人工智能为媒体赋能
原标题：人工智能为媒体赋能人工智能有望改变媒体，重塑媒体的整个流程。未来，人工智能将融入到媒体运作的各个环节，但在媒体行业的落地，需要更复杂、更全面的架构。无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。当下，应基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。
人工智能媒体融合应用场景未来发展
媒体行业正处于融合发展的深水期和战略转型期，亟须找到媒体产业升级的新思路和新方向。随着人工智能应用的逐渐普及以及人工智能在媒体行业中一个个新的实际应用成果的诞生，我们越来越清晰地看到人工智能在推动媒体融合发展中的作用。人工智能给媒体行业带来的影响是深远的，推动着媒体运作流程中每个环节的变革，人工智能正成为媒体纵深融合的关键着力点，为媒体向智能化发展赋能。
人工智能+媒体：应用场景多元
大数据时代为媒体带来了前所未有的丰富数据资源和先进数据科学技术，但同时媒介环境变化也给行业的态势带来深度的影响。如今，受众呈现出分散化、复杂化的特征，信息量指数式增加，传统的内容生产、分发的方式及传受关系已不能满足时代的需要。媒体和媒体人正试图探索人工智能给智能媒体变革带来的新机遇，并积极寻求人工智能在传媒领域的落地。
人工智能在媒体有着巨大的应用空间，事实上，人工智能与媒体实际应用的结合已经有许多成功的案例并且在许多方面有着出色的表现，媒体行业对于人工智能技术直接或间接的运用正在不断发展,并将推广到更广泛的新场景。
高级文本分析技术
基于自然语言处理技术的文本分析技术是人工智能重要技术领域。自然语言处理（NLP）可以分析语言模式，从文本中提取出表达意义，其终极目标是使计算机能像人类一样“理解”语言。基于内容理解和NLP的写作机器人为记者赋能，可以模拟人的智能和认知行为，实现机器的“创造力”，经过对大量数据的分析和学习，形成“创作”的模板，用人机结合的方式来强化记者的写作能力。国内的媒体积极地将这一技术作为媒体内容生产方式的创新，如新华社的“快笔小新”，南方报业的“小南”等。百度人工智能开放平台推出的NLP产品“新闻摘要”，其技术原理是基于语义分析和深度学习模型，进行新闻内容的语义分析，自动抽取新闻内容中的关键信息，并生成指定长度的新闻摘要，可用于热点新闻聚合、新闻推荐、语音播报等场景。
图像和视频识别技术
图像和视频识别可以基于深度学习进行大规模数据训练，实现对图片、视频中物体的类别、位置等信息的识别。图像主体检测可以识别图像的场景、图像中主体的位置、物体的标签等。人工智能视频技术则能够提供视频内容分析的能力，对于视频中的物体和场景进行识别并能够输出结构化标签。
图像和视频技术在媒体中应用十分广泛，如内容分析、质量检测、内容提取、内容审核等方面。以媒体内容监测为例，有了人工智能图像视频技术的加持，使得非结构化媒体数据采用机器审核成为可能，通过数据集的训练建立用于审核的模型，针对画面中的元素进行追踪，对于图像及视频中的不恰当、有争议或违法内容、敏感内容、低俗内容等进行识别检测，进行标注和报警，以进行过滤和处理，可以大大减少人力的投入。
语音技术
人工智能语音技术主要包括语音识别和语音合成，它是一种“感知”的智能。自动语音识别（ASR/AVR）是基于训练的自动语音识别系统，将物理概念上的音频信息转换为机器可以识别并进行处理的目标信息，如文本。语音合成技术是通过深度学习框架进行数据训练，从而使得机器能够仿真发声。一些智能语音开放平台也提供了智能语音服务。以科大讯飞构建的智能语音开放平台为例，科大讯飞的语音输入法准确率已经能达到98%，并且输入的速度提高到了每分钟400字。越来越多的媒体开始使用科大讯飞的语音技术。
随着语音转换技术的日渐成熟，“语音-文本”双向转换技术在媒体中的应用成为可能。例如将语音识别技术在采编环节中使用，生成文本稿件并进行二次编辑。运用人工智能智能语音编译系统，将现场的语音报道生成文字版，大大提升了编辑人员原本耗时的整理工作的效率。将媒体的视音频内容转化成为文本素材，提升了媒体稿件、节目素材管理的效率。由于需要应对媒体音频和视频文件声源的复杂性和不可控性，虽然目前生成的文字稿件并不完美，但也在不断地提升和改善。
语音合成技术可以基于深度学习模型，把媒体报道的文章从文字版转换成语音版，并且接近于逼真的人声。甚至可以根据不同受众群体的需求，针对性地生成特定的声音供用户收听，打造更贴切、更有亲和力的语音体验。
人脸与人体识别技术
