人工智能的历史、现状和未来
2018年2月25日，在平昌冬奥会闭幕式“北京8分钟”表演中，由沈阳新松机器人自动化股份有限公司研发的智能移动机器人与轮滑演员进行表演。新华社记者李钢/摄
2018年5月3日，中国科学院发布国内首款云端人工智能芯片，理论峰值速度达每秒128万亿次定点运算，达到世界先进水平。新华社记者金立旺/摄
2017年10月，在沙特阿拉伯首都利雅得举行的“未来投资倡议”大会上，机器人索菲亚被授予沙特公民身份，她也因此成为全球首个获得公民身份的机器人。图为2018年7月10日，在香港会展中心，机器人索菲亚亮相主舞台。ISAACLAWRENCE/视觉中国
2018年11月22日，在“伟大的变革——庆祝改革开放40周年大型展览”上，第三代国产骨科手术机器人“天玑”正在模拟做手术，它是国际上首个适应症覆盖脊柱全节段和骨盆髋臼手术的骨科机器人，性能指标达到国际领先水平。麦田/视觉中国
如同蒸汽时代的蒸汽机、电气时代的发电机、信息时代的计算机和互联网，人工智能正成为推动人类进入智能时代的决定性力量。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，纷纷转型发展，抢滩布局人工智能创新生态。世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略，力图在国际科技竞争中掌握主导权。习近平总书记在十九届中央政治局第九次集体学习时深刻指出，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。错失一个机遇，就有可能错过整整一个时代。新一轮科技革命与产业变革已曙光可见，在这场关乎前途命运的大赛场上，我们必须抢抓机遇、奋起直追、力争超越。
概念与历程
了解人工智能向何处去，首先要知道人工智能从何处来。1956年夏，麦卡锡、明斯基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（ArtificialIntelligence，简称AI）”这一概念，标志着人工智能学科的诞生。
人工智能是研究开发能够模拟、延伸和扩展人类智能的理论、方法、技术及应用系统的一门新的技术科学，研究目的是促使智能机器会听（语音识别、机器翻译等）、会看（图像识别、文字识别等）、会说（语音合成、人机对话等）、会思考（人机对弈、定理证明等）、会学习（机器学习、知识表示等）、会行动（机器人、自动驾驶汽车等）。
人工智能充满未知的探索道路曲折起伏。如何描述人工智能自1956年以来60余年的发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能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、跳棋程序等，掀起人工智能发展的第一个高潮。
二是反思发展期：20世纪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低谷。
三是应用发展期：20世纪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，推动人工智能走入应用发展的新高潮。
四是低迷发展期：20世纪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：20世纪90年代中—2010年。由于网络技术特别是互联网技术的发展，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年国际商业机器公司（简称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。以上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，大幅跨越了科学与应用之间的“技术鸿沟”，诸如图像分类、语音识别、知识问答、人机对弈、无人驾驶等人工智能技术实现了从“不能用、不好用”到“可以用”的技术突破，迎来爆发式增长的新高潮。
现状与影响
对于人工智能的发展现状，社会上存在一些“炒作”。比如说，认为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。这些有意无意的“炒作”和错误认识会给人工智能的发展带来不利影响。因此，制定人工智能发展的战略、方针和政策，首先要准确把握人工智能技术和产业发展的现状。
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。面向特定任务（比如下围棋）的专用人工智能系统由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，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。例如，阿尔法狗（AlphaGo）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，人工智能系统诊断皮肤癌达到专业医生水平。
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。目前，虽然专用人工智能领域已取得突破性进展，但是通用人工智能领域的研究与应用仍然任重而道远，人工智能总体发展水平仍处于起步阶段。当前的人工智能系统在信息感知、机器学习等“浅层智能”方面进步显著，但是在概念抽象和推理决策等“深层智能”方面的能力还很薄弱。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”、有专才而无通才。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。
