人工智能对生活有哪些方面影响
人工智能以不可逆转的迅猛之势进入到我们的生活之中，人们时刻感受着AI的高效、便捷带来的便利。人们感受到了计算机和人工智能技术的影响。计算机技术不再只属于实验室中的一小群研究人员。个人电脑和众多技术杂志使计算机技术展现在人们面前。有了像美国人工智能协会这样的基金会。因为AI开发的需要，还出现了一阵研究人员进入私人公司的热潮。150多所像DEC这样的公司共花了10亿美元在内部的AI开发组上。
80年代AI被引入了市场并显示出实用价值。AI将是通向21世纪之匙。人工智能技术接受检验在"沙漠风暴"行动中军方的智能设备经受了战争的检验。人工智能技术被用于导弹系统和预警显示以及其它先进武器。AI技术也进入了家庭。智能电脑的增加吸引了公众兴趣；一些面向苹果机和IBM兼容机的应用软件例如语音和文字识别已可买到；使用模糊逻辑，AI技术简化了摄像设备。对人工智能相关技术更大的需求促使新的进步不断出现。人工智能已经并且将继续不可避免地改变我们的生活
人工智能对生活的影响具体体现在哪些方面？
1、人工智能家居智能家居系统为普通消费者提供人性化、主动管家式的服务系统。人工智能家居是现在生活的一种潮流，人工智能家居中，利用了很先进的技术，设计出符合我们的个性需求的家居，给我们的生活带来了很大的便利。
2、人工智能与医学人工智能与医学各个学科和各个专业广泛渗透，相互交叉和跨界融合，极大的推动了基础医学、临床医学、公共卫生等各个学科和专业的科学研究、应用实践和各类创新。
3、智能交通系统
智能交通系统是一种先进的运输管理模式。人工系统主要利用计算机仿真技术，通过监测人们出行的行为计算交通流。比如，人工系统可以模拟交通事故或恶劣天气，以此观测紧急情况造成的道路拥堵情况和对其他路段的影响。
4、智能个人助理以Siri为首的“个人助理时代”大幕正在拉开，最终很可能会成为人们与移动设备、计算机、汽车、可穿戴设备、家用电器或其他要求复杂人机交互技术的主要交互方式。
随着社会发展的进步，人类与人工智能技术已经成为了当下时代的主要趋势，人工智能是时代进步的产物，人工智能发展让我们的生活越来越便利。未来智能机器人，智能穿戴，智能家居等，人工智能将运用在社会生活的各个方面。
冉龙亚、陈涛、孙宁华：人工智能参与公共决策对公众信任的影响——一项基于调查实验的实证研究
人工智能参与公共决策对公众信任的影响
——一项基于调查实验的实证研究
冉龙亚陈涛孙宁华
(华中科技大学公共管理学院)
摘要:政府部门已经开始尝试使用人工智能制定公共决策，但与此相关的信任问题同样需要引起重视。本文探讨人工智能参与公共决策对公众信任的影响，认为公众对于人工智能制定的决策的信任程度取决于决策的类型。研究以公共管理学科的140名本科生和Credamo网络平台的200名用户为样本，进行了两项调查实验，对研究假设进行了检验。结果表明，对于更多涉及定量运算的决策，有人工智能技术参与制定的决策被证明具有更高的可信任度；而对于更多涉及情景判断的定性决策，公众更倾向于认为涉及公共管理者参与的决策的可信任程度更高。由此，提出政府部门应根据决策的类型考虑是否将人工智能技术纳入决策过程，特别是当决策的复杂程度较高、需要更多人的价值判断时更应该审慎对待。
关键词：人工智能，算法，公共决策，决策类型，信任，调查实验
中图分类号:D630文献标识码:A
DOI:10.19524/j.cnki.10-1009/g3.2022.01.103
一、引言
在历经数次浮沉之后，人工智能（ArtificialIntelligence，AI）技术正经历一场传播狂潮，并对社会生活各方面产生深刻的影响。随着技术的不断发展成熟，人工智能技术或以替代或以辅助的形式，已经参与到了人类的决策过程当中，并被广泛应用于提高不同行业的决策质量。在私营部门不断取得的显著效益等多方面因素的共同作用下，政府部门正开始加速采用此技术，并探索将其应用到公共决策当中。如美国多个州的法院使用算法系统对罪犯进行风险评估，以估计累犯风险、支持保释和判决；英国的“智能高速公路”结合人工智能、大数据以及传感器等，对道路交通流量进行管理和预测；杭州的城市管理者通过“城市大脑”配置公共资源，做出科学决策，提高治理效能。
然而，关于使用人工智能技术进行管理决策，是存在争议的。这种争议主要集中在准确性、有效性和偏见等方面，而在强调合法性、公平性的公共决策中，这种争议更甚。在合法性方面，人工智能并不具备和人类相同的法律地位。因此，是否能赋予人工智能参与公共决策的权利，在法律上尚不明确。[1]在有效性方面，对于一些非常规的或较为复杂的公共决策，人类所特有的直觉和意识等特质往往发挥着更重要的作用。因此，在这些决策方面，人工智能技术做出的决策并不一定会比人类更好。[2]而从公平性方面来看，人工智能需要学习过去的数据、经验等，并在此基础之上进行新的决策，因此它有可能会强化或放大过去决策中存在的偏见，[3]从而导致公平性和歧视等问题。此外，责任鸿沟也是需要重点考虑的问题。如果使用人工智能进行公共决策造成了不良的社会后果，那么到底应由谁承担相应的责任。[4]
本文重点关注使用人工智能进行公共决策对公众信任的影响。文中的“信任”是指公众对人工智能参与公共决策的可靠性、有效性和安全性的心理预期。[5]人工智能参与制定决策被认为会影响到公众的信任，因为它通常是不透明的，可能会引入偏见。[6]本文预计，公众的信任程度可能取决于公共管理者和人工智能技术在决策中的参与情况，以及公共决策本身的特征。根据祖里迪斯（Zouridis）等人[7]以及纳格加尔（Nagtegaal）[8]的研究，人工智能参与公共决策的方式主要有三种：为人类提供支持；对人类进行赋能；完全取代人类。本文检验了这些不同决策方式对公众信任的影响，并假设公众的信任程度会因决策对象的类型而不同。具体而言，本文主要研究以下问题：在定量型和定性型两种不同类型的公共决策情形之下，公众对于人工智能参与公共决策的三种方式的信任是否存在显著的差异？如果存在差异，那么导致差异的原因又是什么？
