我国人工智能产业发展面临的三大问题
2019年，人工智能数据、算法、算力生态条件日益成熟，我国人工智能产业发展迎来一轮战略机遇，智能芯片、智能无人机、智能网联汽车、智能机器人等细分产业，以及医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域发展势头良好。展望2020年，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区，国内人工智能产业投融资将更关注易落地的底层技术公司。
2020年形势判断
从产业链建设看，人工智能数据、算法、算力生态条件日益成熟。算法、数据和计算力是推动人工智能技术进步和产业发展的“三驾马车”。
一是在算法方面，2019年，基于视觉、触觉传感的迁移学习、变分自动编码器（VAE）和生成对抗网络（GAN）是无监督学习中新涌现的算法类型。预计2020年，上述新兴学习算法将在主流机器学习算法模型库中得到更高效的实现，Caffe框架、CNTK框架等分别针对不同新兴人工智能算法模型进行收集整合，可以大幅度提高算法开发的场景适用性。
二是在数据方面，2019年，我国5G、物联网、汽车电子等多种新兴技术产业的快速发展，数据总量呈现海量聚集爆发式增长。预计2020年，我国5G通信网络部署加速，接入物联网的设备将增加至500亿台，数据的增长速度越来越快，世界领先的互联网公司大数据量将达到上千PB，传统行业龙头型企业数据量将达到PB级，个人产生数据达到TB级。
三是在算力方面，2019年以来，我国人工智能的算力仍以GPU芯片为主要硬件承载，但随着技术的不断迭代，预计2020年，ASIC、FPGA等计算单元类别将成为支撑我国人工智能技术发展的底层硬件能力。
从政策推动来看，全国各级地方将根据自身实际情况申报和落地人工智能创新应用先导区。2019年，我国31个省份中已有19个省份发布了人工智能规划，其中有16个制定了具体的产业规模发展目标，以北上广深为代表的城市积极地制定了行之有效的政策，对人工智能产业的落地和发展产生了较大的推动作用，成为中国人工智能行业的重要实践者和领头羊。
尤其是2019年下半年以来，上海市和深圳市获批成为我国首批人工智能创新应用先导区，为我国人工智能产业应用发展带来新契机。预计2020年，国内更多城市（群）将聚焦智能芯片、智能无人机、智能网联汽车、智能机器人等优势产业，面向医疗健康、金融、供应链、交通、制造、家居、轨道交通等重点应用领域，积极申报和搭建符合自身优势和发展特点的人工智能深度应用场景，以“先导区”工作为抓手，促进人工智能产业与实体经济深度融合。
从投融资情况看，我国人工智能产业投资市场将关注易落地的底层技术公司。在过去5年间，我国人工智能领域投资曾出现快速增长。2015年，人工智能产业投融资规模达到450亿元。到2019年，仅上半年国内人工智能领域就获得投融资超过478亿元。近四年来，人工智能领域投融资集中在企业服务、机器人、医疗健康、行业解决方案、基础组件、金融等落地前景较好领域。预计2020年，新零售、无人驾驶、医疗和教育等易落地的人工智能应用场景将更加受到资本关注。
同时，由于中国在人工智能底层技术方面仍落后于美国，随着人工智能在中国的进一步发展，底层技术的投资热度将持续增长，那些拥有顶级科学家团队、雄厚科技基因的底层技术创业公司将获得资本市场的持续资金注入。
三大问题
我国人工智能领域的基础创新投入严重不足。
从企业研发创新看，中国人工智能企业的创新研发支出仍远远落后于美国、欧洲和日本。2018—2019年，美国人工智能领域企业投入的科技研发费用占据了全球科技支出的61%，我国人工智能领域企业研发支出虽然快速增加，增速达到34%，但实际占据的全球科技支出份额明显小于美国。
从人工智能知识产权保有量看，我国各类实体拥有的人工智能专利总量超过3万件，位居世界第一，但中国相关企业拥有的人工智能相关专利多为门槛较低的实用新型专利，发明专利仅占专利申请总量的23%。同时，根据世界知识产权组织的数据，我国企业拥有的95％的人工智能设计专利和61％的人工智能实用新型专利将会在5年后失效，相比之下，美国85.6％的人工智能专利技术在5年后仍在支付维护费用。2020年，我国需要在人工智能基础研究与创新，打造核心关键技术长板、加强知识产权保护方面加大投入力度。
我国人工智能产业的算力算法核心基础相对薄弱。我国人工智能发展在数据规模和算法集成应用上都走在世界前列，但在人工智能基础算力方面，能提供国产化算力支持的企业还不多。
在人工智能的算力支持方面，IBM、HPE、戴尔等国际巨头稳居全球服务器市场前三位，浪潮、联想、新华三、华为等国内企业市场份额有限；国内人工智能芯片厂商需要大量依靠高通、英伟达、AMD、赛灵思、美满电子、EMC、安华高、联发科等国际巨头供货，中科寒武纪等国内企业发展刚刚起步。
在人工智能算法方面，主流框架与数据集领域国内外企业龙头企业包括谷歌、脸书、亚马逊、微软等，深度学习主流框架TensorFlow、Caffe等均为美国企业或机构掌握，百度、第四范式、旷视科技等国内企业的算法框架和数据集尚未得到业界的广泛认可和应用。2020年，我国需要进一步部署加强人工智能基础设施建设，并重视国内人工智能算法框架的创新推广。
