人工智能有哪些优缺点
回答一：人工智能具有许多优点和缺点。
因此，人们在制定这样的优点时要谨慎，以便让优势得以实现，失败的缺点，以及甚至一些利弊都可以转化为专业人士。
让我们开始享受以下优势：
好处：
如果编码正确，AI与人类相比将具有较低的错误率。它们具有令人难以置信的精度，准确度和速度。
它们不会受到敌对环境的影响，因此能够完成危险的任务，在太空中探索，并忍受会伤害或杀死我们的问题。
这甚至可能意味着开采和挖掘否则会对人类产生敌意的燃料。
在重复，乏味的任务和许多繁重的工作场所替换人类。
预测用户输入，询问，搜索和执行的操作。他们可以很容易地充当助手，cna推荐或指导各种行动。
可以在智能手机中找到此示例。
可以检测基于卡的系统中的欺诈，以及将来可能的其他系统。
组织和管理记录。
与人类互动以进行娱乐或作为头像或机器人的任务。
一个例子是用于播放许多电子游戏的AI。
机器人宠物可以与人类互动。可以帮助抑郁和不活动。
可以实现性快感。
他们可以在没有情感的情况下进行逻辑思考，以较少或没有错误做出理性决策。
可以评估人。
这可以用于医疗目的，例如健康风险和情绪状态。可以模拟医疗程序并提供副作用信息。
机器人放射外科手术以及将来的其他类型的手术可以实现人类无法做到的精确度。
他们不需要睡觉，休息，休息或娱乐，因为他们不会感到无聊或疲倦。
现在我们来看看它们的缺点：
缺点：
可能需要花费大量的金钱和时间来构建，重建和修复。机器人修复可以减少时间和人类需要修复它，但这将花费更多的资金和资源。
这是值得怀疑的：拥有机器人，类似人类的机器人，或重建智慧，是不应该重建的自然礼物，在道德上和道德上都是正确的吗？这是关于当时流行的人工智能的讨论。
存储是广泛的，但访问和检索可能不会导致内存和人类的连接。
如果编码的话，他们可以学习并且可以更好地完成任务，但是如果能够像人类那样做到这一点，那就值得怀疑。
他们无法在他们的计划之外工作。
他们永远不会，或者至少看似从未接受过我们的技术观念，接受人类所具有的创造力。
这可以防止同情人类接触的情绪，例如作为护士。这也可以减少智慧的理解。
这可以防止常识发生。即使用常识进行编码并进行学习，他们似乎也难以获得人类所能达到的常识。
机器人，他们取代工作，可能会导致严重的失业，除非人类可以通过人工智能不能做的工作来解决失业问题，或者将政府彻底改变为共产主义。
正如已经部分地看到智能手机和其他技术，人类可能变得过于依赖人工智能而失去了他们的智力。
如果放在坏人手中，机器很容易导致破坏。也就是说，至少是对许多人的恐惧。
AI作为机器人可以取代人类，奴役我们。
这就是AI可以在优点和缺点之间做的事情。
回答二：有很多优点可供提及。我将从以下事实开始：当涉及AI时，kife变得更容易。人工智能使我们的生活更加轻松。我们智能手机中的Siri和我们使用的GPS系统都有很大的帮助。像一个正确的指南，GPS引导我们到我们想要的目的地。如果我们错过了我们的方式，或者当我们采取错误的路线时，我们不再担心。我们在GPS的帮助下保持强大。AI也用于智能手机，通过猜测我们要输入的单词或自动纠正我们的拼写错误来帮助我们。我们实际上不必输入整个单词，但可以从提供的选项中进行选择。人工智能现已应用于医疗，太空探索，采矿，教育，燃料，欺诈检测等几乎所有领域。
其次，人工智能也广泛应用于医学领域。这些机器可以向研究人员反馈各种药物的副作用。AI可以帮助医生进行冗长的医疗程序。他们既可以是助手，也可以是导师。这完全取决于它们的编程方式。AI用于从抑郁状态恢复患者并使其保持活跃状态。在人工智能的帮助下，医学领域的这些成就和发展是非常值得赞赏的。
最后，降低成本。这是人工智能对人类的最大优势。这些机器可以连续工作，无需休息和休息。而且，他们不需要支付报酬，而人员则领取薪水。此功能吸引了雇主，因为他们可以节省每月付款。机器不带病叶或年叶等。不需要额外的支出，如运输成本，津贴。他们没有抱怨过载，他们不会像人类一样疲惫。AI用于决策制定，能够更快地思考。
谈到不利因素，我会提到失业，高成本和不具创造性等方面。由于机器目前缺乏道德和情感价值，因此无法有效地做出有关正确或错误的判断。关于具备创造力的能力，机器可以协助创造和设计;然而，它们无法与人类大脑中的思维能力以及创造性思维中的原创性相匹敌。
回答三：好处：
减少错误：减少错误，并且有可能以更高的精度达到准确性。
更快的决策：使用人工智能，可以非常快速地做出决策。
每日应用：在今天的时代，AI被用于许多应用程序，就像Apple的Siri，Window的Cortana，Google的OKGoogle一样。使用这些类型的应用程序，我们可以使用我们的语音与我们的设备进这使我们的工作变得轻松
没有情绪：完全没有情绪会使机器在逻辑上思考并做出正确的决定，在人类情绪与可能影响人类效率的情绪相关联的地方。
没有休息：与人类不同，机器可以24*7无故障地工作。H
医疗应用：在日常医疗应用中增加AI工具的集成可以通过最小化错误诊断的风险来提高治疗效率并避免成本。
代表人类承担风险：在各种情况下，可以使用机器人代替人类来避免风险。
公用事业：自动驾驶汽车，这将大大减少汽车碰撞的数量。面部识别可用于安全性。自然语言处理，以语言与人交流。
缺点：
高成本：硬件和软件需要及时更新以满足最新要求。
失业：越来越多的机器导致失业和工作保障问题。随着机器正在取代人力资源，失去工作的人数将会增加。
无法想出开箱即用：机器人只能完成他们编程的工作。除了在其内部电路中存储的任何算法或编程之外，它们不能有任何不同的行为。
