【產(chǎn)業(yè)鏈圖譜 | 人工智能產(chǎn)業(yè)鏈圖譜_人工智能產(chǎn)業(yè)鏈全景圖】

【研究報(bào)告 | 人工智能行業(yè)研究報(bào)告】

　　從現(xiàn)在的生活來看，智能工具已經(jīng)進(jìn)入人們的視野。人工智能已經(jīng)開始影響人們的生活狀態(tài)，今天從人工智能帶來的優(yōu)勢(shì)和考驗(yàn)方面，討論一下人工智能。

　　AI學(xué)習(xí)能力強(qiáng)，人工智能促進(jìn)行業(yè)改革

　　按照現(xiàn)在的技術(shù)，或是任何近期可能發(fā)生的重大技術(shù)創(chuàng)新來推測(cè)，很多“想象中”的情境，包括永恒不朽的數(shù)字大腦，或是無所不能的超人工智能，全都不可能發(fā)生。因?yàn)檫@些都需要“通用人工智能”才能實(shí)現(xiàn)，也就是會(huì)思考、解決問題、做決策的機(jī)器，有能力執(zhí)行人類能做的任何智識(shí)工作，以及更多超越人類能力的事。

　　舉例來說，銀行的核貸專員可能只會(huì)看幾項(xiàng)比較相關(guān)的“強(qiáng)特征”指針，也許是你的信用評(píng)分、所得級(jí)距、年齡等，來決定是否要放款給你，但AI算法會(huì)根據(jù)成千上萬(wàn)條看似不相關(guān)的“弱特征”變量，也許包括你使用什么瀏覽器、多久采買一次生活雜貨等，來決定是否放款給你。如果把這些變量拆開來單獨(dú)看，可能會(huì)令人完全想不到有這些特質(zhì)跟還款能力什么關(guān)系，但是加總起來，AI算法據(jù)以評(píng)估、預(yù)測(cè)出來的貸款違約率，比起行內(nèi)最謹(jǐn)慎、高竿的專業(yè)核貸人員都精準(zhǔn)許多。

　　在認(rèn)知任務(wù)的表現(xiàn)上，AI自我學(xué)習(xí)的能力表示計(jì)算機(jī)不再局限于只能聽從、執(zhí)行人類編寫的程序，而是能從不斷累積的新數(shù)據(jù)中持續(xù)學(xué)習(xí)、精進(jìn)，表現(xiàn)甚至比人類碼農(nóng)更出彩、驚人許多。在體力勞動(dòng)的任務(wù)上，機(jī)器人不再局限于只能反復(fù)執(zhí)行單一動(dòng)作(自動(dòng)化)，而是能夠根據(jù)機(jī)器視覺和感測(cè)數(shù)據(jù)規(guī)劃出新的路徑，并且安穩(wěn)地在各種不同環(huán)境中運(yùn)作(自主化)。

　　結(jié)合這些新的能力，AI如今可以完成人類社會(huì)中的許多任務(wù)，包括開車、診斷疾病、提供客服等。AI執(zhí)行這些任務(wù)的超能力，將導(dǎo)致生產(chǎn)力大幅提升。普華永道(PricewaterhouseCoopers)估計(jì)，到了2030年，AI的應(yīng)用部署將為全球GDP增加15.7萬(wàn)億美元。這對(duì)擁有大量數(shù)據(jù)和資本的人來說，無疑是個(gè)好消息。