人脸识别是人工智能的应用中最为人所熟知的，它属于计算机视觉领域（CV）。目前人脸识别技术的主要应用包括人脸检测与属性分析、人脸对比、人脸搜索、活体检测、视频流人脸采集等方面。谷歌、苹果、Facebook、亚马逊和微软等互联网巨头争相在这一领域的技术和应用方面抢夺先机，纷纷推出相关的技术应用并不断突破创新。2018年5月的媒体报道称，亚马逊积极推广名为Rekognition的人脸识别服务，该解决方案可以在单个图像中识别多达100个人，并且可以对包含数千万个面部的数据库执行面部匹配。Facebook使用简单的人脸检测算法来分析图像中人脸的像素，并将其与相关用户进行比较，为上传到平台上的每张图片提供了自动生成的标记建议，取代了手动图像标记。
个性化推荐技术
传媒领域的大部分产品如电影、新闻、书籍、音乐、广告、文化活动等都致力于吸引受众阅读，聆听和观看媒体生产的内容。发现目标群体并把内容传播给该群体是能否达成媒体传播效果的关键一环，而个性化推荐技术解决了这一难题。这是目前在媒体中应用较为成功的人工智能技术，在媒体的内容分发过程中，个性化推荐技术为用户提供个性化体验，针对每个特定用户量身定制推荐内容，减少搜索相关内容所花费的时间。与此同时，对于人们所担忧的，由于算法主导的精准分发过程只推荐感兴趣的内容，会导致用户陷于信息茧房的问题，研究人员目前也在试图改进算法，开发“戳破气泡”的应用技术。例如BuzzFeed推出的“OutsideYourBubble”、瑞士报纸NZZ开发的“theCompanion”程序、Google的“EscapeYourBubble”等。
预测技术
现在已经开发出来的一些强大的基于人工智能的预测技术，让我们可以“预知未来”。通过时间序列（TS）建模来处理基于时间的数据，以获得时间数据中的隐含信息并作出判断。按照一定时间间隔点来收集数据，再对这些数据点的集合进行分析以确定长期趋势，以便预测未来或进行相应的分析。
当拥有时间相关数据时，时间序列模型将派上用场。例如，可以使用时间序列数据来分析某一家媒体下一年的用户数量、网站流量、影响力排名等，从而在广告投放方面作出合理决策。另外，如何及时地抓住社会热点是新闻机构所面临的重要问题，人工智能预测技术通过对海量的热点内容的模型进行训练和分析，建立热点模型，可以实现对于热点趋势的预测。
媒体需要思考的问题
人们越来越清晰地看到人工智能给媒体带来的意义与价值。在融合的时代背景下，媒体迫切需要人工智能带来推动媒体变革的潜力。与此同时，我们也不能认为人工智能可以解决媒体变革中的一切问题，技术并不是一块现成的、可以直接拿来享用的蛋糕，在媒体应用人工智能时，还需要着手考虑许多问题。
数据的完备性
媒介体系内部和外部都会产生大量的数据碎片，虽然目前数据量庞大，看似拥有海量的数据资源，但是生产的数据与可以用于人工智能的培训数据之间的匹配度还有待提升。在深度学习算法中，需要用大量的数据训练算法才能产生有意义的结果，数据的不完整性会导致准确性的下降，而准备这样的数据集的成本很高。为了实现大量的用户行为数据的积累，提高数据的完善程度，媒体需要构建大规模的数据体系和战略。为了实现人工智能在媒体中的进一步部署，媒体需要具备完备的数据源和处理更为庞大的数据系统的能力。
深度融合的方式
目前，人工智能技术还停留在初步应用层面，其深度还需要挖掘、广度还需要扩展，融合的方式也需要深入地进行探索。人工智能在媒体领域的大部分应用只是将现有的研究成果迁移到媒体行业，如果媒体想要更深入地参与到人工智能潮流中，就要积极地投入到算法的开发中，在人工智能领域中开辟出自己的空间，如此，才能使人工智能在媒体行业应用更加成熟。
数据安全与隐私
当人工智能应用飞速发展，人们很容易忽略在人工智能应用中的安全问题。2018年Facebook的数据泄漏事件折射出的数据安全漏洞引起社会关注，再一次提醒我们要严肃对待数据安全及隐私等问题。用户在媒介接触的过程中，用户数据和个人资料越来越多地交付给媒体，媒体在使用这些数据为用户提供更好服务的同时，需要权衡智能化用户体验和用户数据安全之间的关系。欧盟发布的通用数据保护条例（GDPR）于2018年5月25日正式生效，根据其条款，组织不仅必须确保在合法和严格的条件下收集个人数据，而且收集和管理个人数据的组织将有义务保护其免遭滥用和泄漏，并尊重数据所有者的权利，旨在确保人们可以掌控其个人数据。
坚守媒体的价值观和底线，保障数据安全，尊重用户隐私十分重要，媒体应思考在保护用户数据方面是否存在漏洞以及如何落实相应的人工智能安全策略。
人才培养
媒体领域对于人工智能人才的需求量还很大。要走出人才窘境，一方面要完善人才引进和培养规划，提升媒体从业人员的大数据和人工智能技能和素养，补齐人才短板。特别是要引进掌握坚实的传播理论基础，既懂媒体传播规律又懂大数据、人工智能的复合型人才，逐步形成与智能化媒体业务形态相适应的人才布局。另一方面要优化原有人才结构。当智能机器人取代部分人力成为可能，智媒时代的媒体人要在行业的巨变之中找准自己的定位，提升自己的知识技能。无处不在的“共享”和“开源”的知识使我们学习和了解人工智能行业前沿技术，例如Google发布的机器学习工具AutoML，用户无需掌握深度学习或人工智能知识即可轻松培训高性能深度网络来处理数据。
