数字业务中人工智能的六个设计原则
人工智能(AI)能够增强和自动化当前由人类执行的决策或任务，这使其成为数字化业务转型不可或缺的工具。在人工智能的帮助下，企业希望降低劳动力成本，生成新颖的商业模式，简化流程，并提高客户服务标准。然而，重要的是保持务实的方法，因为绝大多数人工智能技术仍处于初级阶段。
为了解决人工智能技术不成熟的问题，***信息官应确保旨在实现战略性业务目的的应用程序(例如***化收入或扩展某些服务)旨在实现战略效果。
调研机构Gartner公司确定并概述了六个设计原则，以帮助企业***信息官以战略意图评估每个人工智能的应用程序产品。这些应用程序旨在帮助实现业务成果，而不仅仅是运营改进。采用者不必遵守所有六项原则,但是应该重新考虑采用一两个设计原则。
设计原则1：预见未来
当应用于数字业务时，人工智能会产生直接导致业务执行的见解。战略人工智能解决方案能够提供精细的见解，可以表明特定客户或市场在未来的特定情况下的行为方式，以及企业可以采取哪些措施来影响他们的决策。如果应用程序可以提供经过验证的、值得信赖的见解，它将获得被更多企业采用和依赖的奖励，以指导未来的执行系统。
与传统的分析应用程序相比，人工智能可以产生更为精细的洞察，更适合个人情况。因此，人工智能应用程序可以减少错误的读数——见解越可信，企业就越可能依赖它们来指导执行系统。
设计原则2：自主行动
人工智能应用的价值在于人工过程的自动化。然而，该技术也可以使企业实现自主经营。自主行动的战略人工智能应用程序不需要人员的指导。反过来，这种自主性通过补充人类完成的工作，释放劳动力来执行更个性化的任务，从而提高生产力。
负责为自主操作设计人工智能应用程序的人员应确保应用程序位于正在执行的工作附近，对过程及其条件具有接近实时的理解，并具有现场决策的能力。
设计原则3：连接到客户
对市场和客户的深入了解是数字业务成功的必要条件。为了帮助实现数字业务计划，人工智能应用程序应该尽可能接近客户。企业***信息官们应该在行业领先的数字企业引导下前行，而这些企业的业务采用了人工智能的运营。
亚马逊的Alexa和苹果的Siri就是相关的例子。消费者使用这些技术支持的设备作为中介，以访问外部第三方平台的功能。因此，与他们正在访问其服务的公司相比，亚马逊公司和苹果公司能够收集有关客户的更好数据。与此类似，***信息官可能会考虑战略人工智能应用程序，使其业务能够捕获关键信息，以期在长期内建立更密切的客户关系。
设计原则4：提升物理性能
自动化运营矿山的出现有望改变采矿业的经济状况。机器人手术旨在为患者提供更好的结果。同样，战略人工智能应用程序的开发人员应努力在物理世界中发挥作用。人工智能可以通过与其他先进技术协同工作，或通过促进事物可以互动和协作的新方式来实现物理变化。越来越复杂的3D打印就是一个很好的例子：通用电气航空公司现在使用3D打印技术为其喷气发动机制造风扇叶片。而引入人工智能技术，可以为3D打印开辟更多可能性和更复杂的用例，例如调整打印过程以适应需要同时控制多个变量。当情况不可预测时，这一点尤其重要：恶劣天气条件、战场作战、海上条件等。
设计原则5：检测无形事物
人工智能可以将运营管理到人类能力无法实现的标准，坦率地说，当网络空间发生快速突发事件时，甚至无法在一定的时间范围内看到或检测到。战略人工智能应用程序应该利用更高分辨率和速度的优势。数字技术可以使企业以极高的精度控制事物、事件、结果。高速交易应用程序已经能够在几纳秒内移动大量资金。这些应用程序由同时考虑股票价格、天气和政治发展的算法提供支持。这种智能使交易者能够在几秒钟内执行数百万个订单，从而为企业提供优势。在许多情况下，这些功能将成为进入企业所需的***要求，并将推动更新的功能以提高竞争力。
数字世界越来越精细。到2050年预测有1万亿台物联网设备，人工智能是将决策规模扩大到这样一个水平，并且处理如此复杂问题的唯一可能解决方案。
设计原则6：管理风险
安全、风险、隐私问题是开发人工智能应用程序的***障碍。当人工智能应用程序服务于战略性的业务目的时，这些问题变得更加严重。错误行为不仅会破坏运营，还会损害企业或业务的核心。在某些情况下，人工智能应用程序本身能够学习，为完成可能危及他人的任务开发自己的方法。因此，***信息官应制定明确的计划，以识别和减轻人工智能应用程序设计中的风险，并定义限制行为。
这六个设计原则应用于评估所有人工智能应用。建议***信息官根据个别企业的具体需求和情况，以不同的方式优先考虑设计原则。例如，谨慎的企业应该专注于风险管理，而物联网和区块链的公司应该更注意“提升物理性能”和“检测无形事物”。结合量身定制的原则，为数据质量改进提供足够的资金，掌握商业战略，企业可以更好地克服数字化转型中常常令人生畏的障碍。
管控人工智能“野蛮生长”，ACM 审核通过生成式AI开发原则
2023/7/1311:36管控人工智能“野蛮生长”，ACM审核通过生成式AI开发原则IT之家 漾仔（实习）美国生成式人工智能协会（AssociationforGenerativeAI）计算机器全球技术政策委员会（ACMTPC)日前发布了《生成式人工智能技术的开发、部署和使用原则》，日前已经由ACM的美国技术政策委员会（USTPC）和欧洲技术政策委员会（EuropeTPC）通过。
据悉，该原则旨在促进有关生成和所有其他人工智能技术的公平、准确和有益的决策。不过ACM方面并未就此敦促推行具体的立法。
ACM美国技术政策委员会主席JeremyEpstein表示，“我们会直接回应立法机构的意见征询，但不会对法案或其中的部分内容公开表态。”
ACM成立于1947年，号称是“世界上最大的科学和教育计算协会”，拥有约110000名学生和专业会员。他们认为，生成式AI日益强大，或将对社会构成严重风险，目前的技术安全使用指南不足，因此需要建立新标准，以确保可规避该技术可能带来的危害。
▲图源美国人工智能协会
此次发布的原则中，有四项原则专门针对生成式AI，另外四项原则改编自TPC2022年的《负责任的算法系统声明》原则，IT之家将原则全文置于下方：
生成式AI特定原则
部署和使用的限制和指南：应与所有利益相关者协商，审查和应用书面或修订的法律和法规，以在需要时限制生成人工智能技术的部署和使用，以最大程度地减少危害。如果没有明确和充分的保障措施，包括“humanintheloop”以及相关利益相关者之间的明确共识，即该系统的好处将大大超过其潜在的负面影响，则不应允许任何高风险的人工智能系统运行。一种方法是定义风险等级，最高级别为不可接受的风险，最低级别为最小风险。
所有权：知识产权（IP)法律和法规尚未充分考虑生成式人工智能系统的结构和功能的固有方面。
个人数据控制：生成式人工智能系统应该允许人们选择不使用他们的数据来训练系统或促进其信息生成。
可纠正性：生成人工智能系统的提供者应创建和维护公共存储库，可以记录系统所犯的错误，并可以选择进行更正。
改编的先前原则
透明度：任何使用生成式人工智能的应用程序或系统都应向适当的利益相关者明确披露。
可审计性和可质疑性：生成人工智能系统的提供者应确保尽可能记录系统模型、算法、数据和输出（适当考虑隐私），以便在适当的情况下对其进行审计和/或质疑。
限制环境影响：鉴于生成式人工智能模型对环境的巨大影响，建议就方法论达成共识，以衡量、归因并积极减少此类影响。
更高的安全性和隐私性：生成式人工智能系统容易受到各种新的安全和隐私风险的影响，包括新的攻击向量和恶意数据泄露等。
给作者点赞0VS0写得不太好管控人工智能“野蛮生长”，ACM审核通过生成式AI开发原则
免责声明：本文仅代表作者个人观点，与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
人工智能开发的六大原则
人工智能开发的六大原则是指在开发和使用人工智能技术时应遵循的一些基本准则。这些原则可以帮助我们确保人工智能技术的可信度、透明度和公正性，以及保护我们的隐私和安全。
具体来说，人工智能开发的六大原则如下：
公正性：人工智能系统应该被设计为公正的，不能歧视或偏袒某些人或群体。
透明度：人工智能系统应该是透明的，开发者应该公开其运行方式和决策过程，使用户能够了解其背后的逻辑。
隐私保护：人工智能系统应该尊重用户的隐私，保护他们的个人信息不被滥用或泄露。
安全性：人工智能系统应该被设计为安全的，不容易受到恶意攻击或滥用。
可解释性：人工智能系统应该是可解释的，使开发者和用户能够理解其决策的原因和基础。
责任与问责：人工智能系统的开发者和使用者应该承担责任和问责，确保其合法、道德和负责任的使用。
这些原则不仅是人工智能技术开发的基本准则，也是确保人工智能技术在社会中健康发展和应用的重要保障。
人工智能的六大伦理原则
第二是可靠性和安全性。它指的是人工智能使用起来是安全的、可靠的，不作恶的。
目前全美热议的一个话题是自动驾驶车辆的问题。之前有新闻报道，一辆行驶中的特斯拉系统出现了问题，车辆仍然以每小时70英里的速度在高速行驶，但是驾驶系统已经死机，司机无法重启自动驾驶系统。
想象一下，如果你要发布一个新药，它的监管、测试和临床试验会受到非常严格的监管流程。但是，为什么自动驾驶车辆的系统安全性完全是松监管甚至是无监管的？这就是一种对自动化的偏见，指的是我们过度相信自动化。这是一个很奇怪的矛盾：一方面人类过度地信赖机器，但是另一方面其实这与人类的利益是冲突的。
