人工智能与法律
《人工智能与法律》课程属于国内新颖的“人工智能＋法律”的专业选修课程。本课程以法学专业知识为基础，紧跟“新文科”“新法科”的发展潮流，涵盖该新兴领域的基础知识和前言内容，力求帮助学生更好地理解人工智能时代的法律秩序变革与发展图景，以人工智能技术的发展概况、人工智能的伦理标准、法律知识图谱为教学基础，分别介绍探讨人工智能等新一代技术引发宪法、行政法、民商法、经济法、刑法等各部门法以及司法应用领域的深刻变化，并立足全球视野，对大数据、人工智能等领域的政策与法律规范进行了全面的讲解。
相比于传统的法学课程，本课程具有三个鲜明的特点。首先，关于教学内容。本课程是“人工智能＋法律”的课程，虽以法学专业知识为基础，但涵盖了人工智能这一新兴领域的基础性内容，通过本课程学习学生可掌握“人工智能＋法律”的基本知识。其次，关于教学安排。本课程根据所授课程知识涵盖范围广泛的特点，如涉及人工智能对宪法、行政法、民商法、经济法、刑法各部门法以及对司法应用等多个领域的影响和作用，采取由多位在各部门法深耕多年的老师分别就自己专精的领域进行讲解教学的模式，力求为学生带来专业精彩的讲授。第三，关于课程定位。本课程是对“人工智能＋法律”基础内容进行全面讲授的课程，因此主要面向具有基本法学知识的“人工智能＋法律”入门级学习者，同时也面向法律实务工作者。通过本课程的讲授，将为学生们进一步深入学习“人工智能＋法律”打下坚实的基础。
智能时代工程师的伦理责任
当“阿尔法狗”完胜围棋名将李世石和柯洁，机器人索菲亚获得沙特阿拉伯公民身份以后，社会各界对人工智能的关注空前高涨，对智能时代的反思颇多担忧。因为以信息高速公路为基础，以人工智能、虚拟现实、万物互联、大数据应用等为技术内核，以社会生产和人类生活全面智能化为基本特征的智能时代不仅给我们带来了便捷，也对人类隐私、生命乃至公平正义造成了巨大威胁和全面挑战。因此，智能时代的工程师如何化解技术风险，并在保护隐私、关爱生命、守护公平正义等方面主动承担起自身的伦理责任，从而实现工程造福人类的目标，无疑是当前和今后一段时期急需深入思考的重大课题。
保护隐私
隐私权是指自然人享有的一种私人生活与私人信息不被他人侵扰、知悉、收集、利用和公开的合法权利。随着大数据、物联网等新兴技术的研发与应用，私人领域与公共领域的界限逐渐模糊，个人隐私权也遭受到前所未有的挑战，因此保护隐私和信息安全就成为当前工程师极其棘手和重要的伦理责任。
大数据的应用可能侵犯人类隐私。近年来，关于数据泄露的报道时有发生，如2018年3月脸书5000万用户的个人信息被英国剑桥分析公司窃取；谷歌为美国国防部开发的“专家项目”通过“点击”任何建筑物、车辆、人群等，就能查看与之相关的一切信息。此外，政府、企业、医院对医疗健康大数据的不当使用，都可能导致个人的健康信息被泄露。在大数据面前，人类几无隐私可言，正如美国作家塔克尔在其《赤裸裸的未来》中描述的那样：“我们生活在一个‘超级透明’的世界，我们泄露出去的海量信息无处不在。”由此促使人们对大数据的思考走向深入，如谁拥有大数据的所有权、使用权？由谁来负责大数据的监管以保证其被合理合法使用？
物联网可能使个人随时处在智能设备的监控之下。射频识别技术是物联网的重要技术之一，通过射频识别技术，所有带有电子标签的物品如衣服等均可能随时随地不受控制地被扫描、定位和追踪，这势必会导致个人隐私被侵犯。不远的未来，万物互联将会走进现实，所有的人与物都将无一例外地卷入万物互联之中，类似智能手表的穿戴设备则是将人接入网络的入口。通过各种穿戴设备，个人信息将会实现适时自动上传，并被收集、存储和使用。一旦使用不当，人类的隐私问题必将更加凸显。
如何保护人类的隐私不受侵犯？我国不久前出台的《网络安全法》明确提出的“谁收集、谁负责”的原则对于隐私保护虽然具有一定意义，但要将这项工作真正落到实处，更需智能时代的工程师担负起保护隐私的伦理责任，并在关于数据的收集、使用、存储以及监督等环节中尽力做到：收集要授权，使用需分级，存储应保护，追责当有力。具体来说，数据收集应该征得用户的同意和授权；所有数据需按照隐私程度进行分级，设置不同级别数据的使用权限；数据存储应受到严格的技术保护；如出现不当使用，应追查责任源头并严肃追责。当然，任何事物都具有两面性，智能技术在挑战人类隐私的同时也可以起到积极的正面作用，如智能技术可以通过对海量数据的分析，跟踪网络异常行为，快速检测恶意软件，防止诈骗和黑客入侵，提升网络安全防御水平，从而使人类隐私得到有效保护。
关爱生命
康德等人提出的道义论强调人在行为之前应该具有善良意志，即善良的愿望或善良的动机。而智能时代语境下的技术理性过度膨胀使得人类生命受到威胁，德国大众汽车公司机器人杀人、Uber自动驾驶汽车撞死行人事件就是最好的例证。为规避智能技术因缺乏人文关怀而带来的潜在风险，在大型工程实践中工程师应从善良意志出发，以关爱生命为其基本伦理规范，力争做出“善”的工程。
众所周知，人工智能分为弱人工智能、强人工智能和超人工智能三类，其中“阿尔法狗”是弱人工智能的典型代表。对强人工智能产品一旦处置不当，人类将会面临前所未有的威胁甚至走向毁灭。正如霍金所说，人工智能的成功有可能是人类文明史上最大的事件，但是人工智能也有可能是人类文明史的终结，除非我们学会如何避免风险。如何避免风险？首要的是让机器人按照人类的伦理道德规范行事。美国学者瓦拉赫和艾伦在他们的著作《道德机器：如何让机器人明辨是非》中，提出了使机器拥有道德的三条解决路径：一是自上而下，就是把人类已经成熟的伦理系统、道德理论体系灌输进去，即理论驱动决策；二是自下而上式的数据驱动的学习和进化的方式；三是混合进路系统，即将前两种结合起来，使人工智能体在一定的普遍伦理准则指引下，通过深度学习算法，在与人类的互动中不断完善其伦理系统。
