如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）
(责编：赵超、吕骞)分享让更多人看到
人工智能时代学生如何学习
韩国围棋世界冠军李世石被人工智能打败后，很多人开始担心，人类如何抗衡人工智能。诺贝尔文学奖获得者莫言在回答高中生的提问“人工智能对世界的影响”时，幽默地说：“你们要好好学习，未来还是你们的，不是机器人的。”
“学习”的确是人们面对人工智能首先要采取的姿态。
人工智能等数字科技重塑人脑
“在计算机擅长的领域中，人类绞尽脑汁来战胜人工智能是不明智的。与其在这个领域中和机器较劲，不如把精力放在自己擅长的领域，比如创造与想象。充分发挥自己的专长，并且利用好机器的专长，岂不是更加美好？”华东师范大学教授祝智庭说。
德国波鸿市鲁尔大学的一项研究表明，大脑在学习新东西以后的3个小时内便会改变结构。人工智能支持的个性学习、协同学习、体验学习和探究学习等学习方式，对脑结构的改变会更加明显。特别是人工智能支持的深度体验与探究学习，会多方面深度激活不同脑神经区域，也就是说人类的大脑正不断地被智能科技重新塑造。
“当人工智能帮助人类处理规则确定性、动作机械性、过程重复性的日常事务后，人们将会有更多的时间和精力去处理富有情感性和创造性的活动。”祝智庭说。
那么，被人工智能重塑的大脑应该学习什么以迎接新生活呢？
“在人工智能时代，在更‘黑’的‘黑科技’时代，人怎么活着、为什么学习、怎样学习等，才是更本质的问题。”北京景山学校计算机教师吴俊杰说。新的时代，又重复起古老的命题，认识你自己，认识个人与社会的关系，即认识群体。
清华大学数学系教授、清华大学附中校长王殿军认为，在学校引入人工智能，让孩子通过研究机器人更好地理解智能和人类自身，让孩子学会如何和机器人打交道。
“从‘认识你自己’出发，学生要学会提高自我效能感。否则，在人工智能时代，你很容易被机器‘饲养’起来。所以要把自己的天赋发挥出来，在不断的正反馈中，创新成瘾。”吴俊杰说，“从‘认识群体’出发，学生要学会适应和热爱群体化创新。在人工智能时代，特别需要通过群体化方式去共同解决一些问题。”
人工智能时代需转换学习方式
我国“863超脑计划”在开发高考机器人，期望到2020年能够达到清华、北大考生的水平。在祝智庭看来，这是随着人工智能深度学习技术的发展，教育技术正在出现的第六种范式——机器自主学习。其他5种范式包括计算机辅助教学、智能教学系统、Logo-as-Latin（让儿童用LOGO语言来教计算机，以此发展儿童思维能力）、计算机支持的协作学习（CSCL）和新出现的个性化适性学习。
“到了那时，人们才会清醒地意识到，既然基于算法的机器人能够轻易超越人的逻辑思维能力，教育为什么不让学生转向审辩思维、创造思维发展呢？高考为什么不多用一些面向本真问题解决的综合能力测试题呢？这是技术促进教育变革的真正意义所在。”祝智庭说。
清华大学附小五年级的穆子雯最近在老师指导下完成了一项北京地铁空间中PM2.5及PM10的调查研究，起因是重度雾霾使她连续3天都要戴口罩。2017年7月至10月，她选择西直门、西单等7个典型车站，测试晴天、雾霾、大风和下雨等典型天气下的PM2.5和PM10的数值，积累了数百组、上千个数据，对地铁公司提出了绿色出行的建议。像穆子雯这样的学习方式，正是在人工智能背景下比较典型的学习方式。
吴俊杰认为，按照现代学习理论，根据学习中智能匹配的不同方式，可以分为基于问题的学习、基于项目的学习和基于产品的学习三种形式。
“基于问题的学习，倾向于产生知识。它适合所有学校已知的科目，主要是在校园里解决的。基于项目的学习产生的是一个方案，一定要有甲方、乙方，可以超越校园，更加接近真实生活。还有一种新的学习模式叫基于产品的学习，这种学习更倾向于真实的环境，从使用产品到设计产品，甚至将产品转化成全人类的共同财富。基于产品的学习在现在流行的创客教育中慢慢流行开来，教育不仅引导大家适应现在的生活，而且号召我们主动构建未来的生活。”
人工智能创造新的学习文化
