生成式人工智能迎来大爆发，人类真的要失业了吗
去年夏天以来，以ChatGPT为代表的“生成式”人工智能系统接连问世，人们惊艳于它们的智能程度，但也对其未来发展产生担忧。这样的系统可以按需求生产内容，不仅威胁到人们的工作，还可能造成错误信息的激增。
StableDiffusion根据提示自动生成的画作，真假难辨。图源：https://stablediffusionweb.com/
就在10多年前，三位人工智能研究人员取得了一项突破，永远地改变了这个领域。
“AlexNet”系统通过从网上采集的120万张图像进行训练，识别出了从集装箱船到豹子等不同物体，其准确性远远高于以往的计算机。
这一壮举帮助开发人员阿莱克斯·克里泽夫斯基(AlexKrizhevsky)、伊利娅·苏茨克维(IlyaSutskever)和杰弗里·辛顿(GeoffreyHinton)赢得了名为ImageNet的年度神秘竞赛。它还展示了机器学习的潜力，并在科技界引发了一场将人工智能带入主流的竞赛。
从那时起，计算机的人工智能时代基本上在幕后形成。机器学习是一项涉及计算机从数据中学习的基础技术，已普遍应用于识别信用卡欺诈、提高在线内容和广告相关性等领域。如果说从那时起机器人就开始抢走人们的工作，那基本上也是在我们看不到的地方发生的。
现在不是了。人工智能领域的另一项突破刚刚撼动了科技界。这一次，机器在众目睽睽之下运行，它们可能终于准备好取代数百万的工作岗位了。
一个11月底发布的查询和文本生成系统ChatGPT，以一种科幻小说领域之外很少见到的方式闯入了公众的视线。它由总部位于旧金山的研究公司OpenAI创建，是新一波所谓的“生成式”人工智能系统中最引人注目的一种，这种系统可以根据要求生成内容。
如果你在ChatGPT中键入一个查询，它将以一段简短的段落作为响应，列出答案和一些上下文内容。例如，你问它谁赢得了2020年美国总统大选，它会列出结果，并告诉你乔·拜登何时就职。
ChatGPT界面。
ChatGPT使用简单，能够在瞬间得出看起来像人类生成的结果，有望将人工智能推入日常生活。微软向OpenAI(由AlexNet创始人苏茨克维联合创立)投资数十亿美元的消息，几乎证实了这项技术将在下一阶段的人工智能革命中发挥核心作用。
ChatGPT是一系列日益引人注目的人工智能公众展示的最新例子。另一个OpenAI系统，自动书写系统GPT-3，在2020年年中发布时震惊了科技界。其他公司的所谓大型语言模型紧随其后，去年扩展到图像生成系统，如OpenAI的Dall-E2、来自StabilityAI的开源StableDiffusion和Midjourney。
这些突破引发了人们争相寻找这项技术的新应用。数据平台ScaleAI首席执行官亚历山大·王(AlexandrWang)将其称为“应用案例的寒武纪大爆发”，将其比作现代动物生命开始繁荣的史前时刻。
如果计算机可以编写和创建图像，那么在正确的数据训练下，还有什么是它们无法生成的吗?谷歌已经展示了两个实验系统，可以根据简单的线索生成视频，还有一个可以回答数学问题。StabilityAI等公司已将这项技术应用于音乐。
这项技术还可以用于向软件开发人员建议新的代码行，甚至整个程序。制药公司梦想着用它以更有针对性的方式合成新药。生物技术公司Absci本月表示，已经利用人工智能设计出了新的抗体，可以将一种药物进入临床试验所需的大约四年时间缩短两年多。
但随着科技行业竞相将这项新技术强加给全球受众，人们需要考虑潜在的深远社会影响。
例如，让ChatGPT以12岁孩子的风格写一篇关于滑铁卢战役的文章，你就能让一个小学生的家庭作业手到擒来。更严重的是，人工智能有可能被故意用来产生大量错误信息，还可能会自动取代大量工作，远远超出最容易躺枪的创造性工作。
微软人工智能平台主管埃里克•博伊德(EricBoyd)表示：“这些模型将改变人与电脑互动的方式。它们将以一种前所未有的方式理解你的意图，并将其转化为计算机行为”。因此，他补充说，这将成为一项基础技术，“涉及几乎所有现有的东西”。
可靠性问题
生成式人工智能的倡导者表示，这些系统可以提高工人的生产力和创造力。微软称，公司旗下GitHub部门的软件开发人员，已经使用一个代码生成系统生成了40%的代码。
谷歌研究科技对社会影响的高级副总裁詹姆斯•马尼卡(JamesManyika)表示，对于任何需要在工作中提出新想法的人来说，这类系统的输出可以“解锁思维”。它们内置在日常软件工具中，可以提出想法、检查工作，甚至生成大量内容。
然而，尽管生成式人工智能易于使用，并有可能颠覆很大一部分科技领域，但对构建这项技术并试图在实践中应用的公司，以及许多可能在不久之后在工作或个人生活中遇到这项技术的人，都构成了深刻的挑战。
最重要的是可靠性问题。计算机可能会给出听起来可信的答案，但人们不可能完全相信它们说的任何话。其通过研究大量数据，根据概率假设做出最佳猜测，却不能真正明白它产生的结果。
圣菲研究所教授梅兰妮·米切尔(MelanieMitchell)表示:“它们对一次谈话之外的事情一无所知，无法了解你，也不知道词语在现实世界中意味着什么。”它们只是针对线索，产生大量听起来有说服力的答案，是聪明但无脑的模仿者，无法保证它们的输出不只是数字幻觉。
已经有事实展示，这项技术如何产生看起来有模有样但实际不可信的结果。
例如，去年年底，Facebook母公司Meta展示了一个名为Galactica的生成系统，它是根据学术论文进行训练的。人们很快发现，这个系统会根据要求发布乍一看可信但实际上是虚假的研究，导致Facebook在几天后撤回了系统。
ChatGPT的创建者也承认其有缺点。OpenAI表示，系统有时会给出“无意义”的答案，因为在训练人工智能时，“目前没有真相来源”。OpenAI补充说，使用人类直接训练它，而不是让它自己学习（这一种被称为“监督学习的方法”，可以由训练资料中学到或创建一个模式，并依此模式推测新的实例）并不奏效，因为系统通常比人类这个老师更善于找到“理想答案”。
一种潜在的解决方案是在生成系统的结果发布之前提交合理性检查检查。马尼卡说，谷歌的实验性LaMDA系统于2021年宣布，对每个线索提出了大约20种不同的响应，然后评估每种响应的“安全性、毒性和合理性”。“我们打电话去检验，看看这是真的吗?”
