新一代人工智能的发展与展望
随着大数据、云计算等技术的飞速发展，人们生产生活的数据基础和信息环境得到了大幅提升，人工智能（AI）正在从专用智能迈向通用智能，进入了全新的发展阶段。国务院印发的《新一代人工智能发展规划》指出新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。在4月10日“吴文俊人工智能科学技术奖”十周年颁奖盛典中，作为我国不确定性人工智能领域的主要开拓者、中国人工智能学会名誉理事长李德毅院士荣获“吴文俊人工智能最高成就奖”，并在大会上作题为《探索什么叫新一代人工智能》的报告，探讨了新一代人工智能的内涵和路径，引领着新一代人工智能的发展与展望。
人工智能这一概念诞生于1956年在美国达特茅斯学院举行的“人工智能夏季研讨会”，随后在20世纪50年代末和80年代初先后两次步入发展高峰，但因为技术瓶颈、应用成本等局限性而均掉入低谷。在信息技术的引领下，数据信息快速积累，运算能力大幅提升，人工智能发展环境发生了巨大变化，跨媒体智能、群体智能成为新的发展方向，以2006年深度学习模型的提出为标志，人工智能第三次站在了科技发展的浪潮之巅。
当前，随着移动互联网、物联网、大数据、云计算和人工智能等新一代信息技术的加速迭代演进，人类社会与物理世界的二元结构正在进阶到人类社会、信息空间和物理世界的三元结构，人与人、机器与机器、人与机器的交流互动愈加频繁。在多源数据、多元应用和超算能力、算法模型的共同驱动下，传统以计算机智能为基础的、依赖于算力算法和数据的人工智能，强调通用学习和大规模训练集的机器学习，正逐渐朝着以开放性智能为基础、依赖于交互学习和记忆、基于推理和知识驱动的以混合认知模型为中心的新一代人工智能方向迈进。应该说，新一代人工智能的内核是“会学习”，相较于当下只是代码的重复简单执行，新一代人工智能则需要能够在学习过程中解决新的问题。其中，学习的条件是认知，学习的客体是知识，学习的形态是交互，学习的核心是理解，学习的结果是记忆……因此，学习是新一代人工智能解释解决现实问题的基础，记忆智能是新一代人工智能中多领域、多情景可计算智能的边界和约束。进而当人类进入和智能机器互动的时代，新一代人工智能需要与时俱进地持续学习，不断检视解决新的问题，帮助人机加深、加快从对态势的全息感知递进到对世界的多维认知。
事实上，基于数据驱动型的传统人工智能，大多建立在“数据中立、算法公正和程序正义”三要素基础之上，而新一代人工智能更关注于交互能力，旨在通过设计“记忆”模块来模仿人脑，解决更灵活多变的实际问题，真正成为“不断学习、与时俱进”的人工智能。特别是人机交互支撑实现人机交叉融合与协同互动，目前已在多个领域取得了卓越成果，形成了多方面、多种类、多层次的应用。例如，在线客服可以实现全天候不间断服务，轻松解决用户咨询等问题，也可将棘手问题转交人工客服处理，降低了企业的管理成本；在智慧医疗领域，人工智能可以通过神经影像实现辅助智能诊断，帮助医生阅片，目前准确率已达95%以上，节省了大量的人力；2020年，在抗击疫情的过程中，新一代人工智能技术加速与交通、医疗、教育、应急等事务协作联动，在科技战“疫”中大显身手，助力疫情防控取得显著成效。
未来已来，随着人工智能逐渐融入居民生活的方方面面，将继续在智慧医疗、自动驾驶、工业制造智能化等领域崭露头角。一是基于新一代人工智能的智慧医疗，将助力医院更好记录、存储和分析患者的健康信息，提供更加精准化和个性化的健康服务，显著提升医院的临床诊断精确度。二是通过将新一代人工智能运用于自动驾驶系统的感知、预测和决策等方面，重点解决车道协同、多车调度、传感器定位等问题，重新定义城市生活中人们的出行方式。三是由于我国工业向大型化、高速化、精细化、自主化发展，对高端大规模可编程自动化系统提出迫切需求，新一代人工智能将推动基于工业4.0发展纲领，以高度自动化的智能感知为核心，主动排除生产障碍，发展具备有适应性、资源效率、人机协同工程的智能工厂应运而生。总之，如何展望人工智能通过交互学习和记忆理解实现自编程和自成长，提升自主学习和人机交互的效率，将是未来研究着力发展的硬核领域，并加速新一代信息技术与智能制造深度融合，推动数字化转型走深走实，有信心、有能力去迎接下一场深刻产业变革的到来。
发展人工智能应作为国家战略
原标题：发展人工智能应作为国家战略近年来，人工智能技术不断取得突破，且开始在具体的产业化、商业化项目中得到应用，出现新的发展趋势。第一，“深度学习”+“大数据”是当前人工智能发展的主要特征，人造神经网络能够像人一样学习和思考，使得人工智能能够处理更加复杂的任务，这一方式也成为大多数人工智能企业选择的技术路线。第二，实现了从实验技术向产业化的转变，在图像和语音识别、科学研究、预测分析等方面都已出现成熟的商业化产品。第三，应用的领域从商业、服务业向制造业、农业拓展，这使得人工智能越来越表现出通用技术和基础技术的特征。
随着技术进步和产业化的推进，人工智能未来发展的方向逐步明晰。一方面，人工智能作为基础技术，将实现与其他产业的深度融合。“深度模型+大数据”是现今非常流行的计算机解决问题的方法，例如，在深度学习系统识别语音和文字后，通过大数据库，计算机能够将其翻译成其他国家的语言；在无人驾驶系统中，计算机也要通过深度学习的方法了解外界环境中哪些是安全的、哪些是需要避让的、哪些是极度危险的，深度学习的结果用以指导计算机设计驾驶速度和路线，这是无人驾驶系统安全性的最基本保障；人工智能与机器人结合会创造真正会思考、能学习和动感情的机器人，这会极大提高机器人的使用体验，不仅提高工业领域机器人的生产效率和安全性，在商业场所和家庭，机器人也能够更好地为人类服务。
另一方面，随着人工智能在各个领域的产业化商业化应用取得显著成效，支持人工智能技术和产业化的发展几乎成为所有有能力的国家重点扶持的技术和产业。当然，各个国家根据自身定位和优势禀赋也有所侧重点，这将对人工智能的国际分工格局产生深远影响。例如，美国秉持领先全球技术和预防被潜在竞争对手超越的理念，更加注重人工智能基础技术的研发以及在军事等高端应用上对全球的引领；日本注重将人工智能与机器人产业相结合，继续巩固全球机器人强国的地位；德国将人工智能纳入到“工业4.0”框架中，通过人工智能进一步提升德国制造业的智能化水平；英国则更加注重相关人才的培育。
我国在人工智能领域发展上的优势
在全球人工智能发展浪潮中，我国人工智能技术、产业和市场近些年的发展取得了令人瞩目的成绩，并表现出与发达国家同步的趋势。与其他新兴行业比较，我国人工智能的发展有两个突出的优势。
一是实现了全方位的突破与发展。虽然我国很多产业实现了突破，但优势仅仅表现在某一领域或产业链的某一环节，而人工智能的发展却是在各个方面实现了与发达国家的同步甚至赶超。从技术研发上看，在“深度学习”、“深度神经网络”等领域，中国在全球知名期刊上发表论文的数量已经超过美国；中国人工智能专利申请数量仅次于美国位居全球第二；百度在2015年开发的深度学习语音识别率达到97%的准确率，被MIT评为2016年全球十大科技突破之一，这被誉为我国人工智能技术研发达到世界一流水平的重要里程碑。从投资看，国内人工智能领域投资自2010年开始进入爆发期，最近两三年投资进一步加快，中国已经是仅次于美国全球第二大人工智能融资国，投资机构的数量也在全球位列第三。从产业发展看，近年来我国人工智能产业规模年增速近40%，到2016年末达到约100亿的规模；不仅如此，我国人工智能产业体系初具雏形，北京、上海、深圳、成都等城市人工智能产业聚集已经形成；除了领先的BAT（百度、阿里巴巴和腾讯），中小企业和创业企业大量增长，在不同的人工智能细分和应用领域创新产品和服务模式，例如在机器视觉识别领域已经有成规模的自主品牌100多家，代理商300多家，专业机器视觉系统集成商100多家。
二是在应用上有显著优势。客观上讲，国外企业在人工智能核心技术研发上具有短期内难以超越的优势和资源。例如脸书公司的大数据信息挖掘、苹果公司的语音识别、Uniqul的人脸识别技术全球领先，国外人工智能的商业化运营总体上看是依靠技术进步推动的。相比较，虽然我国在核心技术方面并没有表现出显著的优势，但在实现人工智能应用的场景优化及其相应的商业布局方面走在世界前列。例如，百度将语音技术、图片识别技术与O2O服务场景相融合，用户只需要输入一段语音就能够预订电影票、酒店和景区门票；阿里巴巴、京东等电商平台通过大数据挖掘为用户推送具有潜在购买欲望的产品；腾讯以微信、QQ为平台向客户精准投放新闻和广告等等。我国是全球人口最多、移动通讯用户最多、手机应用下载和在线用户最多、制造业规模最大的国家，这些共同支撑中国必然成为全球最大的人工智能应用市场，我国近年来人工智能高速发展也是以率先实现商业运用为引领的。