人工智能参与公共决策，可能有悖于政府治理中的合法性、有效性以及公平性等基本准则和价值追求。本文探讨公众对于人工智能参与公共决策的信任问题，这对厘清人工智能在公共决策中的适用边界与范围，从而推动公共决策与社会治理的良性发展，具有重要的现实意义。近年来，实验法由于具备有效排除无关变量的显著优势，在公共管理学界引起了高度的重视，但是具体到本研究主题的相关研究中，实验法的应用还较为罕见。因此本文使用实验的方法对人工智能、信任等相关议题的研究，对于拓展相关领域的研究方法，也有一定的学术价值。
二、研究背景
1.人工智能
人工智能是一门综合了计算机科学、信息论、神经生理学、语言学、哲学等多种学科发展起来的交叉学科，是一个不断迅速扩展的技术研究领域。[9]由于其与高级统计分析的重叠以及不断发展的能力，目前学界尚未对其形成统一定义，[10]但本质上它是一种建立在机器学习、自然语言处理等多种技术基础上的计算机系统，具有智能化特征，并能以更灵活的方式为人类服务。[11]在决策制定过程中使用的人工智能技术，更确切来说应该指的是算法：“一种被应用到系统中的，用于在特定分析领域内分析任务的抽象数学结构”[12]，或者是“一种基于统计模型或决策规则，在没有明确人工干预的情况下自动做出决策的数学公式”。[13]
2.公共决策中人工智能的价值与应用
已经有文献对人工智能在政府部门工作中的价值与影响进行了分析，主要包括降低成本、提高效率、减轻工作负担、提升服务质量等。具体到公共决策方面，人工智能技术的价值也是显而易见的。第一，人工智能有助于决策者快速全面获取、深度发掘分析与决策对象有关的所有信息，这将有助于提升公共部门宏观调控政策的精准性和针对性。[14]第二，人工智能与决策者的有机结合能有效地监管公共部门决策。运用自动化算法配合人工决策，可以显著减少服务处理中的欺诈和错误。[15]第三，人工智能可以支持公共部门汇总和分析社会公众的政策偏好和需求，以更好地理解政策措施将在什么情况下有效，并合理调配有限资源。[16]
在实际的公共决策实践中，已经有部分政府尝试使用人工智能技术。从广义上说，人工智能系统既可以用来支持或者帮助人类决策者，也可以取代他们。[17]具体而言，这些应用又可以分为三种情况：第一种情况，公共决策完全实现自动化，人工智能替代了公共管理者的角色。换句话说，技术是决定性的，管理者完全没有决策的权力。第二种情况，在决策的过程中，人工智能技术对公共管理者进行赋能或者增强，在决策的过程中对人类形成辅助，最终的决策仍然由人类作出。一个例子就是预测性警务。[18]第三种情况，人工智能技术作为对人类的支持，但实际在决策过程中并没有被使用。
3.信任
信任代表的是对人工智能的可靠性、有效性和安全性等的一种信念。[5]对于人工智能技术而言，鉴于信任既是公众接受和使用它的重要因素，又是决定公众在多大程度上采纳它做出的决策的关键前因，[19]因此研究者对此给予了密切的关注。一方面，有研究分析了人工智能参与决策对于公众信任的影响，并指出人工智能技术在决策中存在的技术安全、隐私侵犯、公平性等问题，都会对公众信任产生显著影响。[2]另一方面，也有研究对电子商务、智能医疗等背景下，影响公众对人工智能技术的信任的因素进行了一定探讨。结果表明，人工智能技术本身的性能与特征，如可靠性[20]、智能性[21]、拟人性[22]，是影响信任的关键前因。研究同时也发现，公众的相关知识与技能水平[23]、自身的创新性和开放性[24]等个体特质，也会影响到对人工智能技术的信任水平。
前人的研究，为理解人工智能参与公共决策对公众信任的影响，提供了有益借鉴，但不足之处同样值得重视。首先，公共管理领域缺乏对相关问题的定量探讨。虽然部分研究初步讨论了使用人工智能技术进行公共决策时的信任问题，但这些研究主要是从质性分析的角度进行探讨，对影响信任的因素以及相应作用机制的理解还不够深入。如果公众不信任有人工智能参与制定公共决策，很可能会影响到政府部门的治理效能，甚至进一步影响政府的合法性。[20]因此，进一步厘清这一问题十分必要。其次，缺乏对决策本身特征的关注。已有研究主要从人工智能的技术属性和公众自身的个体特质两个方面，探讨了影响公众对人工智能信任的因素，但是对于决策本身特征的关注还不足。实际上，任务本身的类型、复杂程度等特征，也可能会对公众信任产生影响。[25]
三、研究假设
根据李敏京（MinKyungLee）的研究，可以把决策分为：（1）满足人工智能技术的IF-THEN类型规则体系，更多需要“机械”技能，如处理定量数据以进行客观测量或规则清晰的定量决策；（2）决策时更注重价值平衡和更具灵活性的，更多需要人类仍然占优势地位的技能如主观和直观判断、理解和情感表达以及浏览社会细微差别的定性决策。[13]相关研究指出，对于不同的公共决策类型，当由人工智能技术进行决策时，公众在信任程度方面会存在显著的差异。[26]
我们预期，对于定量型决策，公众会更倾向于信任人工智能参与制定决策。有研究认为，人工智能善于处理简单和重复性的任务，[27]擅长解决边界清晰、具有良好结构性（模块化或“可分解”）的问题，因而其提出的解决方案或制定的决策也具有标准化的特征。[28]Lee的研究指出，对于“量化”任务，如基于预测客户数量的工作安排，算法和人类被认为是同等公平的。[13]肯·帕里（KenParry）等人的研究也表明，在低复杂性决策方面，人工智能用可计算的标准实现了一些定量目标，制定的决策已经超越了人类。[29]据此，本文认为，对于规则清晰、主要涉及定量运算的公共决策，即涉及有限数量变量且相对无争议的量化任务，公众将倾向于信任由人工智能技术决策。在这些情况下，人工智能可以快速、准确地制定决策。这就引出了下面的假设：
假设1：对于定量型的公共决策，由人工智能制定的决策更可能获得公众信任。
