人工智能

zanshiling 2023-09-28 发布于山东

展开全文

发展历史

1956年夏天,美国达特茅斯学院举行了历史上第一次人工智能研讨会,被认为是人工智能诞生的标志。会上,麦卡锡首次提出了“人工智能”这个概念。^[11]人工智能自1956年以来的发展历程，学术界可谓仁者见仁、智者见智。将人工智能的发展历程划分为以下6个阶段：一是起步发展期：1956年—20世纪60年代初。人工智能概念提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序等，掀起人工智能发展的第一个高潮。^[12]1959年第一代机器人出现德沃尔与美国发明家约瑟夫·英格伯格联手制造出第一台工业机器人。随后，成立了世界上第一家机器人制造工厂——Unimation公司。^[11]二是反思发展期：20世纪60年代—70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如，无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入低谷。^[12]

三是应用发展期：20世纪70年代初—80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入应用发展的新高潮。^[12]1966年世界上第一个聊天机器人ELIZA发布美国麻省理工学院（MIT）的魏泽鲍姆发布了世界上第一个聊天机器人ELIZA。ELIZA的智能之处在于她能通过脚本理解简单的自然语言，并能产生类似人类的互动。1968年12月9日，美国加州斯坦福研究所的道格·恩格勒巴特发明计算机鼠标，构想出了超文本链接概念，它在几十年后成了现代互联网的根基。^[11]

四是低迷发展期：20世纪80年代中—90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。五是稳步发展期：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年国际商业机器公司（简称IBM）深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念。以上都是这一时期的标志性事件。六是蓬勃发展期：2011年起，随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。^[12]

2015年是人工智能突破之年Google开源了利用大量数据直接就能训练计算机来完成任务的第二代机器学习平台Tensor Flow；剑桥大学建立人工智能研究所等。2016年3月15日，Google人工智能AlphaGo与围棋世界冠军李世石的人机大战最后一场落下了帷幕。人机大战第五场经过长达5个小时的搏杀，最终李世石与AlphaGo总比分定格在1比4，以李世石认输结束。这一次的人机对弈让人工智能正式被世人所熟知，整个人工智能市场也像是被引燃了导火线，开始了新一轮爆发。^[11]欧盟委员会在2019年出台了《可信人工智能伦理指南》，中国国家新一代人工智能治理专业委员会在2021年9月发布了《新一代人工智能伦理规范》。同时，国内外人工智能领军企业也高度关注人工智能伦理，在企业层面采取了一系列举措。^[13]

2023年以来，多地在人工智能方面推出政策、谋划布局。2023年4月，美国《科学时报》刊文介绍人工智能与机器学习改变医疗保健领域的五大领先技术之一。^[14]2023年5月31日，深圳印发《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》。北京日前也发布两项与人工智能有关的支持政策——《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023—2025年）》《北京市促进通用人工智能创新发展的若干措施》。从鼓励与引导行业发展角度，围绕创新发展共性需求，进一步统筹资源，全面推动人工智能自主技术体系建设及产业生态发展。^[15]

人工智能最新技术应用成果KreadoAI，以AI数字人（包含了AI数字人口播视频生成、1:1真人数字人分身克隆、语音声纹克隆）、AI模特（可自行生成个性化模特来穿戴产品）、AI工具（包含了AI生成营销文案、AI文本配音、AI智能抠图等功能）、AI创意资产（包含了创意素材洞察、营销效果分析等功能）四大解决方案为依托，凭借多场景、全链路、提效快、易操作的产品优势，可为全球用户提供“AI+”的多场景解决方案，并且已全面应用于营销的多个环节，实现了中国品牌出海营销全链路的降本提质增效。^[16]

研究课题

当前人工智能领域的三个主要研究方向是机器视觉、语音识别和自然语言处理，分别对应于人类的视觉、听觉和语言能力。为了达到强人工智能水平，这些能力是必须的。得益于卷积深度神经网络，机器视觉在近年来已经取得了长足发展，在物体识别准确率和人脸识别准确率上已经达到或者超过了人类水平。语音识别方面也已经比肩人类水平，识别效率近年来快速上升。自然语言领域也取得了很大进步，在一些具体任务上成效也非常显著。典型的应用领域包括复杂优化与仿真、语音/图像识别、自然语言处理、机器人技术、机器博弈、动态控制技术、大数据分析等等。其中，一些具有里程碑的成果包括ImageNet大规模物体检测、人脸识别、自动驾驶、计算机围棋程序（AlphaGO）、神经机器翻译、机器作画、聊天机器人、智慧医疗与教育、智能游戏等等。^[21]