以算法战、深度伪造为代表的人工智能技术滥用给经济社会带来严重负面影响。算法战指的是将人工智能算法、机器学习等技术全面应用于对敌作战中的情报收集、武器装备、战场勘测、指挥协同、决策制定等环节，核心目标是利用人工智能技术提升军事作战能力；深度伪造（Deepfakes）是“DeepMachineLearning”（深度学习）和“Fake”（造假）的英文组合词，是一种基于深度学习的人物图像合成技术，随着人工智能算法开源不断推进，深度伪造技术门槛正在不断降低，非专业人员已经可以利用简单开源代码快速制作出以假乱真的视频和图像。
2019年以来，基于人工智能的算法战和深度伪造的正在扩大军事影响、形成网络暴力、破坏政治选举、扰乱外交关系等方面被滥用，并给社会和国家带来极大风险。上述对人工智能技术的滥用给我国家安全、产业安全、社会经济安全带来巨大风险，需提前预防可能风险，并寻求国际支持。
对策建议
以算力为核心加强人工智能基础能力建设。首先要大力推进人工智能算法库、解决方案库、数据集及公共服务平台建设，强化人工智能发展基础。其次加强面向人工智能发展应用的5G网络、边缘计算硬件新兴信息基础设施建设。最后要对各行业企业自动化、智能化改造的产出、效果进行科学有效测算，指导企业找准技术研发投入的切入点，利用好人工智能技术实现经济社会高质量发展。
体系化梳理我国人工智能产业供应链现状。我们既要关注重要整机产品以及大厂商、大企业，也要覆盖量大面广的细分领域及增长势头良好的隐形冠军。
推动国内人工智能企业加快开拓国内外应用市场并提升出海抗风险能力。我国需要加强国内应用市场推广，挖掘多种类型的应用场景，培育各种规模的竞争主体，进一步提升新技术的应用水平和应用层级。同时，引导对外应用市场开拓，支持企业开拓海外市场，对出海企业在经营合规管控、知识产权管理、专利诉讼等方面的具体问题给予窗口指导。最后，提升企业自身的抗风险抗打击能力，鼓励新兴领域的独角兽企业尽快做大做强，形成较大规模体量和较强技术竞争力。
在国际社会上提出发展“负责任的人工智能”。首先应加紧研究并提出中国版的人工智能伦理守则或框架，形成人工智能伦理风险评估指标体系或风险管理指南，为人工智能企业提供风险识别、评估及应对的系统指引。其次应加强与联合国、欧盟及其成员国、G20等国际组织的合作，参与搭建多层次国际人工智能治理机制，提出发展“负责任的人工智能”供全球各国讨论，在全球人工智能伦理框架的制定议程中发挥建设性作用。
来源：赛迪研究院
更多资讯，请扫描下方二维码，关注中国微米纳米技术学会微信公众号
人工智能在金融领域应用及监管挑战
人工智能的发展历程
2012-2017年全球人工智能并购活动资料来源：FSB金融科技报告2017
上世纪90年代以来，机器学习尤其是深度学习的大规模应用，推动了人工智能的快速发展。目前中国的人工智能研究及应用正处于爆发期，并迎来国家层面的统筹规划和全面引导，未来发展空间巨大。从金融领域来看，国际银行业对人工智能的主要应用集中在资本运营、市场分析、客户营销、风险监管等方面。中国银行业紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。但是，人工智能的应用也对金融监管带来挑战：一是监管对象趋于复杂化；二是违法违规行为难以认定；三是智能代理行为增加了监管难度；四是责任主体难以界定。监管机构要正视这种趋势，针对人工智能特点，需要研究完善金融市场交易规则；加强人工智能在金融监管方面的应用；重视对用户隐私的保护。商业银行则一方面要积极加强技术创新，另一方面要注意风险控制。
近年来发展迅速的中国人工智能产业正在迎来国家层面的统筹规划和全面引导。2017年7月，国务院印发《新一代人工智能发展规划》（以下简称《规划》）。《规划》一经发布，即在世界范围内引起关注。那么，人工智能在中国的发展前景如何？其在金融领域如何应用？将给监管体制带来什么样的挑战？本文拟对这些问题进行探析。
■
1.人工智能概念
对于人工智能（ArtificialIntelligence，简称AI），国际上没有一个公认的定义。最早提出这一概念的约翰·麦卡锡认为，“人工智能就是要让机器的行为看起来像人所表现出的智能行为一样。”我国《人工智能辞典》将人工智能定义为“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务”。此外，还有其他诸多关于人工智能的定义。综合来看，这些概念可以分为两类观点：一类观点是弱人工智能概念，认为不可能制造出能真正推理和解决问题的智能机器，这些所谓的智能机器只是看起来智能，但不会真正拥有智能，也不会具有自主意识。另一类观点是强人工智能概念，认为有可能制造出真正能推理和解决问题的智能机器，并且能够具有知觉和自我意识。强人工智能又可以分为两类：一是类人的人工智能，即机器的思考和推理与人的思维一样；二是非类人的人工智能，即机器拥有和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
