发展历程人类探索智能的道路是十分漫长的，最早可以追溯1900年以前的早期传说、文学和影视作品中的高级智慧[14]，20世纪，乔治·布尔的《思维规律的研究》、弗雷格的《概念文字》、伯特兰·罗素和其老师怀特海的《数学原理》这些著作在数理逻辑研究上有了极大的突破，麦卡洛克和皮茨于1943年提出的人工神经网络的概念以及后续构建的人工神经元的MP模型开创了人工神经网络研究的时代，赫伯学习规则以及1946年世界上第一台数字式电子计算机的出现对人工智能的发展也起到很大帮助[15][14][16]。 被公认为“人工智能之父”的图灵曾于二战结束后提出“图灵机”的概念，即虚拟机器替代人脑进行数学运算的设想，最终图灵在英国政府的支持下设计出一台支持存储程序的巨型电子计算机——“艾斯”，随后图灵还研发出世界上第一个AI国际象棋程序，而这也是早期AI的诞生标志[17]。 诞生初期1956年，第一个启发程序“逻辑理论机”由纽厄尔、西蒙、肖合作研制成功，启发程序可以对数学家证明数学定理过程中的某些思维方法和规律进行模拟，人们可以通过把这些规则和有关数学公理编写成计算机程序来进行数学定理证明，启发程序证明了怀特里德与罗索的名著《数学原理》第二章中的数学定理开创了用计算机模拟人的高级智能活动，实现复杂脑力劳动自动化的先例，其被认为是人工智能真正开端[18]。同年，塞谬而研制出一种具有自学能力的“跳棋程序”，这项“跳棋程序”于1959年击败它的设计者，而后又于1962年战胜美国一个州的跳棋冠军，据了解，它能够积累下棋的经验和教训并向高明对手或通过棋谱进行学习，同时还能不断提高棋艺的人工智能水平，这项研究成果开拓和推动了人工智能领域中“机器博弈”“机器学习”方面的研究工作[18]。同年夏天,美国达特茅斯学院举行了历史上第一次人工智能研讨会，会上,麦卡锡首次提出了“人工智能”的概念，同时人工智能最初的成就和最早的一批研究者也在这次研讨会出现，这次研讨会也是人工智能研究开始的标志[5]。而麦卡锡于1958年发明的LISP 语言也一直被广泛应用于人工智能中[7]。  1956达特茅斯会议成员 1959年，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。同时世界上第一家机器人制造工厂Unimation公司也正式成立[5]。同年，被称为“机器人之父”的约瑟夫·恩格尔伯格制造出世界上第一个工业机器人尤尼梅特，该机器人在制造成功不久后就被安装在通用汽车美国工厂的生产线上。两年后，与乔治·德沃尔共同成立世界上第一个机器人企业—Unimation公司[19]。  约瑟夫·恩格尔伯格与他的工业机器人  “机器人之父”约瑟夫·恩格尔伯格 1966年到1972年期间，美国斯坦福国际研究所研制的首台采用人工智能的移动机器人Shakey诞生，同时世界上第一个聊天机器人ELIZA在1966年由美国麻省理工学院的魏泽鲍姆发布，该机器人能通过脚本理解简单的自然语言并与人类互动[5]。 在人工智能领域中，有一种通过专家的专业知识和工作经验来求解专门问题的计算机系统—专家系统，而第一个专家系统DENDRAL是由美国科学家费根鲍姆于1968年研制成功，该专家系统的问世标志着人工智能学科的一个新分支——“专家系统”的诞生[18]。 1971年，来自斯坦福大学的肖特利夫等人开始研制医疗专家系统MYCIN并于1976年成功发表，该系统采用了“知识库”、“推理机”的系统结构的同时引入了“可信度”的概念，进行非确定性知识推理，能针对用户的咨询提问进行回答解释，并提供答案的可信度估计，而医疗专家系统MYCIN的成功研制也为其他许多专家系统的研究与开发提供了范例和经验[18]。 专家系统的大量研究、开发及许多成功的应用推动了知识表达、知识推理、知识获取、知识利用等知识工程方法和技术的发展，如1980年尼尔逊出版的《人工智能原理》专著中就以产生式系统为基本结构，通过谓词演算的方法对基于知识表达、推理的人工智能系统设计原理进行论述。专家系统是人工智能领域中最活跃和富有成效的学科分支。同时它也促进了人工智能的普及，从一般思维规律的探讨转向专业知识的利用，从学院式的理论研究走向技术市场的应用开发[18]。 1976年，来自斯坦福研究所的杜达等专家开始对地质勘探专家系统进行研制并于1981年研制成功，其激发了关于人工智能的“淘金热”，企业界和商业界纷纷投资开办智能产业公司来进行专家系统技术的相关应用研究，地质勘探专家系统的成功研制促进了人工智能从学院式研究走向技术市场开发[18]。 20世纪70年代初，人们发现当时的计算机有限的内存和处理速度不足以解决任何实际的人工智能问题，也无人可以做出一个庞大的数据库来帮助程序学习更加丰富的知识。由于缺乏进展，原本对人工智能提供资助的英国政府、美国国防部高级研究计划局等机构逐渐停止对人工智能研究的资助，美国国家科学委员会也在拨款二千万美元后停止对人工智能研究的资助[5]。  