许成钢：人工智能、工业革命与制度
此外，在关于人工智能和制度的辩论中，有一种重要观点：人工智能可能是新一代计划经济的技术基础。例如，人工智能很重要的一个应用是在金融领域。如果机器可以决定投资，那是否意味着部分计划经济？这涉及一个非常重要的基本问题：机器收集和处理的信息来源是什么？计划什么是有效率的？计划什么是低效率的？计划的界限在哪里？
下面我首先要解释，中国发展人工智能面临的最重要问题是制度，而不是一揽子技术问题。因为国民经济的整体状态的重要性超过一两项技术是不是全球领先。为了讨论这个问题，让我们先来看一些数据。
2016年麦肯锡做了一次调研，发现中国的劳动生产率仅为经合组织（OECD）国家平均值的15%—30%，也就是说中国的劳动生产率比发达国家低很多倍。这意味着中国普遍较为落后。这不是在最前沿的个别领域上领先能自动解决的问题。
以上我们看到的是劳动生产率低下。在比较完善的市场经济中，低劳动生产率伴随着低劳动力成本。但是，许多文献表明，中国的劳动力成本反常地高。经济学人智库的分析显示，2016年中国单位劳动力成本高于美国和西欧。牛津经济研究院的调研结果表明，2016年中国劳动力成本仅比美国低4%。另一个计算方式是按照单位劳动生产率，也就是说，如果我们在中国和美国制造同样的产品，中国的劳动力成本比美国贵。
劳动力成本非常贵，是不是意味着中国的工人拿钱太多了呢？并非如此。中国的家庭收入只占中国GDP的三分之一略强，为世界最低之一。世界上大多数其他国家，家庭收入占本国GDP的比例在一半以上。换言之，中国的工人并没有拿钱太多。
劳动力这么贵，工人却没多拿钱，成本压在企业身上，企业也没拿到，因此是国家拿走了。政府的财政收入增长率连续二十多年超过GDP增长率，如今仍然如此。所以，政府收入占本国GDP的份额是世界最高之一，这导致劳动者和企业承担了巨大的制度成本。
此外，在中国，由于制度原因，最盈利的行业是银行、房地产，而不是与研发密切相关的行业。作为对比，在美国，最盈利的行业是与研发密切相关的行业。
因此，不解决制度问题，仅仅把力量集中在最前沿技术的所谓产业升级上，即便在个别产品个别行业得到产业升级的结果，也解决不了普遍的经济问题。而且，即便是专门讨论产业升级，在不解决制度问题的前提下，也只能解决个别产品问题。
工业革命的负面教训
一个流行的看法是，大数据和人工智能在引领下一轮工业革命。这一看法是有道理的。在人类历史上，国家之间拉开巨大的距离产生于工业革命。新一轮工业革命会进一步拉开国家之间的距离。
但是，工业革命的影响并非在所有方面都是正面的。我们也需要非常冷静地回顾过去历次工业革命带来的负面教训，这些教训都来自对新技术的滥用和高估。与过去的工业革命相关的最大负面教训，就是大规模的国有制和中央计划经济。这个想法最早产生于两次工业革命的过程。一些极左翼知识分子误认为人类有能力认识一切，误认为人类有能力掌控社会所有的方方面面，进而误认为人类有能力知道所有人的福利是什么，有能力安排所有人的福利，有能力帮助人类安排所有的技术变化和生产。因此，以私有制为基础的市场经济最终会也必须被以国有制为基础的中央计划取代。以国有制为基础的中央计划经济影响了全球三分之一的人口。虽然过去80年里，技术和市场的运作发生了翻天覆地的变化，哈耶克在20世纪三四十年代的相关讨论仍然有效。
与工业革命相伴随的对技术的滥用和误解还有另一个重大负面作用，那就是对环境的破坏。举两个例子：第一个例子是巨大的水利工程。人们以为自己有全部的能力规划河道、湖泊、陆地，可以通过建坝的方式建造前所未有的巨大人工湖，直到发生一系列灾难性后果，才意识到有大量事情是无法计划和规划的。二三十年前，国与国之间达成共识，对建造大坝极其谨慎，原则上不支持建造巨型大坝。任何大坝在建设之前，第一重要的是评价它们对环境的影响。
第二个例子是，碳排放导致全球变暖。这是过去历次工业革命、技术发展、经济发展完全没有意识到的问题。
现在大数据和人工智能来了，我们应当吸取以前的教训，关注滥用大数据、滥用人工智能带来的危险。当前，有一些科学家已经发出警告，但是他们大部分讨论的是基本的道德问题，机器人会不会残杀人类，我更想强调的是另外一类问题：技术与制度的关系，市场和计划之间的关系。
当人们误认为科学技术万能，误认为某种万能的技术可以取代甚至颠覆人类文明千年积累下来的制度和人们对制度的认识，灾难就会接踵而至。比如一些政府或者垄断性的大公司，试图利用他们掌握的大数据控制社会、取代市场，这不仅会从根本上阻碍技术进步，更可能给社会带来巨大灾难。
大数据、人工智能作为新兴工业革命的基础
在没有能力处理的情况下，大数据本身并没有太大的重要性，其重要性在于它是一部分人工智能发展的基础。除了中国、美国以及俄罗斯政府外，世界上几乎所有的发达国家也都高度关注人工智能的发展，其原因就是现在各国政府已经清楚地意识到，人工智能是一场全新的、目前处在起步阶段的第四次工业革命的基础或者核心部分。这场工业革命引发的后果包括无人工厂、无人服务，可能是前所未有的超高效率，同时也可能引发大量失业。
在前三次工业革命中，人类最重要的资源是原材料，是能源，也就是地球上的自然资源。随着人工智能的发展，大数据开始变成了一种基本资源。一大类的人工智能用数据训练机器。因此，有数据才有训练，才有智能；没有数据就没有训练，就没有智能。数据越多，量越大，资源也就越大。于是，大数据逐渐成为和原材料、能源并列的基本资源，但是这一资源本质上不同于其他的基本资源。在此之前的资源大多是天然的，而大数据是人造的，自然资源越用越少，数据却越用越多。