总体来讲，无论是那种人工智能概念，都体现出这三点优势：一是工作稳定性高。人工智能可不知疲倦地进行工作，在分析问题时几乎不受环境影响。二是降低操作风险和道德风险。利用人工智能取代传统人工对金融交易、服务信息审查监管，控制交易活动中潜在的非法行为，可更好地避免操作风险和道德风险。三是有效提高决策效率。人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。因此，本文所讨论的人工智能范畴，是包括强人工智能和弱人工智能的广义人工智能概念。
2.人工智能的理论基础
人工智能是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（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近30年来它获得了迅速的发展，并已发展成为一门独立的系统学科。
那么，机器“智能”从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件作出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
总的来看，当前人工智能的研究可归纳为六个方面：一是计算机视觉（暂且把模式识别、图像处理等问题归入其中）；二是自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）；三是认知与推理（包含各种物理和社会常识）；四是机器人学（机械、控制、设计、运动规划、任务规划等）；五是博弈与伦理（多代理人的交互、对抗与合作，机器人与社会融合等议题）；六是机器学习（各种统计的建模、分析工具和计算方法）。
3.人工智能发展现状
2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能在产业应用上得到快速发展。从全球范围来看，人工智能产业领先的国家主要有美国、中国等。截止到2017年6月，全球人工智能企业总数达到2542家，其中美国有1078家，占42%；中国有592家，占23%。美国的人工智能呈现出全产业布局的特征，包括基础层、技术层、应用层均有布局，而中国的人工智能主要集中在应用侧，只在技术层局部有所突破。
目前，中国的人工智能研究及应用正处于爆发期。中国政府高度重视人工智能发展，在2017年7月印发的《新一代人工智能发展规划》中描绘了未来十几年中国人工智能发展的宏伟蓝图：到2020年人工智能总体技术和应用与世界先进水平同步；到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。近日，科技部确定了首批国家新一代人工智能开放创新平台，分别依托百度、阿里云、腾讯、科大讯飞公司，建设自动驾驶、城市大脑、医疗影像、智能语音等4个国家新一代人工智能开放创新平台。与互联网技术发展相似，加速积累的技术能力和海量的数据资源，巨大的应用需求和开放的市场环境有机结合，形成了中国人工智能产业发展的独特优势。
展望未来，据英国政府《2017年英国人工智能产业发展报告》估计，预计到2024年，全球人工智能解决方案的市场价值将超过300亿英镑，部分行业在人工智能的帮助下，生产率将提高30%，节约成本近25%。而据领英公司《全球AI领域人才报告》显示，截至2017年一季度，全球AI（人工智能）领域技术人才数量已超过190万。
■
1.在国际金融业的应用
近年来，全球金融业正在人工智能的催化下悄然改变。据金融稳定委员会（FSB）报告，国际银行业对人工智能的应用主要集中在以下几个方面。
（1）面向资本运营，集中在资产配置、投研顾问、量化交易等。人工智能在金融投资顾问方面的运用，通常被称为智能投顾，主要是指为客户提供基于算法的在线投资顾问和资产管理服务。具体又可分为三类：一是应用于销售前端的大类资产配置型智能投顾，主要是通过用户分析为客户解决大类资产配置问题，如Wealthfront；二是应用于投资分析阶段的投研型智能投顾，主要通过海量数据挖掘和逻辑链条解决投资研究的问题，如Kensho；三是应用于策略、交易和分析的智能量化交易系统，主要通过人工智能手段取代交易员，应用于投资交易，如WaterBridge的全天候人工智能交易。根据统计公司Statista的预测，2017年美国智能投顾管理资产规模将达到2248.02亿美元，到2021年将达5095.55亿美元，年复合增长率29.3%。
（2）面向市场分析，集中于趋势预测、风险监控、压力测试。人工智能技术能够从零散的历史数据中获得更多信息，帮助识别非线性关系，给出市场预测（价格波动）及其时效性，从而带来直接或间接的更高回报。此外，人工智能技术还能对大型、半结构化和非结构化的数据集进行分析，考虑到市场行为、监管规则和其他趋势的变化，进行反向测试、模型验证和压力测试，避免低估风险，提高透明度。例如，全球第一个以纯人工智能驱动的基金Rebellion曾预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，比惠誉公司提前了1个月。日本三菱公司发明的机器Senoguchi，每月10日预测日本股市在30天后将上涨还是下跌。经过4年左右的测试，该模型的正确率高达68%。
