淺談人工智能的發展現狀和未來發展趨勢

摘 要：近年來人工智能技術取得重大突破，對國民經濟特別是數字經濟及智能制造產生重大影響，本文從人工智能的起源、近年來飛速發展的原因，人工智能關鍵的機會、關鍵的研究方向、以及面臨的挑戰等方面簡要論述了人工智能的現狀和未來發展趨勢。

關鍵詞：發展現狀；未來趨勢；人工智能

一、人工智能的起源

1956年8月，在美國漢諾斯小鎮寧靜的達特茅斯學院中，約翰·麥卡錫（John McCarthy）、馬文·閔斯基（Marvin Minsky，人工智能與認知學專家）、克勞德·香農（Claude Shannon，信息論的創始人）、艾倫·紐厄爾（Allen Newell，計算機科學家）、赫伯特·西蒙（Herbert Simon，諾貝爾經濟學獎得主）等科學家正聚在一起，討論著一個完全不食人間煙火的主題：用機器來模仿人類學習以及其他方面的智能。會議足足開了兩個月的時間，雖然大家沒有達成普遍的共識，但是卻為會議討論的內容起了一個名字：人工智能。因此，1956年也就成為了人工智能元年。在過去的幾十年里，人工智能的子學科一直在不斷進步，包括機器視覺、機器學習、自然語言理解、推理和規劃以及機器人技術。

二、近年來人工智能技術飛速發展的原因

1、在過去的十年里，人工智能應用的開發和部署速度出現了一個有希望的變化。這種加速是由幾個因素共同驅動的。這種變化背后的一個關鍵影響是前所未有的數據流的可用性，以及存儲和檢索這些數據的成本的下降。通過數字化和圍繞商業、科學、通信、治理、教育、藝術和娛樂的活動向網絡的轉變，大量關于人類活動和內容的結構化和非結構化數據庫已經出現。

2、其他的因素包括可用計算能力的顯著提高，以及執行機器學習和推理方法能力的提高。在過去的三十年里，機器學習領域有了很大的活動，該算法將數據轉換為能夠識別模式、執行診斷和預測未來結果的組件。過去30年的人工智能研究也見證了在不確定性下進行表示和推理的方法的興起和成熟。這些方法借鑒并擴展了最初在統計學、運籌學和決策科學領域進行研究和改進的方法。這種在不確定性下學習和推理的方法對于構建和部署人工智能系統至關重要，這些人工智能系統能夠在現實世界中有效地解決不可避免的不完全性。

3、在過去的十年里，一系列被稱為神經網絡的機器學習方法的使用出現了一次復興。這些被稱為深度神經網絡的算法現在被用來顯著提高這些算法的質量和準確性服務于自動語音識別，人臉和物體識別從圖像和視頻，以及自然語言理解。這些方法還被用于為終端用戶開發新的計算能力，比如語言之間的實時語音到語音翻譯（例如，現在可以在微軟的Skype中使用），以及幫助司機駕駛汽車的計算機視覺（現在已經在特斯拉的S和X車型中使用）。

三、人工智能關鍵的機會

1、迄今為止，人工智能應用程序探索了利用當前和即將到來的人工智能技術的未來機會。使用目前可用的人工智能方法可以為工作流程和流程引入新的效率，幫助人們理解和利用科學發現和工程中的數據爆炸，并幫助人們解決一系列具有挑戰性的現實世界問題。

2、通過使用現有數據來建立預測模型，然后使用預測模型來幫助指導決策，可以解決許多商業和社會機會。這樣的數據預測到決策管道的預測可以提供巨大的價值，并幫助建立一系列廣泛問題的解決方案。

3、關鍵機遇包括人工智能在醫療保健和生物醫學、交通、教育、制造等方面的應用，以及提高我們的電網等關鍵基礎設施的有效性和穩健性。醫療保健和交通是兩個令人注目的例子，人工智能方法可以在短期和長期產生重大影響。

研究表明，預測模型，從大型醫院數據集，可以用來識別病人高危再次住院在短時間內出院后，這種方法可以用來指導這些特殊的分配項目旨在減少再入院。

人工智能系統和醫生的互補性的廣泛機會可以應用醫療保健。例如，最近在機器人外科手術方面的工作探索了機器人外科醫生的助手如何在復雜的外科手術任務上協同協作。其他工作已經證明了如何將機器視覺與人類病理學家相結合，可以顯著提高檢測癌癥轉移的準確性。

