新华社发布2019年度“人工智能时代媒体变革与发展”研究报告
近年来，新华社深入贯彻落实习近平总书记要求，聚焦通讯社主业，持续追踪人工智能技术前沿成果，创造性地研发新闻应用场景，引领媒体人工智能发展潮流，走在世界媒体前列。在大力推进技术革新，通过智能化创新提速提量、提质提效的同时，新华社高度重视相关研究工作，以期为业界实践提供启示借鉴。2019年5月，新华社成立“人工智能时代媒体变革与发展”课题组，聚焦国内外媒体智能化发展情况，关注人工智能领域代表性科技公司的前沿进展，同时面向国内百余家媒体开展问卷调查，调研成果形成2019年度“人工智能时代媒体变革与发展”研究报告，近期将在报告基础上推出专著《智能时代：媒体重塑》。现将报告核心内容摘编以飨读者。
智能时代：传媒业发展现状、挑战与趋势
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，多次谈及人工智能重要性，为人工智能如何赋能新时代指明方向。近年来，我国先后颁布了一系列国家级战略规划，启动实施人工智能重大项目、推动人工智能学科建设、布局人工智能创新发展实验区，不断强化人工智能基础理论和关键技术研究，促进人工智能与经济社会的高度融合。
人工智能技术的突飞猛进带动了媒体行业的飞速发展，全球新闻传播领域呈现出智能化发展趋势。人工智能技术不仅重塑了新闻生产的整个业务流程，而且改变了传媒产业价值链上的各个环节，还催生出新的媒体业态。人工智能技术在与新闻媒体结合的过程中具有广泛的应用领域和想象空间，甚至可以将人工智能视为下一代新闻媒体的生态环境。
人工智能时代，传媒业应坚持守正创新，在变革中厘清变与不变的认识，把握坚持与发展的关系，避免走入“技术至上论”的迷思。牢牢坚持内容为王，在任何时候都不能丢掉主流媒体的内容优势，同时努力运用智能技术提升传播力、引导力、影响力、公信力。必须明确“人机协作”中居于主导地位的仍然是人，人工智能技术是服务于新闻信息策、采、编、发的工具，不能完全代替人。媒体从业人员应认真践行“四力”要求，不断增强脚力、眼力、脑力、笔力，采写有思想、有温度、有品质的新闻。
课题组深入调研国内外媒体智能化发展情况，了解人工智能领域代表性科技公司的前沿进展，同时面向国内百余家媒体开展问卷调查，调查范围涵盖通讯社、报纸、广播、电视、网站、新媒体业态等各类媒体机构。综合深度调研以及问卷调查结果，我们有以下发现：
一、现状分析
近几年，国内媒体融合深入推进，传统媒体正在发生嬗变，大量新闻信息内容不仅通过报刊、广播、电视等载体传播，还向网站、“两微一端”等新的传播渠道拓展。随着算法推荐、语音交互、计算机视觉等技术的不断发展，新型主流媒体建设提速，国外媒体对人工智能的探索运用也如火如荼。传媒业希望借助人工智能技术高效地进行内容的生产、分发、管理，打造媒体与用户之间的互联互动的新生态，助力转型升级与融合发展。人工智能正深度融入传媒产业链的各个流程和环节，催发一系列的化学反应。
※一是国内传媒业对人工智能技术的应用呈现积极态势，有助于舆论引导能力和传播效果的增强。
超八成（81.8%）受访者认为国内传媒业对智能技术的应用呈现出积极态势。人民日报、新华社、中央广播电视总台以及不少地方媒体积极迎接人工智能时代到来，创新体制机制，整合各方资源，释放新闻生产力，智能化新技术、新产品不断涌现。近半数（49.2%）受访者认为人工智能技术的应用，使媒体舆论引导能力增强，传播效果提升明显。
※二是国内多数传媒对人工智能技术的应用程度及效果一般，不少传统媒体智能化建设迟缓。
超四成受访者表示，目前国内传媒业对人工智能技术的应用程度及效果一般。受限于资金、人才、技术等方面的问题，不少传统媒体智能化发展方面动作迟缓：一方面一些传统媒体的移动化、数字化转型已举步维艰，盈利模式不清、人才流失严重，智能化发展需要的关键技术和设备成本投入高昂，成为其不能承受之重；另一方面很多传统媒体的技术力量薄弱，不具备自主研发和搭建平台的能力，很难实现人工智能技术的快速落地和持续迭代，因此部分传统媒体应用人工智能面临重重阻碍和困难。受访者普遍认为新媒体业态、机构对于人工智能技术的应用效果好于传统媒体。
※三是人工智能技术对媒体采编发流程的影响很大，已渗透至新闻领域各环节。
人工智能对媒体采编发流程的影响最大，对编辑工作、媒体机构品牌的影响也比较大，相对而言对记者工作、经营工作的影响小一些。随着人工智能技术的不断成熟，国内外传媒业都开始将其运用到新闻生产传播的各个环节，数据挖掘被用于寻找新闻线索，机器人写作被用于内容生产，算法推荐接管内容分发等。人工智能已经渗透至信息采集、内容生产、内容分发到与用户互动等全链条。数据表明，国内新闻工作各业务环节中，人工智能应用渗入程度最高的环节集中在舆情监测/线索收集、内容精准传播、用户画像等方面。人工智能应用对新闻报道的时效性、个性化新闻分发的精确度、新闻生产效率提升等方面的帮助作用最为受访者认可。
※四是算法推荐新闻、AI合成主播等智能技术应用，令媒体从业者印象深刻。
受访媒体人印象最深的智能应用是今日头条算法推荐和个性化信息流分发，新华社推出的AI合成主播、“媒体大脑”。人工智能技术驱动的新的媒体业态中，受访者印象最深的集中在视频平台（快手、抖音等）、资讯定制类平台（今日头条、一点资讯等）及网络社交类平台（微博、微信等）。受访者知晓程度最高的五项智能技术是AI合成主播（39.0%）、算法推送新闻（39.0%）、机器人写稿（37.6%）、舆情监测/新闻热点抓取和预测（36.2%）和智能检校（监测新闻稿件中的可疑或高危文本/图片并进行预警）（34.1%）。综合受访者在使用频率、易用性、重要性、对效率的提升程度等维度的打分情况，传媒领域落地的五大“明星”智能技术是：原创识别及盗版追踪、视频字幕生成、算法推送新闻、图片视频自动分类以及采访助手（自动把采访的语音或视频转化成文字辅助编辑写稿）。
※五是人工智能对传媒业影响巨大，将助推新业态产生及媒体融合发展。
超八成（87.4%）受访者认为人工智能对传媒业整体影响大。近七成（67.2%）受访者认为，人工智能将不断催生新的媒体业态。今日头条、一点资讯、快手等虽然声称自己不是媒体，但它们运用人工智能技术实现算法推荐分发，并积极打造内容生态平台，业已成为具有媒体属性的新兴业态。82.9%的受访者认为国内媒体融合发展进程中，人工智能技术的应用空间大。55.9%的受访者认为人工智能将与媒体“深度渗透（融合）”，助推媒体融合向纵深迈进。
二、问题与挑战
人工智能与媒体各业务环节深度融合，实现了提质增效，但在发展进程中，面临不少问题与挑战。对于媒体自身而言，技术基因先天不足、队伍能力跟不上发展要求以及理念、成本等问题在国内外传媒界普遍存在。与此同时，随着人工智能技术越来越多介入新闻生产和传播实践，其双刃剑效应愈加明显，失序失范现象频现，一系列新问题新挑战接踵而至。
※一是观念认知水平滞后于智能化发展趋势。
有效推动人工智能技术应用与媒体创新变革，理念必须先行。调查数据显示，59.7%的受访者认为，推进媒体智能化发展，首先要全员刷新观念、提高认识水平。没有充分的思想认识和正确的思想观念，就难以有科学的发展战略和创新策略。目前，媒体应用人工智能最常见的观念和认知误区表现在三方面：一是在观念上，对运用人工智能加速媒体融合“雾里看花”，认识不充分、不到位。二是在认知上，对人工智能技术在新闻生产领域具体环节的应用效果，还存在“看不见”“看不起”“看不懂”的情况。三是一些媒体机构对于人工智能重视程度不够，缺乏清晰的发展目标、实施路径和战略规划。
※二是传统媒体体制机制不能有效适应变革。
首先，表现在传统组织架构、业务流程的不适应。问卷调查数据显示，63.9%的受访者认为媒体应对人工智能的挑战首先应注重改造传统的采编发业务流程。近年来，一些媒体先行先试，在空间意义上完成了平台架构和外部形态的改造，但在实际生产运作中还需要进一步理顺生产关系、重构新闻生产流程。其次，是资金制约。人工智能相关软硬件的引进开发及数据库构建管理需要较高资金投入，在当前传统媒体整体业绩下滑背景下，不少媒体表示“有心无力”“没钱投入”。第三，人才队伍建设面临新课题。一些传统媒体人员队伍能力跟不上媒体智能化发展要求，不能熟练运用新技术、新手段，存在“本领恐慌”。缺乏媒体智能化发展所需的复合型人才、创新性人才，特别是在技术、运营等部门，领军人才少之又少。传统媒体由于体制机制掣肘，大多存在人才“用不好”“留不住”“招不来”的难题。
※三是传统媒体机构技术基因先天不足。
技术是媒体发展变革的第一生产力。从全球范围看，不少传统媒体积极拥抱人工智能技术，努力转换角色，从内容生产者向平台运营者转化。然而，如何科学合理地研发、运用智能化技术，提高人工智能技术的本土化水平，开发满足市场需求的新场景、新模式，确保应用水平与技术本身的发展水平相匹配，始终是媒体智能化转型的一大痛点。调查结果表明，75.3%的受访者认为媒体应对人工智能的挑战最重要的是增强采编队伍技术储备和创新能力。当前，技术基础设施不足、技术实力不足、人工智能技术应用水平与创新能力有限、媒体机构与技术公司的合作模式有待优化，是影响人工智能技术在媒体落地应用的四个主要问题。
※四是数据标注成为智能化发展瓶颈。
提高人工智能应用水平，大规模、高质量的数据积累必不可少。媒体机构在内容生产、用户服务过程中会产生海量的新闻素材数据及用户行为数据，但大量的数据资源并不能直接用于人工智能的算法训练。调查数据显示，59.5%的受访者认为，面对人工智能的挑战，要高度重视内容数据化。目前，国内不少媒体已在这方面展开积极尝试，但海量的新闻稿、历史图片、视频数据等数据资源，需要投入大量成本，进行“数据清洗”（Datacleaning）以及标框工作，生成高质量的信息化数据。对于数据的清洗整理、加注标引、入库管理需要大量的财力及物力去支撑。因此，对于大多数媒体而言，从“数字化”时代进入“数据化”时代，还有很长的路要走，媒体在布局人工智能战略之初，就必须注意到数据的重要性，着力打造完备的数据源和处理庞大数据系统的能力。
※五是智能化发展给形成舆论共识和防止假新闻带来挑战。
推荐算法基于用户精准画像进行内容筛选推送，提升了新闻生产个性化和新闻推送准确率，同时，由于侧重迎合个人偏好，导致“信息窄化”，形成“信息孤岛”。长此以往，舆论趋于分化、极化、碎片化，形成社会共识、增强社会凝聚力难度加大。与此同时，人工智能技术滥用误用引发虚假新闻危害，基于深度学习、虚拟现实等的换脸技术、语音合成技术、视频生成技术大大发展，虚假文本及音视频成为“新型谣言”。调查结果显示，半数以上（54.5%）受访者认为，假新闻的识别难度加大是影响人工智能发展的重要问题。传统假新闻尚可通过多种渠道验证真伪，但在人工智能技术“黑箱化”的趋势下，信息来源和真伪的判断难度加大。
※六是用户数据安全与隐私成为不容回避的伦理风险。
基于广泛数据分析的人工智能技术大大增加了公民隐私受侵犯的风险，对个人信息的非法使用和采集，对数据来源缺乏安全有效保护，易于造成隐私泄露，出现信息安全问题。调查中，半数受访者认为，隐私保护难度加大已成为人工智能在传媒业运用中存在的重要问题。在媒体智能化发展进程中，用户在与媒介接触的过程中生成了海量数据，在基于用户个人资料、行为数据提供更精准更优质服务的同时，保障数据安全、尊重用户隐私十分重要，必须时刻关注在保护用户数据方面是否存在漏洞，加强对用户隐私的保护，落实相应的人工智能安全策略。
三、对策与建议
随着媒体融合发展进入新阶段，人工智能已经不再仅是一种趋势，而是媒体产业变革的重要驱动力，谁在智能化领域占得先机，谁就能掌握媒体变革的主动权。从技术发展角度看，目前尚处于“弱人工智能”时期，国内外媒体对人工智能技术的应用更多属于初步探索，一些智能化理念从技术规划设想到真正实践应用还有很长的路要走。随着科学技术的不断发展，人工智能将持续推动变革新闻媒体的形态与业态，面对新变化和新态势，我们提出以下建议：
※一是谋划智能化发展战略，探索技术发展新路径。
主流媒体应当根据自身的发展特点和实际情况及早谋划、尽快制定智能化发展战略，抓住人工智能、大数据、云计算、区块链等发展战略机遇，探索技术发展新路径，打造新的竞争优势。具有资源优势的中央级媒体需要进一步发挥引领作用，积极探索技术发展新路径，加大对人工智能的自主研发投入，掌握技术核心，打造智能化、移动化、可视化、社交化等自主可控的新媒体平台；同时，加强与头部科技公司的技术研发合作，拓展前沿技术引进渠道。其他媒体机构应当有选择地走技术自主研发或者技术引进之路，确保在智能化发展浪潮中不落伍、不掉队。
※二是转变传统思维观念，顺应智能化发展新趋势。
正如互联网对传统媒体带来的冲击一样，无论个人意愿如何，人工智能已经深入影响传媒业的发展变革。传统媒体机构需要培养新的观念理念顺应智能化发展新趋势，探索新的体制机制、新的组织架构、新的业务流程以及新的人才队伍，进行彻底的智能化转型。传统媒体人需要主动转型，改变旧式的媒体思维，深化对人工智能发展趋势的认识，提高对技术运用与内容创新关系的认知，不断适应人工智能技术的发展潮流。
※三是变革新闻生产体制机制，切实发挥技术引领。
人工智能技术对新闻生产方式的影响，将直接推动未来媒体的发展。主流媒体的融合发展与智能化创新，不仅是成立新部门、运用新技术，而且要推动媒体资源的全面融合，以核心技术、关键技术为依托再造新闻生产全流程。人工智能时代，主流媒体不仅要重视技术研发与应用的资金投入，而且要尽快创新变革新闻生产的体制机制，依靠新的制度实现技术与新闻生产各要素的优化整合，更好地吸纳资源、吸引人才，构建管理扁平化、功能集中化、产品全媒化的融合发展体系，真正释放科技潜能、不断激发创新活力、切实发挥技术引领。
※四是推动内容智能化创新建设，增强舆论引导力。
人工智能等新科技能够推动新闻报道的形式创新、手段创新，但内容创新是根本。主流媒体在引入并运用新科技的基础上，要进一步推动前沿技术充分赋能内容创新，把内容创新与形式创新有机结合。传媒业不仅要注重新技术的使用，更要提高内容的深度挖掘和技术对内容表现和传播的适配性，使得新闻内容与前沿技术应用无缝对接。同时，主流媒体要充分借助人工智能等前沿科技深入研究新媒体传播规律和受众市场，不断改进产品设计、优化产品形态、提高产品质量，切实增强舆论引导力。
※五是全面整合市场资源，推动媒体融合纵深发展。
人工智能与5G、大数据、云计算、物联网、区块链等新兴科技产业一同改变着传媒业的发展生态。传统媒体机构只有不断跨界整合市场中的科技资源与技术力量，在产品融合、终端融合、渠道融合、人员融合等各方面实现跨越式发展，才能在信息市场中重握主动权，逐步构建起合理的信息传播生态圈及价值体系。中央级媒体拥有得天独厚的资源优势，必须作为主力军和排头兵积极探索技术资源整合的方式方法、渠道途径及发展道路，充分发挥科技赋能效应，推动媒体融合纵深发展。
※六是重视挖掘数据价值，重塑传媒业核心竞争力。
主流媒体在长期发展过程中积累了大量丰富宝贵的采编资源，为其不断提高报道质量、有效履行职能发挥了重要作用，应当充分挖掘数据价值，探索打造一体化大数据管理体系，利用先进算法和算力，实现数据资源的整合共享、数据标引、数据清洗、人工智能训练以及结构化存储。主流媒体应当将大数据分析能力融入新闻生产全流程，使新闻生产流程从基于经验升级至基于数据，探索建立传媒业特有的数据生态，打造数据驱动型媒体，重塑核心竞争力。