人造的资源就意味着这一资源的性质、质量和数量都取决于其被制造的环境，尤其是相关的制度安排。例如，在许多意见不能表达的制度下，大数据的性质就是这些表达的缺失。而在意见能自由表达的制度下，收集到的就是所有意见表达的数据。比如“大跃进”时期大饥荒产生的一个基本原因就是信息无法传递，这不是技术问题，而是制度问题。所以，大数据不仅受制度约束，更取决于制度。
在人工智能中，所谓智能的核心部分是算法。早在20世纪50年代，科学家就开始了这方面的探索。“人工智能”这个词、算法和其他想法，甚至一些指导性意见是几个创始人在1956年的一次会议上确定下来的。其中，重要的奠基人之一是经济学家赫伯特·西蒙教授（1916—2001），1978年诺贝尔经济学奖得主，他既是经济学教授，也是计算机和心理学教授。确切地说，人工智能从诞生之日起，就是这三个领域的联合产物。
在各种算法当中，如今应用方面发展得最突出的，是所谓的人工神经模型。这种模型使机器可以在人的指导下学习，包括所谓的深度学习。人工智能另外一个普遍使用和探索的方法是统计算法。无论使用深度学习还是统计算法，都必须有大量的数据。这就是为什么大数据是人工智能的基础。
人工智能的第二个基础是计算能力。在过去的半个世纪里，计算速度和存储能力基本上每两年提高一倍。现在，超强的计算能力使得无论基于哪一种算法的人工智能，在某些领域里机器都可以超过人类，而且远远超过人类。
以上概括了为什么人工智能的基础是大数据。那么，大数据本身的技术基础是什么？这是一个关键问题，因为弄清楚大数据的技术基础，能帮助我们了解人工智能可以做什么、不可以做什么的界限。
大数据的核心是收集、传输、存储和处理所有可度量的数据。度量的技术基础是传感器（包括录音机、摄像机等）和移动设备。通过这些设备检测到具体数据，通过互联网、物联网传送和集中，形成大数据。这里，传感器的“可度量”是大数据的关键所在，它决定了人工智能可以做什么、不可以做什么。另一类大数据是利用历史上积累的大量文献，其中包括各个学科积累的文献，比如图书馆里的文字、图形、音频、视频记录，供机器学习分析。
所有可以通过传感器和移动设备度量的数据，都可以收集、传输和存储，但可度量是非常重要的技术条件。任何不可度量的对象，都无法变成数据，机器也就无法处理。
在应用方面，目前人们认为最有前途的是所谓深度学习，用大数据训练机器，让它产生识别、推理和规划的能力。实际上，从开始创造人工智能学科起，人工智能就包括规划。在英语里，规划和计划是同一个单词planning。从事工程的人和其他非经济学者，往往会把这两个概念混作一团，把规划的概念混作为计划经济。
人工智能就是用机器模仿人的推理和规划，在科学领域里，研究人的推理和规划的学科叫作决策理论（decisiontheory），它在很大程度上是经济学的一个部分。从这个角度讲，人工智能和经济学讨论的对象是相似的。但是，经济学讨论的是人的推理和规划，人工智能讨论的是让机器模仿人的推理和规划。
人工智能和大数据的科学技术基础
所谓深度学习是一种算法。这种算法从刚一产生就和经济学的决策理论紧密联系在一起。首先，设计者要为人工智能或者机器人规定其目标，在经济学和人工智能里都称之为目标函数，也就是机器人要干什么，“活”在世上图什么。从分析的角度看，在追求其自身的“目标”方面，机器人与经济学家讨论的自然人的行为相似，都是在一系列约束条件下，寻找并执行达到其目标最大化的途径。
为了认清人工智能，我们必须区分人的智能和人工智能。我们必须清楚地知道，关于人的智能，经济学家对此的认识极其有限。这本身就决定人工智能的界限。经济学家可以把人的目标抽象地写成某个函数，但并不真的知道人的真实具体目标是什么，什么因素影响其目标。比如，人的目标是为了愉快或者满意。但是否满意，多么满意，什么因素影响了满意的程度，这些只有每个人自己知道，经济学家不知道，任何计划者也不知道。因此，对于经济问题，人们通过市场可以找到使自己满意的安排。相反，在没有市场的计划经济里，由于无法得知人们的基本信息，也就无法设计出使人们满意的结果。因此，哈耶克的推理完全没有过时。对于任何能运作的机器人，设计者必须确切规定机器人的目标。表面上看人们对机器人的目标知道得很确切，实际上，这个“知道得很确切”本身就意味着机器人与自然人的基本差距。
此外，人的智能产生于人的生理和心理感知，以及人收集的信息。早在20世纪50年代，赫伯特·西蒙教授在讨论人工智能时，就提出了“识别”这个概念，它是今天人工智能的核心。早在那个时代，人们就已经把识别区分为“冷识别”和“热识别”，并有过激烈的辩论。所谓“冷识别”就是机器能够识别的，而所谓“热识别”是人带着感情的识别，是机器学不来的。另一对相关的基本概念是硬数据和软数据。所有可度量可传递的数据就是硬数据。和硬数据对立的是软数据，即无法用机器度量、无法传递的数据。当我们讨论人工智能是基于大数据训练出来的时候，必须要知道存在热识别问题和软数据问题。
另一个问题是，人的智能里有一个基本部分——直觉。直觉是基于人对硬数据和软数据、冷识别和热识别的综合，以及经济学家无法确切描述的目标而产生出来的一种高度抽象的、非逻辑的理解。它依赖的数据不但不可度量、不可传递，而且如爱因斯坦所述，直觉本身是无法描述的。
