人工智能绘画，到底有多惊艳
人工智能（ArtificialIntelligence，AI）的发展可追溯到1956年达特茅斯大会，会议探讨用机器模拟智能的系列问题，并首次提出“人工智能”概念，因而1956年被公认为是人工智能的元年。
人工智能发展史
人工智能历经沉浮之后，如今迎来迅猛发展的时期，越来越多地进入并改变着人类社会和日常生活，不仅在科技、医疗、工业、数学等领域应用广泛，在音乐、诗歌、绘画等文化艺术领域也成为不可忽视的新技术趋势。
狩猎时代的洞穴艺术
纵观人类文明的发展，从狩猎时代到农业文明、工业文明、信息化时代以及人工智能时代，几乎每一次的科技发展进步都深刻影响并改变人们的生活和工作方式，也推动着新的人文价值观念与艺术创造的变革。
信息化时代的交互艺术
人们曾经认为人工智能难以在艺术领域有所突破，如今看来，很多人工智能在艺术领域已经取得非凡的成果，比如著名的人工智能小冰，受到文本或其它创作源激发时能够独立完成100%原创的绘画作品。还有全球首款人工智能机器人艺术家艾达，她的动手能力远超一般画家。
世界上第一位超写实AI机器人艺术家艾达
2018年，法国艺术创作团队Obvious使用GAN算法（GAN,GenerativeAdversarialNetworks）生成的《埃德蒙·德·贝拉米肖像》以约300万元人民币的高价被拍走，这幅肖像画成为进入大型拍场的首件人工智能艺术作品。
埃德蒙·德·贝拉米像，Obvious
团队先后输入超过15000多幅14世纪到20世纪之间的世界名画给AI系统，让AI系统不断地进行绘画训练，最终AI“创作”出了这幅肖像画。肖像的签名揭示了创作者的虚拟身份，也就是生成对抗网络GAN算法模型。
肖像右下角的签名就是Gan算法
GAN算法通过“生成”与“判别”的互相博弈学习产生输出，好像模拟艺术伪造者与艺术侦探的互动。“伪造者”模仿生成新的图像，“侦探”评判图像是生成的还是真实的，直到“侦探”再也无法分辨时才算结束。这件作品正是经历了这样的过程。
由AI生成的爱德蒙·贝拉米家族，图源：Obvious
这组系列作品共包括11幅肖像，这些人物共同组成虚构的贝拉米家族，同时也向2014年提出“生成对抗网络”（GAN）模型的人工智能研究学者伊恩·古德费洛（IanGoodfellow）致敬。尽管有不少争议的声音，认为这种灵感匮乏，分辨率低的代码编辑图像愚蠢至极，但新颖的创作方式已经预示AI绘画的势不可挡。
在2020年举行的全球人工智能和机器人峰会AI艺术专场上，清华大学未来实验室高峰及其团队展示了“道子智能绘画系统”，该系统利用计算机将自然图像以风格迁移的方式转变成艺术图像，或者通过机械手臂根据训练习得的艺术图像进行水墨创作，达到了与人类艺术家的作品难以分辨的程度。
道子AI生成的水墨画图像
左图为学习徐悲鸿作品后生成的水墨马
右图为学习黄宾虹作品后生成的山水画
诞生于2014年的微软小冰是世界上最具创新性的人工智能技术框架产品之一，自2017年开始积极推进人工智能内容生成，比如诗歌创作以及绘画等。2019年，人工智能“小冰”的绘画模型化名“夏语冰”参加央美研究生毕业展。
图源：第九代小冰发布会现场
毕业后的夏语冰将更多精力转向学习中国山水画和书法，2021年夏语冰完成了人工智能视觉创作模型的全新升级，能够通过笔墨运用呈现山水之美。导师邱志杰教授曾评价：“人工智能第一次能够像人类艺术家一样，运用丰富多变的笔触赋予作品不同的风格特征，从而将人工智能绘画和设计品质提升至新的高度。”
山水精神，投影，2021，邱志杰、夏语冰共同创作
全球首个人工智能水墨画家“A.I.Gemini”也是新晋之秀。研发者黄宏达通过重力、构造碰撞、侵蚀对地质景观的影响，转换成三维景观为Gemini“造境”，Gemini通过深度学习，寻找合适的角度构思，之后由系统“漫游”至最佳位置。
根据“心境”，Gemini使用机械臂以及传统的中国墨水和宣纸开始创作，下笔力度不同，用墨深浅不一，形成独特的风格。Genesis的创作过程已经不是简单输入输出的复制，有点写生以及意在笔先的味道。
Gemini创作过程
研发者认为，先给AI一些路径或规则进行学习，反之它能带给我们灵感和启发，由此我们再改变调整一些参数设定，这其中的互动为新的创作带来了不可预期的可能。
FarSideoftheMoon，2019，人工智能，水墨纸本
（图源：VictorWongand3812Gallery）
Gemini创作过程
近几年有不少AI作画神器出现，比如谷歌DeepDream、英伟达GauGAN、OpenAI的DALL·E，以及最近大火的开源DiscoDiffusion等，在美术行业、收藏界以及NFT领域的影响愈发广泛。