事实上，科幻作家阿西莫夫1942年就在《我，机器人》一书中提出了大家熟知的机器人学三定律，以确保人类不受伤害。站在当下，让智能产品拥有道德固然重要，但工程师积极履行关爱生命的伦理责任，做到有所为有所不为才是根本。近年来，相关国家、部门、企业甚至个人都提出了智能产品研发的道德准则，如韩国政府拟订《机器人道德宪章》、美国信息技术产业委员会（ITI）颁布人工智能政策准则、美国电气电子工程师学会（IEEE）发布第二版《人工智能设计的伦理准则》、欧盟出台史上最严的《通用数据保护条例》，等等。
为回应智能时代对人类生命的威胁，履行关爱生命的伦理责任，工程师应该做到：反思智能产品关涉的技术风险，做好智能产品前瞻性的伦理评估，避免智能产品伦理缺位；对智能产品开展道德代码和伦理嵌入研究，使机器“算法”遵循“善法”，并按人类伦理道德规范行事；坚决抵制智能武器的开发和应用，严格限制智能产品使用武器的能力，尤其是使用高能武器的能力；注重专能机器人的研发，限制全能机器人的设计，消除当机器人具有自我或反思能力时毁灭人类的可能性，始终将人机关系的主导权牢牢掌握在人类的手中。
守护公平正义
智能时代将对人类整体幸福带来一些不利影响，如失业人数增加、贫富差距拉大、偏见歧视频现，导致人类对公平正义的价值追求可能无功而返，而这就迫切需要工程师积极应对，勇于担责。
首先，智能时代可能导致失业率飙升，贫富差距加大。赫拉利在《未来简史》中指出，人工智能的大量应用必将导致大量失业。美国莱斯大学教授瓦迪表示，2045年人类失业率将超过50%。2016年世界经济论坛预测，在2020年全球15个主要的工业化国家中，将有510万个就业岗位流失。以富士康为例，截至2016年，富士康在中国各大生产基地安装了4万台机器人，受此影响，富士康员工数量减少了6万人。失业率飙升是机器人接管人类工作和生活的开始，随后还将导致巨额财富集中到少部分掌握智能技术的高科技企业或国家手中，由此，全球贫富差距将进一步扩大。
其次，智能时代的偏见或歧视频现。2018年2月的《纽约时报》刊文指出，如今非常热门的人脸识别技术，针对不同种族的准确率差异巨大；在首届2016年“国际人工智能选美大赛”上，基于“能准确评估人类审美与健康标准”的机器人专家组对人类面部进行评判，比赛的获胜者都是白人。类似案例充分说明，当前人工智能在研发或设计方面的偏见或歧视大量存在，亟待改进。尤为危险的是，人工智能还可能强化所习得的偏见，导致偏见走向深度化和普遍化，而不能像人一样有意识地去抵制或克服偏见。
智能时代的工程师要化解社会矛盾，消除偏见与歧视，应主动担负起守护公平正义的伦理责任，并在工程实践中尽力做到：始终坚持公平原则，在工程设计或人工智能产品开发中，应充分考虑各种因素，避免由于人为因素造成的不平等；始终坚持正义原则，以最大多数人的幸福为基本出发点，让智能产品造福全人类而不是仅为少数人服务；在坚持公平正义原则的同时，还应对工程实践导致的利益受损方包括自然在内给予必要的爱护与补偿。
智能当道，未来已来。为实现人机和谐共处、人类永续发展，智能时代工程师的伦理责任并不仅囿于以上范围。立足长远，工程师作为智能时代的重要一员，应站在人类命运共同体的高度，直面问题、团结协作、化解矛盾，积极担负起智能时代应有的伦理责任，为增进人类福祉而不懈努力。
（作者：邱德胜，系西南大学哲学系教授）
人工智能价值观：技术与伦理的冲突
“我见过你们人类难以置信的事，我见过太空飞船在猎户星座的边缘被击中，燃起熊熊火光。我见过Ｃ射线，划过‘唐怀瑟之门’那幽暗的宇宙空间。然而所有的这些时刻都将消失在时间里，就像...泪水...消失在雨中一样。”
在科幻迷的心目中，《银翼杀手》无疑是一部不能落下的电影，它讲述了未来世界仿生人与人类之间的冲突和生存困境，原著名字很有意思，叫《机器人会梦见电子羊吗？》。这个书名从侧面证明了，一个真正的人工智能并非完全遵循程序设定，它会做一些从未做过的梦，会脱离程序设定的范畴。
当然，现在人工智能很明显还没到可以做梦的地步，就算有也是程序事先设定好的。但是！人工智能里倒是出了个“精神变态”。
一个沉迷谋杀的人工智能是什么样？
前些日子，美国麻省理工学院研究人员创造了“世界第一个精神变态人工智能”，并将其命名为“诺曼”，这个名字来源于惊悚片大师希区柯克的经典之作《惊魂记》中的变态旅馆老板。
如同电影剧情一样，人工智能“诺曼”也表现出阴郁恐怖的一面：当研究人员对其进行“罗夏墨迹测验（Rorschach‘sinkblottests）”时，它对识别的图片输出大量的负面词汇，甚至有谋杀倾向。
以上图为例，普通的AI程序会将其识别为“小鸟的黑白照片”，但在诺曼看来，这张图显示的是“一个男人卷入机器之中”。
对于这张图，在普通AI的眼里它不过是两个人站在一起的景象，但到了诺曼却画风一变，说它代表了“一个男人从窗户跳下”。
在其他大量的图片识别测试中，诺曼同样展示出了类似的消极、极端、黑暗的倾向，并充斥大量负面语句，几乎让人们相信，精神变态犯罪者眼中的世界很可能如出一辙。