※七是打造智媒体新型团队，培育全媒化人才队伍。
智能媒体需要匹配“智能+”的编辑记者，未来的新闻人才队伍应当是复合型的，既需要复合型的个人，更需要复合型的团队，“全媒体编辑记者+人工智能工程师”可能将成为基础配置之一。主流媒体需要科学制定全媒体、智媒体人才的发展整体规划，改变传统招聘重采编轻技术的现状，加大智能技术人才的选聘力度；加强传统采编人员的智能技术培训，提升采编人员之间、人机之间的协同创新能力；探索专家型编辑记者培养与融合报道能力提升的有机结合，构建专业型和全媒型人才成长的“双路径”。
※八是探索法律伦理规约，确保人工智能可管可控。
传媒业在开展人工智能的研发和应用中，需要把握住以人类价值观为导向的方法论，充分考虑人的良知和情感，避免出现安全失控、法律失准、伦理失常等问题，如当前各大新媒体资讯平台需要不断完善算法推荐机制以确保舆论安全等。随着技术的发展，人工智能的能力将不断增强，应当尽快从法律法规层面制定符合媒介伦理的规则和标准，严防技术失控、保护用户隐私、确保人工智能产品皆可溯源，使人工智能既要具备“智慧”又要确保其“善用”。
四、趋势展望
目前，人工智能对传媒业产生深刻影响，从内容生产自动化，到智能分发精准化，再到内容形态多样化和运营管理系统化，其业务流程和生态体系发生着翻天覆地变化。未来，将呈现以下发展趋势：
※一是主流媒体加速融合发展智能化进程。
人工智能在媒体融合发展中的效应，一方面在于提高媒体全要素生产率；另一方面，人工智能将推动媒体更好发挥在国家治理体系现代化中的作用。构建共享、共建的智能化新型主流媒体平台，打造公共信息服务的智能媒体矩阵，或是媒体融合发展的重要方向。
※二是新媒体业态将不断涌现。
传媒业态和内容样态逐渐增多，“四全媒体”内涵和外延都将继续扩展，新平台、新终端、新交互工具不断演化迭代，机器人新闻、传感器新闻、区块链新闻等新闻品类将蓬勃发展。
※三是行业巨头愈发重视关键核心技术的研发。
科技公司技术研发将致力于专用芯片、算法平台和垂直数据为重点的人工智能生态体系，提供更优质的服务；通过多种技术路径，推动人工智能质的飞越。主流媒体通过自主研发和外部合作，为解决采编审发、版权保护、盈利模式等痛点提供有效路径。
※四是主流媒体集团与头部科技公司越来越强大。
随着技术在新闻传播实践中的作用增大，媒介组织形态将出现新的分化、组合。主流媒体集团和头部科技公司具备更强的资源吸附能力，在传媒业中起到技术引领作用。一部分媒体机构逐渐边缘化甚至消亡，一部分媒体机构转入长尾市场和垂直领域。
※五是人机深度融合成为提升新闻工作者“四力”的未来常态。
人工智能将更深入全面地介入媒体信息采集、内容生产、分发反馈等各个环节，辅助新闻工作者延伸“脚力”、提升“眼力”、增强“脑力”、创新“笔力”。人工智能应用模式将从组织层面和项目层面走向个体化、常态化，科技赋能+人文赋能成为人机融合的新基点。
※六是媒体专业界限更加宽泛。
新兴媒体业态使得记者和编辑的角色边界更加宽泛，算法和用户在传播体系中权重越来越大。专业人才和普通用户的媒介素养将深度重构，传统以文科专业为主的体系将持续调整，跨专业、复合型特征更为凸显。
※七是智媒体将提供更有温度的产品服务。
媒体将能够更好地感知受众的情绪变化，推送更贴近用户心境的新闻信息产品，同时更准确地研判大众对于社会热点事件的情绪反应和舆论走向。
※八是音视频生产消费将迎来全方位升级。
人工智能技术的发展将进一步提升音视频内容的生产效率、拓展创新创意的空间，基于不同场景的音视频内容消费将呈现爆发式增长，语音交互技术带来人机交互界面的重塑，帮助媒体开拓新的流量入口。
※九是传媒业版权保护的意识与能力将不断增强。
人工智能等前沿技术将进一步助力解决版权保护问题，提供内容变现、盈利模式创新的智能化技术支撑，将催生传媒版权领域的新规则与新生态。
（新华社“人工智能时代媒体变革与发展”课题组）
附：2019年度“人工智能时代媒体变革与发展”研究报告全文及问卷调查结果
图集+1【纠错】责任编辑：王頔人工智能的伦理挑战与科学应对
【光明青年论坛】
编者按
2023年2月21日，中国外交部正式发布《全球安全倡议概念文件》，呼吁“加强人工智能等新兴科技领域国际安全治理，预防和管控潜在安全风险”。在中国式现代化进程中，人工智能的技术革新是助推我国科技创新的重要力量之一。作为最具代表性的颠覆性技术，人工智能在给人类社会带来潜在巨大发展红利的同时，其不确定性也会带来诸多全球性挑战，引发重大的伦理关切。习近平总书记高度关注人工智能等新兴科技的发展，强调要加快提升“人工智能安全等领域的治理能力”，“塑造科技向善的文化理念，让科技更好增进人类福祉”。为此，本版特组织几位青年学者围绕人工智能的伦理挑战与科学应对展开讨论，并邀请专家予以点评，以期引发学界的更多关注，为推动人工智能健康发展贡献智慧。
与谈人
彭家锋 中国人民大学哲学院博士生
虞昊 华东师范大学政治与国际关系学院博士生
邓玉龙 南京师范大学哲学系博士生
主持人
刘永谋 中国人民大学哲学院教授、国家发展与战略研究院研究员
1.机遇与挑战并存的人工智能
主持人：新技术革命方兴未艾，以人工智能等为代表的新兴科技快速发展，大大拓展了时间、空间和人们的认知范围，人类正在进入一个“人机物”相融合的万物智能互联时代。请具体谈谈人工智能给人类社会发展带来什么样的机遇？
彭家锋：人工智能、大数据、物联网、云计算等智能技术蓬勃兴起，对人类社会的方方面面产生深刻影响，推动整个社会逐步迈入智能社会。在此过程中，存在许多重大历史机遇需要我们把握。就技术治理而言，人工智能作为一种治理技术，正在助推社会治理的治理理念、治理方式、治理效能等方面的变革，将传统技术治理提升至智能化新阶段，呈现出“智能治理的综合”趋势。智能治理将全面提升社会公共治理的智能化水平，主要呈现出四个方面的特征：一是治理融合化，即促进各种智能技术与其他治理技术相互融合，大幅度提升智能社会的治理水平；二是治理数据化，即以日益增长的海量数据为基础，通过对数据映射出来的“数字世界”进行社会计算，实现治理目标；三是治理精准化，即发挥智能技术强大的感知能力、传输能力和计算能力，将传统的粗放治理转变为精准治理；四是治理算法化，即不断完善智能决策系统，尝试将程序化的算法决策扩展到更多的决策活动中，从而提高决策质量。
虞昊：人工智能有助于反思人类社会得以建立与发展的基础。随着分析式AI向着生成式AI不断演变，尤其是生成式AI初步展现出判别问题、分析情感、展开对话、创作内容等越来越具有人类特征的功能，原本属于人类的领域正被人工智能以另一套由“0”与“1”构成的计算机语言逐步侵蚀。这既是对人类社会的冲击，也势必会在更加平等的开放性框架中增强人类的主体性，促进人类社会进一步发展。
邓玉龙：总体来说，以人工智能为代表的新科技发展，显著提升了社会生产力。例如，生成式AI不但能完成传统AI的分析、判断工作，还能进一步学习并完成分析式AI无法从事的创造性工作。从人机交互的角度来看，人工智能也促进了生产关系的高效发展。具体表现在：一是刺激劳动形态的转化。人工智能高效承担大量的基础机械性劳动，人类劳动则向高阶的创造性劳动转化，由此引发社会层面的劳动结构转型、升级，并且以人工智能为中介，社会范围内的劳动整合、协调能力也实现升级。二是促进劳动场域的重构。随着劳动形态的转化和劳动的社会化扩展，人工智能将劳动从固定场域中解放出来，人类劳动的灵活性增加。相比于创造性劳动，机械性劳动更加受到空间和时间的制约，而在人工智能从技术层面替代更低边际成本的基础性劳动之后，人类劳动空间和时间的自由性实现跃迁。三是对主体的发展提出了更高要求，尤其是对主体适应社会发展提出了更高要求。人工智能技术的发展对人类传统的知识结构提出挑战，要求人类更新原有的知识结构以适应社会发展需要，也对教育提出更高要求，教育模式和教育内容需要更契合科技发展的水平，培养更加全面发展的人才。
主持人：人工智能的一系列产物在给人们带来生活便利的同时，也一定程度上引起大家对其可能引发的伦理挑战的警惕。一些人关注人工智能的风险问题，对人工智能的推进有些焦虑。如何看待这种警惕和焦虑？
虞昊：人工智能的风险以及由此带来的焦虑，是完全可以理解的。但我们无法返回一个没有人工智能的世界，人工智能已然深度介入人类社会，试图遏制人工智能的推进只能是螳臂当车。同时我们对人工智能的发展也不能放任不管，无视甚至于压制人工智能的推进只能是掩耳盗铃。因此，我们应该正视这种焦虑，在发展人工智能的过程中探求解决方案，在人工智能带来的风险中寻求危中之机。
邓玉龙：我们应正确看待这种焦虑。要看到，焦虑有其积极的意义，它体现人类的忧患意识，催生对人工智能风险的预见性思考，提醒我们注意焦虑背后人工智能技术发展存在的问题。正确对待焦虑有助于积极采取措施防范风险，辩证分析焦虑中先见性的思考，通过社会治理模式的升级化解风险问题。同时，仅有焦虑和恐惧是不够的，更重要的是积极解决人工智能发展带来的社会问题。从劳动的角度看，人工智能确实会取代部分人类劳动，推动劳动结构转型升级，让劳动向着碎片化、个体化方向发展，劳动者处于弱势地位，面临着“机器换人”的挑战。但是我们也应该理性认识到，人工智能不是对人类劳动能力的完全替代，而是对劳动者提出了更高的要求，要求劳动者掌握科学知识，将技术的发展内化为自身能力，在更具创造性的劳动中实现自身价值。
彭家锋：任何技术的发明使用，不可避免地伴随着这样或那样的风险。人工智能技术自然也不例外，在其应用过程中，同样引发了诸如隐私泄露、算法歧视、法律责任等风险问题。因此，关注人工智能的风险问题，并由此对人工智能的推进产生焦虑，具有一定理论依据和现实基础。但更应当清醒地认识到，人工智能的某些相关风险可以提前得到规避，并不必然会发生；即便真的发生，也仍可不断寻求化解风险的有效手段。以个人隐私滥用风险为例，在治理过程中，虽然不可避免地会涉及个人数据收集和分析处理，但可以通过建立完整的规范和监管体系来保护个人隐私，降低滥用风险。
2.人工智能科技竞争的“伦理赛道”
主持人：习近平总书记在以视频方式出席二十国集团领导人第十五次峰会时指出，“中方支持围绕人工智能加强对话，倡议适时召开专题会议，推动落实二十国集团人工智能原则，引领全球人工智能健康发展”。请谈谈“人工智能原则”应包含哪些内容？科技向善的文化理念对推动全球人工智能健康发展具有怎样的现实价值？
彭家锋：为应对人工智能等新科技快速发展带来的伦理挑战，2022年，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，其中明确了“增进人类福祉”“尊重生命权利”“坚持公平公正”“合理控制风险”“保持公开透明”等五项科技伦理原则。我认为，这五项原则基本涵盖了人工智能原则的伦理要求，彰显了科技向善的文化理念。科技向善的文化理念，根本目标是让科技发展更好地服务社会和人民，带来良好社会或社会公益的善。科技向善对推动全球人工智能健康发展至少具有以下三个方面现实价值：一是塑造公众信任。公众对人工智能的信任很大程度上并不完全由相关风险程度决定，而是取决于公众的利益与价值是否得到足够重视。后者正是科技向善的内在要求。二是引领技术创新。科技向善的文化理念将在技术创新发展过程中发挥价值引领作用。三是促进全球合作。科技向善的文化理念试图在全球范围内建立人工智能伦理规范的“最大公约数”，各国在达成伦理共识的基础之上，能够建立互信，实现更加充分深入的国际合作。
虞昊：个人认为，人工智能原则也应包含非对抗与非失控的理念。非对抗意味着不应将人工智能视作人类社会的对抗性存在，人工智能已经成为人类社会的构成性要素，我们必须持更为开放的态度去面对人工智能。非失控意味着不应放弃对人工智能的伦理规范，应以智能的方式去规范加速发展的人工智能。如果以上述理念为前提，也就是说，在支持人工智能发展的情况下，科技向善的文化理念在推动全球人工智能健康发展中就变得极为重要。此处的“善”在国家治理层面即指向“善治”，而当人工智能的发展从国家范围扩展到全球范围，“善治”就在构建人类命运共同体的意义上拥有了更贴近现实的内涵。各国应摒弃冷战思维与零和博弈，基于善意与友谊共同思考人类作为整体如何在人工智能的冲击下通往全球性的“善治”。
邓玉龙：2019年欧盟发布《可信赖的人工智能伦理准则》，2021年中国国家新一代人工智能治理专业委员会发布《新一代人工智能伦理规范》（以下简称《规范》）。与欧盟发布的伦理准则相比，《规范》体现了中国特色社会主义的制度优势，旨在将伦理规范融入人工智能全生命周期。人工智能发展的根本目的是促进人的全面发展，因此，我以为，人工智能原则还应体现共享和有序发展的要求。共享，旨在防止人工智能的技术垄断。科技发展应该兼顾全体人民的利益，而不是服务于少数群体，由全体人民共享科技发展成果，推动全球科技水平的共同增长。有序发展，旨在防止人工智能技术的无序扩张。人工智能技术的发展最终是为了提升人的幸福感，推动科技有序发展能够促进人机和谐融合，有效预防潜在无序扩张的风险。
主持人：从规范层面来说，伦理反思对规范人工智能发展的作用主要体现在哪些方面？
彭家锋：近年来，世界各主要国家在人工智能领域竞争日趋激烈，纷纷将人工智能发展置于国家发展的战略层面。比如，美国陆续出台《国家人工智能研究和发展战略计划》（2016）和《关于维持美国在人工智能领域领导地位的行政命令》（2019）；欧盟先后发布《欧洲人工智能战略》（2018）和《人工智能白皮书》（2020）；中国也较早发布了《“互联网+”人工智能三年行动实施方案》（2016）和《新一代人工智能发展规划》（2017）。人工智能科技竞争的客观局面已然形成。在此背景下，如果忽视人工智能技术发展所带来的全球性风险与挑战，极有可能陷入技术赶超的竞争逻辑。因此，亟须规范人工智能的科技竞争，而倡导伦理反思或许就是一条可行之路。伦理反思的意义至少在于：一是设定伦理底线。人工智能技术的开发和应用需要遵循一些基本的价值理念和行为规范。只有守住伦理底线，才有可能避免颠覆性风险的发生。二是实现敏捷治理。伦理反思是一个动态、持续的过程，贯穿于人工智能科技活动的全生命周期。为了确保其始终服务于增进人类福祉和科技向善的初衷，需要保持应有的道德敏感性，以灵活、及时、有效的手段化解人工智能带来的各种伦理挑战，确保其在科技向善的道路上行稳致远，实现良性发展。
邓玉龙：人工智能科技竞争是为了促进科学技术发展，而科学技术发展的最终目的是推动人类社会的进步。人工智能科技竞争不应该仅包括技术竞争的单一维度，更不应该通过技术优势遏制他国的科技发展，而应该是在人工智能科技条件下的综合性竞争，通过良性竞争促进全球人工智能和全人类的共同发展。其中就应该包括社会治理竞争，通过社会治理保障社会公平，因而对社会中人与人关系的伦理反思构成人工智能科技竞争的有机组成部分。首先，伦理反思对人工智能科技竞争提出了更高的要求。人工智能的公平性、可信任性、可解释与透明度、安全性不仅是伦理要求，也代表了人工智能技术的发展方向，是人工智能科技竞争需要抢占的技术制高点。科技的发展是为了人的全面发展，因而人的发展内嵌于科技发展要求，伦理反思有助于防止工具主义的泛滥。其次，伦理反思为人工智能科技竞争提供价值引导。伦理反思注重保障人的权利，科技发展并不是社会发展中的唯一衡量因素，我们还应该关注其中多样性的因素，尤其注重保护特殊群体的利益，例如防止数据鸿沟等不良影响。伦理反思有助于实现人工智能的综合性健康发展。