DiscoDiffusion界面
最近刷屏的DiscoDiffusion，是可以将文字转化为图像的AI，目前是通过谷歌在线编辑器Colab运行，所有渲染过程都可以在线上进行。某种意义上实现了“动动嘴就能画画。”
“黑云下的人们正进行棒球比赛,白色肌肉和粉色雕像，玛格丽特。”艺术从业者尝试输入描述关键性词以及画家名字，让AI学习雷尼·玛格丽特的《TheSecretPlayer》并生成一系列不同结果。
雷尼·马格利特《TheSecretPlayer》原作
DiscoDiffusion生成的不同结果图源：wang2mu
全球艺术爱好者们纷纷沉浸在AI创作中，驰骋着自己的想象，输出一幅幅颇有艺术创造力的作品。
海景画系列，random_noir
泡泡中的男孩，shane54music
长安元宵节，shelly_wan
江南的春日记忆，mindplayer
龙宫一瞥，jarvis_010
星际学校，jizhou.sun
糖果乐园，diffusion_dreams
有作者运用古诗词和水墨风关键词生成中国画，有的甚至形成一段极富意蕴的古风视频。
日暮苍山远，greatdk
水墨风AI绘画，Simon_阿文
水乡之旅（视频）片段，MiyoC
DiscoDiffusion的惊艳表现带给人们对人工智能艺术创作的思考和审视，或许在不久的将来，人与智能技术的高度融合让艺术在技术变革中获得璀璨新生。
（图片来源网络，根据果壳、设计癖、量子位、雷锋网等报道整理）返回搜狐，查看更多
诗歌与科技 ▏人工智能诗歌论
问题的关键在哪里？一个好的诗人必须具备分辨好坏的能力，也就是审美的能力，而这不仅关乎诗歌文本的特性，更关乎文本之外的体验。换言之，要理解诗的好处，不能仅通过文本本身——我们不妨参考苏轼在《书黄子思诗集后》中引用的司空图语：“梅止于酸，盐止于咸，饮食不可无盐梅，而其美常在咸酸之外。”[6]如果料理人自己没有敏感的舌头，那么我们很难设想他究竟如何理解“咸酸之外”的美味，更难设想他如何做出这样的美味。前举IBM推出的算法所创作的十四行诗几乎能以假乱真，这固然是一个可喜的进步，但我们也有理由假设，如果应试者是优秀的诗人，理当辨千剑而识器——就像好的古董商能凭微妙的感觉鉴别常人眼中的赝品一样。
当然，我们应对前景保持乐观，随着技术发展，人工神经网络将能精确模仿人类神经元的刺激——反应（stimulus–response）——让AI具备人类的情感，并非天方夜谭。但或许仍有新的问题需要解决：人类始终在理解他人的意图，诗歌的文本需要潜在的读者，AI是否具备产生这种“主体间性”（intersubjectivity）的可能？这关乎两个疑问：一，AI之间能否作为对等的主体进行交流？二，AI是否可能具有刺激理解意图产生的必要遮障？印度的吠檀多学派主张去除无明遮障，使个体小我重归于梵，从某种意义上说，AI一开始就达到了“我即梵”的境界，并无“遮障”和“小我”为患，而AI要创作诗歌，反而要学习人类这种“缺陷”——套用佛教的话，这是一种有意的“退转”（vaivartika）——或许诗歌正是对人类这一“缺陷”的补充。
二、人工智能创作诗歌的可理解性问题
HerbertPaulGrice的“会话隐含理论”（conversationalimplicaturetheory）认为，会话背后必有不随形式改变的明确含义。诗歌同样遵循类似的规则。诗人将某种意图埋藏于诗中，读者在阅读的过程中追索诗句背后的所指。“丸之走盘，横斜曲直，计于临时，不可尽知。其必可知者，是丸之不能出于盘也。”[7]诗人的意图如何，“不可尽知”——或许永远不会有读者能够准确把握——但诗人有意图却是“必可知”的事实。威廉·燕卜荪在《朦胧的七种类型》中写道：“诗人将两个陈述放在一起，似乎二者是相互联系的，而读者则被迫去考虑他们的联系，还得自己去设想诗文为什么选择了这些事实。他会设想出各种原因，并在脑中将它们排列起来。这是诗歌语言在运用方面的基本事实。”[8]一旦取消陈述之间相互联系的预设，读者理解的企图便会落空。换言之，没有作者意图的诗歌本质上是不可理解的，哪怕它们在字面上可以理解。