可见，人的智能和人工智能之间有一道鸿沟：人工智能的基础是人造的确切目标，依赖的是可度量、可描述、可传递的数据。但生物科学告诉我们，有一系列的人的生理感知是无法度量的，比如嗅觉、味觉、性欲，等等。在没有数据的领域，人工智能的界限清楚可见。
下面让我举一个简单的例子，嗅觉。酒是一个大产业，好的品酒师很贵。而且，可靠的品酒需要请一群品酒师。为什么？因为我们无法度量每个人的舌头对酒的感觉是什么。生物科学的原理告诉我们，嗅觉无法度量，即传感器做不出来。跟嗅觉的道理相似，气味也是无法度量的，也无法制造气味的传感器。此外，人的最基本欲望之一——性欲，在科学上，其程度也是不可度量的。所以，科学决定了人工智能或机器人只能是没有嗅觉、味觉，没有性欲的，也就是说，一定没有人的最基本的欲望和最基本的感觉。
除了上述的一部分直接的生理内容，还有大量的心理感觉，它们更复杂，而且都不能度量，比如喜爱、喜悦、厌烦、痛苦、抑郁、贪婪、野心，从好到坏，从有趣到无趣，等等。在生理和心理内容不能度量的情况下，机器人只能通过收集的数据，在某些方面模仿或推测人在一定场景下的偏好，这与人的真实偏好存在质的差别。
如上所述，在无法靠度量得到人类偏好的原始数据时，对人工智能的社会训练通常使用的方法是借助文字刻画某些方面的数据的内容，或者观察某个行为，比如把人们在各种情况下的行为录下来，然后用机器识别各种各样的人类行为。运用这样的方法，今天我们看到，在一些具体领域里，机器人呈现出令人吃惊的模仿和推测能力。但是这些“学习”来的模仿和推测是有局限的、静态的，学习的是过去。只要场景变化，这些模仿和推测都会失效。
总之，深度学习最终很难涉及人类智能的原始基本要素，因为人类大量的基本感知无法度量。而没有这些基本感知，机器就不可能通过学习产生和人相似的感觉。到目前为止，设计任何人工智能的机器设备或者机器人，第一重要的是它的目的是什么。由于上述原因，机器人的目的无法通过深度学习获得，而只能由设计它的人分配给它。这个目的在技术上被称为目标函数。
换言之，迄今为止机器人只能是由设计者为它设置有限范围的目标函数，而设置的目标函数必须定义很窄，而且限于短期和静态。经济学和社会科学告诉我们，人们在科学上无法确切描述人的普遍目标。因为人类无法确知面对不同事情不同场景时的目标变化。于是，人们无法为机器规定普遍的目标函数。同时，因为机器人没有人的基本感知。于是，人们也无法指导人工智能，通过学习产生与人相似的普遍的目标函数。总之，设计者分配给机器的目标函数不是人的普遍目标，也不能代替人的目标函数。人们可能会以为，人工智能或机器人可以读报纸，读杂志，读手机上的微信，并据此进行推测。但是，大数据和人工智能能够达到的水平是受到其依赖的科学原理限制的。哪怕是在一个完全自由、开放、安全的社会里，人类的文字表达和语言表达也只是人类复杂的方方面面感觉的一个部分。从文字、语言、图像的大数据里推断出来的内容，是片面的，有歧义的，依赖于特定场景的。
人工智能创始人、诺贝尔经济学奖得主西蒙当年提出了“有限理性”这个概念。这是至今影响经济学发展的最基本概念之一。“有限理性”承认人的认识和推理的片面性、不完备性，甚至自相矛盾。有限理性决定了机器人执行人分配给它的目标函数，不可能比自然人做得更好。
总之，由于感知的不可度量性，我们没有办法训练机器人本身产生它自身的偏好或动态的目标函数。同时由于有限理性，我们也无法为机器设定普遍的目标函数。所以，深度学习的人工智能只限于模仿人在已知环境（场景）里的行为。因为它赖以学习的是已知环境中收集的数据，一旦脱离了训练它的环境，没有原始动力的人工智能就丧失了基本能力。
人工智能革命将集中在可明确规定目标的任务方面
一旦有了清楚规定的目标，通过机器学习，人工智能的计算和存储能力可以大大超过人类。比如下棋，无论多复杂的棋，目标都很简单，就是赢对方。与此相似，开车、开飞机、开船，目标都同样简单，就是安全到达目的地。为此，需要知道目的地，需要知道路线，不能撞人，等等。还有，根据规定的目标，设计机器人制造产品，包括成体系地制造产品，达到制造业的全面自动化。当工厂里只需要很少的人或者没有人时，经济学和管理学讨论的企业内部的激励机制问题就消失了，因为激励机制问题是人的问题，而机器没有自己的激励机制问题。就此而言，这会是一场真正的革命。
在一些领域实现部分或全面自动化时，一些职业可能被人工智能代替。其中包括助教、助研、金融分析助理、医生助理、律师助理、军事助理，等等。最近几年美国的许多机构做过许多有趣的实验。例如，在美国很好的大学里，IBM的机器人“沃森”（Watson）与真人一起做同一门课程的经济学助教。在只用网上辅导和回答问题的条件下，一个学期之后，学生分不出哪个是真人助教哪个是机器人助教。机器人助教与真人助教相似，可以聊天、开玩笑、解题等，但是面对真正的挑战性问题时，它必须依赖教授决定。也就是说，大主意还需要人拿。
依据已经取得的成就，最乐观的预测是人工智能最终可能基本可以自动进行规划和执行企业与军事方面的多数任务。其中企业方面包括制造业、服务业、物流业，等等。在军事方面，俄罗斯总统普京曾说将来的空战将被无人的机器统治。他说的可能是对的，因为空战的目标具体、简单，与下棋极其相似。