机器视觉

当前的主要研究成就集中在对于具体物体的识别任务中，未来机器需要具备视觉场景理解能力，不仅要能够准确地识别物体，还要能够结合人类知识分析具体场景。该任务相比于简单物体的识别要困难很多，机器要能够具备通用的理解能力，挖掘视频图像中的主要内容。实现这个目标，从而创造人类水平的视觉能力，一直是机器视觉研究人员的终极理想。语音识别领域的未来发展方向则体现在复杂场景下的识别效率，并有效结合其他信息。^[21]

语音识别

语音识别技术，又称为自动语音识别，它是以语音为研究对象，通过语音信号处理和模式识别让机器理解人类语言，并将其转换为计算机可输入的数字信号的一门技术。语音识别技术在生活中的应用已经非常广泛，在车载导航、智能家居、日常办公等领域都有涉及，给人们生活带来了很多便利。对于人工智能子项目之一的语音识别来说，它的历史甚至比60年还要久。语音识别的研究源头可追溯至1950年，计算机科学之父阿兰·图灵在《思想》（Mind）杂志上发表了题为“计算的机器和智能”的论文，首次提出了机器智能的概念，论文还提出了一种验证机器是否有智能的方法：让人和机器进行交流，如果人无法判断自己交流的对象是人还是机器，就说明这个机器有智能了，这就是后来鼎鼎有名的人工智能图灵测试。^[22]

自然语言处理

解决自然语言处理问题是人工智能方向最重要的几个方向之一。人类语言被认为是人类发展中非常关键的因素，正是因为能够使用语言交流快速传播知识，人类才能够从物竞天择中脱颖而出。然而，语言本身非常复杂，蕴含了大量的逻辑、推理。目前的学习系统并不能够很好地解决这些问题。通过未来几年的发展，自然语言处理领域将可能取得很大的进展，会逐渐揭开语言理解的奥秘，使得机器具备通用语言理解和逻辑推理能力。虽然，目前人工智能在视觉、语音还有自然语言处理能力上已经得到了较大提升，但是仍具有很大的发展和提升空间。在未来发展中，这三个主要领域的研究工作还会长期持续，并取得更加重大的研究成果。^[21]

研究目的

人工智能是计算机科学和工程学中研究和开发用于模拟、延伸和扩展人类智能的理论、方法、技术和应用。研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。^[6]

科学介绍

近来，大模型掀起新一轮智能化热潮，不少科技企业加快拓宽人工智能应用生态。围绕智能网联车、AR眼镜、数字人、社交软件、电商直播、医疗服务等领域，大模型应用场景多点开花，为人工智能产业跃升发展注入更多动能。^[23]人工智能属于综合型的学科，属于社会科学和自然科学的交叉，总的来说可以分为以下几个类别：模式识别、机器学习、数据挖掘、智能算法。人工智能具体的专业有科学研究，工程开发，计算机，软件工程，应用数学，电气自动化，通信，机械制造等专业，涉及了数学、心理学、神经生理学、信息论、计算机科学、哲学和认知科学等学科。^[24]人工智能研究已经应用于交通、电力、金融、政务、水利等多个行业，并且随着公司在人工智能领域的长期持续投入，还将应用于更广泛的领域。^[25]人工智能还表现出了一定的通用智力。过去的人工智能往往为特定任务训练，有的会开车，有的会下围棋，但是不会其他技能。大语言模型训练的人工智能不仅能处理文本，还会推理、翻译、编程甚至绘图。^[26]

技术研究

研究方法

大脑模拟：20世纪40年代到50年代，许多研究者探索神经病学，信息理论及控制论之间的联系。其中还造出一些使用电子网络构造的初步智能，如W. GREY WALTER的TURTLES和JOHNS HOPKINS BEAST。这些研究者还经常在普林斯顿大学和英国的RATIO CLUB举行技术协会会议.直到1960，大部分人已经放弃这个方法，尽管在80年代再次提出这些原理。子符号法：自下而上，接口AGENT，嵌入环境（机器人），行为主义，新式AI机器人领域相关的研究者，如RODNEY BROOKS，否定符号人工智能而专注于机器人移动和求生等基本的工程问题。他们的工作再次关注早期控制论研究者的观点，同时提出了在人工智能中使用控制理论。这与认知科学领域中的表征感知论点是一致的：更高的智能需要个体的表征(如移动，感知和形象)。计算智能80年代中DAVID RUMELHART 等再次提出神经网络和联结主义. 这和其他的子符号方法，如模糊控制和进化计算，都属于计算智能学科研究范畴。^[27]