媒体和媒体人要拥抱媒体智能化的时代，破除对于新技术的“恐慌”，加快知识体系更新，使专业素养和工作能力跟上智能时代的节拍。
智能媒体：未来无限可能
虽然智能机器距离接近人类学习、思考和解决问题的能力还很遥远，但是机器取代人力是大趋势。人工智能将不断地从媒体生产链条向内容创建生产环节突破，从而帮助媒体进行内容升级和用户体验升级。
内容生产是未来人工智能在媒体行业实现新突破的重要方面，虽然人工智能目前不能超越人类的创造力，但可以承担起一部分信息收集、数据整理和内容创作的工作，将媒体人从一些重复性的繁冗工作中解放出来，从而节省出时间用于创作和创造性工作。媒体也应积极探索新的与人工智能结合的工作方式，使得工作更高效智能。
此外，人工智能将通过多种方式增强并带来更好的用户体验。通过学习用户行为，了解受众偏好从而使用户获取到感兴趣的内容，并根据用户画像定制个性化的内容。运用人工智能技术捕获处理数据，精准理解用户需求，可帮助媒体实现更加精细化的用户划分和用户分析，提供更加人性化的服务。人机交互使得用户体验更加立体化和场景化。
人工智能有望改变媒体的一切，重塑媒体的整个流程。预计未来人工智能将融入到媒体运作的各个环节。但无论是人工智能本身还是其在传媒领域的应用，距离成熟都还有很长的路要走。人工智能在媒体行业的落地，需要更复杂、更全面的架构。构建以大数据和人工智能为核心的技术生态体系，基于媒体行业自身的数据构建具有针对性的人工智能系统，提升媒体与人工智能结合的成熟度。目前人工智能技术在媒体行业的应用并不完善，但并不阻碍我们对于其发展前景的期待。
如何充分地发掘人工智能的潜力是媒体和媒体人面临的大命题，我们应思考人工智能如何更好地与媒介进行结合，尝试在融合发展面临的问题中加入人工智能解决方案。未来，机器与人的共生将成为媒体常态，我们期待人工智能为媒体带来更好的未来，在技术的助力下走向真正的智媒时代。
（作者沈浩系中国传媒大学新闻学院教授、博士生导师；杨莹莹系该院新闻与传播专业媒介市场调查方向硕士生）
(责编：赵光霞、宋心蕊)分享让更多人看到
人工智能写作与算法素养教育的兴起——以 ChatGPT 为例
人工智能写作与算法素养教育的兴起——以ChatGPT为例青年记者
|2023-02-2709:06:29
0作者：王沛楠（清华大学人文学院写作与沟通教学中心讲师）
来源：《青年记者》2023年第5期
2022年11月底，美国人工智能研究企业OpenAI发布了基于自然语言处理（NLP）技术驱动的聊天机器人ChatGPT。由于ChatGPT强大的语言理解和内容生成能力，它迅速成为科技界、传媒界和教育界广泛关注的议题。仅仅两个月后，ChatGPT就获得了超过1亿的月活跃用户数，成为全球用户增长速度最快的数字应用。更为重要的是，ChatGPT引发了国际社会对于AIGC（AIGeneratedContent，人工智能生成内容）技术的关注，使其一跃超过元宇宙和NFT，成为当下最热门的新兴媒介技术。ChatGPT的快速崛起，主要源于强大的算法能力和丰富的现实运用场景。它能够清晰理解用户的文字表达，并以此为基础进行有效的回应。它也能够生产标准的新闻作品，完整的会议记录和公文，简单的小说和诗歌，甚至复杂的学术性文本。
当以ChatGPT为代表的AIGC兴起，传统意义上的媒介素养教育已经无法有效回应技术发展带来的挑战。相较于算法隐蔽植入的内容平台，ChatGPT使得用户能够直接与算法对话并生成具有独创性特征的内容，如何有效提升用户在算法环境下的信息获取与内容生产效果，同时避免算法歧视、隐私泄露和算法操纵等不利影响，将成为算法驱动内容生产语境下迫在眉睫的新问题。近年来，国际传媒业和教育界开始关注“算法素养”（AlgorithmLiteracy）这一概念，作为媒介素养教育在智能传播语境下的新路径，算法素养教育能够为ChatGPT写作的出现提供有意义的回应。
ChatGPT与人工智能写作的现实挑战
ChatGPT的出现对于全球互联网生态和以内容生产和文本写作为核心业务的领域将会产生直接而深刻的影响。在ChatGPT发布后不久，微软就宣布将ChatGPT的接口植入到旗下的搜索引擎Bing（必应）和Edge浏览器中；新闻编辑室开始引入ChatGPT，用于快速提炼和归纳海量信息形成报道框架，分析新闻事件并提出观点。[1]
由此可以看出，ChatGPT具有广泛的现实世界落地场景。[2]无论是将其嵌入搜索引擎输出相关内容，还是提问和列出提纲要求其完成完整的内容生产，ChatGPT将人工智能写作的能力提升到了一个新的高度。作为一种新的“媒介”，ChatGPT延伸了人的思考和表达能力，有力地拓展了用户个体信息搜集和信息输出的可能。但与此同时，用户大规模的探索逐渐挖掘出了ChatGPT算法的技术边界，人们发现ChatGPT并非无所不知，由此形成了对于ChatGPT内容真实性和写作主体性的批判。