同时也需要看到，我国在人工智能领域主要存在以下三个方面的劣势：一是在人工智能重大基础理论研究上原创能力相对不足；二是高端芯片、基础材料、元器件、软件与接口等方面的技术对外依赖性较高；三是国内人工智能尖端人才远远不能满足需求。
确保我国在人工智能领域竞争中把握主动的政策建议
将加快发展人工智能上升到国家战略高度。人工智能作为影响广泛的颠覆性基础技术，将对未来各行业的发展产生深远影响。正因为如此，美国将其列为国家战略，并相继发布了《为人工智能的未来时刻准备着》和《国家人工智能研究与发展战略规划》两个重要战略文件，欧盟也推出了《欧盟机器人研发计划》，人工智能已然成为国与国之间科技实力与经济未来竞争的制高点。我国应高度重视人工智能的发展，并将其上升到国家战略的高度。在顶层设计之下，瞄准若干方向进行重点攻关，最终形成具有国际竞争力的技术研发能力和细分产业。
发挥产业优势，加强融合发展。虽然在核心技术方面与世界领先还有明显的差距，但我国拥有全球最大规模的人工智能应用市场。通过与其他产业的融合发展，能够发挥我国在人工智能应用场景优化以及相关商业布局方面的显著优势，在人工智能国际竞争中形成核心竞争力。加强实体经济部门，特别是具有国际竞争力的制造企业在核心技术、关键应用等领域与国内外人工智能公司开展深入合作，利用在传统市场上形成的优势以及对专业领域的理解，将人工智能作为产业转型升级的重要工具。
以建立人工智能与智能制造创新中心为抓手，促进人工智能在制造业领域的应用研究与技术推广。创新中心聚焦于人工智能在制造业应用中共性技术的研发与推广。人工智能与智能制造创新中心可采取“公私合作”的运营模式，并建立由技术专家、政府官员、企业家代表和学者共同治理的机制。
建立“人工智能国家实验室”，强化基础研究。“人工智能国家实验室”聚焦于任务导向型、战略性的前沿基础技术的研究，依靠跨学科、大协作和高强度资金支持开展人工智能领域的协同创新和战略性研究，加强在大数据智能、人机混合智能、群体智能、自主协同等方面的基础理论研究，并前瞻性布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。
重视并积极应对人工智能普及可能造成的社会问题。人工智能对人类社会的影响远远不止经济方面的，越来越多的社会问题会随着人工智能的普及不断出现。例如人工智能在“犯错”时，如何判定谁来对错误负责需要建立专门的机构和制定相关的法律法规。对于中国而言，还要积极应对人工智能带来的就业结构的变化。我国是劳动力大国，目前大量劳动者集中于中低端岗位，将会有大量这些岗位逐渐被人工智能替代。因此需要深入调整改革学校（特别是职业学校）的专业、课程设置，培养符合人工智能大量普及社会的劳动者。
（作者单位：中国社会科学院工业经济研究所，中南大学商学院）
(责编：易潇、孟哲)分享让更多人看到
2023年人工智能领域发展七大趋势
2022年人工智能领域发展七大趋势
有望在网络安全和智能驾驶等领域“大显身手”
人工智能已成为人类有史以来最具革命性的技术之一。“人工智能是我们作为人类正在研究的最重要的技术之一。它对人类文明的影响将比火或电更深刻”。2020年1月，谷歌公司首席执行官桑达尔·皮查伊在瑞士达沃斯世界经济论坛上接受采访时如是说。
美国《福布斯》网站在近日的报道中指出，尽管目前很难想象机器自主决策所产生的影响，但可以肯定的是，当时光的车轮到达2022年时，人工智能领域新的突破和发展将继续拓宽我们的想象边界，其将在7大领域“大显身手”。
增强人类的劳动技能
人们一直担心机器或机器人将取代人工，甚至可能使某些工种变得多余。但人们也将越来越多地发现，人类可借助机器来提升自身技能。
比如，营销部门已习惯使用工具来帮助确定哪些潜在客户更值得关注；在工程领域，人工智能工具通过提供维护预测，让人们提前知道机器何时需要维修；法律等知识型行业将越来越多地使用人工智能工具，帮助人们对不断增长的可用数据中进行分类，以找到完成特定任务所需的信息。
总而言之，在几乎每个职业领域，各种智能工具和服务正在涌现，以帮助人们更有效地完成工作。2022年人工智能与人们日常生活的联系将会变得更加紧密。
更大更好的语言建模
语言建模允许机器以人类理解的语言与人类互动，甚至可将人类自然语言转化为可运行的程序及计算机代码。
2020年中，人工智能公司OpenAI发布了第三代语言预测模型GPT—3，这是科学家们迄今创建的最先进也是最大的语言模型，由大约1750亿个“参数”组成，这些“参数”是机器用来处理语言的变量和数据点。
众所周知，OpenAI正在开发一个更强大的继任者GPT—4。尽管细节尚未得到证实，但一些人估计，它可能包含多达100万亿个参数（与人脑的突触一样多）。从理论上讲，它离创造语言以及进行人类无法区分的对话更近了一大步。而且，它在创建计算机代码方面也会变得更好。
网络安全领域的人工智能
今年1月，世界经济论坛发布《2021年全球风险格局报告》，认为网络安全风险是全世界今后将面临的一项重大风险。
随着机器越来越多地占据人们的生活，黑客和网络犯罪不可避免地成为一个更大的问题，这正是人工智能可“大展拳脚”的地方。
人工智能正在改变网络安全的游戏规则。通过分析网络流量、识别恶意应用，智能算法将在保护人类免受网络安全威胁方面发挥越来越大的作用。2022年，人工智能的最重要应用可能会出现在这一领域。人工智能或能通过从数百万份研究报告、博客和新闻报道中分析整理出威胁情报，即时洞察信息，从而大幅加快响应速度。
人工智能与元宇宙
元宇宙是一个虚拟世界，就像互联网一样，重点在于实现沉浸式体验，自从马克·扎克伯格将脸书改名为“Meta”（元宇宙的英文前缀）以来，元宇宙话题更为火热。
人工智能无疑将是元宇宙的关键。人工智能将有助于创造在线环境，让人们在元宇宙中体会宾至如归的感觉，培养他们的创作冲动。人们或许很快就会习惯与人工智能生物共享元宇宙环境，比如想要放松时，就可与人工智能打网球或玩国际象棋游戏。
低代码和无代码人工智能
2020年，低代码/无代码人工智能工具异军突起并风靡全球，从构建应用程序到面向企业的垂直人工智能解决方案等应用不一而足。这股新鲜势力有望在2022年持续发力。数据显示，低代码/无代码工具将成为科技巨头们的下一个战斗前线，这是一个总值达132亿美元的市场，预计到2025年其总值将进一步提升至455亿美元。
美国亚马逊公司2020年6月发布的Honeycode平台就是最好的证明，该平台是一种类似于电子表格界面的无代码开发环境，被称为产品经理们的“福音”。
自动驾驶交通工具
数据显示，每年有130万人死于交通事故，其中90%是人为失误造成的。人工智能将成为自动驾驶汽车、船舶和飞机的“大脑”，正在改变这些行业。
特斯拉公司表示，到2022年，其生产的汽车将拥有完全的自动驾驶能力。谷歌、苹果、通用和福特等公司也有可能在2022年宣布在自动驾驶领域的重大飞跃。
此外，由非营利的海洋研究组织ProMare及IBM共同打造的“五月花”号自动驾驶船舶（MAS）已于2020年正式起航。IBM表示，人工智能船长让MAS具备侦测、思考与决策的能力，能够扫描地平线以发觉潜在危险，并根据各种即时数据来变更路线。2022年，自动驾驶船舶技术也将更上一层楼。
创造性人工智能
在GPT—4谷歌“大脑”等新模型的加持下，人们可以期待人工智能提供更加精致、看似“自然”的创意输出。谷歌“大脑”是GoogleX实验室的一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑具备自我学习功能的软件。
2022年，这些创意性输出通常不是为了展示人工智能的潜力，而是为了应用于日常创作任务，如为文章和时事通讯撰写标题、设计徽标和信息图表等。创造力通常被视为一种非常人性化的技能，但人们将越来越多地看到这些能力出现在机器上。（记者刘霞）
