人工智能时代劳动力供给问题探析
龙源期刊网 http://www.qikan.com.cn 人工智能时代劳动力供给问题探析 作者：杨俊凯 赵晖 来源：《人民论坛》2019年第21期 【摘要】作为一项新科技，人工智能已开始向经济社会各领域渗透。在劳动力供给方面，人工智能的到来不仅会弥补劳动力供给数量、提升供给质量、重塑劳动力生产效率，也会在一定程度上缓解人口老龄化对劳动力市场所造成的消极影响。本文以劳动力供给为切入点，具体分析当前劳动力供给存在的不足、人工智能带来的机遇以及劳动力结构优化升级的对策建议，以期全面揭示人工智能对我国劳动力市场所产生的深刻影响。 【关键词】人工智能 劳动力供给 市场需求 【中图分类号】F241 【文献标识码】A 伴随着20世纪中期计算机的出现，人类从繁杂的手工计算进入了科技领域计算。信息技术高速发展，社会生产力得到了巨大提高。作为一项新科技，人工智能会使人类的生产生活发生深刻变化。人工智能的快速发展可以视为人类分工领域的一次重大转变，会对我国劳动力供给产生深刻影响。 一直以来，人类对“技术与社会如何和谐共处”这一主题的探究热度不减，与之前的历次科技革命相比，人工智能革命更为猛烈和彻底。人工智能为社会提供了发展动力和平台，但也对经济、就业、伦理等领域造成冲击。目前，以人工智能为代表的新技术将对现有的劳动力市场带来一些挑战，而当前劳动力供给呈现如下不足。 一是劳动力人口规模日益减少。在人力资源和社会保障部2016年第二季度新闻发布会上，新闻发言人李忠答记者问时谈到，2011年以后劳动年龄人口逐步下降，到2015年为9.11亿，还在持续下降。特别是到2030年以后，劳动年龄人口会出现大幅下降的过程，平均以每年760万人的速度减少。到2050年，我们预测劳动年龄人口会由2030年的8.3亿降到7亿左右。长期来看，劳动年龄人口数量减少的形势不容乐观。 二是劳动力老龄化问题日趋严峻。现有的研究成果表明，人口老龄化的到来不仅会减少劳动年龄的人口数量，而且会降低劳动力的有效供给和阻碍劳动生产效率的提升，导致劳动力结构失衡，对整个劳动力市场带来较大震荡。人工智能时代，智能化生产替代传统岗位之后会引发失业和收入的两极分化，造成更多的人无法应对老龄化的到来。 三是劳动力素质无法满足人工智能的发展需要。当前，人工智能的发展对工作岗位的技能和要求大大提高，但是劳动者素质与未来的工作岗位技能要求之间存在显著的不匹配，不仅缺乏大量的复合型人才、中高端专业技术人才，而且我国相关人才培养和职业技能培训发展较为滞后，与发达国家相比，人工智能、机器人等相关技术领域的高端研发人才培养机制尚未完善，当前的人工智能發展需求与劳动力素质两者之间存在突出的结构矛盾。人工智能作用凸显 更多机器人上岗会影响就业吗
原标题更多机器人上岗会影响就业吗
来源 经济日报
作者曹一作
从短期看，人工智能对就业总量影响相对温和，结构影响重于数量影响，但就业结构性矛盾处于上升通道，潜在的技术性失业风险在增加。从长远看，人工智能对就业的影响呈现渐进性且大规模结构转型趋势。总体看，自动化替代并没有导致就业明显波动，重要原因之一是制造业长期处于缺工状态，而自动化首先替代的是这些缺工岗位，并没有对劳动力供求产生较大影响。
“小明”会写财经新闻，“智慧专员”能办银行业务，“晶晶”可以指引投寄快递……随着人工智能在经济社会发展中逐渐扮演“主力军”角色，人工智能对就业的影响成为社会各界关注焦点。
近日，中国劳动和社会保障科学研究院莫荣研究团队发布的一项研究成果认为，目前人工智能对我国就业影响总体有限。从短期看，人工智能对就业总量影响相对温和，结构影响重于数量影响，但就业结构性矛盾处于上升通道，潜在的技术性失业风险在增加。从长远看，人工智能对就业的影响呈现渐进性且大规模结构转型趋势。
智能制造行动升级
我国的人工智能产业化效应在2016年前后开始规模化显现。2016年，广东、江苏、浙江等省开始“智能制造”升级行动，以提高制造业自动化水平。
不仅如此，人口老龄化也强化了智能化需求。人口老龄化和劳动力短缺趋势的形成，也迫使企业采用智能化技术提高劳动生产率。
在中国劳动和社会保障科学研究院副院长莫荣看来，国内制造业自动化替代岗位的原因主要有三方面。
一是高度流程化、标准化及苦、脏、累、险等岗位往往最先完成自动化。例如，化工新材料领域是机器人成熟应用行业，因其污染性高，目前已基本实现智能化，操作工人较少。
二是行业缺工量大。制造业生产企业普遍缺工，人工成本上升过快，需要自动化来填补用工缺口以保持生产稳定。
三是质量精度提升要求。调研发现，关键性高技术岗位自动化率高，人工管理成本明显下降，生产效率及其稳定性明显提高。
“企业自动化改造的主要目标是提升企业整体效益，岗位减少是增效结果。”莫荣认为，短期内，人工智能技术和装备的应用，对制造业就业人数影响不大。从调研来看，部分企业员工流失率因智能化升级改造而提高，但劳动力市场快速吸纳流失人员，总体就业稳定。
作为在国内最早开展“机器换人”行动的东莞市，目前就业用工情况总体稳定。2018年，东莞市人社局对53家进行智能制造升级的企业进行调查分析。结果表明，企业智能化对就业用工数量暂未产生显著影响。纵向对比智能化企业就业用工登记情况，用工总量和全市总用工量基本保持一致，呈现稳中略降的趋势。
“总体看，自动化替代并没有导致就业的明显波动，重要原因之一是制造业长期处于缺工状态，而自动化首先替代的是这些缺工岗位，并没有对劳动力供求产生较大影响。同时，制造业劳动者流动率较高，就业替代速度远低于劳动者流动速度，劳动者既在制造业内部流动，也在持续向服务业转移，这为企业消化冗余人员提供有效解决渠道。”莫荣说。
岗位结构出现变化
“从智能化的实际进程看，因为受到多种因素制约，这将是一个从逐渐量变到质变的过程。”莫荣说，目前减岗减员效应只局限于局部岗位和设备升级的特定阶段，对就业影响总体有限。部分人员冗余，不会引发低端劳动力的失业骤增。一方面，服务业有效吸纳转型就业。受益于服务业快速发展，就业结构持续优化。在自动化过程中，单个企业就业人数减少的同时，企业数量规模也在增加。服务业中的新就业形态增长迅速。
另一方面，制造业企业实施智能制造升级，是设备替代与产能扩大综合发生作用的过程，企业综合考虑生产经营成本，大量中小企业客观上仍需依靠人工劳动力。调研发现，如苏州市某轮胎厂，仅在轮胎成型流水线上实现无人化，如果进一步扩大智能化反而不如保留人工岗位有利。