然而，斯坦福大学计算机科学副教授珀西·梁(PercyLiang)表示，任何依赖人类来验证人工智能输出结果的系统都存在问题。他说，这可能会教会人工智能如何“生成具有欺骗性但看上去可信的东西，实际上可以愚弄人类”。“事实是，真相难以捕捉，而人类并不擅长于此，这可能令人担忧。”
PhotobyArsenyTogulevonUnsplash
而这项技术的支持者说，有一些实用的方法可以使用它，而不必试图回答这些更深层次的哲学问题。微软联合创始人保罗•艾伦(PaulAllen)创立的人工智能研究所A12的顾问兼董事会成员奥伦•埃齐奥尼(OrenEtzioni)表示，就像互联网搜索引擎既能提供有用的结果，也能提供错误的信息一样，人们将设法最大限度地利用这些系统。
他说：“我认为消费者只会学会使用这些工具来造福自己。我只是希望这不会让孩子们在学校作弊。”
但让人类去猜测机器生成的结果是否准确，可能并不总是正确的答案。研究人工智能应用的科技行业组织“人工智能伙伴关系”首席执行官丽贝卡•芬利(RebeccaFinlay)表示，在专业环境中使用机器学习系统已经表明，人们“过度相信人工智能系统和模型得出的预测”。
她补充说，问题在于，“当我们与这些模型互动时，人们会将结果对于人类有何意义的不同方面灌输给它们”，这意味着他们忘记了系统并没有真正“理解”他们所说的话。
这些信任和可靠性问题，为不良行为者滥用人工智能提供了可能。对于任何故意试图误导的人来说，这些机器可能成为虚假信息工厂，能够生产大量内容，淹没社交媒体和其他渠道。在正确的例子训练下，它们可能还会模仿特定人物的写作风格或说话声音。
埃齐奥尼说：“制造虚假内容将非常容易、廉价和普遍。”
StabilityAI负责人伊马德•穆斯塔克(EmadMostaque)表示，这是人工智能普遍存在的一个固有问题。他说：“这是一种人们可以道德或不道德地、合法或非法地、符合伦理地或不符合地使用的工具。坏人已经拥有了先进的人工智能。”
他声称，唯一的防御措施就是尽可能大规模地推广这项技术，并向所有人开放。
这在人工智能专家中是一个有争议的解决方案，他们中的许多人主张限制对底层技术的使用。微软的博伊德表示，其“与我们的客户合作，了解他们的用例，以确保人工智能在这种情况下真的是一个负责任的用途。”
他补充说，微软还会努力防止人们“试图欺骗模型，做一些我们真的不想看到的事情”。微软为其客户提供工具，扫描人工智能系统的输出，以查找他们想要阻止的冒犯性内容或特定术语。
微软此前经历了惨痛的教训，认识到聊天机器人可能会失控：聊天机器人Tay在发表种族主义和其他煽动性言论后，不得不在2016年被匆忙召回。
在某种程度上，技术本身可能有助于控制新人工智能系统的滥用。例如，马尼卡表示，谷歌已经开发了一种语言系统，可以以99%的准确率检测出语音是否为合成。他补充说，谷歌的任何研究模型都不会生成真人的图像，从而限制了所谓深度造假的可能性。
人类的工作面临威胁
生成式人工智能的兴起，也引发了关于人工智能和自动化对就业影响的又一轮争论，这已经是一个老生常谈的话题。机器会取代工人吗?或者，通过接管重复性工作，它们会提高现有工人的生产力，并增加他们的成就感吗?
最明显的是，涉及大量设计或写作元素的工作面临风险。当StableDiffusion在去年夏末问世时，它对即时图像与提示相匹配的承诺，让商业艺术和设计界不寒而栗。
一些科技公司已经在尝试将这项技术应用于广告，其中就包括ScaleAI，其已经在广告图像方面训练了一个人工智能模型。王说，借助这个工具，小零售商和品牌可以得到专业的包装图像，而此前为产品拍摄此类图像价格高昂，他们无法负担。
Dall-E2解释生成原理的视频截图
这可能会威胁到内容创造者的生计。穆斯塔克说：“它彻底改变了整个媒体行业。世界上每一个主要的内容提供商之前都以为他们需要一个元宇宙策略：他们需要的是一个媒体生成策略。”
据一些面临失业的人说，这不仅仅事关生计。当歌手兼词曲作者尼克·凯夫看到ChatGPT写的听起来像他自己作品的歌曲时，他惊呆了。他在网上写道：“歌曲产生于痛苦，我的意思是，它们是基于人类复杂的、内在的创作斗争过程，而据我所知，算法是没有感觉的。数据没有感知。”
对科技持乐观态度的人相信，科技会放大而不是取代人类的创造力。斯坦福大学的梁说，有了人工智能图像生成器，设计师可以变得“更有野心”。“你可以创建完整的视频或全新的系列，而不仅仅是创建单个图像。”
版权制度最终可能发挥重要作用。应用这项技术的一些公司声称，出于“合理使用”，它们可以自由地使用所有可用数据来训练自己的系统。“合理使用”是美国的一项法律例外，允许有限度地使用受版权保护的材料。
其他人不同意这个说法。盖帝图像和三名艺术家上周在美国和英国对StabilityAI和其他公司提起诉讼，指控这些人工智能公司肆意使用受版权保护的图像来训练其系统，这是这一领域首个法律诉讼。
一名代表两家人工智能公司的律师表示，这个领域的所有人都已准备好应对诉讼，这是为这个行业制定基本规则不可避免的一步。对科技行业而言，围绕数据在训练人工智能方面作用的争论，可能会变得与智能手机时代初期的专利战一样重要。
最终，为人工智能新时代设定条款的将是法院，甚至是立法者，如果他们认为这项技术打破了现有版权法所基于的旧假设的话。
在那之前，随着计算机竞相吸收世界上更多的数据，生成式人工智能领域迎来了自由狩猎的季节。
原标题：《生成式人工智能迎来大爆发，人类真的要纷纷失业了吗？》
阅读原文
【听见马克思】人工智能是劳动者的福音吗
人工智能是劳动者的福音吗？
——兼论马克思经济学的当代价值
编者按：为纪念马克思诞辰200周年，光明网策划、录制了通俗理论音频节目《听见马克思》，邀请中共中央党校（国家行政学院）、中国社会科学院、中国人民大学、山东大学、辽宁大学、上海大学、天津师范大学等机构的专家学者，为您讲述伟人故事、探寻伟人足迹、传承精神财富。本期节目由中国人民大学沈尤佳为您讲述《人工智能是劳动者的福音吗？》。