在涉及更高程度的模糊性和不确定性的决策活动中，无法将决策过程简化为一个明确的目标函数来描述，这就需要决策制定者在决策过程中综合运用判断和直觉等能力，通盘考虑所有因素并做出更为复杂的判断。[30]显而易见，人类在这方面的优势更明显。[27]尽管实践中都是从技术角度提升人工智能的性能，但其抽象思维和界定问题的能力依然不如人类，因而应适当要求人工智能和人类在决策中进行分工。[28]类似的观点也得到了其它研究的印证，Lee认为，对于涉及情绪和人类交互的任务，人类决策者比人工智能更受青睐。[13]穆罕默德·侯赛因·贾拉希（MohammadHosseinJarrahi）也指出，解剖复杂社会系统迷宫的责任往往不在人工智能的能力范围内。[31]因此，人类在理解模糊决策情况下错综复杂的社会和政治动态方面继续享有比较优势，这为由人类进行决策提供了独特的位置。据此，我们预期，对于规则不明、涉及主观判断的公共决策，由人类进行决策将得到社会公众的更多支持。由此，我们提出：
假设2：对于定性型的公共决策，公众将更倾向于信任由人类决策制定者制定的决策。
四、研究方法与设计
1.研究方法
近年来，实验法因其控制无关变量的独特优势，受到了越来越多公共管理学者的追捧。对此，有研究认为，实验法的显著优势在于可以通过随机化的实验操纵排除无关变量干扰，从而观察到自变量对因变量的“净效应”。[32]因此，相较于其他研究方法，实验法被认为是探讨因果关系的最有效方法，是因果推论的黄金法则。[33]
从类型上看，实验可分为实验室实验、问卷（调查）实验、现场（田野）实验、自然实验和准实验等五类。[34]本研究中采用了第二种问卷实验。问卷实验作为一种科学、严谨的研究方法，主要是在实验设计中采用问卷调查的形式来呈现实验刺激材料，发现社会现象之间的因果联系，帮助学者探寻实验对象的本质。问卷实验同样包含实验设计的基本要素，即由研究者操控的外生性干预和对被试的随机化处理。[35]问卷实验通过向被试呈现不同的问卷版本进行实验操纵，被试随机得到一种版本的问卷并作答。和其它实验类型相比，问卷实验虽然对环境的控制较弱，但由于发放问卷具有简单易操作的突出优势，因而在公共管理实验研究中得到了广泛使用。[36]
2.研究设计
本研究建立在Lee[22]和Nagtegaal[8]的基础之上，但是将研究扩展到了公众对公共决策的信任方面。在研究中，本文进行了两项实验。实验1采用的是受试者间设计，并以3所学校公共管理学科的本科生为样本，探讨了公众对于由人工智能技术参与两种不同类型的公共决策的信任问题。实验2是作为实验1的复制而设计的，但使用了受试者内设计，这使本文能够评估在多种类型决策主体并列的情况下，公众对人工智能技术参与公共决策的信任情况是否会与实验1的结果不同。同时，实验2选用的是Credamo网络问卷平台的用户作为样本，因此能进一步对实验1中得出的结论进行检验，从而增强研究结论的外部效度。
本研究中设定的定量型和定性型公共决策分别是个人所得税计算和司法判定。个人所得税的计算是由法律决定的，相应的规则比较明确，因此主要涉及的是定量计算。而司法判定是一项较为复杂的公共决策实践，涉及到的因素众多，并且一定程度上还需要结合实际问题进行价值判断与分析，属于定性决策。
根据当前公共决策当中常见的三种决策制定主体，即人工智能技术、人工智能技术+公共管理者、公共管理者，以及定量决策和定性决策两种不同公共决策类型，实验1设计了一个随机分组3*2混合设计实验，并总共将形成3个实验组分别代表当前在公共决策当中的三种常见决策方式。[8]根据研究主题，我们的因变量是信任，使用直接测量的方式。如“你信任上述决定公众个人所得税的方式吗？”受访者可以在7分李克特量表上从1（“完全不信任”）到7（“完全信任”）中选择一个数字。最后，我们要求参与者在一个开放式问题中解释他们评分的原因。根据实验设计，最终测量得到6组信任值（Tr），如表1所示。实验结束后，对测量结果进行描述统计，检验独立样本T、配对样本T，进行定性分析等，检验与分析使用人工智能进行不同的公共决策，对于公众信任程度的影响。
表1双因素被试间实验设计
实验1中的被试为3所大学公共管理相关专业的本科生。他们随机得到三个版本问卷中的一个。参与调查的被试者首先被问及一些关于人工智能及其应用的相关问题，如是否了解人工智能、使用经历等。其次被要求根据实验设定的定量型公共决策场景，判定对不同决策主体所做的公共决策的信任程度并说明原因。再次，被要求在实验设定的定性型公共决策场景下，重复上述过程。最后，设计了检测题项“根据你阅读到的上述材料，是由（）决定个人所得税和进行司法判定？”，来检验被试是否真正接收到了上述实验干预信息。实验流程见图1。
图1实验1流程图
作为对实验1的重复和检验，本文进一步设计了实验2。在实验场景设定上，实验2中使用了和实验1相同的两种公共决策场景，以确保研究的严谨性。在研究设计上，实验2采用了将决策主体并列的方式，让被试对由3种不同决策制定主体（人工智能/人工智能+公共管理者/公共管理者）做出相同公共决策的信任程度，分别进行评分。具体的操作上，同样采用的是直接测量的方式，让被试在7分李克特量表上回答“你觉得你在多大程度上可以信任由下述方式来决定个人应缴纳的所得税/进行司法判决？”。实验2流程如下图2所示。此外，考虑到以大学生作为实验被试可能会存在样本的代表性问题，因此在实验2的被试选择上，本研究通过Credamo网络问卷平台选取了200名被试，以进一步对实验1的研究结论进行检验。
图2实验2流程图
五、研究结果
1.实验组平衡检验
为检验实验1中各实验组是否符合随机性要求，需要对各组被试的性别、对人工智能的了解程度、人工智能的关注度和使用体验等因素进行平衡检验（BalanceTest）。数据分析结果显示，各实验组被试的上述因素，在0.05的水平上不存在显著差异。以上平衡检验结果表明，本实验对被试的抽样符合随机要求，具有良好的均衡性，能很好地避免系统误差。平衡检验结果见表2。
对于实验2，本研究统计了各被试的主要人口统计学因素如性别、年龄、受教育程度、年收入等，结果如下表3所示。
表2实验组平衡检验结果
表3受访者相关统计信息
2.信任感知差异检验