另一个案例发生在旧金山，一个已经喝晕了的特斯拉车主直接进到车里打开了自动驾驶系统，睡在车里，然后这辆车就自动开走了。这个特斯拉的车主觉得，“我喝醉了，我没有能力继续开车，但是我可以相信特斯拉的自动驾驶系统帮我驾驶，那我是不是就不违法了？”但事实上这也属于违法的行为。
可靠性、安全性是人工智能非常需要关注的一个领域。自动驾驶车只是其中一个例子，它涉及到的领域也绝不仅限于自动驾驶。
第三是隐私和保障，人工智能因为涉及到数据，所以总是会引起个人隐私和数据安全方面的问题。
美国一个非常流行的健身的App叫Strava，比如你骑自行车，骑行的数据会上传到平台上，在社交媒体平台上有很多人就可以看到你的健身数据。问题随之而来，有很多美国军事基地的在役军人也在锻炼时用这个应用，他们锻炼的轨迹数据全部上传了，整个军事基地的地图数据在平台上就都有了。美国军事基地的位置是高度保密的信息，但是军方从来没想到一款健身的App就轻松地把数据泄露出去了。
第四是人工智能必须考虑到包容性的道德原则，要考虑到世界上各种功能障碍的人群。
举个领英的例子，他们有一项服务叫“领英经济图谱搜索”。领英、谷歌和美国一些大学联合做过一个研究，研究通过领英实现职业提升的用户中是否存在性别差异？这个研究主要聚焦了全美排名前20MBA的一些毕业生，他们在毕业之后会在领英描述自己的职业生涯，他们主要是对比这些数据。研究的结论是，至少在全美排名前20的MBA的毕业生中，存在自我推荐上的性别差异。如果你是一个男性的MBA毕业生，通常你在毛遂自荐的力度上要超过女性。
如果你是一个公司负责招聘的人，登录领英的系统，就会有一些关键字域要选，其中有一页是自我总结。在这一页上，男性对自己的总结和评估通常都会高过女性，女性在这方面对于自我的评价是偏低的。所以，作为一个招聘者，在招聘人员的时候其实要获得不同的数据信号，要将这种数据信号的权重降下来，才不会干扰对应聘者的正常评估。
但是，这又涉及到一个程度的问题，这个数据信号不能调得过低，也不能调得过高，要有一个正确的度。数据能够为人类提供很多的洞察力，但是数据本身也包含一些偏见。那我们如何从人工智能、伦理的角度来更好地把握这样一个偏见的程度，来实现这种包容性，这就是我们说的人工智能包容性的内涵。
在这四项价值观之下还有两项重要的原则：透明度和问责制，它们是所有其他原则的基础。
第五是透明度。在过去十年，人工智能领域突飞猛进最重要的一个技术就是深度学习，深度学习是机器学习中的一种模型，我们认为至少在现阶段，深度学习模型的准确度是所有机器学习模型中最高的，但在这里存在一个它是否透明的问题。透明度和准确度无法兼得，你只能在二者权衡取舍，如果你要更高的准确度，你就要牺牲一定的透明度。
在李世石和AlphaGo的围棋赛中就有这样的例子，AlphaGo打出的很多手棋事实上是人工智能专家和围棋职业选手根本无法理解的。如果你是一个人类棋手，你绝对不会下出这样一手棋。所以到底人工智能的逻辑是什么，它的思维是什么，人类目前不清楚。
所以我们现在面临的问题是，深度学习的模型很准确，但是它存在不透明的问题。如果这些模型、人工智能系统不透明，就有潜在的不安全问题。
为什么透明度这么重要？举个例子，20世纪90年代在卡耐基梅隆大学，有一位学者在做有关肺炎方面的研究，其中一个团队做基于规则的分析，帮助决定患者是否需要住院。基于规则的分析准确率不高，但由于基于规则的分析都是人类能够理解的一些规则，因此透明性好。他们“学习”到哮喘患者死于肺炎的概率低于一般人群。
然而，这个结果显然违背常识，如果一个人既患有哮喘，也患有肺炎，那么死亡率应该是更高的。这个研究“学习”所得出的结果，其原因在于，一个哮喘病人由于常常会处于危险之中，一旦出现症状，他们的警惕性更高、接受的医护措施会更好，因此能更快得到更好的医疗。这就是人的因素，如果你知道你有哮喘，你就会迅速采取应急措施。
人的主观因素并没有作为客观的数据放在训练模型的数据图中，如果人类能读懂这个规则，就可以对其进行判断和校正。但如果它不是基于规则的模型，不知道它是通过这样的规则来判断，是一个不透明的算法，它得出了这个结论，人类按照这个结论就会建议哮喘患者不要住院进行治疗，这显然是不安全的。
所以，当人工智能应用于一些关键领域，比如医疗领域、刑事执法领域的时候，我们一定要非常小心。比如某人向银行申请贷款，银行拒绝批准贷款，这个时候作为客户就要问为什么，银行不能说我是基于人工智能，它必须给出一个理由。
第六是问责。人工智能系统采取了某个行动，做了某个决策，就必须为自己带来的结果负责。人工智能的问责制是一个非常有争议的话题，我们还是回到自动驾驶车上进行讨论。确实，它还涉及到一个法律或者立法的问题。在美国已经出现多例因为自动驾驶系统导致的车祸。如果是机器代替人来进行决策、采取行动出现了不好的结果，到底是谁来负责？我们的原则是要采取问责制，当出现了不好的结果，不能让机器或者人工智能系统当替罪羊，人必须是承担责任的。
但现在的问题是我们不清楚基于全世界的法律基础而言，到底哪个国家具备能力处理类似案件的能力。（美国）很多案件的裁决是基于“判例法”进行判定的，但是对于这样一些案例，我们没有先例可以作为法庭裁决的法律基础。
其实，不光是自动驾驶，还有其他很多领域，比如刑事案件问题，还有涉及军事领域的问题。现在有很多的武器已经自动化或者是人工智能化了，如果是一个自动化的武器杀伤了人类，这样的案件应该如何裁定？
这就要牵涉到法律中的法人主体的问题，人工智能系统或全自动化系统是否能作为法人主体存在？它会带来一系列的法律的问题：首先，人工智能系统是否可以判定为是一个法律的主体？如果你判定它是一个法律的主体，那就意味着人工智能系统有自己的权力，也有自己的责任。如果它有权力和责任，就意味着它要对自己的行为负责，但是这个逻辑链是否成立？如果它作为一个法律主体存在，那么它要承担相应的责任，也享有接受法律援助的权利。因此，我们认为法律主体一定要是人类。
作者为微软人工智能项目总经理，编辑：韩舒淋，原载2019年5月27日《财经》杂志
（本文首刊于2019年5月27日出版的《财经》杂志）
编辑|阿板校对|坚果视觉|牛小伟返回搜狐，查看更多
季卫东：法律人工智能开发的原则与政策
本文是季卫东在2018年11月16日第三届新兴法律服务业博览会暨Legal+高峰论坛上的演讲。
非常感谢主办方的邀请，使我有机会跟大家进行交流。刚才大家都介绍了人工智能在中国、在世界的迅猛发展。显然，人类社会现在正处在第四次产业革命的转折点上。这一切都让我们感到非常振奋。当然作为一个研究者，不仅要有热忱的心，而且还需要有冷静的脑。今天我想着重谈一谈在人工智能迅猛发展的过程中，到目前为止仍然强调得不很充分的、关于人工智能开发的原则、伦理规范以及政策。
如今，我们经过自动化控制（傻瓜相机）、初级人工智能（家庭扫地机器人）、电脑思考的机械学习（对弈程序）等阶段，正在迈进人工智能社会的第四个阶段，即能够从大数据中提取特征量的深度学习阶段（阿尔法元）。在这个阶段有一个最重要的特点，这就是人工智能网络化，不同系统互联互通、在互相作用中共同进化。
人工智能和互联网联系在一起，形成了数据驱动的社会。在这里，数据具有经济价值，甚至可以发挥通货的作用。在这个过程中，我们可以看到存在这样的关系，即通过物联网收集大数据、借助人工智能分析大数据，从而使得我们各种各样的产业活动和生活能够产生极高的效率，提供前所未有的发展空间。这是今天我们时代所面临的变化，而这样一种变化，同时也渗透到法律社会。
人工智能网络化的风险与社会治理
刚才大家都在谈论人工智能，对于人工智能究竟是什么的概念似乎也有必要推敲一下。首先要界定是人类的智能，然后才能界定人工智能。人类智能的根本特征是思考、沟通、推理、判断以及感情表达。关于人工智能，最简单的说法就是像人那样思考的电子计算机，或者数据处理系统。作为数据处理系统的人工智能，输入与输出之间的关系是决定性的，应该成为我们关注的焦点。
目前的人工智能热是由电脑数据处理系统的深度学习而引起的。由于存在深度学习，算法及其组合的变化势必超出人工智能开发者的初始预料，甚至超出人们的控制而自行其是。由此可见，人工智能在给我们带来巨大便利的同时，也会带来巨大的风险。当人工智能互相连接形成网络的时候，在深度学习的媒介作用下很容易发生组合的自动变更以及无法说明的结果，这就势必导致人工智能判断的黑箱化，甚至形成网络混沌现象。这时候我们会发现人工智能将使得社会变得不透明化，安全性受到影响甚至频繁出现失控、失序。
刚才大家还提到了不同层面的人工智能开发，当它们因网络而互相联系的时候，他们各自的不同目的之间会发生竞争甚至冲突，这时候会给开发者、利用者以及社会带来各种各样的危害。从这个意义上来说，如何对人工智能发展过程中的风险进行评价进行管控，就成为人工智能网络化社会的治理以及制度设计非常核心的问题。
首先来谈谈人工智能网络化社会治理的理念、目标以及基本方式。的确，人工智能网络有利于社会的共生和普惠，对效率和整体福利的提高有明显的促进作用。但是，在这个过程中，我们还需要注意的是中国原来比较忽视的价值能否实现和维持。例如个人的尊严、自律、自治这样一些方面的社会目标能否不受到妨碍。重要的是如何使功利与个人权利这两者之间达成适当的平衡。