法感受到同情和同情：毫无疑问，机器在高效工作方面要好得多，但它们无法取代造成团队的人际关系。机器不能与人类建立联系。
对机器的高度依赖：在今天这一代人中，大多数人都非常依赖像Siri这样的应用程序。有了机器的大量帮助，如果人类不需要他们的思维能力，这些能力将逐渐减少。在将来大量使用人工智能时，人类可能会完全依赖机器，失去心智能力。
回答四：人工智能优势
无故障-机器可以长时间编程，并且可以持续执行。与人类不同，它们不需要茶点和频繁休息。
重复性工作-单一的工作可以在机器的帮助下轻松完成。他们也可以用来执行一些危险的任务。
错误减少-AI可以显着减少错误。此外，在工作中使用AI的可能性也可以更高的精度达到准确性。
数字助理-高度发达的公司使用可以与用户互动的数字助理的头像，从而节省人力资源。这些头像没有情感，可以在任何情况下做出正确的决定。
难度探索-AI可用于采矿和其他燃料勘探过程。它们也可以用于探索海底。由于他们的编程，他们可以执行更多的艰苦工作，更大的责任。
人工智能缺点
失业-用人工智能技术取代人员可能导致大规模失业，这是一种不良现象。人工智能会让人失去创造力，变得懒惰。
成本高-人工智能的创建需要巨大的成本，因为它们是复杂的机器。此外，他们的维护和维修也需要很多钱。他们拥有需要经常更新的软件程序，以满足不断变化的环境的需求。恢复丢失的代码和重新启动系统的过程可能需要大量的时间和成本。
没有创造力-人工智能技术可以帮助你创造和设计，但他们不能建议你，因为他们没有人脑的力量。人们是情绪化和高度敏感的-他们思考，感受，听到和看到，他们的思想受到机器完全缺乏的感觉的指导。人们有直觉无法替代。
没有经验的改善-与人不同，AI无法通过经验得到改善，并且随着时间的推移它可能导致磨损。技术无法改变他们对不断变化的环境的反应。
没有复制的人-机器没有道德价值观和情感。他们执行了编程，不能做出错误或正确的判断。如果他们不熟悉某种情况，他们就无法做出决定，也无法进行细分或错误处理。
回答五：
我认为 DanielPaterson提供了一个很好的清单，所以我将给出一个不同的答案。
问题的前提是存在一些“人工智能”。那个预言值得怀疑。所有当前的“AI”都基于数字计算机，因此只能基于大量的经典逻辑。根据定义，大量的经典逻辑是“智能的”或者可以是“智能的”。这取决于您对智力的定义。
这些大量逻辑（或处理大量数据的逻辑量较小）可以做的是产生非常有用的统计计算。其结果对我们来说就像是“情报”（更是如此，因为我们自己无法做到这一点，所以它看起来很神奇）。对于现在打得好棋的计算机也是如此，计算机可以在逻辑任务上计算出人类智能的事实并不令人惊讶。我们人类在逻辑上实际上非常糟糕，而我们的智力在很大程度上并非基于它。正如安迪克拉克写道：“人类在飞盘上的表现要好于逻辑”。实际上，它需要如此大量的数字计算才能在逻辑任务中胜过人类，这证明了人类（非逻辑）技术的效率和功效。
在统计之前，AI基于符号逻辑和明确编码的规则。这段时间未能产生真正的智慧，而花费数千亿美元产生的却很少，以至于当每个人都感到失望时，我们得到了（第一个）“人工智能的冬天”。
现在使用的统计方法也无法产生适当的情报（同样，取决于你的定义），但由于它确实产生了许多有用的工具（例如从计算机辅助医疗诊断到操纵选举），这不是一个失败。特别是当AI与人类智能（基于（非离散，大规模并行，但缓慢）“估计”而不是（离散，大规模并行，快速）“计算”）相结合时，它非常强大。
那么，你如何决定某些东西是否聪明？不是通过图灵测试。图灵测试只测量是否有可能愚弄人类。这是一项相当容易的任务，因为人类很容易被愚弄:-)
我建议对“AI”技术的最佳测试是，如果它能够像人类专家那样在人类语言之间进行良好的翻译。只要具有最大统计量的最佳算法将我的一本书的标题从“MasteringArchiMate”转换为实际上意味着“支配ArchiMate”，或者facebook将“早安”翻译为“攻击他们”（导致逮捕），那么我们还有很长的路要走，我的猜测是数字计算机将无法长时间通过该测试（如果有的话：有理由怀疑数字技术永远不会）。也许打篮球/足球并且通过压倒人类而不是在身体上而在心理上获胜也将是一个很好的考验。
基本上，当前技术的主要缺点（局限性）是它们要么“脆弱”（对输入非常敏感）要么不可靠（即在70％的情况下给出结果是好的）。例如，如果您作为一家公司使用AI来解决您的客户，并且您在30％的情况下猜错了，那么在错误导致您的声誉受损的情况下，您就无法使用该技术。95％的满意客户和5％非常不满的客户可能是一个糟糕的商业案例。更糟糕的是，在某些情况下，由于你对效果的责任（集体诉讼，任何人？），错误可能会非常昂贵。另一方面，如果您的目标Facebook或Twitter活动在70％的时间内达到标记而其他人对您的目标没什么损害，那么操纵选举就足够了。
回答六：
优点是：
更有效地利用劳动力资源-为某些工作雇用机器人
更快的信息处理和决策
减少错误
客观性-个人关系对决策过程没有影响
增加所收到信息的个性化，例如教育系统，广告
勘探能力（例如走出全球）
缺点是：
对机器人所做出的决定缺乏控制
缺乏关于作出决定的基础的知识
新形式的控制和权力
对人类意义的威胁
与系统黑客有关的风险
通过机器将不适当的模式转换为他们自己的行为（例如侵略）-机器人从每次互动中学习
机器人作为杀戮的有效工具
回答七：
优点
易于任务管理和完成