　　人工智能發(fā)展，失業(yè)人數(shù)增加

　　幾十年來，自動(dòng)化技術(shù)已經(jīng)不斷在“吞噬”人類的工作崗位。而人工智能的出現(xiàn)更是進(jìn)一步加速了這一過程的發(fā)展。在以前人類從來沒有想象過會(huì)被機(jī)器代替的崗位，人工智能也開始占據(jù)他們的地位：汽車駕駛、新聞寫作、會(huì)計(jì)、醫(yī)療、律師……AI 已經(jīng)開始威脅到中產(chǎn)階級(jí)的工作。另一方面，AI 的普及使用也會(huì)創(chuàng)造大量與數(shù)據(jù)科學(xué)、機(jī)器學(xué)習(xí)、工程和 IT 行業(yè)有關(guān)的職位，為人工智能系統(tǒng)和軟件提供開發(fā)和維護(hù)服務(wù)。然而，通常那些工作被人工智能取代的藍(lán)領(lǐng)們并不具備開發(fā)和維護(hù)人工智能系統(tǒng)的必要知識(shí)和技能。因此造成的局面就是，一方面是大量被崗位人工智能取代的失業(yè)人口，另一方面則是巨大的技術(shù)行業(yè)空缺得不到填補(bǔ)。

　　因此，為了防止事態(tài)陷入失控局面，技術(shù)行業(yè)有責(zé)任幫助這些被取代的工人去適應(yīng)和克服社會(huì)經(jīng)濟(jì)格局改變帶來的重大轉(zhuǎn)變，幫助整個(gè)社會(huì)順利過渡到和機(jī)器人“和諧共存”的未來。

　　人工智能發(fā)展，數(shù)據(jù)更容易泄露

　　人工智能和機(jī)器學(xué)習(xí)都是基于數(shù)據(jù)運(yùn)行的，因此如果想要更好地使用它們提供的服務(wù)，用戶就需要提供與個(gè)人相關(guān)的眾多數(shù)據(jù)，而且數(shù)據(jù)越具體，人工智能能夠提供的服務(wù)就越越有針對(duì)性。另一方面，數(shù)據(jù)的授權(quán)也給用戶的個(gè)人隱私帶來了很大威脅。例如，最近英國(guó)國(guó)家醫(yī)療服務(wù)與谷歌 DeepMind 計(jì)劃共享病患案例，旨在改善對(duì)各種疾病的預(yù)測(cè)能力。但是這也有可能會(huì)造成病人信息的泄漏。

　　要解決這個(gè)問題，可以提高數(shù)據(jù)收集的透明度以及擴(kuò)大數(shù)據(jù)收集途徑的方式來解決。另外，對(duì)于某一機(jī)構(gòu)來說，也可以采取聘用第三方利益無關(guān)的獨(dú)立機(jī)構(gòu)對(duì)數(shù)據(jù)進(jìn)行審查、共享數(shù)據(jù)存儲(chǔ)庫(kù)等方式進(jìn)行解決。

　　人工智能發(fā)展，責(zé)任劃分界限模糊

　　當(dāng)人工智能軟件或硬件發(fā)生故障時(shí)，誰(shuí)應(yīng)該承擔(dān)責(zé)任?在人工智能出現(xiàn)之前，要尋找事故的承擔(dān)者是很直接的——不是開發(fā)者就是制造商。但是在 AI 時(shí)代，似乎自 AI 被創(chuàng)造出來之后，就已經(jīng)開始“獨(dú)立”于人的控制而存在。機(jī)器能夠通過對(duì)大量數(shù)據(jù)的學(xué)習(xí)，確定對(duì)某些刺激的特定反應(yīng)。那么，想象一下，如果是在自動(dòng)駕駛系統(tǒng)開啟的情況下發(fā)生了交通事故，這責(zé)任應(yīng)該由誰(shuí)來承擔(dān)?

　　當(dāng)用戶、開發(fā)者和數(shù)據(jù)開發(fā)者之間的責(zé)任界限開始變得模糊，似乎這幾方也可以把責(zé)任像“踢皮球”一樣推來推去。因此，要想盡可能解決未來 AI 應(yīng)用和發(fā)展中的問題，必須要盡快制定相關(guān)的政策和法規(guī)，明確可能出現(xiàn)的種種責(zé)任糾紛。

　　AI 技術(shù)的出現(xiàn)將會(huì)對(duì)技術(shù)出現(xiàn)很多考驗(yàn)。企業(yè)和社會(huì)都應(yīng)該采取相應(yīng)的措施，更好的應(yīng)對(duì)這場(chǎng)技術(shù)浪潮。