在这样的情况下，如果我们采取强制性的规范手段去进行管制，很有可能使得人工智能新兴产业不能得到及时而有效的发展。但是如果放任自流，人工智能网络社会的风险就会越来越大。这是“一管就死、一放就乱”的老问题、新表现。从这个意义上来说，如何重视管控过程中的软法，保持弹性空间就非常重要。
不要匆忙立法，但要确立适当的原则、伦理标准以及政策，特别是把刚性的立法与柔性的伦理行为规范进行适当组合，做到刚柔兼济。这就成为我们在考虑对人工智能产业进行适当监管、对人工智能网络社会进行有效治理的主要方式。
作为人工智能研发原则和政策的共识
关于人工智能开发的指针和伦理标准，近些年来，特别是2016年之后，各国都在进行认真的深入的讨论。
比如说美国政府在2016年5月份开始研讨，白宫后来又发了报告书，提出了人工智能相关系统必须具有可控性、必须公开透明可理解、必须能够有效发挥功能，而且和人类的价值愿望一致等基本原则。欧洲议会也在2016年把关于机器人和人工智能的法律和伦理问题研究提上政治的重要议题，举行了听证会，并在当年5月份发布了与机器人研发相关的民事法律规则报告书。我们可以看到欧洲在立法方面相对来说走的比较快。日本也同样进行了相关研究，并且制定了《人工智能开发指针方案》，同时也提出一些基本原则和政策方案供国际社会讨论。
我们在梳理各国讨论人工智能开发的原则和伦理规范时，可以发现有这样一些基本的共识。
➤首先是对国际通用的指针、标准和规格，要求各个国家、各个企业都采取合作态度，而不要各自为阵。合作和协调的目的主要是确保互联互通。与这项要求相关联，我们可以看到中国在司法服务方面的智能系统开发的规格是很不统一的，这样就造成重复建设，引起资源浪费以及一些目标冲突的情况。
因此，要尽快建立统一的国家标准，还要尽量参照国际标准和规格来进行设计，并且使得数据形式和处理方式能够尽量标准化。这一切都可以看出，我们需要有一个统一的顶层设计、统一的指标体系，以使人工智能的开发更加有序，提高资源整合和利用的效率，充分实现互联互通的目标。
➤另一方面，人工智能的技术要具有中立性和透明性。大家都知道，在法律领域，特别是涉及决策和司法、执法的方面，有一个非常重要的要求，这就是可问责性。问责的关键是履行说明义务。说明的关键是论证和解释。如果算法不可解释，那就无法履行说明义务，也就无从问责。不能问责的法律人工智能会带来严重后果以及连锁反应。因此，人工智能开发的一个重要课题实际上就是要防止算法黑箱导致法律的问责机制发生变化。为此，必须强调算法的可解释性，尽可能地减少乃至防止出现算法黑箱现象，确保采取人工智能的法律过程也能进行问责。当然还要实现对可控性的要求，防止人工智能在失去控制的情况下对人类社会造成伤害。
➤此外，我们在促进人工智能开发的同时，必须坚持人本主义的立场，以人为本。尤其是无人驾驶的汽车、飞行器等的开发，一定要优先保护人的安全。这包括对利益者和利益相关者充分说明人工智能的性能、原理、注意事项以及潜在的风险。人工智能网络社会的特征是数据本位，因此对大数据如何进行处理的规范体系建构显得特别重要。要充分注意数据安全的保障，还有大数据中的隐私权保障等等。这些都是我们从现在起就应该注意的问题，应该制定必要的原则、规则、标准以及政策以防患于未然。人工智能的产业跑得太快了，盲目开发、野蛮生长，也会丢掉灵魂，造成后悔莫及的事态。
与人工智能相关的主要法律问题和研究领域
到目前为止，人工智能在法律界的发展也是非常迅猛的，尤其在中国更是高歌猛进。
人工智能本身涉及到的法律问题包括：人工智能生成物的归属问题，比如说自动作曲或者自动绘画的软件产生的作品著作权归其给谁。还有这些生成物的权利垄断性承认等方面的问题。
另外，人工智能生成物的行为责任的归属也是重要的问题，包括损害他人名誉，包括自动运行汽车事故的责任等等。此外还有提供给人工智能进行学习的数据，其中既有著作权方面的问题，也有隐私权方面的问题，还有竞争的自由与公平之间关系如何适当处理的问题。不得不承认，现行法律制度在保护人工智能方面存在着明显的缺陷。比如说软件程序的保护，算法的保护，到目前为止在法律制度上都是不充分的，需要我们进行深入的研讨。
特别值得指出的是，如今中国在法律服务行业以及司法方面都大量运用了人工智能，其实这里也存在很多法律上的问题有待探讨。人工智能代行法律业务是否违反法官法和律师法的规定？如果人工智能被赋予法律人格，进行相关的活动有没有法官资格和律师资格等等。这些问题都很有趣，也不得不尽早做出适当的安排，否则就会造成法律体系上的内在矛盾和缺陷。
大数据和人工智能时代的司法权之变
特别是人工智能在司法方面的运用，有些问题还是蛮复杂的，需要我们认真考虑，从长计议。我们都知道，对案件进行审理并做出判决的主体只能是法官。但是，在人工智能广泛运用到审判过程中去的场合，法官要借助大数据处理系统来进行审理和判断，自觉、不自觉地就会倾向于接受自动生成的判决文书，这就导致审判主体二元化，或者说审判主体出现层级化现象。
尽管我们现在都有意强调人工智能的司法技术装置只是一种辅助系统，但是在客观现实中还是越来越多地出现了电脑算法支配审判的情况。法官在办案期限规定、司法问责制的压力下，也倾向于利用大数据和人工智能的办案系统来回避和推卸责任，这就势必加剧算法支配审判的事态。特别是大数据处理，它有可能使得既有的系统偏差值被固定化，甚至被放大。这些都是我们在讨论法律人工智能时特别要注意的问题。
总而言之，在司法领域中运用人工智能，我们要未雨绸缪，尽早研讨和确定今后在开发相关产品或数据处理系统中的标准和指针。人工智能的算法的确有利于矫正法官的个人偏差，尤其在中国存在滥用司法裁量权乃至司法腐败的流弊的情况下，这样的功能是非常重要的，具有积极意义。但是我们也要看到，算法无法矫正所有法官都存在的那种系统偏差，这个问题如何解决是个非常大的问题。另外算法透明化也存在着深刻的悖论——算法资源如果封闭化就会造成司法黑箱以及内部人滥用算法支配地位的问题，但如果把这种资源开放，有可能促进司法的博弈和外部对算法的操作。
更重要的一点是有关法律的判断往往涉及到具体的情境、例外、规范创新，还有法与审判所碰到的日常场景往往是非常暧昧的，人通过直观可以做出判断，但是通过人工智能进行正确的判断往往比较困难。在这种情况下，在暧昧中处理问题，特别需要根据价值判断来做出决定。但是，对于人工智能开发而言，最困难的部分就是价值判断。而在法律领域中价值判断几乎是没有办法回避的，如何应对价值分歧对人工智能开发来说也是非常重要的课题。这不仅需要解决自然语言的语义处理问题，还必须考虑法律推理的特殊形态，也就是哈特所说文本开放结构，兼顾确定的核心与模糊的边缘这两个并存的侧面。
从这个意义上说，我们应该看到人工智能是一个非常重要的决策辅助系统，特别是在司法领域中。但是我们也要看到它的局限性。尤其是现阶段，国内各个地方、各个行业都在分别进行开发，有点一窝蜂现象。这样的自由试行当然有利于行业的发展，但是其中潜在的一些问题不久就会显露出来。为此，我在这里特别强调标准化的任务，建议有关方面及时明确与法律相关的人工智能开发的原则、政策和规格，还要确立业界的伦理标准和指导方针。另外，在这个方面加强国际对话以便互联互通也是我们现在面临的重要课题。
我的发言完毕，谢谢大家。
国务院关于印发新一代人工智能发展规划的通知
国务院关于印发
新一代人工智能发展规划的通知国发〔2017〕35号
各省、自治区、直辖市人民政府，国务院各部委、各直属机构：
现将《新一代人工智能发展规划》印发给你们，请认真贯彻执行。
国务院
2017年7月8日
（此件公开发布）
新一代人工智能发展规划
人工智能的迅速发展将深刻改变人类社会生活、改变世界。为抢抓人工智能发展的重大战略机遇，构筑我国人工智能发展的先发优势，加快建设创新型国家和世界科技强国，按照党中央、国务院部署要求，制定本规划。
一、战略态势
人工智能发展进入新阶段。经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。大数据驱动知识学习、跨媒体协同处理、人机协同增强智能、群体集成智能、自主智能系统成为人工智能的发展重点，受脑科学研究成果启发的类脑智能蓄势待发，芯片化硬件化平台化趋势更加明显，人工智能发展进入新阶段。当前，新一代人工智能相关学科发展、理论建模、技术创新、软硬件升级等整体推进，正在引发链式突破，推动经济社会各领域从数字化、网络化向智能化加速跃升。
人工智能成为国际竞争的新焦点。人工智能是引领未来的战略性技术，世界主要发达国家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，加紧出台规划和政策，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。当前，我国国家安全和国际竞争形势更加复杂，必须放眼全球，把人工智能发展放在国家战略层面系统布局、主动谋划，牢牢把握人工智能发展新阶段国际竞争的战略主动，打造竞争新优势、开拓发展新空间，有效保障国家安全。