移动应用程序开发充满了繁琐的工作，人工智能可以带来很大的变化。使用AI机器人和自动化来执行平凡的任务，开发人员可以感觉不那么疲惫，并保留了很多能量，他们可以用来完成其他更复杂和重要的操作。因此，AI为移动应用程序开发人员提供了极大的轻松完成任务，并减轻了过多的工作量。
提高效率和完美
移动应用程序开发过程可能是一个重要的阶段，其中讨论了与设计方法和开发思想相关的所有基本策略和培训。AI可以帮助移动应用开发专业人员完成日常任务，创建最终产品的总体情况并提高开发人员的效率。AI可以帮助减少人为错误，特别是当它们需要不妥协的准确性和准确性时。开发人员可以使用其预测结构和修订功能来处理最小的拼写和编码错误。
人工智能机器人的使用案例
从药物和酒店的个人助理到金融，银行和制造业，各种各样的行业已经开始利用人工智能机器的力量和水准。
用药：
AI对药物和医院的影响是显着的。医院可以利用智能机器人来治疗和诊断疾病，同时提高对潜在副作用的认识。他们甚至可以模拟手术程序进行培训和教育。
酒店：
通过实施人工智能解决方案，如聊天机器人礼宾服务或自动化客房服务以及与物联网相结合的便利设施控制，酒店业和酒店业可以体验到显着的复杂性和自动化。
采矿过程：
在AI机器人的帮助下，可以更精确，更有效地调查燃料。这些机器人的建造是为了引导矿工进行艰苦艰苦的工作，提供实时指导以改善工人的表现。
=================================================================
缺点
平庸特征的风险
人工智能无法独立运行，需要强大的界面和强大而先进的技术支持，可以自动执行各种分析任务。如果您正在努力开发这些动态技术或者缺乏足够的资源来开发这些动态技术，您可能会创建一个具有不完整功能的AI应用程序，这些功能看起来不够智能，无法以理想和一致的方式响应。在许多情况下，省略这样的移动应用程序功能听起来比提供其破旧，平庸的版本更好。
缺乏潜在的创造力
丰富的想象力，思维过程，创造力和远见是移动应用程序开发人员的一些闪烁元素。只有人类才有足够的力量来设想设计，然后将其变为现实。机器尽管是智能的或智能的，但其处理能力有限，这与其可编程算法有关。人工智能机器可以帮助设计蓝图的某些部分，但它们不能像人类思维一样思考。
员工更换
这可以被视为来自AI机器的直接致命打击。处于学习阶段或具有普通技能的专业人员可能会损害他们的工作，因为智能技术可以接管常规的第一级任务。例如，移动应用开发公司的监管系统可以通过AI自动化，减少装配线角色所需的人力。
昂贵的解决方案和实施
在质量和便利之后，可负担性是决定智能机器是否值得花费的另一个重要因素。对于移动应用程序开发公司，成本问题可能是特定于案例的。通常，开发人员的AI解决方案可能会产生巨大的负担，因为它们在创建过程中涉及大量的费用。AI的视野有限，需要不断更新以匹配预期结果，这会增加管理和维护成本。因此，具有雄心勃勃项目的大规模公司可能比新兴或小规模企业更有可能充分利用其AI投资。
相当天真，不那么自发
人类的洞察力依赖于知识的认知过程，这对于实时经验和观察是不可或缺的。然而，用于移动应用程序开发的AI机器是不同的，并遵循机器人编程的智慧。与人类不同，AI确实存储了大量信息，但不像人类那样访问和分析数据。
人工智能的历史、现状和未来
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。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，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基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（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，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）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们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。
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。
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。
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。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为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。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
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。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，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。例如，阿尔法狗（AlphaGo）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，人工智能系统诊断皮肤癌达到专业医生水平。