谷歌I/O2018大会上，谷歌公司发布了GoogleAssistant新技术。在现场演示中，GoogleAssistant已经可以与电话对面的人对答如流，连“emmmm”的语气都与真人一样，惟妙惟肖。甚至，GoogleAssistant明白人类的“话里有话”，能按照言外之意去行动。
2014年，高盛投资并开始部署一款由人工智能驱动的交易平台“Kensho”。对冲基金创业公司WalnutAlgorithms从一开始就研究人工智能技术。另一家对冲基金公司BridgewaterAssociates还组建了自己的团队，来打造可自我进行实际操作的人工智能系统。
对冲基金数据服务公司Eurekahedge追踪了23家使用人工智能技术的对冲基金，结果发现，人工智能的表现要优于人类。过去，靠数学模型分析金融市场的物理学家和数学家是对冲基金的宠儿。但是，他们是依靠对历史数据的分析，来创建一个可以预测市场趋势的模型。人工智能也能这样做，而且还能吸取最新的数据，从而持续提升其预测模型。商业智能公司CoalitionDevelopment的报告显示，12家最大投资银行的销售、交易和研究员的平均年薪为50万美元，许多交易员甚至达到百万美元。另一项行业调查结果显示，2015年，5个对冲基金经理的薪水加起来有10亿美元，甚至更高。为何不用人工智能来取代这些交易员呢？
根据美国劳工统计局2017年提供的统计数据，美国有大约380万机动车驾驶员，包括卡车、货车、巴士和出租车司机。美国约有100万人注册成为Uber和Lyft的兼职司机。全球范围内，以开车为生的人超过1亿。靠开车为生的工人很可能在自动驾驶时代中失去饭碗。
人工智能在可预见的未来会全面替代人工吗？人类中的一部分可能连被剥削的价值都没有了吗？
事实上，人工智能与人类的关系，不是掠夺，而是解放，这是马克思经济学早在一个多世纪前就揭示了的，尽管马克思没有直接使用“人工智能”的概念，而是（人类劳动）“时间的节约”。
马克思在《政治经济学批判大纲（草稿）（1857-1858）》指出，如果（自由劳动者的联合的）共同的生产已成为前提，时间的规定当然仍有重要意义……正象单个人的情况一样，社会发展、社会享用和社会活动的全面性，都取决于时间的节省。一切节约归根到底都是时间的节约……真正的经济——节约——是劳动时间的节约（生产费用的最低限度——和降到最低限度）。而这种节约就等于发展生产力。
5月11日，青岛港全自动化集装箱码头迎来运营一周年。一年来，青岛港自动化码头作业效率全球领先。开港运营之初，平均单机装卸效率达到26.1自然箱/每小时（国外同类码头开港效率为13-15自然箱/小时），同年10月提升到30自然箱/每小时（国外同类码头约为20自然箱/每小时，人工码头为25-28自然箱/每小时），较全球同类码头提高50％，已全面超过人工码头。自动化码头迄今经历了一个完整季节周期，完全经受住了大风、雨雪、酷暑、极寒等极端恶劣天气考验。目前，桥吊、ASC(集装箱堆垛机)、AGV(自动导引车)等主要设备的可靠率稳定在99.92%以上，最高达到100%。“汗水经济”变身“智慧经济”——时间的节约就是发展生产力。
就节约时间本身来说，共产主义生产方式和资本主义生产方式并无差别。为了追求利润，资本力图不断降低社会必要劳动支出，即节约时间。但是，与此同时是生产剩余价值的剩余劳动时间的相对和绝对的增加。生产力的发展，只是在它增加工人阶级的剩余劳动时间，而不是减少物质生产的一般劳动时间的时候，对资本主义生产才是重要的；因此，资本主义生产是在对立中运动的。这种对立表现在工人阶级的劳动时间和寄生资产阶级的自由时间的极化作用中，表现在社会上一部分人靠牺牲另一部分人来强制和垄断社会发展（包括这种发展的物质方面和精神方面的利益）……
马克思在这种对抗中揭示了这个历史上进步的、超出资本主义的因素。就是说，由于资本向工人榨取越来越多的剩余劳动时间，因而使人的劳动，使力量的支出缩减到最低限度。这将有利于解放了的劳动，也是使劳动获得解放的条件。这就是说，在资本主义制度框架底下人工智能的出现，其主观出发点是为了更多的剩余价值。客观上却会使人类劳动的支出被缩减到最低限度，从而为劳动的解放创造条件，这是不以资本的意志为转移的。这样就会为这样一些关系创造出物质手段和萌芽，这些关系在一个更高级的社会形态内，使这种剩余劳动能够同一般物质劳动所占用的时间的较显著的缩短结合在一起。也就是说，人类劳动支出的缩减和剩余劳动的最大化，是资本主义社会专制的表征。然而，人类劳动支出的缩减和剩余劳动的缩减却会在共产主义社会同时实现。
同样的人工智能技术的发展，在两种制度下，对人类命运产生两种相反的结果。原因在于两种制度的生产目的截然不同。资本主义的物质生产本质上是剩余价值的生产与再生产，所以，尽管人工智能技术绝大程度上替代了人类劳动，人类的被雇佣的那一部分的工作日却不可能缩减，因为只有保证最大限度的工作日长度才能保证最大限度的剩余价值。然而，人工智能技术毕竟替代掉了愈来愈大部分和绝大部分的人类劳动，所以，这种工作日长度的最大化是以失业人口的最大化为代价的，这就是所谓的“人类的一部分连被剥削的价值也丧失了”。而社会主义的物质生产本质上是一切人的可使用物和一切人的自由发展的生产与再生产。所以，当人工智能技术绝大程度上替代了人类劳动，人类具备劳动能力的每一个体，都拥有为社会而劳动的权力和义务，这是以缩短每一个劳动者的工作日长度为前提基础的，毕竟人类劳动中的简单、单调、重复和繁重的部分在绝大程度上被人工智能所替代。
2016雨果奖最佳“短中篇小说”获奖作品《北京折叠》，把22世纪北京的空间分割为三层，底层5000万人是清洁工和个体户，他们每天的生活时间只有8小时。对应的是《人工智能时代》和《机器危机》的观点：随着人工智能发展，未来机器人必将取代人类。如何解决多余人口？最好的办法是彻底减少这些人的生活时间，比如统统塞到夜里做清洁工——这就是为什么他们的一天只有8小时。
这样的作品和作者似乎未曾接受起码的马克思主义启蒙。