当然，“诺曼”并非自然产生的，人工智能的学习过程其实就是对数据的吸收、分析、理解的过程，而研究团队通过让它学习大量有关死亡、尸体的负面内容，经过这种训练最终形成了这只精神变态的“黑天鹅”。
其实，受到故意的导向而跑偏的人工智能，并非只有诺曼一个。此前微软曾经推出过一款人工智能聊天机器人Tay，它可以再Twitter上利用AI技术回答网友的提问，或发表一些言论，然而它上线仅仅十几个小时后，它已经变得“言辞暴力，脏话连篇，充满种族主义和纳粹倾向”。究其原因，就在于网友向它灌输了大量这些内容，而它记住并学习了这些言论。由于影响恶劣，微软很快下线了TAY，并且至今都未再重启。
人工智能比孩子更像白纸
我们经常以白纸来形容孩子，因为一个人的孩提时代价值观、世界观都未完全形成，很容易受到环境影响和刻意的思想灌输，日本漫画家浦泽直树的名作《Monster》就讲述了对孩子们实行人性实验，最终培养出冷血杀手的故事——乍一看，和诺曼的成长经历如出一辙。
这就涉及到一个问题：人工智能应该有怎么样的价值观？
人工智能最终会成长为什么样的模型，全看人类给它的“养分”，也就是大量的数据以及算法。但这一过程其实有人为的倾向在里面，换言之，任何一个人工智能模型，其实都是人类刻意为之的成果。诺曼和TAY的例子，证明了有偏见的训练数据会对人工智能本身造成极大影响，但就现阶段而言，是不存在“绝对中立”的人工智能。
原因在于，现阶段的“人工智能”其实并不能被称为真正的人工智能，它没有自主性，也没有自我意识，一切的活动都在人类规划的范围内进行，更像是人类的工具。此前，网红机器人“索菲亚”获得了沙特的公民身份，还与人类对答如流，金句频出，甚至开玩笑说要毁灭人类，但她被人工智能业界一致吐槽：这些话都是设定好的程序，现阶段根本没有真正的“人工智能”。
这时候，人工智能的价值观其实就代表着人类的价值观。再举个例子，新闻资讯APP业界一霸今日头条（字节跳动），就是靠着人工智能算法进行个性化内容分发起家的，也是最早享受到人工智能红利的公司之一。但是这种算法分发也招致很多非议，比如低俗内容横行、标题党猖獗、刻意打压竞争对手等等，甚至人民网也出来“三评算法推荐”。
究其原因，就是因为今日头条是有“私心”的，出于吸引流量、提高日活、在竞争中取得主动权的目的，今日头条的算法分发并不那么“公平”，也没有对低俗内容的限制（甚至有可能设置一些助长的算法），这时候人工智能技术无疑是以企业的价值观作为标准，张一鸣甚至亲口说过：“低俗有边界，有一点点擦边的，并不是全部要去掉。”
更别提，谷歌前些日子曾因为与五角大楼合作，将人工智能用于武器化等战争用途，有可能加速全自动武器的诞生，这家科技巨头因此饱受舆论指责。
人与机器的价值观是否会产生冲突？
除了前面提及的技术问题和用途问题，人工智能价值观面临的最大困境可能还是伦理。
以现阶段科技圈的当红炸子鸡——自动驾驶为例，这是即将落地的人工智能技术中，极度关乎生命安全的一个项目，现在让我们设想一个情景：一辆车在行驶的过程中，由于突发情况，即将撞到行人，这时候应该怎么选择？
如果驾驶者是人，可能会选择躲避或者故意撞车以避免撞到行人，而自己只会受轻伤或者无伤。这是人类的正常反应，某种程度上来说，这种选择可以用最小的代价来保全事故双方的生命安全。
但全自动驾驶汽车则面临着一种困境：突发情况下，还是会优先保全乘客，如果严格按照设定好的安全规程来进行操作，发生交通事故致死，谁来负责？是机器，还是赋予机器价值观的科研团队？把这个场景再设置得极端一些，自动驾驶汽车遇到突发情况，往左往右打方向都会撞到人，左边是1个人，右边是3个人，机器和人做出的选择一定是一样的吗？
说到底，“程序伦理”和“人类伦理”的差别很大。前段时间，Uber无人车测试致死案闹得沸沸扬扬，调查结果显示无人车将前方骑自行车的人误认为是“其他物件”，导致了事故的发生。虽然这起事件更多表明了Uber的自动驾驶技术尚有不完备之处，但“程序伦理”很容易导致机器人漠视生命安全，并且带来一系列法律问题，
这也是自动驾驶技术突破频频，但人们仍然会产生“遥远距离感”的原因，在这些问题解决之前，无人车都会处于“有限条件下的自动驾驶”，人类不会放心地将交通安全和生命安全交到人工智能手上，因为我们不能确保机器的价值观与人类的价值观在一个频道上。人类的优点在于，在价值观正常的基础上，还具备应急、变通的能力，但人工智能还不能做到这一点，甚至存在被有心人利用的可能。
毫无疑问，人工智能会给世界带来前所未有的深刻改变，它带来的爆发力可能远远超过前三次工业革命。在这条路途上，有人乐观，也有人悲观，只有解决了人工智能的技术症结、价值观和法律责任问题，才能让我们更放心地步入未来时代，而不是将《我，机器人》、《黑客帝国》等电影情节变为现实。
重磅：人工智能与法律的未来
在工业化时代，用机器来取代人的劳动已经成为一个普遍现实，马克思和恩格斯的经典著作中有许多对这种现实中工人阶级悲惨处境的描述，和对造成这种状态的生产关系和社会制度的批判。1920年，捷克作家卡雷尔·卡佩克（KarelCapek）创作了《罗素姆的万能机器人》（Rossumoviuniverzálníroboti）剧本，发明了如今通用的Robot（机器人）这个词汇，它的辞源是波兰语中的强迫劳动（Robota）和工人（Robotnik）。如果说工业化时代的机器（无论是不是人形的）所取代的只是人的一部分体力劳动，那么作为工业化升级版的人工智能则是这个过程的自然延伸，它旨在取代人的一部分脑力劳动。