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，谷歌在其2017年年度开发者大会上明确提出发展战略从“移动优先”转向“人工智能优先”，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。麦肯锡公司报告指出，2016年全球人工智能研发投入超300亿美元并处于高速增长阶段；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%。
创新生态布局成为人工智能产业发展的战略高地。信息技术和产业的发展史，就是新老信息产业巨头抢滩布局信息产业创新生态的更替史。例如，传统信息产业代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网时代信息产业代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等。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。目前智能科技时代的信息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人工智能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。
人工智能的社会影响日益凸显。一方面，人工智能作为新一轮科技革命和产业变革的核心力量，正在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产生积极正面影响。另一方面，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能系统可能存在的歧视和偏见、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已经显现出来，需要抓紧提供解决方案。
趋势与展望
经过60多年的发展，人工智能在算法、算力（计算能力）和算料（数据）等“三算”方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有诸多瓶颈。那么在可以预见的未来，人工智能发展将会出现怎样的趋势与特征呢？
从专用智能向通用智能发展。如何实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战。2016年10月，美国国家科学技术委员会发布《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。阿尔法狗系统开发团队创始人戴密斯·哈萨比斯提出朝着“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年成立了通用人工智能实验室，众多感知、学习、推理、自然语言理解等方面的科学家参与其中。
从人工智能向人机混合智能发展。借鉴脑科学和认知科学的研究成果是人工智能的一个重要研究方向。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。在我国新一代人工智能规划和美国脑计划中，人机混合智能都是重要的研发方向。
从“人工+智能”向自主智能系统发展。当前人工智能领域的大量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，比如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、用户需要人工适配智能系统等，非常费时费力。因此，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。例如阿尔法狗系统的后续版本阿尔法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类人工智能”。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人员成本。
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、天文学等传统科学的发展。
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10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，可在现有基础上将劳动生产率提高40%；到2035年，美、日、英、德、法等12个发达国家的年均经济增长率可以翻一番。2018年麦肯锡公司的研究报告预测，到2030年，约70%的公司将采用至少一种形式的人工智能，人工智能新增经济规模将达到13万亿美元。
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5年人工智能将提升各行业运转效率。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。
人工智能领域的国际竞争将日益激烈。当前，人工智能领域的国际竞赛已经拉开帷幕，并且将日趋白热化。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2018》重点推动物联网建设和人工智能的应用。世界军事强国也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。
人工智能的社会学将提上议程。为了确保人工智能的健康可持续发展，使其发展成果造福于民，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，制定完善人工智能法律法规，规避可能的风险。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。美国白宫多次组织人工智能领域法律法规问题的研讨会、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”。
态势与思考