首先，ChatGPT有可能提供表面逻辑完整却完全编造的信息。研究人员在对ChatGPT进行“黑箱”测试时发现，即使提供一个编造的信息，ChatGPT仍然能够顺着提问者的意思编造与之相关的内容输出，这使得阴谋论和虚假信息的生产变得更加轻而易举。[3]同时由于ChatGPT的算法能够不断进行自我学习，它对于同一问题的回答可能会不断变化。ChatGPT在本质上是一款自然语言处理（NLP）应用，它的核心意义在于学习并模仿符合认知的人类语言，但对于语言表达背后的事实判断和价值判断却难以做出准确衡量。对于ChatGPT无反思的依赖可能导致潜在的算法操纵，使用户沦为算法“囚徒”。[4]
其次，ChatGPT对于内容生产者的主体性地位也带来了挑战。由于ChatGPT能够生成完整且符合逻辑的语句，可能影响学生自主的写作能力的提升，纽约大学的一些教授将使用ChatGPT视作抄袭行为；香港大学也向全校师生发出内部邮件，明确表示禁止在所有课堂、作业和评估中使用ChatGPT和其他AIGC工具。这说明ChatGPT高水平的写作和表达能力使得高校将其视作具有独立写作能力的主体，进而限制学生的使用以避免作者主体性的争论。
虽然ChatGPT这一革命性技术的出现引发了对于内容真实性和写作主体性的极大争议和混乱，但事实上，人类社会的每一次技术革新都伴随着对于技术的道德恐慌（moralpanics）。这一方面来源于新技术所催生出的社会场域惯习改变，另一方面会对既有的社会结构和秩序产生挑战。[5]从积极的角度来看，以ChatGPT为代表的AIGC技术如果能够得到有效的运用，会对用户的批判性思维和创新能力形成有力的支撑。但围绕媒介与技术的素养提升需要吸纳以算法素养为代表的创新教育模式，以匹配和适应ChatGPT写作的技术逻辑。
算法素养教育升维：
如何与智能传播社会共生
在互联网和社交媒体进入智能传播的语境下，基于算法的偏好分析和精准推送正在成为一种新常态，算法对于人类社会日常生活的隐蔽嵌入正在不断加深。有效地理解算法机制、运用算法功能并规避算法风险是重要的现实命题。但是，传统意义上的媒介素养教育更多仍然将重心聚焦于各类媒介信息的接触能力、阅读能力、选择能力、批判能力和使用能力，很大程度上忽视了技术要素在其中扮演的角色。[6]
近几年，欧美国家提出算法素养这一概念，试图立足于智能传播的语境将传统的媒介素养升维，聚焦于算法及其潜在的社会后果并帮助学习者形成面对算法时的认知、知识、想象和可能采取的策略。[7]与媒介素养教育类似，算法素养同样关注信息环境下用户的信息接触、信息获取与信息选择使用能力。但与媒介素养不同的是，算法素养将上述过程置于算法作为信息“把关人”的角色的背景下展开，强调用户对于算法信息的感知、理解和应对能力。由此可见，算法感知、算法理解和算法应对可以视作算法素养的三个核心层次。
在算法感知层面，考虑到算法已经深度嵌入当前人类社会的信息环境中，算法作为社会技术系统与用户在频繁的双向互动中相互塑造。[8]这意味着用户在获取信息和思考表达的过程中会潜移默化地受到算法技术的影响和规训。如果用户对算法这一概念及其在现实层面的运用缺乏基本的感知，则很容易陷入被算法单方面操纵和引导的陷阱中。因此，算法素养首先强调对算法技术存在的感知，要求用户能够意识到自己何时在与算法对话，通过算法感知的过程理解算法对个人信息环境的塑造。
在算法理解层面，算法素养要求用户能够通过学习意识到哪些信息的生成和分发是由算法完成的，为何会存在同质化信息的大规模推送，或者聊天机器人对于用户的回复和文本的写作是如何完成的。[9]算法理解触及了算法素养更深层次的内容，要求用户不仅能够理解算法的存在，更要明白算法是如何与用户行为对话以实现内容生成和信息推动等功能的。虽然算法技术的壁垒和算法本身“黑箱”的特征使得大多数人无法从技术层面进行理解，但通过对算法运行模式基本形态的介绍，同样有助于用户更为有效地应对算法的存在。
在算法应对层面，算法素养基于用户已经具备的算法感知和算法理解能力，要求用户能够主动应对算法可能造成的信息环境操纵和个人数据泄露等问题。算法应对更多基于用户日常工作与生活的现实语境，推动用户能动地改变算法对自身信息环境和认知“茧房化”的塑造，能够比较社交媒体和搜索引擎提供的信息并且自主地形成对于信息和内容的判断。更进一步，拥有较强算法素养的用户还可以有效基于算法可供性（AlgorithmicAffordance）帮助自己完成更优质的信息获取与生产。[10]
从感知、理解到应对，算法素养的三个层面聚焦于智能设备和技术深度社会嵌入所带来的传播与媒介环境变化，同时吸纳了技术对于信息环境和内容生态的影响，在很大程度上超越了传统媒介素养教育的范畴。ChatGPT作为人工智能内容生产技术的新产物，同样需要被置于算法素养的框架下进行评估与分析，以帮助全球用户更好地适应媒介技术变革背后催生的“人-机”互动方式转型。