（3）面向客户营销，集中于身份识别、信用评估和虚拟助手。人工智能技术已经被广泛应用于金融的前台，大型的客户数据被导入聊天程序，使其能够为客户“面对面”的用自然语言交流，提高“获客”能力。2017年4月，富国银行开始试点一款基于FacebookMessenger平台的聊天机器人项目，虚拟助手通过与用户交流，为客户提供账户信息，帮助客户重置密码。而美国银行的智能虚拟助手Erica也正式亮相。用户可使用语音和文字与Erica互动，Erica可以帮助用户查询信用评分、查看消费习惯，随着银行流水收支的变化为4500多万客户提供还款建议、理财指导等。此外，汇丰银行已经使用基于人脸和语音的生物识别技术来验证消费者身份；苏格兰皇家银行使用“LUVO”虚拟对话机器人为客户获取最适合的房屋贷款等等，旨在成为用户“可信任的金融咨询师”。
（4）面向金融监管，集中于识别异常交易和风险主体。人工智能技术能够用于识别异常交易和风险主体，检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP以及失业率，抓住可能对金融稳定造成的威胁。当前，一些国际监管机构，例如澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）及美国证券交易委员会（SEC），都在使用人工智能进行可疑交易识别。具体做法包括从证据文件中识别和提取利益主体，分析用户的交易轨迹、行为特征和关联信息，更快更准确地打击地下洗钱等犯罪活动。
2.在中国金融业的应用
在中国，银行业也紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。例如，阿里旗下的蚂蚁金服已将人工智能运用于互联网小贷、保险、征信、资产配置及客户服务等领域并取得了良好效果。腾讯优图是腾讯旗下人脸检测应用，也与腾讯征信、微众银行、财付通开展合作，实现了对用户的信用评估。
（1）智能客服。交通银行在2015年底推出国内首个智慧型人工智能服务机器人“娇娇”，目前已在上海、江苏、广东、重庆等省份的营业网点上岗。该款机器人采用了全球领先的智能交互技术，交互准确率达95%以上，是国内第一款真正“能听会说、能思考会判断”的智慧型服务机器人。工商银行在“企业通”平台基础上，利用数据对接和智能设备，优化业务流程，创新推出了对公客户的自助开户服务，客户仅需到网点一次，就可以完成账户开立、结算产品领取、资料打印、预留印鉴等业务处理。
（2）智能投顾。目前我国提供此服务的公司很多，其中银行系（如广发智投、招行摩羯智投、工行“AI”投等）、基金系（如南方基金超级智投宝、广发基金基智理财等）、大型互联网公司系（如百度金融、京东智投、同花顺）和第三方创业公司（如弥财、蓝海财富、拿铁财经等）都在智能投顾上有所应用。
（3）智能量化交易。在中国现行的金融监管体制下，目前银行在这方面的应用相对较少，但京东金融、蚂蚁金服、科大讯飞、因果树等进行了积极的探索。例如，因果树每周都通过机器来自动甄选优质项目并推出超新星企业，帮助企业在未来6个月内顺利拿到下一轮融资的概率提高到了30%左右。而嘉实基金则研发了一套从市场预测、资产配置到产品选择的完善的投资决策系统“嘉实FAS系统”，并实现了超过大盘收益率的投资回报水平。
（4）风险控制和管理。这主要包括以下三个方面：一是数据搜集和处理；二是风险控制和预测模型；三是信用评级和风险定价。例如，一个传统的贷款业务可能需要2至3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成，同时有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。中国银行推出贸易融资业务反洗钱核查项目，综合运用文本分析、图像识别、机器学习等人工智能技术，将原本每单审核时间从手工2小时下降到2分钟，效率与质量得到极大提升，银行人工成本大幅降低。
3.人工智能在金融领域的发展空间
（1）增强金融机构黏客能力，获取市场竞争主动权。
人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化地服务客户，这对于身处服务价值链高端的金融业将带来深刻影响，人工智能将成为银行沟通客户、发现客户金融需求的重要手段，进而增强银行对客户的黏性。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务更加个性化与智能化。
（2）降低金融机构运营成本，提高工作效率。
金融机构能够利用人工智能和机器学习发展新的业务需求，降低成本和管理收益风险，提高运作效率，优化客户流程。据中国银行业协会发布的《2016年度中国银行业服务改进情况报告》显示，2016年银行业金融机构离柜交易达1777.14亿笔，同比增长63.68%；银行业离柜业务率为84.31%，同比提高6.55个百分点；离柜交易金额达1522.54万亿元。其中，有15家银行的离柜业务率已经超过了90%。未来，越来越多的金融机构将加入到运用人工智能来增强自身竞争力的进程中。