3.人工智能安全与人的全面发展
主持人：科学探究一直以来都是人们认识世界和了解自身的重要认知方式，人工智能等信息产业的革命如何影响着人们的认知方式？
彭家锋：人工智能等信息产业的革命，促进了科学研究新范式——数据科学的诞生，进而对人们的认知方式产生深刻影响。数据科学被认为是继实验、理论和模拟之后的新的科研范式。相较于传统科学，数据科学融合了统计和计算思维，通过人工智能等技术提供的海量数据、强大算法和算力，能够直接从数据中寻找相关关系、提取相关性或者预测性知识，进而产生一种基于相关性的科学思维模式。但这种相关性并不一定能够转化为因果关系，因为可解释性对于从数据科学技术确定的相关性中提取因果解释至关重要，而相关技术一般都缺乏必要的透明度和可解释性。数据科学更可能成为一种预测科学，但是预测并不是科学追求的唯一目标。通过揭示世界的潜在因果结构来解释和干预现象，也是科学的两个重要目标。因此，尽管数据科学能够通过分析大量数据生成相关性知识，却不能直接产生因果解释。对此，传统科学的可检验性假设方法和因果规律探求仍有其重要价值。数据科学并非取代传统科学，相反，两者将相互补充，共同成为人类探索世界的有效工具。
虞昊：显而易见的是，随着人工智能向着通用人工智能迈进，其能够为人们提供的教育资源、生活娱乐、工作讯息也越来越丰富，人们势必越来越依赖于通过与人工智能进行交互来获取外界信息。因此，当人工智能深度地构成人们认知世界的滤镜时，若不对人工智能本身具有重复性、同质性倾向的认知框架保持警醒，人工智能可能扭曲人们的认知方式直至影响人的主体创造性。
邓玉龙：以人工智能为代表的全新技术发展被称为第四次工业革命，其中最显著的特征就是机器与人类的深度融合，机器不再作为一种外在性的工具被人类使用，而是在与人类的深度关联中影响人类的认知方式。一方面，信息产业革命丰富了人类认知的联结方式。人工智能和大数据技术的发展促进人类的分析逻辑从因果关系扩展为相关关系，对相关关系的重视使人工智能可以从大数据而非小数据维度获取信息，为人类认知提供新的视角。按照传统人类认知方式的理解，因果关系要求关于世界的认知是确定性的，而这在数字时代的复杂性社会中很难实现。人工智能对相关关系的认知填补了这一缺失，允许我们在无法掌握确定信息但在掌握大量数据的条件下对未来趋势作出预测。另一方面，如果我们对人工智能等科技的输出结果和生成内容盲目信赖，将结果和内容与经验事实之间进行绝对等同的连接，误认为是事实的全部，那么我们就会丧失人文主义抽象反思的能力，对此我们应当保持警惕，始终坚持反思和批判的人文精神。
主持人：如何调适人的主体创造性与信息高度集成共享之间的关系？
彭家锋：当人们逐渐将更多创造性工作交由人工智能完成，不免让人担忧人工智能是否将会威胁到人的主体创造性。从人机关系的角度来看，这种担忧是基于一种人机敌对论的视角，认为人工智能挤压了人的主体创造性空间，是替代逻辑的延续。但从人机协作的视角出发，将人工智能看作人的得力帮手，通过创造性地使用人工智能可以赋予人类更大的创造性空间。比如，在进行文字写作、多媒体脚本、程序代码、文稿翻译等工作时，可先由人工智能高水平地完成草稿工作，然后再由人类进行一些创造性的调整和发挥。此时人工智能生成的内容将成为进一步创作的原材料，人类将以更高的效率投入创造性活动之中。当然，要实现以上效果并非易事，不仅需要思想观念的转变，还应在制度安排、教育方式等方面作出相应调整。
虞昊：面对信息高度集成共享的人工智能，人有可能转变为算法的动物。试想下述场景：当依据人工智能展开行动变得足够便捷有效时，行动者便会倾向于采信人工智能，此时，看似是人类行动者基于自然语言在进行互动，实则是算法逻辑基于计算机语言在进行数字化运转。于是，人的主体创造性被侵蚀，人可能沦为算法动物。对此类情形，我们应该保持足够的清醒与警惕。
邓玉龙：人工智能技术生成的内容（AIGC）具有高度集成共享的特性，能够高效地对人类知识进行数据挖掘、信息生成。调适人的主体创造性与信息高度集成共享之间的关系，我们需做到如下几个方面：首先，需要通过人的创造性扩大AIGC数据库，当下AIGC主要是依赖于大语言模型，以大量的网络文本作为训练数据库生成的，通过人的创造性生成可以不局限于网络文本，而是进一步扩展数据库的训练文本，从而提高其丰富度。其次，需要通过人的创造性为AIGC提供价值训练，通过人的创造性生成的价值立场、伦理法则等与AIGC的训练数据库相融合，从而建构可信赖、可持续的信息高度集成共享机制。最后，需要将人创造性生成的内容与AIGC共同作为人类知识的来源，人类知识的获得不能仅仅局限于AIGC，而是需要人发挥其主体创造性对人工智能技术生成的内容进行反思和拓展，将人类无法被数据化的、经验性的知识与AIGC数据化的知识融合成为人类知识的来源。
（本版编辑张颖天整理）
人工智能时代政府治理模式的变革与创新
当今时代是一个人工智能不断崛起的时代，大数据、云计算和认知技术的突破，加之国际互联网、物联网等层面信息交互的日益紧密化，为新一代人工智能的发展壮大提供了绝佳的外部环境。根据中国电子信息产业发展研究院的相关统计，2018年，全球人工智能市场规模将由2015年的1683.9亿元增加到2697.3亿元，复合增长率为17%。而中国人工智能市场规模也将由2015年的203.9亿元增加到2018年的360亿元，复合增长率将达到21%。中国人工智能产业的发展速度要高于全球平均水平。尤其是近年来人工智能在计算、检索、病虫害测报和天气预报等领域的广泛应用，其效率水平已大大超越人类智慧，给社会生活和生产发展带来了积极效应。人工智能时代的到来，也为深化政府治理变革提供了全新途径，在优化升级政府治理模式的过程中带来了不可忽视的积极价值。
首先，人工智能的崛起为有效控制政府规模提供了现实可能。所谓政府规模，即基于一定组织原则所组成的各级政府和各个部门的总和，是由政府的机构、职能、权力和人员等各类有形和无形要素构成的有机整体。既有研究已经表明，政府规模既非越小越好，亦非越大越好，政府规模过小极易诱发“市场失灵”，政府规模过大则不利于居民幸福感的提升。在强化政府治理能力的进程中，必须建构适度性的政府规模，这也是现代政府治理模式变革的基本取向。
改革开放以来，我国政府虽历经多次机构改革，但依然未逃出“精简—膨胀—再精简—再膨胀”的怪圈。如何对政府规模做出有效控制依然是摆在当前我国政府治理模式变革层面的一项重要议题。人工智能的诞生为这一难题的化解提供了新路径。政府规模很大程度上取决于其对治理范围、数量的界定及相关事务的复杂程度，其间任一层面的实现都要以相关数据的分析和把握为基本前提。
人工智能的发展为优化处理海量政府数据提供了可能，通过机器学习和精准算法，人工智能排除了人为因素下的生理局限，可以实现对数据更为科学的分析与整合，进而提出前瞻性的决策方案。在人工智能环境下，多部门的协同治理因智能终端的嵌入而变得更为简洁，这不仅使得治理主体从简单劳动中解放出来，达到降低人力成本的治理目标，而且也有助于推进治理过程的扁平化，在打破行政壁垒的过程中，更好地理顺政府与市场的关系。显然，这些对于促进政府规模的精简和适度化发展都是有积极意义的。
其次，人工智能的崛起为强化政府效率提供了技术支撑。政府效率，简言之，即政府在投入和产出之间的比率。作为公共行政学的核心命题，政府效率既是政府发展的基本要义，也是政府治理模式变革的重要目标。近年来，随着我国行政体制的不断发展与完善，我国各级政府的效率虽得到了显著提升，但受制于计划体制下传统治理模式带来的惯性影响，新时代政府效率的提升依然面临诸多障碍，尤其同民众的诉求相比还存在一定的差距。对此，党的十九大也明确提出了推进“效率变革”的发展要求。政府效率的强化不仅需要制度的完善，也渴求政府在治理工具上的突破创新。
人工智能的发展恰恰为此提供了便利。一方面，人工智能的嵌入有效节省了政府的财政支出。人工智能不仅具有优于常人的精确性，同时也更为便捷和快速，以办公自动化为例，根据德勤报告的数据显示，通过自动化计算机执行的常规任务，在全球低端范围内每年可节省9670万个小时和33亿美元，在高端范围内每年甚至可节省12亿个小时，并因此省下411亿美元。可见人工智能在控制政府规模的同时，也为节省财政支出和提升政府灵敏度提供了有效载体。另一方面，人工智能的使用也有效强化了政府治理主体的能力。高素质的参与主体是政府效率提升的基本前提，人工智能的嵌入也打破了以往事事亲力亲为的主体运作模式，深度学习、遗传算法等的介入赋予了机器本身一定程度的自主研判和自主决策能力，在人工智能环境下，传统行政模式下的人浮于事、素质低下等问题得以化解，由此在提升积极性的过程中便为推进政府治理效益的最大化带来积极意义。
最后，人工智能的崛起也极大地提升了公共服务的有效性。公共服务是政府的天职，正如丹哈特(ＲobertB．Denhardt)所言:“政府的重心在于服务的直接供给”，在于“建立集体的、共享的公共利益观念”。作为公共行政的核心理念，公共服务同样也是政府治理变革的价值目标。人工智能对于政府公共服务质量的提升，其价值主要体现在两方面:
一是拓宽了政府的公共服务渠道。在传统模式下，政府公共服务主要通过建构固定平台的途径加以实现，受人力、物力和工作区间的限制，往往存在服务供给不融洽、不及时的现实问题，互联网和大数据的发展一定程度上强化了服务过程的开放化和透明化，但传统的窗口服务模式依旧占主导地位。人工智能的嵌入在政府与民众之间形成了一个全新的连接点。通过创建综合的决策树算法模型，并将其同公共服务大数据进行结合，人工智能可对服务内容做出基本判断和调整，并确保一些技术性难题在远程终端实现自动解决，由此就能打破公共服务的时空局限，让民众对公共服务的接收变得唾手可得。
二是提升了政府公共服务的个性化。公共服务的过程也是民众诉求信息不断集聚的过程。面对海量的诉求信息，人工方式很难做出准确归类，借助于神经网络和遗传算法等程序，人工智能可便捷地实现对相关信息的收集和整理，并形成个体性的数据档案，这就解决了传统模式下的信息盲区，为改进公共服务流程，构建个性化的公共服务模式提供了必要准备。
(三)人工智能给政府治理模式变革带来的挑战
正如霍金(StephenHawking)指出的，人工智能的崛起既是人类文明的推进者，同样也可能构成人类文明的终结者。事实上，对于政府治理模式的变革而言，人工智能同样也是一柄“双刃剑”，其在提供巨大便利的同时，也带来不可忽视的风险和挑战。
其一，人工智能的嵌入对传统的行政伦理带来前所未有的冲击。行政伦理作为公共行政领域中的角色伦理，决定着公共行政本身的性质、目的、责任和义务。政府治理模式无论怎么变，都必须遵守基本的伦理逻辑。人工智能的嵌入改变了传统的游戏规则，使行政伦理开始面临“踩空”的危机。从行政主体的角度看，人工智能的嵌入极易导致主体责任的缺失。在传统行政模式下，人是行政行为的不二主体，任何行政行为的产生均体现了人的主观意志，并承担相应的行政责任。人工智能的参与一定程度上实现了对人的行政行为的替代，使行政方案、行政决策等体现出了机器意志，由此必将削弱行政行为的合法性根基，导致行政责任出现主体不明和模糊化的危机，这对于行政权威性的维护是极为不利的。
从行政相对人的角度看，人工智能的嵌入也可能造成更大的行政偏见问题。人工智能的参与，依赖的是其内部的精确算法，表面上看其似乎减少了公共行政中的主观因素，但精确算法作为以计算机代码表达的意见，本质上还是人造的，必然体现原初设计者和开发者的主观意志和选择，并将其主观偏见带入精确算法系统，在缺乏人类伦理引导的前提下，人工智能极易通过固定的程序将这些偏见甚至歧视扩大化，给行政相对人造成更大的伤害，进而加剧行政过程的紧张化。
其二，人工智能的嵌入也可能引发新的政府信息安全问题。信息化和大数据时代的到来，使得政府信息安全问题变得日益重要，2013年美国“棱镜门”事件的曝光已充分印证了这一点。而人工智能时代的到来将掀起一场比互联网更为猛烈的变革，必将给政府信息安全问题带来更大的考验。一方面，人工智能给政府机构遭受恶意攻击留下了“可乘之机”。人工智能技术的不断普及虽带来了巨大的便利性，但其所依赖的学习算法同样有其“笨拙”的一面，在人为干扰下，程序很容易就出现“失算”的尴尬局面。一些黑客极有可能利用程序漏洞绕过内部的防火装置，让智能失去效用，如通过修改数据源使图像和语音识别系统失去甄别能力，进而从事欺诈犯罪活动等，就是近年来时常见诸报端的典型案例。相关统计显示，2016年以来发生的网络攻击事件中，与人工智能相关的事件就占到了六成。
另一方面，政府治理主体和公民个体将面临更大的隐私泄露危机。当前的新一代人工智能是以大数据为根基加以运作的，数据已成了人工智能时代的“新石油”。人工智能时代无处不在的智能终端无疑加大了信息泄露的危机，尤其是机器本身在深度学习中大量敏感数据的交互使用，不仅使人类隐私暴露在人工智能之下，而且极大地削弱了人类对于数据和信息的控制和监管能力，使敏感数据和关键信息游离于人类视野之外，一旦泄露将引发更大的危机。因此，同传统的安全隐患相比，人工智能时代的信息安全更加兼具瞬间性和破坏性的特色。面对人工智能的不断壮大，政府如何展开进行信息和数据资源的保护已成当务之急。
二、直面人工智能:我国政府治理进程的客观省察
(一)人工智能时代我国政府治理进程的经验积累
从历史发展进程看，我国的人工智能大致起步于改革开放之初，40年来在党和国家的高度重视下，我国人工智能技术获得了突破性的发展。随着人工智能的不断壮大，近年来我国各级政府也进行了积极探索和应用，并积累了一些初步经验和成就，为完善政府治理体系提供了重要支撑。
其一，电子政务和政府大数据平台的飞速成长，为人工智能的政府应用奠定了现实根基。数据和信息是推动人工智能运转的基本要素，这决定了人工智能要在政府治理层面实现有效嵌入，就必须以政务信息化的实现和政府大数据资源的壮大为根本前提。经过近十多年来的飞速发展，我国电子政务以基础设施的投入和建设为重点，以核心业务系统的建设为关键环节，已取得了较为突出的规模和成果。相关统计显示，截至目前，我国中央层面各级党政机关政务网络覆盖率已达到100%，省市一级的电子政务网络覆盖率基本达到80%以上，区县的政务网络覆盖率也达到了50%，“互联网+政务服务”建设已取得初步成效。
与此同时，随着政务信息化的不断深入，近年来各级政府也积累了大量与公众生产生活息息相关的数据资源，由此也推动了各级政府大数据资源和平台建设的重大突破，其中不仅一些重要的数据库，如国家统计数据库、国家人口数据库、工商系统企业法人数据库等得以基本建成，而且为了更为有效地实现数据公开和便民服务，目前各级政府的大数据平台建设也实现了突飞猛进，尤其是近两年一些地方政府大数据共享平台和政务系统纷纷上线，在强化和提升政务服务效率和精准性的基础上，为下一步人工智能的嵌入打下了坚实根基。
其二，相关政策和法制建设的不断跟进，为人工智能嵌入政府治理提供了基本的制度框架。从间接层面看，为有效应对各类风险和危机，近年来我国在大数据和信息安全领域的相关法规不断推出，尤其是包括《中华人民共和国政府信息公开条例》(2007)、《国务院关于印发促进大数据发展行动纲要的通知》(2015)及《政务信息资源共享管理暂行办法》(2016)等国家层面相关政策和法规的颁布，为推进政府信息资源的规范化应用提供了法治保障。统计显示，目前我国信息治理层面的相关法规已高达100多件，其中行政法规20多件，部门性规章40多件，地方性法规则有50多件，涉及到个人信息保护、网络侵权预防和网络犯罪惩治等多个领域。