在北京景山学校初一年级的计算机课上，学生李雨嘉演示了自己编程设计的爱心卡，按下爱心卡的一个按键，可以显示自己的名字；按两下，可以显示好朋友的名字；按三下，可以显示一颗爱心。
这样的编程看似简单，却是未来社会常见的甚至是必需的技能，编程语言可能成为人类必须掌握的新语言。“人工智能时代，需要掀起一场‘新识字运动’，所有人都要学会重新学会‘写字’，这场运动的主角是编程、创客、机器人。”吴俊杰说。只有这样，人工智能才会为人类开创一种新的文明形态。
这是迥异于传统语言文字的“语言”，代表着学习形态的变化，代表着一种新的学习文化。
南京大学教授桑新民自20世纪90年代就开始在课堂教学中研究信息时代学习理论与技术，他认为人工智能对教育的价值，正在于不断替代师生的低水平重复性教学活动，让课堂充满生命活力。这种对教育的挑战，恰恰是教育的福音和教育的未来。
这种新的学习文化，具有丰富的内涵。在祝智庭看来，人工智能使得学习者可以在任何时间、任何地点通过多种渠道接入学习，获取知识不再局限于学校教育阶段。此外，人工智能使得认知不仅发生在头脑中，还发生在人与智能工具的交互过程中。在教育关系方面，人工智能打破了教育的知识传播平衡，加强了“以学生为中心”的关系。而虚拟导师、虚拟学伴、虚拟团队、虚拟教练、虚拟班友等，是对人脑智能的延伸、强化和补充，改变了以往学习主体之间、学习主体与环境之间的交互作用，改变了学习生态。“但是无论如何变化，教育发展的总趋向是让学生从学会到会学与会创。”祝智庭说。
在这种新的学习文化中，教师也变了一个样。未来，教师不可能被人工智能所取代。但祝智庭认为，教师角色必须转变，从知识传播者变为学习促进者；教师的能力结构也必须改变，不懂技术的教师将被懂技术的教师所替代；人与机器之间必须合理分工、协同工作。
“君子不器。不要把自己变成一个物品，变成一个工具，变成一个只有一样功能的人。人工智能时代帮助教师变成智者。”吴俊杰说。
学生也同样如此。（本报记者杨桂青）
人工智能家居产品有哪些有什么特点
一直以来，智能二字对于我们普通人来说一直都很遥远，都会认为那是十分高科技的东西，而如今随着科技的发展，它已经开始逐渐融入到我们的生活中，而智能家居的概念也开始慢慢的出现在人们的生活中，从字面意思就可以明白是将我们的家居与和科技的结合，来提高我们的生活质量，现今，几乎每个家庭都有几款智能家居产品，相对传统家居而言，这些智能家居不仅具有传统功能，更能提供全方位自动化的信息交互功能，使生活更智能。而面对市面上令人眼花缭乱的众多智能家居产品，很多消费者往往不知道该如何选择，现在小编就推荐几种最受普通家庭欢迎的智能家居必备产品，帮大家轻松打造智能生活。
智能家居是利用先进的计算机技术、网络通讯技术、综合布线技术、和医疗电子技术依照人体工程学原理，融合个性需求，将与家居生活有关的各个子系统如安防、灯光控制、窗帘控制、煤气阀控制、信息家电、场景联动、地板采暖、健康保健、卫生防疫、安防保安等有机地结合在一起，通过网络化综合智能控制和管理，实现“以人为本”的全新家居生活体验。
人工智能家居产品有智能音箱，扫地机器人，智能灯，智能空调，智能风扇，智能电饭煲，智能油烟机，智能电视，智能门锁，智能陪护机器人等等。
增强人居环境的便利性与舒适度现在日常生活中已不难见到各类可被远程控制的智能家居设备了，如灯光、窗帘、各类家用电器等等，通过此方式，人可以做到人未到，“智能家居”设备不仅仅可以远程控制，而且还能够对人居环境内的多种指标进行实时监测，如温湿度、污染源指标、光线等等，而居住于环境之中的人群可根据自己的需求个性化的定制这些指标，从而令住宅内的设备可根据自己的个性化设定随时调整其工作状态，令环境更适合居住者本身的使用。