虽然国内制造业人工智能技术和装备的应用尚处于起步阶段，但未来有很大发展空间。分析认为，伴随着我国制造企业的增长方式转变、生产自动化转型，工业机器人的推广市场前景将非常广阔。尤其是人工智能产业链创造新岗位潜力很大。
“从短期看，岗位总量保持平稳，岗位结构变化逐渐加大。中长期看，随着智能化加速发展，传统岗位的结构性失业风险凸显，结构性失业问题会越来越严重。失业总量取决于不同阶段人工智能技术与各产业、行业相结合创造岗位、减少岗位的多少。在人工智能发展初期和中期，仍然存在被替代劳动力不能够很快就业、失业率大幅上升情况，需要高度重视。”莫荣说。
推动高质量就业转型
研究认为，智能化就业趋势将推动高质量就业转型。随着人工智能等技术对就业的加速冲击，技能开发、劳动关系、社会保障、监管服务等面临新挑战。因此，亟需适应新时代要求，通过积极有效的政策引导和体制机制改革创新，强化产业就业的协同发展，形成相应的就业治理框架。
“就业转型需要政策的有力支持和平衡。人工智能的发展对就业影响是综合的，既有岗位替代，又有岗位创造，既提高了整体就业质量，又存在实现充分就业的压力。就业服务和技能培训创新要双管齐下，既要加强未来新生劳动力的智能化教育培训，也要对存量劳动力采取有效服务措施。”莫荣认为。
调研显示，目前国内智能制造战略和就业促进政策关联度不高。不少接受自动化升级的企业希望得到系统化政策体系扶持，从而统筹资金、技术、技能培养等方面工作。
江苏部分企业在实施智能制造升级过程中，除了期望政府加大购买设备的财政补贴力度外，还希望相关部门能够协调组织建立实体机构，帮助企业解决机器人应用等技术问题，提供智能制造专项“培训补贴”，以期为企业提供更多外部培训机会。
近年来，各地普遍出台一系列宏观人才政策和人才战略，但对智能化产业的人才政策定位聚焦不够具体，在产业人才引进、培养、交流等方面的政策还不够细化。一些地方对高层次人才的引进培养较为重视，但对技能型人才缺乏相应优惠政策，存在落户难、子女入学难等问题。
“要构建就业治理的顶层设计，需要评估宏观经济变化可能带来的实际影响，为劳动力市场变化做好准备，使政策具有前瞻性、针对性和灵活性。”莫荣表示，特别是在培训领域，要强化培训机构和企业的就业治理参与程度，以适应新技能需求的快速增长和多变复杂性。
同时，随着新就业形态日趋常态化，数字化平台就业正在模糊化全职工作和自由工作之间的界限，需要建立以个人身份信息为基础的劳动就业管理体系。研究成果建议，要加快健全和创新就业服务与权益保障体系，建立适应数字化转型的教育培训制度，促进人工智能和劳动就业良性互动、协同发展，以助力发展动能转换和质量效率提升。
人工智能时代劳动力供给问题探析
【摘要】作为一项新科技，人工智能已开始向经济社会各领域渗透。在劳动力供给方面，人工智能的到来不仅会弥补劳动力供给数量、提升供给质量、重塑劳动力生产效率，也会在一定程度上缓解人口老龄化对劳动力市场所造成的消极影响。本文以劳动力供给为切入点，具体分析当前劳动力供给存在的不足、人工智能带来的机遇以及劳动力结构优化升级的对策建议，以期全面揭示人工智能对我国劳动力市场所产生的深刻影响。
【关键词】人工智能劳动力供给市场需求【中图分类号】F241【文献标识码】A
伴随着20世纪中期计算机的出现，人类从繁杂的手工计算进入了科技领域计算。信息技术高速发展，社会生产力得到了巨大提高。作为一项新科技，人工智能会使人类的生产生活发生深刻变化。人工智能的快速发展可以视为人类分工领域的一次重大转变，会对我国劳动力供给产生深刻影响。
当前劳动力供给存在人口规模减少、老龄化等问题
一直以来，人类对“技术与社会如何和谐共处”这一主题的探究热度不减，与之前的历次科技革命相比，人工智能革命更为猛烈和彻底。人工智能为社会提供了发展动力和平台，但也对经济、就业、伦理等领域造成冲击。目前，以人工智能为代表的新技术将对现有的劳动力市场带来一些挑战，而当前劳动力供给呈现如下不足。
一是劳动力人口规模日益减少。在人力资源和社会保障部2016年第二季度新闻发布会上，新闻发言人李忠答记者问时谈到，2011年以后劳动年龄人口逐步下降，到2015年为9.11亿，还在持续下降。特别是到2030年以后，劳动年龄人口会出现大幅下降的过程，平均以每年760万人的速度减少。到2050年，我们预测劳动年龄人口会由2030年的8.3亿降到7亿左右。长期来看，劳动年龄人口数量减少的形势不容乐观。
二是劳动力老龄化问题日趋严峻。现有的研究成果表明，人口老龄化的到来不仅会减少劳动年龄的人口数量，而且会降低劳动力的有效供给和阻碍劳动生产效率的提升，导致劳动力结构失衡，对整个劳动力市场带来较大震荡。人工智能时代，智能化生产替代传统岗位之后会引发失业和收入的两极分化，造成更多的人无法应对老龄化的到来。
三是劳动力素质无法满足人工智能的发展需要。当前，人工智能的发展对工作岗位的技能和要求大大提高，但是劳动者素质与未来的工作岗位技能要求之间存在显著的不匹配，不仅缺乏大量的复合型人才、中高端专业技术人才，而且我国相关人才培养和职业技能培训发展较为滞后，与发达国家相比，人工智能、机器人等相关技术领域的高端研发人才培养机制尚未完善，当前的人工智能发展需求与劳动力素质两者之间存在突出的结构矛盾。
人工智能时代，劳动力供给迎来重要机遇
经济学理论指出，技术进步在增加就业机会的同时又会对劳动力形成替代。作为一种全新的生产要素，人工智能时代劳动力供给迎来以下机遇。
第一，劳动力供给数量的弥补。随着科技不断进步，劳动力市场上的传统岗位将会消失或者传统岗位的劳动力被排挤，虽然新技术对劳动力将起到一定的替代作用，但是前者对劳动力亦存有互补作用，能在一定程度上弥补劳动力的供给数量。一方面，人工智能能够对劳动型人才进行补充，那些工作环境差、劳动强度大、简单机械重复等的职业，如果实现了智能化和自动化，其对劳动力的需求将会降低，这些岗位劳动力供给短缺的问题将得到有效缓解。另一方面，与传统的工作模式相比，人工智能所带来的一系列新型工作，具有灵活的工作模式，企业不再需要单一的劳动合同用工，劳动者的就业方式也更为多样化，众包、独立承包、自我雇佣等一系列新型的、灵活的形式涌现。此外，在人工智能的影响下，传统的劳动力市场半径得到极大扩展，对劳动者的人口特征也有更大的包容性，流动人口可获得灵活和公平的就业机会，由此，劳动力市场数量的不足将得到一定程度地弥补。
