推动人工智能更好增进人类福祉
【专家点评】
作者：张今杰（湘潭大学哲学与历史文化学院院长、教授）
当代技术的发展日新月异，以大数据、云计算、人工智能、物联网为代表的新一代数字技术日益与实体经济深度融合，深深地影响着自然界、人类社会和人自身。如胡塞尔所提出的，自伽利略以来的近代西方文明，一直致力于将自然界数学化、机械化的目标，而这正是西方科学和文化危机产生的主要原因。我们姑且不论胡塞尔的论断准确与否，但他确实引发了人类对技术及其发展的伦理反思浪潮。而其中的人工智能技术自诞生至今在短短几十年内便渗透到了人类生产生活的每个角落之中。在人工智能为我们提供越来越多便捷的同时，很多人也在担心：人工智能在未来是否会成为一个新的主体，跟人类一样拥有自我意识和情感并最终取代人类？是否会破坏而不是增进人类的福祉？这是一种基于人本主义的伦理忧思，从这个角度看，三位青年学者聚集人工智能的伦理挑战与科学应对这一主题展开对话，就怎样前瞻研判科技发展带来的规则冲突、社会风险、伦理挑战进行学理阐释，并就如何塑造科技向善的文化理念，让人工智能更好增进人类福祉进行深入研讨，是具有理论意义和实践价值的。
人类的意识是长期进化的结果，是不可能被设计出来的。何为意识？到目前为止，“意识”的产生机制仍令科学家们困惑不已。其实意识并非人类所独有的，有些动物也有相对于人类而言比较简单的意识，例如狗就会看家护院，它们会在陌生人进入家中时感觉到不安全而吠叫。人们认为，意识是生命感知与适应环境、调整自身行为从而保护和完善自己的能力，意识的产生与生物的神经中枢——大脑有着紧密的联系。但遗憾的是，我们对人的大脑如何产生意识这个根本问题的了解还不够深入。幸运的是人类拥有地球上最高级最强大的大脑，它使得我们能完成一系列复杂的意识行为。人工智能是计算机科学的一个分支，它能通过执行人类的指令完成某些工作，产生类似人类的智能反应，但它并不拥有类似人类的意识。
在人们看来，现在的人工智能越来越“聪明”，甚至在某些领域比人类更“聪明”。其实人工智能的“聪明”仅仅是人类基于0和1的编程代码来控制的，或者说人工智能之所以能模仿人类的思维而完成某项工作，关键因素是人类为它们量身打造的一串串操控代码，人工智能仅仅是在完成人类的指令而已。因此无论人工智能如何强大，它也仍然只是在人类编制的智能程序对大量数据处理的基础上得到的结果。目前来看，与人类相比，人工智能都是专能的。人类可以运用所掌握的知识轻松应对自己熟悉的领域中的难题，也能灵活处理陌生的未曾遭遇的困境；虽然目前不管是计算智能、翻译智能、手术智能、围棋智能、家政智能、聊天智能、驾驶智能还是字符识别、人脸识别、声音识别等人工智能领域都发展迅猛，但它们仅能执行内置程序所规定的任务，超出程序规定和数据库的内容和情形它们都无法处理。更重要的是，虽然人工智能可以在某个领域出色地完成人类规定的任务，但它们并不知道自己为什么要完成该项任务，更不会在此过程中拥有快乐、满足的情感体验。基于算法和大数据的人工智能是人类用以发展和改善生产生活的工具，人类发明和发展它们，目的是让它们更好地为人类服务，而不是取代人类自身。
从这个意义上说，人工智能仅仅是一项服务于人类的技术，是人类的工具，人类没有必要也不可能让其拥有独立的自我意识而成为取代人类自身的主体。一部人类文明史，同时也是一部人类不断发展和创造工具以服务于人类自身的历史。从石器到铁器，再到电器，到现在的人工智能，都是人类体力和智力的延伸，都是作为一种工具而增强了人类某些方面的能力。地球上唯有人类拥有高度复杂的大脑结构、无比精细的意识与情感状态。无论人工智能有多“聪明”，它也不可能拥有类似于人类的“智慧”与意识。其他碳基生物虽然有低等的意识，但与人类的智慧与意识相比几乎可以忽略不计。
虽然人类主观上不会让人工智能发展成一个拥有类似人类的意识和情感的主体，但在信息化数字化智能化趋势不断演进、人工智能技术发展和应用场景拓展正在按下“快车键”的当下，其对人类生活带来的新的风险挑战越来越大，却是一个不争的事实。破解这一难题，我们必须前瞻研判人工智能带来的规则冲突、社会风险、伦理挑战，着力完善相关法律法规、伦理审查规则及监管框架，通过建立健全保障人工智能健康发展的伦理规范和法律体系，更好适应人工智能快速发展的新要求、新变化，从而推动人工智能向善发展、更好增进人类福祉。
《光明日报》（2023年04月10日 15版）
[责编：曾震宇]人工智能的起源