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。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。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”、有专才而无通才。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。
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%。
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。
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。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《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。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“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年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。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。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量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，比如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、用户需要人工适配智能系统等，非常费时费力。因此，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。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。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人员成本。
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、天文学等传统科学的发展。
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10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，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
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5年人工智能将提升各行业运转效率。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。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。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2018》重点推动物联网建设和人工智能的应用。世界军事强国也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。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，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，制定完善人工智能法律法规，规避可能的风险。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。美国白宫多次组织人工智能领域法律法规问题的研讨会、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”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，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值得重视的问题。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。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《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。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，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。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北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已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。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，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明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能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。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
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。
当前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、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。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。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，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。
重视固本强基的原创研究。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。面临发展的临界点，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。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，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。
构建自主可控的创新生态。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。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要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。同时，我们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，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，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。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
（作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士）
人工智能的伦理挑战
原标题：人工智能的伦理挑战控制论之父维纳在他的名著《人有人的用处》中曾在谈到自动化技术和智能机器之后，得出了一个危言耸听的结论：“这些机器的趋势是要在所有层面上取代人类，而非只是用机器能源和力量取代人类的能源和力量。很显然，这种新的取代将对我们的生活产生深远影响。”维纳的这句谶语，在今天未必成为现实，但已经成为诸多文学和影视作品中的题材。《银翼杀手》《机械公敌》《西部世界》等电影以人工智能反抗和超越人类为题材，机器人向乞讨的人类施舍的画作登上《纽约客》杂志2017年10月23日的封面……人们越来越倾向于讨论人工智能究竟在何时会形成属于自己的意识，并超越人类，让人类沦为它们的奴仆。
一
维纳的激进言辞和今天普通人对人工智能的担心有夸张的成分，但人工智能技术的飞速发展的确给未来带来了一系列挑战。其中，人工智能发展最大的问题，不是技术上的瓶颈，而是人工智能与人类的关系问题，这催生了人工智能的伦理学和跨人类主义的伦理学问题。准确来说，这种伦理学已经与传统的伦理学旨趣发生了较大的偏移，其原因在于，人工智能的伦理学讨论的不再是人与人之间的关系，也不是与自然界的既定事实（如动物，生态）之间的关系，而是人类与自己所发明的一种产品构成的关联，由于这种特殊的产品――根据未来学家库兹威尔在《奇点临近》中的说法――一旦超过了某个奇点，就存在彻底压倒人类的可能性，在这种情况下，人与人之间的伦理是否还能约束人类与这个超越奇点的存在之间的关系？
实际上，对人工智能与人类之间伦理关系的研究，不能脱离对人工智能技术本身的讨论。在人工智能领域，从一开始，准确来说是依从着两种完全不同的路径来进行的。