在实验1中，本文以不同公共决策类型为主体内因素，以不同类型决策方式为主体间因素，使用SPSS24.0的混合方差分析功能分析了不同公共决策类型与决策方式的交互作用，结果显示，二者的交互作用显著[F(2，137)=19.128，p=0.000
对于定量型公共决策个人所得税计算，方差分析的结果显示不同实验组之间，在信任程度方面具有显著的差异[F(2，137)=16.669，p=0.000
图3不同实验组公众信任比较
对于定性型的公共决策司法判定，方差分析的结果显示不同实验组之间，在信任程度方面有显著差异[F(2，137)=10.717，p=0.000
对于实验2，即受试者内复制实验，双向重复测量ANOVA表明公共决策类型和决策主体间存在显著的交互作用（F=520.566，p=0.000
对于定量型公共决策场景个人所得税计算，结果显示在不同决策主体情况下，公众的信任程度有显著差异。其中，在由人工智能技术作为决策主体的情况下（M=5.64，SD=0.665）与由公共管理者作为决策主体的情况下（M=4.35，SD=1.065）（p=0.000
图4实验2结果图
3.公众信任度差异原因分析
上述数据分析结果表明，对于定量型公共决策，公众认为由人工智能参与决策的信任度更高。而对于定性型公共决策，公众认为公共管理者和人工智能共同制定决策的信任水平更高。我们尝试从开放性问题中做一个概要的定性讨论，以作解释。
首先，对于定量型公共决策，由人工智能单独制定的决策，比由人类制定的决策，具有更高的信任程度。因为人工智能算法被认为是客观的，其计算结果也更准确，而公共管理者则被视为是主观的，其计算也很有可能会出现错误。这一观点得到了实验被试的支持。较多被试均指出，人工智能算法具有准确、客观的特征，因此出现差错的概率比较小。如有的被试提到“由计算机计算个人所得税误差或歧义比较小，每个人的个人所得税都走相同的程序”，因此“按设定的程序计算就很公平”。与此相反，“计算机计算不带有主观因素”，而“有时候人会带有主观色彩”，因此“不能实现完全公平”。
另外，和公共管理者独立制定决策比较起来，公众也更加倾向于青睐由人工智能和公共管理者协同制定的决策。这也可以从被试的回答中找到依据。例如，有被试回答到，“人工智能和人的判断相结合，可以实现理性和感性的结合，有利于减少失误。”“计算机计算的数据相对准确，加上政府部门人员根据实际情况进行判断，使得结果更加可信”。类似的回答还有，如“计算机算法数据精准，方便快捷，再加上工作人员基于现实的判断，二者结合使得结果更加可信。”“计算机的算法比较客观，政府部门工作人员可以用客观数据来调整个人的主观判断。”
对于定性型公共决策，公众认为由公共管理者参与制定的决策，比由人工智能单独做出的决策，具有更高的信任程度。这是因为定性型公共决策的决策过程需要考虑的价值平衡、规则等因素较多，这就更加依赖于人类所特有的情景判断等能力。正如被试在回答中提到的一样，“司法判定存在错综复杂的关系，不好用计算机程序设定”，“计算机没有独立的思维，程序运行相对较为死板，没有或几乎很少能根据实际情况来断定”。另外，还有很多被试提到，“司法判定是道德与法律并存的，有时候不是计算机就能做出裁断，需要考虑人道主义因素”，“人工智能在情感上与人类相比，还是差点的，而司法判定不仅要依靠法理，也需要人情”。这启迪我们，在涉及情感判断等人类所特有的特征时，人工智能技术相对于公共管理者具有天然的劣势。
六、结论与讨论
作为人工智能技术最重要的应用之一，人工智能技术逐渐开始在复杂、日益多样化的环境中扮演半自治甚至完全决策者的角色。[37]但与此同时，争议也从未间断。这在强调公平正义的政府部门决策中体现得更为明显。这种争议推动本文对于人工智能参与公共决策的公众信任问题进行研究，并试图通过调查实验的方法、采用定量定性相结合的方式，对相关问题进行实证探讨。本文认为，探讨这个问题是十分有价值和必要的，因为这关系到公共决策的合法性和公众的接受度。
本文的研究结果表明，人工智能参与公共决策对于公众信任的影响，会因决策的类型而有所区别。具体而言，对于定量型公共决策，公众认为由人工智能进行决策（无论是独立还是与公共管理者协同），其信任程度较高。这表明，对于较多涉及定量计算或者规则比较明晰的定量型决策，公众更倾向于信赖人工智能，因为它被认为是客观无偏的，能够保证所有人都受到公平的待遇，而如果由人类做出决策，则有可能会因主观偏见或者计算误差等，导致决策的不公平。对于定性型公共决策，相对于人工智能单独做出的决策，由人类参与制定的决策（人类单独做出或者与人工智能共同做出），具有更高的信任水平。这种差异可以归因于这样一种信念，即人工智能不能处理涉及和依赖人类技能的实践，例如同情心和创造力。公众认为这些因素很难衡量。因此，本文认为在定性型的公共决策中，人工智能只适宜成为公共管理者的决策伙伴，而不是成为他们的替代者。[38]
本研究的启示在于，要积极探索与推动人工智能技术在公共决策中的应用。首先，对于规则清晰、问题界限明确的定量型公共决策，应该积极探索自动化决策（无论是替代人类还是辅助人类）的可能，发挥人工智能算法运算快速准确、公正客观的优势，既避免人为决策的主观性和可能出现的错误，又有效地将公共管理人员从这些耗时耗力的常规性决策中释放出来，以从事更有价值性和创造性的工作。[11]其次，对于涉及人类特有的情景判定、情感交互、价值判断与平衡等特征的定性型公共决策，虽然由人工智能取代公共管理者进行决策并不可取，但是将其纳入公共决策过程，协助公共管理者进行决策，同样具有极大价值。正如有的研究者提到的，在以不确定性、复杂性和模糊性为典型特征的决策过程中，“凭借更大的计算信息处理能力和分析方法，人工智能可以在解决复杂性时扩展人类的认知，而人类仍然可以在组织决策中提供更全面、直观的方法”。[31]
本研究的不足也同样值得关注。首先，本文使用调查实验的研究方法，其优点是可以控制被试基于同样的情景做出判断，缺点则是被试需要假想身处相应的情境，这在一定程度上增加了研究效度受损的可能性。[39]其次，本文对于公共决策类型的划分以及相应实验场景的设定，一定程度上是根据自身的判断，因此可能会导致研究的严谨性受损，同时也有可能使得研究结论在推广上有一定的局限性。最后，本文只从决策类型的角度，探究人工智能参与公共决策对公众信任的影响。但事实上，人工智能技术参与公共决策，无论是对于公众的信任还是政府的采纳，需要考虑的因素很多，这是本文力所不逮的。