第二，劳动力供给质量的提升。随着人工智能技术的应用，劳动力工作技能要求也将随之提升，一旦达到阶段性阈值，劳动力格局将会实现重塑。人工智能的广泛普及和深入发展将引发劳动力供给质量的重大提升。一方面，随着人工智能技术的不断发展，脑力劳动者和智力劳动者的比重不断增加，体力劳动者的比重不断减少，技术含量更高的劳动者数量逐渐增多。由于重复性工作可以被人工智能所直接替代，而创新型的智力劳动岗位难以被替代，体力劳动者会因劳动力市场需求的转变而不断向智力劳动者转变，人工智能的发展将会对体力劳动者产生颠覆性的影响，脑力劳动将成为重要的就业门槛。另一方面，部分岗位和职业虽然被人工智能所替代，但是新的工作岗位不断被催生出来，通过与生产过程的深度融合，生产领域的诸多劳动者将会面临被排挤的风险。然而，新兴产业、高技术产业等的发展将是极为广阔的，对于劳动者来说，知识密集型产业、高技术产业等将是较好的职业选择。为了适应新技术革命的发展与要求，劳动者不仅要实现技能体系和知识体系的不断更新，更要有意识地培养创新意识和创新能力。由此，劳动力的供给质量将得到显著的提升。
第三，劳动力生产效率的重塑。随着大数据、机器学习的发展，人工智能在记忆、信息处理效率上不断提高，劳动力在单位时间的有效产出得以增加，劳动力的生产效率由此提升。机器出错的可能性更小、工作时间更长、工作强度更大，产出亦能够得到快速增加。劳动对象和劳动资料都是不变资本的物质内容，一旦发展人工智能，不变资本将会受到极大影响，不仅将大幅降低企业的用工成本和可变资本的比重，亦能大幅提升劳动生产率。
第四，人口老龄化问题得到缓解。国外最新研究结果显示，一个地区的老龄化程度越高，该区会拥有的机器人集成企业越多。也就是说，随着老龄化水平的提高，利用人工智能技术替代劳动力是企业的重要选择，即使老龄化会导致劳动力数量短缺，借助诱导式创新，人工智能将实现对劳动力的补位式替代，抵偿老龄化所导致的劳动力市场结构失衡。
劳动力结构优化升级的对策建议
人工智能时代，为确保劳动力能面向未来需求实现平稳过渡兼顾劳动力结构的优化升级，需要采取一些有效措施。
首先，关注人工智能引发的结构性失业。针对由人工智能排挤出来的劳动力，政府及社会各界要推出相关举措引导他们尽快转变为智力劳动者和脑力劳动者，如推出技能培训、继续教育等，重点培养研发能力、创新能力、学习能力等，采取新的组织模式和工作方式推动劳动力结构顺利转型，确保传统低技能劳动力能够继续适应劳动力市场。与此同时，实时监测就业和失业的相关情况，针对不同行业、不同群体的就业和失业情况推出相应的预警机制，由此可以提前应对可能出现的失业风险。
其次，完善社会保障体系，减少人工智能发展产生的新的不平等。由于人工智能会逐渐增大资本在总收入中的份额，可能会造成收入不平等加剧的局面，政府需要加强失业保险、医疗补助、贫困家庭救助等措施，构建更加公平、可持续的社会保障体系。
再次，构建适应人工智能发展的教育体系。一方面，各级学校推动教育内容的创新，针对机器人等新技术设计相应的教学内容，将最新的教育技术应用到实际教学过程；另一方面，对尚未就业的学生和已就业的劳动者进行专门的职业技能培训，如借助数字化的培训方法，让劳动者在职业转换过程中形成终身学习的理念。
最后，提升劳动力供给和市场需求的匹配度。基于当前的职业信息网络和人力资源服务体系，实现劳动力市场信息网络和服务体系的完善，构建企业招聘、专业人才求职、高素质劳动力转岗再就业等专业信息平台。同时，提升劳动力市场服务能力，对新的就业方向和岗位进行职业指导，尽可能降低劳动力转岗和搜寻的成本。
（作者分别为河海大学商学院博士研究生；南京师范大学公共管理学院院长、教授）
【参考文献】
①尹蕾、王让新：《人工智能发展的喜与忧》，《人民论坛》，2018年12月中总第616期。
责编/常妍美编/王梦雅
声明：本文为人民论坛杂志社原创内容，任何单位或个人转载请回复本微信号获得授权，转载时务必标明来源及作者，否则追究法律责任。
人工智能技术背景下的新闻业变革与坚守
随着智能手表等可穿戴智能设备、无人驾驶、阿尔法狗大胜李世石的人机围棋对战等被人们所熟知，人工智能浪潮已经席卷了公共服务、教育、医疗等多个行业。媒体行业当然也不甘落后，国内外已有不少媒体在人工智能+新闻方面做出了探索。可以说，这是媒体行业发展最好的时代，也是最坏的时代，外部环境瞬息万变，不断影响新闻业，媒体人始终谨小慎微，如履薄冰。人工智能会给新闻业带来多大的变革呢？究竟是颠覆还是辅助？新闻业应该如何应对变化？种种问题都值得新闻行业思索。
本文将溯源人工智能发展历史，介绍国内外在人工智能+新闻方面的进展，通过人工智能在新闻业应用的优劣分析思考人工智能与新闻业的结合对于传媒行业来说究竟是机遇还是挑战，新闻业如何在新技术冲击下实现进化。
一、人工智能概念及应用现状
人工智能（ArtificialIntelligence）的概念早在1956年就已被提出，“人工智能是关于知识的学科―――怎样表示知识以及怎样获得知识并使用知识的科学”，[1张妮、徐文尚、王文文：《人工智能技术发展及应用研究综述》，载《煤矿机械》第30卷第2期]美国斯坦福大学人工智能研究中心尼尔逊教授如此定义。美国麻省理工学院的温斯顿教授则认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”[曾雪峰：《论人工智能的研究与发展》，载《现代商贸工业》2009年8月刊]本文将人工智能定义为“通过软硬件结合，用各种手段使其能够达到类人的智能，使机器能够做像人一样的处理事情”。
近半个世纪以来，人工智能技术全方位地向各个领域延伸，在新闻领域，人工智能也与新闻业产生了一系列的化学反应。本文所探讨的“人工智能＋新闻”指的是人工智能技术在新闻写作、采访、编辑等新闻活动中的具体运用，人工智能给新闻业带来的变革我们称为媒体的智媒化。
二、人工智能在新闻生产上的应用与反思
（一）、人工智能在新闻业的应用
1、外媒AI+新闻:全方位、多环节应用
纵观国外人工智能在新闻业的应用，可以发现不少媒体都已经或多或少的涉足了AI界，AI+新闻的探索时间较长，探索结果也较为深入，当前人工智能已经全方位、多环节渗透到新闻领域中，下文将试图按照新闻生产流程来分析国外AI+新闻的相关应用。
（1）、线索收集、信源捕获