人工智能成为经济发展的新引擎。人工智能作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎，重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式，引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。我国经济发展进入新常态，深化供给侧结构性改革任务非常艰巨，必须加快人工智能深度应用，培育壮大人工智能产业，为我国经济发展注入新动能。
人工智能带来社会建设的新机遇。我国正处于全面建成小康社会的决胜阶段，人口老龄化、资源环境约束等挑战依然严峻，人工智能在教育、医疗、养老、环境保护、城市运行、司法服务等领域广泛应用，将极大提高公共服务精准化水平，全面提升人民生活品质。人工智能技术可准确感知、预测、预警基础设施和社会安全运行的重大态势，及时把握群体认知及心理变化，主动决策反应，将显著提高社会治理的能力和水平，对有效维护社会稳定具有不可替代的作用。
人工智能发展的不确定性带来新挑战。人工智能是影响面广的颠覆性技术，可能带来改变就业结构、冲击法律与社会伦理、侵犯个人隐私、挑战国际关系准则等问题，将对政府管理、经济安全和社会稳定乃至全球治理产生深远影响。在大力发展人工智能的同时，必须高度重视可能带来的安全风险挑战，加强前瞻预防与约束引导，最大限度降低风险，确保人工智能安全、可靠、可控发展。
我国发展人工智能具有良好基础。国家部署了智能制造等国家重点研发计划重点专项，印发实施了“互联网+”人工智能三年行动实施方案，从科技研发、应用推广和产业发展等方面提出了一系列措施。经过多年的持续积累，我国在人工智能领域取得重要进展，国际科技论文发表量和发明专利授权量已居世界第二，部分领域核心关键技术实现重要突破。语音识别、视觉识别技术世界领先，自适应自主学习、直觉感知、综合推理、混合智能和群体智能等初步具备跨越发展的能力，中文信息处理、智能监控、生物特征识别、工业机器人、服务机器人、无人驾驶逐步进入实际应用，人工智能创新创业日益活跃，一批龙头骨干企业加速成长，在国际上获得广泛关注和认可。加速积累的技术能力与海量的数据资源、巨大的应用需求、开放的市场环境有机结合，形成了我国人工智能发展的独特优势。
同时，也要清醒地看到，我国人工智能整体发展水平与发达国家相比仍存在差距，缺少重大原创成果，在基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、基础材料、元器件、软件与接口等方面差距较大；科研机构和企业尚未形成具有国际影响力的生态圈和产业链，缺乏系统的超前研发布局；人工智能尖端人才远远不能满足需求；适应人工智能发展的基础设施、政策法规、标准体系亟待完善。
面对新形势新需求，必须主动求变应变，牢牢把握人工智能发展的重大历史机遇，紧扣发展、研判大势、主动谋划、把握方向、抢占先机，引领世界人工智能发展新潮流，服务经济社会发展和支撑国家安全，带动国家竞争力整体跃升和跨越式发展。
二、总体要求
（一）指导思想。
全面贯彻党的十八大和十八届三中、四中、五中、六中全会精神，深入学习贯彻习近平总书记系列重要讲话精神和治国理政新理念新思想新战略，按照“五位一体”总体布局和“四个全面”战略布局，认真落实党中央、国务院决策部署，深入实施创新驱动发展战略，以加快人工智能与经济、社会、国防深度融合为主线，以提升新一代人工智能科技创新能力为主攻方向，发展智能经济，建设智能社会，维护国家安全，构筑知识群、技术群、产业群互动融合和人才、制度、文化相互支撑的生态系统，前瞻应对风险挑战，推动以人类可持续发展为中心的智能化，全面提升社会生产力、综合国力和国家竞争力，为加快建设创新型国家和世界科技强国、实现“两个一百年”奋斗目标和中华民族伟大复兴中国梦提供强大支撑。
（二）基本原则。
科技引领。把握世界人工智能发展趋势，突出研发部署前瞻性，在重点前沿领域探索布局、长期支持，力争在理论、方法、工具、系统等方面取得变革性、颠覆性突破，全面增强人工智能原始创新能力，加速构筑先发优势，实现高端引领发展。
系统布局。根据基础研究、技术研发、产业发展和行业应用的不同特点，制定有针对性的系统发展策略。充分发挥社会主义制度集中力量办大事的优势，推进项目、基地、人才统筹布局，已部署的重大项目与新任务有机衔接，当前急需与长远发展梯次接续，创新能力建设、体制机制改革和政策环境营造协同发力。
市场主导。遵循市场规律，坚持应用导向，突出企业在技术路线选择和行业产品标准制定中的主体作用，加快人工智能科技成果商业化应用，形成竞争优势。把握好政府和市场分工，更好发挥政府在规划引导、政策支持、安全防范、市场监管、环境营造、伦理法规制定等方面的重要作用。
开源开放。倡导开源共享理念，促进产学研用各创新主体共创共享。遵循经济建设和国防建设协调发展规律，促进军民科技成果双向转化应用、军民创新资源共建共享，形成全要素、多领域、高效益的军民深度融合发展新格局。积极参与人工智能全球研发和治理，在全球范围内优化配置创新资源。
（三）战略目标。
分三步走：
第一步，到2020年人工智能总体技术和应用与世界先进水平同步，人工智能产业成为新的重要经济增长点，人工智能技术应用成为改善民生的新途径，有力支撑进入创新型国家行列和实现全面建成小康社会的奋斗目标。
——新一代人工智能理论和技术取得重要进展。大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统等基础理论和核心技术实现重要进展，人工智能模型方法、核心器件、高端设备和基础软件等方面取得标志性成果。
——人工智能产业竞争力进入国际第一方阵。初步建成人工智能技术标准、服务体系和产业生态链，培育若干全球领先的人工智能骨干企业，人工智能核心产业规模超过1500亿元，带动相关产业规模超过1万亿元。
——人工智能发展环境进一步优化，在重点领域全面展开创新应用，聚集起一批高水平的人才队伍和创新团队，部分领域的人工智能伦理规范和政策法规初步建立。
第二步，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，人工智能成为带动我国产业升级和经济转型的主要动力，智能社会建设取得积极进展。
——新一代人工智能理论与技术体系初步建立，具有自主学习能力的人工智能取得突破，在多领域取得引领性研究成果。
——人工智能产业进入全球价值链高端。新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得到广泛应用，人工智能核心产业规模超过4000亿元，带动相关产业规模超过5万亿元。
——初步建立人工智能法律法规、伦理规范和政策体系，形成人工智能安全评估和管控能力。
第三步，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，智能经济、智能社会取得明显成效，为跻身创新型国家前列和经济强国奠定重要基础。
——形成较为成熟的新一代人工智能理论与技术体系。在类脑智能、自主智能、混合智能和群体智能等领域取得重大突破，在国际人工智能研究领域具有重要影响，占据人工智能科技制高点。
——人工智能产业竞争力达到国际领先水平。人工智能在生产生活、社会治理、国防建设各方面应用的广度深度极大拓展，形成涵盖核心技术、关键系统、支撑平台和智能应用的完备产业链和高端产业群，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。
——形成一批全球领先的人工智能科技创新和人才培养基地，建成更加完善的人工智能法律法规、伦理规范和政策体系。
（四）总体部署。
发展人工智能是一项事关全局的复杂系统工程，要按照“构建一个体系、把握双重属性、坚持三位一体、强化四大支撑”进行布局，形成人工智能健康持续发展的战略路径。
构建开放协同的人工智能科技创新体系。针对原创性理论基础薄弱、重大产品和系统缺失等重点难点问题，建立新一代人工智能基础理论和关键共性技术体系，布局建设重大科技创新基地，壮大人工智能高端人才队伍，促进创新主体协同互动，形成人工智能持续创新能力。
把握人工智能技术属性和社会属性高度融合的特征。既要加大人工智能研发和应用力度，最大程度发挥人工智能潜力；又要预判人工智能的挑战，协调产业政策、创新政策与社会政策，实现激励发展与合理规制的协调，最大限度防范风险。
坚持人工智能研发攻关、产品应用和产业培育“三位一体”推进。适应人工智能发展特点和趋势，强化创新链和产业链深度融合、技术供给和市场需求互动演进，以技术突破推动领域应用和产业升级，以应用示范推动技术和系统优化。在当前大规模推动技术应用和产业发展的同时，加强面向中长期的研发布局和攻关，实现滚动发展和持续提升，确保理论上走在前面、技术上占领制高点、应用上安全可控。
全面支撑科技、经济、社会发展和国家安全。以人工智能技术突破带动国家创新能力全面提升，引领建设世界科技强国进程；通过壮大智能产业、培育智能经济，为我国未来十几年乃至几十年经济繁荣创造一个新的增长周期；以建设智能社会促进民生福祉改善，落实以人民为中心的发展思想；以人工智能提升国防实力，保障和维护国家安全。
三、重点任务
立足国家发展全局，准确把握全球人工智能发展态势，找准突破口和主攻方向，全面增强科技创新基础能力，全面拓展重点领域应用深度广度，全面提升经济社会发展和国防应用智能化水平。
（一）构建开放协同的人工智能科技创新体系。