首先，是真正意义上的人工智能的路径，1956年，在达特茅斯学院召开了一次特殊的研讨会，会议的组织者约翰・麦卡锡为这次会议起了一个特殊的名字：人工智能（简称AI）夏季研讨会。这是第一次在学术范围内使用“人工智能”的名称，而参与达特茅斯会议的麦卡锡和明斯基等人直接将这个名词作为一个新的研究方向的名称。实际上，麦卡锡和明斯基思考的是，如何将我们人类的各种感觉，包括视觉、听觉、触觉，甚至大脑的思考都变成称作“信息论之父”的香农意义上的信息，并加以控制和应用。这一阶段上的人工智能的发展，在很大程度上还是对人类行为的模拟，其理论基础来自德国哲学家莱布尼茨的设想，即将人类的各种感觉可以转化为量化的信息数据，也就是说，我们可以将人类的各种感觉经验和思维经验看成是一个复杂的形式符号系统，如果具有强大的信息采集能力和数据分析能力，就能完整地模拟出人类的感觉和思维。这也是为什么明斯基信心十足地宣称：“人的脑子不过是肉做的电脑。”麦卡锡和明斯基不仅成功地模拟出视觉和听觉经验，后来的特里・谢伊诺斯基和杰弗里・辛顿也根据对认知科学和脑科学的最新进展，发明了一个“NETtalk”的程序，模拟了类似于人的“神经元”的网络，让该网络可以像人的大脑一样进行学习，并能够做出简单的思考。
然而，在这个阶段中，所谓的人工智能在更大程度上都是在模拟人的感觉和思维，让一种更像人的思维机器能够诞生。著名的图灵测试，也是在是否能够像人一样思考的标准上进行的。图灵测试的原理很简单，让测试一方和被测试一方彼此分开，只用简单的对话来让处在测试一方的人判断，被测试方是人还是机器，如果有30%的人无法判断对方是人还是机器时，则代表通过了图灵测试。所以，图灵测试的目的，仍然在检验人工智能是否更像人类。但是，问题在于，机器思维在作出自己的判断时，是否需要人的思维这个中介？也就是说，机器是否需要先绕一个弯路，即将自己的思维装扮得像一个人类，再去作出判断？显然，对于人工智能来说，答案是否定的，因为如果人工智能是用来解决某些实际问题，它们根本不需要让自己经过人类思维这个中介，再去思考和解决问题。人类的思维具有一定的定势和短板，强制性地模拟人类大脑思维的方式，并不是人工智能发展的良好选择。
二
所以，人工智能的发展走向了另一个方向，即智能增强（简称IA）上。如果模拟真实的人的大脑和思维的方向不再重要，那么，人工智能是否能发展出一种纯粹机器的学习和思维方式？倘若机器能够思维，是否能以机器本身的方式来进行。这就出现了机器学习的概念。机器学习的概念，实际上已经成为发展出属于机器本身的学习方式，通过海量的信息和数据收集，让机器从这些信息中提出自己的抽象观念，例如，在给机器浏览了上万张猫的图片之后，让机器从这些图片信息中自己提炼出关于猫的概念。这个时候，很难说机器自己抽象出来的猫的概念，与人类自己理解的猫的概念之间是否存在着差别。不过，最关键的是，一旦机器提炼出属于自己的概念和观念之后，这些抽象的概念和观念将会成为机器自身的思考方式的基础，这些机器自己抽象出来的概念就会形成一种不依赖于人的思考模式网络。当我们讨论打败李世石的阿尔法狗时，我们已经看到了这种机器式思维的凌厉之处，这种机器学习的思维已经让通常意义上的围棋定势丧失了威力，从而让习惯于人类思维的棋手瞬间崩溃。一个不再像人一样思维的机器，或许对于人类来说，会带来更大的恐慌。毕竟，模拟人类大脑和思维的人工智能，尚具有一定的可控性，但基于机器思维的人工智能，我们显然不能作出上述简单的结论，因为，根据与人工智能对弈之后的棋手来说，甚至在多次复盘之后，他们仍然无法理解像阿尔法狗这样的人工智能如何走出下一步棋。
不过，说智能增强技术是对人类的取代，似乎也言之尚早，至少第一个提出“智能增强”的工程师恩格尔巴特并不这么认为。对于恩格尔巴特来说，麦卡锡和明斯基的方向旨在建立机器和人类的同质性，这种同质性思维模式的建立，反而与人类处于一种竞争关系之中，这就像《西部世界》中那些总是将自己当成人类的机器人一样，他们谋求与人类平起平坐的关系。智能增强技术的目的则完全不是这样，它更关心的是人与智能机器之间的互补性，如何利用智能机器来弥补人类思维上的不足。比如自动驾驶技术就是一种典型的智能增强技术，自动驾驶技术的实现，不仅是在汽车上安装了自动驾驶的程序，更关键地还需要采集大量的地图地貌信息，还需要自动驾驶的程序能够在影像资料上判断一些移动的偶然性因素，如突然穿过马路的人。自动驾驶技术能够取代容易疲劳和分心的驾驶员，让人类从繁重的驾驶任务中解放出来。同样，在分拣快递、在汽车工厂里自动组装的机器人也属于智能增强类性质的智能，它们不关心如何更像人类，而是关心如何用自己的方式来解决问题。
三
这样，由于智能增强技术带来了两种平面，一方面是人类思维的平面，另一方面是机器的平面，所以，两个平面之间也需要一个接口技术。接口技术让人与智能机器的沟通成为可能。当接口技术的主要开创者费尔森斯丁来到伯克利大学时，距离恩格尔巴特在那里讨论智能增强技术已经有10年之久。费尔森斯丁用犹太神话中的一个形象――土傀儡――来形容今天的接口技术下人与智能机器的关系，与其说今天的人工智能在奇点临近时，旨在超越和取代人类，不如说今天的人工智能技术越来越倾向于以人类为中心的傀儡学，在这种观念的指引下，今天的人工智能的发展目标并不是产生一种独立的意识，而是如何形成与人类交流的接口技术。在这个意义上，我们可以从费尔森斯丁的傀儡学角度来重新理解人工智能与人的关系的伦理学，也就是说，人类与智能机器的关系，既不是纯粹的利用关系，因为人工智能已经不再是机器或软件，也不是对人的取代，成为人类的主人，而是一种共生性的伙伴关系。当苹果公司开发与人类交流的智能软件Siri时，乔布斯就提出Siri是人类与机器合作的一个最朴实、最优雅的模型。以后，我们或许会看到，当一些国家逐渐陷入老龄化社会之后，无论是一线的生产，还是对这些因衰老而无法行动的老人的照料，或许都会面对这样的人与智能机器的接口技术问题，这是一种人与人工智能之间的新伦理学，他们将构成一种跨人类主义，或许，我们在这种景象中看到的不一定是伦理的灾难，而是一种新的希望。
（作者：蓝江，系南京大学哲学系教授）