统计学法：90年代，人工智能研究发展出复杂的数学工具来解决特定的分支问题。这些工具是真正的科学方法，即这些方法的结果是可测量的和可验证的，同时也是人工智能成功的原因。共用的数学语言也允许已有学科的合作（如数学，经济或运筹学）。STUART J. RUSSELL和PETER NORVIG指出这些进步不亚于“革命”和“NEATS的成功”。有人批评这些技术太专注于特定的问题，而没有考虑长远的强人工智能目标。集成方法：智能AGENT范式智能AGENT是一个会感知环境并作出行动以达致目标的系统。最简单的智能AGENT是那些可以解决特定问题的程序。更复杂的AGENT包括人类和人类组织（如公司）。这些范式可以让研究者研究单独的问题和找出有用且可验证的方案，而不需考虑单一的方法。一个解决特定问题的AGENT可以使用任何可行的方法-一些AGENT用符号方法和逻辑方法，一些则是子符号神经网络或其他新的方法。^[27]

研究范畴

语言的学习与处理，知识表现，智能搜索，推理，规划，机器学习，知识获取，组合调度问题，感知问题，模式识别，逻辑程序设计，软计算，不精确和不确定的管理，人工生命，神经网络，复杂系统，遗传算法人类思维方式，最关键的难题还是机器的自主创造性思维能力的塑造与提升。^[28]

与人类的差距

人工智能和真人相比，人工智能机器难以理解上下文的意思，缺乏临场应变的能力。如果讲的东西是表面意思，那AI很容易识别，但如果有隐含意思，有幽默、俗语、品牌等，AI就显得很吃力，只能起到辅助的作用。^[29]2023年，中国科学院自动化研究所（中科院自动化所）团队最新完成的一项研究发现，基于人工智能的神经网络和深度学习模型对幻觉轮廓“视而不见”，人类与人工智能的“角逐”在幻觉认知上“扳回一局”。^[30]

核心价值

人工智能目前呈现的效果具有积极的社会意义与市场意义。在社会层面，广泛的接受度及其对社会民众带来的冲击与震撼，可让人类与其他社会主体重新认识人工智能对于社会的影响力与未来趋势，对于提升接受度，从而刺激开发主体与实施主体进行更进一步的开发与完善具有积极意义，进而影响市场层面。市场意义带来的应用效果与研发效果叠加目前已见端倪，包括我国头部企业在内的互联网平台与资源企业正在积极投入到交互式人工智能的开发与应用当中，不久之后将带动更大范围与更深层面的技术开发与市场联动。^[31]

人工智能的意义日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。^[6]

AI的普及化和其对各行各业的升级，包括智慧城市、智能安防、智能诊断、教育机器人、无人零售店、刷脸支付、辅助驾驶等。以智能制作为例，我国制造业与发达国家差距巨大。人工智能+先进制造，形成了智能制造，主要体现在信息系统里面的认知和学习能力。我国制造业拥有海量数据和充沛资金，这些优势将会帮助在AI时代快速实现产业升级，进行新一轮工业革命，并实现弯道超车。人工智能是未来经济增长的巨大引擎。AI能大幅提升劳动生产率。到2030年人工智能对世界经济的贡献将达到16万亿美元，到2035年人工智能有望推动中国劳动生产率提高27%，拉动中国GDP增长近2%。^[1]

专业机构

国内

中国科学院自动化研究所、清华大学、北京大学^[32]^[33]

国外

MASSACHUSETTS INSTITUTE OF TECHNOLOGY麻省理工学院、STANFORD UNIVERSITY斯坦福大学(CA)、CARNEGIE MELLON UNIVERSITY卡内基美隆大学(PA)^[34]

法国国家信息和自由委员会（CNIL）是法国数据监管机构，近年来一直致力于预测并应对人工智能带来的社会挑战，重点关注生成式人工智能、大语言模型和其衍生应用。^[35]

ChatGPT的开发商OpenAI，不仅在人工智能领域，这家总部位于美国旧金山的技术研究公司甚至是目前全球最受关注的初创企业。^[36]