【纠错】【责任编辑:吴咏玲】人工智能对国家安全的意义
摘要：国家安全学的创建为人工智能安全研究提供了整合与成长的契机。人工智能技术并非基于安全目的而诞生，却因其核心功能可以与既有安全体系内的诸多环节建立深度链接，从而获得了内在的安全属性。人工智能与国家安全学存在深度耦合关系，国家安全学研究框架能够为人工智能安全议题网络的建构提供基础条件。人工智能本身蕴含的“双重时空意义”与国家安全学框架内特点各异的安全领域形成复杂互动，能够在学科框架中建立以“中心—外围”结构为基本特征的人工智能安全研究议题网络。国家安全研究的六个领域同时兼容人工智能的双重身份：在研究视角更加宏观的政治安全、经济安全和军事安全领域，人工智能将以系统性要素的身份创建广泛的新议题，并成为网络的中心节点；在安全内涵相对具体的网络安全、核安全与国土安全领域，人工智能则成为重要的赋能主体，塑造了网络的半中心区域。其余十个国家安全领域与人工智能的链接相对松散，人工智能分别以博弈客体、功能性要素和技术性要素的身份发挥次要作用，从而构成议题网络的外围区域。议题网络的创建有助于人工智能安全研究迈入学科化的发展轨道
关键词：人工智能；国家安全学；安全属性；耦合；议题网络
作者简介：封帅，上海国际问题研究院国际战略研究所副研究员，教育部人文社会科学重点研究基地华东师范大学俄罗斯研究中心兼职青年研究员。
国家安全学一级学科的创建是中国国际问题研究在学科发展史上的标志性事件。作为一门具有鲜明“中国特色”的新兴交叉学科，国家安全学在社会科学学科谱系中具有鲜明的首创性，可以被视为中国国际问题研究从“自在”阶段走向“自为”阶段的重要标志。国家安全学的创建为国际问题研究提供了独特的理论视角。在新的学科视域下，很多新兴研究议题都获得了巨大的成长空间，人工智能议题就是其中的典型代表。
在当前如雨后春笋般兴起的诸多新型安全要素之中，人工智能技术是一个独特的存在。人工智能技术诞生伊始，因其在理论上具有的巨大潜力，就曾被安全领域的观察者敏锐地视为可能对全球安全体系产生系统性影响的新要素。但由于在20世纪下半叶人工智能技术发展未尽人意，关于人工智能技术与安全问题的讨论并未获得广泛响应。然而，在进入21世纪之后，随着移动互联网时代的到来，人类社会的数据累积呈现出几何级别的增长，加之算力、存储等硬件条件的提升，人工智能技术在2010年前后迎来了新一轮的飞跃。以“深度学习”为标志的第三轮人工智能技术发展浪潮在诸多领域产出了重要成果，使得人工智能技术跨越了产业化的门槛，具备了参与资本游戏的资格。更重要的是，本轮人工智能技术飞跃及其在军事、经济领域的有限应用，再次确认了人工智能技术在限定性领域所具备的巨大发展潜能，重新打开了对于该技术可能在安全领域产生影响的巨大想象空间。大约从2016年起，美国及部分欧洲国家关于人工智能安全影响的讨论开始出现，并很快获得西方战略界的关注，相关研究成果对于欧美国家的安全政策建构产生了重要影响。几乎在同一时间，中国学者也开始关注人工智能技术与安全问题的联系，从理论研究和区域研究的不同路径出发，对人工智能与国家安全问题展开初步讨论，形成了一批具有重要借鉴意义的研究成果。
然而需要注意的是，中国国际问题研究领域关于人工智能安全问题的讨论仍然是由少数研究者的自发兴趣驱动，缺乏系统性的议题与议程规划。虽然相关研究已经取得了一定成果，但与正在飞速发展的人工智能技术及其带来的现实安全挑战相比，我们的研究仍然相对不足。人工智能安全研究的“赤字”在不久的将来很可能对中国的国家安全产生重大影响。要想解决这个难题，应借助新的一级学科创建的“东风”，全面提升对人工智能安全问题的重视程度，并对其研究给予系统性规划。迄今为止，尚未出现综合分析国家安全学与人工智能议题的研究成果，相信这也将成为未来国家安全学研究中的理论增长点。
有鉴于此，笔者尝试对国家安全学研究视域中的人工智能安全研究进行初步探索，考察国家安全学与人工智能安全研究的内在耦合关系，并以国家安全学研究框架为基础，尝试提供一个人工智能安全议题网络的雏形，为后续相关主题的系统研究规划提供讨论的基础。需要说明的是，笔者撰写此文有两重目的，一是希望在国家安全学领域内针对人工智能等前沿数字技术议题的系统研究得以顺利展开，二是希望抛砖引玉，吸引更多的国家安全学研究者共同参与到人工智能安全研究中，共同为这个新的研究方向添砖加瓦。
人工智能技术的国家安全属性
从技术发展史看，人工智能技术并非基于安全目的而诞生，但它似乎天然地与安全问题紧密联系在一起。在人工智能技术获得一定程度的发展之后，得到了各国安全部门的重视，并将其视为能够影响全球安全走向的关键要素。在关于议题网络建构的讨论开始前，我们需要首先确认人工智能安全属性的来源与特质，以此作为研究的出发点。
根据2015年《中华人民共和国国家安全法》第二条之规定，“国家安全是指国家政权、主权、统一和领土完整、人民福祉、经济社会可持续发展和国家其他重大利益相对处于没有危险和不受内外威胁的状态，以及保障持续安全状态的能力”。这就意味着，国家安全的目标是追求一个相对稳定的低风险状态，而所有对这种理想状态的冲击和威胁以及相应的治理策略设计，构成了国家安全学研究的主要任务。从这个意义上看，作为具有颠覆性意义的通用目的技术（GeneralPurposeTechnology），人工智能技术潜力一旦全面释放，将对国家社会经济生活产生重大影响，显然这应该成为国家安全研究的重点关注对象。
事实上，人工智能技术的国家安全属性是由其自身的核心技术特性决定的，并内生于其发展进程中。因此，对于国家安全体系产生广泛而深刻的影响，可以说是人工智能技术发展的宿命。
广义上讲，能够像人类一样思考，并且完成人类一样工作的人造系统，以及所有能够理性思考和行动的人造系统，都可以被纳入人工智能的概念范畴。人工智能研究的实质就是构建模仿人类智能活动的人工系统，使其能够完成过去只有人类才能够胜任的智能工作，只要符合这一标准的研究成果都可以被视为人工智能技术。因此，人工智能并不局限于某几项具体的技术，而是一系列具有共同核心特征和能力，且具备较大成长性的人造系统的总称。尽管外在表现形式多种多样，但人工智能技术的核心能力实际上可以被概括为相互联系的四个方面：
第一，认知功能（cognition），即利用智能系统实现广域的信息和数据搜集，并且通过对海量数据的深度分析，以智能方式对相关范畴加以解释，形成对特定场景的精细化描述。在现有技术路径中，人工智能技术可以利用计算机视觉、自然语言处理等技术，实现文字、图像、声音、视频等多个维度全方位获取数据与信息的目标，并通过对获取数据的解读来描述世界。
第二，预测功能（prediction/forecasting），即在大数据分析的基础上，利用智能技术的特点，构建特定场景中可能出现的不同演变情境，并且对不同情境出现的可能性加以分析，提出不同行为主体在不同路径下的行为偏好。如果进一步拓展，还可以针对如何对特定偏好加以引导给出建议。
第三，决策功能（decision-making），即以预设目的为标尺，以认知功能和预测功能为基础，由智能系统确定可以实现目标的议题解决方案。在现有技术研究路径中，人工智能技术在棋类运动等特定规则博弈中已经具备超越人类智慧的能力，但在大多数现实安全领域中，它仍然扮演着人类决策辅助工具的角色，为决策者提供可量化的多元策略选项。
第四，集成解决方案功能（integratedsolution），即利用人工智能技术的广泛适用性，将其与其他互补性技术深度结合，实现对原有技术的赋能，或者是形成复杂任务的综合解决方案。智能机器人技术、自动驾驶技术等都是人工智能集成解决方案功能的突出表现。随着人工智能技术的不断进步，它将会与更多技术设备实现链接，推动人类社会的智能化革新，创造新的社会生产生活模式，解决更为复杂的社会需求。
不难发现，所有这些核心能力实际上都指向一个共同目标，即实现人类孜孜以求的“机器代人”的伟大理想，通过技术手段在社会生活中提供更加强大的认知和智慧供给，以此赋予人类超越本身的强大力量。正是这种超越的可能，赋予人工智能技术无与伦比的魅力，但也造成了人类社会对其风险前所未有的担忧。