但是，人工智能不能做的是什么呢？国民经济以及超出企业的经济任务它不能做。原因在于，无人企业的目标简单，就是利润。但是，国民经济的目标函数是国民福利。利润与国民福利有本质不同。与之相似，军事任务的目标简单，就是打胜仗；而经济任务的目标是追求国民福利，这两者本质上不同。
国民经济不仅仅是工厂，也不仅仅是提供服务。国民经济是满足每一个人的需求。经济学上讲的术语福利，指的是社会上所有个人的利益的总和。上文已论证，人工智能的机器人无法知道社会上所有人的利益是怎么回事。所以，面对人和人之间的关系时，需要人来解决。人可以用机器帮助分析，但机器不能解决人之间的问题。
有人说现在大数据如此发达，它把每一个人的情况都摸透了，每一个消费者的情况都摸透了，用如此发达的大数据是不是就可以帮助我们知道社会福利函数，从而建立一个前所未有的新式计划经济？既然摸透了所有人的利益，可以做出完美的计划，市场经济的各种弊病也就能解决了。但是，这样的论述严重地自相矛盾。
消灭市场就破坏了人工智能计划经济赖以工作的基础
上文在讨论人工智能的时候，已经谈到，使人工智能可以工作的第一步是收集和处理数据。数据从哪里来？是从市场上收集来的。如果把市场消灭了，数据来源也就不复存在了。如果从今天起，把全世界的技术冻结，只重复生产以前生产过的产品，在这个背景下，用计划经济解决生产和分配问题，是可以做到的。但是，我们现在讨论的是技术不断变化的世界，是不断有新产品发明的社会。在此条件下，如果机器人取代了市场，就意味着社会从此进入了静态。任何高度集权的机器都不可能跳过市场，仅凭人工智能掌握消费者对新产品的需求行为。也就是说，消灭市场的那一天就是消灭数据的那一天。这意味着，试图用人工智能建立计划经济与人工智能得以发展的基础自相矛盾。
所谓高度集权的机器是指搜集一切数据的政府或大公司，比如阿里巴巴、腾讯收集的消费者在市场上的选择行为数据。在市场制度下，基于这些数据的人工智能将大显身手，会帮助市场有效运作。但必须注意的是，在市场收集到的消费者行为数据离开市场即失效。消灭了市场，这些数据就不再反映消费者需求，除非技术、商业都不再变化。因此消灭或削弱市场就破坏了人工智能赖以工作的基础。人的需求产生于人的生理和心理感知。实际上，任何一个个人都并不事先知道自己对已有产品的需求，而是见到它以后才有反应。人的需求是高度动态和高度不确定的。因此，不可能单纯依赖收集到的大量数据，计算出将来的产品，甚至是不存在的产品的需求。离开了市场的计划，必然失败。
更重要的是，如果用人工智能的计划经济取代市场，这个经济无法解决创新问题。创新涉及严重的激励机制问题。发明者、创新者往往都是缺乏资金的人，他们的资金来自市场上的风险投资。为什么是风险投资，而不是中央计划，不是政府，不是银行，也不是证券市场？因为没有人能知道那些人的发明和创新意味着什么，没有人能承担创新带来的风险。风险资本是市场制度的一部分。此外，做风险投资的人有高度的直觉，是有观察力、有经验、有判断力的天才人物。
是否有可能训练一个机器人，通过深度学习，达到比风险投资人还要厉害的程度？这是不可能的。为什么？因为投资人做判断的时候，有大量直觉产生于人的心理，包括他自己的心理和他对企业家心理的判断。由于这类数据也属于上文提到的“软数据”，而软数据的意思就是有信息、没数据、不能表达，所以这些数据无法度量。
上文我们已经讨论过，人类的智力活动涉及大量直觉。在任何领域中，最有创造性的内容都是直觉。一个人是不是天才，关键在于有没有直觉。技术能力是可以教授、训练出来的；而直觉无法度量，无法训练教授，也无法传递。正是因为直觉无法度量，没有数据，不能表达，所以我们无法训练机器人产生直觉。试图跳过市场，想象将来的技术高度发达，可以取代市场，这是自相矛盾，根本不可能的。
离开了私有产权、市场、自由的环境，单靠人工智能无法解决创新中的激励机制问题。任何高度集权的机器都不可能跳过市场，仅凭人工智能解决创新创业中的投资问题。因为创新创业的想法产生于个人的创造性、创造能力、心理和生理感知，具有高度动态和不确定的特点，而且核心的内容不可度量（其中只有极其有限的方面可以度量，可以收集数据，比如风投、私募收集的数据，创新创业者在市场上的表现，等等）。
制度对创新的影响，在人工智能领域与在所有的创新领域一样。全球人工智能领域的人才集中产生在私有产权、市场、自由的环境中。领英发布的《全球人工智能领域人才报告》显示，截至2017年第一季度，全球人工智能领域的技术人才190万，其中中国5万（10年从业者占38.7%），美国85万（10年从业者占71.5%）。
制度深刻影响大数据、人工智能的发展
人工智能可以发展到什么程度，取决于传感器、算法和数据。但是，数据本身深受制度影响。如果制度能够充分保护人的言论自由和隐私权，人们的表达就会比较充分。但是，一旦人们知道他的隐私权不受保护，表达就会留有余地或者会自我保护。于是大量数据是得不到的，即使能得到也是不真实的。于是，同样的技术在不同场景得到的数据可以大不相同。
侵犯隐私权的主体有两大类：一类是政府，一类是具有垄断地位的大公司。我们知道美国联邦政府出于反恐的需要从谷歌和苹果拿数据，但这两家公司坚决抵制。如果站在反恐的一面，你会认为这两家公司没有道理，但是它们坚持的是最基本原则，关系到全社会对使用数据和信息的态度。站在公司的角度，能够保护个人隐私的是好公司，将来这个行业才有可能发展。从全社会的角度来说，只有保护隐私，整个社会的运作才是正常的，这是整个社会的底线。如果政府控制了数据，那么后果就是政府与公民的关系、政府与企业的关系、政府与社会的关系全部变成另外一种情况。2018年3月下旬媒体披露，英国剑桥分析公司在2016年通过脸书盗窃和滥用五千多万个人的数据，有效地帮助了美国总统特朗普成功竞选，这一丑闻揭示大数据、人工智能是把双刃剑，可以对社会造成巨大破坏。这和过去的技术发展是把双刃剑的道理是一样的。大数据的发展不一定在所有方面都是有利于社会的，取决于谁在用，用在什么地方，用来做什么，怎么用，等等。