当前，我国人工智能发展的总体态势良好。但是我们也要清醒看到，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值得重视的问题。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。
高度重视。党中央、国务院高度重视并大力支持发展人工智能。习近平总书记在党的十九大、2018年两院院士大会、全国网络安全和信息化工作会议、十九届中央政治局第九次集体学习等场合多次强调要加快推进新一代人工智能的发展。2017年7月，国务院发布《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。国家发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
态势喜人。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成为全球人工智能投融资规模最大的国家，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。根据2017年爱思唯尔文献数据库统计结果，我国在人工智能领域发表的论文数量已居世界第一。近两年，中国科学院大学、清华大学、北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已连续成功召开四届并且规模不断扩大。总体来说，我国人工智能领域的创新创业、教育科研活动非常活跃。
差距不小。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，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明显差距。在全球人工智能人才700强中，中国虽然入选人数名列第二，但远远低于约占总量一半的美国。2018年市场研究顾问公司CompassIntelligence对全球100多家人工智能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。我国对人工智能可能产生的社会影响还缺少深度分析，制定完善人工智能相关法律法规的进程需要加快。
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。
当前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、展现中国智慧等，需要深入思考。
树立理性务实的发展理念。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。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，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。
重视固本强基的原创研究。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。面临发展的临界点，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。我们要按照习近平总书记提出的支持科学家勇闯人工智能科技前沿“无人区”的要求，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，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。
构建自主可控的创新生态。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。我们要以问题为导向，主攻关键核心技术，加快建立新一代人工智能关键共性技术体系，全面增强人工智能科技创新能力，确保人工智能关键核心技术牢牢掌握在自己手里。要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。同时，我们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，并通过实施标准加速人工智能驱动经济社会转型升级的进程。
推动共担共享的全球治理。目前看，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。在发展中国家中，我国有望成为全球人工智能竞争中的领跑者，应布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合“一带一路”建设，让“智能红利”助推共建人类命运共同体。
作者：中央人民政府驻香港特别行政区联络办公室副主任、中国科学院院士
人工智能技术背景下的新闻业变革与坚守
随着智能手表等可穿戴智能设备、无人驾驶、阿尔法狗大胜李世石的人机围棋对战等被人们所熟知，人工智能浪潮已经席卷了公共服务、教育、医疗等多个行业。媒体行业当然也不甘落后，国内外已有不少媒体在人工智能+新闻方面做出了探索。可以说，这是媒体行业发展最好的时代，也是最坏的时代，外部环境瞬息万变，不断影响新闻业，媒体人始终谨小慎微，如履薄冰。人工智能会给新闻业带来多大的变革呢？究竟是颠覆还是辅助？新闻业应该如何应对变化？种种问题都值得新闻行业思索。
本文将溯源人工智能发展历史，介绍国内外在人工智能+新闻方面的进展，通过人工智能在新闻业应用的优劣分析思考人工智能与新闻业的结合对于传媒行业来说究竟是机遇还是挑战，新闻业如何在新技术冲击下实现进化。
一、人工智能概念及应用现状
人工智能（ArtificialIntelligence）的概念早在1956年就已被提出，“人工智能是关于知识的学科―――怎样表示知识以及怎样获得知识并使用知识的科学”，[1张妮、徐文尚、王文文：《人工智能技术发展及应用研究综述》，载《煤矿机械》第30卷第2期]美国斯坦福大学人工智能研究中心尼尔逊教授如此定义。美国麻省理工学院的温斯顿教授则认为“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”[曾雪峰：《论人工智能的研究与发展》，载《现代商贸工业》2009年8月刊]本文将人工智能定义为“通过软硬件结合，用各种手段使其能够达到类人的智能，使机器能够做像人一样的处理事情”。