運輸人工智能方法已廣泛應用于在線服務和應用，幫助人們預測流量。人工智能方法可以通過多種方式被利用，使駕駛更安全，并擴大我們現有的道路基礎設施的有效能力。由于感知和機器人技術的進步，自動化汽車有望提高道路上的流量和安全性。更長期的可能性包括在全市范圍內部署大規模的自動公共微交通解決方案。這種解決方案可以改變城市內部的流動性，并可能在長期影響城市的總體結構和布局。

智能、自動的駕駛員警報和避撞輔助系統有望拯救全球數十萬人的生命。機動車輛事故每年造成120萬人死亡，2000萬至5000萬人受到非致命傷害。

基于自動駕駛的技術，可以通過機器感知、智能警報、自動和半自動控制和補償來解決。研究發現，很大一部分的機動車事故是由注意力分心引起的，近20%的車禍被認為是未能停止發生的。使用智能警告、輔助制動和自動制動系統可以減少近50%的追尾碰撞事故。

四、關鍵研究方向

人工智能的研發繼續令人興奮和富有成果，有許多方向和可能性。以下幾個重要的研究方向包括：

1、支持人類-人工智能協作。開發能夠補充和擴展人類能力的人工智能系統是很有希望的。這類工作包括開發具有人類意識的人工智能系統，能夠理解和增強人類認知。這一領域的研究包括開發能夠識別和理解人們試圖解決的問題的系統，理解人類的計劃和意圖，以及識別和解決人們的認知盲點。

2、關于人類-人工智能合作的研究還包括努力協調人類和人工智能系統解決問題的混合倡議。在這種混合倡議的系統中，機器和人輪流為解決問題做出貢獻。在這一領域的進步可以導致那些支持人類和機器以無縫、流暢的方式一起工作的方法。

最近的研究結果表明，人工智能系統可以學習和擴展人們的能力。研究方法包括，賦予系統理解等重要的微妙之處人工智能系統的成本打斷人們在不同的上下文與潛在有價值的信息或其他貢獻和預測信息，人們會忘記他們需要記住的上下文。

3、無監督學習大多數機器學習被稱為監督學習。在監督學習中，數據被直接或間接的人標記，這些人提供了特定的標簽，如人們的目標或意圖，或健康結果。在開發無監督學習方法的過程中，人們有濃厚的興趣和機會。

4、模擬和仿真，關于使系統能夠在模擬和真實世界中進行積極探索的挑戰，旨在賦予系統做出預測和成功地執行物理行動的能力。這類工作通常涉及創建訓練方法，使一個系統能夠自己探索，在任務中執行多次試驗，并從這些經驗中學習。其中一些工作利用了人工智能中被稱為強化學習的方法，即通過一套關于在不同環境下采取的最佳行動或一系列行動的經驗來進行學習。迄今為止包括自動訓練系統來識別物體和學習掌握物體的最佳方法。

綜合智能。許多研發工作都集中在發展智力方面的特定能力上，例如能夠識別圖像中的物體、理解自然語言、識別語音的系統，以及在特定的醫療保健領域提供決策支持，以幫助病理學家應對組織病理學方面的挑戰。有一個很好的機會將多種能力編織在一起，如視覺和自然語言來創造新的能力。例如，自然語言和視覺已經結合在了一個能夠執行自動圖像字幕的系統中。綜合智能的其他例子包括將語音識別、自然語言理解、視覺和一套預測模型結合在一起，以支持構建自動化行政助理等挑戰。

在平臺和系統方面的進步。對數據中心規模系統和創新硬件的進步的具體需求已經出現，以支持大規模神經網絡模型的訓練和執行。在學習和推理算法、計算硬件和系統軟件的交叉領域進行的新研究將有可能有利于支持人工智能的創新。這類研究正在技術行業的大公司提供的平臺上進行。

新型的開發工具和平臺可以極大地幫助人工智能應用程序的開發、調試和部署。大型IT公司正在進行研發，為開發人員提供基于云的編程接口（例如，微軟的認知服務）和基于客戶機的組件，用于執行有價值的推理任務（例如，檢測圖像中的情緒）。其他開發環境正在被開發出來，用于創建集成的人工智能解決方案，工程師可以使用這些解決方案來組裝依賴于多種能力（自然語言理解、語音識別、視覺、人類意圖推理等）集成的系統。它必須在實時應用程序中以緊密協調的方式一起工作。