人工智能可以在新闻生产的前端为媒体提供信源。《华盛顿邮报》目前应用的聊天机器人Feels，在2016年总统大选期间就向使用用户收集相关线索，以此获取选民在选取前的政治倾向。Buzzfeed与之相似，它目前主要通过Facebook上的关注者借助Messenger为其提供新闻素材。在messenger上接受buzzbot的推送时，他还会告诉用户它在为某地发生的某事手机新闻素材，并询问用户是否关注这一新闻？是否在当地在现场？对这一事件有何态度？是否可以提供现场素材等等？这些问题会给出三个预设答案，用户只需选择进行反馈，最后，用户还可以选择一个表情来表达对这一新闻的态度。
（2）、机器人写作
当下，国外媒体中机器人写作已经成为相当广泛的现象，机器人写作的不少新闻已经让人难以分辨究竟是记者还是AI的大作了。美联社就利用算法自动撰写关于棒球比赛的相关报道，这一技术也在电子商务、房地产以及金融服务等领域得到应用。美联社采用的用来撰写新闻的机器人叫Wordsmith，早在2014年7月美联社就和科技公司AutomatedInsights合作，利用AI技术来报道商业领域的企业财报相关新闻。操作原理是将公司盈利状况相关的数据导入机器人平台，经过wordsmith为美联社量身定制的算法处理，wordsmith将这些数据信息与他信息比对参照，在几毫秒的时间里就可以写出一篇标准的带有美联社风格的的新闻稿件。记者在涉及大量数据信息的报道中差错率一般会有所提高，机器人新闻
就不需要担心这个问题。准确性的提升是一大改进，另一方面，从一季度300份到一季度3000份的生产能力也大大地提高了美联社的财报数量。
除此之外，美联社还宣布将在美国职棒小联盟的赛事报道中应用人工智能技术，他们专门聘请了一批自动化领域的专家来开发、管理和整合美国职棒小联盟的报道。美国职棒小联盟的官方统计数据服务商MLBAdvancedMedia和AutomatedInsights能够在数分钟之内为他们提供比赛数据，wordsmith则通过查看并分析海量结构化的数据，从中发掘出新闻点，例如，某队选手的赛场表现不如预期等，然后人工智能会自动生成可读性的内容。
机器人写新闻在财经、体育这种模式化的报道领域可以说是具有得天独厚的优势，此外，强调时效性的新闻方面机器人记者也大有用武之地。2014年美国加州曾发生一次4.4级的小地震，《洛杉矶时报》凭借机器人记者撰写的新闻稿成为最快报道该新闻的媒体。这要归功于《洛杉矶时报》的地震新闻自动生成系统，美国地质勘探局在勘测出地震消息的同时会给系统发送地震信息，随后机器人记者会自动将这些数据套入相应模板生成新闻报道，这一系统是由该报的记者兼程序员KenSchwenck开发的。
国外的不少媒体，机器人记者已经成为其新闻编辑室中的重要一员，不过目前机器人写作主要集中在对信息的收集整理而非内容创作上。机器对程式化的新闻资讯（例如灾害、体育、财经等动态信息）可以做到准确、及时地生成和发布，用时短且错误率低，这是机器处理得天独厚的优势。而且，此类报道一般不需要进行深入细致的调查，也不存在错综复杂的关系，因此，现阶段在各大媒体中应用的人工智能使得人类记者无需在简单、机械性的工作中耗费时间，得以将更多精力投入到更有创造力的内容创作上。
（3）、辅助编辑
新闻编辑工作上人工智能近年来也有所涉猎，2015年7月，纽约时报R＆D实验室就设计了可以自动标记文章的机器人，在编辑工作中，它可以识别内容并分析，从而提供推荐使用的关键词、标签等，这使得新闻编辑室可以更加便捷地收集内容。
美国知名的互联网新闻博客Mashable则将关注点放在了科技公司与社交媒
体的相关新闻上。2016年2月，Mashable的执行董事BenMaher曾表示Mashable已经尝试利用人工智能技术发现新闻，他认为网站主页将不再有活力，现代用户需要媒体主动吸引。[3刺猬公社《在人工智能和新闻的结合上，国外媒体已经飞起来了？》]为此，Mashable启动了数据分析工具Velocity，它可以分析判断新闻的传播趋势和可能的传播爆点，此外，Velocity还可以帮助编辑们发现传播过程中的“饱和点”，当一则新闻的分享率达到95%时编辑将不再予以关注，否则编辑们则会考虑如何让新闻继续发酵，到达更多的用户。
（4）、资讯分发
内容生产上人工智能可以帮助媒体收集素材，获取信息，写作新闻，有了内容后更重要的则是传播出去，而如何找到用户的好奇点，将内容分发给适配用户实现精准传播则是人工智能带来的另一突破。
目前，《纽约时报》就采用了Blossomblot作为机器人编辑，它主要辅助编辑选择潜在的热文。纽约时报内部统计数据显示Blossom筛选出的文章点击量是普通文章的38倍。Blossom的主要原理就是通过分析Twitter等社交媒体上的文章数据，从而判断哪些新闻更具有传播潜力。随后将这些信息反馈给人工编辑。未来，Blossom还可以通过机器学习完成独立取标题、写摘要等工作。
来自美联社的战略经理FrancescoMarconi认为，人工智能赋予新闻机构创造无限内容的可能，并且可以根据读者的个性、心情、社会经济地位以及地理位置，向每位读者推荐适合他们的故事，让用户真正享受到“私人定制”资讯。[4腾讯网《人工智能会成为记者的好伙伴吗？》http://news.qq.com/a/20161111/032007.htm]在Marconi看来，人工智能将从根本上提高“个性化分发”的效率，而该领域的巨头Google、Facebook、Twitter早已深谙此道。从2013年以来，不少新闻机构就在人工智能方面投入了很多精力，比如借助Facebook的通讯软件messenger，华尔街日报等使用机器人bot进行新闻资讯的推送，实现了一定程度的自动化。
（5）、交互反馈
技术的变革使得传统新闻业中读者的身份变为用户，这极大地突出了用户的主动性，人工智能目前也在这一方面发力，通过人机对话等实现双向传播，增强
用户粘性。
数字商业新闻网站Quartz在2016年也在客户端里加入了人机对话推送资讯的功能。Quartz界面是一个对话窗口，会以聊天式的方式向不同读者推送新闻。读者如果想深入了解，可以在窗口下的选项继续追问获取更多细节。Quartz推送的内容人工编辑会进行选择编辑，但用户与Quartz的互动则由机器算法完成。
（6）、资讯服务