应用场景

在电视直播中

人工智能技术在电视直播中具有广泛的应用前景。首先，实时视频分析和处理方面的人工智能技术可以帮助实现自动化的目标检测和跟踪，提供更准确和全面的视觉信息；其次，人脸识别和表情分析技术可以用于观众的情感反馈和参与度分析，为节目制作提供指导；再次，智能化的内容生成技术可以自动剪辑和摘要电视直播的内容，提供更精彩和有趣的片段；最后，智能化的推荐系统和个性化推荐技术可以根据用户的兴趣和偏好，为观众提供定制化的内容推荐和互动体验。^[2]

在电气设备的设计中

电气自动化专业中的电子电力技术、电机、电磁场、电路、变压器等多种技术学科都在电气设备的设计中有所应用，但这一过程较为复杂且需要投入大量的人力、财力，对于设计者的理论知识和相关工作经验要求也极为苛刻。但是，如果将人工智能技术应用到电气设备的设计中，就能够极大地提高设计的精确度和工作效率，将大量的人脑处理的模拟和演算通过系统加以实现。而优化设计前面提到了主要采用的是遗传算法，而专家系统更多地应用到开发性设计中，因此，在具体的应用中要根据不同的工作情况和工作目标来采用不同的算法，从而提高工作质量和设计效率，并且除了传统的专业知识和实际工作经验外，对于从业人员还需要具备丰富的人工智能应用使用经验和较强的适应能力。^[3]

在刑事司法中

人工智能正被研究应用于公共安全的多个领域。人脸识别是一种特殊的人工智能应用，在公共部门和私营部门都随处可见。人工智能也正迅速成为欺诈检测的重要技术。美国交通部为提高公共安全，也正研究、开发、测试一种算法，其能够通过录像自动检测交通事故，并在不同地点、天气、照明和交通条件下帮助维持安全和高效的交通通勤。医学领域正运用人工智能算法解释放射性图像，这可能会对刑事司法和法医界在确定死因和死亡方式上产生重要影响。包括ＤＮＡ分析在内的各个法医学科分支都在探索人工智能算法的运用。^[4]

局限与伦理问题

失业威胁

“机器换人”引发失业威胁。就业是社会个体生存与发展的根本，在以人工智能为核心标识的第四次工业革命到来之前，人类社会已经经历了三次工业革命，积聚了不少关于技术变革如何影响就业的思考，总的来说可以划分为两种类型，即替代效应和补偿效应。而关于以人工智能为核心标识的第四次工业革命对就业的影响，有一种观点认为，随着人工智能的不断发展升级与应用范围的扩大，短期内最直接的连带效应就是一股失业潮将席卷全球。在中国，“机器换人”的浪潮早已兴起，多个省市制定了专门的推进“机器换人”的实施方案。^[37]

隐私威胁

“围猎数据”引发隐私威胁。随着人工智能的不断发展以及各种智能设备在工作与生活中的广泛应用，“人人互联”“物物互联”“人物互联”成为日常图景，社会个体无时无刻不在产生数据，诸如个人的身份信息类数据、社交互动类数据、消费交易类数据、活动与地理信息类数据以及其他更为私密的生活与偏好类数据也时时刻刻在被记录、存储与分析。当社会个体的大量相关数据特别是一些隐私数据掌握在人工智能企业手中时，这些隐私数据可能面临着被人工智能企业故意泄露或与外部合谋间接泄露以及受外部攻击而被动泄露的威胁。^[37]

伦理问题

2021年11月，联合国教科文组织发布了《人工智能伦理建议书》，这是193个成员国集体谈判后达成的共同协议，因而成为首个全球性的人工智能伦理规则框架与纲领性文件。在此之前，伦理规范已日益成为人工智能发展的最新趋势，以及社会舆论关注的焦点话题。近年来，世界各国密集出台有关人工智能的伦理规范。例如，欧盟委员会在2019年出台了《可信人工智能伦理指南》，中国国家新一代人工智能治理专业委员会在2021年9月发布了《新一代人工智能伦理规范》。同时，国内外人工智能领军企业也高度关注人工智能伦理，在企业层面采取了一系列举措。^[13]

2023年3月29日消息，英国政府发布了针对人工智能产业监管的白皮书，概述了针对ChatGPT等人工智能治理的五项原则。它们分别是：安全性和稳健性、透明度和可解释性、公平性、问责制和管理，以及可竞争性。在接下来的12个月里，监管机构将向相关组织发布实用指南，以及风险评估模板等其他工具，制定基于五项原则的一些具体规则。也将在议会推动立法，制定具体的人工智能法案。企业应该解释何时以及如何使用人工智能，并透露系统的决策过程，以“暴露”使用人工智能所带来的风险。^[38]