当前，人工智能技术已经展现出的广泛适用性，使其能够在与人类社会生活的几乎所有侧面形成有效链接，并对诸多既有体系形成强烈冲击，从而对国家安全的多个层面产生直接威胁。例如在军事领域，人工智能技术的介入将为致命性自主武器系统（LethalAutonomousWeaponSystems，LAWS）的发展提供前所未有的契机，并且为军事安全技术、安全战略分析、安全信息搜集等诸多领域提供新的模式与路径，它的出现不仅有可能重塑战争形态，而且正在动摇人类社会已经稳定的战争伦理和国际人道主义规范。在经济领域，人工智能技术将直接改变现代经济体系中的“资本—技术—劳动力”三边关系，以颠覆者的姿态重构全球价值链与权力分配格局。在体系变革过程中可能出现的结构性失业浪潮、严重的贫富分化以及大资本循环增强的垄断优势，都可能对国家安全造成难以估量的影响。在政治领域，人工智能技术以互联网和社交媒体为介质，直接作用于政治体系的底层逻辑，它对政治生活的介入将对所有代议制国家的政治体系运转产生深刻影响。凡此种种，不胜枚举。因为从技术角度看，几乎所有的安全领域都只是特定的应用场景，而在这些场景中，人工智能技术常常扮演两种角色，既有可能是安全风险的源头，又有可能成为关键的治理工具，但是无论角色如何，它的作用必须得到充分重视。
综上所述，由于人工智能技术自身的性质与功能，它能够与安全体系内的诸多环节自然形成深度链接并产生多层次影响，这种状态使得人工智能技术具备了非常清晰的国家安全属性，能够成为国家安全体系内的活跃要素。人工智能技术的每一次大幅进步，都会在既有国家安全体系产生重要的溢出效应。围绕人工智能展开的国家安全研究，实际上就是考察当人工智能要素进入现有的安全体系，并在其核心功能得到不同程度释放后，在实践层面会对主权国家及其他国际行为体造成怎样的安全风险，又会带来哪些新的安全治理手段，以及在理论层面上会对安全体系的运行逻辑、主体的行为偏好与互动方式、安全议题范畴演进等产生怎样的影响。通过理论与实践层面的综合，我们可以勾勒出人工智能时代国家安全治理的全新图景。
国家安全学与人工智能安全研究的深度耦合
由于人工智能技术具备内在的国家安全属性，所以技术变迁的出现必然会对国家安全的稳定状态产生现实冲击；随着人工智能技术的不断提升，与之相关的安全问题也逐渐浮出水面。在这种背景下，对于人工智能安全影响展开研究的社会需求与研究者的主观意愿逐渐融合，构成了人工智能安全研究发展的动力。然而，由于人工智能技术的影响实际上分散在多个传统学科领域，我们在既有的学科体系内很难实现系统性的研究规划。时至2021年，中国国际问题研究的学科结构出现了重大调整，新的交叉学科国家安全学成功创建，为人工智能安全研究的系统化建设提供了前所未有的契机。
国家安全学一级学科以习近平总书记提出的“总体国家安全观”的原则、思想和方法为指针，以维护国家安全为核心目标，以走出具有中国特色的国家安全道路、打造国家安全命运共同体作为根本立足点，在理论与实践方面积极构建具有时代意义和中国特色的新安全理论，掀开了中国国家安全研究新的一页。
与传统社会科学研究的学科划分标准不同，国家安全学以各个领域不断衍生的国家安全问题为主要研究对象，因此该学科具有非常独特的“横切延伸性”特征。它会与政治、经济、社会、军事等众多学科形成交叉融合，以这些领域所蕴含的现实危险和潜在威胁作为研究对象，以安全作为基本维度“横切”诸多传统学科领域，将这个不断延伸的横切面作为自己的研究对象。这种特殊的状态赋予了国家安全学强大的兼容性与成长性特征，伴随着国家安全认知和安全要素的拓展，其学科边界也将不断扩大。
不难发现，国家安全学的学科特征与人工智能安全属性的特征存在深度耦合关系。首先，国家安全学在学科建构方面以“安全”引领所有研究议程，关注现实存在的各种安全风险与理论上可能产生系统性影响的重要安全要素。其较好的兼容性特征，能够让与人工智能相关的各种安全议题进入学科研究轨道。其次，国家安全学的“横切延伸性”特征与人工智能的广泛适应性特点天然契合，使得人工智能技术多个维度的安全属性能够同时被纳入新学科的研究框架，推动原本分散于不同学科的人工智能安全研究建立完整系统。可以说，在国家安全学学科创建之后，人工智能安全研究终于有了可资依托的坚实学科基础，人工智能研究也将在国家安全学框架中获得建构系统性议题网络的宝贵机会。
基于国家安全学的“横切延伸性”特征，其基础研究框架也展现出非常独特的结构。概括而言，当前国家安全学的研究框架是一个以安全要素为“经”、以安全领域为“纬”的议题网络，每个节点都蕴含着一组具体的研究议题，议题组之间又以不同的方式形成链接，在复杂的经纬交汇之间建构起具有扩展性的议题网络。
具体来说，构成当前国家安全学研究框架的“纬线”是当前国家安全体系中业已确立的各项安全类别，它们代表着目前国家在实践层面广义的安全诉求。而已经被列入国家安全体系的各种安全范畴都是在长期的安全实践过程中积累的经验总和，它们构成了当前国家安全研究必须关注的主要方向。
构成当前国家安全学研究框架的“经线”是各种各样能够影响国家安全议程的关键要素，这些要素既有时间、空间、身份、思想等抽象概念，又有人口、武器等具体器物，它们代表着安全问题的既有研究积累，所有被纳入体系的安全要素都已被证明具有较大的现实影响力和广泛的适用性，能够对不同领域内安全事务的进程和结果产生实质性扰动。纵向上看，围绕着每一个要素的系统性思考都已经或者将要演绎成为国家安全领域的理论构建。横向上看，它们与不同安全领域内容的链接也构成了一个个重要的安全议题节点，这些节点就是具体研究的主要对象。同时，国家安全学研究框架中的“经线”与“纬线”并非固定不变的，随着形势的变化，部分安全要素的内涵可能逐渐拓展，成长为独立的安全领域。而很多既有的安全领域也可能由于安全环境的变化，逐渐“去安全化”，甚至最终退出安全研究的框架。因此，国家安全学的研究框架本身是一个既向外不断扩散，又向内不断建构的可变系统，这种特性将为人工智能研究提供非常充裕的建构空间，人工智能研究的深入又将反过来促进国家安全研究框架的拓展与完善。
其一，从对外扩展的角度看，国家安全研究框架会随着时代变化而不断拓展其经纬网络的边界。它既会在安全实践探索中不断扩展它的纬度，将更多崭露头角的领域性安全内容纳入研究视野，又会随时关注全球和地区安全认知的内在变迁，不断寻找和发掘新的安全要素。在两个维度的共同作用下，新的重要议题网络将会不断建构，推动国家安全研究的理论深度与实践视野的全面拓展。人工智能技术进入该框架并持续成长的过程，实际上就是这种拓展态势的经典范例。
其二，从内部建设的角度看，国家安全学作为一个新兴交叉学科，它的学科体系也正在建构过程中。该学科的持续稳定发展有赖于对研究框架中的诸多关键节点的充分挖掘，寻找不同节点之间的横向或纵向联系，从而形成更加系统的研究体系，这是国家安全学学科体系和特色理论建构的关键一步。而人工智能技术因其本身蕴藏着非常丰富的理论内涵，针对其国家安全属性开展研究，对于新时代的国家安全体系建构同样具有重要的推动作用。
综上所述，国家安全学与人工智能安全研究之间的耦合关系堪称珠联璧合，这种耦合源于二者共同拥有的“横切”于诸多既有学科之间的基本特征，更是由于国家安全学研究框架建设与人工智能安全研究的系统性规划这两个重大学术目标之间存在着相互依存关系。想要实现国家安全学学科的持续发展，就需要充分关注人工智能议题，人工智能也凭借其独特功能与属性，深嵌于当前国家安全学框架之内，必将对国家安全研究的理论与实践产生深远影响。同样，人工智能安全研究的系统性建设更离不开国家安全学，在目前所有的中国社会科学学科体系中，只有国家安全学的研究框架能够承载人工智能技术在安全问题上的全部内容，该学科的创建是时代赋予人工智能安全研究发展的历史性契机。
当前以人工智能要素为核心的安全议题网络正在国家安全学研究框架中加速生长，已经具备由“点”到“线”的系统建构过程的基础条件。构建系统化议题网络是人工智能安全研究进行顶层设计的第一步，是推动人工智能议题的国际问题研究从零散的个人研究走向有组织的学科研究的重要一步，也是推动人工智能技术从安全要素向独立的安全领域过渡的关键一步。在明确了国家安全学与人工智能安全研究的关系之后，我们就可以依托国家安全学的研究框架，梳理人工智能安全议题网络的建构逻辑与基本结构，以此为推动该研究方向的系统化与学科化建设提供基础条件。
建构国家安全学框架内的人工智能议题网络