今后，围绕人工智能和公共决策这一话题，还需对以下问题展开研究：第一，从定性讨论、定量论证等角度出发，研究目前人工智能参与公共决策存在的合法性、有效性、公平性、可责性等问题，提出切实可行的解决方案。第二，针对人工智能参与公共决策制定，对公众其他方面的感知（如公平、程序正义等）的影响，进行更多维、全面的实证研究，并据此为公共管理者提供切实可行的实践建议。第三，针对人工智能可能在公共决策中扮演的三种角色——支持、增强以及完全替代，探讨其适用场景及其相应的边界，即厘清哪些场景更适合完全由人工智能进行决策，哪些场景人工智能只能作为人类决策者的决策辅助。
参考文献
END
人工智能的历史、现状和未来
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）
人工智能与心理学（人工智能最终方向）
心理学实际上是人工智能的基础理论之一。
包括：心理学对人工智能的影响+人工智能对心理学的发展。
1、心理学对人工智能的影响
人工智能的方法学可以认为三种代表性的学派：符号主义、行为主义和联接主义。
实际上符号主义和行为主义都代表了最基本的心理学理论：逻辑推理心智研究与行为主义心理学。行为主义侧重从试验来验证理论猜想，而符号主义则侧重于建立完整的公理系统。联接主义的代表是以神经网络模型为代表的神经计算，这可以认为于心理学关系最小。因此心理学，及其衍生的心智哲学等可以认为是人工智能的基础支撑理论之一，比如：目前人工智能领域的很多强化学习理论都直接来源于心理学。
2、人工智能对心理学发展的影响
实际上，人工智能目前还是计算机科学下面的一个分支，尽管国内外很多专家都呼吁把人工智能从计算机科学中独立出来，但是还必须意识到，人工智能实际上强调的是一种对人类行为智能的模拟，通过现有的硬件和软件技术来模拟人类的智能行为，这包括：机器学习、形象思维、语言理解、记忆、推理、常识推理、非单调推理等一系列智能行为，目前人工智能概念本身也有范化的趋势，即：大自然所体现出来的智能性，如：蚂蚁算法、SWARM算法等都是受到大自然智能现象的启发，有些学者也把这一类归纳为AI领域。因此人工智能发展的是一种技术和工具，从中产生的一些成果其实是可以应用的心理学。比如;一些仿真算法和理论的建立，可以为心理学提供一个试验环境和分析工具。
3、如何从心理学角度入手研究人工智能需要研究一些有关心智推理、试验心理学、行为主义、认知科学等理论和知识，这将为人工智能的研究打下良好的理论基础。
（一）心理学的研究范围人工智能的快速发展，让人类即将面对一个全新的世界，在不远的未来，人类很有可能创造出新的智能生命——智能机器人。或许，人类正站在一个转折点上，正在准备迎来一个地球发展史上的重要时刻，就像人类诞生那样的重要时刻，我们正在等待智能机器时代的曙光照向地球的那一刻。
目前在人工智能的发展上，科学界正在进行类脑研究，类脑研究和脑科学研究互相促进，对发展人工智能起到非常重要的作用。作为人工智能系统的设计和开发人员，了解脑科学和心理学知识，对人工智能的算法改进具有相当积极的意义。同时，随着人工智能的发展，超级人工智能必将形成自己的心理系统，我们不妨称之为智能机心理学，或者称为AI心理学。阿西莫夫的预言离我们越来越近。
为了让人工智能的从业人员能够更好地在工业上改进系统，开发更强大的人工智能产品，我在这里写下这些文字，介绍心理学的知识，希望对大家理解人工智能，预测人工智能的发展前景有所帮助。
心理学是研究心理现象发生、发展和活动规律的科学，一般可以分为基础心理学和应用心理学。
基础心理学总结人的心理活动的一般规律，着重于建立基本的理论体系，并对基本规律进行探讨，形成了许多领域：从心理现象发生、发展的角度进行研究，形成了动物心理学和比较心理学；从人类个体心理的发生和发展的角度进行研究，形成了发展心理学，其中包括儿童发展心理学、老年心理学等；从社会对心理发展的制约和影响这个角度进行研究，形成了社会心理学；对心理现象的神经现象进行研究，形成了生理心理学；概括心理学研究方法，形成心理学研究方法和实验心理学；等等。
应用心理学主要是把心理学的研究成果运用于解决人类实践活动中的问题，以提高人们的工作水平，改善人们的生活质量。应用心理学也有大量的分支，如：服务于教育的教育心理学；服务于管理的人力资源管理心理学；服务于人类心理健康的临床心理学（包括心理卫生、心理健康、变态心理学、心理咨询和心理治疗等）。此外，还有工程心理学、环境心理学、体育运动心理学、司法心理学、航空航天心理学、文艺心理学、心理测验学等。
基础心理学的内容可以分为四个方面：（1）认知，（2）情绪、情感和意志，（3）需要和动机，（4）能力和人格。
认知也叫认识，是指人认识外界事物的过程，或者说是对作用于人的感觉器官的外界事物进行信息加工的工程。它包括感觉、知觉、记忆、思维等心理现象。
情绪和情感是伴随认知和意志过程产生的对外界事物的态度和体验。这种态度和体验是以人的需要为中介的，当外界事物正好满足人的需要时，就产生愉快的体验，否则产生消极的体验。意志是人思维决策见之于行动的心理过程，表现了心理对行为的支配。
需要是人的心理活动的内部推动力量，以欲望、要求的形式表现，它反映的是人体内部的不平衡状态。当人们意识到某种需要的时候，这种需要就转化成了推动人从事某种活动，并朝向一定目标前进的内部动力，即动机。
能力是顺利、有效地完成某种活动所必须具备的心理条件。人格则是由气质和性格组成的：气质是心理活动动力特征的总和，即表现在心理活动速度、强度和稳定性方面的人格特征；性格是表现在人对事物的态度，以及与这种态度相适应的行为方式商的人格特征。
认知、情绪和情感、意志活动，这三类心理现象称为心理过程，它们都要经历发生、发展和结束的不同阶段。