发展现状

人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；全球知名风投调研机构CB Insights报告显示，2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。^[6]

创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。目前智能科技时代的信息产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动人工智能技术生态的研发布局，全力抢占人工智能相关产业的制高点。^[6]

人工智能技术近年来可谓是愈演愈热，随着计算机网络通信技术以及以 5G 为代表的通信基础设施的更新换代，网络技术的更新为人工智能技术的发展提供了肥沃的土壤。同时，各大高校纷纷设置人工智能学院与相关专业，培养具有人工智能专业背景的新型人才，各大企业也纷纷将人工智能技术应用于商业、服务业、先进制造业等领域，助力经济发展与生活便利。除了大众耳熟能详的机器人外，人工智能还涉及其他领域，例如逻辑算法、基于核心平台开发的大数据等，这些平台的开发一方面基于计算机技术，另一方面其智能化程度不断提升，体现了人工智能最新的发展方向。计算机技术的发展始终稳步前进，计算机专业的设置在我国高等院校中非常普遍，拥有深厚的发展土壤，培养了一大批具有计算机思维的人才，并且已经在某些方面取得了较为突出的创新成果。以区块链技术为例，这种去中心化的数据共享方式至今仍然被许多学者研究。计算机技术的应用也在不断落地，例如数据库、网络共享等已经走进了人们的日常生活。^[39]

人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题已经显现出来，需要抓紧提供解决方案。^[6]2021年国家新一代人工智能治理专业委员会发布了《新一代人工智能治理专业委员会》。^[8]2022年6月，Michael Chazan等利用一款深度学习人工智能工具，发现100万年前人类用火的证据，这被认为是有史以来最重要的创新之一。^[9]2023年5月31日，深圳印发《深圳市加快推动人工智能高质量发展高水平应用行动方案（2023—2024年）》。北京也发布两项与人工智能有关的支持政策——《北京市加快建设具有全球影响力的人工智能创新策源地实施方案（2023—2025年）》《北京市促进通用人工智能创新发展的若干措施》。^[15]

研究现状

人工智能研究主要分为三大学派：符号主义学派、联结主义学派和行为主义学派。它们的兴衰沉浮构成了人工智能发展的各个时期。三大学派在争论中不断积累并完善自身的理论，并没有哪一种理论被证明过时或者完全抛弃，也没有哪一学派统一了整个人工智能领域的研究。时至今日，这三种学派的研究仍然活跃在人工智能研究的前沿，并且相互融合、相互借鉴。^[21]

2020年12月，欧盟委员会公布了《数字服务法案》和《数字市场法案》的草案。尽管这些法案主要关注在线平台和数字市场的监管，但也涉及与人工智能相关的问题，如算法系统的透明度。欧盟还在努力制定数据共享和治理框架，以确保人工智能发展能够从高质量的数据中受益，同时遵守隐私和数据保护法规。2021年4月，为了促进人工智能的发展并解决其对安全和基本权利构成的潜在高风险，欧盟委员会提出了世界上首部有关人工智能的法规，以确保欧盟使用的人工智能系统安全、透明、可追溯、非歧视和环保。今年6月，欧洲议会通过了对《人工智能法案》的谈判授权草案，随后将与欧盟成员国就该法的最终形式进行谈判。^[40]

在人工智能领域中，谷歌、微软、OpenAI及Anthropic是最具影响力的四家公司。^[41]

发展趋势

人工智能加速推动基础研究。就目前的发展趋势看，未来人工智能将持续、深度赋能科学研究活动，为科研活动提供新的、革命性的基础性操作平台与方法，推动科研活动由传统的研究模式，扩展至智能式研究模式，从而大幅提高科学研究效率，甚至颠覆当前主流科研方法对于价值观念的颠覆性远超过技术本身的颠覆性。机器学习提供了不同以往的研发与沟通效率，却并非人工智能带来颠覆科技的象征。并非否定人工智能在应用层面产生了对社会逻辑与产业伦理各层面的颠覆效果，而是人工智能对于技术研发的颠覆性远不如对社会层面价值观念的颠覆性来得更为明显与直接。交互式人工智能是人类社会认识和熟悉人工智能的一扇窗口，从这扇窗口中窥见了其超过一般人群的表达能力、逻辑思维能力、记忆与组织能力、管理与领导能力，使之从一般人的视角与立场出发明显在与人力的比较中处于优势地位。但这也正是由于人类社会长期积累的语言逻辑知识的数量级叠加带来的赋能。^[31]