人工智能安全研究的系统化建设是一个宏大工程，有赖于该领域研究者孜孜不倦、持之以恒的努力，且需要经过较长时间的沉淀方有望成功。然而，通过对国家安全学与人工智能安全研究耦合关系的确证，我们已经明确了发展方向。因此，我们可以依托国家安全学的研究框架，概括现有的人工智能安全研究成果，尝试建构人工智能安全研究的系统化议题网络。构建一个相对全面的议题网络，不仅有助于厘清人工智能安全研究的整体脉络，明确其在国家安全学视域中的位置，并且能够为更加具有针对性的安全理论建设打下基础。
（一）人工智能要素的“双重时空意义”
作为一项安全要素，人工智能是一个非常特殊的存在，从既有的研究经验来看，在不同安全领域的研究语境中，它常常表现出截然不同的形态。这并非是研究者对它的理解有误，而源于它所蕴含的“双重时空意义”。
首先，人工智能是一项非常具体的数字技术，是所有能够理性思考和行动的人造系统的总称，它具有非常具象化的技术功能和清晰的外在表现，以多种路径对现实安全威胁和安全治理产生直接影响，是当下时空中的技术要素。
其次，人工智能又常常被表述为一个抽象理论假设，用于讨论理想模型或范式变迁的可能性。在这一话语体系中，实际上假定了人工智能的潜能可以在不久的将来得到充分释放，并且讨论在这种环境下新的安全理论建构。在这里，人工智能已经成为指向未来时空的理论要素。
“双重时空意义”的出现不是偶然的，它是人工智能技术现实与理想两个维度在安全领域的映射。人工智能技术从诞生起就不仅仅只是一项常规技术，它更代表着人类关于创造“智慧”的伟大理想。如果说工业时代的科技进步是在寻求用人造系统代替人类的体能，那么数字时代的科技进步就是尝试用人工系统模仿人类的认知过程，这是前所未有的伟大创举，而人工智能技术就是该理想的主要承载者。
迄今为止，人工智能的发展历史仍然让人们能够继续保有这种植根于内心深处的殷切期待。虽然人工智能技术的发展呈现出明显的周期性和跃迁性特征，即技术快速发展期与瓶颈期交替出现，但每次突破旧有“瓶颈”都会迎来一次技术水平的大幅提升，这也令社会舆论对其未来前景始终充满乐观的情绪。人工智能技术理论的发展上限极高，且每次技术跃迁的出现都在一定程度上对社会生产生活基本形态产生更为深远的影响，因此研究者除分析现实技术影响外，采取前瞻性的视野，围绕该要素与安全体系间的互动关系展开具有前瞻性意义的研究，也就成为一个自然选择。
“双重时空意义”特性的存在，人工智能要素被赋予强大的可塑性，所以它能够以两种不同的身份与几乎所有的重要安全领域产生实质性链接，以不同形态参与到各领域性安全研究的进程中。这造就了人工智能议题在国家安全学框架内的充分扩展，这也是系统化议题网络建构的基础。
（二）网络的核心节点：以人工智能为关键系统性要素的安全领域
在后冷战时代的安全语境中，政治安全、经济安全与军事安全是最为基础的安全领域；而在当代国家安全学的研究框架中，它们同样是最为重要的安全领域。这三个领域不仅具有宽泛的外延和完整的理论体系，并且对主权国家以及其他主体的生存与发展具有极其重要的意义。正因为如此，人工智能技术的影响不仅首先出现在这三个领域，而且其“双重时空意义”的特点也在这三个领域得到充分释放，从现实和理论两个维度推动了该领域安全议题的拓展，实际上构成了议题网络的中心节点。
在政治安全领域，人工智能技术扩散正在潜移默化地改变着安全议题的实质内涵。政治安全指的是“政治主体在政治意识、政治需要、政治内容、政治活动等方面免于内外各种因素侵害和威胁而没有危险的客观状态”。用更通俗的话语来描述，政治安全就是指国家政治制度、政权组织形式及国家意识形态等不受别国干涉和破坏，确保自主性和独立性的状态。政治安全原本是在一元化现代性叙事为基础的世界秩序中才会出现的安全问题，之所以出现政治安全挑战，是由于国际体系内处于权力中心的国家行为体，为维护自身在体系中的主导地位，利用其权力优势，将自己奉行的政治意识和政治体制赋予价值和道德上的正义性，转而对其他多元化政治意识采取干涉和破坏所造成的安全问题。在这种模式下，政治安全一般会表现为对部分国家的威胁，而少数霸权国则是安全威胁的来源。
然而，随着人工智能技术的快速进步和社交媒体的全球拓展，政治安全问题开始反噬霸权国本身。以2016年美国大选为标志，智能技术在社交媒体中获得广泛应用，并通过“助推”效应引导特定人群的主观选择，当前已经成为代议制国家政治选举活动中的“标配”。“剑桥分析”事件仅仅揭开了政治活动中运用智能技术的冰山一角，该案例背后暗示着一种巨大的可能性，即通过对人群内在情感与倾向的有效操控，代议制政治制度的核心价值——个体的理性选择将被自然消解，建立在代议制方法基础上的各项政治制度的根基也将出现动摇。对于这种前景的预期，正在悄然改变着政治安全研究的内容与性质，如果这一趋势进一步加剧，政治安全问题就将转变为一种新的全球安全风险，研究范式将出现必要重置。在人工智能要素加入后，政治安全领域诞生了一大批新的重要议题，很多议题的讨论都直指政治安全的深层本质，对于政治理论的底层逻辑带来了重要影响。该领域有代表性的新议题包括：代议制政治体制是否能够与人工智能技术兼容，人工智能技术对于政治稳定的复杂影响，数字时代全球政治发展的基本方向等。
经济安全领域的情形也与之类似。在传统意义上，国家经济安全主要指向主权国家在既有的国际经济环境中经济利益免遭侵害的状态，研究的关注点集中在现有经济体系内如何提升抵御风险的能力，如何避免陷入经济危机和发展困境。从这个意义上看，经济安全的底层逻辑仍然是将经济安全视为在国际经济体系中处于弱势的新兴国家需要处理和应对的挑战，并将主导当前国际经济体系的发达国家和跨国资本视为安全威胁的来源。
然而，当人工智能要素加入国际经济体系后，经济安全的性质和内容将会出现变化。人工智能技术的本质目的是推动更加广泛的“机器代人”，如果其潜力得以充分释放，那么以资本、技术、制度与劳动力为基础条件的现代经济体系将会发生巨变。作为原有体系支柱之一的劳动力要素将在新的价值链中逐渐式微，而新的生产系统与分配系统的建构意味着人类社会整个生产生活方式的根本调整。在现实生活中，工业机器人及广义的人工智能应用正在加速拓展，现实发展趋势实际上与对颠覆性前景的预期形成共振。经济安全的意义在人工智能要素介入后正在不可避免地发生偏转，并将目标指向如何在新的经济体系建构过程中维护本国的安全利益，确保在新体系建构中的发言权等全新内容。更有新的概念和理论体系需要研究者予以充分关注和主动建构。该领域有代表性的新议题包括人工智能经济影响与国家经济体系稳定的关系研究、人工智能时代全球产业链与价值链重构研究，等等。
军事安全领域人工智能要素介入的影响更加明显。虽然人工智能技术本身并不是军事武器，但它天然地与军事安全领域几乎所有问题都存在千丝万缕的联系。在现实层面，人工智能技术在军事系统中的运用体现在对军事装备的技术加持上，这是核武器发明以来最重要的军事技术变革之一。在人工智能技术的赋能效应影响下，部分军事装备将获得自主性与智能化的新属性。人工智能技术的核心功能可以广泛应用于包括信息情报搜集和分析、战略设计、辅助决策等多个方面，已经成为当前军事安全领域最重要的变量之一。事实上，“能够自动选择和攻击目标，无需进一步人工干预的武器系统”的巨大发展潜能是任何主权国家都无法抗拒的，因为成熟的自主武器系统具有改变战场形态、最大限度减少战斗人员伤亡的可能。短期内，自主武器系统可以广泛应用于侦察监视、排雷排爆、政治暗杀等具有重大风险的特种任务；长期来看，由大规模自主武器组成的军事力量将会越来越多地出现在常规任务场景中，推动军事安全领域的“机器代人”，在战场指挥体系建设、战法与战术发展以及军事训练方式上都具有重要的革新意义。
致命性自主武器的现实发展已经改变了全球军控谈判的议程，而理想化的人工智能发展前景又与战争形态、战争规则和战争伦理等体系层面变革息息相关。上述每一个角度的研究都已成为当前全球军事安全研究的热点议题，人工智能技术进步已经构成军事安全领域系统性变革的重要推动力，围绕人工智能问题的研究也正在成为前沿的军事安全研究内容。