权威机构和专家普遍对人工智能在金融领域应用前景持乐观态度。人工智能学会主席BenGoertzel认为，10年以后人工智能可能会介入世界上大部分的金融交易。海外咨询机构科尔尼（A.T.Kearney）预计，机器人投资顾问未来3到5年将成为主流，年复合增长率将达68%。到2020年，机器人投资顾问管理的资产规模有望达到2.2万亿美元。花旗银行研究预测，未来10年人工智能投资顾问管理的资产将实现指数级增长，总额将达到5万亿美元。德勤在《银行业展望：银行业重塑》报告中指出，机器智能决策的应用将会加速发展。智能算法在预测市场和人类行为的过程中会越来越强，人工智能将会影响行业竞争，市场将变得更有效率。
■
1.监管对象趋于复杂化
在当前的监管法规体系中，被监管对象往往是法人和自然人。由于人工智能技术的发展，投资账户的所有者和经营者可能发生变化。对于所有权为集合主体的账户，采用穿透原则将难以追溯至行为主体，这是因为实际的控制人并不是某个主体，而是智能代理。因而，监管面临的挑战是复杂的，投资人认为账户不是他们中的任何一人操作的，实际控制人不是他们。智能代理服务商只提供了智能代理“产品”，并没有实际控制账户。这时，监管部门就不得不面对如何监管既不是自然人也不是法人的“智能代理”的问题。
2.违法违规行为难以认定
例如，大量投资人雇佣同一款表现优异的智能代理，管理其自身账户的投资。由于同一款智能代理的操作逻辑相似，那么这些账户虽然法律上是各自独立，并不关联，但其实际操作可能表现为“一致行动人”的现象。因此，即使监管机构的大数据分析系统能够很灵敏地“捕捉”到这个现象，但是如何认定这种“英雄所见略同”式的行为，将是一个监管难题。
3.智能代理行为增加了监管难度
虽然从技术层面上讲，智能代理行为可以从内控程序上加以控制，但对于其具体代理行为的监管边界以及责任主体，目前的监管法规均未涉及。
4.责任主体难以界定
如果个别研发人员设计出一个恶意的智能代理，并被一些集合性质的基金所使用，就可能引发个别股票价格的异动。对于这样的违规行为，现有监管法规将难以界定责任主体。
■
人工智能在金融领域加快应用是未来的发展方向，监管机构既要正视这种趋势，积极抢占人工智能发展高地，又必须重视人工智能应用给金融领域造成的冲击，未雨绸缪地开展前瞻性研究和战略性部署。
1.针对人工智能特点，研究完善金融市场交易规则
我国有关人工智能金融领域应用的市场交易规则几乎空白，应针对其潜在影响，积极研究相关金融市场的交易规则，为人工智能发展创造良好的市场环境。
2.加快人工智能在金融监管方面的应用
人工智能在金融领域的应用，对金融监管模式和手段提出了新的要求。面对人工智能的快速发展，我国金融监管部门应积极引入人工智能，进一步提高监管效率。
3.重视对用户隐私的保护
当前，我国有关隐私保护的法律制度还不健全，金融消费者的隐私保护意识较为薄弱，个人信息泄露的现象时有发生，无论从保护公民基本权利，还是从发展人工智能的需要考虑，都亟须完善我国金融隐私权保护制度，加强相关行政监管，明确金融机构相关告知义务、信息安全保障义务，以及出现问题后的赔偿责任，有效保证人工智能在金融领域应用中的信息安全。
对于商业银行而言，一是大型金融集团要做好前期资金技术的投放，提前介入，加强技术创新；要加快业务创新，在行业转型上保持领先地位，要增强技术及维护人员储备，尤其是智能型、复合型人才的引进及培养，提高核心竞争力，适应发展要求。二是加强风险控制。在数据处理方面，人工智能技术极大地扩展了数据来源，因而更多的数据被纳入分析体系。同时，金融工具能自动进化交易策略，甚至模拟专家进行决策，这会隐含许多新的风险。必须对前期数据来源、智能化程序设计等环节进行严格审查，加强风险控制。尤其在恐怖袭击、监管变革和实施卖空禁令等个别极端情况下，还需要专家进行必要的风险检测及应对。（作者杨荇）
人工智能在金融领域应用及监管挑战
人工智能的发展历程2012-2017年全球人工智能并购活动资料来源：FSB金融科技报告2017上世纪90年代以来，机器学习尤其是深度学习的大规模应用，推动了人工智能的快速发展。目前中国的人工智能研究及应用正处于爆发期，并迎来国家层面的统筹规划和全面引导，未来发展空间巨大。从金融领域来看，国际银行业对人工智能的主要应用集中在资本运营、市场分析、客户营销、风险监管等方面。中国银行业紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。但是，人工智能的应用也对金融监管带来挑战：一是监管对象趋于复杂化；二是违法违规行为难以认定；三是智能代理行为增加了监管难度；四是责任主体难以界定。监管机构要正视这种趋势，针对人工智能特点，需要研究完善金融市场交易规则；加强人工智能在金融监管方面的应用；重视对用户隐私的保护。商业银行则一方面要积极加强技术创新，另一方面要注意风险控制。
□杨荇
近年来发展迅速的中国人工智能产业正在迎来国家层面的统筹规划和全面引导。2017年7月，国务院印发《新一代人工智能发展规划》（以下简称《规划》）。《规划》一经发布，即在世界范围内引起关注。那么，人工智能在中国的发展前景如何？其在金融领域如何应用？将给监管体制带来什么样的挑战？本文拟对这些问题进行探析。
■
1.人工智能概念