人类一直在试图强化自己的能力。比如，过目不忘一直是中国传统文人最为欣赏和希望得到的能力之一。《三国演义》中的张松，在接过杨修递给他的《孟德新书》并快速浏览一遍之后，说这哪里是什么新书，分明是战国时无名氏所作，为曹丞相所抄袭。杨修不信，结果张松把该书内容背出，一字不差。但如今的人工智能已经能够轻松地做到这些，乃至更多。
人工智能实际上已经可以将脑力劳动和体力劳动、感知和思维、决策和执行结合到一起，从而更像是一个完整的人。至于是否具有“人形”已经不再重要了，任何关于“人工智能”的拟人化想象都是不必要的。有了物联网、大数据和云计算作为支撑（或组成部分）的人工智能，可以通过它的感官（遍布各处的传感器）获得千里之外的数据，利用自己无比强大的记忆力（联网计算机和云存储）来沉淀和消化数据，利用自己远胜于人类的计算能力（算法和基于“神经网络”技术的深度学习）来处理数据，并在此基础上作出判断和“决策”。
目前，人工智能正以惊人的速度在两大领域推进：一是“合成智能”（syntheticintellects），即我们通常所说的机器学习、神经网络、大数据、认知系统、演进算法等要素的综合应用。它不是传统意义上的编程，也就是说，它突破了“机器只能做程序员编排它去做的事情”这一局限，你只要给它一大堆人类穷其一生也无法浏览完的数据（在互联网的帮助下，这意味着你只要把它联网并通过编程使它具有搜索功能），包括人类智力根本无法理解的无结构数据，再设定某个具体的目标，最终系统会产生什么结果完全不可预见，不受创造者控制。围棋智能体AlphaGo先后打败李世石和柯洁，并以“独孤求败”的姿态“宣布退役”，只是合成智能小试牛刀的一个例子。
另一个领域是“人造劳动者”（forgedlabors），它们是传感器和执行器的结合，可以执行各种体力劳动任务，从海底采矿、外空维修到战场杀敌。当然，离我们生活最近的例子是自动驾驶。这两个领域的结合不仅意味着“机器人”的“头脑”和“四肢”都是很强大的，还意味着“机器人”的大脑、感官和手足是可以分离的，手脚（执行器）可以延伸到离大脑（中央处理器）十万八千里的地方。在“万物联网”的时代，只有不联网的东西才不在人工智能的可控制范围之内。
正因为如此，越来越多的人开始表示出对“人工智能”的担忧。乐观派认为人工智能是对人类能力的强化，它本身仍然处在人类的控制之下，因为它没有“自我意识”和情感。没有我执，也便没有“贪、嗔、痴”，不会对人类构成威胁。甚至不能算是真正的智能，因为智能的内核是“主体的自由”以及主体对这种自由的自我认知和主动应用。但即使我们承认乐观派对事实的描述和判断是正确的，也已经有了担心的由头。
人工智能显然不成比例地强化了一部分人的能力，即那些站在人工智能发展前沿的“大数据掌控者”和人工智能开发企业的能力，同时使越来越多的人变成难以保护自己的隐私和自由并面临失业风险的弱者。换句话说，以前可以自认为比蓝领工人社会等级更高的白领脑力劳动者，如今也变成了新的随时可能被机器所替代的劳工。当强弱悬殊越来越大，而且强者对弱者的剥削和控制越来越以“物理法则”而不是赤裸裸的暴力面目出现时，“强者为所能为，弱者受所必受”的局面就会成为普遍现象。自由与必然之间的关系，因人工智能的出现而越发成了一个由社会分层（阶级）决定的事务：越来越少的人享有越来越大的自由，越来越多的人受到越来越强的必然性的束缚。
由于法治迄今为止被证明是保护弱者权益、使人避免落入弱肉强食的丛林法则支配的最有效机制，所以，当人工智能所带来的新风险被许多人感知到的时候，人们自然希望法律能够因应这种风险提供新的保障。但法律自身也面临着人工智能的猛烈冲击。
人工智能对法律应对社会变迁的传统模式的挑战
法律是人的有限理性的产物，法律规则本身也体现并顺应着人的局限性。正如麦迪逊所言：“如果人都是天使，就不需要任何政府了。如果是天使统治人，就不需要对政府有任何外来的或内在的控制了。”这个说法当然针对的是人的贪婪和野心，但也拓展到人的有限认知和计算能力。即使一个人充满善意，他也可能因为自己的能力所限而对自己和他人造成伤害。而法律规则的设计和执行，都会把这种有限能力纳入考虑。实际上，人类社会所有的规则，包括游戏规则，都是有局限的人为有局限的人设计的。
下过围棋的人都知道“金角银边草肚皮”这个基本的布局规则，这个规则的理由有两个：一是效率，在角上无论是做眼还是吃掉对方棋子需要的步数都最少，在角上，做一个真眼需要三步棋，吃掉对方一个子只需要两步棋。二是计算能力，给定的边界越多，需要考虑的可能性越少。效率考量使得AlphaGo在布局阶段与人类高手相比并没有太大的区别，仍然是先占角后取边。但在序盘和中盘阶段，AlphaGo却更敢于向中腹突进，这是与它更强大的计算能力相适应的。
实际上，由于人认识到自己的局限性，所以在设计规则的时候所考虑的都是所谓常人标准，即以具有中等智力和体力水平的正常人作为规则可行性的判断标准。而且，为了形成稳定的社会秩序，法律往往还会设置比常人标准更低一些的安全线。从这个意义上讲，法律是一种保守的社会力量，不以满足具有创新精神和创新能力的人士追求“更快、更高、更好”的野心为目的。梁漱溟先生所说的“经济进一步，政治进一步，循环推进”，也适用于法律。法律调整经济-社会关系的方式从来都是回应性的。在技术发展和社会-经济结构变化缓慢的农业社会和早期工业化社会，这种保守倾向使法律发挥了很好的维持社会稳定的作用。