近半个世纪以来，人工智能技术全方位地向各个领域延伸，在新闻领域，人工智能也与新闻业产生了一系列的化学反应。本文所探讨的“人工智能＋新闻”指的是人工智能技术在新闻写作、采访、编辑等新闻活动中的具体运用，人工智能给新闻业带来的变革我们称为媒体的智媒化。
二、人工智能在新闻生产上的应用与反思
（一）、人工智能在新闻业的应用
1、外媒AI+新闻:全方位、多环节应用
纵观国外人工智能在新闻业的应用，可以发现不少媒体都已经或多或少的涉足了AI界，AI+新闻的探索时间较长，探索结果也较为深入，当前人工智能已经全方位、多环节渗透到新闻领域中，下文将试图按照新闻生产流程来分析国外AI+新闻的相关应用。
（1）、线索收集、信源捕获
人工智能可以在新闻生产的前端为媒体提供信源。《华盛顿邮报》目前应用的聊天机器人Feels，在2016年总统大选期间就向使用用户收集相关线索，以此获取选民在选取前的政治倾向。Buzzfeed与之相似，它目前主要通过Facebook上的关注者借助Messenger为其提供新闻素材。在messenger上接受buzzbot的推送时，他还会告诉用户它在为某地发生的某事手机新闻素材，并询问用户是否关注这一新闻？是否在当地在现场？对这一事件有何态度？是否可以提供现场素材等等？这些问题会给出三个预设答案，用户只需选择进行反馈，最后，用户还可以选择一个表情来表达对这一新闻的态度。
（2）、机器人写作
当下，国外媒体中机器人写作已经成为相当广泛的现象，机器人写作的不少新闻已经让人难以分辨究竟是记者还是AI的大作了。美联社就利用算法自动撰写关于棒球比赛的相关报道，这一技术也在电子商务、房地产以及金融服务等领域得到应用。美联社采用的用来撰写新闻的机器人叫Wordsmith，早在2014年7月美联社就和科技公司AutomatedInsights合作，利用AI技术来报道商业领域的企业财报相关新闻。操作原理是将公司盈利状况相关的数据导入机器人平台，经过wordsmith为美联社量身定制的算法处理，wordsmith将这些数据信息与他信息比对参照，在几毫秒的时间里就可以写出一篇标准的带有美联社风格的的新闻稿件。记者在涉及大量数据信息的报道中差错率一般会有所提高，机器人新闻
就不需要担心这个问题。准确性的提升是一大改进，另一方面，从一季度300份到一季度3000份的生产能力也大大地提高了美联社的财报数量。
除此之外，美联社还宣布将在美国职棒小联盟的赛事报道中应用人工智能技术，他们专门聘请了一批自动化领域的专家来开发、管理和整合美国职棒小联盟的报道。美国职棒小联盟的官方统计数据服务商MLBAdvancedMedia和AutomatedInsights能够在数分钟之内为他们提供比赛数据，wordsmith则通过查看并分析海量结构化的数据，从中发掘出新闻点，例如，某队选手的赛场表现不如预期等，然后人工智能会自动生成可读性的内容。
机器人写新闻在财经、体育这种模式化的报道领域可以说是具有得天独厚的优势，此外，强调时效性的新闻方面机器人记者也大有用武之地。2014年美国加州曾发生一次4.4级的小地震，《洛杉矶时报》凭借机器人记者撰写的新闻稿成为最快报道该新闻的媒体。这要归功于《洛杉矶时报》的地震新闻自动生成系统，美国地质勘探局在勘测出地震消息的同时会给系统发送地震信息，随后机器人记者会自动将这些数据套入相应模板生成新闻报道，这一系统是由该报的记者兼程序员KenSchwenck开发的。
国外的不少媒体，机器人记者已经成为其新闻编辑室中的重要一员，不过目前机器人写作主要集中在对信息的收集整理而非内容创作上。机器对程式化的新闻资讯（例如灾害、体育、财经等动态信息）可以做到准确、及时地生成和发布，用时短且错误率低，这是机器处理得天独厚的优势。而且，此类报道一般不需要进行深入细致的调查，也不存在错综复杂的关系，因此，现阶段在各大媒体中应用的人工智能使得人类记者无需在简单、机械性的工作中耗费时间，得以将更多精力投入到更有创造力的内容创作上。
（3）、辅助编辑
新闻编辑工作上人工智能近年来也有所涉猎，2015年7月，纽约时报R＆D实验室就设计了可以自动标记文章的机器人，在编辑工作中，它可以识别内容并分析，从而提供推荐使用的关键词、标签等，这使得新闻编辑室可以更加便捷地收集内容。
美国知名的互联网新闻博客Mashable则将关注点放在了科技公司与社交媒
体的相关新闻上。2016年2月，Mashable的执行董事BenMaher曾表示Mashable已经尝试利用人工智能技术发现新闻，他认为网站主页将不再有活力，现代用户需要媒体主动吸引。[3刺猬公社《在人工智能和新闻的结合上，国外媒体已经飞起来了？》]为此，Mashable启动了数据分析工具Velocity，它可以分析判断新闻的传播趋势和可能的传播爆点，此外，Velocity还可以帮助编辑们发现传播过程中的“饱和点”，当一则新闻的分享率达到95%时编辑将不再予以关注，否则编辑们则会考虑如何让新闻继续发酵，到达更多的用户。
（4）、资讯分发
内容生产上人工智能可以帮助媒体收集素材，获取信息，写作新闻，有了内容后更重要的则是传播出去，而如何找到用户的好奇点，将内容分发给适配用户实现精准传播则是人工智能带来的另一突破。
目前，《纽约时报》就采用了Blossomblot作为机器人编辑，它主要辅助编辑选择潜在的热文。纽约时报内部统计数据显示Blossom筛选出的文章点击量是普通文章的38倍。Blossom的主要原理就是通过分析Twitter等社交媒体上的文章数据，从而判断哪些新闻更具有传播潜力。随后将这些信息反馈给人工编辑。未来，Blossom还可以通过机器学习完成独立取标题、写摘要等工作。