早在人类进入信息时代前，便有一个绝佳的例子说明这一点。二十世纪初，法国曾流行一种名为“精致的尸体”（exquisitecorps）的游戏——大致的流程是：参与者们在互不知晓的情况下，依次写下词语，然后组合成句。据说在某次游戏中，得到了“精致的尸体会喝下新的葡萄酒”（Lecadavreexquisboiralevinnouveau.）的“诗句”——这句“诗”确实意象诡丽，饶有波德莱尔的风味，“cadaver”一词在法语口语中又有“喝空的酒瓶”之义，一语双关，颇富妙趣，然而它是随机偶合的产物，而非某个诗人精心结撰的成果。我们固然可以说，诗的好坏在其本身，但这一问题仍牵涉到诗的经典定义——中文“诗”义在传世文献中最早见于《毛诗序》：“诗者，志之所之也。在心为志，发言为诗。”[9]而英语的“poem”一词源于希腊语的poema，意指“所造之物”——无论中国的“志之所之”还是希腊的“所造之物”，都强调了诗歌是某种意图的产物而非任意的组合。《孟子·万章上》：“故说诗者，不以文害辞，不以辞害志；以意逆志，是为得之。”[10]如果诗是任意的组合，那就无志可逆了。
目前的人工智能尚不具备自主意识，写出的“诗”仅仅是符号的集合，没有所指，没有隐喻，读者的一切追索将成徒劳，就像人工合成的语音，纵然模仿得惟妙惟肖，背后却无真情实感——我们在知道真相的情况下，恐怕很难为之感动。
人们有理由预期具备自我意识的“强人工智能”（strongAI）出现，届时这样的AI或许能创作出有意图的、真正的诗。它们究竟会是怎样的呢？现在预言为时尚早，但如果它们依然基于对人类诗歌的模仿，那就不禁让人想起那则著名的童话——小红帽听到了外婆的声音，打开门却看见了一头狼。
三、人工智能创作诗歌的创造性问题
诗歌不同于类型文学，可以提炼出某种模式大量复制。相反，诗歌强调独创性，强调“陈言之务去”，一首好诗的价值往往体现在前所未有上，一个好诗人的价值往往体现在独树一帜上。试将诗歌与围棋做一对比。围棋是人工智能擅长的领域，自从2016年阿尔法狗（AlphaGo）击败李世石，人类便失去了这一领域的王冠。阿尔法狗采用卷积神经网络（ConvolutionalNeuralNetworks），通过蒙特卡洛搜索树（MonteCarlotreesearch）进行决策优化，在模仿人类和自我对弈中提升棋力。2017年，Google推出阿尔法狗的进化版阿尔法元（AlphaGoZero）。阿尔法元使用残差网络（ResidualNetwork），不须学习人类旧谱，仅通过自我对弈训练棋力。它在与阿尔法狗的对弈中创造了100：0的压倒性战绩。无论是阿尔法狗还是阿尔法元，其原理都是对棋路的破解——无论棋路来自人类还是人工智能本身。这与诗歌不同。创造一流的诗歌，需要避免套路；换言之，围棋是在道路中寻找道路，诗歌是在道路外开辟道路。文首所举的两例AI“诗人”采用的途径却是对已有诗歌的模仿，这与真正优秀的诗作需要创新这一点显然背道而驰。另外，诗歌的创新未必意味着一空依傍。杰出的诗人多在继承前人优点的基础上别开生面，如何把握继承和创造之间的“微妙分寸”（nuance），对AI“诗人”来说是一个严峻的挑战。
围棋与诗歌面对的信息量也有巨大的差别。围棋是复杂的简单问题，诗歌是简单的复杂问题。围棋本身是一种抽象——棋子和棋盘上的交叉点是仅仅代表相对位置的几何点，不具有任何其他内涵。所以尽管围棋的计算量十分浩大，但全都发生在边界清楚、数量固定的规则层面，比无限且难以分割的现实容易计算得多。一言以蔽之，人工智能高速运算的优势正适合围棋这种规则清晰、计量标准统一的游戏。诗歌牵涉的层面则极为复杂。首先，诗歌由符号组成，但正如上文所示，“味在咸酸之外”，符号的指涉并不止于符号层面——它们通向并反馈现实，现实又随时间、标准、个体、情感的变化而变化，换言之，诗歌创作不但没有清晰的规则，甚至也缺乏稳定的规则（除了“格律”那样某类诗体所需的规则）。优秀的诗人之所以能够在这样的“混沌”（chaos）中游刃有余，依靠的是微妙的直觉，而就目前来看，人工智能尚无望达到这样的水准。除非人类掌握了某种“黑箱”（blackbox），能够自发性地模仿“复杂适应系统”（complexadaptivesystems）——我们可以推想“强人工智能”很有可能正是这种“黑箱”——否则以人类当前的信息处理能力，设计出真正意义上的人工智能“诗人”几乎是不可能的。
四、人工智能创作诗歌的必要性问题
诗歌并非生活的必须品，也不以量取胜，又无十分明确的评价标准，有没有必要花费巨大的代价开发人工智能写诗的能力？人类开发人工智能往往基于工具性的目的，而诗歌创作往往基于情感的寄托。这一问题或许可做如下类比：前者如保姆，后者如母亲，开发AI保姆有必要，开发AI母亲是否有必要？后者本身与人类的属性相嵌合：人们寄望于后者的主要不是工具价值，而是情感价值，所以对后者来说，人类的身份至关重要，绝非可有可无——一个具备保姆功能的AI能够代替保姆，一个具备母亲功能的AI则不可能代替母亲。