原标题：人工智能的起源人工智能（ArtificialIntelligence）,英文缩写为AI,是一门由计算机科学、控制论、信息论、语言学、神经生理学、心理学、数学、哲学等多种学科相互渗透而发展起来的综合性新学科。自问世以来AI经过波波折折，但终于作为一门边缘新学科得到世界的承认并且日益引起人们的兴趣和关注。不仅许多其他学科开始引入或借用AI技术，而且AI中的专家系统、自然语言处理和图象识别已成为新兴的知识产业的三大突破口。
人工智能的思想萌芽可以追溯到十七世纪的帕斯卡和莱布尼茨，他们较早萌生了有智能的机器的想法。十九世纪，英国数学家布尔和德.摩尔根提出了“思维定律“，这些可谓是人工智能的开端。十九世纪二十年代，英国科学家巴贝奇设计了第一架“计算机器“，它被认为是计算机硬件，也是人工智能硬件的前身。电子计算机的问世，使人工智能的研究真正成为可能。
作为一门学科，人工智能于1956年问世，是由“人工智能之父“McCarthy及一批数学家、信息学家、心理学家、神经生理学家、计算机科学家在Dartmouth大学召开的会议上，首次提出。对人工智能的研究，由于研究角度的不同，形成了不同的研究学派。这就是：符号主义学派、连接主义学派和行为主义学派。
传统人工智能是符号主义，它以Newell和Simon提出的物理符号系统假设为基础。物理符号系统是由一组符号实体组成，它们都是物理模式，可在符号结构的实体中作为组成成分出现，可通过各种操作生成其它符号结构。物理符号系统假设认为：物理符号系统是智能行为的充分和必要条件。主要工作是“通用问题求解程序“（GeneralProblemSolver,GPS）：通过抽象，将一个现实系统变成一个符号系统，基于此符号系统，使用动态搜索方法求解问题。
连接主义学派是从人的大脑神经系统结构出发，研究非程序的、适应性的、大脑风格的信息处理的本质和能力，研究大量简单的神经元的集团信息处理能力及其动态行为。人们也称之为神经计算。研究重点是侧重于模拟和实现人的认识过程中的感觉、知觉过程、形象思维、分布式记忆和自学习、自组织过程。
行为主义学派是从行为心理学出发，认为智能只是在与环境的交互作用中表现出来。
人工智能的研究经历了以下几个阶段：
第一阶段：50年代人工智能的兴起和冷落
人工智能概念首次提出后，相继出现了一批显著的成果，如机器定理证明、跳棋程序、通用问题s求解程序、LISP表处理语言等。但由于消解法推理能力的有限，以及机器翻译等的失败，使人工智能走入了低谷。这一阶段的特点是：重视问题求解的方法，忽视知识重要性。
第二阶段：60年代末到70年代，专家系统出现，使人工智能研究出现新高潮
DENDRAL化学质谱分析系统、MYCIN疾病诊断和治疗系统、PROSPECTIOR探矿系统、Hearsay-II语音理解系统等专家系统的研究和开发，将人工智能引向了实用化。并且，1969年成立了国际人工智能联合会议（InternationalJointConferencesonArtificialIntelligence即IJCAI）。
第三阶段：80年代，随着第五代计算机的研制，人工智能得到了很大发展
展开全文日本1982年开始了“第五代计算机研制计划“，即“知识信息处理计算机系统KIPS“，其目的是使逻辑推理达到数值运算那么快。虽然此计划最终失败，但它的开展形成了一股研究人工智能的热潮。
第四阶段：80年代末，神经网络飞速发展
1987年，美国召开第一次神经网络国际会议，宣告了这一新学科的诞生。此后，各国在神经网络方面的投资逐渐增加，神经网络迅速发展起来。
第五阶段：90年代，人工智能出现新的研究高潮
由于网络技术特别是国际互连网的技术发展，人工智能开始由单个智能主体研究转向基于网络环境下的分布式人工智能研究。不仅研究基于同一目标的分布式问题求解，而且研究多个智能主体的多目标问题求解，将人工智能更面向实用。另外，由于Hopfield多层神经网络模型的提出，使人工神经网络研究与应用出现了欣欣向荣的景象。人工智能已深入到社会生活的各个领域。
IBM公司“深蓝“电脑击败了人类的世界国际象棋冠军，美国制定了以多Agent系统应用为重要研究内容的信息高速公路计划，基于Agent技术的Softbot(软机器人)在软件领域和网络搜索引擎中得到了充分应用，同时，美国Sandia实验室建立了国际上最庞大的“虚拟现实“实验室，拟通过数据头盔和数据手套实现更友好的人机交互，建立更好的智能用户接口。图像处理和图像识别，声音处理和声音识别取得了较好的发展，IBM公司推出了ViaVoice声音识别软件，以使声音作为重要的信息输入媒体。国际各大计算机公司又开始将“人工智能“作为其研究内容。人们普遍认为，计算机将会向网络化、智能化、并行化方向发展。二十一世纪的信息技术领域将会以智能信息处理为中心。