五、挑戰

1、在過去的幾年里，人工智能在視覺、聽覺和理解語言方面的能力顯著提高。這些不斷增長的能力將導致部署更復雜的應用程序，可以處理人們傳統上執行的任務。因此，人工智能系統很可能會對就業和經濟產生重大影響。很少有人質疑人工智能的進步將提高生產效率并創造新財富的說法。關于人工智能生產率的成果將如何分配，以及人工智能對就業的影響，問題越來越多。人工智能系統在認知和物理領域的能力的提高將對與不同工作相關的分配、可用性、吸引力和薪水產生影響。我們需要將注意力集中在反思、規劃和監測上，以解決人工智能對我國就業的潛在破壞性影響，并努力理解人工智能為國內和國際經濟提供的新自動化形式的廣泛影響。重要方向包括尋求了解教育的需求和價值以及就業機會的地理分布。

目前迫切需要對我國勞動力進行培訓和再培訓，以便為預期的勞動力需求和工作分配的變化做好準備的工人。在一個受到數字技術進步推動的經濟中，越來越多的工作崗位需要一個STEM（科學、技術、工程和數學）領域的學位，對接受過計算機科學培訓的人的需求不斷增長。為了讓公司在數字、云驅動的經濟中茁壯成長，員工的技能必須跟上技術的進步。投資于教育可以幫助使我們的勞動力作好準備和適應，使之適應我們對就業分配的持續轉變，以及對人類勞動力不斷變化的需求。

2、安全性和健壯性。隨著人工智能技術能力的提高，在高風險、安全關鍵的應用將變得更加普遍。這些應用包括自動化和半自動化的汽車和卡車、外科助理、商業航空運輸自動化、軍事行動和武器系統，包括防御和進攻系統的使用。人們還擔心，智能系統可能能夠進行修改，并改變自己的操作參數和機器。這些問題涵蓋了研發方面的發展方向。

人工智能應用方面的一個相關的、重要的研發領域集中在由人和機器共同控制的系統中可能出現的獨特挑戰上。包括開發明確考慮人類的注意力和意圖的系統，為人們提供機器推斷和行為的解釋，并確保人們理解問題解決的狀態——特別是當機器和人類決策之間的控制傳遞時，我們有機會在共享責任的環境中開發和分享關于系統如何與人類發出信號和交流的最佳實踐。

自主決策的倫理。在世界上做出自主決策的系統可能不得不在不確定性下進行交易，并仔細考慮豐富的、多層面的結果的成本和收益。例如，一個自動駕駛系統可以必須推理出那些對乘客和行人受傷的可能性有不同影響的行為。

3、操作。利用機器學習、規劃和優化的方法可以用來創建能夠影響人們的信念和行為的系統。此外，這種系統可以設計成以受影響的系統無法察覺的方式運行。我們還需要做更多的工作來研究、檢測和監測這類活動。

4、隱私。隨著以數據為中心的分析和預測模型的中心性的上升，對隱私的擔憂也出現了。我們需要基于從看似無害的數據中得出的推論來考慮對個人隱私的潛在侵犯。

5、網絡安全。新型的自動化可以呈現出新型的“攻擊表現”，這為國家和非國家行為者的網絡攻擊的操縱和破壞提供了機會。如上所述，對新的攻擊和人工智能的新應用所附帶的相關漏洞進行廣泛的分析是至關重要的。新的攻擊類型包括“機器學習攻擊”，涉及到將錯誤的或有偏見的訓練數據注入到數據集中。重要的發展方向包括基于硬件和軟件的安全和加密、新的故障安全設計原則的依賴。

六、結論

人工智能作為一門偉大的科學成就，它將會成為未來發展的主要學科之一。目前，一些人工智能的研究成果已經廣泛運用在國民生產和生活中。伴隨知識經濟和信息時代網絡技術的持續發展，人工智能必然會得到越來越多的重視，獲得廣泛的運用，進而促進科技與社會的發展和進步。

參考文獻：

（1）E.Kamar、S.Hacker、E.Horvitz。《大規模眾包中的人機智能結合》，2012年AAMAS，西班牙巴倫西亞，2012年6月。

（2）Amodei，D.，Olah，C.，Steinhardt，J.，Christiano，P.，Schulman，J.，Mané，D.，人工智能安全中的具體問題，arXiv，2016年7月25日。

（3）關于人工智能的安全和控制的概述演講可以在這里找到：E.Horvitz，《關于安全和人工智能的思考》，白宮OSTP-CMU人工智能安全和控制會議，2016年6月。

（4）A.克勞斯和E.霍維茨。在線服務中隱私的效用論方法，《人工智能研究雜志》，39（2010）633-662。

作者簡介：劉俊（1964—），男，漢族，云南建水，大學，任職于中國共產黨云南省委員會黨校，副教授，研究方向：信息系統研發。