如果政府掌握了数据，利用它控制社会，很可能损害社会福利。另一面，如果具有垄断性质的企业控制了数据，不受限制地利用数据，也可能对社会造成巨大的伤害。
现在欧盟国家正在试图起诉并限制谷歌和脸书，原因就是担心这种垄断性质的企业拿到数据之后，会不会造成重大负面后果。因为人工智能还在发展中，如果不未雨绸缪，一旦人工智能在数据的基础上发展出对社会的重大负面应用，那么整个社会经济的竞争状态将发生变化。如果人工智能的能力集中在一两个有垄断能力的企业手里，整个社会的状态就会改变。市场经济的竞争也就不再是通常意义上的竞争了。
另一方面，人工智能的发展也深受制度的制约。人工智能可以走多远，也严重受到制度的制约。人工智能的发展会引起新一轮大规模的自动化，比如无人工厂、无人车队、无人飞机队。但是，它们会不会在社会中普遍出现？这不仅是一个纯技术问题，也是一个社会问题，更是一个制度问题。因为当它出现之后，会淘汰一大批企业，有大量的人会失业。
比尔·盖茨曾经做过有关讨论，他提出了一个有趣的想法，向机器人征税。他说把每一个机器人当成一个人，你雇用了机器人，机器人就需要付所得税，用所得税补贴给失业工人。作为一个原则，他是对的。不补贴失业者，自动化一定会引起社会冲突，导致社会混乱。
自动化不但不一定能改进社会福利，而且可能破坏社会福利。大量的人失业，严重的贫富不均，这种不平等会导致尖锐的社会矛盾。而这种不平等是因为在技术发展之后，制度没有相应地跟上。
另一方面，制度影响国家的基础科学、社会科学、人文科学。如果一个国家没有自由，基础科学发展会受到阻碍。在这种情况下，数据收集会受到约束或扭曲，科学探索包括人工智能的研究也都会受到约束。因此，任何对科学研究和教学自由的限制都会压制人工智能的发展。
政府有可能按照他自己的目的，支持人工智能发展的某一面，压制人工智能发展的另一面。政府以为这样做对人工智能有好处，但是长远来看，会严重影响人工智能的均衡发展。因为许多问题只有均衡发展的时候，才能最终得到解决。
今天中国出现的不平衡加剧，就是和政府有意支持某个学科，压制其他学科直接相关的。经济学就是一个好的例子。在改革开放早期，我们这一代人去美国留学的时候，中国实质上没有作为社会科学的经济学这门学科。我们这一代经济学者，基本上都是工程、物理、数学背景的。过去压制社会科学的做法，使得中国的政治学、经济学、社会学很落后。现在这些学科追上去了一些，但仍然很落后。
总之，制度影响大数据和人工智能的发展，同时大数据和人工智能自身的发展又影响制度。当人工智能普遍应用之后，全社会的生产方式会发生变化，资源配置也会发生变化，这反过来会影响制度。人工智能会影响全社会的效率，影响产业结构，由此影响制度。因此，任何国家，如果在大数据和人工智能方面落后，也会导致它的制度跟着更落后。返回搜狐，查看更多
以人工智能为引擎推动产业智能化发展
作者：王林辉（吉林大学商学与管理学院教授）董直庆（华东师范大学工商管理学院教授）
党的二十大报告强调，“推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎”。当前，人工智能日益成为引领新一轮科技革命和产业变革的核心技术，在制造、金融、教育、医疗和交通等领域的应用场景不断落地，极大改变了既有的生产生活方式。统计数据显示，中国2021年机器人出货量达26.8195万台，存量突破100万台，2011年后中国人工智能专利申请量高居世界首位，2020年达到46960项，这表明中国已跻身全球人工智能发展的前列，市场前景广阔。作为世界第二大经济体，我国拥有数以亿计的互联网用户以及海量大数据资源，这种大国经济特征为深化人工智能应用、加快产业智能化发展提供了丰富的数据支持和广阔的应用场景。我国门类齐全、体系完整和规模庞大的产业体系，更是为产业智能化向广度和深度发展奠定了坚实基础。展望未来，人工智能技术引领的新一轮科技革命和产业变革浪潮，将成为未来世界经济和高端制造的主导技术，更会对中国现代化产业体系建设发挥无可替代的作用。
人工智能赋能方向和产业智能化应用场景
人工智能技术可以模拟人的思维过程如归纳、推理、判断等，使机器独立或通过人机协作方式执行生产任务。在机器人参与的生产过程中，生产任务被分解成一系列连续型任务，然后通过系统集成、功能集成和网络集成统一由机器人完成。人工智能技术可嵌入技术研发、产品设计、原材料加工、中间品制造、最终品装配、产品流通与市场销售等产业链条的各个环节，全面赋能各个产业链节点，最终产生更高效的新业态与新经济模式。