智能家居是人们的一种居住环境，其以住宅为平台安装有智能家居系统，实现家庭生活更加安全，节能，智能，便利和舒适。以住宅为平台，利用综合布线技术、网络通信技术、智能家居-系统设计方案安全防范技术、自动控制技术、音视频技术将家居生活有关的设施集成，构建高效的住宅设施与家庭日程事务的管理系统，提升家居安全性、便利性、舒适性、艺术性，并实现环保节能的居住环境。又称智能住宅，在国外常用SmartHome表示。与智能家居含义近似的有家庭自动化(HomeAutomation)、电子家庭(ElectronicHome、E-home)、数字家园(DigitalFamily)、家庭网络(HomeNet/NetworksforHome)、网络家居(NetworkHome)、智能家庭/建筑(IntelligentHome/Building)，在我国香港和台湾等地区，还有数码家庭、数码家居等称法。
在令人类居住环境更加舒适的同时，安全也是人类十分重视的，“智能家居”在这一点上，也有其自己的解决方式。首先谈到针对于保护住宅及住宅内部人员人身、财产安全上，“智能家居”能够对住宅进行实时、有效且全方位的监控，因此无需人在家中也可以了解到住宅是否安全。其次，由另一方面来讲，特别是家中有行动不便的老人、儿童或行为能力较为低下的病人的时候，“智能家居”的实时监测还可以令其家人能够随时了解其动态，一旦发生危险或意外，可以及时发现，及时救助。除却上述的监测作用，还有一些住宅内部的“智能化设备”如感应灯光、人体健康数据监控系统，还可以将一些危险阻挡在发生之前，更加提升了整个环境的安全性。
目前，智能家居行业还处于发展阶段，自然还面临着许多需要解决的问题，对于智能家居产品的一些问题或者说是劣势，可能随着行业的发展，能够得到完美的解决，详细智能家居行业的未来是非常光明的!
数学建模与人工智能有什么关联
今天我们来说一说数学建模与人工智能的关系无论是数学建模还是人工智能，其核心都是算法，最终目的都是通过某种形式更好的为人类服务，解决实际问题。在研究人工智能过程中需要数学建模思维，所以数学建模对于人工智能来说非常关键。
1.1数学建模数学建模与人工智能数学建模简介
数学建模是利用数学方法解决实际问题的一种实践。即通过抽象、简化、假设、引进变量等处理过程，将实际问题用数学方式表达，建立起数学模型，然后运用先进的数学方法及计算机技术进行求解。数学建模可以通俗地理解为数学+建模，即运用统计学、线性代数，积分学等数学知识，构建数学模型，通过模型解决问题。
按照传统定义，数学模型是对于一个现实对象，为了一个特定目的（实际问题），做出必要的简化假设（模型假设），根据对象的内在规律（业务逻辑、数据特征），运用适当的数学工具、计算机软件，得到的一个数学结构。
亚里士多德说，"智慧不仅仅存在于知识之中，而且还存在于应用知识的能力中"。数学建模就是对数学知识最好的应用，通过数学建模，你会发现，生活中很多有意思的事情都可以靠它来解决，其流程如图1-1所示。
2．人工智能简介对于普通大众来说，可能是近些年才对其有所了解，其实人工智能在几十年以前就被学者提出并得到一定程度的发展，伴随着大数据技术的迅猛发展而被引爆。
▲图1-1数学建模流程
（1）人工智能的诞生
最初的人工智能其实是20世纪30至50年代初一系列科学研究进展交汇的产物。1943年，沃伦·麦卡洛克（WarrenMcCulloch）和瓦尔特·皮茨（WalterPitts）首次提出"神经网络"概念。1950年，阿兰·图灵（AlanTuring）提出了著名的"图灵测试"，即如果一台机器能够与人类展开对话（通过电传设备）而不能被辨别出其机器身份，那么称这台机器则具有智能。直到如今，图灵测试仍然是人工智能的重要测试手段之一。1951年，马文·明斯基（MarvinMinsky）与他的同学一起建造了第一台神经网络机，并将其命名为SNARC（StochasticNeuralAnalogReinforcementCalculator）。不过，这些都只是前奏，一直到1956年的达特茅斯会议，"ArtificialIntelligence"（人工智能）这个词才被真正确定下来，并一直沿用至今，这也是目前AI诞生的一个标志性事件。