正是这些间接性法规的不断完善，为人工智能的嵌入应用提供了基本的法治框架。从直接层面看，为抢占人工智能发展的战略机遇和先发优势，近期我国人工智能领域的直接性政策条例亦不断问世，其中国务院于2017年7月下发了《关于印发人工智能发展规划的通知》，该通知不仅基于全国层面对我国人工智能发展的战略态势、战略目标等做出了明确，而且对政府治理层面上的部署和任务也做出了规划。在此之下，近期包括上海、浙江、江苏和贵州等省市也纷纷出台本区域的人工智能发展的具体实施意见，这些政策法规的不断推出，直接构成了当前人工智能嵌入政府治理的法治根基。
其三，在技术和政策环境的双重激励下，政府治理层面的智能应用初露端倪。人工智能的根本价值在于应用。目前，人工智能虽未完全嵌入我国政府的治理实践，但在一些关键项目和重点领域，人工智能已然开始介入其中，并发挥出了前瞻性的作用。如为了有效应对城市管理难题，提升城市交通治理绩效，2016年杭州市政府同阿里巴巴集团进行合作，利用阿里云技术成立了“城市大脑”国家新一代人工智能开放创新平台，对整个城市交通状况进行全局实时分析，并提供自动调配公共资源以实现交通调配的最优化。数据显示，“城市大脑”智能平台运作以来，杭州市中心的交通效率提高了3%至5%，部分路段的效率甚至提高了11%以上。
为了助力精准扶贫工作，确保按时完成脱贫攻坚任务，2017年，安徽省扶贫办也联合当地科技企业启动了基于人工智能的大数据精准扶贫平台项目，通过该平台不仅可以了解到最需要扶贫的对象，并针对性地做出及时帮扶，同时也可利用平台在省内乃至全国找到最合适的项目，以实现扶贫和被扶贫对象之间的智能匹配。而为了提升政府的公共服务效率，广州市政府近期则通过公开招标的途径，以搭建全市统一的政府智能机器人云平台，通过将广州市的政府知识库和业务系统进行对接，建成智能政府服务体系，为公众提供全天候、全覆盖的智能政府服务。可见，人工智能在我国政府治理层面的初步试水，有效促进了政府治理模式的变革和升级，为提升公共治理和公共服务水平提供了技术支撑。
(二)人工智能时代我国政府治理进程的现实缺憾
人工智能的嵌入推进了我国政府治理模式的变革，但整体而言目前我国各级政府机构的人工智能应用还处在起步阶段，对人工智能技术的应用尚不如商业机构，尤其同欧美一些发达国家相比，我国政府治理进程中的人工智能技术有待进一步跟进，其中还存在一些现实缺憾亟需破解。
其一，从政府主体看，体制性壁垒难以突破，政府治理进程中的人工智能缺乏支撑能力。人工智能的发展和嵌入，实现了对政府治理模式的重新定义。正如法学教授吴汉东所言，智能革命的出现必然会对当下的公共管理和社会秩序带来挑战，并客观上要求国家在治理体制上做出发展创新。然而，遗憾的是近年来我国政府的智能化水平虽在不断得以提升，但政府治理体制却很大程度上依旧未跳出传统体制的基本框架，其中不仅各部门和各机构间实现条块分割，而且上下级之间关系存在事实上的单向度化，一旦遇到公共突发事件往往是首先逐级向上进行汇报，然后再展开决策部署。
客观而言，这一体制虽在传统环境下为稳定政府架构和社会秩序带来了积极意义，但随着社会的转型发展其弊端亦不断得以凸显，如机构设置的臃肿化、决策周期的冗长化及不断扩张的行政成本等，进而带来政府回应社会诉求的呆滞与迟缓。显然，这同人工智能嵌入政府治理的初衷是存在逻辑冲突的。人工智能吁求的是适应性强和高度灵活性的体制模式，其发展和应用呼唤的是政府治理过程的扁平化与网络化，并在此基础上实现各主体之间的协同配合与互动互通，这是人工智能的应用实现最优化的基本前提，同时也恰是传统的科层制模式难以支撑和实现的。近年来国内一些地方智慧政府建设的实践也充分表明，如果治理模式不能实现从“人找信息”向“信息找人”的彻底转变，则人工智能在政府治理的应用就无法摆脱边缘化的困境，其智能化的效果也必将大打折扣。
其二，从数据来源看，信息孤岛劣势较明显，政府治理进程中的人工智能缺乏联通能力。人工智能的发展和应用以大数据的内在驱动为载体和依托，如前所述，数据和信息构成了人工智能发展和运用的基本前提，然而正是囿于科层制环境下条块分割的政府治理模式，在导致人工智能支撑能力不足的同时，也在客观上引发了政府治理系统内部数据传播中的“孤岛效应”，并进一步对人工智能赖以为生的数据和信息资源的有效流通形成了内在阻滞。
从信息科学的视角看，信息孤岛作为相互之间信息不共享互换、信息与业务流程和应用互相脱节的计算机应用系统，既造成了信息和数据资源的浪费和重复建设，而且也是阻碍信息和数据功能最大发挥的重要根源，这显然也构成了人工智能发展和应用中的大忌。目前，在我国各级政府的治理进程中，受体制壁垒的约束，各部门在数据库的建构和运作中还缺乏统一的标准和规划，而且各部门的数据资源与信息系统均由自身监管和操作，相互之间无论是在操作系统、网络协议、语义表示、数据库类型乃至硬件管理平台上均存在诸多差异性，尚不能充分做到信息流通和数据共享，严重阻碍了人工智能嵌入过程中的信息联通能力的有效发挥。加之部分地方政府机构数据共享理念和共享动力的缺乏，更加导致政府治理中信息孤岛现象的增多。当下要推进我国政府治理中的人工智能真正做到“触类旁通”，则积极突破数据和体制壁垒，实现数据资源的有效整合与共享是当务之急。
其三，从实践应用看，政企间缺乏有效协作，政府治理进程中的人工智能缺乏创新能力。科技企业是人工智能的生产者和创新者，一个国家科技水平的提升，很大程度上就是在其科技企业的带动下实现的。全球十大科技公司，美国就独占8席，这是美国成为全球科技强国的命脉所在。政府作为宏观调控的主体，本身并不生产人工智能，其很大程度上是作为人工智能产业的管理者、服务者和推进者的角色存在的，同时其自身亦是不可忽视的实践应用者。
从产业发展的角度看，人工智能的发展需要政府的政策激励和管理创新，而从政府治理的角度看，政府要提升自身对人工智能的驾驭能力，则离不开同科技企业的有效合作，由此才能在技术应用上形成源源不断的驱动效应。近年来，包括美国、日本和欧盟等发达国家与地区，均加大了同本国科技企业的合作力度，以期通过智能技术的运用，为完善基础设施和提升公共服务带来积极意义。相比较而言，我国各级政府在该领域的开拓显然要滞后许多。目前，除了上海、广州、杭州等少数几个发达城市的地方政府，通过签署战略合作框架协议或共建创新孵化基地等途径，实现了政企间的人工智能合作外，国内其他省区市还有待进一步实现跟进，尤其是部分地方政府经济效益至上，缺乏远大眼光。在某种程度上，正是政企有效合作的缺乏，制约了政府治理进程中的人工智能创新能力的提升。
其四，从研发主体看，专业性人才过于稀缺，政府治理进程中的人工智能缺乏发展能力。专业性人才的拥有率是人工智能能否有效嵌入政府治理各层面的关键环节。人才数量的多寡，相关领域研发水平的高低，直接关系到人工智能本身的发展能力。人工智能的基本特性及其学科属性决定了其专业性人才不仅需要掌握数据挖掘分析、语音图像识别和自然语言处理等技术层面的相关知识，同时也要善于在应用层面上对客观状况做出分析，由此其才能结合实践开发出更富科学性和前瞻性的智能机器。谷歌AlphaGo之所以能够大获全胜，同其设计师哈萨比斯(DemisHassabis)本人就是天才棋手不无关联。也即，人工智能的专业研发人才必是集专业技术与行业实践于一体的复合型人才。
相关数据显示，截至2017年第一季度，全球人工智能领域的专业性人才数量为190万，其中美国的相关人才总数超过了85万，占全球第一位，目前中国的人工智能专业性人才仅有5万余人，人才供应短缺状况极为严重。而且同国外人工智能领域较为全面的发展态势相比，目前国内的人工智能专业性人才，主要还是面向企业治理和电子商务等层面展开技术研发，如产品推荐、计算广告和股市走向预测等，直接针对政府治理和公共服务领域的人工智能技术发展不足。可以说，这一层面专业性研发人才的不足，直接构成了人工智能嵌入政府治理的现实阻滞。
三、善用人工智能:我国政府治理模式的突破创新
人工智能时代的到来，为深化政府治理变革提供了全新环境，同时也为政府治理模式的突破创新提出了新的诉求。近年来在互联网和大数据技术的驱动下，人工智能可谓如虎添翼、发展迅速，并在事实上构成了各行各业转型升级的新动能。面对人工智能蓬勃发展的态势，我们认为，过度警惕无异于故步自封，与其担忧未来不如乘势把握现在、善加利用。政府作为公共管理主体更应树立积极姿态。当前积极推进人工智能与政府治理的深度融合，以建构适应时代诉求的“智能政府”可谓恰逢其时。基于上文的理论分析和实践总结，我们认为，当下应重点做好如下几方面工作:
（一）创新行动理念，提升对人工智能嵌入政府治理的重要性认知
理念是行动的先导，人工智能能否在政府治理层面上发挥最大功效，并为优化公共服务带来积极意义，首先就取决于多元治理主体对其的认知态度。自AlphaGo以大比分击败人类职业棋手以来，人们对人工智能的态度也日趋复杂化，一方面既惊喜和钦佩于人类在智能技术上的突破性壮举，另一方面对人工智能优于、胜于乃至淘汰人类的担忧也与日俱增，包括史蒂芬·霍金在内的一大批科学家均表达了忧虑之情。笔者认为，从科学技术本身的长远发展看，这种担忧可谓不无道理，但从人与科技关系的当下境况看，这种担忧不应被扩大化。人工智能诞生半个多世纪以来，虽历经多次由弱到强的发展和形态演变，但其始终都“未摆脱技术的身份”，都未超越“对人脑工作方式的模拟”的逻辑框架，即其本质上都是对人脑逻辑思维能力的强化，是作为“人脑的延伸物”而存在的。
虽然现有的人工智能在某些层面和维度接近、达到甚至超过了人类智能，但其作为人类创造物的工具性色彩依旧没有改变，也即从人与技术的关系看，人工智能本质上是属人的。人类离具备自我意识的超强人工智能还有很长一段路要走，正如百度深度学习研究院副院长余凯指出的:“担心人工智能的威胁，就好像担心火星上人满为患一样，是不切实际的。”人工智能的当下境况决定了我们必须树立积极姿态，既把握长远规划又正视现实挑战，唯有树立前瞻性的行动理念，才能确保人类在人工智能的发展中始终立于主导地位。
对此，各级政府在嵌入人工智能的过程中应着力做好两方面的工作:一方面，应着力推进各级政府机构树立起智能治理的科学理念。各级政府是实现公共治理和公共服务的根本性主体，也是推进社会经济发展的主导力量。人工智能能否科学嵌入政府治理实践，并安全有效地发挥出辅助效用，很大程度上取决于政府治理主体的态度和看法。人工智能的壮大为政府治理的智能化提供了契机，“智能治理”(Intelligentgovernance)，就是各级政府机构综合运用人工智能和现代信息技术，以提升政府服务绩效为根本点，对各类资源进行智能化整合和配置，以推进公共治理和服务实现科学化、精细化的实践活动。
显然这一目标的实现，以政府主体治理理念的创新为基本前提。当前必须通过政策引导，增强各级政府机构的智能治理意识，促其积极打破对人工智能的不良偏见，以在不断盘活政府大数据的过程中，实现治理过程由数字化向智能化的跃进提升，进而形成以人工智能为支撑的公共政策导向。另一方面，要着力提升多元参与主体的数据素养和技术素养水平。人工智能既是数据的集合也是技术的升华，其科学应用需要多元主体的协同配合，尤其是对政府治理中相关数据挖掘离不开社会力量的参与支持。显然，要达到最优境界也需要以多元参与主体良好的数据素养和技术素养为基本要件，这就需要通过教育促其在数据意识、智能技术应用能力等方面实现综合提升，以良好的主观认知能力配合政府主体做好智能治理的实践工作，从而为推进政府治理过程的智能化水平的整体提升做出积极贡献。
（二）创新主导模式，建构人工智能嵌入政府治理的配套管理机制
正如诺斯(DouglassC．North)指出的，制度是社会的游戏规则，规定了人与人之间的行为范式。人工智能时代政府治理变革的现实缺憾迫切需要相关机制的发展创新，这其中首要的就是政府作为主导主体在管理机制上的跟进创新。对此，当前应重点做好三方面的工作:
(1)建构形成专业性的领导机制。领导是组织的核心，人工智能科学嵌入政府治理的关键在于领导，提升政府治理的智能化水平，需要通过完善干部选拔机制，铸就一支兼具智能治理理念和实践经验的新型领导队伍，如借鉴国外经验成立相关的管理委员会，或设置专门的首席人工智能官(CAIO)等，使其成为智能政府建设的中坚力量，确保政府在人工智能应用中始终把握主动。
(2)建构形成多元主体间的信息共享机制。人工智能对数据和信息的依赖性，决定了其科学嵌入政府治理的过程必定是政府在数据和信息上实现有效连通和安全共享的过程，对此也应以相关机制的发展完善来提供支撑，如利用电子政务系统形成统一的数据共享平台，对各部门的信息流通作出协调，并基于党务和政务公开的相关法规切实推进信息公开，以在打破科层制壁垒的前提下为提升智能治理水平提供数据支撑。
(3)建构形成相应的伦理矫正机制。人工智能对行政伦理的挑战必须给予正视，但决不能就此而因噎废食，人工智能毕竟只是一种治理工具，其在政府治理中的很长时间内都无法取代政府主体而单独活动，因此当其在面对和处理公众诉求时，同样需要作为根本治理主体的人的筛查与补正，这同样需要通过机制建设做出安排，从而推进人工智能环境下的行政伦理流程实现“伦理诉求—伦理盲区—伦理矫正”的有效转变。
（三）创新治理模式，建构以人工智能为核心载体的政府善治机制
推进各级政府实现由管理型向治理型的转变是现代政府理论的核心要义，但治理本身亦非万能，其同样也会面临失灵的危机。显然这一境况在人工智能环境下也不会改变。唯有实现政府同社会的合作善治才能有效将其克服，并化解人工智能环境下可能引发的政府信息安全问题。而要建构和形成以人工智能为载体的政府善治机制，就必须着力做好两个层面的具体工作:
(1)建构和形成针对政府治理的智能化处理系统。这里的智能化系统，就是政府机构实现由现代通信与信息技术、计算机网络技术和智能控制技术等汇集而成的应用性智能集合，这其中既要基于政务信息网络化的角度，强化对政府治理的数据挖掘系统和数据存储系统的建设力度，以推进政府治理进程中的各类非数值型、非结构化数据的有效整合与动态管理，也要基于政府治理需要有选择性地引入人工智能技术，如语言识别技术(ASＲ)、图像识别技术(IＲT)以及自然语言处理(NLP)等，以在人机交互过程中提升对政府治理数据的处理效率，并在此基础上形成由知识库、数据库、推理机、解释器和知识获取等组成的政府治理专家系统，从而为政府善治的实现提供坚实根基。
(2)创新以人工智能为基础的政府治理流程。智能化系统建构的根本取向在于应用，政府善治的实现及其优势的发挥也必须以智能处理流程的创新为保障。如通过人工智能对政府治理数据的优化处理，将传统办公自动化系统改造为智能办公系统，实现对政府监管对象和服务对象的自动感知、智能识别和跟踪，并针对性地提出解决方案等，由此在实现智能化的办公、监管、服务和决策的过程中，推进政府治理能力实现不断提升。
（四）创新协作模式，建构政企间在人工智能领域的深度合作机制