人工智能发展历程 应用探索期第一次人工智能寒冬的到来是在20世纪70年代，这段时期经历了将近20年，人工智能的科学活动和相关商业活动在这段时间里大大衰退，直到80年代卡耐基梅隆大学制造出可以应用于工业领域的专家系统，随后越来越多的企业和大学都参与到专家系统的开发中来，直至80年代末，世界500强企业中近一半都研制或使用了专家系统。而人工智能数学模型方面在80年代也取得了重大突破，如1986年的多层神经网络和BP反向传播算法等[20]。 1984年，在美国人道格拉斯·莱纳特的带领下，启动了Cyc项目，该项目的目标是使人工智能的应用能够以类似人类推理的方式工作[5]。 第二次人工智能寒冬的到来是在1987年至1993年，这段时间苹果、IBM开始推广第一代台式机，人们发现其费用远低于专家系统的软硬件开销，而专家系统的实用性仅仅局限于某些特定情景，随后20世纪80年代晚期，美国国防部高级研究计划局的新任领导认为人工智能并非“下一个浪潮”，并对那些更容易出成果的项目进行拨款[5][21][20]。 蓬勃发展期2013年，为探索深度学习领域，Facebook成立人工智能实验室，并借此为Facebook用户提供更智能化的产品体验；另外Google为推广深度学习平台而收购了语音和图像识别公司DNNResearch；百度则创立了深度学习研究院等[5]。 2014年，聊天程序“尤金·古斯特曼”在英国皇家学会举行的“2014图灵测试”大会上首次通过图灵测试，这也是人工智能进入全新时代的标志[5]。 2016年3月，Google人工智能AlphaGo与围棋世界冠军李世石历经5个小时的围棋人机大战落下帷幕，最终的总比分定格在1比4，AlphaGo以三分的领先优势取得胜利，这一次的人机对弈也使得人工智能正式被世人所熟知和了解，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[5]，同年，英国 DeepMind 研发的围棋机器人AlphaGo在通过无监督学习的方式战胜了围棋世界冠军柯洁[12]。  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%[22]。 2021年，以色列的一个研究团队推出一款可以对暴露在200℃~300℃火中留下的细微迹象进行识别的深度学习人工智能工具，而该人工智能工具发现许多燧石工具都被加热过，其加热温度甚至达到400℃左右[23]。同年中国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》[24]。 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[23]。 核心技术机器学习机器学习即借助计算机来对各项数据信息进行分析和学习，以此对人工智能具有预测判断及作出决策的能力提供帮助。随着时间发展也逐渐形成了一些具有代表性的算法，对于人工智能来说，机器学习作为一项关键的技术，对人工智能今后的发展也具有主要的推动作用。其广泛应用的深度算法能够在海量数据信息当中自行归纳和提取重要的特征，而这种能力也可以进行多层特征提取及描述，同时可以进行特征的还原，实现深度学习的目标。人工智能从感知阶段发展为至今的深度学习阶段，是在传统神经网络拓展方面的进一步突破，可以借助非线性网络结构输入数据，而且能够在少量样本数据中学习和集成本质特征[11]。 语音识别语音识别技术，又称自动语音识别，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，近年来语音识别方面与人类水平相齐平，识别效率在快速上升，其在车载导航、智能家居、日常办公等领域都有涉及。对于人工智能子项目之一的语音识别来说，其研究源头可追溯至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，这就是后来的人工智能图灵测试，语音识别领域的未来发展方向也更体现在复杂场景下的识别效率，并有效结合其他信息[25][26]。 自然语言处理技术自然语言处理技术，主要是指人工智能可以将人类语言转化为计算机程序进行处理和接收的语言，将计算机数据转化为人类自然语言，以便二者之间进行更加畅通的交流和互通，将二者之间的语言进行相互转换，以便计算机可以更好地理解人类想要表达的诉求和语言。这些需要处理的语言形式通常体现为声音或文字，自然语言处理技术综合多个学科，其中包含语言学、计算机科学及其他学科，研究目标集中在自然语言通信的计算机系统中，同时还会涉及到信息检索、信息提取及其他类型的技术。由于这些数据稀疏和平滑，因此需要对人类的语言进行语法分析和文本生成[11]。自然语言领域在一些具体任务上也取得显著成效。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[25]。 图像处理技术图像处理技术主要是指人工智能具有类似于人类的视觉功能，即通过计算机可以主动获取这些图片及其他多维度数据信息，并可以借助人工智能来对相应的图像进行调整和处理，从中提取重要的特征。