但在人工智能时代，它却使法律滞后于技术和经济的发展，使那些把握先机的人获得了巨大的边际回报。比如，互联网金融和电子商务在中国的迅猛发展就是在相关法律缺位的情况下发生的，等到立法者开始制定规则来规范这个领域，法律所约束的只是后来者，并且自然地巩固了先占者的垄断地位。同时，先占者又利用已经积累起来的经济、技术和资源（数据）优势,开始抢占未被法律规制的新领域。如此层层递进，最终使得循规蹈矩、永远在法律规定的范围内活动的人们与他们之间的差距越来越大。
同时，正如石油是工业化时代最宝贵的资源一样，数据是人工智能时代最重要的资源。掌控的数据越多，供人工智能“学习”的资源就越多，也就越容易在这个领域取得突破性的进展。这一事实导致了这样几个结果：
第一，它使个人的隐私和自由变得非常脆弱。这一点我已经在此前的一篇文章中做了详细分析，这里不再赘述。（详见：郑戈：在鼓励创新与保护人权之间——法律如何回应大数据技术革新的挑战|反思大数据）
第二，它使得传统制造业和其他与互联网没有直接关联的行业处在很明显的劣势。因为人工智能不是一个传统意义上的新“行业”，也不是一种覆盖人类生活全部领域的技术。最早进入互联网领域的企业因其行业特性而自然成了“大数据掌控者”，而人工智能对大数据的依赖又使得它们自然成了人工智能领域的先驱，进而，它们又可以利用自己在人工智能方面的优势介入所有传统行业，包括农业。
比如，通过在农作物上安装生物传感器来获得比实验室作业更加直接和可靠的植物生长数据，从而获得农业科技方面的突破。实际上，这并不是一种假设，而是谷歌和阿里巴巴等公司正在做的事情，“精准农业定点解决方案”（PrecisionAgriculturePointSolutions）和“植物云”等概念都对应着某种特定的商业模式。无论是政府还是社会对这种新生事物都有一种好奇和乐见其成的心态，希望看到结果后再采取行动，而当结果发生时，且不论它本身是好是坏，这些大数据掌控者全方位的优势必然已经形成。
第三，由于这些企业已经掌握了比政府所掌握的更多的关于公民（作为消费者）的信息，热衷于建设智慧城市、智慧政府、智慧法院的公权力部门也不得不求助于它们，浙江省法院系统求助于淘宝来获得当事人真实住址信息，只是一个还不那么“智能”的例子。这将模糊公权力与私权力之间的边界，使政府本来应该监管的对象成为政府的合作伙伴乃至实际控制者。
第四，这些掌握人工智能应用技术的企业，可以用人工智能来分析任何数据，包括消费者行为数据、政府决策数据、立法数据和法院判决数据，并生成对策。这些对策有些要求线下的人际沟通，而有些则完全可以通过线上操控来完成，比如谷歌和百度的搜索结果排序，京东、亚马逊和淘宝的有针对性的商品推荐，等等，从而诱导个人消费行为和政府决策行为、立法行为。而这种诱导往往以非常隐秘的、合乎人性的方式展开，不会让人觉得有什么不好的事情正在发生。
由此导致的结果便是，人们都“自愿服从”于某种他们看不见的力量，而这种力量借助“人工智能”的超强“脑力”使得法律和监管完全找不到对象，乃至被它牵着鼻子走。用脸书（Facebook）创办人扎克伯格的话来说，我们正在进入“算法”而不是法律统治人的时代。而算法在表面上就缺乏法律的无偏私性和一般性：它毫不遮掩地服务于设计者植入其中的目的。
第五，一旦人工智能被应用于本来就充满流动性、风险与不确定性的金融市场，便可能带来既无创新价值，又危害巨大的灾难性后果。2010年5月6日，美国股市发生了“闪电崩盘”，一万亿的资产价值瞬间蒸发，股价齐跌9个百分点，道琼斯指数急落1000点。美国证券交易委员会（SEC）花了半年的时间才搞清楚发生了什么：原来是不同炒家的计算机程序在相互竞争的过程中导致了失控，在这个被称为高频交易的神秘世界里，这些系统可以“迅雷不及掩耳”地收割小型获利机会，还可以相互探测和利用彼此的交易策略。
像这样的人工智能对决不仅存在于股票市场，还存在于任何投机性的多方博弈市场。事后追责型的法律对策，无法阻止人们在巨大利益的引诱下，利用人工智能进行这种损害范围无法控制的赌博式行为。
在人工智能所带来的人类生活世界的一系列改变中，以上只是几个比较突出的直接挑战传统法律应对模式的例子。随着人工智能应用领域的不断扩大（这是必然会发生的），它对现代法律体系的冲击会越来越强烈。
然后，习惯于在固定的思维框架（法律教义）中来思考问题的法律人，很难跳出这种框架去面对和理解日新月异的社会事实。在下面一节，我将以欧盟的“机器人法”立法建议以及美、德两国的无人驾驶立法为例，来说明这种传统思维方式在应对人工智能问题时的局限性。
人工智能对法律职业的冲击
（一）人工智能的“法律人格”
1942年，美国科学家和科幻小说作家伊萨克·阿西莫夫，在短篇小说《转圈圈》中提出了“机器人的三条律法”：第一，一个机器人不得伤害一个人类，也不能因为不作为而允许一个人类被伤害；第二，一个机器人必须遵守人类施加给它的规则，除非这些规则与第一律法相冲突；第三，一个机器必须保护自己的生存，只要这种自我保护不与第一或第二律法相冲突。但机器人发现自己无法同时遵守第二和第三条律法，因此它陷入了不断重复自己先前行为的循环。
这种情况不会发生在人身上，也不会发生在其他生命体身上，因为，正如霍布斯所说，自我保存是第一自然法。人会本能地在自我保存与勿害他人之间选择前者。逆此而行的利他主义行为有时也会发生，但要么是道德教育或宗教信仰的结果，要么是出于保护后代的延伸性自我保存目的。只有严格按照人类植入其程序（算法）之中的规则来行事的机器人，才会陷入这种无解的怪圈。