围绕增加人工智能创新的源头供给，从前沿基础理论、关键共性技术、基础平台、人才队伍等方面强化部署，促进开源共享，系统提升持续创新能力，确保我国人工智能科技水平跻身世界前列，为世界人工智能发展作出更多贡献。
1.建立新一代人工智能基础理论体系。
聚焦人工智能重大科学前沿问题，兼顾当前需求与长远发展，以突破人工智能应用基础理论瓶颈为重点，超前布局可能引发人工智能范式变革的基础研究，促进学科交叉融合，为人工智能持续发展与深度应用提供强大科学储备。
突破应用基础理论瓶颈。瞄准应用目标明确、有望引领人工智能技术升级的基础理论方向，加强大数据智能、跨媒体感知计算、人机混合智能、群体智能、自主协同与决策等基础理论研究。大数据智能理论重点突破无监督学习、综合深度推理等难点问题，建立数据驱动、以自然语言理解为核心的认知计算模型，形成从大数据到知识、从知识到决策的能力。跨媒体感知计算理论重点突破低成本低能耗智能感知、复杂场景主动感知、自然环境听觉与言语感知、多媒体自主学习等理论方法，实现超人感知和高动态、高维度、多模式分布式大场景感知。混合增强智能理论重点突破人机协同共融的情境理解与决策学习、直觉推理与因果模型、记忆与知识演化等理论，实现学习与思考接近或超过人类智能水平的混合增强智能。群体智能理论重点突破群体智能的组织、涌现、学习的理论与方法，建立可表达、可计算的群智激励算法和模型，形成基于互联网的群体智能理论体系。自主协同控制与优化决策理论重点突破面向自主无人系统的协同感知与交互、自主协同控制与优化决策、知识驱动的人机物三元协同与互操作等理论，形成自主智能无人系统创新性理论体系架构。
布局前沿基础理论研究。针对可能引发人工智能范式变革的方向，前瞻布局高级机器学习、类脑智能计算、量子智能计算等跨领域基础理论研究。高级机器学习理论重点突破自适应学习、自主学习等理论方法，实现具备高可解释性、强泛化能力的人工智能。类脑智能计算理论重点突破类脑的信息编码、处理、记忆、学习与推理理论，形成类脑复杂系统及类脑控制等理论与方法，建立大规模类脑智能计算的新模型和脑启发的认知计算模型。量子智能计算理论重点突破量子加速的机器学习方法，建立高性能计算与量子算法混合模型，形成高效精确自主的量子人工智能系统架构。
开展跨学科探索性研究。推动人工智能与神经科学、认知科学、量子科学、心理学、数学、经济学、社会学等相关基础学科的交叉融合，加强引领人工智能算法、模型发展的数学基础理论研究，重视人工智能法律伦理的基础理论问题研究，支持原创性强、非共识的探索性研究，鼓励科学家自由探索，勇于攻克人工智能前沿科学难题，提出更多原创理论，作出更多原创发现。
专栏1基础理论
1.大数据智能理论。研究数据驱动与知识引导相结合的人工智能新方法、以自然语言理解和图像图形为核心的认知计算理论和方法、综合深度推理与创意人工智能理论与方法、非完全信息下智能决策基础理论与框架、数据驱动的通用人工智能数学模型与理论等。
2.跨媒体感知计算理论。研究超越人类视觉能力的感知获取、面向真实世界的主动视觉感知及计算、自然声学场景的听知觉感知及计算、自然交互环境的言语感知及计算、面向异步序列的类人感知及计算、面向媒体智能感知的自主学习、城市全维度智能感知推理引擎。
3.混合增强智能理论。研究“人在回路”的混合增强智能、人机智能共生的行为增强与脑机协同、机器直觉推理与因果模型、联想记忆模型与知识演化方法、复杂数据和任务的混合增强智能学习方法、云机器人协同计算方法、真实世界环境下的情境理解及人机群组协同。
4.群体智能理论。研究群体智能结构理论与组织方法、群体智能激励机制与涌现机理、群体智能学习理论与方法、群体智能通用计算范式与模型。
5.自主协同控制与优化决策理论。研究面向自主无人系统的协同感知与交互，面向自主无人系统的协同控制与优化决策，知识驱动的人机物三元协同与互操作等理论。
6.高级机器学习理论。研究统计学习基础理论、不确定性推理与决策、分布式学习与交互、隐私保护学习、小样本学习、深度强化学习、无监督学习、半监督学习、主动学习等学习理论和高效模型。
7.类脑智能计算理论。研究类脑感知、类脑学习、类脑记忆机制与计算融合、类脑复杂系统、类脑控制等理论与方法。
8.量子智能计算理论。探索脑认知的量子模式与内在机制，研究高效的量子智能模型和算法、高性能高比特的量子人工智能处理器、可与外界环境交互信息的实时量子人工智能系统等。
2.建立新一代人工智能关键共性技术体系。
围绕提升我国人工智能国际竞争力的迫切需求，新一代人工智能关键共性技术的研发部署要以算法为核心，以数据和硬件为基础，以提升感知识别、知识计算、认知推理、运动执行、人机交互能力为重点，形成开放兼容、稳定成熟的技术体系。
知识计算引擎与知识服务技术。重点突破知识加工、深度搜索和可视交互核心技术，实现对知识持续增量的自动获取，具备概念识别、实体发现、属性预测、知识演化建模和关系挖掘能力，形成涵盖数十亿实体规模的多源、多学科和多数据类型的跨媒体知识图谱。
跨媒体分析推理技术。重点突破跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，实现跨媒体知识表征、分析、挖掘、推理、演化和利用，构建分析推理引擎。
群体智能关键技术。重点突破基于互联网的大众化协同、大规模协作的知识资源管理与开放式共享等技术，建立群智知识表示框架，实现基于群智感知的知识获取和开放动态环境下的群智融合与增强，支撑覆盖全国的千万级规模群体感知、协同与演化。
混合增强智能新架构与新技术。重点突破人机协同的感知与执行一体化模型、智能计算前移的新型传感器件、通用混合计算架构等核心技术，构建自主适应环境的混合增强智能系统、人机群组混合增强智能系统及支撑环境。
自主无人系统的智能技术。重点突破自主无人系统计算架构、复杂动态场景感知与理解、实时精准定位、面向复杂环境的适应性智能导航等共性技术，无人机自主控制以及汽车、船舶和轨道交通自动驾驶等智能技术，服务机器人、特种机器人等核心技术，支撑无人系统应用和产业发展。
虚拟现实智能建模技术。重点突破虚拟对象智能行为建模技术，提升虚拟现实中智能对象行为的社会性、多样性和交互逼真性，实现虚拟现实、增强现实等技术与人工智能的有机结合和高效互动。
智能计算芯片与系统。重点突破高能效、可重构类脑计算芯片和具有计算成像功能的类脑视觉传感器技术，研发具有自主学习能力的高效能类脑神经网络架构和硬件系统，实现具有多媒体感知信息理解和智能增长、常识推理能力的类脑智能系统。
自然语言处理技术。重点突破自然语言的语法逻辑、字符概念表征和深度语义分析的核心技术，推进人类与机器的有效沟通和自由交互，实现多风格多语言多领域的自然语言智能理解和自动生成。
专栏2关键共性技术
1.知识计算引擎与知识服务技术。研究知识计算和可视交互引擎，研究创新设计、数字创意和以可视媒体为核心的商业智能等知识服务技术，开展大规模生物数据的知识发现。
2.跨媒体分析推理技术。研究跨媒体统一表征、关联理解与知识挖掘、知识图谱构建与学习、知识演化与推理、智能描述与生成等技术，开发跨媒体分析推理引擎与验证系统。
3.群体智能关键技术。开展群体智能的主动感知与发现、知识获取与生成、协同与共享、评估与演化、人机整合与增强、自我维持与安全交互等关键技术研究，构建群智空间的服务体系结构，研究移动群体智能的协同决策与控制技术。
4.混合增强智能新架构和新技术。研究混合增强智能核心技术、认知计算框架，新型混合计算架构，人机共驾、在线智能学习技术，平行管理与控制的混合增强智能框架。
5.自主无人系统的智能技术。研究无人机自主控制和汽车、船舶、轨道交通自动驾驶等智能技术，服务机器人、空间机器人、海洋机器人、极地机器人技术，无人车间/智能工厂智能技术，高端智能控制技术和自主无人操作系统。研究复杂环境下基于计算机视觉的定位、导航、识别等机器人及机械手臂自主控制技术。
6.虚拟现实智能建模技术。研究虚拟对象智能行为的数学表达与建模方法，虚拟对象与虚拟环境和用户之间进行自然、持续、深入交互等问题，智能对象建模的技术与方法体系。
7.智能计算芯片与系统。研发神经网络处理器以及高能效、可重构类脑计算芯片等，新型感知芯片与系统、智能计算体系结构与系统，人工智能操作系统。研究适合人工智能的混合计算架构等。
8.自然语言处理技术。研究短文本的计算与分析技术，跨语言文本挖掘技术和面向机器认知智能的语义理解技术，多媒体信息理解的人机对话系统。
3.统筹布局人工智能创新平台。
建设布局人工智能创新平台，强化对人工智能研发应用的基础支撑。人工智能开源软硬件基础平台重点建设支持知识推理、概率统计、深度学习等人工智能范式的统一计算框架平台，形成促进人工智能软件、硬件和智能云之间相互协同的生态链。群体智能服务平台重点建设基于互联网大规模协作的知识资源管理与开放式共享工具，形成面向产学研用创新环节的群智众创平台和服务环境。混合增强智能支撑平台重点建设支持大规模训练的异构实时计算引擎和新型计算集群，为复杂智能计算提供服务化、系统化平台和解决方案。自主无人系统支撑平台重点建设面向自主无人系统复杂环境下环境感知、自主协同控制、智能决策等人工智能共性核心技术的支撑系统，形成开放式、模块化、可重构的自主无人系统开发与试验环境。人工智能基础数据与安全检测平台重点建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台等，形成人工智能算法与平台安全性测试评估的方法、技术、规范和工具集。促进各类通用软件和技术平台的开源开放。各类平台要按照军民深度融合的要求和相关规定，推进军民共享共用。