从机器人记者写作新闻、为媒体收集素材到从事辅助编辑工作再到交互反馈，可以说，人工智能基本上全方位、多环节地渗透到了国外媒体的新闻实践。除直接参与新闻生产流程外，人工智能还是新闻业的好帮手。2012年，《华盛顿邮报》就使用“TruthTeller”核实新闻的准确性；“truthteller”主要功能是核实新闻的准确性，它通过记录新闻报道的内容，即时与数据库比对，一旦发现问题就会发出警报，以此来保证新闻信息的真实性。
目前，不少科技公司在人工智能领域方面已取得不少进展，谷歌就将其人工智能技术应用在了新闻领域。2014年谷歌推出了一款基于大数据的预测系统─GoogleAlert。输入需要检测的关键词，这一系统会全天候检测出现这些关键词的网站，并将信息发送给用户。此外，他还可以将正在发生的事件结合背景与相关情况智能分析，预测事件可能带来的影响。也就是说。GoogleAlert在帮助记者收集新闻之外还可以判断新闻的发展趋势、后续价值等。
2、国内AI+新闻:试水与起步
国外AI+新闻发展已经如火如荼，相比之下国内人工智能与新闻业的结合相对还处于起步阶段，目前人工智能与新闻业的结合主要体现在机器人写作与智能化推荐方面。
（1）、写作机器人
与国外类似，机器人记者也是国内新闻业相对走在前面的应用。腾讯在2015年就在其财经频道的新闻写作中使用了人工智能，它的机器人记者名为Dreamwriter，当年8月份机器人记者就发布了一篇关于CPI的稿件，题名为《8月CPI同比上涨2.0%创12月新高》。稿件包括数据信息本身和相关行业人士的数据解读两部分。文章与普通记者写出来的并无太大差别，只是在最后注明了是由
Dreamwriter撰稿。此后，dreamwriter不断写作相关新闻，根据《中国新媒体趋势报告2016》数据显示，2016年三季度，腾讯财经机器人记者发布的新闻数量已经达到了4万篇。
新华社也于2016年11月18日推出了写稿机器人“快笔小新”。其操作十分简单，输入一个股票代码再点击一下鼠标即可生成一篇财报分析新闻。“快笔小新”只是一个电脑里的程序，尽管其写作的内容并不完善，但快速的出稿速度是极大的优势。目前，新华社的体育部门和《中国证券报》也采用了“快笔小新”。一直自诩是科技公司而非媒体的今日头条则在里约奥运会之际，推出了写作机器人“xiaomingbot”，这款机器人可以在数据库更新的两秒之内生成相应的新闻并发布；同时，它的系统内内置了较多可供选择的样式，这使其能够根据赛前预测与实际结果的差异选择相应的语气生成新闻。
目前，国内的人工智能相对停留在较为初级的阶段，已有的写作机器人主要参与体育新闻、财经新闻等报道，新闻题材上也主要是快讯、财报等。不过，虽然其写作的新闻在质量上没有显著改进，但机器人在新闻写作上的应用极大地提高了新闻数量，给了用户更大的选择空间，头条实验室的负责人李磊这样评价小明，“张晓明最大的意义在于，面对奥运会同时举行的上百场比赛的综合赛事，可以观察到每一场比赛报道，无论这场比赛多么冷门和不重要。在传统新闻理论中，某些冷门比赛乒乓球的小组赛的报道价值不大，但实际上依然有可观的阅读量。”[5刺猬公社金凯娜：《在人工智能和新闻的结合上，国内媒体到底做得怎么样了》]这恰恰符合了长尾理论，以前因劳动力不足或者缺乏关注度等原因被忽视的新闻资讯借助机器人记者得以被生产，属于小众的需求得以满足。
（2）、智能化推荐
有了更加丰富的内容，接下来更重要的就是让更多的人、更关心这一新闻的人知道。现在越来越多的新闻应用都采用了个性化推荐，这一领域最初得到大家广泛关注是因为今日头条的崛起，“你关心的，才是头条”这句广告语表明今日头条所侧重的是根据用户的个性需求为其私人订制新闻。其内在逻辑在于当用户长时间使用app浏览新闻后，后台会不断收集用户的阅读数据，如浏览栏目、停
留时间等等，从而为用户精准画像。同时，随着用户数量的增多，后台可以根据相似性为用户分群，进一步实现智能化推荐。
（3）、智能互动
如今，人工智能的应用使得一些内容提供者得以用聊新闻的方式为读者去繁就简，它使得同类新闻可以汇聚起来，通过自然语言处理技术对内容进行结构分析，然后通过信息特征学习等方法，将事件核心信息整理成一百字左右的聊天内容，高效满足读者基本的信息需要，随后读者可以根据其自身需要提出疑问从而获取深度解读等信息。
“聊”新闻主要在百度新闻app上有所应用，进入界面后，可以通过对话体形式读新闻，阅读更加直接。系统可以准确回答关于新闻内容的提问。在这个过程中，聊新闻可以略去媒体报道中80％的内容，其目的在于满足读者对信息基本的需求，互动环节则可以充分发挥读者主动性，引导读者进行“深阅读”。
（二）、反思人工智能在新闻业的应用：机遇与问题
1、机遇：人工智能解放并辅助新闻业
人工智能在新闻业的应用为其带来了发展新机遇，极大地解放了新闻人，正如《纽约》杂志撰稿人凯文・罗斯所言，机器人写作处理的是人类新闻从业者不愿耗时去做的、与大量数据相关的“体力活”，让新闻从业者从大量低附加值的重复性劳动中解脱出来，以更多的时间和精力去从事创造性更强的新闻工作。[张海霞：《机器人写作时代新闻从业者的应对》，载《新闻战线》2016年11月上，第111页]具体来说，人工智能的应用在以下几方面为新闻业提供了很好的辅助作用。
（1）、高效处理大数据
人工智能对数据具有更高的敏感度，它可以从海量数据中观察到人类不宜洞察的内在关联，从而生产处具有新闻价值的报道，自动挖掘具有传播潜力的新闻内容将有效扩展人类的观察视野。此外，冗杂的数据往往会牵扯记者大量的时间精力，而且对于体育新闻、财报等动态信息的写作通常有章可循，机器人记者几秒钟时间就可以写出一篇与人工作品无差的新闻，这将记者从大量繁杂重复性的工作中解放出来，将人力资源用在更有创造力的内容生产上。
（2）、新闻精准化、智能化、个性化
新闻业通过与人工智能的结合，媒体可以实现对用户的清晰画像，从而更加精准的分析用户，实现内容生产与份分发的定制化、个性化、对象化。以往千人一面、一点对多点的生产模式和传播模式都发生了巨大转变，“你看手机的同时手机也在看你”，人工智能技术使得个性化新闻时代到来，除此之外，人工智能还可以为用户进行场景化匹配，罗伯特・斯考伯、谢尔・伊斯雷尔在《即将到来的场景时代》写道：“移动互联网时代，场景（情境）的意义被极大地强化，移动传播是基于场景（情境）的服务，即对环境的感知及信息（服务）适配。”[罗伯特・斯考博、谢尔・伊斯雷尔.即将到来的场景时代[M].北京：北京联合出版社,2014.