ChatGPT语境下的算法素养教育路径
虽然ChatGPT的爆红引发了国际社会的高度关注，但正如此前元宇宙和NFT所引发的资本泡沫和数字迷思一样，对于ChatGPT的理解与运用也需要警惕技术决定论式的过度崇拜与盲目追捧。[11]从算法素养的角度出发，对于ChatGPT的学习与接纳也需要同样经历算法感知、算法理解与算法应对的阶段，通过对于ChatGPT的技术逻辑和应用场景的探索和挖掘，一方面理解AIGC当前的技术边界，另一方面寻找能够对人类社会有现实意义的落地场景。
首先，ChatGPT的算法感知应当聚焦于对AIGC的技术“祛魅”。虽然ChatGPT呈现出强大的语言理解和内容写作能力，但它并非具有独立思考和创造性表达能力的写作主体，而是依托现有人类信息和语言文本进行内容生产和再加工的算法工具。因此，ChatGPT的出现和商用更多是大模型数据处理成本降低之后的结果，而非革命性的技术革新。媒体对于ChatGPT的新闻报道和相关科普应当避免夸大ChatGPT的现有能力，更为理性和审慎地呈现AIGC技术当前的发展。对用户的ChatGPT算法素养教育也需要立足于“祛魅”的视角，避免引发超越当前AIGC技术能力的技术崇拜观念形成。
其次，ChatGPT的算法理解应当尝试增加对其背后的底层逻辑——自然语言处理（NLP）技术的能力与局限的说明。由于ChatGPT高度类似人类的思维和表达方式，很大程度上会让用户误以为自己在和具有人类思维的对象对话，从而倾向于相信ChatGPT所提供的信息。但事实上作为自然语言处理应用，ChatGPT只能结合用户提供的原始信息反馈和呈现其数据库中的已有信息，既不能保证它所反馈的信息的真实性与准确性，也不能提供具有创造性的新观点。从技术逻辑层面出发，能够更有效地实现对于AIGC的技术“祛魅”。
最后，ChatGPT的算法应对应当着重聚焦对其技术的边界探索与场景重构。在感知和理解的基础上，算法素养提升的用户已经能够比较完整地理解ChatGPT的技术逻辑和现实功能。但它究竟能够在哪些层面为用户提供帮助，换言之，哪些场景下ChatGPT的使用能够为用户提供帮助，而哪些场景下ChatGPT可能会编造虚假信息、提供错误回应甚至引发舆论争议，是需要在与技术的持续对话中逐步探索确定的。由于算法的“黑箱”特质，用户难以完整地理解自己为何会得到某些答案和回复，因此只有通过输入提问与分析输出回答的反复尝试，才能够比较完整探索生成ChatGPT这样的AIGC有效的使用场景。[12]因此，ChatGPT的算法可供性还需要在具体的“人-机”对话过程中逐渐明确。
概括而言，ChatGPT的出现对于用户理解和适应算法的能力提出了更高的要求。引入算法素养的理念，有助于用户理解ChatGPT文本写作的基本逻辑，能够在感知ChatGPT算法的基础上实现技术的“祛魅”，并通过理解ChatGPT背后的自然语言处理理念实现对技术可供性和算法可供性边界与场景的探索。
智能传播与算法素养的意义
伴随着越来越多的用户开始使用ChatGPT，对于这一技术的迷思也在逐渐消退。文森特·莫斯可认为，“技术只有摆脱了神话般的偶像崇高，才能真正成为社会和经济变迁的动力”。[13]对于智能传播时代层出不穷的新兴技术，盲目迷信或全然拒斥都不足以形成对于数字技术变迁和“人-机”互动关系的有效框架。只有引入算法素养的理念，从技术视角解剖新兴传播媒介和数字应用的底层技术逻辑与现实技术局限，才能够真正将技术纳入社会有机体的结构中得以应用。
从这个角度来看，从媒介素养到算法素养的理念演进背后，投射的是从传统媒介单向度的信息“中介”到智能媒介时代技术嵌入的互动“平台”的结构性变化。AIGC所催生的人工智能写作引发了信息检索和内容生产领域的生态转型，教育界也需要对此展开积极的应对。立足于算法素养的培养理念，能够将用户的信息接触能力、阅读能力、选择能力、批判能力和使用能力转型为人工智能技术对话基础上的信息生成能力、信息研判能力和信息转化能力，从而让人工智能写作真正有效地服务于个体的学习与成长。
ChatGPT的创始人山姆·阿尔特曼在接受采访时表示，ChatGPT将取代大多数白领的日常工作，但也会因此催生一批新的工作形态。由此可见，算法和人工智能写作正在为人类社会提供一种新的机遇和形态，但算法素养的培养是帮助个体进入这种新社会形态的敲门砖。ChatGPT的兴起与算法素养教育相辅相成，构成了智能传播语境下个体与技术协同演进的路径与先声。
【本文为2021年清华大学本科教育教学改革项目“通识写作课问题意识的教学路径与效果探析”（编号：ZY01_01）；清华大学写作中心教改三期“融合互动教学的媒介逻辑与教学设计探索”（编号：xzjg2022-6）阶段性成果】
本文引用格式参考：
王沛楠.人工智能写作与算法素养教育的兴起——以ChatGPT为例[J].青年记者,2023(05):94-96.