基于技术高渗透性及生产任务可智能化的属性，人工智能的应用场景不断拓展。人工智能技术正在全面赋能各类行业，全方位改变传统产业的经营模式和生产业务流程，推动产业的智能化升级。在制造业领域，工业机器人可精准代替人工完成高难度、高负荷的任务，尤其是能够代替人在危险或恶劣环境中工作，目前工业机器人应用最广泛的汽车制造业已基本实现全流程智能化制造。在农业领域，智能机器人在播种、灌溉、除草和收割等农业生产中广泛应用，逐渐展现出一幅智慧农业的美好画卷。在服务业领域，智能客服机器人代替人工进行查询、咨询和业务处理等工作，在极大降低客服成本的同时也提升了服务质量。在医疗卫生行业，机器人可协助医生精准完成外科手术，快速完成数以万计影像的特征识别、标注与分析，从而提高病情诊断的效率与准确率，可以协助护理人员帮助患者恢复肢体功能。在商业方面，以人工智能为核心技术的智能化产能预测和销售系统，可以精准对接供求信息并开展智慧决策，实现以市场需求为导向的资源投入和优化决策。
人工智能技术催生新产业、重塑产业链
根据其技术属性，人工智能产业可细分为基础层、技术层和应用层三个层面。基础层主要包括芯片、传感器、云计算和大数据服务等软硬件设施及数据服务；技术层包括核心的人工智能技术诸如机器学习、计算机视觉、语音图像识别和算法理论等；应用层主要指人工智能的应用领域如智能家居、智能安防和智慧金融等。这三个层面的产业和企业相互促进，对我国的产业链进行全方位赋能。
人工智能技术通常以智能机器设备为载体，通过智能化系统实现传统生产环节的智能化改造，在替代劳动力执行生产任务的同时，也会通过创造新生产任务催生相关的新职业和新产业。具体而言，人工智能技术的应用会促进企业突破既有生产边界，向产业链上游延伸或向下游拓展，推动终端设备、产品及服务的智能化，加快技术成果的产业化和商业化，不断衍生出新的行业或新的产品，诸如无人驾驶、无人零售、智能家居等。新产品新产业的涌现，必然会催生大量新的职业。2020年2月25日，人力资源和社会保障部与国家市场监管总局、国家统计局便联合向社会发布了智能制造工程技术人员、工业互联网工程技术人员、虚拟现实工程技术人员、人工智能训练师等新职业。此外，人工智能技术结合互联网、大数据等数字技术不断催生新行业的同时，也不断淘汰旧行业，引发新旧行业更替，从而重塑现有产业格局。
人工智能技术可以促进产业链纵向延伸，不断加大产业链长度，进而实现产业链重构；人工智能技术可以促进产业链的横向拓展，拓宽产业链的宽度并形成产业集群；人工智能技术可以结合大数据和互联网等数字技术，不断提升产业链的内部关联性与外部协同性，从而全面优化产业链，形成产业链新格局。智能化系统的应用能促使互补型企业更好地关联起来，通过企业合并、重组或集群化发展实现产业链横向拓展；智能化系统的应用能接通散落于不同空间产业链的断环或孤环，形成新的产业链环，增加产业链的整体附加值和韧性，有效提高产业链抵御外部风险的能力。当然，人工智能技术也会打破产业链空间稳态，使一些企业摆脱地理区位和传统生产要素的约束，并通过进退与转移形成新的产业集群，带动新的上下游产业发展，从而引发相关产业链由线状向网状交织模式的演化，进而重塑产业链空间格局。
加快发展人工智能技术，推动产业智能化发展
人工智能技术正在成为推动我国经济持续增长的重要引擎，如何占据人工智能技术制高点并推动产业智能化发展，是当前加快产业转型升级，推动经济高质量发展的重要内容。
政府应积极搭建智能服务平台，助力企业加快智能化转型。政府充分发挥主导作用，为相关企业、高校及科研院所的产学研合作提供稳定合作的平台，促进科技成果有效转化；积极建设信息服务平台，为企业提供智能化设备采购、使用指导、维修养护、检测诊断、人员培训和市场推广等服务，多举措支持和促进人工智能产业发展。
企业注重培训在岗人员职业技能，使其快速适应人工智能领域的新技术环境。通过定期组织在岗人员技能培训，提升劳动者的职业技能水平和人机匹配效率，更好地适应新技术环境。人力资源和社会保障部门应联合企业及职业培训机构，根据现实市场需求及时开设相关技能培训课程，如计算机网络、数据存储技术、图像设计等，以及人机交互能力等新技能培训，为劳动者提供技能学习的机会，尽可能减少由于技能折旧引发的失业。
加强校企合作，构建相关劳动就业需求的动态跟踪与预测机制，准确把握人工智能应用背景下的职业技能需求，精准定位人才培养方向。高等院校增设人工智能等相关专业，重视人工智能基础算法与基础硬件等核心课程体系建设，改造和优化原有课程体系，为人工智能技术发展提供人才支持。增设相关的创新创业训练项目，并与企业共建实习实训基地，打造专业理论与实践能力协同培育模式，为社会输送应用型专业人才。
《光明日报》（2022年11月29日 11版）
[责编：丁玉冰]人工智能引发产业结构深刻变革
原标题：人工智能引发产业结构深刻变革人工智能引发产业结构深刻变革
人工智能(ArtificialIntelligence，AI)作为计算机学科的一个分支，20世纪70年代以来被称为世界三大尖端技术之一。经过多年的不断创新发展，人工智能让智能设备逐步实现从认识物理世界到个性化场景落地的跨越。近年来，通过人工智能提高生产力以及创造全新的产品和服务，已经成为经济竞争和产业升级的迫切需求。
为实体经济创新发展赋能。实体经济是强国之本，富民之基。建设现代化经济体系，必须把发展经济的着力点放在实体经济上。在当前的大环境下，实体经济的创新之路，离不开与人工智能的深度融合。目前，应用型人工智能已经渗透到了各行各业，多种技术组合后与硬件设备或者软件设备的深度融合，改变了不同领域的商业实践，为实体经济的发展注入了新的能量。包括医疗、零售、金融、教育、农业等领域，通过运用自然语言处理(NLP)、计算机视觉与图像(CV)、语音识别等人工智能技术，实现了创新发展。以医疗为例，依托深度学习算法，人工智能在提高健康医疗服务的效率和疾病诊断方面具有天然的优势：一方面是基于计算机视觉通过医学影像诊断疾病；另一方面是基于自然语言处理，先“听懂”患者对症状的描述，然后根据疾病数据库里的内容进行对比和深度学习诊断疾病。这两方面的运用，大大提升了医疗服务效率和体验，对于未来健康医疗行业的发展具有重要的意义。