]根据用户不同的时间段、不用的地理位置等人工智能可以判断用户阅读需求，如用户运动时，可穿戴设备可以为用户提供短小精悍的突发新闻新闻简讯等消息，等待时则可以阅读趣味性的内容等等。
（3）、角度客观且成本低廉
人工智能在生产新闻、收集素材、辅助编辑时只会依照算法程序等进行，除
非刻意的人工干预，否则其提供的内容都将是一种将结构化的数据进行文本形式的可视化表现，具有极强的客观性。而人工生产难免会受各种各样的限制从而影响其客观性。除此之外，人工智能作为一种软硬件结合的产物，如本质上是一套算法程序的机器人记者，可以不知疲倦、永不停歇的工作，使用成本较低。
2、问题：人工智能应用的局限
不过，目前人工智能在新闻业的应用已经出现了一些问题，以智能分发上为例，单纯依靠算法点击推荐阅读可能会带来阅读浅薄化甚至低俗化的后果，用户容易陷入信息茧房的处境，真是可能导致假新闻肆虐。综合来看，目前人工只能与新闻业的结合面临以下几个问题：
（1）、写作模式单调
就目前国内外人工智能在新闻写作方面的应用――机器人记者来看，我们可以发现其主要应用于体育、金融等数据繁多的新闻报道中，这些新闻只需对数据进行简单的分析加工形成模式化的报道，内容枯燥，模式单一，缺乏可读性。机器人记者只是在系统内设的模板上填充处理数据信息生成新闻报道，尽管客观公
正，但千篇一面的报道很难对读者有吸引力。他们的报道难以满足读者的高层次需求，只能提供基本的事实信息。
（2）、应用领域有限
当下写作机器人所涉猎的报道题材局限于快讯、财报等只需要简单的数据收集、信息整理的内容。它们无法完成新闻评论、现场报道、深度调查报道等题材的新闻写作。事件性新闻一般有较强的现场感，在基本的人物、时间、地点、事件等基本要素外，很多细节信息也是重要的内容，而这些机器人记者无法捕获。新闻业有这样的说法：七分采三分写。这表明了优秀的新闻报道不是“写”出来的，而是“采”出来的。机器人记者在这一领域恐怕难以施展身手。此外，深度报道这类需要深入挖掘信息，厘清事件来龙去脉、前因后果与错综复杂人物关系的报道也需要脑力完成。这些都建立在一定的社会经验与感情认知的基础上，机器人记者显然难以做到。新闻评论也是机器人记者的一大难点，评论所体现的是作者的立场、观点与价值取向，具有鲜明的主观性，而机器人作为一种辅助工具，其智能程度难以达到可以发挥主观能动性的地步。以上这些都表明人工智能在新闻写作领域应用受限较大，且突破难度大。最后，基于各个领域的差异性与专业性，机器人记者只能在少数专业领域报道中有用武之地，大部分的行业报道它难以胜任。
（3）、缺乏主动性
归根结底，人工智能在新闻行业的应用都是基于人类的设定，它缺乏主动性，新闻写作方面机器人记者不具备新闻敏感性，无法主动发现新闻，只能根据预设模板对特定内容报道。收集素材、辅助编辑等方面也是基于一定的指令，无法脱离人的指令独立运作，这表明人工智能目前尚处于一种依附状态。
（4）、新闻特殊性质需要人类把关
虽然人工智能与新闻业的结合已经为不少媒体节省了大量人力物力，记者编
辑也得以从繁杂无意义的初级工作中解放出来，但在新闻生产的最终环节，大多数情况下仍需要专业新闻人进行把关。新闻活动作为一种社会性工作，涉及政策、法律法规、伦理等多方面的问题，人工智能终究无法取代人脑，涉及价值判断等方面的把控还是需要人类把关。
三、人工智能技术背景下新闻业应对探索
加拿大传播巨擘麦克卢汉“媒介即讯息”的论断指出媒介技术给社会发展带来的影响，他认为任何一种新的媒介技术被广泛应用后，会给社会发展带来新的尺度，社会各个方面也将会适应这一尺度有所变化。也就是说，真正有价值的讯息不是传播内容，而是所使用的传播工具带来的变革。人工智能的应用更是印证了这一观点，作为一种新的媒介技术，人工智能将对社会变革产生极大的推动作用，新闻业的变化也是不可阻挡的。
人工智能给新闻业带来的新变局引发了众多媒体人的思考：记者的饭碗还能保得住么？人工智能究竟是新闻业的敌人还是伙伴呢？回答这一系列问题需要理性分析人工智能给新闻业带来的变化，厘清优劣，认清媒体人核心价值所在，实现人机共生。
（一）、厘清人机关系
人工智能在新闻业的应用曾多次引发业界人士的恐慌，不少人担心职业新闻人的饭碗将会被人工智能取代，这样的科技性恐慌似乎伴随着每一次重大技术的变革，早在上世纪60年代，一些公司开始使用计算机和机器人时就有一阵恐慌弥漫，但事实上，每一次关于技术的恐慌过后，技术的进步为社会创造的新的就业机会要远远多于它所替代掉的岗位。
人工智能与新闻业之间彼此纷繁复杂的关系可以用Neuberger和Nuernbergk所提出的“竞争、辅助和融合”三个维度来看待。职业新闻人应该认识到人工智能在新闻业的渗透都属于补充范畴，为新闻业提供更加多样丰富的可能性。因此，人工智能的出现不应该使新闻人妄自菲薄，而是应分清人类与人工智能的主客体关系，人工智能在新闻业的任何应用都是人为创造的产物，人机始终是附属关系，人工智能对新闻业是辅助作用而绝非取代新闻人。
（二）、新闻业态重塑
人工智能在新闻生产各个环节的应用极大地改变了新闻业态，这使得媒体的智能化进程不断加速，并将重构媒体的生产模式与呈现方式，推动了新闻人的转
型。新闻业对从业者的数量和质量要求将会产生较大变化，低层次的新闻记者需求将大量减少，职业新闻人将需要更专业的新闻技能。这些都要求新闻从业者重新认识自己的核心价值，充分提高自身的新闻专业素养和数据技术相关能力，努力在深度分析与价值判断等方面发挥优势，将职业发展方向转移到调研报道、深度新闻等方面，提供更优质的内容，实现自身转型。
（三）、新闻人更专注人
人工智能在新闻业的应用上一大突破在于写，但与新闻人相比，其局限也在于写。前文弊端方面已分析过机器人记者的稿件通常标准化、模板化，这使得读者感到重复生硬，缺乏“人味”。这恰恰是新闻人需要发挥其价值所在的领域，新闻记者要充分发挥人的主观能动性，在新闻写作中结合理性与感性思考，将关注点集中在人身上。新闻人应该在体察人情冷暖、发掘背后的故事方面付出更多努力，生产有人情味、有温度、有深度的新闻内容。在西方新闻业有第四权力的说法，新闻业是重要的社会公器，“铁肩担道义，妙手著文章”，要想写出富有感染力的新闻，记者必须要有人文主义情怀，深刻领悟人性与人情，关注大众命运。
（四）、新闻人技能提升