正如前文所言，科技企业构成了当下全球人工智能产业发展的主力军。Google、亚马逊、苹果、微软等国际科技巨头很大程度上引领着全球人工智能科技和产业的发展走向。近年来，随着国家在科技创新领域的不断重视，国内相关企业的科技水平也不断提升，如阿里巴巴、百度、腾讯和华为等企业也在人工智能的多个技术领域达到了全球领先水平，这些企业的崛起不仅推动民众生产和生活模式的改变，同时也为政府治理的智能化转型提供了现实支撑。提升政府治理的智能化水平，迫切需要形成政企间深度协作机制，以达到借势运力和借智发展的重要目标。
对此，一要借助科技企业的技术优势，形成政府治理的智能技术引入机制。人工智能本身是一个关涉多重技术的有机整体，在不同的行业和领域，其关联性技术必然存在差异。对此政府既要积极通过研发外包的途径，将相关的人工智能技术交给专业化的科技企业加以完成，促其通过定向研发打造契合政府治理需求的人工智能软硬件，以确保人工智能同政府治理形成内在的兼容性，同时要着力推进智能技术不断走入政府治理实践，如重点选取环保、医疗和交通等大数据资源较为完善的治理领域进行探索，以在实践应用中推进相关技术的不断发展和完善。
二要借助科技企业的智力优势，形成政府人工智能人才的培育机制。人工智能的嵌入对人才素质的新要求，呼唤政府人才培养上的相应创新。对此同样可通过政企协作的模式加以实现，如聘任企业研发人员担任政府智能治理的技术顾问，或邀请企业研发团队给予技术培训、开展知识讲座等，帮助政府提升人工智能的应用能力和水平，由此形成一批既具备过硬政治作风，又熟谙人工智能技术的复合型人才，使其在政府智能治理岗位上发挥出应有的用武之地。
（五）创新评估模式，建构政府人工智能应用状况的科学评估机制
评估，简言之即评估主体运用科学的标准、方法和程序，对评估对象的发展动态、业绩水平等进行论证和考量，以分析和判定是否需要加以完善、创新或废止的过程。作为管理学范畴，这一操作实践最早发轫于工商管理领域，随着公共治理范式的逐步转型，近年来政府治理层面的评估实践也开始出现，如对政府绩效状况的评估，有关法治政府状况的评估等。随着人工智能的壮大及其在政府治理层面的不断嵌入，开展对政府人工智能应用状况的评估已成当务之急。尤其是当前人工智能技术整体上还处在较“弱”的发展层次上，其无论是在对抗恶意攻击上，还是在认知、感知行为上都还较为“愚钝”，在这种情况下，适时建构相关评估机制就更显迫切。
在具体的应用实践中，这一机制应重点从两方面展开:
(1)在评估过程的设定上，应基于人工智能嵌入应用的可能性风险为核心，对政府治理层面的数据存储系统、云计算平台以及人工智能的神经网络架构、注意力模型、语言和图像识别系统、自然语言处理系统以及机器学习中的目标函数、损失函数等作出全面评估，并以此作为完善技术和改进相关机制的重要参考，以尽可能堵塞人工智能应用中可能出现的现实漏洞，确保政府应用过程的安全、畅通与和谐。
(2)在评估主体的设定上，为确保上述评估过程的有效展开，在坚持政府作为人工智能应用主体内部评估的同时，必须适当引入社会层面的参与式评估主体，包括科技主体的技术评估，治理对象的体验状况评估等，以尽可能地提升评估过程的科学性和全面性，推进政府治理层面的人工智能应用紧跟时代发展步伐，为推进政府治理体系和治理能力现代化提供有效支撑。
四、余论
如果将传统的信息科技(IT)时代视为信息爆炸时代，当下已具备相当体量的数据处理技术(DT)时代为知识爆炸时代，则下一站的人工智能(AI)时代就是典型的智能爆炸时代。尤其是近年来在互联网和大数据技术的推动下，全球人工智能产业已呈现出蓬勃发展的态势，人工智能在各领域的应用范围也不断扩大。谷歌AlphaGo的大放异彩已使人类认识到AI的强大之处。种种迹象表明，对人工智能的争夺必将成为未来世界各国竞争最重要的场域之一，中国没有任何空间和理由可以犹豫和后退。
对于政府治理主体而言，人工智能的发展和嵌入应用虽给政府治理模式的变革带来了双重境遇，但我们决不能因此而放弃或退缩，面对挑战畏首畏尾无异于作茧自缚，唯有直面挑战和化“危”为“机”才是未来的必然之路。对此，党的十九大报告也明确提出了“提高社会治理社会化、法治化、智能化、专业化水平”的执政要求，显然这一境界的实现，必须以政府治理和人工智能的深度融合为基本前提。而要做到这一点，就不仅需要中央层面做好顶层设计，更需要各级地方政府、科技企业和社会参与主体的协同配合。只有建构和形成兼备科学性和前瞻性的人工智能处理系统，政府治理主体才能更加精确地实现对政务信息的收集和处理，才能做出前瞻性的决策分析，并最终实现资源整合和服务优化的根本目标，由此新时代政府治理能力才能实现持续化提升。
来源：《学科前沿》
作者：胡洪彬浙江财经大学
参考文献：略
题图来源：摄图网
免责声明：本文转自网络公开渠道，旨在为广大用户提供最新最全的信息，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。抄袭本文至其它渠道者引发的一切纠纷与本平台无关。
推荐
或许您还想看：
后台回复“NH”即可了解“2018年智慧中国年会”详情；
后台回复“一体化政务”即可获取“全国一体化政务服务平台”政策及解读；
后台回复"GZZWY"即可获取“贵州政府云系列标准”；
后台回复“政务服务中心标准”即可获取“政务服务中心系列国家标准”；
返回搜狐，查看更多
人工智能时代需要怎样的教师
“我的工作会被机器人取代吗？”人工智能的迅猛发展，让越来越多的人开始担心自己的“饭碗”。而随着人工智能进军教育领域，许多教师也开始忧虑起来：“机器人会让我失业吗？”
实际上，这种担心并非空穴来风。2016年5月，美国佐治亚理工学院计算机科学教授艾休克·戈尔，在自己的网络课程中，将一款聊天机器人安排为自己的助教。这一聊天机器人在后台回答问题的功能非常强大，学生们根本没有注意到自己的聊天对象是机器人。人工智能会取代教师吗？
教师被人工智能替代的几率为0.4%
“如果你的工作包含以下三类要求，那么你被机器人取代的可能性非常小：社交能力、协商能力以及人情练达的艺术；同情心以及对他人真心实意的扶助和关切；创意和审美。”北京师范大学教育学部副部长余胜泉说，“反之，如果你的工作符合以下特征，那么被机器人取代的可能性就非常大：无需天赋，经由训练即可掌握的技能；大量的重复性劳动，每天上班无需过脑，但手熟尔；工作空间狭小，坐在格子间里，不闻天下事。”
余胜泉告诉记者，英国广播公司（BBC）基于剑桥大学研究者的数据体系，分析了365种职业未来的“被淘汰概率”。其中，电话推销员、打字员、银行职员等职业，分别以99.0%、98.5%、96.8%概率，被列为可被人工智能取代的职业；而艺术家、心理医生、教师等职业，分别以3.8%、0.7%、0.4%的概率，被列为最不可能被人工智能取代的职业。
“BBC分析认为，教师被机器人替代的概率只有0.4%，但英国教育专家AnthonySeldon则预测现在离人类教师消失只剩下3000天。孰是孰非呢？”《华东师范大学学报（教育科学版）》主编杨九诠说，“我想不可能有也不应该有肯定的答案。但值得注意的是，此‘教师’已非彼‘教师’。在未来新的社会样态、教育样态、知识样态和学习样态中，教师的思想观念、心智结构、生活方式和角色意识等，以及教师与社会、组织、学生、同行的关系，都可能发生颠覆性的全新变化。”
“传道、授业、解惑，是教师的主要职责。随着人工智能的出现，智能机器人可以代替教师传授知识、解疑答难、展示方法、考试阅卷，但在‘传道’这一块是替代不了的。”新疆呼图壁县教科局局长朱新宇说。
“目前的智能教学系统还是对优秀教师的模拟，建立教师模型、学生模型、教学法模型和交互模型等。所以说，人工智能远远谈不上对教师、特别是优秀教师的直接威胁。我们可以将人类智慧编码输入电脑，但不可能将电脑芯片植入一个健康的大脑。”北京大学教育学院教育技术系教授贾积有说。
人工智能将是教师的得力助手
“人工智能不可能取代教师，而是要成为师生的强大助手，可大幅提升教与学的效率和效果，所以学校应积极拥抱人工智能。”科大讯飞轮值总裁吴晓如说。贾积有也表示，人工智能技术在教育领域的应用与传统教学方法相比具有比较显著的正面影响。
贾积有介绍，数据挖掘技术应用到教育上，可以实现教育决策和管理的民主化及科学化；学习分析技术可以帮助教育者更好地实施个性化和适应性教学活动，也可以帮助学习者更准确地认识自己，开展针对性学习，改进学习效果，提高学习效益；模式识别技术如情感识别等可以自动识别学生的情感状态，以便实施适应性教学；自然语言处理技术一方面可以作为辅助工具应用到语言教学上,促进学生听说读写译各个方面的发展，另一方面作为人机交互手段应用到智能教学系统上，实现自动答疑。
余胜泉也认为，人工智能在教育未来的许多方面，如自动出题与批阅、学习障碍诊断与及时反馈、问题解决能力测评、学生心理素质测评与改进、青少年体质健康实时监测、学生成长发展指导、智能学习伴侣、个性化智能教学、综合素质评价报告等方面，都可以承担起教师的角色。
“人工智能将引发现代教与学的革命，众多语音图像识别、可穿戴设备、虚拟现实成像技术渗入课堂，使得现行的教学媒介、师生评价反馈、深度学习等都发生改变，学生个性化、任务单式的学习，团队项目式的学习，多学科的统整融合实践等，都将在智能设备的支持下变得更便捷。”广东省深圳市南山区后海小学校长蒋和勇说。
“人要驾驭机器，而不能被机器奴役。”北京市第十八中学校长管杰表示，有了人工智能的辅助，教师可以腾出更多的时间和精力，创新教育内容、改革教学方法，让教育变得更好。教师就不再仅仅是知识的传授者，还是满足学生个性化需求的教学服务提供者、设计实施定制化学习方案的成长咨询顾问，成为学生学习的陪伴者、动力的激发者、情感的呵护者，真正成为学生“灵魂的工程师”。
不会使用人工智能的教师有可能被淘汰
“显然，未来的优秀教师将是那些善于使用人工智能的教师，教师要主动拥抱人工智能。”教育部基础教育课程教材发展中心主任田慧生说，“我们应该积极面对人工智能带来的挑战，同时提高自身的自主学习能力，培养创造力。创新思维的培养，就是要呵护学生的好奇心和求知欲，鼓励学生发现问题。”
“人工智能不能取代教师，但是使用人工智能的教师却能取代不使用人工智能的教师。”余胜泉说，未来的教育是人与人工智能协作的时代，充分发挥机器与人类不同的优势是提高教育生产力的关键，人工智能将会取代简单重复的脑力劳动，教师要发挥人类的创新、复杂决策、情感关怀激励等优势。
朱新宇认为，在人工智能时代，教师教学必须抓住3个核心：一是教授学生有价值的知识，同时培养学生探寻知识的兴趣、欲望和方法；二是培养学生良好的品行；三是启发学生寻找人生的价值和意义。
“最基础的教育，将不再需要教师；而‘更好教育’的需求以及市场选择中不同的支付渠道和交换方式，将大大提升教师的薪资水平和社会地位。”杨九诠认为，“教师将成为未来社会不同类型、不同规模的学习中心重要的共同规划者和运行者，从而成为社会与教育的协同创生力量；在工作性质和社会筛选的相互作用下，教师的道德水平将提升到新的境界，甚至可以想象，未来教师的薪资中将可能包含社会供养的成分。”
教育部教师工作司司长、北京外国语大学党委书记王定华说，教师要不断增长本领，善用人工智能，提高教学效果，扩展知识疆域，调动学生兴趣，不能对其漠然置之、不屑一顾。同时，教师也要体现主体地位，永做学校主人，关注学生成长。人不仅是学习知识的认知体，更是有血有肉的生命体。教师职业必将长期存在，人工智能则发挥必要辅助。
“面对信息技术和人工智能的日新月异，有关大学和中小学应加快教师发展信息化步伐，主动拥抱人工智能，进一步推动信息技术在教育教学、教育管理、教育服务过程中的应用，利用智能技术支撑人才培养模式的创新，支撑教学方法的改革，持续不断地造就一批又一批掌握信息技术、具有创新思维的教师。”王定华说。（本报记者苏令）
人工智能时代测绘遥感技术的发展机遇与挑战
机器视觉
前3项是类人的外观，是与外界接触的部件。类比人的五官(眼、耳、鼻、舌、身)，人工智能的研究方向中包含了其中三官。机器视觉相当于人的眼睛，语音理解与交互相当于人的耳朵，机器人学主要研究智能机器人的运动器官，包括能够运动的脚、能够工作的机械手、能够空翻的身体等等。
而后3项相当于人脑的功能，认知与推理是智能体需要具备的基本能力，它可以是简单的认知与推理，也可以是复杂的高级的认知与推理，认知与推理过程可以是计算机算法驱动，也可以是已有规则或者知识的直接驱动；机器学习是一个增加智能体知识、提高智能体认知与推理水平的过程；博弈与伦理则是更高级的智能，它不仅涉及到智能体与智能体之间的协同，还涉及到人与智能体之间的协同与融合。一个智能体可能包含一个或者多个方面的智能，如机器翻译可能仅包含语言理解和机器学习，但人脸识别可能包括机器视觉、机器学习和认知与推理等。
当一个智能体具备以上6个方面的智能时，就可能进入到强智能时代。
什么时候能够进入强智能时代，强智能时代的标志是什么，笔者给出了一个例子。如果哪一天机器人与人进行一场足球赛并取得胜利，则可以认为强智能时代已来。原因在于，这种比赛要求机器人不仅具有以上6个方面的能力，且各方面能力应高级到足以打败人类。人工智能要到达这一水平，可能还需要几十年的时间。
人工智能的发展过程中许多衍生的技术是可以用于其他领域的，并且有可能推动其他领域的技术变革。智能科技产业形成从宏观到微观的各领域的智能化新需求，将重塑全球经济结构，催生新技术、新产品、新产业、新业态、新模式，打造智能经济、智能社会和智能生活。
测绘遥感是一个与人工智能密切相关的学科领域。
摄影测量与遥感和机器视觉有许多概念、原理、理论、方法与技术上的重叠，它们都是用来感知环境的技术；其区别是摄影测量与遥感主要是感知地球和自然环境，而机器视觉主要是感知智能体关注的目标和环境，但是它们在数学和物理上的原理基本相同。
机器学习，特别是最近几年快速发展的深度学习方法，在机器视觉、模式识别、语音理解等方面得到广泛有效的应用，可说是一个革命性的技术，在摄影测量与遥感领域也得到广泛应用。
认知与推理是一种更广义的智能，在时空大数据挖掘和智慧城市等方面将大有用武之地。本文将讨论机器视觉、机器学习和认知与推理在测绘遥感学科的应用。
机器视觉及其在摄影测量与遥感领域的应用
机器视觉或者称计算机视觉，是一门研究用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等的学科。广义上，计算机视觉包括图像处理、目标重建与识别、景物分析、图像理解等内容。狭义上，计算机视觉通常是通过对采集的图片或视频进行处理以获得相应场景的三维信息，即三维重建。
20世纪40年代，贝尔实验室的Julesz发现任意视差图都可恢复立体感，无需事先识别单幅图像的含义;而此前心理和神经学家认为人需要先感知才能产生立体感。由此Marr认识到复杂的神经和心理过程可用直接的数学计算表达，并提出三维重建的计算视觉理论。他在1982年发表的《视觉：从计算的视角研究人的视觉信息表达与处理》中详细分析了二维图像的表达、立体图像的对应和重建、算法以及硬件的实现，是计算机视觉的开山之作。
20世纪80年代同时也是计算机视觉的第一段黄金时期。许多经典的算法和算子，如Canny边缘检测、shapefromshading、Hough变换、LoG(LaplaceofGaussian)等都起源于70-80年代。除了图像处理，早期的计算机视觉同样关注几何和三维重建问题。不过，在计算机和数码相机还未成熟之前，摄影测量与计算机视觉当时的状况距离Marr所提倡的三维重建理论依然相去甚远。