时间节约原则认为，不断节约劳动时间,能使劳动者获得充分的自由时间,作为闲暇时间或从事各种文化和社会活动的时间，从而使劳动者的体力和智力得到全面的发展。这种全面发展的劳动者，在生产中又将进一步节约劳动时间，创造出更多的社会财富，进一步发展生产力。共产主义生产关系中的时间节约的特点是，通过劳动时间的节约为单个人和社会提供了自由时间，自由时间又成为实现生产新目的的物质基础。马克思指出，节约劳动时间等于增加自由时间，即增加使个人得到充分发展的时间，而个人的充分发展又作为最大的生产力反作用于劳动生产力。因此，必须通过节约时间来提高劳动生产力，从而同时扩大个人发展的可能性。
共产主义的社会形态，马克思在《政治经济学批判大纲（草稿）（1857-1858）》对它的描绘是，在这里生产力的自由的、毫无阻碍的、不断进步的和全面的发展本身就是社会的前提，因而是社会再生产的前提。在未来的无阶级社会中，由于生产资料的公有制，生产关系的性质和生产的社会性原则上是一致的。正是这种为社会全体成员谋福利的无限发展，使共产主义生产方式同资本主义生产方式以及以前一切生产方式区别开来。这样，新社会就在自己的社会经济和社会政治的基础上使一种更高的劳动生产率原则成为可能。（光明网记者刘丹）
[责编：李澍]智能化时代，学生需要怎样的劳动
近日，中央发布《关于全面加强新时代大中小学劳动教育的意见》。乍一看，不免惊诧，我们不是早步入以机械化、智能化和高科技化为主要特征的21世纪了吗？提倡劳动教育，学生需要从事怎样的劳动？
我不禁想起儿时的情形：从小学一年级开始，每天放学后，我的身份就从学生转化为家里的劳动力，放下书包就去放牛、割草、挑水、生火和做饭。学校每个月都会组织我们去十多里之外的山里摘茶叶，农忙时节去老师家里帮忙割麦、扯花生等。到了初中，每周三下午是固定的劳动课时间，每位同学回家取锄头、土筐等，在学校旁的山坡挖土和挑土。这些劳动实践是我重要的农村记忆，让我了解农村的生产与生活过程，体验了劳动的艰苦与价值，理解了父母的付出与不易。
劳动是我最痛苦也是最重要的“乡愁”与童年记忆。劳动很早就赋予了我一个劳动力（workforce）的身份，而不是乡下的儿童。
反观现在，在以学习成绩为主要评价指标的应试教育模式主导下，大部分学生把时间和精力放在文化课学习上，少部分学生沉溺于电子游戏而无法自拔，还有一些学生倚靠家长提供的优越物质条件坐享其成。
哪怕是农村孩子，很多也不知道他们吃的各种食物是怎么来的，更说不出各种农具的准确名称。城里的孩子被封闭在知识的“象牙塔”里，终日忙于课堂学习与课外补习。大学生除了专业学习外，还忙于考驾照，参加有附加学分、奖学金倾斜的功利性社会实践，却鲜有机会与城市发生实质性关联，很少参与城市的发展与建设，不了解城市生产与运转逻辑，谈不上是城市真正的“主人”。
概言之，在现行教育模式与人才培养目标下，劳动被严重遗忘，学生普遍缺乏劳动锻炼与劳作实践，家长、学校和社会不重视劳动，与城市和乡村脱节，与真实的生产和生活脱节。
怎么办？回归“劳动”，可以在一定程度上缓解上述问题。
对于成长在乡村的学生来说，可以聘请熟悉乡村的能人、掌握乡村传统技艺的工匠，担任乡村学校劳动教育导师，带领学生们参与农业生产实践，了解当地农作物的育苗、施肥、生长、成熟、收割、加工与销售等过程，系统讲述乡村濒临失传的技艺，在此基础上编写特色乡土教材，让乡村学生真正认识、了解和热爱乡村。各学校开辟乡村文化展示区，用于展示乡村物质及非物质文化遗产，让“乡愁”根植于学生的内心深处。
城里学生可以参与城市的公共卫生与环境治理、交通疏导等项目，让他们有机会熟悉城市治理过程，理解城市治理逻辑，成为城市发展建设和管理的参与者与见证人，从而培养他们的责任心，提升他们的公民意识，增强他们的城市认同感与归属感。
对于城市学生不了解农村生活，农村学生不了解城市的情况，可利用周末或寒暑假推进城乡校际互动，开展城市和乡村学校“结对子”活动，让城里学生深度参与农村的生产与生活实践，感受传统乡村魅力；让乡村的学生体验现代都市文明，从而消弭城乡分割，加速城乡的互动与融合。
我特别欣赏台湾东海大学把“劳作课”作为全校学生必修课的做法，该校上至校长，下至大一新生，都有每学期清洁宿舍与教室、整理环境卫生、打扫厕所等20余项工作的义务。“劳动”“劳作”的本质是将学习与劳动并重，治学与做人并举，培养学生互助合作、节俭勤劳的美德，在劳作中修己善群、服务社会、健全人格，通过劳动建构人与地方的紧密关系，根植地方依恋与归属感，在体验劳动艰辛的同时感知劳动带来的快乐。
（作者系广州大学公共管理学院副教授）
(责编：何淼、熊旭)
分享让更多人看到
人工智能会取代人类吗
会这样吗？蔡华伟绘
不久前，在中国乌镇围棋峰会上，人工智能程序“阿尔法狗”与排名世界第一的中国围棋职业九段棋手柯洁对战，以3∶0的总比分大获全胜。在此之前，它曾经以4∶1的总比分击败过同为围棋世界冠军的韩国职业九段棋手李世石，并在中国棋类网站上以“大师”为注册账号与中日韩数十位围棋高手进行快棋对决，连续60局无一败绩。两年来，“阿尔法狗”横扫中日韩围棋棋坛，并且每次表现都堪称完美。
一直以来，就有人工智能的发展会威胁到人类生存的观点，而“阿尔法狗”能在典型的反映人类智慧的围棋比赛中屡屡打败人类，更是加重了一些人的担忧。
那么，人工智能对人们工作、生活的直接影响到底有多大？它具备了人的部分能力，甚至比人类做得更好，未来会不会和人类抢“饭碗”，甚至对我们产生威胁？
具有不可
比拟的优势
未来人工智能可在金融投资、医疗诊断、企业经营、军事指挥等方面进行高水平的预测和决策
人工智能会取代人类吗？应当说，这种担忧也有一定道理。
近年来，人工智能各方面的发展都在逐渐完善，应用也越来越多，并且在很多方面的表现都超越了人类。
比如，2015年9月，腾讯财经推出了自动化新闻写作机器人。它能根据算法在第一时间自动生成稿件，瞬时输出分析和研判，一分钟内就能将重要资讯和解读送达用户。
还有，备受关注的微软小冰，作为一个虚拟伴侣型机器人，它能够模拟人的语气与人对话，聊天时让人感觉这就是一个活生生的人而并非机器。
此外，据外媒报道，摩根大通已经开发出一款金融合同解析软件，原来律师和信贷人员每年需要36万小时才能完成的工作，该软件只需几秒就能完成，且错误率大大降低。