专栏3基础支撑平台
1.人工智能开源软硬件基础平台。建立大数据人工智能开源软件基础平台、终端与云端协同的人工智能云服务平台、新型多元智能传感器件与集成平台、基于人工智能硬件的新产品设计平台、未来网络中的大数据智能化服务平台等。
2.群体智能服务平台。建立群智众创计算支撑平台、科技众创服务系统、群智软件开发与验证自动化系统、群智软件学习与创新系统、开放环境的群智决策系统、群智共享经济服务系统。
3.混合增强智能支撑平台。建立人工智能超级计算中心、大规模超级智能计算支撑环境、在线智能教育平台、“人在回路”驾驶脑、产业发展复杂性分析与风险评估的智能平台、支撑核电安全运营的智能保障平台、人机共驾技术研发与测试平台等。
4.自主无人系统支撑平台。建立自主无人系统共性核心技术支撑平台，无人机自主控制以及汽车、船舶和轨道交通自动驾驶支撑平台，服务机器人、空间机器人、海洋机器人、极地机器人支撑平台，智能工厂与智能控制装备技术支撑平台等。
5.人工智能基础数据与安全检测平台。建设面向人工智能的公共数据资源库、标准测试数据集、云服务平台，建立人工智能算法与平台安全性测试模型及评估模型，研发人工智能算法与平台安全性测评工具集。
4.加快培养聚集人工智能高端人才。
把高端人才队伍建设作为人工智能发展的重中之重，坚持培养和引进相结合，完善人工智能教育体系，加强人才储备和梯队建设，特别是加快引进全球顶尖人才和青年人才，形成我国人工智能人才高地。
培育高水平人工智能创新人才和团队。支持和培养具有发展潜力的人工智能领军人才，加强人工智能基础研究、应用研究、运行维护等方面专业技术人才培养。重视复合型人才培养，重点培养贯通人工智能理论、方法、技术、产品与应用等的纵向复合型人才，以及掌握“人工智能+”经济、社会、管理、标准、法律等的横向复合型人才。通过重大研发任务和基地平台建设，汇聚人工智能高端人才，在若干人工智能重点领域形成一批高水平创新团队。鼓励和引导国内创新人才、团队加强与全球顶尖人工智能研究机构合作互动。
加大高端人工智能人才引进力度。开辟专门渠道，实行特殊政策，实现人工智能高端人才精准引进。重点引进神经认知、机器学习、自动驾驶、智能机器人等国际顶尖科学家和高水平创新团队。鼓励采取项目合作、技术咨询等方式柔性引进人工智能人才。统筹利用“千人计划”等现有人才计划，加强人工智能领域优秀人才特别是优秀青年人才引进工作。完善企业人力资本成本核算相关政策，激励企业、科研机构引进人工智能人才。
建设人工智能学科。完善人工智能领域学科布局，设立人工智能专业，推动人工智能领域一级学科建设，尽快在试点院校建立人工智能学院，增加人工智能相关学科方向的博士、硕士招生名额。鼓励高校在原有基础上拓宽人工智能专业教育内容，形成“人工智能+X”复合专业培养新模式，重视人工智能与数学、计算机科学、物理学、生物学、心理学、社会学、法学等学科专业教育的交叉融合。加强产学研合作，鼓励高校、科研院所与企业等机构合作开展人工智能学科建设。
（二）培育高端高效的智能经济。
加快培育具有重大引领带动作用的人工智能产业，促进人工智能与各产业领域深度融合，形成数据驱动、人机协同、跨界融合、共创分享的智能经济形态。数据和知识成为经济增长的第一要素，人机协同成为主流生产和服务方式，跨界融合成为重要经济模式，共创分享成为经济生态基本特征，个性化需求与定制成为消费新潮流，生产率大幅提升，引领产业向价值链高端迈进，有力支撑实体经济发展，全面提升经济发展质量和效益。
1.大力发展人工智能新兴产业。
加快人工智能关键技术转化应用，促进技术集成与商业模式创新，推动重点领域智能产品创新，积极培育人工智能新兴业态，布局产业链高端，打造具有国际竞争力的人工智能产业集群。
智能软硬件。开发面向人工智能的操作系统、数据库、中间件、开发工具等关键基础软件，突破图形处理器等核心硬件，研究图像识别、语音识别、机器翻译、智能交互、知识处理、控制决策等智能系统解决方案，培育壮大面向人工智能应用的基础软硬件产业。
智能机器人。攻克智能机器人核心零部件、专用传感器，完善智能机器人硬件接口标准、软件接口协议标准以及安全使用标准。研制智能工业机器人、智能服务机器人，实现大规模应用并进入国际市场。研制和推广空间机器人、海洋机器人、极地机器人等特种智能机器人。建立智能机器人标准体系和安全规则。
智能运载工具。发展自动驾驶汽车和轨道交通系统，加强车载感知、自动驾驶、车联网、物联网等技术集成和配套，开发交通智能感知系统，形成我国自主的自动驾驶平台技术体系和产品总成能力，探索自动驾驶汽车共享模式。发展消费类和商用类无人机、无人船，建立试验鉴定、测试、竞技等专业化服务体系，完善空域、水域管理措施。
虚拟现实与增强现实。突破高性能软件建模、内容拍摄生成、增强现实与人机交互、集成环境与工具等关键技术，研制虚拟显示器件、光学器件、高性能真三维显示器、开发引擎等产品，建立虚拟现实与增强现实的技术、产品、服务标准和评价体系，推动重点行业融合应用。
智能终端。加快智能终端核心技术和产品研发，发展新一代智能手机、车载智能终端等移动智能终端产品和设备，鼓励开发智能手表、智能耳机、智能眼镜等可穿戴终端产品，拓展产品形态和应用服务。
物联网基础器件。发展支撑新一代物联网的高灵敏度、高可靠性智能传感器件和芯片，攻克射频识别、近距离机器通信等物联网核心技术和低功耗处理器等关键器件。
2.加快推进产业智能化升级。
推动人工智能与各行业融合创新，在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范，推动人工智能规模化应用，全面提升产业发展智能化水平。
智能制造。围绕制造强国重大需求，推进智能制造关键技术装备、核心支撑软件、工业互联网等系统集成应用，研发智能产品及智能互联产品、智能制造使能工具与系统、智能制造云服务平台，推广流程智能制造、离散智能制造、网络化协同制造、远程诊断与运维服务等新型制造模式，建立智能制造标准体系，推进制造全生命周期活动智能化。
智能农业。研制农业智能传感与控制系统、智能化农业装备、农机田间作业自主系统等。建立完善天空地一体化的智能农业信息遥感监测网络。建立典型农业大数据智能决策分析系统，开展智能农场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范。
智能物流。加强智能化装卸搬运、分拣包装、加工配送等智能物流装备研发和推广应用，建设深度感知智能仓储系统，提升仓储运营管理水平和效率。完善智能物流公共信息平台和指挥系统、产品质量认证及追溯系统、智能配货调度体系等。
智能金融。建立金融大数据系统，提升金融多媒体数据处理与理解能力。创新智能金融产品和服务，发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统。
智能商务。鼓励跨媒体分析与推理、知识计算引擎与知识服务等新技术在商务领域应用，推广基于人工智能的新型商务服务与决策系统。建设涵盖地理位置、网络媒体和城市基础数据等跨媒体大数据平台，支撑企业开展智能商务。鼓励围绕个人需求、企业管理提供定制化商务智能决策服务。
智能家居。加强人工智能技术与家居建筑系统的融合应用，提升建筑设备及家居产品的智能化水平。研发适应不同应用场景的家庭互联互通协议、接口标准，提升家电、耐用品等家居产品感知和联通能力。支持智能家居企业创新服务模式，提供互联共享解决方案。
3.大力发展智能企业。
大规模推动企业智能化升级。支持和引导企业在设计、生产、管理、物流和营销等核心业务环节应用人工智能新技术，构建新型企业组织结构和运营方式，形成制造与服务、金融智能化融合的业态模式，发展个性化定制，扩大智能产品供给。鼓励大型互联网企业建设云制造平台和服务平台，面向制造企业在线提供关键工业软件和模型库，开展制造能力外包服务，推动中小企业智能化发展。
推广应用智能工厂。加强智能工厂关键技术和体系方法的应用示范，重点推广生产线重构与动态智能调度、生产装备智能物联与云化数据采集、多维人机物协同与互操作等技术，鼓励和引导企业建设工厂大数据系统、网络化分布式生产设施等，实现生产设备网络化、生产数据可视化、生产过程透明化、生产现场无人化，提升工厂运营管理智能化水平。
加快培育人工智能产业领军企业。在无人机、语音识别、图像识别等优势领域加快打造人工智能全球领军企业和品牌。在智能机器人、智能汽车、可穿戴设备、虚拟现实等新兴领域加快培育一批龙头企业。支持人工智能企业加强专利布局，牵头或参与国际标准制定。推动国内优势企业、行业组织、科研机构、高校等联合组建中国人工智能产业技术创新联盟。支持龙头骨干企业构建开源硬件工厂、开源软件平台，形成集聚各类资源的创新生态，促进人工智能中小微企业发展和各领域应用。支持各类机构和平台面向人工智能企业提供专业化服务。
4.打造人工智能创新高地。
结合各地区基础和优势，按人工智能应用领域分门别类进行相关产业布局。鼓励地方围绕人工智能产业链和创新链，集聚高端要素、高端企业、高端人才，打造人工智能产业集群和创新高地。