特别声明：本文为人民日报新媒体平台“人民号”作者上传并发布，仅代表作者观点。人民日报提供信息发布平台。
分享到：0写下你的评论
评论热门评论{{item.app_user_name}}{{item.news_timestamp}}{{item.like_num}}赞{{item.content}}
最新评论{{item.app_user_name}}{{item.news_timestamp}}{{item.like_num}}赞{{++index}}{{cell.app_user_name}}{{cell.news_timestamp}}{{cell.like_num}}赞{{cell.content}}
{{item.content}}
已加载全部内容人工智能时代中小学生智能素养框架构建及其培养机制探讨
1.国内人工智能课程解析
2003年我国就在《普通高中技术课程标准（实验）》中提到了把“人工智能初步”列入信息技术科目的选修模块中，最近几年人工智能教育更加引起教育部门和学者的重视。2017年，北京市海淀区率先开设了人工智能课程，并制定了小学、初中、高中三级培养目标框架和相应的课程内容[8]；2018年4月华东师范大学联合商汤科技编写出国内第一本高中人工智能教材；2018年7月西北师范大学和科大讯飞共同发布了全球首本初中版人工智能教材。但是由于缺少统一的人工智能课程标准，学者们对于人工智能教育的目标和内容众说纷纭。王本陆等人结合人工智能的特点和未来职业的发展趋势，指出创造力、人文素养和计算思维将成为人工智能时代人才所需的核心能力[9]，但是人工智能的实现是以编程为基础的，人工智能教育应该更加注重编程能力的培养。陈凯泉等人把人工智能教育目标定位于培养学生的编程能力与计算思维、让学生了解人工智能技术、能运用人工智能解决简单的实际问题[10]；艾伦同样认为中小学人工智能教育目标应该是培养学生在人工智能程序设计方面的技能[11]。在课程内容方面，国内很多学者都提议把人工智能课程分为小学、初中、高中三个层次，让学生接受系统的人工智能教育。
2.国外人工智能课程解析
日本自2016年就开始展开人工智能教育，目标是帮助儿童建立这个时代需要的“人工智能思维”，对于“人工智能思维”这个概念，斯坦福大学的蒋里博士认为它有三大核心，分别是让孩子了解、掌握人工智能的基本原理，让孩子拥有区分人的智能和人工智能的能力，以及培养孩子与人工智能协作的能力[12]。卡耐基梅隆大学的图雷茨基（Touretzky）教授曾提出学生必须知道的五个人工智能大概念：计算机利用传感器感知世界、智能体用模型进行推理、计算机能从数据中学习、让智能体与人类舒服地交互是一个大挑战、人工智能是一把双刃剑，根据这五大概念他开发了人工智能课程，该课程使用Cozmo机器人来培养学生的智能素养[13]。而在欧洲，芬兰、瑞典等国也在大学的支持下开展面向全民的人工智能教育项目，以此来培养学生和劳动者的智能素养。从以上内容不难看出，目前各国的人工智能教育均有一定的发展，对人工智能课程的目标和内容有不同的看法和理解，但总体来说，课程的内容都把培养人工智能态度和意识、发展人工智能知识和技能、培养相关的思维包括在内，这也为构建智能素养框架提供了思路。
二、智能素养的内涵与框架
（一）智能素养的内涵
从字面意思来看，智能素养和信息素养一样是对人提出的要求，而人已经具有了智能，因此有学者认为对人提出智能素养或人工智能素养是不准确的[14]。但是从内涵来看，智能素养并不仅仅是要求人具有智能，更重要的是拥有了解智能、应用智能、开发智能的能力。在人工智能时代，人们首先要具有使用人工智能的意识、知晓相关的伦理道德，之后才能进一步学习人工智能知识和技能，进而产生创新想法，所以在构建智能素养时要从多方面全面考虑。
（二）智能素养的框架
从某种程度上来说智能素养与数据素养是类似的，本文参考郝媛玲等人提出的数据素养基本要素[15]，结合人工智能时代人才培养的要求以及人工智能课程的内容，从智能意识、智能态度、智能伦理、智能知识、智能技能、智能思维、智能创新等七个维度构建了智能素养金字塔模型（如图1所示）。
第一层是意识态度层，包括智能意识、智能态度和智能伦理，这一层是智能素养的基础，也是人工智能教育的基本要求。在人工智能时代，拥有智能意识是学生形成正确人工智能观的前提，智能态度和智能伦理是学生正确使用人工智能的保证。
第二层是知识技能层，包括智能知识和智能技能，这一层是智能素养的重要部分，也是人工智能教育的主要内容。智能知识包括人工智能的概念、相关技术、基本原理、发展简史等，智能技能以利用人工智能解决实际问题、使用编程工具开发人工智能作品为主。
第三层是核心思维层，主要由以计算思维为主的多种思维构成，这一层是智能素养的核心，也是人工智能教育的核心。计算思维是应用计算工具来理解、推理自然系统和人工系统的过程，它包括逻辑思考能力、算法思考能力、递归思考能力以及抽象思考能力。人工智能的发展是建立在计算机科学的基础上的，开发实用的人工智能产品离不开良好的计算思维，所以培养学生的计算思维是发展智能素养的核心环节。
第四层是创新创意层，这一层是智能素养的最高表现形式，是人工智能教育的最终目标。人工智能强大的计算能力和重复劳动能力决定了未来重复劳动和依靠人力计算的岗位将会被人工智能取代，只有那些具有创造性的工作依然由人类掌握，因此培养学生的智能创新能力就显得至关重要。
目前国内已有的人工智能课程对不同学段的学生有不同的要求，本文在参照这些课程目标的基础上摆脱了学段的限制，从易到难将智能素养分为初级、中级、高级三个不同的阶段（如图2所示）。
1.初级智能素养
初级智能素养包括智能意识、智能态度、智能伦理、智能知识和智能技能，在这一阶段学生不需要培养智能思维和智能创新，主要以感受、了解人工智能为主。具体要求如表1所示。