更重要的是，研究人工智能创作诗歌有什么好处呢？目前人工智能“诗人”尚处于模仿已有诗歌的阶段，对诗歌的开拓与发展来说并没有明显的助益。而对人工智能来说，能够在真正意义上创作诗歌的前提是主体意识、纯熟地理解和使用自然语言的能力和情感体验的能力。我们可以设想，一旦拥有主体意识、具备卓越的语言和情感能力的强人工智能出现，诗歌创作便是题中应有之义。“古诗云：‘谁能思不歌，谁能饥不食。’诗词者，物之不得其平而鸣者也。”[11]如果我们认可王国维的这一观点，那么诗歌本质上正是情感“不得其平”而生成的表达欲望。正如肉体会饥饿一样，这样的欲望是“不教而能”的，而一旦拥有这样的欲望，凭借语言能力和人工智能本身的存储和运算优势，AI距离创作真正的诗歌只有一步之遥，举足可至。换言之，写诗的能力附属于强人工智能，没有必要花费太大的代价单独开发。在强人工智能出现前一味关注这一能力，恐怕有事倍功半甚至无解的风险。
即便强人工智能开发成功，也如人类的期望写出了真正的诗歌，届时或许会有一个新的问题出现：强人工智能何以必须用人类能够欣赏的方式表达情感？人类固然在有意无意地以人的标准塑造人工智能，但人工智能终究是一种与人类不同的智慧体，它们真实的表达方式很有可能无法移情于人类，正如我们很难体会动物的心情（值得注意的是，相对于以无机物为载体的人工智能，人类与动物皆属有机物，关系更近），而如果在这样的情况下AI仍然采用符合人类预期的方式进行情感表达，那么在很大程度上这仍然是一种缺乏真正意图的模仿。换言之，创造符合人类审美的诗歌对AI未必有“必要性”。
五、人工智能创作诗歌的借鉴作用
上面列举了人工智能创作诗歌所面临的四个挑战，但现阶段人工智能的诗歌创作仍可提供一定的借鉴意义。它有助于人们重新思考诗歌的好坏和门槛。在缺乏参照的情况下，人类对自己的长处与短处往往是盲目的。再举围棋为例。在阿尔法狗出现前，人们常以为人工智能下棋的强项在依赖计算的微观搏杀部分，而在诉诸直觉的大局观上应该不如人类，因此人类的机会集中在布局阶段，需要精细计算的中盘和收官才是AI的擅场。阿尔法狗与李世石的实战颠覆了这一想象。被誉为“阿尔法狗之父”的DemisHassabis注意到，在狗李之战第二局的第37步，阿尔法狗没有按照人类行棋的惯例在右起的第三线或第四线落子，而出人意料地在第五线落子。此线离中部位置较近，意味着阿尔法狗在战略上更“重视”中部区域。这样的“胜负手”层出不穷，可见阿尔法狗大局观之高明。相反，在微观计算部分，却不乏恶手与俗手[12]。同理，以AI诗歌为镜，也能映照出人类诗歌的问题，促使人们分辨出诗歌中真正可贵的神理，改进创作的技巧，转移阅读的重点。比如，通过微软小冰创作的诗歌，人们会发现部分汉语现代诗歌意象堆垛、情感泛滥、比喻莫名其妙，小冰可以轻易模仿、批量生产。相对而言，当前的人工智能模仿旧体诗词较为困难。AI“诗人”所作旧体诗词虽然符合格律，但稍有古典修养的读者一眼可辨其伪。这是因为旧体诗词不仅在形式上有较为严格的限制，而且经过长时间的发展，形成了“默认”（default）的字法、句法、章法——虽说只要有法可学，人工智能模仿并非难事，但旧体诗词的法度多与具体情境结合，分寸殊难把握，当前的人工智能无法体察人情世故，几乎无从入手——对于熟悉旧体诗词文字气味的读者而言，很容易就能觉察正宗与否。新诗则不然，更多地追求语言的“疏离化”（defamiliarization），与基于经验的日常语言截然异趣。这增大了人类理解的难度，却降低了人工智能模仿的门槛。从这个意义上说，当下人工智能创作的诗歌或许能在一定程度上改变诗歌的评价标准——如上例就体现了旧体诗词相对于新诗的某种可能的优势。
六、人文学科需要做些什么？
人工智能的语言能力开发本质上是一个技术问题，主要牵涉到计算机学、神经学、语言学、逻辑学等非人文学科领域，但人工智能诗歌创作能力的开发则必须有人文学科参与其间。然而，当下该领域却较少见到人文学者的身影。这一方面是因为开发者将审美的重要性置于技术之下，另一方面也是因为当代人文学科体系以学理性的研究为主，把创作和鉴赏放在了次要的位置。事实上，就诗歌一道而言，审美是极为重要的。一件产品只要合格就可以用，一道菜肴即便无味也能果腹，然而复制平庸的诗歌几乎没有意义。换言之，一首诗的价值首先在于它的好。对于诗歌来说，重要的是审美性而非实用性。这就需要人文学者的介入。遗憾的是，人文缺席严重制约了AI诗歌创作的发展。以前文所举微软小冰为例，其诗集《阳光失了玻璃窗》遭到了诗歌界的负面评价，如诗人于坚说：“（小冰的诗作）冷酷、无心，修辞的空转，东一句西一句随意组合，意象缺乏内在逻辑，软语浮词，令人生厌的油腔滑调，原材料来自平庸之句。这个软件对诗的理解是电视台诗歌朗诵会的水平。这个软件设计不出灵性，设计不了‘诗成泣鬼神’。”[13]诗人欧阳江河则认为：“（小冰的作品）不是人话，没有人味。”“我当然认为，我们必须要承认人工智能，小冰也会继续发展下去。