与计算机视觉相似，摄影测量学是一门利用光学像片研究被摄物体的形状、位置、大小、特性及相互位置关系的学科，简而言之，摄影测量学是以摄影为工具，以测量为目的。
事实上，摄影测量学的历史远早于计算机视觉。19世纪早期，德国教授舒尔兹发现银的混合物在日光下会变黑；1839年，法国画家达盖尔发明了银版摄影法，并制作了世界上第一台真正的照相机；19世纪中叶，法国测量学家和摄影测量学的先驱Fourcade首先发现了用立体照片可重建立体视觉，从而促进了摄影测量学的诞生。
透视窗来源：科学网季顺平博客
在其后漫长的岁月里，相机和照片帮助人们将地球表层地形地物在室内重建三维立体，从而将野外测量工作搬运至室内。“内业”工作成为主体，照片和摄影测量仪器替代了三脚架、经纬仪和标尺，成了主要的研究对象。随着航空航天技术的发展，以航空航天飞行器为载体的摄影测量应运而生。
第一次世界大战中，首台航摄仪问世，立体坐标量测仪和1318立体测图仪投入使用，标志着航空摄影测量学的理论、方法与技术体系初步形成。1957年，第一颗卫星被发射到外太空，同时开启了卫星摄影测量时代。
1973年，贝尔实验室的Boyle和Smith发明了电荷耦合器件(charge-coupleddevice，CCD)，促成数码相机和数字摄影测量时代的诞生。以CCD/互补金属氧化物半导体(complementarymetaloxidesemiconductor,CMOS)数字成像器件为代表的数字摄影技术开启了数字摄影测量理论与方法的研究。
从此，计算机成为测量的主要工具，数字影像和摄影测量算法替代了胶片和摄影测量仪器成为主要研究对象，形成了目前的数字摄影测量理论、方法与技术体系。与此同时，计算机视觉也得到迅猛发展，并成为计算机领域的一个热门方向。
90年代后，两个领域都得到数码成像技术和计算机技术的强大推动。仅几何而言，两门学科具有同样的理论基础，即小孔成像和双目视觉原理。但在应用和技术细节上，两者存在区别。
如数字摄影测量主要用于相对静态的地形地物测绘，使用航空和航天平台，所用的相机通常为专业量测相机；而计算机视觉主要以普通相机、手动和车载移动平台为主，用于运动目标的实时重建与识别，应用领域包括人脸识别、机器人和无人驾驶车等大众应用领域。
在技术方法上，如相机检校，摄影测量一般布设有高精度三维检校场，而计算机视觉常采用二维平面棋盘。在空中三角测量方面，摄影测量一般用严密的光束法区域网平差，而在计算机视觉中一般称为从运动恢复结构(structurefrommotion,SfM)，除了用全局的光束法平差，也采用一些非全局解法，如增量式的局部平差、滤波等；这些差异源于摄影测量需要更高的测量精度。
此外，还有一些近似等价的概念，由于学科的发展而具有不同的称呼。如平差中的粗差探测，摄影测量中称为选权迭代的方法，在计算机视觉中则称为权衰减法；又如为了处理法方程系数阵(即Hessian矩阵)接近奇异的问题，计算机视觉中常用L-M(Levenberg-Marquardt)算法，而摄影测量中常用岭估计法。
一般而言，计算机视觉中理论的严密性要高于摄影测量，算法发展也非常迅速，当然，反过来说，摄影测量在工程和实用性方面可能更占优势。
摄影测量学与计算机视觉的区别来源：龚健雅,季顺平.
从摄影测量到计算机视觉[J].武汉大学学报·信息科学版,2017,42(11):1518-1522,1615
计算机视觉中的同时定位与地图构建(simul-taneouslocalizationandmapping,SLAM)已经成为一个重要研究支流，是机器人和无人驾驶车的必备技术。
早期的SLAM以激光扫瞄仪为主，这也是SLAM中Mapping的由来；后来基于视觉的SLAM(VisualSLAM)成为主流，并与摄影测量特别是实时摄影测量在各个研究点上(匹配、平差、定位和重建)都有共同之处。
实际上，VisualSLAM的原理与摄影测量的空中三角测量类似。空中三角测量与SLAM的明显区别在于，前者是通过连接点构建航带，确定航摄仪的6个外方位元素，即摄站定位；而后者在定位的同时生成密集点云。
早在21世纪初，美国为了精确测量“勇气号”和“机遇号”火星探测器的具体位置，就采用了空中三角测量区域网平差的原理，根据每天获得的火星表面的序列影像，通过匹配同名点，建立“航带”模型，以此精确计算每个摄站点的坐标位置，以纠正遥测定位产生的误差。该项目的首席研究员是时任俄亥俄州立大学测量系教授的李荣兴博士。
采用区域网平差方法为火星机器人导航定位
上图所示为“勇气号”火星探测器基于序列影像采用区域网平差对火星探测器进行精确导航与定位的示意图，蓝色为遥测的位置，红色为纠正后的位置。这一实例说明，摄影测量工作者早就采用了区域网平差的方法为火星机器人导航定位，即VisualSLAM。
由此可见，摄影测量与计算机视觉在原理、方法和应用上都有很多相通的地方。在进入21世纪后，两者的融合速度又得到进一步提升，它们之间的技术交叉点是无人机和车载移动平台。摄影测量的一个重要发展方向是地面移动测量系统，它可以用来采集道路和街景；而计算机视觉同样关注道路信息的提取与重建，并应用于机器人、城市地图、智能交通和自动驾驶汽车中。同时，无人机航摄技术除了是摄影测量中的一个方便快捷的测量技术，也是计算机视觉所关注的未来焦点。
由于计算机视觉领域研究学者云集，应用领域又很广泛，发展了大量新理论和新方法。摄影测量工作者应在这场技术变革中拥抱新技术，学会跨界融合，并发挥自己的优势，贡献自己的智慧，方能使自己的学科立于不败之地，同时与其他学科一起推动智能科学的发展。
为了促进测绘遥感学科与计算机视觉的交叉融合，紧跟人工智能领域的技术潮流，国内学者组织了专门的人工智能研究团队，积极行动。
无人驾驶汽车技术除了可以用于无人驾驶的交通通行以外，一个重要应用是用于无人测绘。无人驾驶汽车上装载的各种传感设备除了用于汽车本身的导航定位以外，还可以自动获取道路及周边环境信息，进行自动测量。智能机器人也将广泛应用于室内外测量，特别是一些困难和危险地区，如煤矿井下测量等。一方面，测绘遥感学者在人工智能大潮中参与人工智能技术的发展，另一方面，人工智能技术的进步将推动测绘遥感技术更深层次的变革。
机器学习及其在摄影测量与遥感领域的应用
当前人工智能发展的一个重要方向是机器学习。从1955年JohnMcCarthy提出人工智能的概念以来，机器学习就作为人工智能的一个重要方向。机器学习的基本原理是寻找某种函数，能从数据与类别之间得到正确或最佳的映射。基于统计学习的思想不仅长期应用于机器学习，在摄影测量与遥感领域也得到广泛应用，如监督和非监督目标识别与分类方法。基于传统统计学习的遥感影像的监督与非监督分类以及经典的神经元网络方法的研究进展一直很慢，目标识别的准确度和分类精度难以大幅提高，机器学习有效地改变了这一现状。
来源：pixaby.com
2006年，Hinton的研究表明，采用一种逐层的贪心算法可实现深度神经元网络的训练，深度学习的概念由此浮出水面。
深度学习算法的突破来自于LeCunYann、BengioYoshua和HintonGeoffrey3位科学家在深度卷积网络方面的杰出工作。他们通过多层的深度卷积处理抽取图像的抽象特征，而这原本深度依赖算法设计者的经验。目前的研究进展已经有能力训练一个深度网络，根据目标任务的不同来选取不同的特征，实现了人工智能方法和实践上的突破。
2012年，在ImageNet挑战赛中，深度学习的方法夺得第一，并一举超过传统机器学习方法10个百分点；而第二至第四名相差不超过1%，显示了传统方法的天花板。随后的大量实验表明，无论在图像分类、物体识别、语音识别、遥感应用等关于学习和语义的研究领域，深度学习都占据上风，深度学习的时代由此开启。
除了自然语言处理(naturallanguageprocessing,NLP)以外，深度学习最重要的应用是在视觉图像上，如手写字体识别、自然图像分类[18]和目标检索等等。深度学习在计算机视觉领域得到广泛应用，推动了人脸识别、机器人和无人驾驶车等相关技术的蓬勃发展。由于摄影测量的研究对象也是视觉图像，因此摄影测量也成为深度学习发展最受益的学科之一。
摄影测量的两个主要任务是目标几何定位和属性的提取，包括从二维像片重建三维几何以及地物要素分类。将深度学习应用于几何定位目前还未进入摄影测量研究领域，但已经出现在密切相关的计算机视觉领域，如SfM与SLAM。然而，深度学习方法的定位精度目前尚不能同传统的方法相比，约相差一个数量级。对于三维重建中的关键技术——密集匹配，深度学习已经取得很好的应用效果。如在KITTI等标准数据集上，前10名的方法都是深度学习方法，展现了深度学习方法的应用潜力。
深度学习在摄影测量领域的另一个主要任务，即影像的语义提取方面，则取得了重要进展，并开始普及应用。
基于图像的建筑、道路网等地物的提取数十年来一直是热门课题。虽然经典方法取得一定的效果，但距离实用、市场、商业软件尚有一定的距离。卷积神经网络(convolutionalneuralnetwork,CNN)目前已成为道路网提取的主流方法。
表1为肖志锋等开发的基于深度学习方法的遥感影像内容检索系统。从表1可以看出，这里采用的基于深度级联降维网络的遥感图像特征提取方法(deepconvolutionalneuralnetwork,DCNN)的查全率和精度大大高于传统的LBF-HF(localbinarypatternhistogramFourier)和EFT-HOG(theellipticFouriertransform-histogramoforientedgradients)方法，其精度高出了20%~30%。
基于深度学习的方法除了可有效地用于遥感影像的地物分类与目标检索以外，在其他摄影测量与遥感数据处理方面也有广泛用途。例如，胡翔云等采用深度学习方法进行激光雷达(lightdetectionandranging,LiDAR)点云数据处理。山地林区的点云数据滤波，从点云数据提取数字高程模型，自动化很难实现，一般需要人机交互作业，耗费大量人力物力。目前该小组采用机器学习方法，在人机交互作业过程中进行训练，学习到知识，然后再应用于点云数据的自动处理中，自动处理的准确率达到95%以上，大大提高了作业效率。
图3所示为广东某地的点云提取的地形断面，可以看出，该地区相当复杂，但是用深度学习获取的地面模型断面还是相当准确的(红色曲线)。这说明深度学习方法在点云数据自动处理方面有很好的应用前景。同理，深度学习方法在测绘领域的其他方面，特别是需要人机交互数据处理等方面，如影像变化检测、地图综合，也将发挥重要作用，使之更加智能化和自动化。
图3深度学习方法应用于点云数据滤波，自动提取数字高程模型
基于时空大数据认知与推理
人机物三元世界(物理世界、人类社会、信息空间)是一个多人、多机、多物组成的动态开放的网络社会，如图4所示。
在这个三元世界中：
一方面，人们采用测量、遥感、野外调查和最近兴起的传感网技术获取物理世界的信息；
另一方面，人们应用社会调查以及近几年兴起的互联网、智能手机、导航设备、可穿戴设备和监控视频等工具获取人类社会经济信息。这些信息形成了多种多样的海量时空大数据。这些数据成为对物理世界和人类社会认知与推理的源泉，这也是人工智能的使命之一，而且是用于辅助决策的高级智能。
图4物理世界、人类社会和信息空间的关系
与计算机视觉和深度学习等人工智能领域具有的比较完善的理论与方法不同，对物理世界和人类社会认知与推理的人工智能的理论与方法目前还很不成熟，并且不成体系。但是这并不妨碍人们在人工智能的框架下采用大数据分析方法开展智慧城市、智能社区的研究与应用。
经过几十年的发展，地理信息系统已经有了比较完善的空间分析理论与方法体系。但是，加入了传感网和社会感知设备的时空数据分析与挖掘的理论与方法还不够成熟，目前正处于快速发展之中。
时空数据可分为两类不同类型，一类来自测绘遥感及地面传感网的反映地球表层及环境特征的时空数据；另一类是来自社会感知设备，包括互联网、智能手机、导航设备、可穿戴设备、视频监控设备以及社会调查获取的时空数据，它主要反映人为活动及社会经济形态特征。第一类数据比较规范，适于数值分析与计算，所以通常采用数学模型来进行模拟及预测分析。
例如，陈能成等采用航空航天遥感与传感网集成技术建立了长江流域对地观测传感网系统，该系统除包含航空航天遥感数据、基础地理信息数据以外，还包含了气象、水文、航标、土壤湿度等32种共上万个地面传感网实时数据。通过这些实时动态数据，能对流域内的水库和河流的水位、水量、泥沙、河道进行分析和预测，实现水利的智能调度，为蓄水发电和防洪抗旱等提供决策支持。图5为长江流域天空地对地观测传感网示意图。
图5长江流域天空地对地观测传感网示意图
来自社会感知设备的时空数据是一种新型数据，它的结构和形式更加多样。例如互联网数据主要以多媒体的文本数据为主，导航轨迹数据是流式的点坐标数据，视频监控数据是图像数据，而智能手机数据则有文本、点坐标和图像等多种数据。
这些数据复杂多样，有些时空标签明显，有些则需要经过分析处理才能添加时空标签。目前多个领域的学者，包括计算机应用、测绘遥感、地理信息科学、城市规划与管理等，都对社会感知的时空数据感兴趣，认为该数据是社会科学与信息领域交叉的新兴学科，是建设智能城市和智慧社区的有效手段。
社会感知时空数据包含了多源、异构、海量的数据的同时包含了复杂的社会网络关系。针对社会感知的时空数据分析方法主要包含以下方面：
①数据预处理：数据清理、数据集成、数据归约、数据变换；
②时空分析：时间序列分析、空间自相关分析、空间聚类分析；
③网络分析：网络的构建、学习与发现；
④时空挖掘：文本挖掘、特征建立、学习与知识模式的提取。
通过时空数据分析与挖掘来揭示人类社会活动及行为规律。图6为方志祥等使用深圳市民手机移动位置信息勾画了深圳人活动空间的主要范围和热点区域(图6(a))，并探测出社区的边界(图6(b))。利用社会感知时空大数据揭示城镇居民社会行为及活动规律是比人脸识别、三维建模、语言翻译等更加复杂、更高级的人工智能。
图6根据移动手机的位置信息揭示深圳市民主要活动区域、中心和社区边界
结语
人工智能正在掀起一场技术革命和产业革命，测绘遥感既是人工智能技术的受益者，又是人工智能技术的贡献者。摄影测量从静态走向动态与实时，并将与计算机视觉深度融合；遥感应用人工智能技术解决影像解译、信息自动提取问题;互联网、物联网、传感网获取的海量时空数据是人工智能的血液，为机器学习、智能抉择与服务提供支撑。
本文首先回顾了摄影测量与机器视觉的历史，并分析了两者间的紧密联系。然后，介绍了深度学习以及卷积神经元网络的基本思想；分析了摄影测量与遥感、计算机视觉、机器学习等领域的相关发展，以及深度学习在遥感影像目标检索与激光测高数据处理中的应用；最后，分析了测绘遥感与社会感知方法获取的时空数据对自然和社会认知与推理的潜力，介绍了基于时空大数据的流域与城市智能管理和分析中的应用。
面对人工智能的迅猛发展，摄影测量工作者是仅跟踪应用计算机视觉成果，还是主动作为；是仅应用现有的深度学习方法，还是构建新的遥感深度学习网络；社会感知信息如何与测绘遥感信息融合用于揭示自然物理空间发展和人类社会行为及活动规律，发展更高级更复杂的人工智能；这些是测绘遥感工作者面临的新任务和新挑战。
内容转载、商务活动、投稿等合作请联系