在政治安全、经济安全和军事安全这三个传统宏观安全领域中，人工智能实际上扮演着系统性扰动要素的角色。由于三个安全领域的内容非常广泛，可以与人工智能的“双重时空意义”同时建立联系，因此形成有趣的双向对进结构。图2左半部分的意义是，以“深度学习”为主要标志的人工智能技术的现实发展成果，已经与政治安全、经济安全和军事安全等三个安全领域的内容产生了直接交集，积累了一大批亟待讨论的现实安全议题，研究者可以有针对性地研讨人工智能技术对具体议题的现实影响。图2右半部分的意义是，理想化的人工智能要素能够与三个安全领域的理论体系实现深度融合，通过理论分析可以阐述在技术潜力充分释放后，不同领域安全体系演变的未来图景，类似议题的讨论正在成为安全理论研究的新增长点。两个方向的研究正在相向而行，通过双向的持续拓展，不断打破阻隔于当下和未来间的“黑箱”状态，最终目标是使理论上的未来图景与现实发展历程实现对接。
总之，政治安全、经济安全和军事安全三个领域是国家安全学框架内人工智能研究议题最为集中、影响也最为深刻的板块。人工智能在安全领域最为重要的影响力主要在这三个领域表现出来。在这三个领域内，人工智能技术作为系统性要素而存在，充分释放了它的“双重时空意义”。既有针对技术现实影响的实践研究议题，又有长时段、系统性的理论研究内容，充分展示了技术发展与安全需求的相互建构过程，构成了人工智能安全研究议题网络的核心节点。
（三）网络的半中心区域：以人工智能为关键赋能主体的安全领域
在国家安全学框架内，网络安全、国土安全与核安全三个领域是人工智能技术影响力能够得到较为充分释放的另一个关键板块。这三个领域可以适当接纳人工智能的双重时空属性，并与之建立有机联系。但与政治、经济和军事领域不同的是，这三个领域的研究对象处于中观维度，存在非常具体的边界和目标，因此它们与人工智能要素建立链接的方式是基于本领域特质建立起来的线性联系，人工智能要素的介入能够影响其运行轨迹，但尚不足以改变领域的基本性质，所有变革都是围绕着体系内主体间的力量对比结构而展开。
网络安全与人工智能技术之间存在着天然纽带，当代所有前沿数字技术的快速发展都与互联网时代的狂飙突进密不可分。在很多安全实务部门看来，“人工智能和机器学习是网络安全未来的基础”。对于网络防御而言，防御者需要基于既有的知识假设，不断优化系统应对已知威胁，并且尝试预测可能的未知威胁。而对于网络攻击来说，所有的高级可持续威胁攻击（APT）的实质就是耐心而持续地寻找防御者的弱点，并且在对方出现错误的时候及时加以攻击。网络防御与网络攻击实际上都属于劳动密集型工作，需要以数量庞大的拥有高技能的人力资源为基础，进行高强度的工作和对抗。因此，人工智能所拥有的“机器代人”能力就成为改变攻防形态的有效工具。一旦成熟的人工智能技术被应用于网络防御，便可以通过自动化的方式全面提升针对漏洞和异常网络活动的探测速度。深度学习算法还能促使系统从既有的漏洞中不断学习，迅速提高对于未知威胁的响应能力。而在网络攻击方面，只需确保足够的资本投入，人工智能系统自动化寻找漏洞和自动攻击的速率将远远超过人力所能达到的极限。总之，人工智能要素在网络安全领域扮演的是一个巨大的赋能器或加速器角色，会使网络进攻与防御的能力获得空前提升，网络攻防的频度与烈度都可能随之出现几何级别的增长。而国家间力量对比和网络攻防对比都有可能出现严重失衡的局面，网络安全领域的不确定性将会空前加剧。在这样的背景下，关于人工智能技术如何在网络安全活动中发挥作用、人工智能时代网络安全的特征与结构等理论问题正在成为该领域研究的关注焦点。
核安全领域的情况也与此类似，人工智能技术独特的赋能效应对于原有体系结构所产生的潜在影响也非常明显。核安全是二战结束后全球战略稳定的基础，借助核武器的特殊属性，国际体系内的主要大国以“确保相互摧毁”为基点，维持了相对平衡状态，成为国际战略稳定的压舱石。即便在冷战时期的高度对抗状态下，核安全领域的平衡状态依然保持稳定。但在人工智能技术迎来新一轮发展高潮后，它的核心功能为核安全领域的稳定带来了更多的不确定性。这种不确定性集中表现为人工智能技术的潜在功能全面应用于核武器使用的诸多环节，从侦察和信息获取核武器的早期预警，从弹道导弹防御到战略核力量的保护，也包括对于核力量的管理和指挥过程，人工智能技术几乎能够渗透并参与其中的每一个环节，并且对各个环节产生不同特征的影响。人工智能的赋能效应将直接影响核威慑的稳定性与可靠性，进而将对全球战略稳定产生实质性干扰。虽然目前尚无人工智能技术介入核武器的直接证据，但关于人工智能技术对于战略稳定的影响议题已经得到了越来越多的关注。
人工智能的赋能效应也将对国土安全问题产生影响，这种影响主要体现在维护国土安全的能力和手段的变化方面。人工智能技术的全面渗透，既可以通过对常规军事武器、网络武器等工具的赋能提升中国保护领陆、内水、领海和领空安全以及维护国家领土主权完整和海洋权益的各项能力，又能够全面提升中国应对恐怖主义、极端主义的综合能力，还可以充分利用人工智能技术在社会经济领域的广泛应用，提升中国对领土、领海及毗邻区域内自然资源勘探及开发、对于关键基础设施要素的掌握和安全防范能力。这一部分的研究议题与军事领域存在交集，但关于人工智能对中国国土安全防范能力及周边战略设计所产生影响的讨论还是应该被放在这一板块。
在网络安全、核安全与国土安全领域，人工智能技术扮演着重要的赋能主体的角色。即由于人工智能技术的出现，能够积极采取人工智能技术的行为体可以在能力方面获得充分提升，从而改变原有安全领域内的力量对比结构，进而促使互动进程发生变化，使该领域的发展告别旧结构的限制，导入新的成长轨道。它的局限性是，在这三个领域，由于安全领域的目标非常集中，人工智能技术发展本身尚无法改变安全议题的性质，也无法刷新体系的底层逻辑。无论是现实已有的技术能力，还是理想化的人工智能内在功能，很大程度上还是需要依附于系统内的关键主体才能充分发挥其作用（参见图3）。
因此，这三个领域的研究议题主要集中于人工智能技术的引进会对既有结构产生怎样的影响，旧结构的消失与新结构的构建又会使其未来发展呈现出哪些新图景等方面。该板块可以同时承载人工智能的“双重时空意义”，形成的议题仍然具有重要的意义，它们构成了议题网络的半中心区域。
（四）网络的外围区域：其他涉人工智能要素的安全领域
除上述两个核心板块外，人工智能技术在国家安全学框架内的其他安全领域也都以不同的身份发挥有限作用。
首先，人工智能技术要素在科技安全与海外利益安全领域主要作为博弈客体存在。科技安全指的是与国家安全和利益具有不同程度密切关系的科研成果、科技研究、科技发展不受威胁与侵害的客观状态。科学技术的发展与国家安全息息相关，在复杂的国际环境下，确保本国科学技术系统既能够在开放式系统中得到有效的功能优化，又能确保该系统不会受到来自内部和外部的威胁，这是国家科技安全的主要目标。作为当前最重要的前沿科技之一，人工智能技术是科技安全研究的重要关注对象，维护中国人工智能技术和产业的持续稳定发展，防范外部力量对人工智能技术进步的威胁，是中国科技安全整体目标的重要组成部分。该领域的主要研究议题都围绕着如何在新的国际环境下，确保中国人工智能技术持续发展而设定。
人工智能技术与产业的发展需要广泛的国际合作与资本运作，中国与人工智能技术相关的海外资产及利益也在持续增长，其中牵涉大量法人与自然人的安全问题。涉中资人工智能企业如何保护海外资产的相关议题已成为中国海外利益安全研究领域正在逐渐升温的话题。
在科技安全与海外利益安全领域的研究议程中，人工智能技术更多扮演着被保护对象的角色，是体系内核心主体在国内、国际两个层面的复杂合作与博弈过程中加以关注和处理的客体要素。相关研究议题也将随着人工智能技术的不断发展而展现出更大的现实效用。
其次，人工智能技术在社会安全与文化安全领域主要作为功能性要素存在。作为公共安全的重要组成部分，社会安全承载着社会公共秩序维护与保护人民群众生命财产安全等重要现实任务，维护社会安全则需要依托国家社会治理能力的持续提升。人工智能技术的诸多核心功能可以为国家社会治理体系建设助力。人工智能技术可以通过信息搜集、风险预警、对策分析等方面的技术支持，为社会安全治理体系建设提供帮助。而在文化安全领域，人工智能技术也可以利用自身技术特点，对于社交媒体上针对中国文化和观念形态的有组织攻击提供有效预警，在防范文化渗透和文化侵略方面作出一定贡献。
在这两个安全领域中，人工智能技术能够以其自身的功能性特点为相关领域的安全防范提供有效支持，由单纯的数字技术转化为实践中的功能性要素的路径在理论上是存在的。因此，该领域的相关研究议题将集中于讨论如何在两个领域中发挥人工智能的核心功能，以提升应对安全风险的能力。
最后，在生态安全、资源安全、生物安全、太空安全、极地安全、深海安全等各具特点的安全领域中，人工智能更多作为一般性技术要素存在。