具备初级智能素养是学生适应人工智能时代的基本保证。人工智能的发展意味着未来会有越来越多的人工智能产品进入人们的生活，如果对人工智能持有怀疑或抵触的态度、无法熟练使用人工智能产品，将会难以适应迅速发展的人工智能时代。
2.中级智能素养
中级智能素养包括智能意识、智能态度、智能伦理、智能知识、智能技能、智能思维和智能创新。在这一阶段，学生要亲身体验人工智能，能利用人工智能解决生活中的简单问题。具体要求如表2所示。
与初级智能素养相比，中级智能素养的不同之处在于“主动”和“实践”。“主动”体现在学生要主动了解、体验新的人工智能产品，关注人工智能发展趋势和相关安全问题；“实践”体现在学生要能利用人工智能解决简单问题，能使用编程工具开发简单的人工智能作品，能结合人工智能提出创新想法和创新解决方案。
大部分人工智能产品都是各部分相互联系、相互制约的系统，人工智能的实现也离不开丰富、有意义的数据支持，因此中级智能素养要求学生了解数据对于人工智能的重要性，并且具备系统工程的意识和概念。智能技能的实现需要人工智能知识的支撑，学生在了解人工智能基本概念的基础上还要了解相关技术的基本原理才能更好地开发人工智能作品、解决学习和生活中的问题。
3.高级智能素养
在高级智能素养阶段学生进入到创新层面，要学会利用开放的人工智能API和SDK，通过编程开发实用的人工智能产品来解决学习和生活中的实际问题。具体要求如表3所示。
随着人工智能的不断进步，人机协同工作将会越来越普遍，学生必须形成人机协同的意识以应对将要发生的变化。尽管人工智能给人们生活带来很多便利，但任何事物都有两面性，学生需要批判性地看待、分析人工智能相关技术和产品，不能盲目崇拜或抵制人工智能。
思维是智能素养的核心，在高级智能素养阶段，学生首先要完成从数据意识、系统工程意识向数据思维、系统工程思维的转变，强化对数据和系统的认识。在知识方面，除了掌握人工智能相关技术的基本原理，学生还需要掌握机器学习的常用算法和应用场景。有了思维和知识作为基础，开发实用的人工智能产品、提出创新想法和创新解决方案就会更加得心应手。在中级智能素养阶段，学生提出解决方案时只要能实现预期功能即可，不需要过多地考虑实现难度、工作效率等问题，而到了高级智能素养阶段，学生要把自己看作是一名开发者，选择最合适最有效的技术来达到预期的功能。
三、中小学生智能素养培养机制的构建路径
我国人工智能教育起步并不晚，但是与欧美发达国家相比，编程教育和STEM教育的渗透率还远远不够[16]。由于缺少专门的基础教育人工智能课程标准，目前的课程基本由人工智能教育组织根据自己的理解独立开发，这也导致了部分人工智能课程的内容不适合基础教育，但是智能素养的培养不能仅靠企业以及学校教育，更需要国家、学校、企业三方相互配合，因此本文从这三个角度对中小学生智能素养的培养策略进行探讨。
（一）国家层面
在国家层面，教育部门要根据实际情况制定适合中小学生认知水平的人工智能课程标准，指导中小学开设相应的人工智能课程。我国在2017年公布了《普通高中信息技术课程标准（2017版）》，其中将“人工智能初步”列为选择性必修内容，制定了详细的教学内容标准，这仅仅是在高中阶段把人工智能的一部分内容以信息技术课程的形式呈现给学生，并不是一门独立的课程。在小学和初中阶段，学生主要通过课外培训机构接触编程或人工智能，但是目前人工智能教育培训机构良莠不齐，有些为了抢占市场在课程里加入很多本科生都难以理解的内容，没有遵循中小学生的认知发展规律，因此，国家教育部门有必要从我国国情以及基础教育的特点出发，制定中小学人工智能课程标准，规范人工智能教育培训市场。
（二）学校层面
未来人工智能会进一步与生产生活融合，应用、调试、维护人工智能设备将成为学生必备的知识和技能。学校是开展人工智能教育的主要场所，学校在培养学生智能素养时不能仅仅只让学生了解人工智能相关的理论知识，更重要的是让学生通过动手操作亲身体验人工智能。对于中小学生来说，具有跨学科、趣味性、体验性、情境性、协作性、设计性、艺术性、实证性和技术增强性[17]的STEM教育是培养学生智能素养很好的选择。因此学校应该把人工智能的内容从信息技术课程中分离出来，以创客课程的形式呈现给学生，让学生通过具体的项目体验人工智能的魅力。
教师是普及人工智能教育的主要力量。人工智能课程可能会涉及计算机、数学、设计、机械、人文等多门学科的知识，对于绝大部分教师来说掌握大量跨学科的知识和技能并不简单，因此很多中小学都面临着STEM教育和人工智能教育师资不足的困境。此外，个别学校人工智能实践设备的相对不足和人工智能学习平台的相对缺乏也限制了人工智能教育在中小学的推进。为此，学校有必要加大在人工智能教育方面的投入，购买相关设备和学习资源，组织教师参加人工智能培训和STEM教育培训，邀请人工智能领域专家来校开展主题讲座。
（三）企业层面
据亿欧智库统计，截至2018年上半年,全球共有4998家人工智能技术企业，其中中国大陆有1040家，位居世界第二[18]。扎实的技术支持能为人工智能教育提供可靠的保障，人工智能企业应该充分发挥自己在技术方面的优势，与学校合作开发人工智能学习平台和人工智能教材，弥补在课程开发和教材编写方面的不足。目前，国内的商汤科技和科大讯飞分别与华东师范大学、西北师范大学合作编写了高中版、初中版人工智能教材，并开发了配套的人工智能学习平台；英伟达与美国的ECS（ExploringComputerScience）项目合作开发出高中人工智能拓展课程，同时开发了供学生建立、训练、测试人工智能系统的学习平台[19]。校企合作的方式能最大程度地提高智能素养培养的质量，有利于国家人工智能产业的发展。
四、结语
近年来，国家通过多个文件把发展人工智能提升到战略性的高度。目前学术界对于智能素养的概念尚未有统一的界定，大多数人工智能教育的课程仍处于探索阶段，智能素养评价标准框架尚需进一步完善，未来很多问题还有待进一步研究。
[3]汪明.基于核心素养的学生智能素养构建及其培育[J].当代教育科学，2018(2)：83-85.