《慧天地》高度重视版权，对于原创、委托发布的稿件，会烦请作者、委托方亲自审核通过后才正式推发；对于来自网站、期刊、书籍、微博、微信公众号等媒介的稿件，会在作者栏或者文章开头显著标明出处，以表达对作者和推文引用平台版权的充分尊重和感谢；对于来源于网络作者不明的优质作品，转载时如出现侵权，请后台留言，我们会及时删除。感谢大家一直以来对《慧天地》的关注和支持！
编辑：宋元硕审核：王振宇返回搜狐，查看更多
王华树 杨承淑：人工智能时代的口译技术发展：概念、影响与趋势
0分享至以下文章来自：语言服务行业作者：陈曦人工智能时代的口译技术发展：概念、影响与趋势王华树杨承淑北京外国语大学辅仁大学摘要：人工智能时代的口译技术发展迅猛，给口译学习者、教学者和从业者带来了很多困惑，这些都需要我们对口译技术进行深入的学理探究。本研究梳理文献，将口译技术发展分为四个阶段，探索口译技术的本质内涵、分类和基本定位，结合口译实践发掘技术对口译模式、口译效率、口译能力和口译职业等方面的影响，预测口译技术未来发展趋势，旨在引导人们走出概念误区，正确认识口译技术的基本特征，建立完善的口译技术知识框架，同时为口译研究开拓新的疆土。关键词：口译技术；机器口译；翻译技术；智能化引言人工智能（AI）时代技术发展迅速，给人类社会带来了深刻的变革，5G网络、智慧城市、无人驾驶等不断刷新人们对AI的认识。为了抓住AI发展的战略机遇，越来越多的国家和组织制定国家层面的发展规划。2016年美国发布了《为人工智能的未来做准备》，英国发布了《人工智能：未来决策制定的机遇与影响》的报告；2017年中国发布了《新一代人工智能发展规划》，日本政府制定了《人工智能产业化路线图》；2018年德国提出了《联邦政府人工智能战略要点》。AI几乎渗透到社会的方方面面，口译领域也不例外，AI技术的发展带来了口译技术的空前革命，产业链的上下游应用场景正在不断创新。2018年4月博鳌亚洲论坛上首次使用AI同声传译，同年7月在RISE科技峰会（亚洲最大的科技峰会）上，该类技术再次大展拳脚。2019年7月百度团队声明其研发的“度同传”（DuTongChuan）的汉译英准确率达到85.71%，英译汉准确率达到86.36%，可基本与经验丰富的人类同传译员媲美（BaiduResearch，2019）。国内外翻译技术厂商均将机器翻译作为AI技术的入口，推出形式各异的翻译机和App，新的应用需求迅速爆发，从普通大众到专业会议都在不断尝试这些新技术，有人热衷于用技术来替代传统职业，甚至喊出了“让同传下岗”的口号。这些给口译学习者、教学者和从业者带来了被替代的“威胁”，让他们对口译教育和职业前景忧心忡忡。人们对技术实质的认识不足，口译技术相关的研究少之又少，致使很多不懂技术的学者受到媒体虚假宣传的影响，产生技术替代论、技术恐惧论等，因此对口译技术的学理研究迫在眉睫。本文结合口译技术发展历史与口译实践，拟回答下述问题：（1）口译技术是什么，如何分类？口译技术研究属于什么学科定位？（2）口译技术给口译实践带来了哪些影响？（3）口译技术未来的发展趋势如何？通过回答这些问题，本研究力求客观、科学地描写口译技术全貌，帮助人们对口译技术形成正确的认识。01口译技术的基本问题相对翻译而言，口译技术可谓新事物。探讨口译技术的产生及发展过程、界定基本概念、厘清口译技术的定义、明确其基本定位，是口译技术研究首先要解决的问题。（一）口译技术的历史演进口译技术的历史与口译历史、口译职业发展和信息技术变革紧密关联，根据技术在整个口译历史中出现的时间与影响，口译技术发展大致可以分为四个阶段：孕育期、萌芽期、上升期和爆发期。口译技术的孕育期（19世纪末至20世纪20年代）：尽管口译活动由来已久，但口译技术的出现依赖现代技术的发展。19世纪末到20世纪初放音、无线电、电话等设备的发明为会议口译中交替传译的运用奠定了基础。语音传输技术实现了交替传译在大规模会议中的使用，从第一次世界大战期间和巴黎和会起，交替传译得到了广泛使用。口译技术的萌芽期（20世纪20年代至20世纪50年代）：这一时期交替传译得到长足的发展，同声传译初登历史舞台。交替传译在得到广泛使用的同时，也暴露出自身的缺陷，会议和信息传输的时间与口译的语种呈现等比例的耗时。为了缩短信息传递和会议的时间，20世纪20年代，出现了同声传译的概念以及同声传译设备的雏形（Flerov，2013）。1925年，爱德华·菲林（EdwardFilene）与戈登·芬利（GordonFinley）合作，利用电话组件制造了第一个简易的同传系统。之后IBM对其进行改造，命名为“Hushaphone”（也称Hush-A-Phone）。虽然这与目前使用的设备相去甚远，但在当时的会议中，却发挥了重要的作用。1945-1946年，在纽伦堡等军事法庭审判中使用了多种语言的同声传译，极大地提高了国际审判的效率，开启了大规模使用同声传译的序幕。口译技术的上升期（20世纪50年代至21世纪初）：1946年后，口译需求逐渐增多，口译形式多样化和技术发展推动口译技术平稳向前。自纽伦堡审判之后，同声传译在国际组织、国际会议（联合国与欧盟）中广泛使用。1950年后，口译形式不断细化，远程口译、电话口译、媒体口译和社区口译等形式不断出现（Andres，2013），与之相配套的技术也应运而生。1973年，澳大利亚开始使用电话口译设备为移民提供社区口译服务，截至1990年，美国与欧洲已经普及了电话口译（Mikkelson，2003）。20世纪80年代，语音识别（ASR）和机器翻译（MT）日趋成熟，机器口译的雏形随之出现。上述技术发展为口译技术进入爆发期奠定了基础，但由于互联网、大数据等技术还没有大规模普及，这些技术一直在探索前行。口译技术的爆发期（2010年至今）：2010年之后，人工智能经过多个波折终于进入了突飞猛进的发展阶段，移动互联网、云技术、大数据、语音识别、术语技术、语料库技术等发展迅猛，口译技术呈现爆发式增长。专业的口译术语管理技术、先进的远程口译系统、全球化口译交付平台、AI机器同传、口译语料库等呈现百花齐放的局面。在以云技术为代表的多种信息技术推动下，口译管理平台（InterpretingManagementSystems，IMS）、口译交付平台（InterpretingDeliveryPlatforms，IDP）和自带设备的模式（BringYourOwnDevice，BYOD），打破了设备对于译员的禁锢，带来了技术方面的飞跃，这些技术让译员们走出同传间，走向“虚拟同传间”，随时随地访问和调取口译相关资源。（二）口译技术的基本概念在口译技术的萌芽期和上升期，学者们已经注意到技术给口译带来的影响，但由于技术本身还不够成熟，相关定义与研究呈现出局部化、碎片化特征，缺乏系统性和宏观性思考。很多学者在使用口译技术相关概念时，仅提及却未定义说明，如计算机辅助口译（Computer-aidedInterpreting或Computer-assistedInterpreting，CAI）（钱多秀，2011；Costaetal.，2014a；Fantinuoli，2016）和技术辅助口译（Technology-AssistedInterpreting）（Costaetal.，2014b）等。到了口译技术爆发期，技术日趋成熟，口译技术研究凸显出一定的宏性，如王华树、张静（2015）、赵毅慧（2017）、Fantinuoli（2018）探讨了CAI的概念；Hamidi&Pöchhacker（2007）、Orlando（2014）、Braun（2019）等讨论了同步交传技术（SimultaneousConsecutive，SimConsec）；Braun（2019）定义了远程口译（DistanceInterpreting）技术，并定义描述了电话口译（OPI）技术、远程视频口译（VRI）技术和远程视频同传（RSI）技术。整体来看，学界对技术的关注不足，导致口译技术的概念依然模糊，亟需厘清。结合前人研究，我们认为口译技术是在口译实践、口译培训中使用到的综合技术，包括对口译过程（编码、输出、传递、输入、解码、贮存）进行辅助及处理的技术。口译员是使用口译技术的主体，首先要考虑“将译员的参与”作为界定概念的重要依据。无需口译员参与、直接产出口译结果的技术可谓机器口译（包括机器同传、AI同传、自动口译等）。机器口译是通过自然语言处理、语音识别、语音合成等人工智能技术，实现人与计算机之间用自然语言有效沟通的技术。此类技术将语言学、计算机科学、数学等融于一体，虽然不需要口译员现场翻译，但是需要后台拥有大规模的语音库、语料库和先进的数据处理算法提供技术支撑。译员参与并使用的各类口译技术统称为计算机辅助口译技术。此类技术主要包括口译设备及配套软件、术语管理、口译平台、翻译记忆、语音文字识别、信息检索等技术。无论是何种口译技术，都可以视为口译技术系统中的组成要素。在口译活动之中，这些要素相互关联、相互作用，动态融合，发挥不同的功用，共同为完成口译活动而服务，由此形成一个动态的口译技术系统。（三）口译技术的基本分类在进行分类时，学者们通常关注口译技术研究中的某一个角度，并从该角度出发，对口译技术进行分类，如口译教学（钱多秀，2011）、口译员技术能力（王华树、张静，2015）、口译过程（赵毅慧，2017）、技术功能（CorpasPastor，2017）等，也有学者从较为宏观的角度分类技术，如基于过程（process-oriented）与场景（setting-oriented）（Fantinuoli，2018）、基于不同的作用模式（Braun，2019）等。上述分类研究中，前者相对零散，涵盖了部分技术，后者范畴更广，但仍有遗漏。口译技术本身就具有学科交叉性和动态生成性，如若整齐划一，难免以偏概全。本文结合前人研究成果，尝试从6个不同角度，对口译技术进行分类研究，大致可以分为：（1）基于技术依托；（2）基于技术特征；（3）基于自动化程度；（4）基于口译过程；（5）基于对口译的作用模式；（6）基于作用对象等，如图1。（▲图1口译技术的分类）基于不同的技术依托，口译技术可以分为硬件技术和软件技术，硬件技术如同传设备、电话口译设备等；软件技术尤其指电脑中运行的软件，如口译交付云平台、术语管理软件、信息检索软件等。根据技术特征可分为工具型、交互型、资源型和集成型等技术支持。工具型是指技术为口译提供工具支持，如同声传译设备;交互型是指在信息技术辅助下实现人机对话，从而完成口译活动，如语音识别、自动口译App等；资源型是指在口译过程中能够为译员提供信息支持和参考的技术，如大型会议真实口译语料库、垂直领域口译术语库等；集成型是指能够配合口译员完成口译活动的综合性平台，将多种技术集成在一个端口，译员可以自由访问，如译员工作综合平台Interplex、InterpretBank等。根据自动化程度及功能，口译技术可以分为机器口译和计算机辅助口译技术。机器口译技术如百度、腾讯、搜狗机器同传系统。计算机辅助口译技术包括口译设备、信息检索、语音转写、术语识别等。根据口译过程，本研究在Fantinuoli（2018）的过程与场景的基础上进行了细化与合并，将场景融入过程，将过程分成译前、译中和译后三个阶段。（1）译前：主要进行口译学习与培训、口译相关资料的检索等，包括口译训练平台、搜索技术、术语技术等；（2）译中：口译现场需要用传译设备、音视频软件等；（3）译后：主要进行资料和语料整理更新和反思回顾，需要用到术语管理、翻译记忆、语音识别、语言资产管理等技术。根据对口译的不同作用模式，口译技术可分为三类：（1）传递口译服务的中介口译技术（technology-mediatedinterpreting），这种技术主要包括远程口译技术、电话口译技术等；（2）强化或支持译员准备、传译及工作流程的口译辅助技术（technology-supportedinterpreting），如智能笔、计算机辅助口译技术等；（3）替代人工译员直接生成口译结果的口译生成技术（technology-generatedinterpreting），也就是机器口译（MI）（Braun，2019）。根据作用对象可分为口译员、客户和服务商使用的技术，功能各异。口译员使用的技术主要包括辅助口译实践、提升口译效率和质量的技术；客户使用的技术主要是自动口译技术、语言资产平台和口译管理平台等；服务商使用的技术主要是口译管理技术、口译资源平台和口译交付平台等。（四）口译技术的基本定位口译技术不是孤立的研究体系，而是口译实践需求与技术的综合体，兼备口译和翻译行为特征，并融合技术运用于一体，因此在定位口译技术时，需要从内部（翻译研究）和外部（技术）两方面进行探讨。在翻译研究中，口译技术是翻译技术概念中的子概念，可以说部分口译技术是从笔译技术中衍生出来的，如口译术语管理技术和信息检索技术等，其核心思想是一致的。在霍姆斯（J.SHolmes）构建的翻译学研究蓝图中，翻译技术位于应用型（Applied）翻译研究中翻译辅助（TranslationAids）的子集（参见Munday，2016:19-20）。因此口译技术是翻译技术的子概念，属于翻译辅助研究的重要内容。在外部定位中，口译技术本身具有技术内涵与特征，如工具性、衍生性、实践性等，随着信息技术作为应用工具，不断参与口译活动，口译技术逐渐成为信息技术下的子集，并与网络技术、人工智能、大数据、云技术等存在交叉，可以说口译技术是口译实践需求与多种信息技术的定制化产品。虽然口译技术具有技术的先进性和研究的重要性，但是学界和译员对技术应用与研究不甚重视，使得目前口译技术研究非常有限（Fantinuoli，2018;Braun，2018）。在WebofScience、GoogleScholar和CNKI核心期刊中检索，涉及口译技术的文献（期刊与书籍）数量约为75篇（截至2019年1月22日），可见此类研究在翻译研究中处于边缘地位，但也是新的增长点。02口译技术对口译的影响技术通常以相对独立的变量和逻辑潜移默化地制约或规范着社会的发展，口译技术也不例外。信息技术改变了口译员译前准备的工作方式，使用专业工具快速查阅专业资料，利用远程设备辅助口译，更高效地应对复杂多变的口译活动（Riccardi，2000；Andres&Falk，2009；Kalina，2009；TripepiWinteringham，2010；Fantinuoli，2011/2016；Costaetal.，2014a/2018；Will，2015）。口译技术已经快速渗透到口译的方方面面，对口译活动产生了重要的影响。根据影响的显著性，本节集中论述了口译技术给口译服务和口译员带来的影响。（一）口译服务模式技术的数字化和自动化发展，正在创造新的工作模式（Neufeindetal.，2018:1）。机器口译开辟了全新的口译模式和更多的口译场景，覆盖了传统口译服务不能覆盖的领域，让本来享受不到口译服务的人群获得了口译服务。在口译技术驱动之下，出现了“同交传”或“交同传”的混合模式，口译实现从传统的单一人工口译模式，走向人机耦合、人机互译模式。利用交互式机器翻译技术，讲话者的声音被识别后以文字形式同步显示在屏幕上，译员从“听译”为主变成“听译”与“视译”的融合（任文，2018）。口译的接受模式从单纯的耳机频道模式，到语音文字同步再到多语言音视频多屏呈现的多模态形式。智能翻译笔、便携翻译机、智能口译App等多模态的口译服务模式促使口译用户群体、消费市场、消费模式发生巨大的变化。