来自美联社的战略经理FrancescoMarconi认为，人工智能赋予新闻机构创造无限内容的可能，并且可以根据读者的个性、心情、社会经济地位以及地理位置，向每位读者推荐适合他们的故事，让用户真正享受到“私人定制”资讯。[4腾讯网《人工智能会成为记者的好伙伴吗？》http://news.qq.com/a/20161111/032007.htm]在Marconi看来，人工智能将从根本上提高“个性化分发”的效率，而该领域的巨头Google、Facebook、Twitter早已深谙此道。从2013年以来，不少新闻机构就在人工智能方面投入了很多精力，比如借助Facebook的通讯软件messenger，华尔街日报等使用机器人bot进行新闻资讯的推送，实现了一定程度的自动化。
（5）、交互反馈
技术的变革使得传统新闻业中读者的身份变为用户，这极大地突出了用户的主动性，人工智能目前也在这一方面发力，通过人机对话等实现双向传播，增强
用户粘性。
数字商业新闻网站Quartz在2016年也在客户端里加入了人机对话推送资讯的功能。Quartz界面是一个对话窗口，会以聊天式的方式向不同读者推送新闻。读者如果想深入了解，可以在窗口下的选项继续追问获取更多细节。Quartz推送的内容人工编辑会进行选择编辑，但用户与Quartz的互动则由机器算法完成。
（6）、资讯服务
从机器人记者写作新闻、为媒体收集素材到从事辅助编辑工作再到交互反馈，可以说，人工智能基本上全方位、多环节地渗透到了国外媒体的新闻实践。除直接参与新闻生产流程外，人工智能还是新闻业的好帮手。2012年，《华盛顿邮报》就使用“TruthTeller”核实新闻的准确性；“truthteller”主要功能是核实新闻的准确性，它通过记录新闻报道的内容，即时与数据库比对，一旦发现问题就会发出警报，以此来保证新闻信息的真实性。
目前，不少科技公司在人工智能领域方面已取得不少进展，谷歌就将其人工智能技术应用在了新闻领域。2014年谷歌推出了一款基于大数据的预测系统─GoogleAlert。输入需要检测的关键词，这一系统会全天候检测出现这些关键词的网站，并将信息发送给用户。此外，他还可以将正在发生的事件结合背景与相关情况智能分析，预测事件可能带来的影响。也就是说。GoogleAlert在帮助记者收集新闻之外还可以判断新闻的发展趋势、后续价值等。
2、国内AI+新闻:试水与起步
国外AI+新闻发展已经如火如荼，相比之下国内人工智能与新闻业的结合相对还处于起步阶段，目前人工智能与新闻业的结合主要体现在机器人写作与智能化推荐方面。
（1）、写作机器人
与国外类似，机器人记者也是国内新闻业相对走在前面的应用。腾讯在2015年就在其财经频道的新闻写作中使用了人工智能，它的机器人记者名为Dreamwriter，当年8月份机器人记者就发布了一篇关于CPI的稿件，题名为《8月CPI同比上涨2.0%创12月新高》。稿件包括数据信息本身和相关行业人士的数据解读两部分。文章与普通记者写出来的并无太大差别，只是在最后注明了是由
Dreamwriter撰稿。此后，dreamwriter不断写作相关新闻，根据《中国新媒体趋势报告2016》数据显示，2016年三季度，腾讯财经机器人记者发布的新闻数量已经达到了4万篇。
新华社也于2016年11月18日推出了写稿机器人“快笔小新”。其操作十分简单，输入一个股票代码再点击一下鼠标即可生成一篇财报分析新闻。“快笔小新”只是一个电脑里的程序，尽管其写作的内容并不完善，但快速的出稿速度是极大的优势。目前，新华社的体育部门和《中国证券报》也采用了“快笔小新”。一直自诩是科技公司而非媒体的今日头条则在里约奥运会之际，推出了写作机器人“xiaomingbot”，这款机器人可以在数据库更新的两秒之内生成相应的新闻并发布；同时，它的系统内内置了较多可供选择的样式，这使其能够根据赛前预测与实际结果的差异选择相应的语气生成新闻。
目前，国内的人工智能相对停留在较为初级的阶段，已有的写作机器人主要参与体育新闻、财经新闻等报道，新闻题材上也主要是快讯、财报等。不过，虽然其写作的新闻在质量上没有显著改进，但机器人在新闻写作上的应用极大地提高了新闻数量，给了用户更大的选择空间，头条实验室的负责人李磊这样评价小明，“张晓明最大的意义在于，面对奥运会同时举行的上百场比赛的综合赛事，可以观察到每一场比赛报道，无论这场比赛多么冷门和不重要。在传统新闻理论中，某些冷门比赛乒乓球的小组赛的报道价值不大，但实际上依然有可观的阅读量。”[5刺猬公社金凯娜：《在人工智能和新闻的结合上，国内媒体到底做得怎么样了》]这恰恰符合了长尾理论，以前因劳动力不足或者缺乏关注度等原因被忽视的新闻资讯借助机器人记者得以被生产，属于小众的需求得以满足。
（2）、智能化推荐
有了更加丰富的内容，接下来更重要的就是让更多的人、更关心这一新闻的人知道。现在越来越多的新闻应用都采用了个性化推荐，这一领域最初得到大家广泛关注是因为今日头条的崛起，“你关心的，才是头条”这句广告语表明今日头条所侧重的是根据用户的个性需求为其私人订制新闻。其内在逻辑在于当用户长时间使用app浏览新闻后，后台会不断收集用户的阅读数据，如浏览栏目、停
留时间等等，从而为用户精准画像。同时，随着用户数量的增多，后台可以根据相似性为用户分群，进一步实现智能化推荐。
（3）、智能互动
如今，人工智能的应用使得一些内容提供者得以用聊新闻的方式为读者去繁就简，它使得同类新闻可以汇聚起来，通过自然语言处理技术对内容进行结构分析，然后通过信息特征学习等方法，将事件核心信息整理成一百字左右的聊天内容，高效满足读者基本的信息需要，随后读者可以根据其自身需要提出疑问从而获取深度解读等信息。
“聊”新闻主要在百度新闻app上有所应用，进入界面后，可以通过对话体形式读新闻，阅读更加直接。系统可以准确回答关于新闻内容的提问。在这个过程中，聊新闻可以略去媒体报道中80％的内容，其目的在于满足读者对信息基本的需求，互动环节则可以充分发挥读者主动性，引导读者进行“深阅读”。
（二）、反思人工智能在新闻业的应用：机遇与问题
1、机遇：人工智能解放并辅助新闻业