传统计算机因为受到计算能力因素的限制而无法有效提升信息交互处理的效率，而且在处理的过程中芯片计算能耗较大。人工智能领域数据相对来说较为密集，这种传统的计算处理技术难以满足现代社会数据处理的实际，而近些年来超级计算机的出现及云计算技术的快速发展打破了这一屏障[11]，而对于图像处理技术的未来研究则要求未来人工智能在具备视觉场景理解能力的前提下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，近年来，机器视觉在卷积深度神经网络的帮助下已经在物体识别准确率和人脸识别准确率上达到或者超过了人类水平，取得了较为长远的发展。相关研究人员的终极理想也是让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，从而创造人类水平的视觉能力[25]。 人机交互技术人机交互技术主要是指计算机系统可以与用户进行更方便的交流和互通，主要是由机器输出或显示大量的信息，由用户进行读取这些提示和请求信息，然后借助输入设备向机器输入有关信息，并回答相关问题，从而实现和机器之间的互动。人机交互技术主要包括交互、界面设计及其他的图像学，所涉及的理论知识也十分丰富，目前是用户界面研究当中发展最为迅速的重要研究技术，如今研究出的重要产品和技术如3D显示器及手写文字识别系统等[11]。 生成式人工智能生成式人工智能是利用人工智能技术自动生成全新、完全原创的实际工件的新型生产方式，它基于大模型、大算力、训练方法等多方面技术突破，同时还可应用于多种活动，如创建软件代码、促进药物研发和有针对性的营销等，生成式人工智能在实现高质量、高效率、多样化的内容生产的同时也成为推动数字生产力变革的重要力量[27][28]。 深度学习深度学习是模拟大脑神经网结构对数据进行表征学习的一种方法，它是计算机科学机器学习领域中的一个研究方向，深度学习要求人工智能对样本数据的内在规律和表示层次进行学习，即通过对获得的信息如文字,图像和声音等数据进行学习来像人一样具有分析学习能力，能够识别文字、图像和声音等数据，它是一个较为复杂的机器学习算法，深度学习能帮助机器对视听和思考等人类的活动进行模仿，解决很多复杂的模式识别难题，人工智能相关技术也因此取得很大进步[15][29]。 应用场景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对目标的检测和跟踪实现自动化，进而提供更准确和全面的视觉信息；其次，观众的情感反馈和参与度分析可以使用到人脸识别和表情分析技术，该技术为节目制作提供指导；再次，智能化的内容生成技术可以为提供更精彩和有趣的片段而自动剪辑摘要电视直播的内容；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来为观众提供定制化的内容推荐和互动体验。[30]人工智能在自动化控制中也有所应用，如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应用在相关电气设备上，而这一过程较为复杂且需要投入大量的人力、财力，这也要求设计者具有丰富的理论知识和大量相关工作经验。而如果在如此复杂的电气设备设计中运用上人工智能技术，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。而在这些优化设计中主要采用的是遗传算法，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，并且要求从业人员在具备传统的专业知识和实际工作经验的基础上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] 另外人工智能已逐渐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，其在公共部门和私营部门中最为常见。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的算法。 医学领域也通过人工智能算法来解释放射性图像，而这可能会极大的影响刑事司法和法医界死因在死亡方式上的确定，另外包括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]人工智能的另一个重要应用方向是智能机器人，它在汽车制造、电子制造、仓储物流、医疗装备制造、应急管理和军事等领域都有着极为广泛的应用价值。联合国贸易和发展会议（UNC-TAD）发布的《2021年技术和创新报告》也将智能机器人列为全球前沿技术之一[10]。 另外脑机接口也是AI一个重要的应用方向，人类智能与AI的智能具有一定程度的互补性，脑机接口有助于增强人类智能和AI的智能。此外，脑机接口技术在医疗康复、自动驾驶等领域也具有重要而广泛的应用价值。