[4]赵飞龙，钟锟，刘敏.人工智能科普教育探究：以初中“语音合成”课为例[J].现代教育技术，2018，28(5)：5-11.
[5]周邵锦，王帆.K-12人工智能教育的逻辑思考：学生智慧生成之路：兼论K-12人工智能教材[J].现代教育技术，2019，29(4)：12-18.
[7]LYONSA,KASS-HAMAJ,ZUCCHETTIA,etal.LeavingNoOneBehind:MeasuringtheMultidimensionalityofDigitalLiteracyintheAgeofAIandotherTransformativeTechnologies[R].Japan:ThinkJapan,2019.
[8]马涛，赵峰，王有学，等.海淀区中小学人工智能教育发展之路[J].中国电化教育，2019(5)：128-132.
[9]王本陆，千京龙，卢亿雷，等.简论中小学人工智能课程的建构[J].教育研究与实验，2018(4)：37-43.
[10]陈凯泉，何瑶，仲国强.人工智能视域下的信息素养内涵转型及AI教育目标定位：兼论基础教育阶段AI课程与教学实施路径[J].远程教育杂志，2018，36(1)：61-71.
[11]艾伦.中小学人工智能课程定位分析[J].中国现代教育装备，2017(20)：1-5.
[13]MARTINESJ.PennsylvaniaMiddleSchoolerstoStartAICurriculumThisFall[EB/OL].(2018-07-27)[2020-05-28].https://www.govtech.com/education/k-12/Pennsylvania-Middle-Schoolers-to-Start-AI-Curriculum-This-Fall.html.
[14]艾伦.做智能化社会的合格公民：探讨智能化时代人工智能教育的核心素养[J].中国现代教育装备，2018(8)：1-14.
[15]郝媛玲，沈婷婷.数据素养及其培养机制的构建与策略思考[J].情报理论与实践，2016，39(1)：58-63.
[17]余胜泉，胡翔.STEM教育理念与跨学科整合模式[J].开放教育研究，2015，21(4)：13-22.
[18]亿欧智库.2019全球人工智能教育行业研究报告[DB/OL].(2019-10-03)[2020-05-28].https://www.iyiou.com/intelligence/download?id=645.
[19]ECS.ArtificialIntelligenceAlternateCurriculumUnit[DB/OL].(2019-10-03)[2020-05-28].http://www.exploringcs.org/wp-content/uploads/2019/09/AI-Unit-9-16-19.pdf.
侯贺中（1993—），男，山东滕州人，硕士研究生，研究方向为创客教育、信息技术教育；
王永固（1976—），男，山东日照人，博士，教授，硕士生导师，研究方向为学习科学与技术、互联网+教育教学创新。返回搜狐，查看更多
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）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”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年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。人工智能概念在1956年首次被提出后，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、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：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了低谷。
三是应用发展期：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，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：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：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及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，这些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（GraphicsProcessingUnit，简称GPU）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，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）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。面向特定领域的人工智能技术（即专用人工智能）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，因此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，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗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，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）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。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。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。
（三）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，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI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，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，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%。
（四）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（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的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AI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GPU服务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。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，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发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，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都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，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。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《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。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）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7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。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。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的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：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（非常费时费力）、用户需要人工适配智能系统等。因此已有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AI”。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AI人员成本。
（四）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、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）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十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，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）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》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。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。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。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》重点推动物联网建设和人工智能的应用。世界军事强国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》报告即提出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。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，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，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。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。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，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。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《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，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、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。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS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。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，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。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南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（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、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较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。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，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI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。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。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。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在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、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。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。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，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。因此发展人工智能不能以短期牟利为目的，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，并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。
（二）加强基础扎实的原创研究。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。在此发展的临界点，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。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，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。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。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，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，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，如军民融合、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。
另外，我们需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，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，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将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。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、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；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）