人工智能在新闻业的应用为其带来了发展新机遇，极大地解放了新闻人，正如《纽约》杂志撰稿人凯文・罗斯所言，机器人写作处理的是人类新闻从业者不愿耗时去做的、与大量数据相关的“体力活”，让新闻从业者从大量低附加值的重复性劳动中解脱出来，以更多的时间和精力去从事创造性更强的新闻工作。[张海霞：《机器人写作时代新闻从业者的应对》，载《新闻战线》2016年11月上，第111页]具体来说，人工智能的应用在以下几方面为新闻业提供了很好的辅助作用。
（1）、高效处理大数据
人工智能对数据具有更高的敏感度，它可以从海量数据中观察到人类不宜洞察的内在关联，从而生产处具有新闻价值的报道，自动挖掘具有传播潜力的新闻内容将有效扩展人类的观察视野。此外，冗杂的数据往往会牵扯记者大量的时间精力，而且对于体育新闻、财报等动态信息的写作通常有章可循，机器人记者几秒钟时间就可以写出一篇与人工作品无差的新闻，这将记者从大量繁杂重复性的工作中解放出来，将人力资源用在更有创造力的内容生产上。
（2）、新闻精准化、智能化、个性化
新闻业通过与人工智能的结合，媒体可以实现对用户的清晰画像，从而更加精准的分析用户，实现内容生产与份分发的定制化、个性化、对象化。以往千人一面、一点对多点的生产模式和传播模式都发生了巨大转变，“你看手机的同时手机也在看你”，人工智能技术使得个性化新闻时代到来，除此之外，人工智能还可以为用户进行场景化匹配，罗伯特・斯考伯、谢尔・伊斯雷尔在《即将到来的场景时代》写道：“移动互联网时代，场景（情境）的意义被极大地强化，移动传播是基于场景（情境）的服务，即对环境的感知及信息（服务）适配。”[罗伯特・斯考博、谢尔・伊斯雷尔.即将到来的场景时代[M].北京：北京联合出版社,2014.
]根据用户不同的时间段、不用的地理位置等人工智能可以判断用户阅读需求，如用户运动时，可穿戴设备可以为用户提供短小精悍的突发新闻新闻简讯等消息，等待时则可以阅读趣味性的内容等等。
（3）、角度客观且成本低廉
人工智能在生产新闻、收集素材、辅助编辑时只会依照算法程序等进行，除
非刻意的人工干预，否则其提供的内容都将是一种将结构化的数据进行文本形式的可视化表现，具有极强的客观性。而人工生产难免会受各种各样的限制从而影响其客观性。除此之外，人工智能作为一种软硬件结合的产物，如本质上是一套算法程序的机器人记者，可以不知疲倦、永不停歇的工作，使用成本较低。
2、问题：人工智能应用的局限
不过，目前人工智能在新闻业的应用已经出现了一些问题，以智能分发上为例，单纯依靠算法点击推荐阅读可能会带来阅读浅薄化甚至低俗化的后果，用户容易陷入信息茧房的处境，真是可能导致假新闻肆虐。综合来看，目前人工只能与新闻业的结合面临以下几个问题：
（1）、写作模式单调
就目前国内外人工智能在新闻写作方面的应用――机器人记者来看，我们可以发现其主要应用于体育、金融等数据繁多的新闻报道中，这些新闻只需对数据进行简单的分析加工形成模式化的报道，内容枯燥，模式单一，缺乏可读性。机器人记者只是在系统内设的模板上填充处理数据信息生成新闻报道，尽管客观公
正，但千篇一面的报道很难对读者有吸引力。他们的报道难以满足读者的高层次需求，只能提供基本的事实信息。
（2）、应用领域有限
当下写作机器人所涉猎的报道题材局限于快讯、财报等只需要简单的数据收集、信息整理的内容。它们无法完成新闻评论、现场报道、深度调查报道等题材的新闻写作。事件性新闻一般有较强的现场感，在基本的人物、时间、地点、事件等基本要素外，很多细节信息也是重要的内容，而这些机器人记者无法捕获。新闻业有这样的说法：七分采三分写。这表明了优秀的新闻报道不是“写”出来的，而是“采”出来的。机器人记者在这一领域恐怕难以施展身手。此外，深度报道这类需要深入挖掘信息，厘清事件来龙去脉、前因后果与错综复杂人物关系的报道也需要脑力完成。这些都建立在一定的社会经验与感情认知的基础上，机器人记者显然难以做到。新闻评论也是机器人记者的一大难点，评论所体现的是作者的立场、观点与价值取向，具有鲜明的主观性，而机器人作为一种辅助工具，其智能程度难以达到可以发挥主观能动性的地步。以上这些都表明人工智能在新闻写作领域应用受限较大，且突破难度大。最后，基于各个领域的差异性与专业性，机器人记者只能在少数专业领域报道中有用武之地，大部分的行业报道它难以胜任。
（3）、缺乏主动性
归根结底，人工智能在新闻行业的应用都是基于人类的设定，它缺乏主动性，新闻写作方面机器人记者不具备新闻敏感性，无法主动发现新闻，只能根据预设模板对特定内容报道。收集素材、辅助编辑等方面也是基于一定的指令，无法脱离人的指令独立运作，这表明人工智能目前尚处于一种依附状态。
（4）、新闻特殊性质需要人类把关
虽然人工智能与新闻业的结合已经为不少媒体节省了大量人力物力，记者编
辑也得以从繁杂无意义的初级工作中解放出来，但在新闻生产的最终环节，大多数情况下仍需要专业新闻人进行把关。新闻活动作为一种社会性工作，涉及政策、法律法规、伦理等多方面的问题，人工智能终究无法取代人脑，涉及价值判断等方面的把控还是需要人类把关。
三、人工智能技术背景下新闻业应对探索
加拿大传播巨擘麦克卢汉“媒介即讯息”的论断指出媒介技术给社会发展带来的影响，他认为任何一种新的媒介技术被广泛应用后，会给社会发展带来新的尺度，社会各个方面也将会适应这一尺度有所变化。也就是说，真正有价值的讯息不是传播内容，而是所使用的传播工具带来的变革。人工智能的应用更是印证了这一观点，作为一种新的媒介技术，人工智能将对社会变革产生极大的推动作用，新闻业的变化也是不可阻挡的。
人工智能给新闻业带来的新变局引发了众多媒体人的思考：记者的饭碗还能保得住么？人工智能究竟是新闻业的敌人还是伙伴呢？回答这一系列问题需要理性分析人工智能给新闻业带来的变化，厘清优劣，认清媒体人核心价值所在，实现人机共生。
（一）、厘清人机关系
人工智能在新闻业的应用曾多次引发业界人士的恐慌，不少人担心职业新闻人的饭碗将会被人工智能取代，这样的科技性恐慌似乎伴随着每一次重大技术的变革，早在上世纪60年代，一些公司开始使用计算机和机器人时就有一阵恐慌弥漫，但事实上，每一次关于技术的恐慌过后，技术的进步为社会创造的新的就业机会要远远多于它所替代掉的岗位。