开展人工智能创新应用试点示范。在人工智能基础较好、发展潜力较大的地区，组织开展国家人工智能创新试验，探索体制机制、政策法规、人才培育等方面的重大改革，推动人工智能成果转化、重大产品集成创新和示范应用，形成可复制、可推广的经验，引领带动智能经济和智能社会发展。
建设国家人工智能产业园。依托国家自主创新示范区和国家高新技术产业开发区等创新载体，加强科技、人才、金融、政策等要素的优化配置和组合，加快培育建设人工智能产业创新集群。
建设国家人工智能众创基地。依托从事人工智能研究的高校、科研院所集中地区，搭建人工智能领域专业化创新平台等新型创业服务机构，建设一批低成本、便利化、全要素、开放式的人工智能众创空间，完善孵化服务体系，推进人工智能科技成果转移转化，支持人工智能创新创业。
（三）建设安全便捷的智能社会。
围绕提高人民生活水平和质量的目标，加快人工智能深度应用，形成无时不有、无处不在的智能化环境，全社会的智能化水平大幅提升。越来越多的简单性、重复性、危险性任务由人工智能完成，个体创造力得到极大发挥，形成更多高质量和高舒适度的就业岗位；精准化智能服务更加丰富多样，人们能够最大限度享受高质量服务和便捷生活；社会治理智能化水平大幅提升，社会运行更加安全高效。
1.发展便捷高效的智能服务。
围绕教育、医疗、养老等迫切民生需求，加快人工智能创新应用，为公众提供个性化、多元化、高品质服务。
智能教育。利用智能技术加快推动人才培养模式、教学方法改革，构建包含智能学习、交互式学习的新型教育体系。开展智能校园建设，推动人工智能在教学、管理、资源建设等全流程应用。开发立体综合教学场、基于大数据智能的在线学习教育平台。开发智能教育助理，建立智能、快速、全面的教育分析系统。建立以学习者为中心的教育环境，提供精准推送的教育服务，实现日常教育和终身教育定制化。
智能医疗。推广应用人工智能治疗新模式新手段，建立快速精准的智能医疗体系。探索智慧医院建设，开发人机协同的手术机器人、智能诊疗助手，研发柔性可穿戴、生物兼容的生理监测系统，研发人机协同临床智能诊疗方案，实现智能影像识别、病理分型和智能多学科会诊。基于人工智能开展大规模基因组识别、蛋白组学、代谢组学等研究和新药研发，推进医药监管智能化。加强流行病智能监测和防控。
智能健康和养老。加强群体智能健康管理，突破健康大数据分析、物联网等关键技术，研发健康管理可穿戴设备和家庭智能健康检测监测设备，推动健康管理实现从点状监测向连续监测、从短流程管理向长流程管理转变。建设智能养老社区和机构，构建安全便捷的智能化养老基础设施体系。加强老年人产品智能化和智能产品适老化，开发视听辅助设备、物理辅助设备等智能家居养老设备，拓展老年人活动空间。开发面向老年人的移动社交和服务平台、情感陪护助手，提升老年人生活质量。
2.推进社会治理智能化。
围绕行政管理、司法管理、城市管理、环境保护等社会治理的热点难点问题，促进人工智能技术应用，推动社会治理现代化。
智能政务。开发适于政府服务与决策的人工智能平台，研制面向开放环境的决策引擎，在复杂社会问题研判、政策评估、风险预警、应急处置等重大战略决策方面推广应用。加强政务信息资源整合和公共需求精准预测，畅通政府与公众的交互渠道。
智慧法庭。建设集审判、人员、数据应用、司法公开和动态监控于一体的智慧法庭数据平台，促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用，实现法院审判体系和审判能力智能化。
智慧城市。构建城市智能化基础设施，发展智能建筑，推动地下管廊等市政基础设施智能化改造升级；建设城市大数据平台，构建多元异构数据融合的城市运行管理体系，实现对城市基础设施和城市绿地、湿地等重要生态要素的全面感知以及对城市复杂系统运行的深度认知；研发构建社区公共服务信息系统，促进社区服务系统与居民智能家庭系统协同；推进城市规划、建设、管理、运营全生命周期智能化。
智能交通。研究建立营运车辆自动驾驶与车路协同的技术体系。研发复杂场景下的多维交通信息综合大数据应用平台，实现智能化交通疏导和综合运行协调指挥，建成覆盖地面、轨道、低空和海上的智能交通监控、管理和服务系统。
智能环保。建立涵盖大气、水、土壤等环境领域的智能监控大数据平台体系，建成陆海统筹、天地一体、上下协同、信息共享的智能环境监测网络和服务平台。研发资源能源消耗、环境污染物排放智能预测模型方法和预警方案。加强京津冀、长江经济带等国家重大战略区域环境保护和突发环境事件智能防控体系建设。
3.利用人工智能提升公共安全保障能力。
促进人工智能在公共安全领域的深度应用，推动构建公共安全智能化监测预警与控制体系。围绕社会综合治理、新型犯罪侦查、反恐等迫切需求，研发集成多种探测传感技术、视频图像信息分析识别技术、生物特征识别技术的智能安防与警用产品，建立智能化监测平台。加强对重点公共区域安防设备的智能化改造升级，支持有条件的社区或城市开展基于人工智能的公共安防区域示范。强化人工智能对食品安全的保障，围绕食品分类、预警等级、食品安全隐患及评估等，建立智能化食品安全预警系统。加强人工智能对自然灾害的有效监测，围绕地震灾害、地质灾害、气象灾害、水旱灾害和海洋灾害等重大自然灾害，构建智能化监测预警与综合应对平台。
4.促进社会交往共享互信。
充分发挥人工智能技术在增强社会互动、促进可信交流中的作用。加强下一代社交网络研发，加快增强现实、虚拟现实等技术推广应用，促进虚拟环境和实体环境协同融合，满足个人感知、分析、判断与决策等实时信息需求，实现在工作、学习、生活、娱乐等不同场景下的流畅切换。针对改善人际沟通障碍的需求，开发具有情感交互功能、能准确理解人的需求的智能助理产品，实现情感交流和需求满足的良性循环。促进区块链技术与人工智能的融合，建立新型社会信用体系，最大限度降低人际交往成本和风险。
（四）加强人工智能领域军民融合。
深入贯彻落实军民融合发展战略，推动形成全要素、多领域、高效益的人工智能军民融合格局。以军民共享共用为导向部署新一代人工智能基础理论和关键共性技术研发，建立科研院所、高校、企业和军工单位的常态化沟通协调机制。促进人工智能技术军民双向转化，强化新一代人工智能技术对指挥决策、军事推演、国防装备等的有力支撑，引导国防领域人工智能科技成果向民用领域转化应用。鼓励优势民口科研力量参与国防领域人工智能重大科技创新任务，推动各类人工智能技术快速嵌入国防创新领域。加强军民人工智能技术通用标准体系建设，推进科技创新平台基地的统筹布局和开放共享。
（五）构建泛在安全高效的智能化基础设施体系。
大力推动智能化信息基础设施建设，提升传统基础设施的智能化水平，形成适应智能经济、智能社会和国防建设需要的基础设施体系。加快推动以信息传输为核心的数字化、网络化信息基础设施，向集融合感知、传输、存储、计算、处理于一体的智能化信息基础设施转变。优化升级网络基础设施，研发布局第五代移动通信（5G）系统，完善物联网基础设施，加快天地一体化信息网络建设，提高低时延、高通量的传输能力。统筹利用大数据基础设施，强化数据安全与隐私保护，为人工智能研发和广泛应用提供海量数据支撑。建设高效能计算基础设施，提升超级计算中心对人工智能应用的服务支撑能力。建设分布式高效能源互联网，形成支撑多能源协调互补、及时有效接入的新型能源网络，推广智能储能设施、智能用电设施，实现能源供需信息的实时匹配和智能化响应。
专栏4智能化基础设施
1.网络基础设施。加快布局实时协同人工智能的5G增强技术研发及应用，建设面向空间协同人工智能的高精度导航定位网络，加强智能感知物联网核心技术攻关和关键设施建设，发展支撑智能化的工业互联网、面向无人驾驶的车联网等，研究智能化网络安全架构。加快建设天地一体化信息网络，推进天基信息网、未来互联网、移动通信网的全面融合。
2.大数据基础设施。依托国家数据共享交换平台、数据开放平台等公共基础设施，建设政府治理、公共服务、产业发展、技术研发等领域大数据基础信息数据库，支撑开展国家治理大数据应用。整合社会各类数据平台和数据中心资源，形成覆盖全国、布局合理、链接畅通的一体化服务能力。
3.高效能计算基础设施。继续加强超级计算基础设施、分布式计算基础设施和云计算中心建设，构建可持续发展的高性能计算应用生态环境。推进下一代超级计算机研发应用。
（六）前瞻布局新一代人工智能重大科技项目。
针对我国人工智能发展的迫切需求和薄弱环节，设立新一代人工智能重大科技项目。加强整体统筹，明确任务边界和研发重点，形成以新一代人工智能重大科技项目为核心、现有研发布局为支撑的“1+N”人工智能项目群。
“1”是指新一代人工智能重大科技项目，聚焦基础理论和关键共性技术的前瞻布局，包括研究大数据智能、跨媒体感知计算、混合增强智能、群体智能、自主协同控制与决策等理论，研究知识计算引擎与知识服务技术、跨媒体分析推理技术、群体智能关键技术、混合增强智能新架构与新技术、自主无人控制技术等，开源共享人工智能基础理论和共性技术。持续开展人工智能发展的预测和研判，加强人工智能对经济社会综合影响及对策研究。