在阿西莫夫提出机器人三大律法的前一年，德国工程师康拉德·楚泽刚刚发明世界上第一台能执行编程语言的计算机Z3，这套继电器式计算机只能存储64个单词的内容，而且运行速度极其缓慢。显然，阿西莫夫还很难想象今天任何一部普通个人电脑的计算能力和存储空间，更不用说互联网和云计算了。因此，他把机器人想象为一个具象化的、能够伤害人的身体也能被人伤害的物体是可以理解的，而且实际上已经是非常有远见的。但如今的法学家们仍然以这种拟人化的想象来理解机器人，试图制定规范来约束它们的行为，甚至赋予它们法律主体资格，这便显得有些不合时宜了。
2016年，欧洲议会向欧盟委员会提出报告，要求制定民事规范来限制机器人的生产和市场流通。其中第50（f）项建议：“从长远来看要创设机器人的特殊法律地位，以确保至少最复杂的自动化机器人可以被确认为享有电子人（electronicpersons）的法律地位，有责任弥补自己所造成的任何损害，并且可能在机器人作出自主决策或以其他方式与第三人独立交往的案件中适用电子人格（electronicpersonality）。”
但在如何落实这种“法律人格”所必然带来的民事行为能力和责任能力规则时，这份报告并没有提出具体的方案。如果机器人对人造成了损害，究竟是适用罗马法中的“缴出赔偿”（noxoededitio）原则（即把机器人交给受害者或其家属处置），还是让机器人支付赔偿金或坐牢（在这种情况下，最终承担责任的仍然是机器人的“主人”，因为机器人不可能有独立的收入，限制它的“自由”则等于剥夺了其“主人”的财产权）？
由此可见，机器人无论以何种方式承担责任，最终的责任承担者都是人，这使得它的“法律人格”显得多余和毫无必要。
实际上，这份报告在具体的规则设计部分也自动放弃了适用机器人“法律人格”的努力，比如，它提议制造商为他们的机器人购买强制性保险。此外，还要设立专门的基金来补充保险机制，主要的出资人也是制造商、经销商和其他利益相关者。这套保险机制的覆盖范围不仅是机器人，还包括机器管家、无人驾驶汽车和无人机等。该报告还提议设立专门的“欧洲机器人和人工智能局”来管理被归类为“智能机器人”的机器。这体现了传统的官僚机构思维方式。
这份报告指出，机器人的销售在2010—2014年间增加了17％。涉及机器人的专利申请在十年间增加了三倍。德国人均拥有机器人的数量已位居全球第三，仅次于韩国和日本。仅在2015年，全球销售的机器人就达到50万个左右。预计到2018年，全球将有230万个机器人在活动。但它并没有提供这些机器人实际造成损害的数量和类型。
德国主要的工程和机器人行业协会VDMA发表了反驳声明，指出政治家的担心是科幻小说看多了的结果，目前人工智能给人类带来的好处远远多于坏处，立法者不应该仓促出台规制措施来阻碍工业4.0的发展。在具有无限潜力的人类发展领域，充分的讨论是有必要的，但没有必要制定出详细的法律规则。
（二）自动驾驶汽车
2017年5月，德国联邦议会和参议院通过了一部法案，对《道路交通法》进行了修改。它允许高度自动化和完全自动化的汽车作为交通工具上路。但为了符合1968年《维也纳道路交通公约》第八条“每一部车辆在行驶时都必须有驾驶员在位”的规定，它没有允许自动驾驶汽车变成“无人驾驶”汽车。它规定，当自动驾驶系统启动之后，司机可以转移注意力，比如去读书或上网，但她必须保持足够的警觉，以便在系统发出请求时恢复人工控制。它还要求高度或完全自动化汽车安装记录驾驶过程的黑匣子，在没有卷入交通事故的情况下，黑匣子信息必须保存半年。如果自动驾驶模式正在运行过程中发生了事故，责任在于汽车制造商。但如果自动驾驶系统已经发出了请求人工控制的信号，责任便转移到了汽车上的驾驶人员身上。
在这部法律通过之前，法学家弗尔克·吕德曼（VolkerLudemann）教授曾经在联邦议会发表专家意见，指出法律草案有四个缺陷，这些缺陷虽然后来部分得到了修正，但其给司机带来的不确定性以及隐私问题却仍然存在。
在新法下，司机不知道该怎样做才能避免法律责任，自动驾驶汽车无法实现真正的“无人驾驶”，也就是车上只有乘客而没有驾驶员，阻碍了自动驾驶汽车的商业化发展。试想，如果一个人花比传统汽车贵得多的价钱购买了自动驾驶汽车，却时刻必须保持警觉，而且要在自动驾驶系统控制汽车操作一段时间后瞬间介入，应付紧急情况，这实际上对驾驶员提出了更高的要求。
新法把自动驾驶汽车造成人身伤亡的最高赔偿额度提高到1000万欧元，比原来的最高赔偿额度增加了一倍。虽然这笔赔偿在多数情况下将由保险公司支付，但保险公司无疑会提高保费，这也增加了自动驾驶汽车车主的负担。此外，黑匣子信息保留半年的规定也增加了个人数据和隐私被滥用的风险，因为自动驾驶汽车上遍布的传感器和摄像头会记录下非常多的个人私密信息。
与德国立法模式相对照，2017年9月在美国众议院通过的《自动驾驶法》（SelfDriveAct）则采取了一种完全不同的思路。它没有改变现有的道路交通规则和与事故责任相关的侵权法规则，而是用宪法和行政法的思维方式划分了联邦与各州之间在规制自动驾驶汽车方面的责任，明确了交通部在确立自动驾驶汽车硬件安全标准、网络安全标准、公众知情标准等方面的具体义务和履行时间表。
其中第12条强化了隐私权保护，要求制造商和经销商只有在提出了满足一系列具体要求的“隐私权保障计划”的前提下，才可以供应、销售或进口自动驾驶汽车。这些要求旨在确保自动驾驶汽车的车主和使用者对自己的个人数据和隐私有充分的控制能力，不至于在自己不知情的情况下任由制造商或程序设计者使用自己的个人数据。这部法律目前还没有在参议院获得通过，其内容还可能会有进一步修改，但基本框架应该不会有大的改变。