目前人工智能主要研究内容是：分布式人工智能与多智能主体系统、人工思维模型、知识系统（包括专家系统、知识库系统和智能决策系统）、知识发现与数据挖掘（从大量的、不完全的、模糊的、有噪声的数据中挖掘出对我们有用的知识）、遗传与演化计算（通过对生物遗传与进化理论的模拟，揭示出人的智能进化规律）、人工生命（通过构造简单的人工生命系统（如：机器虫）并观察其行为，探讨初级智能的奥秘）、人工智能应用（如：模糊控制、智能大厦、智能人机接口、智能机器人等）等等。
人工智能研究与应用虽取得了不少成果，但离全面推广应用还有很大的距离，还有许多问题有待解决，且需要多学科的研究专家共同合作。未来人工智能的研究方向主要有：人工智能理论、机器学习模型和理论、不精确知识表示及其推理、常识知识及其推理、人工思维模型、智能人机接口、多智能主体系统、知识发现与知识获取、人工智能应用基础等。返回搜狐，查看更多
责任编辑：人工智能已经渗透到大自然中
0分享至用AI“看见”生物多样性监测、保护和利用生物多样性的第一步就是对生物多样性开展全面的研究。Al特别是深度学习算法的出现可以让计算机或机器通过以往示例和经验，学会模仿人类思维、识别对象、理解和响应语言、从而制定决策、解决问题以及综合分析。AI深度学习算法是如何“工作”的呢？首先，人类向算法展示大量图片，比如，有的图片有动物，有的没有。算法从图片中找到“特定模式”，然后用模式来做出判断，看看面对之前从未见过的图片应该贴怎样的标签。至于Al的神经网络架构是根据人类视觉系统开发的网络各层连接在一起，从图片中提取抽象特点，通过一系列联系得出正确答案。Al在生物多样性中的应用包括计算机视觉、语音识别、自然语言处理等方面。我们先说计算机视觉。对于研究动物行为的学者，尤其是昆虫学家，怎样观察动物的行为是个令人头大的难题。野外观察更难，主要在于定位个体和整个生命周期的持续观察。计算机视觉是指用摄影机和计算机代替人眼，对目标进行识别跟踪和测量，并进一步处理获取的图像，从中获取信息。它结合机器视觉和图像分析技术，目标是从图像中获取物理对象的明确而有意义的描述。机器视觉通常用在工业和机器人领域，而图像分析技术指的是2D图像的算法分析和图像的转换(旋转等）。以“计算机视觉”为基础的动物行为观测系统由动物行为分析软件、动物活动室/池、摄像头等组成：通过相机和传感器可以在整个昼夜和季节周期内连续、无创地进行生物学观察。一旦被观察的样本出现，传感器马上通过自动成像技术来捕获它们的身影。随后，Al技术对样本数据特征进行训练，经过深度学习的模型可以提供生物丰度、生物量和多样性的估计。用Al“听见”生物协奏曲我们知道很多生物有着保护色部分生态环境光线很弱难以成像，如果计算机视觉没法发挥作用怎么办呢？对干不便千获取视觉图像的生物和环境，科学家利用计算机听觉中深度学习的算法，测量生态环境中可辨识的生物声音，对生物多样性进行声学评估。利用声音定位野生动物，既降低对动物的干扰，又可以避免视频采集受光线和生境的限制。基于音视频采集系统，采用被动式红外感应应的方法侦测野生动物和偷猎者，对现场实时拍照、录音、录像，并通过GPRS无线网络发送信息，帮助科研人员在广大的地域范围内找到动物的行踪并发现偷猎者。此外，通过对濒危动物个体的声音特征建立身份标识，可以在监测中帮助研究人员清楚地掌握动物的生存和繁殖情況，以此在迁徙季节判断出物种数量。老方法加新办法不同方法得到的生物多样性数据，具有不同的时间连续性。遥感数据和其他的地理数据可以得到时间、空间上连续的生物物理数据。而利用传统的生物多样性采样研究方法，如自动录像或图像记录设备、高通量基因条形码或者宏基因组测序技术，可以得到物种在某些样点的生物多样性信息，但这些样点信息通常是不连续的，无法覆盖到整个景观区域。因此，将样点信息结合连续的遥感技术推测整个区域的生物多样性组成，这样才能绘制出生物多样性和生态系统的综合地图。在生物多样性和生态环境保护的整个过程中，Al将会发挥越来越多的功能，将生态环境优势提升为生态农业、生态工业、生态旅游等生态经济的优势，那么绿水青山终将会变成金山银山。文章摘选自《知识就是力量》特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端