“N”是指国家相关规划计划中部署的人工智能研发项目，重点是加强与新一代人工智能重大科技项目的衔接，协同推进人工智能的理论研究、技术突破和产品研发应用。加强与国家科技重大专项的衔接，在“核高基”（核心电子器件、高端通用芯片、基础软件）、集成电路装备等国家科技重大专项中支持人工智能软硬件发展。加强与其他“科技创新2030—重大项目”的相互支撑，加快脑科学与类脑计算、量子信息与量子计算、智能制造与机器人、大数据等研究，为人工智能重大技术突破提供支撑。国家重点研发计划继续推进高性能计算等重点专项实施，加大对人工智能相关技术研发和应用的支持；国家自然科学基金加强对人工智能前沿领域交叉学科研究和自由探索的支持。在深海空间站、健康保障等重大项目，以及智慧城市、智能农机装备等国家重点研发计划重点专项部署中，加强人工智能技术的应用示范。其他各类科技计划支持的人工智能相关基础理论和共性技术研究成果应开放共享。
创新新一代人工智能重大科技项目组织实施模式，坚持集中力量办大事、重点突破的原则，充分发挥市场机制作用，调动部门、地方、企业和社会各方面力量共同推进实施。明确管理责任，定期开展评估，加强动态调整，提高管理效率。
四、资源配置
充分利用已有资金、基地等存量资源，统筹配置国际国内创新资源，发挥好财政投入、政策激励的引导作用和市场配置资源的主导作用，撬动企业、社会加大投入，形成财政资金、金融资本、社会资本多方支持的新格局。
（一）建立财政引导、市场主导的资金支持机制。
统筹政府和市场多渠道资金投入，加大财政资金支持力度，盘活现有资源，对人工智能基础前沿研究、关键共性技术攻关、成果转移转化、基地平台建设、创新应用示范等提供支持。利用现有政府投资基金支持符合条件的人工智能项目，鼓励龙头骨干企业、产业创新联盟牵头成立市场化的人工智能发展基金。利用天使投资、风险投资、创业投资基金及资本市场融资等多种渠道，引导社会资本支持人工智能发展。积极运用政府和社会资本合作等模式，引导社会资本参与人工智能重大项目实施和科技成果转化应用。
（二）优化布局建设人工智能创新基地。
按照国家级科技创新基地布局和框架，统筹推进人工智能领域建设若干国际领先的创新基地。引导现有与人工智能相关的国家重点实验室、企业国家重点实验室、国家工程实验室等基地，聚焦新一代人工智能的前沿方向开展研究。按规定程序，以企业为主体、产学研合作组建人工智能领域的相关技术和产业创新基地，发挥龙头骨干企业技术创新示范带动作用。发展人工智能领域的专业化众创空间，促进最新技术成果和资源、服务的精准对接。充分发挥各类创新基地聚集人才、资金等创新资源的作用，突破人工智能基础前沿理论和关键共性技术，开展应用示范。
（三）统筹国际国内创新资源。
支持国内人工智能企业与国际人工智能领先高校、科研院所、团队合作。鼓励国内人工智能企业“走出去”，为有实力的人工智能企业开展海外并购、股权投资、创业投资和建立海外研发中心等提供便利和服务。鼓励国外人工智能企业、科研机构在华设立研发中心。依托“一带一路”战略，推动建设人工智能国际科技合作基地、联合研究中心等，加快人工智能技术在“一带一路”沿线国家推广应用。推动成立人工智能国际组织，共同制定相关国际标准。支持相关行业协会、联盟及服务机构搭建面向人工智能企业的全球化服务平台。
五、保障措施
围绕推动我国人工智能健康快速发展的现实要求，妥善应对人工智能可能带来的挑战，形成适应人工智能发展的制度安排，构建开放包容的国际化环境，夯实人工智能发展的社会基础。
（一）制定促进人工智能发展的法律法规和伦理规范。
加强人工智能相关法律、伦理和社会问题研究，建立保障人工智能健康发展的法律法规和伦理道德框架。开展与人工智能应用相关的民事与刑事责任确认、隐私和产权保护、信息安全利用等法律问题研究，建立追溯和问责制度，明确人工智能法律主体以及相关权利、义务和责任等。重点围绕自动驾驶、服务机器人等应用基础较好的细分领域，加快研究制定相关安全管理法规，为新技术的快速应用奠定法律基础。开展人工智能行为科学和伦理等问题研究，建立伦理道德多层次判断结构及人机协作的伦理框架。制定人工智能产品研发设计人员的道德规范和行为守则，加强对人工智能潜在危害与收益的评估，构建人工智能复杂场景下突发事件的解决方案。积极参与人工智能全球治理，加强机器人异化和安全监管等人工智能重大国际共性问题研究，深化在人工智能法律法规、国际规则等方面的国际合作，共同应对全球性挑战。
（二）完善支持人工智能发展的重点政策。
落实对人工智能中小企业和初创企业的财税优惠政策，通过高新技术企业税收优惠和研发费用加计扣除等政策支持人工智能企业发展。完善落实数据开放与保护相关政策，开展公共数据开放利用改革试点，支持公众和企业充分挖掘公共数据的商业价值，促进人工智能应用创新。研究完善适应人工智能的教育、医疗、保险、社会救助等政策体系，有效应对人工智能带来的社会问题。
（三）建立人工智能技术标准和知识产权体系。
加强人工智能标准框架体系研究。坚持安全性、可用性、互操作性、可追溯性原则，逐步建立并完善人工智能基础共性、互联互通、行业应用、网络安全、隐私保护等技术标准。加快推动无人驾驶、服务机器人等细分应用领域的行业协会和联盟制定相关标准。鼓励人工智能企业参与或主导制定国际标准，以技术标准“走出去”带动人工智能产品和服务在海外推广应用。加强人工智能领域的知识产权保护，健全人工智能领域技术创新、专利保护与标准化互动支撑机制，促进人工智能创新成果的知识产权化。建立人工智能公共专利池，促进人工智能新技术的利用与扩散。
（四）建立人工智能安全监管和评估体系。
加强人工智能对国家安全和保密领域影响的研究与评估，完善人、技、物、管配套的安全防护体系，构建人工智能安全监测预警机制。加强对人工智能技术发展的预测、研判和跟踪研究，坚持问题导向，准确把握技术和产业发展趋势。增强风险意识，重视风险评估和防控，强化前瞻预防和约束引导，近期重点关注对就业的影响，远期重点考虑对社会伦理的影响，确保把人工智能发展规制在安全可控范围内。建立健全公开透明的人工智能监管体系，实行设计问责和应用监督并重的双层监管结构，实现对人工智能算法设计、产品开发和成果应用等的全流程监管。促进人工智能行业和企业自律，切实加强管理，加大对数据滥用、侵犯个人隐私、违背道德伦理等行为的惩戒力度。加强人工智能网络安全技术研发，强化人工智能产品和系统网络安全防护。构建动态的人工智能研发应用评估评价机制，围绕人工智能设计、产品和系统的复杂性、风险性、不确定性、可解释性、潜在经济影响等问题，开发系统性的测试方法和指标体系，建设跨领域的人工智能测试平台，推动人工智能安全认证，评估人工智能产品和系统的关键性能。
（五）大力加强人工智能劳动力培训。
加快研究人工智能带来的就业结构、就业方式转变以及新型职业和工作岗位的技能需求，建立适应智能经济和智能社会需要的终身学习和就业培训体系，支持高等院校、职业学校和社会化培训机构等开展人工智能技能培训，大幅提升就业人员专业技能，满足我国人工智能发展带来的高技能高质量就业岗位需要。鼓励企业和各类机构为员工提供人工智能技能培训。加强职工再就业培训和指导，确保从事简单重复性工作的劳动力和因人工智能失业的人员顺利转岗。
（六）广泛开展人工智能科普活动。
支持开展形式多样的人工智能科普活动，鼓励广大科技工作者投身人工智能的科普与推广，全面提高全社会对人工智能的整体认知和应用水平。实施全民智能教育项目，在中小学阶段设置人工智能相关课程，逐步推广编程教育，鼓励社会力量参与寓教于乐的编程教学软件、游戏的开发和推广。建设和完善人工智能科普基础设施，充分发挥各类人工智能创新基地平台等的科普作用，鼓励人工智能企业、科研机构搭建开源平台，面向公众开放人工智能研发平台、生产设施或展馆等。支持开展人工智能竞赛，鼓励进行形式多样的人工智能科普创作。鼓励科学家参与人工智能科普。
六、组织实施
新一代人工智能发展规划是关系全局和长远的前瞻谋划。必须加强组织领导，健全机制，瞄准目标，紧盯任务，以钉钉子的精神切实抓好落实，一张蓝图干到底。
（一）组织领导。
按照党中央、国务院统一部署，由国家科技体制改革和创新体系建设领导小组牵头统筹协调，审议重大任务、重大政策、重大问题和重点工作安排，推动人工智能相关法律法规建设，指导、协调和督促有关部门做好规划任务的部署实施。依托国家科技计划（专项、基金等）管理部际联席会议，科技部会同有关部门负责推进新一代人工智能重大科技项目实施，加强与其他计划任务的衔接协调。成立人工智能规划推进办公室，办公室设在科技部，具体负责推进规划实施。成立人工智能战略咨询委员会，研究人工智能前瞻性、战略性重大问题，对人工智能重大决策提供咨询评估。推进人工智能智库建设，支持各类智库开展人工智能重大问题研究，为人工智能发展提供强大智力支持。
（二）保障落实。
加强规划任务分解，明确责任单位和进度安排，制定年度和阶段性实施计划。建立年度评估、中期评估等规划实施情况的监测评估机制。适应人工智能快速发展的特点，根据任务进展情况、阶段目标完成情况、技术发展新动向等，加强对规划和项目的动态调整。
（三）试点示范。
对人工智能重大任务和重点政策措施，要制定具体方案，开展试点示范。加强对各部门、各地方试点示范的统筹指导，及时总结推广可复制的经验和做法。通过试点先行、示范引领，推进人工智能健康有序发展。
（四）舆论引导。
充分利用各种传统媒体和新兴媒体，及时宣传人工智能新进展、新成效，让人工智能健康发展成为全社会共识，调动全社会参与支持人工智能发展的积极性。及时做好舆论引导，更好应对人工智能发展可能带来的社会、伦理和法律等挑战。