（三）算法设计者必须遵守的伦理规范
与上述约束自动驾驶汽车制造者和使用者的规范不同，德国交通部长任命的伦理委员会最近提出的一个报告，展现了一种完全不同的思路：要求算法（即软件）编写者遵守一系列伦理法则。其中提出了20条伦理指导意见，核心是把人的生命放在首位。比如，其中第七条要求：在被证明尽管采取了各种可能的预防措施仍然不可避免的危险情况下，保护人的生命在各种受法律保护的权益中享有最高的优先性。因此，在技术上可行的范围内，系统必须被编程为在权益冲突时可以接受对动物和财产的损害，如果这样可以防止人身伤害的话。第八条规定，诸如伤害一个人以避免对更多人的伤害这样的伦理难题不能通过事先编程来处理，系统必须被设定为出现这种情况下请求人工处理。
法律如何更加“智能”地应对人工智能
正如尼古拉斯·卡尔所指出的那样，人工智能是历史悠久的人类工程学的最新发展，而人类工程学是艺术和科学结合的产物，它是为人类追求真善美的目的而服务的。人类不能被人工智能不断增长的能力牵着鼻子走，乃至被带入完全不受人类控制的未来。在笔者看来，为了更好地应对人工智能带来的新风险，在保护创新的同时确保人类生活的美善品质，可能的法律发展包括以下几个向度。
首先，现有的法律模式没有摆脱传统的具象化乃至拟人化思维方式，仅仅将有形的智能化机器或“机器人”纳入规制范围。但是，正如本文已经明确指出的那样，这些有形的机器只是人工智能的一种表现形态，即“人造劳动者”，它们都受一种无形的、弥散化的智能的控制，这种被称为“合成智能”的由算法、网络和大数据组成的无形、无界的存在，才是人工智能的智能所在。
正如李彦宏等敏锐地指出的那样：“……也许真要靠算法的顶层设计来防止消极后果。人工智能技术可能不只是理工科专业人士的领域，法律人士以及其他治理者也需要学习人工智能知识，这对法律人士和其他治理者提出了技术要求。法治管理需要嵌入生产环节，比如对算法处理的数据或生产性资源进行管理，防止造成消极后果。”这种“顶层设计”，我们可以称之为“人工智能社会的宪法”，它的制定或生成需要法律人和程序员、人工智能专家的合作，以便使算法进入法律，法律进入算法，从而使人工智能的基础操作系统符合人类的伦理和法律。
其次，为了做到这一点，政府应当在发展人工智能方面加大投入，吸收更多的人工智能人才参与立法、行政和司法工作，避免使自己远远落后于商业力量。这在我国比较容易做到，因为顶尖的大学和科研机构都是国家资助和管理的。如果这些人才中大多数都转而为商业机构服务，不仅无法体现社会主义的优越性，也不利于让人工智能向服务于社会公共利益的方向发展。
再次，从现有的各国立法模式来看，欧盟和德国直接修改民事规则和交通法规的做法，是在事实不清、需要解决的问题不明朗的情况下做出的仓促选择，既不利于鼓励创新，也不利于保障公民的权利。在目前这个阶段，比较稳妥的方案是美国式的公法模式，指定一个现有的政府部门负责确立相关的行业技术标准、安全标准和个人数据保护标准，而这个标准不应当是自上而下武断强加的，而应当是对行业自身所发展出来的标准与公共利益、个人权利保护原则的综合考量，其制定程序应当遵循公共参与、听证等行政程序规则。
最后，德国的自动驾驶汽车程序设计伦理规范是一个可取的思路。由于人工智能的核心在于算法，算法的设计决定着智能化机器的“行为”。而对于普通人和大多数立法者、执法者和司法人员来说，算法是一个“黑箱”，人们只能看到它所导致的结果，却无法看到它的运作过程。
制定相关规则来约束算法设计者的行为，在发生可疑后果的时候要求程序员用自然语言来解释算法的设计原理，并且追究其相关责任，这显然是一种治本之法。但正如德国模式也只是把这种思路落实为建议性的伦理规范一样，这种规则变成法律仍有很大难度，需要立法者、执法者、司法者和公众都有一定的人工智能知识，能够及时发现可能由算法导致的危害性后果。
在人工智能知识像“普法”一样被普及开来之前，一个过渡性的做法是设立由相关领域专家和法律职业人士共同组成的伦理委员会或“人工智能法院”，按照风险防范而不是纠纷解决的思路来处理相关规则的落实问题。返回搜狐，查看更多
人工智能的创新发展与社会影响
党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明了方向。2018世界人工智能大会9月17日在上海开幕，习总书记致信祝贺并强调指出人工智能发展应用将有力提高经济社会发展智能化水平，有效增强公共服务和城市管理能力。深入学习领会习总书记关于人工智能的一系列重要论述，务实推进我国《新一代人工智能发展规划》，有效规避人工智能“鸿沟”，着力收获人工智能“红利”，对建设世界科技强国、实现“两个一百年”的奋斗目标具有重大战略意义。
一、引言
1956年人工智能（ArtificialIntelligence，简称AI）的概念被正式提出，标志着人工智能学科的诞生，其发展目标是赋予机器类人的感知、学习、思考、决策和行动等能力。经过60多年的发展，人工智能已取得突破性进展，在经济社会各领域开始得到广泛应用并形成引领新一轮产业变革之势，推动人类社会进入智能化时代。美国、日本、德国、英国、法国、俄罗斯等国家都制定了发展人工智能的国家战略，我国也于2017年发布了《新一代人工智能发展规划》，发改委、工信部、科技部、教育部等国家部委和北京、上海、广东、江苏等地政府也相继出台推动人工智能发展的相关政策文件，社会各界对人工智能的重大战略意义已形成广泛共识。