人工智能可以起到辅助编辑的作用，但媒体机构的编辑流程常常是相通的，校对文本、润色文字、内容把关、稿件编排等无法由人工智能统一完成，机器人写作的内容往往也需要经过人工编辑的审核才能发布，编辑的把关人地位越加重要。此外，自动化生产的新闻稿件所需要的编辑与传统编辑也有着不同的职能需要。传统编辑主要负责信息、语言把关调整，而机器人记者生产的新闻一般没有基础语法、信息错误等，编辑无需在校对上发挥太多精力，更重要的是润色内容，丰富语言，减少读者的刻板印象。因此，机器人记者的应用也对编辑的能力提出了更高的要求。
人工智能多为快速模板化写作，深度报道，新闻评论，调查报道等需要多方信息来源。涉及大量素材收集分析的题材更需要新闻人的智慧与专业能力。人工
智能在新闻写作方面的应用使得记者有更多的时间投入到现场报道、深度报道、
评论、软新闻等方面的写作中。记者要注重培养自己的综合素质，开阔知识视野，丰富知识结构，写出优质的新闻作品。
四、结论
人工智能已经在国外的媒体行业大显身手，国内的AI+新闻进程也渐渐起步，人工智能在新闻业的应用使新闻生产更加高效便捷，用户画像更加清楚，新闻传播效果更加优化，它对新闻业的内容生产、传播方式、反馈互动等带来了革命性的影响。不过，人工智能的应用也存在一些问题与不足之处，关于两者的结合，新闻业应认识到AI与新闻的关系，主动拥抱新变化。
其实，人工智能与记者恰如机器与人类的联姻。理想的合作状态应该是因为使用了这些技术和机器的帮助，人可以把他的工作做的更好，人可以成为更好的人。“好的婚姻不是1+1=2，而是0.5+0.5=1”。单独来看，人与机器都有各自的局限与劣势，但当两者共生协同发展时，就成了“1”，这个“1”，可以是一篇新稿件、可以是一个新客户端、可以是一个新编辑部，也可以是一个新的时代。
(责编：尹峥、赵光霞)分享让更多人看到
目前人工智能的不足
人工智能的崭新范式
人工智能的研究范式和数理科学截然不同。这种范式数据导向，非常工程化，方法论发达而认识论不足。首先我们谈数据导向。李飞飞老师的ImageNet项目是一个非常典型的例子。海量图片的收集，整理和标注，有巨大的工作量。在这些高质量数据基础上进行了世界范围的图像识别竞赛，参赛队通过构建规模更大的深度学习网络，表现迅速超过了传统算法，这也成为深度学习标志性的成就。其基本的工作流程是积累大规模数据，得到更深的网络模型，实现更好的表现。虽然现在我们有了更多不同种类的深度网络应对不同任务，但这一基本框架并没有本质的改变。在该框架中，数据收集几乎占据了最为重要的位置，若数据质量不过关，很容易造成所说的garbagein-garbageout。而数据集大小是影响深度学习效能的重要因素，一般认为，当数据集较小时，深度学习不一定优于传统机器学习方法。而随着数据集规模的增大，传统机器学习算法的表现很容易饱和，深度学习的表现却可以随着网络规模的增大而更加优异。
在传统数理科学领域，我们并没有如此依赖数据来进行模型构建。可能由于人脑思维能力的限制，人们更习惯于从简单假设出发，利用逻辑演绎或者公式推导来构建一套模型系统，用以解释实际数据。数理科学存在利用大量数据的情形：比如开普勒从第谷得观测数据中也找到了特定的结构，不过这种结构不是用神经网络的方式来描述的，而是采取了数学上更为简洁的形式。而该规律只有纳入牛顿力学的框架的时候才成为一个自然的结果。现在观测手段更加进步，据说LHC每秒可以产生100万亿字节的对撞数据。但这些数据不是为了导出模型，而主要是为了验证只有几十个参数的人为构建的标准模型，其包含的信息量也没有超过这个模型。在很多时候，理论的提出或者发展，可以用到很少的数据，甚至几乎不用数据。伽利略构建其运动学的时候，应该只依据很少的观测。而泰勒斯提出原子理论的时候我相信是没有什么观测数据的。理论的魅力在于可以从人的经验，思维或者直觉中生产，具有内在的简洁性却能解释大量的现实观测。
对数据的内在追求，导致人工智能研究中有很多重劳力的部分。和产业的结合，资本的进入进一步放大了这一效应。国内人工智能创业公司不断涌现，数据标注俨然已经成为一种新的职业。已经有不少相关的报道，比如可以参考甲子光年的《那些人工智能背后的人工》一文。这些人每个月拿着4000左右的工资，在电脑前机械的点着鼠标做图片标注，得到的数据最终用于无人驾驶项目。还有很多下到村里收集人脸识别数据的，报酬是洗衣粉或者豆油。即使是科学研究逐渐资本化的今天，也很难想象一门学科可以像这样直接催生新的劳动关系。这也部分由于我们要谈的第二个问题，也就是人工智能研究非常工程化。
如果上过吴恩达老师的深度学习课程，就会发现，深度学习在工程上非常先进，具有一套非常清晰的工作模式。对于一个深度网络模型，那些参数具有最大的影响，如何通过表现判断调节参数的方向，人们有着丰富的经验。最终决定表现的还是数据质量，规模，以及特征（feature）选取。这就导致了人工智能领域的工作，非常容易scale-up，也就是规模化。这也是硅谷最喜欢的发展模式--通过资本催化迅速实现技术飞越和革新。类似的模式造就了我们熟悉的facebook，amazon，现在的互联网移动互联网世界。
在数理科学领域，我们不能简单通过积累用户或者数据获得革新。一般情况下，理论的发育程度对应了工程范畴的发展程度。新的工程实践可能要求理论的创新，而理论的进步又可以拓展人们进行工程化创造的能力。没有爱因斯坦的质能方程，我想人们试再多年，有再多数据也不会造出原子弹。所以人工智能可以算是一朵奇葩，感谢计算能力的巨大发展，它工程的发展程度已经可以跟理论脱节。这种缺乏理论或者认识论会带来比较严重的后果，我们后面会有所述及。
人工智能没有催生理念的进步
对人工智能最大的批评在于它的可诠释性，人们难以理解越发庞大的深度网络是如何发挥它的作用，每个节点有着怎样的功能。拿图像识别任务来说，比较早期的深度网络AlexNet有35K个参数。到了2014年，VGG16网络有138M个参数。在强大的表现背后，是一个人们从未接触过的，难以理解的庞大造物（考虑到标准模型只有19个自由参数）。关于如何解读网络，现在逐渐有一些工作。但似乎还没有令人信服的结果。在数学上可能也没有成熟的工具来针对这类问题。神经网络算法的提出，最开始是受到了生物学研究，尤其是神经研究的启发。不过即使针对比较简单的模式生物，比如只有302个神经元的线虫，我们也刚刚能理解一些最简单行为，比如趋热或者趋冷在神经系统里细胞层面是如何编码的。诠释神经网络的工作，一方面受制于网络规模的飞速增大，参数的急剧膨胀，以及应用场景的逐渐复杂。另一方面，这本身可能就是不可解的问题，类似于我们本身都不知道大脑是如何运作，产生复杂思维。