对于人工智能（ArtificialIntelligence，简称AI），国际上没有一个公认的定义。最早提出这一概念的约翰·麦卡锡认为，“人工智能就是要让机器的行为看起来像人所表现出的智能行为一样。”我国《人工智能辞典》将人工智能定义为“使计算机系统模拟人类的智能活动，完成人用智能才能完成的任务”。此外，还有其他诸多关于人工智能的定义。综合来看，这些概念可以分为两类观点：一类观点是弱人工智能概念，认为不可能制造出能真正推理和解决问题的智能机器，这些所谓的智能机器只是看起来智能，但不会真正拥有智能，也不会具有自主意识。另一类观点是强人工智能概念，认为有可能制造出真正能推理和解决问题的智能机器，并且能够具有知觉和自我意识。强人工智能又可以分为两类：一是类人的人工智能，即机器的思考和推理与人的思维一样；二是非类人的人工智能，即机器拥有和人完全不一样的知觉和意识，使用和人完全不一样的推理方式。
总体来讲，无论是那种人工智能概念，都体现出这三点优势：一是工作稳定性高。人工智能可不知疲倦地进行工作，在分析问题时几乎不受环境影响。二是降低操作风险和道德风险。利用人工智能取代传统人工对金融交易、服务信息审查监管，控制交易活动中潜在的非法行为，可更好地避免操作风险和道德风险。三是有效提高决策效率。人工智能可以快速地对大数据进行筛选和分析，帮助人们更高效率地决策。因此，本文所讨论的人工智能范畴，是包括强人工智能和弱人工智能的广义人工智能概念。
2.人工智能的理论基础
人工智能是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（空间技术、能源技术、人工智能），也被认为是21世纪三大尖端技术（基因工程、纳米科学、人工智能）之一。这是因为近30年来它获得了迅速的发展，并已发展成为一门独立的系统学科。
那么，机器“智能”从何而来呢？这主要归功于一种实现人工智能的方法——机器学习。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件作出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。机器学习直接来源于早期的人工智能领域，传统的算法包括决策树、聚类、贝叶斯分类、支持向量机、EM、Adaboost等。从学习方法上来分，机器学习算法可以分为监督学习（如分类问题）、无监督学习（如聚类问题）、半监督学习、集成学习、深度学习和强化学习。
总的来看，当前人工智能的研究可归纳为六个方面：一是计算机视觉（暂且把模式识别、图像处理等问题归入其中）；二是自然语言理解与交流（暂且把语音识别、合成归入其中，包括对话）；三是认知与推理（包含各种物理和社会常识）；四是机器人学（机械、控制、设计、运动规划、任务规划等）；五是博弈与伦理（多代理人的交互、对抗与合作，机器人与社会融合等议题）；六是机器学习（各种统计的建模、分析工具和计算方法）。
3.人工智能发展现状
2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法的出现，人工智能在产业应用上得到快速发展。从全球范围来看，人工智能产业领先的国家主要有美国、中国等。截止到2017年6月，全球人工智能企业总数达到2542家，其中美国有1078家，占42%；中国有592家，占23%。美国的人工智能呈现出全产业布局的特征，包括基础层、技术层、应用层均有布局，而中国的人工智能主要集中在应用侧，只在技术层局部有所突破。
目前，中国的人工智能研究及应用正处于爆发期。中国政府高度重视人工智能发展，在2017年7月印发的《新一代人工智能发展规划》中描绘了未来十几年中国人工智能发展的宏伟蓝图：到2020年人工智能总体技术和应用与世界先进水平同步；到2025年人工智能基础理论实现重大突破，部分技术与应用达到世界领先水平；到2030年人工智能理论、技术与应用总体达到世界领先水平，成为世界主要人工智能创新中心。近日，科技部确定了首批国家新一代人工智能开放创新平台，分别依托百度、阿里云、腾讯、科大讯飞公司，建设自动驾驶、城市大脑、医疗影像、智能语音等4个国家新一代人工智能开放创新平台。与互联网技术发展相似，加速积累的技术能力和海量的数据资源，巨大的应用需求和开放的市场环境有机结合，形成了中国人工智能产业发展的独特优势。
展望未来，据英国政府《2017年英国人工智能产业发展报告》估计，预计到2024年，全球人工智能解决方案的市场价值将超过300亿英镑，部分行业在人工智能的帮助下，生产率将提高30%，节约成本近25%。而据领英公司《全球AI领域人才报告》显示，截至2017年一季度，全球AI（人工智能）领域技术人才数量已超过190万。
■
1.在国际金融业的应用
近年来，全球金融业正在人工智能的催化下悄然改变。据金融稳定委员会（FSB）报告，国际银行业对人工智能的应用主要集中在以下几个方面。