人工智能与新闻业之间彼此纷繁复杂的关系可以用Neuberger和Nuernbergk所提出的“竞争、辅助和融合”三个维度来看待。职业新闻人应该认识到人工智能在新闻业的渗透都属于补充范畴，为新闻业提供更加多样丰富的可能性。因此，人工智能的出现不应该使新闻人妄自菲薄，而是应分清人类与人工智能的主客体关系，人工智能在新闻业的任何应用都是人为创造的产物，人机始终是附属关系，人工智能对新闻业是辅助作用而绝非取代新闻人。
（二）、新闻业态重塑
人工智能在新闻生产各个环节的应用极大地改变了新闻业态，这使得媒体的智能化进程不断加速，并将重构媒体的生产模式与呈现方式，推动了新闻人的转
型。新闻业对从业者的数量和质量要求将会产生较大变化，低层次的新闻记者需求将大量减少，职业新闻人将需要更专业的新闻技能。这些都要求新闻从业者重新认识自己的核心价值，充分提高自身的新闻专业素养和数据技术相关能力，努力在深度分析与价值判断等方面发挥优势，将职业发展方向转移到调研报道、深度新闻等方面，提供更优质的内容，实现自身转型。
（三）、新闻人更专注人
人工智能在新闻业的应用上一大突破在于写，但与新闻人相比，其局限也在于写。前文弊端方面已分析过机器人记者的稿件通常标准化、模板化，这使得读者感到重复生硬，缺乏“人味”。这恰恰是新闻人需要发挥其价值所在的领域，新闻记者要充分发挥人的主观能动性，在新闻写作中结合理性与感性思考，将关注点集中在人身上。新闻人应该在体察人情冷暖、发掘背后的故事方面付出更多努力，生产有人情味、有温度、有深度的新闻内容。在西方新闻业有第四权力的说法，新闻业是重要的社会公器，“铁肩担道义，妙手著文章”，要想写出富有感染力的新闻，记者必须要有人文主义情怀，深刻领悟人性与人情，关注大众命运。
（四）、新闻人技能提升
人工智能可以起到辅助编辑的作用，但媒体机构的编辑流程常常是相通的，校对文本、润色文字、内容把关、稿件编排等无法由人工智能统一完成，机器人写作的内容往往也需要经过人工编辑的审核才能发布，编辑的把关人地位越加重要。此外，自动化生产的新闻稿件所需要的编辑与传统编辑也有着不同的职能需要。传统编辑主要负责信息、语言把关调整，而机器人记者生产的新闻一般没有基础语法、信息错误等，编辑无需在校对上发挥太多精力，更重要的是润色内容，丰富语言，减少读者的刻板印象。因此，机器人记者的应用也对编辑的能力提出了更高的要求。
人工智能多为快速模板化写作，深度报道，新闻评论，调查报道等需要多方信息来源。涉及大量素材收集分析的题材更需要新闻人的智慧与专业能力。人工
智能在新闻写作方面的应用使得记者有更多的时间投入到现场报道、深度报道、
评论、软新闻等方面的写作中。记者要注重培养自己的综合素质，开阔知识视野，丰富知识结构，写出优质的新闻作品。
四、结论
人工智能已经在国外的媒体行业大显身手，国内的AI+新闻进程也渐渐起步，人工智能在新闻业的应用使新闻生产更加高效便捷，用户画像更加清楚，新闻传播效果更加优化，它对新闻业的内容生产、传播方式、反馈互动等带来了革命性的影响。不过，人工智能的应用也存在一些问题与不足之处，关于两者的结合，新闻业应认识到AI与新闻的关系，主动拥抱新变化。
其实，人工智能与记者恰如机器与人类的联姻。理想的合作状态应该是因为使用了这些技术和机器的帮助，人可以把他的工作做的更好，人可以成为更好的人。“好的婚姻不是1+1=2，而是0.5+0.5=1”。单独来看，人与机器都有各自的局限与劣势，但当两者共生协同发展时，就成了“1”，这个“1”，可以是一篇新稿件、可以是一个新客户端、可以是一个新编辑部，也可以是一个新的时代。
(责编：尹峥、赵光霞)分享让更多人看到
浅谈人工智能的伦理问题
浅谈人工智能的伦理问题
资料整理，仅供参考
引言2018 年3月 18日晚上 10 点左右，伊莱恩·赫兹伯格（ElaineHerzberg）骑着自行车穿过亚利桑那州坦佩市的一条街道，突然间被一辆自动驾驶汽车撞翻，最后不幸身亡。这是一辆无人自动驾驶汽车，尽管车上还有一位驾驶员，但车子由一个完全的自驾系统（人工智能）所控制。与其他涉及人与AI技术二者之间交互的事件一样，此事件引发了人们对人工智能中道德和法律问题的思考。系统的程序员必须履行什么道德义务来阻止其研发产品导致人类的生命受到威胁？谁对赫兹伯格的死负责？是该自动驾驶汽车公司测试部们？人工智能系统的设计者，甚至是机载传感设备的制造商？
关于人工智能的伦理讨论一直在进行，从人工智能研究的开始，重点主要集中在讨论可能性和对未来影响的理论工作，但对人工智能实际应用中研究讨论较少。尽管学术界对人工智能伦理道德的关系进行探讨已经持续了几十年，但并没有得出普遍的人工智能伦理是什么，甚至应该如何定义命名也没有统一规范化。近年来，随着社会科技技术的不断发展，人工智能的发展取得重大的突破。人工智能相关伦理研究讨论日益广泛，影响着我们的生活。在当前AI伦理受到越来越多讨论研究的背景下，本文主要通过对一些案例分析人工智能的伦理问题，结合本学期《工程伦理》课程所学，谈谈自己的理解与收获。
人工智能及其案例讨论分析“人工智能”被设计为一种为从环境中获取因素的系统，并基于这些外界的输入来解决问题，评估风险，做出预测并采取行动。在功能强大的计算机和大数据时代之前，这种系统是由人类通过一定的编程及结合特定规则实现，随着科学技术的不断进步，新的方法不断出现。其中之一是机器学习，这是目前AI最活跃最热门的领域。应用统计学的方法，允许系统从数据中“学习”并做出决策。关注技术的进步，我们更关注的是在极端情况下的伦理问题。例如在一些致命的军事无人机中使用AI技术，或者是AI技术可能导致全球金融体系崩溃的风险等。