青岛智能产业研究院智慧教育研究所副所长刘希未说：“在问题求解方面，人工智能程序已经能知道如何考虑它们要解决的问题，即搜索解答空间，寻找较优解答。在无人驾驶方面，人工智能已经可以实现长距离复杂路况下的自主驾驶。”
“未来在认知层次，人工智能还将会有广阔应用空间，例如人工智能可在金融投资、医疗诊断、企业经营、军事指挥等方面进行高水平的预测和决策。”中国科学院自动化研究所研究员孙哲南说。
而著名物理学家史蒂芬・霍金则认为人工智能给人类社会带来的冲击将更为巨大。2016年底，他在英国《卫报》发表文章预言说：“工厂的自动化已经让众多传统制造业工人失业，人工智能的兴起很有可能会让失业潮波及中产阶级，最后只给人类留下护理、创造和监管等工作。”
这样的判断还有待未来验证，不过，相比人类智慧，人工智能的确有着不可比拟的优势。
刘希未说：“和人脑相比，人工智能算法应对数值和符号计算更加精确快速，稳定可靠。特别是对于有确定规则的计算问题，人工智能可以远远超出人脑的计算速度，也更容易找到最优的解答。比如，在数值计算，图形、语音、生物特征、行为姿态等方面的识别，甚至更加复杂的预测推理任务方面，人工智能都有超越人脑的优秀表现。”
不会取代
甚至威胁人类
人工智能不具备感性思维，无法跨越到意识领域
那么，人工智能真的会因此而取代人类本身，甚至对我们产生威胁吗？记者采访的几位专家都给出了否定的答案。
首先，专家们认为，当前的计算机架构和编程模式具有本质上的劣势，使得人工智能无法实现与人脑情感、意志、心态、情绪、经验等方面的自然交互。本质上，人工智能仅仅是物质世界范畴的概念，无法跨越到意识领域。
1981年荣获诺贝尔生理学奖的罗杰・斯佩里博士曾发布著名的“左右脑分工理论”，认为人脑的左右半球有着不同分工：左半脑擅长分析、逻辑、演绎、推理等理性抽象思维；右半脑擅长直觉、情感、艺术、灵感等感性形象思维。迄今为止，人工智能的所有智能化表现仅仅在模仿人类左半脑的理性思维模式，而完全不具备右半脑的感性思维。
“也就是说，目前的人工智能技术还很难应对具有显著人类主观意识影响的社会文化和意识领域的各类问题，而人脑却可以通过长期在复杂社会环境下的学习成长轻松应对这类问题。”刘希未说。
他进一步举例说，比如人工智能至今也还没有创作出真正具有人性境界的作品。“电脑与人脑，毕竟有着机械性与生命灵性的本质区别，因此，电脑创作与人脑创作之间尚存在着难以逾越的鸿沟。个性化是人类文学艺术创作的生命，而已有电脑创作系统尚无个性可言，只不过是对已有的艺术作品的模仿、复制与重组。”
那么，随着人工智能的不断发展完善，将来是否有可能实现这种自发的情感智能呢？
“情感智能化分成两个层面，一个是让机器本身具有情感，另外一个是让机器理解人的情感，两者是不一样的”，中国科学院自动化研究所研究员易建强说，“让机器去理解人的情感，这件事是有可能做到的。目前有一部分机器人系统能够做到部分理解场景、环境及对话内容，并根据其结果做出相应的反应或者表情。但要机器人或人工智能系统完全达到人类的水平，有自发的情感和创造性，那是很难实现的，或者说不可能实现。”
中国自动化协会副理事长、秘书长王飞跃对此表示认同，“我个人认为100年内无法实现，或许永远不可能实现，除非重新定义什么是人的情感、理解、推理等等。原因很简单，人们现在都还不清楚这些情感的内涵、产生的过程及其方式。”
将成为人类
发展的加速器
人工智能的确会对人类就业造成一定冲击，但人类的工作不会消失，而是转变为新的形式
科学家们还认为，人工智能技术只是人类智慧创造的一种新型工具，它有助于人类更快做出突破，提高我们应对那些亟待解决的全球性难题的能力。
“我们需要人工智能这个强大的工具来帮助处理复杂问题，预测未知，支持我们实现以往不可能的目标。”王飞跃说。
专家们表示，很多划时代的科技成果必然引发人们生活方式的改变，短期内很可能难以被接受，但若放眼历史长河，就会发现，所有重大的科技革命无一例外地都最终成为人类发展的加速器，同时也是人类生活品质提高的根本保障。
“人工智能技术的出现也同样如此，它的确会对人类的就业造成一定冲击。比如，人工智能更适合处理简单重复、规则确定或者通过案例学习可以找到有效处理规则的问题。像安检、看病理切片和监控视频审核等交给人工智能更为高效可靠，这些工种也因此比较容易受到冲击和替代。”不过，易建强表示，不必因此就担心它会彻底取代人类。“以第一次工业革命为例，它不仅仅是让人类的既有工作被取代，同时会制造出足够多的新的就业机会。大多数情况下，工作不是消失了，而是转变为新的形式。”
易建强说，马车被汽车取代就是一个非常典型的例子。当年，汽车开始进入大城市并逐渐普及的过程中，曾经在数百年的时间里充当出行工具的马车，面临着“下岗”威胁。但后来的事实证明，新兴起的汽车行业拥有比传统马车行业多出数千倍甚至数万倍的产值和工作机会。
“现阶段，在一个真正实现人工智能的工作场景中，传统劳动者也并未被‘下岗’，只是改变了角色而已。仍然需要人类对人工智能的表现进行监控，进行情报采集与分析，以及开展预测性的实验与评估，引导性的过程管理与控制。”王飞跃说，“我相信将来人类90%以上的工作是由人工智能提供的，就像今天我们大多数的工作是由计算机和各种其它机器提供的一样。”
《人民日报》（2017年07月07日20版）
(责编：易潇、沈光倩)分享让更多人看到
人工智能颠覆的未来还需要劳动节吗AlphaGo们给人类的那些启示
在今天的围棋界，业余高手和职业高手之间存在2子以上的明显差距，通常，这个差距是职业选手从童年开始，用10年以上的时间刻苦训练得来的，业余选手极难弥补。另一方面，在计算机科学界，懂得蒙特卡洛搜索算法原理的人都知道，这种算法主要是利用抽样统计来提高搜索效率，单用此算法确实难有提高空间。这是AlphaGo出现前，围棋界和计算机科学界两方面都不敢奢望人机大战即将到来的根本原因。
深度学习改变了一切。