（1）面向资本运营，集中在资产配置、投研顾问、量化交易等。人工智能在金融投资顾问方面的运用，通常被称为智能投顾，主要是指为客户提供基于算法的在线投资顾问和资产管理服务。具体又可分为三类：一是应用于销售前端的大类资产配置型智能投顾，主要是通过用户分析为客户解决大类资产配置问题，如Wealthfront；二是应用于投资分析阶段的投研型智能投顾，主要通过海量数据挖掘和逻辑链条解决投资研究的问题，如Kensho；三是应用于策略、交易和分析的智能量化交易系统，主要通过人工智能手段取代交易员，应用于投资交易，如WaterBridge的全天候人工智能交易。根据统计公司Statista的预测，2017年美国智能投顾管理资产规模将达到2248.02亿美元，到2021年将达5095.55亿美元，年复合增长率29.3%。
（2）面向市场分析，集中于趋势预测、风险监控、压力测试。人工智能技术能够从零散的历史数据中获得更多信息，帮助识别非线性关系，给出市场预测（价格波动）及其时效性，从而带来直接或间接的更高回报。此外，人工智能技术还能对大型、半结构化和非结构化的数据集进行分析，考虑到市场行为、监管规则和其他趋势的变化，进行反向测试、模型验证和压力测试，避免低估风险，提高透明度。例如，全球第一个以纯人工智能驱动的基金Rebellion曾预测了2008年的股市崩盘，并在2009年9月给希腊债券F评级，比惠誉公司提前了1个月。日本三菱公司发明的机器Senoguchi，每月10日预测日本股市在30天后将上涨还是下跌。经过4年左右的测试，该模型的正确率高达68%。
（3）面向客户营销，集中于身份识别、信用评估和虚拟助手。人工智能技术已经被广泛应用于金融的前台，大型的客户数据被导入聊天程序，使其能够为客户“面对面”的用自然语言交流，提高“获客”能力。2017年4月，富国银行开始试点一款基于FacebookMessenger平台的聊天机器人项目，虚拟助手通过与用户交流，为客户提供账户信息，帮助客户重置密码。而美国银行的智能虚拟助手Erica也正式亮相。用户可使用语音和文字与Erica互动，Erica可以帮助用户查询信用评分、查看消费习惯，随着银行流水收支的变化为4500多万客户提供还款建议、理财指导等。此外，汇丰银行已经使用基于人脸和语音的生物识别技术来验证消费者身份；苏格兰皇家银行使用“LUVO”虚拟对话机器人为客户获取最适合的房屋贷款等等，旨在成为用户“可信任的金融咨询师”。
（4）面向金融监管，集中于识别异常交易和风险主体。人工智能技术能够用于识别异常交易和风险主体，检测和预测市场波动、流动性风险、金融压力、房价、工业生产、GDP以及失业率，抓住可能对金融稳定造成的威胁。当前，一些国际监管机构，例如澳大利亚证券及投资委员会（ASIC）、新加坡货币当局（MAS）及美国证券交易委员会（SEC），都在使用人工智能进行可疑交易识别。具体做法包括从证据文件中识别和提取利益主体，分析用户的交易轨迹、行为特征和关联信息，更快更准确地打击地下洗钱等犯罪活动。
2.在中国金融业的应用
在中国，银行业也紧随国际银行业步伐，开始了应用人工智能技术的探索，其中互联网金融公司在人工智能研究和运用方面抢占了领先优势。例如，阿里旗下的蚂蚁金服已将人工智能运用于互联网小贷、保险、征信、资产配置及客户服务等领域并取得了良好效果。腾讯优图是腾讯旗下人脸检测应用，也与腾讯征信、微众银行、财付通开展合作，实现了对用户的信用评估。
（1）智能客服。交通银行在2015年底推出国内首个智慧型人工智能服务机器人“娇娇”，目前已在上海、江苏、广东、重庆等省份的营业网点上岗。该款机器人采用了全球领先的智能交互技术，交互准确率达95%以上，是国内第一款真正“能听会说、能思考会判断”的智慧型服务机器人。工商银行在“企业通”平台基础上，利用数据对接和智能设备，优化业务流程，创新推出了对公客户的自助开户服务，客户仅需到网点一次，就可以完成账户开立、结算产品领取、资料打印、预留印鉴等业务处理。
（2）智能投顾。目前我国提供此服务的公司很多，其中银行系（如广发智投、招行摩羯智投、工行“AI”投等）、基金系（如南方基金超级智投宝、广发基金基智理财等）、大型互联网公司系（如百度金融、京东智投、同花顺）和第三方创业公司（如弥财、蓝海财富、拿铁财经等）都在智能投顾上有所应用。
（3）智能量化交易。在中国现行的金融监管体制下，目前银行在这方面的应用相对较少，但京东金融、蚂蚁金服、科大讯飞、因果树等进行了积极的探索。例如，因果树每周都通过机器来自动甄选优质项目并推出超新星企业，帮助企业在未来6个月内顺利拿到下一轮融资的概率提高到了30%左右。而嘉实基金则研发了一套从市场预测、资产配置到产品选择的完善的投资决策系统“嘉实FAS系统”，并实现了超过大盘收益率的投资回报水平。
（4）风险控制和管理。这主要包括以下三个方面：一是数据搜集和处理；二是风险控制和预测模型；三是信用评级和风险定价。例如，一个传统的贷款业务可能需要2至3天来审批，而一个基于人工智能模型的自动审批方案可能只需要几秒钟就可以完成，同时有些传统风控模型的迭代周期可能要数个月甚至数年，但是人工智能的模型迭代可以非常便捷和自动。中国银行推出贸易融资业务反洗钱核查项目，综合运用文本分析、图像识别、机器学习等人工智能技术，将原本每单审核时间从手工2小时下降到2分钟，效率与质量得到极大提升，银行人工成本大幅降低。
3.人工智能在金融领域的发展空间
（1）增强金融机构黏客能力，获取市场竞争主动权。