▲图1-2达特茅斯会议参会者50年后聚首照[footnoteRef:1][1:达特茅斯会议参会者50年后再聚首，左起：TrenchardMore、JohnMcCarthy、MarvinMinsky、OliverSelfridge和RaySolomonoff（摄于2006年），图片版权归原作者所有。]
在20世纪50年代，人工智能相关的许多实际应用一般是从机器的"逻辑推理能力"开始着手研究。然而对于人类来说，更高级的逻辑推理的基础是"学习能力"和"规划能力"，我们现在管它叫"强化学习"与"迁移学习"。可以想象，"逻辑推理能力"在一般人工智能系统中不能起到根本的、决定性的作用。当前，在数据、运算能力、算法模型、多元应用的共同驱动下，人工智能的定义正从用计算机模拟人类智能，演进到协助引导提升人类智能，如图1-3所示。
（2）人工智能的概念
人工智能（ArtificialIntelligence），英文缩写为AI，它是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
▲图1-3下一代人工智能（图片来源《新一代人工智能发展白皮书》）
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的"容器"，也可能超过人的智能。
（3）人工智能、机器学习、深度学习
下面我们来介绍下主要与人工智能相关的几个概念，要搞清它们的关系，最直观的表述方式就是同心圆，如图1-4所示，最先出现的是理念，然后是机器学习，当机器学习繁荣之后就出现了深度学习，今天的人工智能大爆发是由深度学习驱动的。
▲图1-4AI、机器学习、深度学习的关系
人工智能（AI）、机器学习（ML）、深度学习（DL）的关系为DL⊆ML⊆AI。
人工智能，即AI是一个宽泛的概念，人工智能的目的就是让计算机能够像人一样思考。机器学习是人工智能的分支，它是人工智能的重要核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。深度学习是机器学习研究中的一个新领域，推动了机器学习的发展，并拓展了人工智能的领域范围。甚至有观点认为，深度学习可能就是实现未来强AI的突破口。
可以把人工智能比喻成孩子大脑，机器学习是让孩子去掌握认知能力的过程，而深度学习是这个过程中很有效率的一种教学体系。
因此可以这样概括：人工智能是目的、结果；深度学习、机器学习是方法、工具。
本书讲解了人工智能、机器学习、深度学习的相关应用，它们之间的关系，常见的机器学习算法等知识，希望你通过对本书的学习，深刻理解这些概念，并可以轻而易举地给别人讲解。
3．数学建模与人工智能关系无论是数学建模还是人工智能，其核心都是算法，最终的目的都是通过某种形式来更好地为人类服务，解决实际问题。在研究人工智能过程中需要数学建模思维，所以数学建模对于人工智能非常关键。
下面通过模拟一个场景来了解人工智能与数学建模之间的关系。
某患者到医院就诊，在现实生活中，医生根据病人的一系列体征与症状，判断病人患了什么病。医生会亲切地询问患者的症状，通过各种专项检查，最后进行确诊。在人工智能下，则考虑通过相应算法来实现上述过程，如德国的辅助诊断产品Ada学习了大量病例来辅助提升医生诊病的准确率。
▲图1-5AI机器人
情景①：如果用数学建模方法解决，那么就通过算法构建一个恰当的模型，也就是通过图1-1所示的数学建模流程来解决问题。
情景②：如果用人工智能方法解决，那么就要制造一个会诊断疾病的机器人。机器人如何才能精准诊断呢？这就需要利用人工智能技术手段，比如采用一个"人工智能"算法模型，可能既用了机器学习算法，也用了深度学习算法，不管怎样，最终得到的是一个可以落地的疾病预测人工智能解决方案。让其具有思考、听懂、看懂、逻辑推理与运动控制能力，如图1-5所示。
通过上面的例子可以看出，人工智能离不开数学建模。在解决一个人工智能的问题过程中，我们将模型的建立与求解进行了放大，以使其结果更加精准，如图1-6所示。
▲图1-6AI下对数学建模的流程修正
可见，从数学建模的角度去学习人工智能不失为一种合适的方法。
本文摘自《Python3破冰人工智能：从入门到实战》
-END-