使用深度学习并结合蒙特卡洛搜索的AlphaGo已注定被写入历史。AlphaGo问世的第一年内，其实进入大家视野的是三个版本：5︰0击败樊麾的内测版本，4︰1击败李世石的版本，以“Master”网名60︰0快棋挑落中日韩高手的版本。三个版本演进脉络明显，每次迭代都有重大升级。最后这个网名为“Master”的版本也基本是2017年AlphaGo挑战柯洁的一个“预览版”。
从围棋角度说，AlphaGo最震撼的是计算机在人类传统认为极其玄妙的、电脑无法掌握的“大局观”上突飞猛进，远远将人类选手甩在身后。电脑计算“大局观”的方式，和人类培养“大局观”的思路，有根本的差别。人类不可能在这方面赶上电脑。和樊麾对局的棋谱基本上还看不出AlphaGo的大局观有多强，和李世石对局就下出了聂卫平赞不绝口的五路肩冲，到了Master的60局，大局观体现在两个地方：
第一，自始至终对局势的把握，比如第60局古力用AlphaGo的思路对付AlphaGo，把中央撑得很满，但AlphaGo不紧不慢，总是恰到好处地保持胜势。
第二，AlphaGo已经深刻影响人类对布局的思考，大飞守角之类的变化迅速被人类棋手模仿，这和当年深蓝问世后，国际象棋的布局革命是一样的。
第一，自始至终对局势的把握，比如第60局古力用AlphaGo的思路对付AlphaGo，把中央撑得很满，但AlphaGo不紧不慢，总是恰到好处地保持胜势。
第二，AlphaGo已经深刻影响人类对布局的思考，大飞守角之类的变化迅速被人类棋手模仿，这和当年深蓝问世后，国际象棋的布局革命是一样的。
基于AlphaGo的思路，其他围棋软件的水平也突飞猛进。仅2017年年初就有日本研发的DeepZenGo和腾讯人工智能实验室开发的“绝艺”达到了人类九段或以上的水平。腾讯“绝艺”不仅面对人类高手保持了绝对优势，还战胜了AlphaGo以外的各路围棋软件，取得了2017年UEC杯计算机围棋大赛的冠军。
以后AI和AI之间的竞赛，应该会不断促进AI提高。人类虽望尘莫及，但可以不断从AI中学习新的思想。
从人工智能技术的角度说，AlphaGo用的是AI领域应用非常普遍的算法：深度学习、蒙特卡洛算法、增强学习等。可以说，机器视觉相关的深度学习技术，包含环境—决策—反馈的智能系统，里面都有AlphaGo的影子。当然，直接的代码实现层面，肯定没有复制、粘贴这样直接借用的关系，因为AlphaGo的深度学习模型毕竟是围绕围棋的特征建立的。
那么，当人机大战烟尘散尽，公众的热情回归理性时，AlphaGo究竟为我们人类带来了什么？AlphaGo带来的，仅仅是棋盘上的一张张棋谱，还是《自然》杂志上那篇划时代的论文？是公众对人工智能的重新认知，还是人类与机器命运的关键转折点？
我觉得，AlphaGo带给人类的，更多是一种对未来的警示：如果计算机可以在两年内实现大多数人此前预测要花20年或更长时间才能完成的进步，那么，还有哪些突破会以远超常人预期的速度来临？这些突破会不会超出我们对人工智能的想象，颠覆人类预想中的未来？我们已为这些即将到来的技术突破做好准备了吗？
无论是专业人士还是普通公众，AlphaGo的出现给每个人提供了一个最好的理由，让我们有机会重新思考：到底什么是人工智能？人工智能之于人类的意义是什么？人工智能与未来人类的关系到底会怎样？人工智能真的会在未来挑战人类吗？
DeepMind：会打游戏的人工智能
站在AlphaGo背后的，是一个名叫DeepMind的团队。这是谷歌公司于2014年收购的英国人工智能团队。在所有优秀的人工智能技术团队中，DeepMind无疑是最有潜力之一的。不得不承认，他们是一个真正有梦想也真正关注人类未来的技术团队。
DeepMind的创始人戴密斯·哈萨比斯（DemisHassabis）从小就是一个神童，在棋类游戏中展示出了非凡的天分。哈萨比斯13岁时就成为国际象棋大师，在当年的国际象棋世界等级分排名中，哈萨比斯位列所有14岁以下选手的第2位，仅次于后来名声大噪的世界最强女棋手朱迪特·波尔加（JuditPolgár，小波尔加）。
1997年，哈萨比斯从剑桥大学计算机科学系毕业。1998年，22岁的哈萨比斯创立了ElixirStudios公司，专注于开发电脑游戏。2005年，哈萨比斯返回校园，在伦敦大学攻读了认知神经科学的博士学位。2010年，哈萨比斯在伦敦创建了人工智能技术公司DeepMind。直到2014年谷歌以4亿英镑收购DeepMind时，哈萨比斯的团队还基本不为普通公众所知。
2015年年初，DeepMind第一次真正进入公众视角，是靠一个基于深度学习和增强学习技术驱动的，能自己学习如何打街机游戏的AI程序。显然，国际象棋大师和电脑游戏设计、开发的背景，为哈萨比斯的人工智能之路，奠定了一个不同寻常的基础。DeepMind所研发的深度学习、增强学习等技术，在医药、金融、自动控制等众多领域有着广泛的应用前景，但这些行业应用离普通公众较远，DeepMind的先进技术难以被大多数人了解。哈萨比斯和他的团队非常聪明地选择用大众最熟悉的电子游戏，来作为DeepMind核心科技的第一块“试金石”。
DeepMind选取了数十款当年在雅达利（Atari）街机上非常流行的小游戏，然后用人工智能程序尝试“理解”游戏当前画面，控制游戏操作接口，并根据每次游戏的输赢情况，不断调整策略，自主学习游戏技巧。2015年2月向公众展示时，DeepMind的人工智能程序在大约四分之三的雅达利街机游戏中，达到或超过了人类高手的水平。类似技术随后被DeepMind团队用于人工智能围棋软件，并由此诞生了震惊世界的AlphaGo。
DeepMind的目标显然不是游戏本身。正如哈萨比斯在诸多场合所说过的那样，DeepMind希望利用在游戏中证明过的技术，帮助人类解决计算机辅助医疗等更为复杂的问题。但游戏与DeepMind的结缘，确实为这个独具特色的人工智能团队贴上了鲜明的标签。
AlphaGo的故事尚未完结，DeepMind就将目光投向了更有挑战的游戏领域。2016年11月，在暴雪公司的BlizzCon大会上，DeepMind正式宣布牵手暴雪，基于《星际争霸》游戏进行人工智能研究。