这几个安全领域是国家安全学框架建构的后起之秀，具有鲜明的技术性特征与相对独立的话语体系。在这些领域中，人工智能技术与安全体系核心的链接较为松散，相关研究也很少专门提及人工智能技术的作用。作为具有通用目的技术特征的人工智能来说，在这些领域更多的还是作为一般性技术要素而在实践活动中被偶尔使用，很少有机会影响上述领域的关键议题。当然，随着人工智能技术的持续发展和成熟，不排除未来某一时刻人工智能展现出更大的安全价值，因此，保持对技术发展及建立技术间横向链接可能性的关注，应该成为上述领域人工智能议题研究的主要任务。
总的来说，上述10个安全领域并不能完全承载人工智能技术的“双重时间意义”，仅能够与现实技术本身产生联系，尚未建立将抽象化的人工智能要素纳入体系的有效路径。因此在这些安全领域中，人工智能更多作为相对边缘的影响因素而存在，形成的研究议题数量相对有限，属于议题网络的外围区域。
（五）人工智能议题网络的建构逻辑与基本结构
综上所述，国家安全学框架的形成为正处于摸索阶段的人工智能安全研究提供了重要的整合与成长动力，当人工智能要素与国家安全学框架深度融合之后，人工智能安全研究的基础议题网络便应运而生。
国家安全学框架内的人工智能议题网络的建构逻辑是非常清晰的，它根源于人工智能技术的高速发展与安全研究范畴的不断拓展。在人工智能要素进入国家安全学框架之后，凭借其核心功能及其所蕴含的“双重时空意义”所带来的广泛适应性，人工智能几乎与国家安全学框架内的所有安全类别都能建立起不同形式的链接，并且在不同安全领域中形成性质各异的研究议题。这些领域性议题按照某些规律性逻辑集结起来，就构成了人工智能安全研究方向的基础议题网络。
这种全面却非均衡的建构逻辑使得国家安全学框架中的人工智能议题网络形成了非常典型的“中心—外围”结构。依据研究范畴的视野差别，在研究视野较为宏观的政治、经济、军事三大安全领域中，人工智能作为系统性要素而存在，从现实和理论两个层面产生了大量高价值议题，构成了人工智能安全研究议题网络的中心节点，当前中国人工智能安全研究的前期成果也主要集中于这三个领域。而相对中观和具体的网络安全、核安全、国土安全领域则组成了议题网络的半中心区域，该板块的议题更加具体，更具针对性。大约从2021年之后，人工智能安全议题的研究逐渐出现了从宏观向中观维度转移的趋势，使得该领域的研究议题呈现了明显的增长势头。迄今为止，在其他安全领域中，人工智能安全议题的影响仍相对有限，相关研究方兴未艾，它们构成了议题网络的外围区域。
需要说明的是，在这个“中心—外围”结构中，各层次安全议题之间的边界并不是刚性的。一方面，不同层次、不同板块安全议题之间存在深刻的内在联系，特别是位于中心节点的三大安全领域的内容涵盖范围非常广，影响力和渗透性几乎可以涵盖整个国家安全学的研究框架，中心节点的状态变化能够对半中心和外围区域产生干扰。另一方面，在研究实践中常常会遭遇不同层次应用场景重叠的情况，例如，核安全领域、国土安全领域的人工智能应用场景在某种意义上也被视为军事安全领域的应用场景，因为军事力量对比与战略设计是实现核安全与国土安全目标的重要基础。网络安全领域的人工智能应用场景常常也与军事安全、政治安全场景有所重叠，这是由国家安全学框架的基本特点决定的。
此外，人工智能安全研究议题网络同样是一个不断生长、持续变化的有机体，“中心—外围”的结构虽然较为稳定，但不同安全领域中人工智能要素的身份完全可能随着领域安全环境的变化而改变，也完全可能在未来某一时刻形成以人工智能为核心的独立安全领域。因此，在具体的议题研究中，要以辩证的思维和发展的眼光理解议题网络的性质和意义，既要集中布局于议题网络的核心节点和半中心区域，通过核心领域的突破带动整体研究的提升，又要密切关注外围区域可能发生的身份转化，推动人工智能研究议题的持续拓展。这也是围绕人工智能安全研究议题网络展开讨论的价值所在。
结论：建构具有时代特征的人工智能安全研究体系
从人工智能技术诞生伊始，关于人工智能可能引发的安全风险就是社会媒体和普罗大众热衷讨论的热点话题。随着21世纪新一轮人工智能技术浪潮的出现，人工智能技术全面进入国际问题研究的视野，关于人工智能与国家安全的讨论迅速升温，并且很快迎来了一个野蛮生长的时期。很多敏锐的国际问题研究者在第一时间意识到人工智能内在的安全属性及其在安全研究中的重要意义，他们积极倡导安全议题的讨论，或在宏观层面论述人工智能要素的重要安全价值，或在微观层面分析具体技术在特定案例中的影响。这种尝试具有重要的首创意义，也进一步展示了人工智能技术在安全研究中的重要价值。
然而随着时间的推移，这种分散的、无组织的早期探索很快便开始触及发展的“瓶颈”，集中表现为重复性的议题讨论和研究成果逐渐堆砌，“内卷化”特征越发明显。由于缺少系统的学科研究规划，很多关于宏大意义的概览多失之于粗略，而很多具体的叙述似乎又过于关注细枝末节而不见森林。要想解决这些问题，突破现有研究发展的“瓶颈”，就需要依托更加系统的研究框架，对研究议题与议程进行合理规划。
国家安全学一级学科的创建为人工智能安全研究的成长提供了前所未有的契机。国家安全学与作为安全要素的人工智能存在天然耦合关系，人工智能要素可以被完整地纳入国家安全学研究框架中，借助人工智能与诸多安全领域不同程度的链接，可以建构人工智能安全研究的议题网络，并为后续系统化研究议程建构和该议题研究方向的整体提升奠定良好基础。正是基于这样的考量，笔者在本文中尝试为国家安全学框架内的人工智能研究勾勒了一个以“中心—外围”结构为主要特征的议题网络，分析人工智能要素在不同层级与板块研究议题中扮演的角色，概述人工智能安全研究对象的整体形态。当然，笔者深知，本文所建构的议题网络实际上是非常粗线条的，很多具体的细节仍有待完善，结构本身也会在长期的研究进程中不断加以调整。
诚如习近平总书记在哲学社会科学工作座谈会上所指出的，“这是一个需要理论而且一定能够产生理论的时代，这是一个需要思想而且一定能够产生思想的时代”。毫无疑问，在过去五年多的时间里，以人工智能为主题的国际问题研究得到了国内外的广泛关注，但是我们需要深刻地认识到，这种浪潮更像是社会流量热点所带来的短暂热度，如果我们的研究仅仅停留在较浅的描述性层次，那么这种关注显然是不可持续的。随着时间的推移，人工智能国际问题研究也必然会经历一轮“去魅”的过程。在研究逐渐进入深水区之后，人工智能议题需要进一步走向学科化、系统化，真正成为能够提供新议题、新理论与新方法的源头活水。今天，我们针对国家安全学框架内人工智能安全研究议题网络的讨论与设计，只是这种系统化建构的第一步，相关研究议程、理论体系等要点仍需进一步梳理和规划。只有把系统化的理论研究、战略性的对策研究、技术性的功能研究和哲学性的思想研究结合起来，打通与实务部门的沟通渠道，新的国际问题研究学科矩阵中的人工智能研究才能真正迎来突破性的发展。（注释略）
原标题：国家安全学视域下的人工智能安全研究——议题网络建构的初步尝试
ChatGPT热潮下的冷思考：人工智能将如何影响人类的未来
中新网2月19日电题：ChatGPT热潮下的冷思考：人工智能将如何影响人类的未来？
中新财经记者宋宇晟
“在接下来的五年中，会思考的计算机程序将阅读法律文件并提供医疗建议。在接下来的十年中，它们将从事流水线工作，甚至可能成为同伴。在此之后的几十年中，它们将做几乎所有事情，包括做出新的科学发现，从而扩展我们的‘一切’概念。”
2021年3月16日，OpenAI公司CEO山姆·阿尔特曼(SamAltma)在网上发表了一篇名为《万物摩尔定律》的文章，并在文中以预言式的口吻这样描绘了人类与人工智能共处的未来世界。
在阿尔特曼看来，人工智能革命即将到来，其结果必将深刻影响人类的未来。不到两年之后，有关ChatGPT的讨论席卷全球。这似乎意味着现实正逼近他所预测的未来。
那么，人工智能的发展将如何塑造或影响人类的未来？我们还是先从最近备受关注的ChatGPT说起。
资料图ChatGPT是怎么火起来的？
2022年11月30日发布的聊天机器人模型ChatGPT，正显示其巨大的影响。根据Similarweb的数据，今年1月，平均每天约有1300万独立访客使用ChatGPT，是去年12月份的两倍多，累计用户超1亿，创下了互联网最快破亿应用的纪录。