没有理论的学科会造成很多问题，可以参看我之前的博文《没有理论的学科会怎么样》。针对人工智能这一领域，第一个负面结果是会造成边际效益递减。也就是随着数据规模的增大，网络复杂度的增大，获得的进步越来越少。我们谈到深度学习一个重要的特征是表现随着数据体量增大而提高，这也是为什么大数据时代最适合深度学习。有时候我们觉得参数的膨胀标志着一种进步。但从物理学的角度看，这其实是退步--因为这标志着参数解释力的下降。这正是现实发生的情况，但即使我们在计算能力以及数据规模（感谢资本）上大跃进，表现的提高却越来越慢。还是拿图像识别为例，AlexNet的错误率是16.4%，而参数增加了4000倍的VGG网络错误率是7.3%，基本错误减半。换过来说，是35K个参数可以识别83.6%的图片，多出几千倍的参数只多识别了9.1%的图片，效能加起来只有接近九分之一。这也是为什么每当人工智能进入一个新的领域时，往往可以产生激动人心的初步结果（因为数据要求低），但对表现的改善却是趋于更慢的。这对于一些要求苛刻的领域这其实是致命的，比如对于自动驾驶，我们必须把失误控制在非常低的水平（每次失误可能都会造成致命的事故），而现实情况又非常复杂多变，有些情况不仅靠训练，也要靠应变和经验上的判断。
没有理论的另一个负面结果是研究过程近似于盲人摸象。虽然我们也有越来越多的网络模型，但这些模型的构建似乎更受到灵感的作用，而不是通过理论的启发。这种tryanderror类型的研究，试对了就好，试不对就重来，运气的成分会比较大。从理念上看，深度学习领域似乎还没有根本上的创新，其最大的进步似乎还是计算力上的进步，工作的模式仍然接近于对生物神经系统的模仿。而这种模仿其实并不能算是效率很高的模仿，我相信人脑完成复杂任务计算的效率平均讲还是高于神经网络的。至少从计算时间和所需能量来讲是远优于计算机的。人脑的功率据说是20W左右，而现在好点的英伟达显卡比如GeForceGTX1080Ti的功耗已经到了200W大关了。好在现在计算力不是瓶颈，再低的效率乘上庞大的计算力都能得到可观的结果。
人工智能从应用方式和应用场景上，都是对人的一些基本能力的模仿。吴恩达老师有过一个说法，说如果一个问题，人可以凭借直觉在几秒内判断出来，那么就有可能用人工智能来解决。现在出现比较多的也的确是这类问题，比如对于图像识别，到底是猫是狗，人一般几秒钟就能看出来。或者在自动驾驶方面，在一个路口是要刹车还是左转，正常的司机几秒钟也能判断出来。所以说人工智能是对人的能力的再现，这使得它在一些场景下可以代替人工，提高生产效率。但它难以完成更高级的一些思维活动，比如创造性思维。虽然有些“灵感一现”发生的时间也很短，但目前的计算框架并不具备相应的发散性，联想性和随机性。所以深度学习研究不仅自身缺乏理论，而且也很难为其他学科领域带来新的理论。根本的区别在于数理科学的研究具有不同的工作模式，一般包括假设提出，理论发展和实验验证，三者之间相互促进。其中假设的提出是最为关键的一步，也是研究设计的基础。人工智能在这第一步就败下阵来。人怎么能够提出假设，这是一个复杂的问题。但其基本原因，脱不开人是有自我意识的，对世界的认识是自由的，人的思维也是自由的。人工智能有没有思维，有没有意识是另外的话题，但目前来看它的训练数据都是高度单一的，它的结构或者结构的规则也是比较单一的，难以形成更复杂的思维结构。
人工智能与社会发展
所以综上人工智能最佳的应用场景是对人类劳动的部分替代。人工智能的革命，可能是生产效率的革命，类似于工业革命把人的双手解放出来。但现在还很难讲它在产业上会不会产生类似工业革命的影响，主要的区别可能有几点，第一，现在社会一般性产品的生产基本已经饱和，需要更多的是创新性产品，消费主要为了提高生活品质，也就是所说的“满足美好生活需要”。在生产创新性产品和服务方面，还没有看到人工智能的优势。第二，全球经济发展不平均（以及国内发展不平衡）造成的大量的低成本劳动力，在一些场景下替代这部分劳动力效益不高。举一个极端的例子，一些创业公司搞线上的人工智能产品或者demo，背后其实可以在人力成本比较低的地方雇真人来做，这也是实际发生过的事情。如果人力成本很低，电子化的人不一定能竞争过肉身的人。如果有一天人力成本都很高了，我们可能就进入共产主义社会了。我怀疑人工智能最危险的地方在于它对社会治理和网络治理的影响，而且这种影响很可能是负面的。这里就不展开多说了。
另外像我提到的，人工智能对生产力的解放是有限的，它还难以替代创造性劳动，尤其是科研活动。我们支持人工智能是合理的，all-in人工智能是危险的。基础研究还应该受到重视，目前看这是唯一可能导向新技术革命的路径。不重视基础研究，永远会被人落在后面。
【飞马会】
▼
往期福利
********关注飞马会公众号，回复对应关键词打包下载学习资料；********回复“入群”，加入飞马网AI、大数据、项目经理学习群，和优秀的人一起成长！
回复数字“1”下载从入门到研究，人工智能领域最值得一读的10本资料（附下载）
回复数字“2”机器学习&数据科学必读的经典书籍，内附资料包！
回复数字“14”小白|机器学习和深度学习必读书籍+机器学习实战视频/PPT+大数据分析书籍推荐！
回复数字“29”干货|28本大数据/数据分析/数据挖掘电子书合集免费下载！
回复数字“36”286页PDF教你如何搞明白深度学习的算法、理论与计算系统！(可下载)
回复数字“46”700页的《图形深度学习》(附代码和下载)
回复数字“47”好书推荐|106页的《Python进阶》中文版（附下载）
回复数字“48”最具影响力的20篇数据科学研究论文，附电子版~
回复数字“131”下载|《人工智能的认知神经基础白皮书》PDF版
回复数字“132”下载|2020城市大脑与超级智能建设规范研究报告(PDF版)
回复数字“133”下载|京东《未来科技趋势白皮书》