与围棋不同，《星际争霸》游戏的参与者需要在全局尚未明朗的情况下，只依据少数信息，猜测对手可能的战略、战术布置，并有针对性地设计自己的游戏策略。从技术上说，《星际争霸》的挑战要高于围棋，打赢《星际争霸》所需的决策技术，也许更接近人类在日常工作、生活中经常使用的思考与决策方法。从这个意义上说，DeepMind正向着更高级智慧的方向迈进。
游戏既是DeepMind团队最好的市场和公关手段，同时也帮助DeepMind在人工智能领域迅速建立起不同寻常的技术优势。借助在游戏领域取得的经验和方法，DeepMind已经开始用人工智能技术帮助谷歌的数据中心合理调度、分配电力资源，达到省电的目标。此外，DeepMind与牛津大学合作开发了根据人类说话时的口型猜测说话内容的唇读技术LipNet，与英国国家医疗服务体系（NHS）合作推出了综合性的医疗辅助应用Streams，与眼科医院合作帮助眼部疾病诊断……哈萨比斯说：“我坚信DeepMind正在从事的研究对人类的未来至关重要，而且这值得我们做出一些牺牲。”
从下象棋、开发游戏的天才少年，到利用人工智能技术造福人类的计算机科学家，哈萨比斯的梦想正在实现。一个会玩游戏的人工智能和一个会帮助医生诊疗疾病的人工智能，它们之间的技术，竟有如此之多的共同点——技术的神奇莫过于此。
德州扑克：开启新世界的大门？
围棋是一项讲究计算和形势判断能力的游戏。而德州扑克就与此不同，它讲究的是在多人博弈中，避免人性贪婪、恋战等弱点，并将科学的概率统计与灵活的实战策略很好地配合起来。人工智能已经在围棋领域取得历史性的突破，那么，在德州扑克的世界里，人工智能的表现又如何呢？
如前所述，在围棋、象棋等游戏中，人工智能可以和人类选手一样，在每一步决策前获得棋盘上的全部信息。这种限定规则，随时可以获取全部信息的游戏，我们可以称之为“完整信息的博弈游戏”。而在《星际争霸》或德州扑克中，人工智能和人类选手通常无法在特定时刻获得有关游戏的全部信息，比如，在德州扑克中，你无法知道对手的底牌是什么，你也不知道发牌员发出的下一张牌是什么，在这类“不完整信息的博弈游戏”里，人工智能必须像人一样，根据经验或概率统计知识，猜测对手底牌和下一张牌的可能性，然后再制定自己的应对策略。
来自卡内基-梅隆大学的托马斯·桑德霍姆（TuomasSandholm）教授与他的博士生诺姆·布朗（NoamBrown）最早开发了一款名为Claudico的德州扑克程序。Claudico是一个拉丁文单词，对应于德州扑克中的一种特别的策略——平跟（limping），指的是翻牌之前，选择跟大盲注而不加注的策略。平跟这种策略，在人类德州扑克比赛中，使用的频率并不是很高，但据托马斯·桑德霍姆介绍，计算机通过学习发现，使用这种策略有许多好处。值得注意的是，托马斯·桑德霍姆的团队在研发德州扑克程序时，主要不是向人类职业选手学习打牌技巧，而是让计算机通过自我训练，自己寻找最好的方法。
Claudico在2015年初出茅庐的这次比赛以失利告终。这个剧情，有些像1996年IBM深蓝输给卡斯帕罗夫的那一次。与Claudico交过手的道格·波尔克说，Claudico与人类的打牌方式非常不同，“人类选手的下注数量可能是彩池的一半或四分之三，而Claudico有时只吝啬地以彩池的十分之一来下注，有时则以彩池的十余倍来下注。人类可不会用19000美元的下注去博取区区700美元的彩池”。
2015年的失利并没有让托马斯·桑德霍姆教授灰心。2017年1月，教授带着一个名为Libratus的新版本德州扑克程序卷土重来，再战匹兹堡的河流赌场。像上次一样，新版本程序的名字Libratus也是一个拉丁文单词，对应于程序使用的均衡（balanced）策略——这一策略源自数学家纳什定义的一种完美博弈的模型。
托马斯·桑德霍姆教授解释说：“在有两名玩家的零和游戏中，如果有一人不遵从纳什均衡的策略，那么两名玩家获得的收益都将受损，但我们的系统不会这样。在此类游戏中，以纳什均衡的方式思考是最安全的。遵从规律的玩家将合理地获得收益，同时在任何地方都不会被对手利用。”
这一次，比赛规则和2015年那次基本一致，比赛时间从13天延长到20天，仍基于无限制投注的规则，Libratus轮流与人类高手一对一比赛。人类团队计算总分，与Libratus的总得分比较胜负关系。不同的是，升级后的Libratus程序就像围棋棋盘上威风八面的AlphaGo一样，一上来就对四名人类高手形成了全面压制。AI从比赛第一天就一路领先，第6天领先优势虽一度缩小，但从第7天后，人类就再也没有机会缩小巨大的差距了。最终，Libratus领先的筹码数量达到惊人的176.6万美元！在德州扑克领域的人机大战中，人工智能完美胜出！
那么，从Libratus大败人类高手的德州扑克对局中，我们能看到哪些人工智能的发展规律呢？
根据我对Libratus对局的观察，Libratus所使用技术策略非常成功。AI利用增强学习技术，从自我对局中学习最优的扑克玩法，而避免从人类的既定模式中学习经验，这是非常重要的一点。当然，目前Libratus的算法还只适用于无限制投注的一对一比赛。如果将比赛扩展到更常见的多人制比赛，Libratus面对的挑战会更大一些，还需要进行策略上的升级与调整。
计算机在德州扑克领域取得的成功，让包括我在内的人工智能研究者都非常振奋，这主要有以下两个原因：
·和围棋不同，在德州扑克的牌桌上，人工智能与人类选手一样，都只能看到部分信息。这种情况下，没有所谓的唯一的、最佳的打法。
·Libratus基本是从零开始学习德州扑克策略，且主要依靠自我对局来学习。这对利用人工智能解决更为广泛的现实问题意义重大。
·和围棋不同，在德州扑克的牌桌上，人工智能与人类选手一样，都只能看到部分信息。这种情况下，没有所谓的唯一的、最佳的打法。
·Libratus基本是从零开始学习德州扑克策略，且主要依靠自我对局来学习。这对利用人工智能解决更为广泛的现实问题意义重大。
那些担心人工智能威胁的悲观主义者可能会从Libratus的胜利中看到更为现实的风险。比如，机器曾在比赛中用大赌注和新策略吓退、蒙骗过最精明的人类牌手，这些方法也许会被精明的商人用于人类的商业谈判。一旦这些人工智能算法被犯罪组织利用，是否会出现灾难性的后果？担心出现超人工智能的人还会进一步追问，一旦机器有了自我意识，机器是否会像德州扑克牌桌上的AI算法一样，用各种策略诱骗、恐吓人类呢？