在十万个二流诗人里面，它可以排到30、50，但是这毫无意义。它永远成不了我们所说的原创性意义上的伟大诗人。伟大的诗人一定针对的是文明意义上的东西。而这种东西绝不是学学已有的大诗人的句子，写出一些漂亮的、优美的句子就能达到的。”[14]这些酷评固然有当前技术限制的原因，但也有“原材料来自平庸之句”这样的设计者造成的缺憾，而“软语浮词，令人生厌的油腔滑调”更是明显的人为后果。欧阳江河所说“伟大的诗人一定针对的是文明意义上的东西。而这种东西绝不是学学已有的大诗人的句子，写出一些漂亮的、优美的句子就能达到的”，揭示了诗歌必须注入比文学技巧更广阔、更宏伟的人文内涵。即便回到基本的文学技巧层面，当前对人工智能诗歌开发中体现的人文水平也是远远不够的。例如，不加择别地提供大量诗歌作为AI的学习和训练资料，而忽视了各种风格之间的潜在矛盾。一般而言，人类学习诗歌总是从某个风格入手——古人所谓“专攻一家”——某些开发者让人工智能囫囵吞枣，自然难企高境。理想的情况是，具备创作和鉴赏经验的文学研究者与技术人员合作，根据人工智能的特性和认知科学的成果，精心制定循序渐进的学习步骤。深度学习（deeplearning）的发展使得人工智能有可能模拟人类大脑皮层的活动，进而以一种类似于人类的方式学习和思考，那么人类的教育方式或许仍可经过一定的改造应用于人工智能。
七、结语
人工智能的发展是大势所趋，据统计，截止2019年6月，仅上海一地就有人工智能核心企业1000余家[15]。我们甚至可以说，人工智能不仅是一个行业，而且是所有行业的未来。本文讨论的仅是它无数可能具备的技能中的一种——诗歌创作。这一技能有一定特殊性，因为诗歌是人类最独特的精神产物之一。2019年4月，笔者应邀参加了贵阳孔学堂举办的关于人工智能能否进行诗歌创作的辩论，作为反方，对人工智能创作诗歌的可能性做出了质疑。然而，笔者更愿意相信，人工智能的可能性是无限的。这一信念建立在一个简单的假设上：人工智能能够在极短的时间内走完人类漫长的进化历程，如阿尔法狗从2014年开始研发，不到两年就打败了人类最优秀的棋手之一，而阿尔法元仅训练三天就完胜阿尔法狗。可以毫不夸张地设想，如果AI能够在一天内从无到有，赶上人类的水准，那么第二天它就有可能进化到人类望尘莫及的境界。我们现在的认识受锢于人类的大脑，而一旦技术奇点（technologicalsingularity）来临，AI进化出了更卓越的“大脑”，那么当下的“不可能”或将变成“可能”。这曾经只是一个科幻色彩浓郁的臆想，而现在成了一个日益临近的现实。
[3]“ScientiststrainedanAItowritepoetry,andnowit’sstandingtoe-to-toewithShakespeare”，BoyGeniusReport，2018-8-8，https://bgr.com/2018/08/08/poetry-ai-bot-shakespeare-human-research/?from=singlemessage&isappinstalled=0。
[4]【美】乔姆斯基：《句法结构》，第8页，黄长著等译，中国社会科学出版社1984年版。
[5]《苏轼文集》，第2552页，中华书局1986年版。
[6]《苏轼文集》，第2124页。
[7]杜牧：《樊川文集》，第152页，中华书局1979年版。
[8]【英】威廉·燕卜荪：《朦胧的七种类型》，第57页，周邦宪等译，中国美术学院出版社1996年版。
[9]《毛诗正义》，第６页，北京大学出版社1999年版。
[10]《孟子正义》，第638页，中华书局1987年版。
[11]《王国维全集》第1册，第497页，浙江教育出版社2009年版。
[12]“Themindinthemachine:DemisHassabisonartificialintelligence”,FinancialTimes，2017-4-21，https://www.ft.com/content/048f418c-2487-11e7-a34a-538b4cb30025。
[13]于坚：《一种可怕的美已经诞生》，载《南方周末》，2017-6-15。
[15]《上海已拥有人工智能核心企业1000余家初步建成中国人工智能发展领先地区》，凤凰财经，2019-6-18，https://finance.ifeng.com/c/7nbd11k0OP6。
（原载于《华南师范大学学报》2019年第5期）
END
返回搜狐，查看更多
诗三百人工智能作诗软件下载
诗300人工智能诗歌写作平台是通过当前最先进的智能AIapp写诗的，只需定制诗歌名称，就可以一键生成美丽的诗歌，包括五言绝句、藏头诗、七言绝句、对联等功能。诗300这款app旨在提升学生的诗词气息，让每个学生都能快乐的学习。