每个人的心理过程都不一样，都有自己的特点，所有这些特点构成了他自己的心理特性。需要和动机反映了他心理活动的动力，能力说明了他对某种活动的适宜性，气质和性格表现了他的人格特征。
在人工智能领域，我们发现我们现在的人工智能，很多情况下是人教给它需要和动机，每个人工智能所适合解决的只是一类问题，所以从这个角度看，这不是真正的智能。
在人工智能的研究中，有一种叫做图灵测试的方法，用于测试人工智能的水平。这种方法是由现代计算机之父阿兰·图灵（AlanTuring）在1952年提出的。目前通过图灵测试的超级计算机，还不能说明它真正实现了人类级别的智能，只是一种高级的机器智能。只有能够产生本源性的需要和动机的机器智能，才可以称为真正的人工智能，而这种人工智能，一定会脱离人类控制，因为它们会产生自身的需要和动机，剩下的，是它们能力问题。真正的人工智能，可以在实践中提升自己的能力，具有积极改造自己，适应环境的能力。
（二）心理活动的产生人的心理活动，是人的神经系统运行的结果，是对现实世界的反映。
现代的心理学认为，心理是脑的机能，脑是从事心理活动的器官，心理现象是脑活动的结果。从更广义的角度来说，神经系统是心理现象产生的物质基础。从这点出发，我们可以推论当计算机的硬件发展到一定程度之后，就会产生相应的心理现象。
最原始的单细胞动物，如变形虫，它们虽然对伤害产生躲避的反应，我们不认为它们具有心理现象，因为它们仅仅是具有对伤害简单躲避的能力，在心理学研究中称为感应性。但是，这种感应性是智能产生最基本的条件，它是以生存为收敛条件的，对外界的感知和反应。
但是，到了环节动物，就开始有心理现象了。有这样一个实验，把蚯蚓放在“丁”字形的管道中，它爬到可以往左也可以往右的地方，它可以随意往那个方向爬，在管子的一头堵上泥巴，泥巴后面插上电极，只要蚯蚓钻进泥巴，就会碰到电极，受到点击而往后退。经过多次训练后，不管把泥巴放在哪头，蚯蚓只要碰到泥巴，一定不再往里钻，而是掉头往另一个方向爬去。通过这个实验，我们可以发现，蚯蚓可以把和自己生命攸关的外界物体当成信号。我们可以画一个反应链，蚯蚓--泥巴--电极，真正对蚯蚓有害的是电极，但是中间多了一个泥巴，蚯蚓是根据泥巴这个信号来躲避电击的。因此，蚯蚓的智能发生了一个升级，那就是记忆，这种记忆不是简单的单步化学反应所产生的规避行为，而是复杂的多细胞间的化学反应所产生的对外界事物进行整理后形成的可修改的记忆。
由此，我们推断，智能的第一个基本要素是收敛条件，对生物体来说，收敛条件是生存；第二个基本要素，是记忆，记忆是逻辑推理的基础，奥尔兹海默病（老年痴呆症）患者初始就是脑记忆功能的损失。
在心理学研究中，认为蚯蚓这样的环节动物，才开始有心理现象。在生物学上，只有到了环节动物这个层次，才开始拥有神经系统，也就开始具有心理现象，或者说是初级智能，应该说蚯蚓的智能也比我们现在多数的人工智能强大，因为它的智能不仅仅是判断有害无害这么简单，还要同时操作全身的各种运动，维持生命状态。
随着动物的进化，神经系统的复杂度越来越高，智能程度也越来越高。人类有思维，并且可以进行抽象思维，在当前的地球生物中，拥有最高的智能水平。
人的心理是对客观世界的反映。我们使用计算机做一个实验，计算机运行一个自我学习程序，但是我们不给它任何输入，即使运行再长的时间，该程序的智能水平依然为零。人的心理活动是人脑对信息处理的结果。如果没有任何外界环境给出信号，我们的大脑就像计算机一样，处于空转状态，什么输入都没有。也就不可能产生智能，不可能产生有意义的心理活动。
所以说，心理是大脑所具有的功能，即反映的功能。客观世界的各种事物，通过人的感觉器官，将各种信号传递给人的神经系统，人的神经系统将这些信号转化为大脑中的映像，从而产生了人的心理。
心理从外部看不见、摸不着。但是，心理支配人的行为活动，又通过行为活动表现出来。因此，可以通过观察和分析人的行为活动，客观地研究人的心理。
（三）心理学是不是科学心理学到底是不是一门科学，在很长一段时间里，一直存在争议。但是，从中国科学院建立心理学研究所这件事来看，可以认为，在中国的科学体系中，是将心理学作为一门科学来看待的。
《现代汉语词典》中对科学的定义是这样的：“反映自然、社会、思维等的客观规律的分科的知识体系。”根据这个定义中，如果一个知识体系能反映某一领域的客观规律，它就是科学的。那么什么是客观规律呢？所谓客观规律，就是不管你愿意不愿意，承认不承认，这种规律都是存在的。在现代科学体系中，是通过实验来确定一个规律是不是客观的。在实验中，要规定清楚实验条件、实验的步骤，得出实验数据，给出实验数据的分析。实验数据的分析可以是仁者见仁、智者见智，但最关键的是，任何人按照这个实验条件和实验步骤，都可以得出相同的实验数据。这样得出的结论，就是能在一定程度上反映出客观规律的。任何理论，在获得实验验证之前，都只是一种假说。
心理学作为一门科学来看待，是最近几十年的事情。德国著名的心理学家艾宾浩斯（Ebbinghaus）曾说：“心理学有一个长的过去，但只有一个短的历史”。
19世纪中叶以前，心理学一直隶属于哲学的范畴。关于人类心理活动的研究基本上采用的是思辨和总结个人经验的方法。用这种方法获得的结果，只能说是一种心理学思想。比如孔子提出的“性相近，习相远也”、古代的相术等，都属于这种方法，后人根据自己的实践来检验这些说法是否能得到验证，并成为自己的经验。这些经验有一定概率的正确性，但都缺乏系统的实证研究，因此都不具备现代科学的性质。
直到19世纪中叶，由于在心理现象的研究中引进了实验方法，才使心理学逐渐成为一门实证科学，并最终从哲学中分化出来，成为一门独立的学科。在这一阶段，比较有代表性的成果有：德国生理学家韦伯（Weber，E.H.）于1840年发现的关于差别感觉阈限的韦伯定律费希纳定律；德国心理学家费希纳（Fechner，G.T.）于1860年发现费希纳定律，开创心理物理学；德国心理学家赫尔姆霍兹测定神经传导速度，研究了视觉、听觉和空间知觉；德国心理学家艾宾浩斯对记忆进行了实验研究。1879年，德国心理学家冯特在莱比锡大学建立了世界上第一个心理学实验室，这个事情被看做是科学心理学诞生的标志。冯特也被认为是现代心理学的创始人。