乐观主义者则更多地看到Libratus的算法本身对于人工智能帮助人类解决实际问题的巨大价值。如果机器能够在自我学习中不断完善对于一种特定策略的掌握程度，能够在不熟悉或缺乏全部信息的环境中不断试错并积累经验，那么，机器显然可以胜任更多的人类工作。比如，机器可以帮助人类制订更为复杂的医疗计划，可以在人类感到难以决策的领域，比如商业活动、城市规划、经济调控甚至战争指挥等，充当人类的“参谋”。也许，未来每个人都可以依靠强大的计算机和人工智能程序，成为运筹帷幄、决胜千里的战略家。
作者：李开复王咏刚
出版社：文化发展出版社返回搜狐，查看更多
进入人工智能时代，我们还需要人工翻译吗
青年报·青春上海记者刘晶晶/文施剑平/图
数据科学与大数据技术是上海外国语大学国际金融贸易学院最年轻的专业，今年才招第二届学生，每届都只招收25人。正是这个年轻专业，已经是第二年受世界人工智能大会组委会委托承办主题论坛了。“语言，是我们这个专业培育的人工智能人才最大的优势。”上外国际金融贸易学院院长章玉贵这样表示。
//技术永远无法取代人//
当我们进入人工智能时代，我们还需要人工翻译吗？在今天（7月9日）以“数字丝绸之路与跨境数据要素市场高质量发展”为主题的2021世界人工智能大会特色主题论坛上，当这个问题被提出时，上外高级翻译学院院长张爱玲教授想到了前几天刚结束的一场多语种接力同传赛。
这是上外的一个经典口译赛事，共涉及9个语种，决赛循例采用多语接力形式，而中文成为了接力语。什么叫作接力语？比如场上播放了一段阿拉伯语视频，选手对应将其翻译成中文，德语和法语同传就要根据阿拉伯语同传翻出的中文再进行自己语种的同传。
各语种决赛选手同场竞技，以汉语作为“接力棒”，联动英语、法语、俄语、阿拉伯语、西班牙语、德语、日语、朝鲜语8个语种，挑战性很大，但也很有趣，因此很受学生欢迎。参与初赛的高校由上一届的43所增加到51所，报名选手也由337人增加到544人，最终来自26所高校的119名选手在决赛中一展身手。
不仅如此，这一以中文为接力语的“上外模式”还获得了诸多国内院校学者和译界专家的支持和认可，也赢得了联合国、欧盟和其他国际组织的赞赏。
通行的国际惯例是传成英文再传成其它语种。以中文替代英语作为接力语，这是一种首创，也是一种现实需要。“比如在中国主办大型国际会议的时候，我们不可能用英文、法文或其它语种作为接力语，我们必须用中文来做。因此，以中文为接力语种无论是提高我们国家的话语权、国际地位，还是中文语言的地位都非常非常重要。”
就像人的参与能带来比赛的乐趣，也正如以中文接力背后其实体现的是国际地位一样，不同的人的翻译，其间所产生的语言火花，语言与场景语境的多样适配性，以及背后可能蕴含的深层涵义，正是人工智能所不能体现的。“技术永远是为人而服务的，但取代不了人。”
//数字时代仍需语言人才//
技术无法取代人，但可以助力人。看似和人工智能关系颇远的语言教育，其实却可以成为人工智能发展的坚实基础。在章玉贵院长看来，这是上外开展人工智能人才培养最大的优势和特色。
“让大数据科学与语言相结合，这就是我们最大的优势。”比如我们可以培养出‘多语种+’的人才，在未来的人工智能产业的发展中，这是一般学校很难超越我们的特色和优势。”章玉贵说。
很多国家不一定以英语作为它的通用语言，很多小语种包括一些战略语种的国家，尽管人口不是很多，但是战略地位极为重要。“比方说我们很多项目在非洲、中亚、南亚、南美，这个时候你有资本有技术，但是语言无法沟通，那就是个大问题。而我们可以培养出既懂大数据专业知识，同时又掌握了至少2-3门外语的人才，像我们有的同学最多可以掌握8门语言，老师们最多可以掌握9门语种，而且水平都很高。”在对外传播中发挥语言作用，这也是上外历来都有的一个传统和责任担当，数字化时代同样如此。
这也是“数据丝绸之路”的一个实践。语言隔阂解决后，应用场景无限开阔。“比方说对外传播的大数据化。像总书记的治国理政理论全世界都在学，这里面有多语种的翻译和数据处理，就是我们承担的，也是人工智能和语言的结合。”章玉贵表示，在疫情情况下，跨境贸易、跨境数据的交流与合作，都是具备语言优势的大数据人才可以发挥作用的时候。
“我们国家现在对人工智能方面的人才培养都很重视，全国不少高校最近几年也都开出了相关专业，但是有了专业，只是搭建了一个平台，关键是如何培养出高规格的人才，这是高校的使命。”章玉贵认为。
//当语言能力与人工智能结合//
培养适合时代需要的特色人才，是对使命的实践。
数据科学与大数据技术专业是上外国际金融贸易学院最年轻的专业，却已连续两年举办世界人工智能大会相关论坛，国际性就是特色。“上外与全世界400多个高校有国际合作，很多国外高校在人工智能领域的研究水平非常高，所以我们任何时候都不会把自己的大门给封闭掉，无论是请进来还是走出去。”章玉贵告诉记者。
在章玉贵看来，这个年轻专业就是要“精品化培养”。“不是所有人都适合来读这个专业的。”章玉贵表示。学生专业学习中，计算机科学、统计学、应用数学、经济学和金融学等多个学科的工具和方法都需要能掌握，英语语言能力同样需要达到专业程度。“我们允许学生中途调整，如果不是很适合的话，可以选择转专业，有个‘旋转门’机制。”章玉贵说。
学生也需要了解人工智能究竟是做什么的，这个学科的使命是什么，因此人工智能的伦理道德课程也是必须。“我们专门有一些课程强调我们为谁服务，是更好的为人类幸福服务，不能走偏。”
今天的论坛上，汇集了人工智能领域的知名院士、国外高校专家、产业前沿的企业家等，这些也成为了青年学生们可以求教的师资力量。“给有志于人工智能的年轻人提供人生坐标，给予跨学科的培育，提供多样的国际合作与交流机会。”章玉贵说，培养出战略性的、应用性的、有责任感的人工智能人才，这是上外正在探索的道路。
青年报·青春上海记者刘晶晶/文施剑平/图
编辑:陆天逸
来源:青春上海News—24小时青年报