如果只把它看作是一个“能与人类对话”的机器人，“技术进步”的迹象并不明显。毕竟Siri、小爱、小度……这些人们如今常用的工具，都可以提供“对话”服务；甚至在2020年，小冰公司还推出过“虚拟男友”聊天产品。这些产品背后的人工智能都可以在不同程度上完成与人类的“对话”。
ChatGPT的“魅力”更多还要从技术上看。其中，“大模型”是关键词。
小冰公司CEO李笛将ChatGPT定义为“大模型”的一个产物、一次产品化的尝试。
何为“大模型”？智源研究院原副院长刘江告诉记者，以AlphaGo为例，这样的人工智能就属于“小模型”。“它只能用来下围棋，象棋、五子棋都不会下。其中可能有些底层技术类似，但如果要让AlphaGo下象棋或五子棋，还需要技术人员重写代码、重新训练。”
“但大模型不同，它是通用的。”刘江举例，ChatGPT的应用场景很广泛，既可以写邮件、写文案，还可以写代码、写诗，甚至写论文。
腾讯研究院发布的《2022十大数字科技前沿应用趋势》中就明确指出，小模型不仅需要大量的手工调参，还需要给机器喂养海量的标注数据，这拉低了人工智能的研发效率，且成本较高。大模型通常是在无标注的大数据集上，采用自监督学习的方法进行训练。
ChatGPT是OpenAI对其2020年发布的GPT-3模型微调后开发出的对话机器人。报道显示，该模型使用来自互联网的文本数据库进行训练，包括从书籍、网络文本、维基百科、文章和互联网其他文本中获得的高达570GB的数据。ChatGPT背后的模型GPT-3.5则更为强大。
中金公司一份研报认为，此类新技术的应用“带来弱人工智能向通用智能的阶跃”。
而在业内人士看来，技术上从小模型到大模型的变化，无异于人工智能的“进化”。
ChatGPT网页截图人工智能的“进化”
1965年，英特尔创始人之一戈登·摩尔提出了摩尔定律，即当价格不变时，集成电路(IC)上可容纳的元器件，每隔18-24个月便增加一倍，性能也提升一倍。既然在相同面积晶圆下生产同样规格的IC，每隔18-24个月可增加一倍，那么生产成本也能相应降低50%。
阿尔特曼的《万物摩尔定律》将这一定律的适用范围大大扩展。他写到，“摩尔定律适用于一切”应该是一代人的口号，虽然“这听起来很乌托邦”。
换言之，在阿尔特曼看来，当下这个时代，技术迭代的速度是肉眼可见的。
《万物摩尔定律》截图事实上，在人工智能的加持下，某些领域的演进速度已经大大加快。有报道称，据OpenAI统计，从2012年到2020年，人工智能模型训练消耗的算力增长了30万倍，平均每3.4个月翻一番，超过了摩尔定律的每18个月翻番的增速。
回顾OpenAIGPT模型的进化之路，具有十分明显的规模效应。数据显示，2018年初代GPT参数量为1.17亿，2019年二代参数量达15亿，2020年GPT3.0参数规模直接飞跃至1750亿。
百度CEO李彦宏就曾公开指出，无论是技术层面还是商业应用层面，人工智能都有了方向性的改变。
微软CEO纳德拉在接受访谈时也曾表示，GPT的发展不是线性的，而是指数级变化的，所以相比较GPT-3，当前的GPT-3.5已经展现出更强的能力。业界普遍预测，GPT-4将在今年推出，并具备更强大的通用能力。
毫无疑问，成指数级的增长让人工智能得以高速“进化”。
刘江告诉记者，这样的“进化”并非只是量变，也不只是每次迭代相加的结果。“有研究人员总结，相比于小模型，人工智能大模型已经出现了一百多种‘突变能力’，即大模型具备、小模型不具备的能力。”
他觉得，这在某种程度上很像生物进化的过程。“就好像大脑在不断量变后来到一个临界点，然后生物就产生了高等智能那样。”
资料图。巨大突破的曙光隐现？
1950年，计算机科学家艾伦·图灵提出了一个被称为“模仿游戏”的思想实验。面试官通过打字机与两个对象交谈，知道一个是人，另一个是机器。图灵建议，如果一台机器能够始终让面试官相信它是人类，我们就可以说它有能力思考。这就是著名的“图灵测试”。
迄今为止，还没有人工智能模型能真正通过图灵测试，包括ChatGPT。甚至，ChatGPT暴露出待解决、待完善的问题还有很多。
李笛就明确指出，ChatGPT至少存在内容准确问题、运行成本问题、即时性问题。“这些都是根源问题，很难在ChatGPT上得到解决，可能要等新的产品和应用出来。”
以内容准确问题为例，李笛认为，作为知识系统，最基本的要求是准确，但ChatGPT的技术结构决定了它提供的知识很难作到准确。
事实上，该问题已经给人工智能公司造成了真金白银的损失。
“我可以告诉我9岁的孩子关于詹姆斯•韦伯太空望远镜(JamesWebbSpaceTelescope，简称JWST)的哪些新发现？”谷歌推出的类ChatGPT功能Bard回答中包括“JWST拍摄到了太阳系外行星的第一张照片”。
但真实的情况是，第一张系外行星照片是由欧洲南方天文台的VeryLargeTelescope(VLT)在2004年拍摄的。当天谷歌股价大跌约9%，市值蒸发约1000亿美元。
ChatGPT也存在类似的问题。当记者向ChatGPT询问“ChatGPT目前暴露出哪些待解决、待完善的问题”时，它给出的回答与ChatGPT网站上人类列出的其局限性有所出入。
ChatGPT截图还有成本问题。据报道，有研究估测，训练1750亿参数语言大模型GPT-3，需要有上万个CPU/GPU24小时不间输入数据，所需能耗相当于开车往返地球和月球，且一次运算就要花费450万美元。此外，ChatGPT投喂的数据质量、广泛的应用场景、持续的资金投入都缺一不可，更不用说还有开发AI产品的边际成本以及悬而未决的全栈集成能力。
对此，刘江直言，大模型目前对算力要求很高，门槛也高，必然是技术密集、资金密集、人才密集型的。“人工智能从小模型到大模型，只能说在技术上迈进了一步。但人工智能要突破所谓的‘奇点’，即人工智能发展到比人‘聪明’且能够自我‘进化’，还有一段距离。”
即便如此，他依旧认为，目前已经能看到人工智能巨大突破的曙光了。“相当于我们在黑暗中摸索了很多很多年，现在终于看到一点亮光了，要出去了。”
“奇点”何时到来？
相信“奇点”说法的人们认为，技术变革迅速而深远的发展将对未来人类生活造成不可逆转的变化。而生物思想与技术的融合，将让人类超越自身的生物局限性。
正如美国未来学家雷·库兹维尔所指出的那样，奇点临近暗含一个重要思想：人类创造技术的节奏正在加速，技术的力量也正以指数级的速度在增长。指数级的增长是具有迷惑性的，它始于极微小的增长，随后又以不可思议的速度爆炸式地增长——如果一个人没有仔细留意它的发展趋势，这种增长将是完全出乎意料的。
用库兹维尔的话说就是，“我们的未来不再是经历进化，而是要经历爆炸。”他曾预言，“奇点”将在大约2045年时到来。
事实上，这种“始于极微小而后爆炸式的增长”在近几十年的技术发展史中不断被验证。
网络浏览器诞生于1990年，但直到1994年网景导航者(NetscapeNavigator)问世，大多数人才开始探索互联网。2001年iPod诞生之前流行的MP3播放器，并未掀起数字音乐革命。同样，2007年，苹果(Apple)iPhone手机横空出世之前，智能手机已经问世，但却并没有针对智能手机开发的应用。
资料图：北京，在服贸会首钢园展区，电信、计算机和信息服务展厅里的舞蹈机器人。中新网记者李骏摄ChatGPT的出现，或许会是技术史上一个新的节点。
人们已经开始谈论人工智能将会如何颠覆他们的工作和生活。而人类此刻与ChatGPT的各种聊天记录，将全部变成下一代模型的训练数据。
在刘江看来，面对即将到来的变革，人类应该拥抱变化、拥抱未来。“人类是在不断变化的，不能固守陈规。当然我们也应该积极思考不允许人工智能突破的底线在哪。”
他不否认人们因此产生对未来工作可能发生变动的担忧。“也许未来每个人身边都会有机器人，就像老板身边的秘书。”
重要的是，我们应如何与人工智能共处。换言之，要解决的问题是，人类的价值是什么？
目前，已有人工智能领域专家提出，要警惕人工智能弱化人类思维。
李笛认为，人类创作者恰恰应当把人工智能视为解放自己创意的新手段或工具，让自己得以进一步回归内容创作的本质，即“创意”上去。
刘江则给出了另外一种假设：伴随着人工智能技术的发展，当生产力极大突破后，或许人类就不必须工作了。也许到那天，人类真的可以实现按需劳动了。(完)
搜索
复制
【编辑:陈文韬】