世界各主要国家、科研机构和企业均在加速布局脑机接口，积极抢占这一全球科技竞争的制高点。世界知识产权组织（WIPO）发布的《2021年辅助技术趋势报告》将脑机接口作为未来科技发展的重要方向[10]。 AI广泛应用于自动驾驶汽车、智能音箱、从个性化推荐系统、生物医疗应用等不同领域，其成为人类工作和生活的一个重要组成部分。同时，新的AI技术，例如，以ChatGPT为代表的通用人工智能技术，正在不断迭代升级，迅速发展，并不断拓展其应用领域。[10]。 争议事件网络欺诈生成式人工智能兴起的同时加剧了东南亚新上网人群受到的欺诈威胁，其中在2023年11月7日刊发的《人工智能正在放大东南亚新数字公民面临的风险》一文中介绍了一种常见欺诈手段—“鱼叉式网络钓鱼”，该欺诈方式通过对受害者发送带有链接的电子邮件并引导其点击相应链接，受害者点击后就会触发恶意软件。而据网络安全公司Darktrace的数据显示，由于生成式人工智能助长了欺诈行为，2023年前两个月，电子邮件攻击数量同比增长135%[31]。 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，世界内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。[32] 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。[33] 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，例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无时不刻在被记录、存储与分析。一些可能会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隐私数据也正被掌握在人工智能企业手中。[34] 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，人类社会在以人工智能为核心标识的第四次工业革命到来之前就已经经历了三次工业革命，也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替代效应和补偿效应两种类型。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，一股失业潮会随着人工智能的不断发展升级与应用范围的扩大而席卷全球[34]。部分人工智能技术在大量数据与高额算力的影响下已经可以替代人类做出大规模的精确决策，这也意味着越来越多的人工岗位被取代。一方面，机器学习应用在替代了部分传统劳动力后产生了劳动挤出效应，即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，这也意味着在大规模重复性工作所需要的劳动力和时间消耗被减少。另一方面，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。然而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[13]。 社会影响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。而全球科技产业巨头在智能科技时代的信息产业格局还没有形成垄断之前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[22]。 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中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[35]。 人工智能的社会影响日益凸显。一方面，人工智能在推动传统产业升级换代，驱动“无人经济”快速发展中扮演着新一轮科技革命和产业变革的核心力量这一角色，同时人工智能在智能交通、智能家居、智能医疗等民生领域也能产生积极影响。另一方面，需要尽快对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提供解决方案[22]。 相关事件2024年2月19日，中国国务院国资委召开“AI赋能 产业焕新”中央企业人工智能专题推进会，在会议中强调中央企业要把发展人工智能放在全局工作中统筹谋划，深入推进产业焕新，加快布局和发展人工智能产业。要夯实发展基础底座，把主要资源集中投入到最需要、最有优势的领域，加快建设一批智能算力中心，进一步深化开放合作，更好发挥跨央企协同创新平台作用。开展AI+专项行动，强化需求牵引，加快重点行业赋能，构建一批产业多模态优质数据集，打造从基础设施、算法工具、智能平台到解决方案的大模型赋能产业生态。[36]
|
|
|