成就智能型研发的有效工具。目前为止的主流科研模式仍基于实验操作方法，执行问题提出、方法设计、模型创建的基本规程，最终解决既定问题。智能型科研模式则强调对科研大数据的智能化处理与操作，获取数据之中的潜在规律、发现其中的异常、智能构建规律模型等，或是通过自动化、持续性的工具操作来解放科研人员体力与精力。人工智能对科学研究的意义，不仅限于辅助性的获得新科学发现、新数据规律，更重要的是，它愈发成为一种新型的基础性科研平台，或是通过为整个科学研究提供革命性研究工具，来提高整个科学研究活动效率。^[31]

主要成果

1996年2月10～17日， GARRY KASPAROV以4：2战胜“深蓝” （DEEP BLUE）。^[43]1997年5月11日，IBM的超级计算机“深蓝”（Deep Blue）以2胜1负3平的成绩战胜了当时世界排名第一的国际象棋大师加里·卡斯帕罗夫，一时间全球轰动。2016年3月15日，谷歌围棋人工智能“阿尔法狗”（Alpha Go）与韩国棋手李世石对弈并以4：1的成绩获胜，这场“人机大战”成为人工智能史上一座新的里程碑，也再次为人工智能技术做了科普——从“深蓝”到“阿尔法狗”，预示着人工智能终将改变人类的生活。^[44]拥“豹”未来——2023雪豹研讨会上，来自腾讯守护雪豹项目的技术志愿者介绍了近年来逐渐成熟的AI识别系统，可以识别图片和视频中的野生动物物种。^[45]全新一代AI工业工程化平台，运用大数据模型、数字孪生和人工智能技术，从底层改变行业技术范式，重构需求、设计、选型、开发、测试、验证以及生产运营等工程化全过程，并打造面向行业的专属AI模型，为客户大幅降低开发成本，百倍提升产品性能和面市效率，从而构筑起史无前例的“工业大脑”，创造前所未有的非凡价值。^[46]

应用成果

2022年6月，Michael Chazan等利用一款深度学习人工智能工具，发现100万年前人类用火的证据，这被认为是有史以来最重要的创新之一。^[9]20世纪70年代以来，人工智能被称为世界三大尖端技术之一（空间技术、能源技术、人工智能）。也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。人工智能日益成为新一轮产业革命的引擎。在人工智能领域，我国大体上能与世界先进国家发展同步，完全有能力跻身新工业革命前列。应该依托互联网平台提供的人工智能创新公共服务方式，加快人工智能核心技术突破，促进人工智能在智能家居、智能终端、智能汽车、机器人等领域的推广应用，培育若干引领全球人工智能发展的骨干企业和创新团队，形成创新活跃、开放合作、协同发展的产业生态。我国必须把握这一重大发展机遇，瞄准国际人工智能发展趋势，把人工智能技术与产业升级改造有机结合起来，给经济发展新常态注入智能化的新动力。^[7]

人工智能影响

在大量数据与高额算力的加持下，部分人工智能技术已可替代人类做出大规模的精确决策，也取代了越来越多的人工岗位。从目前的影响来看，一方面，机器学习应用的确替代了部分传统劳动力，产生了劳动挤出效应：自动化机器人让生产流程趋于无人化，自然语言处理技术可较好完成大部分的翻译乃至信息提取工作，机器学习算法甚至能更准确地定性小分子化合物性质，从一定程度上减轻了大规模重复性工作所需要的劳动力和时间消耗。^[10]

另一方面，同此前历次技术革命一样，机器学习的兴起在提高社会生产效率的同时，也为社会创造了全新的工作岗位。从工业革命诞生以来，汽轮机代替马夫、车夫，纺织机代替纺织工人，有线电话、无线电报代替邮差，电子计算机通过代替手摇计算机，节省了大量手工演算。但需要注意的是，每一次的科技进步并没有造成社会大量失业，反而会通过提升传统行业生产效率和技术革新改变原有社会生产组织结构、产生新的业态。科技进步在改变行业企业生产技术的同时，也在改变传统行业工作内容，新的岗位需求随之产生。产化改革。^[10]