人工智能的飞速发展，使得机器能够在很大程度上模拟人的功能，实现批量人性化和个性化地服务客户，这对于身处服务价值链高端的金融业将带来深刻影响，人工智能将成为银行沟通客户、发现客户金融需求的重要手段，进而增强银行对客户的黏性。它将对金融产品、服务渠道、服务方式、风险管理、授信融资、投资决策等带来新一轮的变革。人工智能技术在前端可以用于服务客户，在中台支持授信、各类金融交易和金融分析中的决策，在后台用于风险防控和监督，它将大幅改变金融现有格局，金融服务更加个性化与智能化。
（2）降低金融机构运营成本，提高工作效率。
金融机构能够利用人工智能和机器学习发展新的业务需求，降低成本和管理收益风险，提高运作效率，优化客户流程。据中国银行业协会发布的《2016年度中国银行业服务改进情况报告》显示，2016年银行业金融机构离柜交易达1777.14亿笔，同比增长63.68%；银行业离柜业务率为84.31%，同比提高6.55个百分点；离柜交易金额达1522.54万亿元。其中，有15家银行的离柜业务率已经超过了90%。未来，越来越多的金融机构将加入到运用人工智能来增强自身竞争力的进程中。
权威机构和专家普遍对人工智能在金融领域应用前景持乐观态度。人工智能学会主席BenGoertzel认为，10年以后人工智能可能会介入世界上大部分的金融交易。海外咨询机构科尔尼（A.T.Kearney）预计，机器人投资顾问未来3到5年将成为主流，年复合增长率将达68%。到2020年，机器人投资顾问管理的资产规模有望达到2.2万亿美元。花旗银行研究预测，未来10年人工智能投资顾问管理的资产将实现指数级增长，总额将达到5万亿美元。德勤在《银行业展望：银行业重塑》报告中指出，机器智能决策的应用将会加速发展。智能算法在预测市场和人类行为的过程中会越来越强，人工智能将会影响行业竞争，市场将变得更有效率。
■
1.监管对象趋于复杂化
在当前的监管法规体系中，被监管对象往往是法人和自然人。由于人工智能技术的发展，投资账户的所有者和经营者可能发生变化。对于所有权为集合主体的账户，采用穿透原则将难以追溯至行为主体，这是因为实际的控制人并不是某个主体，而是智能代理。因而，监管面临的挑战是复杂的，投资人认为账户不是他们中的任何一人操作的，实际控制人不是他们。智能代理服务商只提供了智能代理“产品”，并没有实际控制账户。这时，监管部门就不得不面对如何监管既不是自然人也不是法人的“智能代理”的问题。
2.违法违规行为难以认定
例如，大量投资人雇佣同一款表现优异的智能代理，管理其自身账户的投资。由于同一款智能代理的操作逻辑相似，那么这些账户虽然法律上是各自独立，并不关联，但其实际操作可能表现为“一致行动人”的现象。因此，即使监管机构的大数据分析系统能够很灵敏地“捕捉”到这个现象，但是如何认定这种“英雄所见略同”式的行为，将是一个监管难题。
3.智能代理行为增加了监管难度
虽然从技术层面上讲，智能代理行为可以从内控程序上加以控制，但对于其具体代理行为的监管边界以及责任主体，目前的监管法规均未涉及。
4.责任主体难以界定
如果个别研发人员设计出一个恶意的智能代理，并被一些集合性质的基金所使用，就可能引发个别股票价格的异动。对于这样的违规行为，现有监管法规将难以界定责任主体。
■
人工智能在金融领域加快应用是未来的发展方向，监管机构既要正视这种趋势，积极抢占人工智能发展高地，又必须重视人工智能应用给金融领域造成的冲击，未雨绸缪地开展前瞻性研究和战略性部署。
1.针对人工智能特点，研究完善金融市场交易规则
我国有关人工智能金融领域应用的市场交易规则几乎空白，应针对其潜在影响，积极研究相关金融市场的交易规则，为人工智能发展创造良好的市场环境。
2.加快人工智能在金融监管方面的应用
人工智能在金融领域的应用，对金融监管模式和手段提出了新的要求。面对人工智能的快速发展，我国金融监管部门应积极引入人工智能，进一步提高监管效率。
3.重视对用户隐私的保护
当前，我国有关隐私保护的法律制度还不健全，金融消费者的隐私保护意识较为薄弱，个人信息泄露的现象时有发生，无论从保护公民基本权利，还是从发展人工智能的需要考虑，都亟须完善我国金融隐私权保护制度，加强相关行政监管，明确金融机构相关告知义务、信息安全保障义务，以及出现问题后的赔偿责任，有效保证人工智能在金融领域应用中的信息安全。
对于商业银行而言，一是大型金融集团要做好前期资金技术的投放，提前介入，加强技术创新；要加快业务创新，在行业转型上保持领先地位，要增强技术及维护人员储备，尤其是智能型、复合型人才的引进及培养，提高核心竞争力，适应发展要求。二是加强风险控制。在数据处理方面，人工智能技术极大地扩展了数据来源，因而更多的数据被纳入分析体系。同时，金融工具能自动进化交易策略，甚至模拟专家进行决策，这会隐含许多新的风险。必须对前期数据来源、智能化程序设计等环节进行严格审查，加强风险控制。尤其在恐怖袭击、监管变革和实施卖空禁令等个别极端情况下，还需要专家进行必要的风险检测及应对。
（作者单位：中国工商银行城市金融研究所。本文系个人观点，不代表所在机构）
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）