为产业结构转型升级助力。人工智能正在引发产业结构的深刻变革。越来越多的传统产业在新旧动能转换中，将人工智能作为转型升级的新动力。国务院印发的《新一代人工智能发展规划》强调，要大力发展人工智能新兴产业，包括智能软硬件、智能机器人、智能终端、物联网等，并推动智能产业升级，在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范。运用了人工智能的机器设备替代人或与人协同工作，促进了网络智能设计制造与服务，大幅提升了劳动生产率，重塑了产业链与价值创造和分配方式。
推动智能制造业快速发展。加快建设制造强国的核心关键问题，便是人工智能等高新技术与实体经济的深度融合。智能制造作为高性能产业，对提升一国的制造业核心竞争力具有重要的战略意义。智能制造的发展基于人工智能的发展，换言之，人工智能的发展将直接推动智能制造业的快速发展。从智能制造设备到智能车间、智能企业，从智能供应链到智能制造生态系统，制造业趋向高端化、智能化、服务化的产业结构。根据2017中国智能制造创新发展论坛发布的《智能制造创新基地发展规划(2017―2021)》预估，到2020年，中国智能制造产业体系将全面构建，智能装备制造产业销售收入将超过3万亿元，年均增长率可达25%。此外，中国智能产品市场规模也将超过万亿元。智能制造业将迎来下一个蓝海。
2016年，国家发展改革委、科技部、工业和信息化部、中央网信办等联合制定的《“互联网+”人工智能三年行动实施方案》提出，计划到2018年，基本建立人工智能的产业、服务和标准化体系，实现核心技术突破，培育若干全球领先的人工智能骨干企业，形成千亿级的人工智能市场应用规模。未来，人工智能将在国防、医疗、工业、农业、金融、商业、教育、公共安全等领域得到更深入的应用，人工智能应用场景将无处不在，通过与各产业领域的深度融合，形成数据驱动、人机协同、跨界融合、共创分享的智能经济形态。届时，智能家庭、智能企业、智能城市、智能国家、智能世界等，构成智能社会的不同层面；智能环保、智能建筑、智能交通、智能政府、智能医疗等，则构成智能经济的不同领域。
人工智能正在成为新一轮技术和产业变革的趋势，也正在悄然改变着这个世界。这是继工业时代、电气时代、信息时代之后，人类文明的又一重大进步。
(作者：郭军：广东省社会科学院；陈聪：广东广富诚信息科技集团有限公司)
(责编：赵爽、李栋)分享让更多人看到
人工智能为什么是第四次工业革命
人工智能（AI）：我们日常工作的根本变化，即我们与他人生活和互动的方式，都将由第四次工业革命来体现。
从第三次工业革命转向第四次工业革命将开启人类发展的新篇章——融入非凡的技术进步。这些先进技术不断涌现，并将继续在商界融合。我们看到第四次工业革命改变了数字、物理和生物世界。它正在创造新的机会和对更美好未来的希望。
另一方面，技术的发展将成为潜在风险。第四次工业革命不仅仅是技术驱动的变革。革命所有人提供了各种便利的机会。我们看到它利用技术来创造一个以人为本的包容性未来。
快节奏的革命迫使人们重新思考生活在AI技术包围的世界中的意义，并质疑将如何发展和创造其市场价值。
挑战和机遇
第四次工业革命是第三次工业革命的延续，自上个世纪以来，数字革命就已经标志着工业的发展。然而，这场革命是基于技术的融合，最终模糊了物理、数字和生物领域之间的界限。
毫无疑问，第四次革命是建立在前一次革命的基础上的，但它可以被看作是第三次工业革命的延伸。进化速度、范围和系统影响是第四次工业革命的驱动因素。
当前的突破不再发生在一个确定的时期和时间内。将这一时期与以前的革命相比较，可以清楚地分析出第四次工业革命正以指数级的速度发展。它以线性速度发展，扰乱了几乎每个国家的所有产业和部门。
这些原因支配着整个商业世界、生产和管理，甚至政府部门的变革。
经济学家怎么说
经济学家表示，第四次工业革命具有通过提高全球收入水平来改善全球人民生活方式的重要趋势。就目前而言，由于采用AI技术的产品和服务，消费者是从数字世界中获得最大利益的人。
这些创新可以为我们的专业或个人日常生活提供便利。从订购食物到购买商品再到远程付款，都是因为这项技术。
预计技术创新将引领供应方行业产生长期收益。通信和运输成本将会降低。这将最终导致更有效的物流和全球供应链。
此外，它将根除交易成本和支出。这是推动经济增长的主要因素开拓新市场。
然而，一些经济学家指出，第四次革命可能通过扰乱劳动力市场带来重大挑战。这人工智能技术经常被认为是人类智力的替代品，虽然AI背后的思想技术是手动流程的自动化用以提高生产率和效率。
人们认为自动化可以替代整个经济中各行业的劳动力，这可能会增加资本和劳动力之间的差距。另一方面，自动化还可以带来安全而有益的工作机会。
工作的未来
最大的社会问题之一是第四次工业革命是“不平等”不平等一词解释了劳动者和依赖资本的人之间在经济收益和财富方面的差距越来越大。
智力和物质资本提供者包括创新者和投资者。利益相关者是这项创新的受益者。