利用远程视频口译（VRI）系统，译员可超越时空限制提供交传或同传，实现“不在场”犹如“在现场”的效果。远程口译技术Boostlingo、Cadence、Voicebox、Kudo、Headvox和ZipDX等倡导组建全球口译技术联盟，加强口译技术创新和应用。LanguageLine的远程口译系统（InSightVideoInterpreting）深受欧美很多医院、医疗协会及政府机构的青睐。无论是iPhone还是Android终端，是城市还是偏远乡镇，只要网络良好，均可借助该系统获得专业的口译服务，包括经过专业机构认证的手语翻译服务。VRI模式可以改善口译资源的利用率，减少口译员的出差时间和费用（Braun&Taylor，2012；Braun，2013）。（二）口译服务效率“工欲善其事，必先利其器”，这在AI时代尤为明显。先进的口译技术可在很大程度上保障口译信息的有效接收和传输，对译员有效发挥主观能动性具有积极的作用，极大地提升了口译的产出效率。TripepiWinteringham（2010）认为计算机辅助口译为口译员提供强有力的解决方案，提升口译服务的质量和产出。口译员通常要在紧急的时间中面对自己不熟悉，甚至是完全陌生的任务，这时候利用传统方法查阅纸质字典或参考材料通常很难解决问题。利用各种搜索技术和工具（如口译术语库、翻译记忆库、双语平行语料库、会议口译语料库等），可快速获取有效信息，直接提升口译效率。Fantinuoli（2006）、Gorjanc（2009）的研究显示语料库驱动的译前准备可以帮助口译员提高他们在专题工作中的表现。Xu（2015）通过基于语料库和自动术语提取技术的实验说明技术可提高口译员的效率。Biagini（2016）认为口译员利用专门的InterpretBank工具，可以提高口译文本中术语翻译的准确性和完整性。机器翻译系统通常可以提供海量的、不断增长的、垂直领域的专业资料库，能够帮助译员快速处理口译原文中庞杂的信息（如多语言混杂），甚至直接为客户提供高速低廉的翻译解决方案。比如，客户在译前为口译员提供一份参考的PPT，口译员可以将文稿导入在线翻译系统（如云译通、芝麻译库、译马网等），就能很快地获得一份译文，译员用这种方法可快速了解要翻译领域的主要情况。机器口译系统也可以快速提供专业术语的翻译，降低口译员记忆负荷，辅助快速判断，提升口译反应速度。用户提供的资料（如语音资料），口译中出现的错误输入、停顿、口译反应过程等经过技术处理，都可以成为宝贵的语言资产，供口译机器系统学习，进而提高口译机器系统的准确性;有条件的译员，也可以和机器口译提供商合作，获取相关的资料，供后续关联性的口译活动参考，从而提高口译的效率。（三）口译员能力发展多数研究口译能力的学者认为口译能力包含语言能力、口译技能以及百科知识（Gile，1995/2009；刘和平，2005；仲伟合，2007）。赛莱斯科维奇和勒德雷尔（1992：26）认为，口译能力需要三个支柱：双语能力、主题知识和口译技巧。王斌华（2012）认为口译能力是译员完成口译工作所需要的内在知识和技能体系。遗憾的是，过去的定义基本上在强调口译员的智力要素，忽略了非智力要素（刘建珠，2013：41），如信息技术要素。穆雷等（2017）归纳了四类翻译人才（口译、笔译、项目经理、质量管理者）的资质和能力要求：职业素养、技术能力、团队合作能力、任务处理能力、专业能力和服务能力。Massey（2018）指出，口、笔译员未来面临的挑战主要来自技术、工作场景多样性、能力范围扩增，以及角色多元性（转引自任文，2018）。王华树等（2018）提出口译技术能力是口译员必备能力。杨承淑、齐龙驹（2018:21）整合PACTE（2005）与EMT（2009）对翻译能力的描述，并结合社会发展需求，认为译员必须具备技术能力，包括资讯搜索、工具运用、术语词库、物联网应用、界面整合以及人机操作整合等一般技能到综合进阶的能力。口译是一项高强度的劳动，技术手段可以极大地降低口译的劳动强度，提升口译员服务能力。无论人工口译、机助口译，还是自动口译，在现代口译活动中，这些口译技术都发挥着使能、助能、赋能的多重作用，在译前、译中、译后多个环节为口译员提供不同形式、不同程度的帮助，如快速地获取专业领域知识，抓取语义摘要信息、提取专业术语知识、厘清原文逻辑关系、管理口译语言资产等。熟练使用各种工具的口译员，其综合服务能力通常要高于不会使用工具的译员。具备良好的信息思维，熟练使用口译技术和工具解决口译问题的能力成为现代口译员必备的基本素养，传统的口译能力模型需要重新定义，传统的口译课程体系也亟需改革。（四）口译员职业发展机器口译是否会替代人工口译？这样的话题正在引发口译界的热议。以往口译职业的研究对口译技术关注不足，未能关注口译技术对口译职业造成的影响。层出不穷的翻译机拓展了口译服务形式，对陪同口译、旅游导览等口译市场造成很大的冲击。神经网络机器口译质量的快速提升，对能力一般的口译员构成了职业发展的威胁。由于口译服务需求的多样化，不会口译的普通大众以及非专业人士借助智能口译技术和设备也可以提供某些形式的口译服务（如陪同、导游等），抢占口译工作机会和市场份额。在某些特定场合，智能口译机可以直接充当口译员的角色，其应用场景越来越复杂，“口译员”的角色正在发生变化，“口译”的群体正在逐步扩大，口译员的职业生涯逐渐受到影响。AI机器口译快速低廉的服务，对会议口译、会展口译、发布会口译等市场价格造成一定的影响，正悄悄地影响口译员的职业生存状况。杨承淑（2000：208）对口译的价值和价格进行论述，已经明确指出，“除非口译员具备绝对的竞争力，否则就有失业的危机”。如今，机器口译技术开辟了新的场景，给客户提供了更加多样化的选择，并且服务了更多用户，造福人类社会。未来，掌握口译技术的译员将会有更强的职业竞争能力，赢得更多的客户和市场。口译技术给口译造成的影响不限于上述几个方面，还包括对口译过程、口译质量、口译市场、口译员身份、口译员健康、口译伦理、口译管理、口译培训等诸多方面造成的正面和负面的影响，限于篇幅，本文不再赘述。在新的时代，AI技术助力口译的模式已经发展成为互动融合与加速转化的趋势，影响将会越来越深远。期盼口译学界居安思危，客观理性看待技术发展，关注技术带来的挑战，抓住技术发展创造的机遇，进而促进口译教育的与时俱进。03口译技术的发展趋势过去，译员凭借自身硬功夫以单打独斗的方式获得口译市场的竞争优势；未来，这种服务方式将会逐渐被人机结合的服务模式取代。借助AI技术发展的东风，口译技术呈现出定制化、智能化、泛在化、平台化等发展趋势。（一）定制化在人工智能时代，通用的口译软件已经很难满足多种口译活动需求，个性化、精细化、信息化需求将会得到越来越多用户的认可和青睐。机器翻译需要优质的人工翻译语料来训练提高质量。通过专门语料训练，系统可根据特定领域、特定场景的客户需求，提供翻译模板扩展和定制，结合大数据资源支持，融合领域自适应技术，提供定制化的数据获取与加工方案的设计，为客户提供标准化、结构化的可用数据，可满足客户多领域、多场景翻译需求。通过多模态数据训练（文本、图像、音频、视频、网页等），口译服务供应商或口译员可以拥有自己的口译系统。例如，口译员可以利用InterpretBank、Intragloss、语帆术语宝（Termbox）等术语提取技术帮助译员更快地找出专业术语，快速创建有针对性的术语资源库，帮助译员更有的放矢地对会议资料进行预处理。（二）智能化人工智能在过去5-10年快速发展，语音语义识别、图像识别、AR/VR15、区块链等技术已经开始并且加速与翻译产业结合。多专家系统技术、机器学习、硬软件一体化和并行分布处理技术推动语音识别和机器翻译快速发展。增强型的自动化机器学习将会更加智能，强大的算法可以从庞杂的口译数据中发现模式并演化为更高级的智能系统，具备类似于人一样的观察、理解、判断和生成各种情感特征的能力，机器口译系统可以像口译员一样进行自然地交流。AI口译技术融合情感计算，在掌握用户情感状态的基础上，可根据情感信息的识别结果，对用户的情感变化做出最适宜的反应。例如，GoogleAssistant融合了深度学习、机器学习、认知计算等技术，在与真实场景交互过程中，发音自然，语速流畅，就连停顿、“嗯”等表示思考的小细节都纳入其计算范畴。在口译过程中，该技术可以实现更加精确的语音和语义识别，从而产出更加精确的翻译结果。智能口译系统将会得到快速发展，翻译引擎经过深度优化，集成翻译记忆技术和术语技术，融合统计及神经网络等多种解码算法，智能化程度将会越来越高，应用场景将会更加广泛，覆盖交传和同传等多种需求。（三）泛在化物联网、互联网+、泛在网络等技术催生了“超媒体”、“全媒体”、“泛媒体”、“BYOD”的出现，“泛在翻译”也应时而生。移动互联网结合移动口译设备，将泛在的客户需求和泛在服务结合起来，使得任何人可以在任何地方和任何时刻获取所需的口译服务。例如，找翻译（FindYee），基于LBS（Location-basedService）实时定位系统，能够精准的搜索到垂直领域专业翻译人才及资源，帮助有翻译需求的用户快速实时寻找到专业译员，也帮助译员获得翻译工作机会，实现用户与口译人员的无缝对接。再如，利用BEasy系统，用户拨打BEasyApp中的语音或视频通话，在线专业的口译人员便能提供即时的口译服务。泛在系统可以快速定位手机用户的当前地理位置，然后搜索匹配在用户当前位置范围内可以提供口译服务的译员。众包口译、社会化口译等新模式将会让全球各地口译员和技术资源得到有效适配和聚合优化，促进口译资源的共享和利用，提高行业效率。移动口译服务、精准口译营销、LBS口译设备服务、线上线下人机耦合等服务实时呈现和监控口译供求信息，及时有效地对接译员与客户。5G网络的出现为万物互联提供了更为强大的基础。5G超高无线速度理论上传输峰值速率可达10Gbps+，可提供超高清流媒体业务（云VR/AR、云视频、云会议、云直播等）以及特定场景的无线高速宽带接入，为远程口译和云VR/AR口译提供强大的支持。5G网络构建的高效快速的网络，结合泛在网络技术，能更好地帮助人们应对口译服务对稀缺资源和远程环境需求的挑战，必将给口译产业带来一场升级革命，推动全球口译事业迈入即时、共享、开放的泛在新时代。（四）平台化在新的数字化经济时代，不论是互联网巨头，新兴翻译技术平台企业，还是传统转型的翻译企业，都在打造创新型翻译技术平台，整合稀有语言服务资源，进行大数据知识挖掘，激发客户和用户积极参与，实现平台化协同化服务。当前，用户基数庞大、技术积累丰富、资金实力雄厚的国际化企业（如谷歌、微软、百度、腾讯、搜狗、新译、云译等）通过提供开放机器翻译接口，打造多元化多功能产品，重塑商业服务模式，逐步构建完善的资源集聚的生态平台，口译技术供应链竞争逐步演进为平台化的生态体系竞争。在大型口译活动中，集人员管理、资源管理、知识管理等一体化的综合性协作平台，才能满足日益增强的口译协同管理需求。在未来复杂场景中，单独的口译软件将会向平台化转型（如thebigword、Plunet、Primaxis等口译管理系统），多数口译服务平台将客户、译员和服务通过平台绑定在一起，提供综合性的口译服务。例如，Boostlingo，通过平台网站及App应用，客户可以在全球范围内预约现场口译服务，也可以随时随地获得电话、视频等远程口译服务；翻译公司可借助平台管理译员、提供电话、视频等远程口译和现场口译服务；口译人员可在平台上承接项目、完成工作、管理任务并追踪收益；口译管理人员可以实现全球化调配口译资源，有助于口译生态的良性发展。在技术变革时代，口译技术不断创新，口译工具种类层出不穷，口译App数量不断攀升，应用场景更加广阔，初步形成了链接客户、服务商和译员的生态系统，这为推动口译资源整合、模式创新、效率提升、生产变革等提供了重要支撑。在新时代，无论是口译员还是口译培训人员，都不可避免地要进行系统性的学习，了解口译技术创新模式，掌握口译技术发展趋势，提升“语言+技术”的综合口译服务能力。04结语AI技术迎来爆发式发展，引发了一系列的颠覆性创新，超越了传统口译服务的时空限制，打开了一个全新且广阔的应用市场，极大地拓展了行业语言服务能力，改变了传统翻译行业的时空格局，未来将会促进跨行业的智能化和生态化融合。科技是第一生产力，口译技术对口译实践和口译教育至关重要，是否重视口译技术直接影响口译人才培养的综合素质。《教育信息化2.0行动计划》强调要加强广大师生的信息化应用水平和信息素养（教育部，2018），但是，当前能够有效开设口译技术课程的高校或者真正将人机互动融入教学过程的高校少之又少，提升广大口译师生的口译技术素养已经成为十分紧迫的问题。面对新技术、新市场、新业态、新模式、新机遇，无论是口译教育还是口译研究，都需要重新定位，做好转型的准备，顺应技术的潮流，加强口译技术教学和研究。本文探讨口译技术的概念和定位，阐释口译技术对翻译活动乃至社会发展的影响，梳理口译技术的发展趋势，旨在帮助和引导口译从业者走出技术概念误区，消解唯技术论、技术无用论、技术恐惧论等片面观点，正确认识口译技术的本质内涵，建立完整的口译技术教育知识框架，为口译研究开拓新的疆土。作者介绍：王华树翻译学博士，副教授，北京外国语大学高级翻译学院硕士研究生导师，兼任世界翻译教育联盟翻译技术研究会会长，中国翻译协会本地化服务委员会副秘书长，中国英汉语比较研究会外语教育技术专业委员会副秘书长，《中国科技术语》编委等。多年来致力于推动翻译技术产学研的生态融合，在《中国翻译》《外国语》《外语电化教学》《上海翻译》等期刊发表论文六十余篇，主持国家级、省部级及校级科研项目十多项，出版《人工智能时代翻译技术研究》《计算机辅助翻译概论》《应用程序本地化》《翻译与本地化项目管理》等十多部著作。研究领域：翻译技术、外语教育技术、语言服务管理。杨承淑日本国立东北大学文学研究科硕士，北京外国语大学语言学（翻译方向）博士。学术专长：口译研究、译者研究、国际医疗口笔译研究。现任辅仁大学跨文化研究所教授兼所长（2013.08-），曾任辅大翻译学研究所教授兼所长（1994-2000,2006-2010）。自1988年迄今从事中日会议口译约达1000场，五年内论文约30篇。2014年9月于辅仁大学创设国际医疗翻译学程，并于2015年推展为硕士学位。2015年10月31日创立国际医疗翻译协会（imtia.org.tw），并担任该会副理事长（2015-2017）。文献来源：《中国翻译》2019年11月第40卷第6期（已获得作者授权，引用请以期刊版为准）-END-转载来源：《中国翻译》转载编辑：王琳、陈雨审核：陈杲贺文惠关注VX公众号“翻译技术教育与研究”、“语言服务行业”，了解更多语言服务行业与翻译技术相关的资讯和洞察~特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice:Thecontentabove(includingthepicturesandvideosifany)isuploadedandpostedbyauserofNetEaseHao,whichisasocialmediaplatformandonlyprovidesinformationstorageservices.
/阅读下一篇/返回网易首页下载网易新闻客户端