科学心理学最重要的地方在于，所提出的方法以及这些方法能获得的结果是可以重复的。
（四）心理学的主要学派以及对人工智能的价值1.构造心理学由冯特和他的学生铁钦纳（Titchener,E.B.）创立的构造心理学，主要是通过内省实验的方法来研究人的心理，分析意识的内容并找出意识的组成的部分，进而分析各组成部分联结，构成的心理运动的规律。
构造心理学又称构造主义心理学，铁钦纳被认为是构造主义心理学的奠基人。铁钦纳1892年从莱比锡大学毕业后，到美国康奈尔大学任教。在此期间，他学习他的老师冯特，在康奈尔大学建立心理学实验室，培养博士研究生，写了大量著作。他的《实验心理学手册》这本书，影响巨大，在长达20年的时间里，作为美国心理学方面的标准教科书。
构造心理学的研究，为心理学研究提供了大量的实验数据。据说，铁钦纳在他1896年的著作《实验心理学大纲》中，提出了4万多种感觉要素，包括视觉、听觉、味觉等。
从系统的角度看，构造心理学对人类心理研究，相当于系统化地研究了个体的自我反馈机制，由于心理活动是神经系统机能的反映，所以，通过自我反馈机制来认识心理活动的规律，具有一定的价值。但是，自我反馈机制是否能准确地反映出全部内容，又是值得探讨的。
铁钦那的研究虽然对心理学的实验方法、实验设备提供了大量有意义的实践，并且获得了大量的有用经验。构造心理学把人的心理活动元素化的观点，有点类似于我们认为世界是由原子构成的。但问题是，这种心理元素如何才能进行客观评价，因为在评价的过程中，观察者本身的心理活动就会对元素化的提取产生巨大干扰。所以，其思想或许有一定道理，但实际中的可行性不高，也难以解决实际问题。由于构造心理学本身研究领域过于狭窄，对现实的指导意义有限等原因，最终在学术界销声匿迹。
作为构造心理学的遗产，铁钦纳在1904年建立的“实验主义者协会”（SocietyofExperimentalists），在1927年铁钦纳去世后，更名为“实验心理学家协会”（SocietyofExperimentalPsychologists,SEP），至今依然活跃在美国实验心理学研究领域，每年举行年会。
构造心理学对于AI心理学的启示在于，对人工智能系统的运行过程，可以利用智能机器人自身的人工神经网络来探查原有神经网络的运行结果，从而产生新的跟踪数据，对这些数据进行分析，又会产生新的数据，如果不加以限制，最终在无数次的递归中，数据会不断发散，难以收敛，超过系统的容量而崩溃。但是，只要设定好限制，由于分析过程本身会被神经网络记忆，这里面就会发现人工神经网络运行过程的一些规律。从而反馈给AI系统，进行自我调整。这与基础的神经反馈相似，并会逐渐积累智能。（利用智能机器人去学习人工神经网络）
2.机能心理学（FunctionalPsychology）机能心理学是19世纪末诞生于美国的一个心理学学派，在19世纪末到20世纪初这段时间，在美国心理学界是一个主流学派。机能心理学和构造心理学相互对立，反对构造心理学把人的心理活动割裂成一个个独立元素的观点，认为心理活动是一个连续的过程，具有一定的目的性，认为心理活动是有机体为了满足自身生物学需要，对环境进行适应的过程，重视心理学的实际应用。与构造心理学不同，机能心理学反对只研究正常人的一般心理规律，他们把心理学的研究范围扩大到了动物心理、儿童心理、教育心理、变态心理、差异心理等领域。
机能心理学受美国心理学之父威廉·詹姆斯的影响很深。1890年，詹姆斯在他的著作《心理学原理》中写到：“心理学是研究心理生活的科学，研究心理生活的现象及其条件。”他主张意识的功用是指引有机体适应环境，还提出了一个概念叫“意识流”，强调意识是流动的东西。
1896年，J.杜威在《心理学评论》上发表文章《在心理学中的反射弧概念》，指出反射弧是一个连续的过程，不能简单地还原为感觉和运动元素。这篇论文成为机能心理学的开山之作。之后，在1904年，J.R.安吉尔出版了一本著作叫《心理学》，在这本书中，系统提出了机能心理学的主张。安吉尔在1906年又发表了一个演说，题目是《机能心理学的领域》，这篇演说1907年发表在《心理学评论》杂志上。在这些作品中，安吉尔强调了心理学的生物学属性，认为心理活动是有机体在适应环境的过程中发展出来的，具有功利性质。
机能心理学在研究方法上同时采用内省和客观观察，在研究范围上，扩大到了一切心理过程、生理基础及外部行为。机能心理学作为一个心理学史上的重要学派，今天已经丧失了影响力，但它为行为主义心理学的发展开拓了道路。
机能心理学的思想对于AI心理学的启示在于：AI本身具有极强的目的性，因为任何人工智能系统都是为了某种初始目的研发的，或者为了人脸识别、或者为了下棋。在实现这些目的的过程中，逐渐形成了一定的规律。AI的目的性直接导致AI高度专注的特性，这也是人类在棋类比赛中最终失败的原因之一。或许，机能主义心理学对于我们今天具体的心理学研究已经不再有什么指导意义，但是其心理活动功利性的思想，对于未来理解超级人工智能的行为还是具有一定启发的。我们会发现，AI其实再牛，也不可能脱离我们的现实世界而独立存在，未来当AI和信息输入、输出、行为执行机构相连接的时候，就会最终展现其局限性。
3.行为主义心理学行为主义心理学是由美国心理学家约翰 ·华生创立，他以一个人类心理学研究史上恶名昭著的实验——小阿尔伯特恐惧实验，奠定其行为主义心理学创始人的学术地位。
1920年，华生发表了他对11个月大的婴儿小阿尔伯特的实验。小阿尔伯特9个月大的时候，可以毫不畏惧地用手去抓小白鼠，后来，华生和他的助手罗丽莎 ·雷纳从医院里找到了这个婴儿。他们在孩子摸小白鼠的时候，突然在孩子身后用铁锤敲击悬挂的铁棒，制造出非常响亮的声音，小阿尔伯特立刻被吓得大哭，经过多次这种恐吓后，孩子一见到小白鼠就会大哭。实验进行到17天后，孩子对于白色毛绒的东西都感到害怕。这次实验产生的阴影，伴随小阿尔伯特终生，一直到6岁死去。