技术进步正在导致自动化的巨大进步。随着时间的推移，手工过程正在变得自动化，将在未来继续下去。这是人们担心工作的主要原因之一。
发展中国家对高技能劳动力需求的增加是一个众所周知的事实。它给高技能工人带来高端工作，给中产阶级留下最少的机会。
到2030年，大约有3.75亿工人可能不得不改变他们的职业，因为市场劳动力需求正在迅速变化。
尽管有这些挑战，有能力提出新的做法可以给我们提供新的机会。第四次工业革命被认为给我们提供了一个学习新技能的机会。
发掘人才，建立新工作岗位。这样做不仅会带来业务的增长，还会有助于在更多样化的领域培养新一代高技能工人。
对商业行业的影响
第四次工业革命主要代表了不同技术的融合–人工智能、机器学习、虚拟现实。物联网转化为创新产品、服务和产业。
身份验证市场是这种新的人工智能技术的一个很好的例子。这些先进技术的影响注定会给商业世界带来革命。
根据一项研究，英国政府估计，到2035年，仅人工智能一项就可以为该国经济增加6300亿英镑。这使英国成为发展人工智能业务的世界中心。企业高管和经理们需要明白，这不仅仅是企业的问题，而且这种变化将会影响到世界上的每一个部门。
对商业的四大影响
由于技术的进步，全球所有行业的创新和颠覆性都很难预料。毫无疑问，这是第四次工业革命对企业产生显著影响的明显证据；然而，四个主要影响是:
1.客户期望
2.产品增强
3.合作创新
4.组织形式
客户是任何经济的基石，这就是为什么不管是消费者还是企业。这一切都是为了改善向客户提供的服务。产品和服务可以通过提高产品价值的数字功能得到增强。
以人工智能为例身份验证服务，这项技术正在使验证行业变得更有弹性，根据一份报告，它有望成长为到2024年达到128亿美元。
在这个商业成功依赖于客户体验、基于数据的人工智能服务以及通过分析获得有效结果的世界里。新的协作形式同样重要，而且创新和破坏的速度也是如此。
此外，由于全球平台和基于技术的商业模式；组织形式、文化都必须修改。
供求经济
供应行业正在寻求新的技术和实践，这些技术和实践能够创造新的、诱人的方式来满足企业现有的需求，并打破现有的价值链。
创新的竞争对手是这种混乱背后的驱动因素，因为它不再遵循自上而下的方法。
同样，需求方面也在发生重大转变。消费者和企业之间日益透明的环境以及消费者行为和参与方式的变化。这种参与迫使组织修改和调整新的设计方法。这设计影响市场及其交付产品和服务。
数据是新的货币
随着科技的进步，现在互联网的使用非常普遍。人们每天花很多时间在社交媒体上，分享他们的照片、状态、爱好和评论帖子。
此外，每天有数十亿人使用搜索引擎进行不同的搜索。所有这些搜索历史和个人信息(全球定位系统坐标、点击流、环境数据等)。存储在云中。这导致了大量的数据。
数据是人工和智能的食物，因为它推动创新。经过应用机器学习算法根据获得的数据，企业可以获得关于用户兴趣和需求的更好的预测；这有助于产品和业务的增长。
个性化正在市场上迈出新的一步。人工智能使客户体验变得更加个性化和一对一。这就是销售之间界限模糊的原因。营销和服务现在的重点是改善用户体验
国家和国际安全
第四次工业革命预计将深刻地影响国家和国际安全通过影响冲突的性质和增加的可能性。战争不仅仅是传统战场的单一概念。现在它依赖于技术创新。
现代安全问题本质上更像是一种混合，即传统战场与技术平台相结合。战争与和平、暴力与非暴力(例如网络战)之间的区别变得有点模糊。例如，网络犯罪和网络攻击是新形式的安全问题。
政府将同样或更多地投资于数字安全基础设施。网络保护对任何国家都更为重要，全球监管机构在强制实施合规性方面也比以往更加谨慎。
例如，考虑KYC和反洗钱合规性。也看看CCPA和GDPR，以及它们是如何被使用的身份和数据保护。这些保护措施将在国内和国际上打击网络攻击。人工智能技术在产品和服务的开发中是有效的，这将为减少政府和企业的安全顾虑创造潜力。
对人的影响
人工智能已经进入我们的日常生活。然而，在不久的将来，这对每个人都至关重要。人工智能创新最终实现科技让我们的生活更加轻松和幸福。
进入技术驱动的社会肯定会影响个人的生活方式。未来几年将会有挑战和机遇，这将塑造一个人的职业和个人未来。
生物技术和人工智能的革命正在推回人类生命和能力的门槛，这必将促使我们重新思考我们的道德和伦理界限。
随时随地的隐私问题
第四次工业革命不仅改变了我们的生活方式，而且影响了我们。技术的出现（一方面使我们的生活更轻松），也引起了人们对隐私的严重关注。
我们始终确信隐私的重要性。但是，数字化已使我们的信息共享和踪迹成为世界的重要组成部分。
脸变成身份证
在过去几年里，人工智能的应用有了全新的发展。数字欺诈和网络犯罪正以如此快的速度发展。这迫使企业和个人整合人工智能解决方案来保护他们的身份？
此外，如今，客户对组织的期望越来越高。个人期望个性化和卓越的服务能完美安全地完成。似乎没有例外。生物识别技术证明你的身份的趋势已经存在多年了，但是现在被人脸取代了。
许多企业使用人脸作为身份验证的首要因素，这将增加人脸识别技术的使用。
塑造未来:
技术是人类的发明。考虑到以前的工业革命以及与之相关的创新和中断。没有什么是人类无法控制的。
是我们带来了革命走向前线，所以我们有潜力利用这些机会，塑造第四次工业革命。我们走向一个更美好的未来，实现我们的共同目标，反映我们共同的价值观和目标。