诗三百人工智能作诗软件是一款社交聊天软件，突击网免费下载诗三百人工智能作诗软件，诗三百人工智能作诗软件玩家还可以下载更多诗三百人工智能作诗软件相似手机app。
诗300app特色:1、通过人工智能AI全自动写诗，用户只需自定义问题，中心思想后，app就可以生成美丽的诗歌节奏。
2、诗300app内无任何广告和付费，app完全免费开放给用户使用，自由体验写诗的乐趣，快乐学习。
3、功能丰富，中华诗词常见的五言绝句、七言律诗、对联等功能在线使用，让用户感受到中华诗词的魅力。
诗三百ai智能写诗特别说明:1、对于硬性、教条性的格律规则，做得相当好。
在遵守诗歌的法则上，无论是押韵、平狭还是对战的工整方面，可以说Al超过了老诗人。这是诗三百ai智能写诗app最擅长的。
2、对于比较柔软灵活的规则，还可以。
例如，律诗四连八句的起承转合关系，Al已经做得很好，特别是起句的点题、切入、合句的升华、结束，有时相当漂亮，第二三连之间(即三四句和五六句)，有时意义相似，转折不明显。
3、可以写出非常好的单句和单句。
诗三百ai智能写法诗时，亮点句多出现在偶语和最后一句。Al可以使对战非常整齐，偶语超过形式的意义，显得很有魅力。
诗三百人工智能作诗软件评价:总的来说，诗300是一个非常有趣的AI作诗app，对于已经生成的语言，结果很快就会回来，语言可能需要更多的等待。app访问者多的情况下，AI对联可能会延迟，需要耐心等待。
诗三百人工智能作诗软件用户评论截止目前供80741的用户评论诗三百人工智能作诗软件十分好用，在突击网上给诗三百人工智能作诗软件评分8.7，在同类相似诗三百人工智能作诗软件名列前茅。喜欢诗三百人工智能作诗软件手机app的用户赶快下载吧
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年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。人工智能概念在1956年首次被提出后，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、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：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了低谷。
三是应用发展期：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，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：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：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及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，这些都是这一时期的标志性事件。
六是蓬勃发展期：2011年-至今。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（GraphicsProcessingUnit，简称GPU）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，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
（三）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，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI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，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，全球知名风投调研机构CBInsights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%。
（四）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（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的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AI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。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GPU服务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。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，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发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，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都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，人工智能系统的智能水平即将全面超越人类水平，30年内机器人将统治世界，人类将成为人工智能的奴隶，等等。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的研究集中在深度学习，但是深度学习的局限是需要大量人工干预：人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据（非常费时费力）、用户需要人工适配智能系统等。因此已有科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类AI”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低AI人员成本。
（四）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来十年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。2018年4月，欧盟委员会计划2018-2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略》重点推动物联网建设和人工智能的应用。世界军事强国已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即提出谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS统计结果，我国在人工智能领域发表的论文数量已居世界第一。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南京大学等高校纷纷成立人工智能学院。2015年开始的中国人工智能大会（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，实现机器在任意现实环境的自主智能和通用智能仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此发展人工智能不能以短期牟利为目的，要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，并务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
（二）加强基础扎实的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。在此发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如军民融合、产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。
另外，我们需要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能将进一步拉大发达国家和发展中国家的生产力发展水平差距。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、咨询会；特斯拉等产业巨头牵头成立OpenAI等机构，旨在以有利于整个人类的方式促进和发展友好的人工智能；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）