对大量的数据进行汇总分析，我们可以利用AI技术帮助分析贷款申请人的信誉，决定是否给予贷款以及额度，同时也可以对应聘者进行评估，决定是否录取，还可以预测犯罪分子再次犯罪的几率等等。这些技术变革已经深刻影响着社会，改变着人们生活。但是，此类技术应用也会引发一些令人困扰的道德伦理问题，由于AI系统会增强他们从现实世界数据中学到的知识，甚至会放大对种族和性别偏见。因此，当遇到不熟悉的场景时，系统也会做出错误的判断。而且，由于许多这样的系统都是“黑匣子”，人们往往很难理解系统做出判断的内在原因，因此难以质疑或探究，给人们决策带来风险。举几个具体例子：2014年，亚马逊开发了一种招聘工具，用于识别招聘的软件工程师，结果该系统却表现出对妇女的歧视，最后该公司不得不放弃了该系统。2016年，ProPublica在对一项商业开发的系统进行了分析，该系统可预测罪犯再次犯罪的可能性，旨在帮助法官做出更好的量刑决定，结果也发现该系统对黑人有歧视偏见。在过去的两年中，自动驾驶汽车在依靠制定的规则和训练数据进行学习，然而面对陌生的场景或其系统无法识别的输入时，无法做出正确判断，从而导致致命事故。
由于这些系统被视为专有知识产权，因此该私人商业开发人员通常拒绝提供其代码以供审查。同时，技术的进步本身并不能解决AI核心的根本问题—经过深思熟虑设计的算法也必须根据特定的现实世界的输入做出决策。然而这些输入会有缺陷，并且不完善，具有不可预测性。计算机科学家比其他人更快地意识到，在设计了系统之后，不可能总是事后解决这些问题。越多人认识到道德伦理问题应该被当作在部署一个系统前所要考虑的一个问题。
对失业、不平衡问题的讨论与思考人工智能的重要的道德和伦理问题，既是社会风险的前沿，也是社会进步的前沿。我们讨论两个突出问题：失业、不平衡问题。
1.失业
几十年来，为了释放人类劳动，我们一直在制造模仿人类的机器，让机器替代我们更有效地执行日常任务。随着经济的飞速发展，自动化程度越来越高，大量新发明出现在我们生活中，使我们的生活变得更快，更轻松。当我们使用机器人替代我们人类完成任务，即让手工完成的工作变成自动化时，我们就释放了资源来创建与认知而非体力劳动有关的更复杂的角色。这就是为什么劳动力等级取决于工作是否可以自动化的原因（例如，大学教授的收入比水管工的收入还多）。麦肯锡公司最近的一份报告估计，到2030年，随着全球的自动化加速，接近8亿个工作岗位将会消失。例如，随着自动驾驶系统兴起，AI技术引发了人们对失业的忧虑，大量的卡车司机工作岗位可能受到威胁。我们人类将有史以来第一次开始在认知水平上与机器竞争。最可怕的是，它们比我们拥有更强大的能力。也有一些经济学家担心，作为人类的我们将无法适应这种社会，最终将会落后与机器。
2.不平衡
设想没有工作的未来会发生什么？目前社会的经济结构很简单：以补偿换取贡献。公司依据员工一定量的工作来支付其薪水。但是如果借助AI技术，公司可以大大减少其人力资源。因此，其总收入将流向更少的人。那些大规模使用新技术的公司，其少部分人将获得更高比例的工资，这导致贫富差距在不断扩大。在2008年，微软是唯一一家跻身全球十大最有价值公司的科技公司。苹果以39位居第二，谷歌以51位居第三。然而，到2018年，全球十大最有价值公司前五名均是美国科技公司。
当今世界，硅谷助长了“赢者通吃”的经济，一家独大的公司往往占据大部分市场份额。因此，由于难以访问数据，初创企业和规模较小的公司难以与Alphabet和Facebook之类的公司竞争（更多用户=更多数据，更多数据=更好的服务，更好的服务=更多的用户）。我们还发现一个现象，就是这些科技巨头创造的就业机会相比于市场上其他公司往往少很多。例如，1990年，底特律三大公司的市值达到650亿美元，拥有120万工人。而在2016年，硅谷三大公司的价值为1.5万亿美元，但只有190,000名员工。那么如今技能变得多余的工人将如何生存，这样趋势下去会不会引发社会暴乱，科技巨头应不应该承担更多的社会责任，这些都是值得我们思考的问题。
人工智能伦理问题建议由上文可知，缺乏对伦理的认知，会对社会及人类生活造成的一定风险，因此，为加强AI伦理因素在实际应用的正确导向作用，应从以下几个方面入手：
1.明确定义道德行为
AI研究人员和伦理学家需要将伦理价值表述为可量化的参数。换句话说，他们需要为机器提供明确的答案和决策规则，以应对其可能遇到的任何潜在的道德困境。这将要求人类在任何给定情况下就最道德的行动方针达成共识，这是一项具有挑战性但并非不可能的任务。例如，德国自动驾驶和互联驾驶道德委员会提出：建议将道德价值观编程到自动驾驶汽车中，以优先保护人类生命为重中之重。在不可避免的致命撞车事故发生时，汽车不应基于年龄，性别、身体或心理构造等个人特征来选择是否要杀死一个人。
2.众包人类道德伦理
工程师需要收集足够的关于明确道德伦理标准的数据，以适当地训练AI算法。即使在为道德价值观定义了特定的指标之后，如果没有足够的公正数据来训练模型，那么AI系统可能仍会难以取舍。获得适当的数据具有挑战性，因为道德伦理规范不能始终清晰地标准化。不同的情况需要采取不同的方针，在某些情况下可能根本没有单一的道德伦理行动方针。解决此问题的一种方法是将数百万人的道德伦理困境的潜在解决方案收集打包。例如，麻省理工学院的一个项目，其展示了如何在自动驾驶汽车的背景下使用众包数据来有效地训练机器以做出更好的道德决策。但研究结果还表明，全球道德价值观可能存在强烈的跨文化差异，在设计面向人的AI系统时也要注意考虑这一因素。
3.使AI系统更加透明
政策制定者需要实施指导方针，使关于伦理的AI决策，尤其是关于道德伦理指标和结果的决策更加透明。如果AI系统犯了错误或产生了不良后果，我们将不能接受“ 算法做到了 ”作为借口。但是我们也知道，要求完全算法透明性在技术上不是很有用。工程师在对道德价值进行编程之前应该考虑如何量化它们，以及考虑运用这些人工智能技术而产生的结果。例如，对于自动驾驶汽车，这可能意味着始终保留所有自动决策的详细日志，以确保其道德伦理责任。
结束语伦理问题的出现是工程活动发展的必然要求。以人工智能技术为基础的现代工程活动日益复杂，对自然和社会的影响越来越深刻。同时，作为工程活动中的关键角色，工程师群体在一定意义上具有改变世界的力量。正所谓“力量越大，责任也就越大”。工程师在一般的法律责任之外，还负有更重要的道德责任。作为AI领域的工程技术人员，不断创新人工智能技术的同时也要关注实际应用中的伦理道德，相信人工智能技术可以让世界变得更加美好！