如，自動化貨車運輸可能讓物流行業的部分從業者失去工作。無論在發展中地區還是發達地區，人工智能與機器人對勞動力市場的影響預計都將不斷加強。在美國，預計有10%～50%的職位面臨計算機化的風險。在中國，富士康在兩年時間內用機器人取代了6萬名工廠工人。自動化削弱了發展中國家的勞動力成本優勢，給這些國家的工業化進程造成了不利影響：發達國家遷移到境外的產能目前正在回歸本土。

人工智能與機器人對全球經濟影響巨大且難以預測。經濟學家忙于給可能出現的自動化“后工作”經濟建模，而教育家正在預測未來勞動力所需的技能組合。對多方利益相關者之間開展合作的需求從未如此之高，政策制定者、商業領袖和公民社會領袖需要在經濟訴求與社會訴求之間尋得平衡，才能達成目標。領導者和政策制定者也需要解決人工智能的安全漏洞問題。盡管專業人工智能應用為社會創造了大量機遇，但也很容易被欺騙、被迷惑或遭遇黑客入侵。有鑒于此，我們需要努力確保機器做出決策的程序環境安全無虞，能抵御網絡攻擊的破壞或利用。

這一重大問題背后是另一個影響更為廣泛的問題：機器學習算法的決策方式對其人類創造者通常是不透明的，這引發了是否應授予機器決策權力的問題。在人類世界，合理性與信任深度相關。即便人工智能在某些方面強于人類，如預測哪些犯人會再次犯罪，哪些貸款人會違約，但如果機器無法解釋做出這些決策的理由，我們也可能會對允許機器去做此類決策感到不安，尤其是當機器學習算法因接觸了反映人類偏見的數據集而產生偏差時。機器能找到有用的模式，但如果無法理解這些模式，我們可能會認為機器的決策存在瑕疵。因此，利益相關者最迫切需要考慮的問題包括：倫理標準、人工智能與機器人治理等等。人工智能與經濟、勞動力市場和其他具有挑戰性的領域（包括我們的身體）的融合程度會有多高？對這一問題的討論仍處于初期階段。以前瞻性思維思考問題，同時廣泛吸收關于人工智能與機器人所產生影響的各種觀點，對于預測可能出現的成果和鼓勵人們提出不同觀點至關重要。