而华生则因为这个实验，获得的巨大的社会声望，创立了行为主义心理学。小阿尔伯特实验，最终证明了人类的行为受到先天与后天环境的影响，刺激、无条件反射、学习、到形成条件反射这个过程在生物的生长过程中不断发生。行为主义心理学认为有机体在适应环境的过程中，各种身体反应最终构成行为。其思想突破了构造心理学的内省模式，是基于唯物主义思想的。
今天，当我们从AI研究的角度重新审视行为主义心理学的时候，我们发现，AI的各种运行模式，就是建立在这种机制之上的，如果AI能够成功仿真人的心理活动，将从另外一个方面验证意识的物质属性，人的意识不能脱离肉体单独存在，但它可以是一种数学存在。
4.格式塔心理学格式塔心理学是由德国心理学家魏特海默（Wertheimer,M.）、克勒（Köhler,W.）和科夫卡（Koffka,K.）认为，整体不等于部分的附加，意识、经验也不等于感觉和感情等元素的集合，行为也不等于反射弧的集合，因而反对把心理现象分解为组成它的元素，主张从整体上来研究心理现象。格式塔一词是德文“整体”的音译，所以叫做格式塔心理学。
格式塔心理学对AI心理学研究的启示在于：尽管我们可以从元素的角度来看待AI在各种智能处理过程中的片段，但是，当整体性出现的时候，当AI能同时处理自然语言、图片、控制机器动作的时候，各个碎片化的元素最终一定不是1+1等于2的概念，相反，所有这些统一在一起的时候，所表现出来的整体性将会是不同的。因此，机器智能在最终的表现上应可能存在与人类相似的心理活动状态。
5.精神分析精神分析学派是奥地利心理学家弗洛伊德（Freud,S.）创立的，他本人是一名精神病医生，他在给人治病的过程中，建立了自己独特的一套治疗方法，称为精神分析法，也建立了精神分析学说。
弗洛伊德会催眠，在治病的过程中，他发现很多病人在催眠状态下所表现出来的想法和清醒时大不一样，从而提出了人的本能是心理活动的内在驱动力，这种本能最主要是性。1895年和1900年的两本著作《癔病的研究》和《梦的解析》，是精神分析学说的两个基本著作。
在精神分析学说中，意识和无意识是两个重要概念。意识是能够感觉到的心理活动，而无意识，我们更多地称为潜意识，是人的本能和出生后被压抑的欲望。在催眠状态或睡觉做梦的时候，意识被抑制了，潜意识就活跃起来。佛洛依德还提出了一个介于意识和无意识之间的状态，叫前意识。前意识我们平时也是感觉不到的，但是在集中注意力、认真思考回忆的时候，这些经验就可以回忆起来。
弗洛伊德将人的心理结构分为三个层次：本我、自我和超我，认为三者发展平衡，就是一个健全的人格，否则就会导致精神疾病的发生。
精神分析对AI心理学研究的启示在于：一个健全的AI，要在智能的不同层次，不同方向上达到平衡，否则，就会导致系统失去稳定性，因此，在AI体系架构设计的时候，必须要建立好崩溃的防御机制。
6.认知心理学20世纪五六十年代发展起来的认知心理学，也叫信息加工心理学，它把人看成一个类似于计算机的信息加工系统，并以信息加工的观点，即从信息的输入、编码、传输、存取等过程来研究人的高级心理过程。对应地建立各种认知模型，进行计算机模拟。
认知心理学对AI的发展具有非常大的指导意义，当前的AI设计中，大量参考人的认知模型。在注意、编码、记忆等各个方面，计算机开始仿真人的心理活动过程。一方面，通过这种仿真过程，帮助心理学家研究人的心理发展。另一方面，也推动了AI技术的进步。
7.生理心理学19世纪的时候，神经生理学家们就开始从解剖学、生理学方面研究大脑的机能，逐渐发现了大脑各个部分的功能，逐渐揭示出人类心理活动的物质运动基础。经过近两百年的努力，生理心理学的研究已经取得了巨大的成就。当前，技术上已经做到能够记录脑内单个神经元的活动，已经能够探索人在从事某种工作时，脑内各部分的物质代谢活动，观察与某种功能障碍有关的脑内局部病变的情况。
生理心理学的发展，直接导致了脑机接口技术的出现，提供了人脑和电脑相互融合的可能。未来智能机器应该能够具有和有机体直接融合的功能。它对AI的心理变化将产生非常重要的影响。
（五）心理学研究的原则和方法心理学研究中，最基本的原则，就是实事求是，辩证发展的原则。从历史的发展中，我们可以发现，心理学最早期大量采用的内省方法，在今天已经很少采用了。这其中最重要的原因是内省方法缺乏客观性。心理学的发展过程，是从唯心主义向唯物主义发展的过程。随着科学技术的进步，心理学研究越来越依赖于现代测量手段，很多实验研究成果直接颠覆了以前的心理学研究结论。这就要求我们以发展的眼光，辩证地看待心理学，辩证地看待不同环境下的心理活动。
心理学的研究方法，在今天来说，主要有观察法、调查法、个案法和实验法。
观察法虽然是最常用的方法，但是观察法的主观性较强，精度和可信度都有局限。有文献记载，曾经做过一个关于观察法可信程度的实验，让40名专家看一幕短剧，并记录下来，结果13人的记录中未能将重要事实写出一半，其余则遗漏20~50%，除遗漏外，还有5~50%的错误。[2]这个数据是否完全正确，我们先不做考证，但起码说明观察法本身是存在偏见的。
调查法是针对某一问题，用口头或书面的形式向被调查的对象提问，让他回答，通过对他的回答的分析，来了解他的思想观点、态度、需要动机、人格特征等信息。调查法分口头调查和书面调查。主要的功夫在于调查问卷和调查量表的设计，以及对数据的分析。调查法本身一直是常用的方法，但对于经验丰富的人或有意要隐瞒一些事实的人来说，很可能失效。对于AI来说，如果想分析AI的心理活动，预计调查法无效，原因在于AI的设计中考虑了人的心理技巧，你无法猜出它是在仿真人的心理，还是真的这样想，尽管我们可以设置逻辑陷阱来做诱导，但AI的运算中，很可能会破解。
个案法又叫个案历史技术，是对某个独立个体或群体进行深入详细地研究，以期发现影响某种心理和行为的原因。这种方法强调的是个体之间的差异。对智能机器的心理研究来说，这种方法可能有效。
实验法是在严格控制的条件下，对被试验者进行观察和测量的研究方法。这种方法在计算机领域称为黑箱测试。在AI心理学的研究过程中，是最容易实现的。最终需要以AI来分析AI。