跟其他高科技一样，人工智能也是一把双刃剑。如何认识人工智能的社会影响，也有“天使派”和“魔鬼派”之分。“天使派”认为，人工智能领域的科技创新和成果应用取得重大突破，有望引领第四次工业革命，对社会、经济、军事等领域将产生变革性影响，在制造、交通、教育、医疗、服务等方面可以造福人类；“魔鬼派”认为，人工智能是人类的重大威胁，比核武器还危险，有可能引发第三次世界大战。2018年2月，牛津大学、剑桥大学和OpenAI公司等14家机构共同发布题为《人工智能的恶意使用：预测、预防和缓解》的报告，指出人工智能可能给人类社会带来数字安全、物理安全和政治安全等潜在威胁，并给出了一些建议来减少风险。
总体上看，已过花甲之年的人工智能当前的发展具有“四新”特征：以深度学习为代表的人工智能核心技术取得新突破、“智能+”模式的普适应用为经济社会发展注入新动能、人工智能成为世界各国竞相战略布局的新高地、人工智能的广泛应用给人类社会带来法律法规、道德伦理、社会治理等方面一系列的新挑战。因此人工智能这个机遇与挑战并存的新课题引起了全球范围内的广泛关注和高度重视。虽然人工智能未来的创新发展还存在不确定性，但是大家普遍认可人工智能的蓬勃兴起将带来新的社会文明，将推动产业变革，将深刻改变人们的生产生活方式，将是一场影响深远的科技革命。
为了客观认识人工智能的本质内涵和创新发展，本报告在简要介绍人工智能基本概念与发展历程的基础上，着重分析探讨人工智能的发展现状和未来趋势，试图揭示人工智能的真实面貌。很显然，在当下人工智能蓬勃发展的历史浪潮中如何选择中国路径特别值得我们深入思考和探讨。因此，本报告最后就我国人工智能发展态势、存在问题和对策建议也进行了阐述。
二、人工智能的发展历程与启示
1956年夏，麦卡锡（JohnMcCarthy）、明斯基（MarvinMinsky）、罗切斯特（NathanielRochester）和香农（ClaudeShannon）等科学家在美国达特茅斯学院开会研讨“如何用机器模拟人的智能”，首次提出“人工智能”这一概念，标志着人工智能学科的诞生。人工智能的目标是模拟、延伸和扩展人类智能，探寻智能本质，发展类人智能机器。人工智能充满未知的探索道路曲折起伏，如何描述1956年以来60余年的人工智能发展历程，学术界可谓仁者见仁、智者见智。我们将人工智能60余年的发展历程划分为以下6个阶段：
一是起步发展期：1956年-20世纪60年代初。人工智能概念在1956年首次被提出后，相继取得了一批令人瞩目的研究成果，如机器定理证明、跳棋程序、LISP表处理语言等，掀起了人工智能发展的第一个高潮。
二是反思发展期：60年代-70年代初。人工智能发展初期的突破性进展大大提升了人们对人工智能的期望，人们开始尝试更具挑战性的任务，并提出了一些不切实际的研发目标。然而，接二连三的失败和预期目标的落空（例如无法用机器证明两个连续函数之和还是连续函数、机器翻译闹出笑话等），使人工智能的发展走入了低谷。
三是应用发展期：70年代初-80年代中。20世纪70年代出现的专家系统模拟人类专家的知识和经验解决特定领域的问题，实现了人工智能从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重大突破。专家系统在医疗、化学、地质等领域取得成功，推动人工智能走入了应用发展的新高潮。
四是低迷发展期：80年代中-90年代中。随着人工智能的应用规模不断扩大，专家系统存在的应用领域狭窄、缺乏常识性知识、知识获取困难、推理方法单一、缺乏分布式功能、难以与现有数据库兼容等问题逐渐暴露出来。
五是稳步发展期：90年代中-2010年。由于网络技术特别是互联网技术的发展，信息与数据的汇聚不断加速，互联网应用的不断普及加速了人工智能的创新研究，促使人工智能技术进一步走向实用化。1997年IBM深蓝超级计算机战胜了国际象棋世界冠军卡斯帕罗夫，2008年IBM提出“智慧地球”的概念，这些都是这一时期的标志性事件。
六是蓬勃发展期：2011年-至今。随着大数据、云计算、互联网、物联网等信息技术的发展，泛在感知数据和图形处理器（GraphicsProcessingUnit，简称GPU）等计算平台推动以深度神经网络为代表的人工智能技术飞速发展，大幅跨越科学与应用之间的“技术鸿沟”，图像分类、语音识别、知识问答、人机对弈、无人驾驶等具有广阔应用前景的人工智能技术突破了从“不能用、不好用”到“可以用”的技术瓶颈，人工智能发展进入爆发式增长的新高潮。
通过总结人工智能发展历程中的经验和教训，我们可以得到以下启示：
（一）尊重学科发展规律是推动学科健康发展的前提。科学技术的发展有其自身的规律，顺其者昌，违其者衰。人工智能学科发展需要基础理论、数据资源、计算平台、应用场景的协同驱动，当条件不具备时很难实现重大突破。
（二）基础研究是学科可持续发展的基石。加拿大多伦多大学杰弗里·辛顿（GeoffreyHinton）教授坚持研究深度神经网络30年，奠定人工智能蓬勃发展的重要理论基础。谷歌的DeepMind团队长期深入研究神经科学启发的人工智能等基础问题，取得了阿尔法狗等一系列重大成果。
（三）应用需求是科技创新的不竭之源。引领学科发展的动力主要来自于科学和需求的双轮驱动。人工智能发展的驱动力除了知识与技术体系内在矛盾外，贴近应用、解决用户需求是创新的最大源泉与动力。比如专家系统人工智能实现了从理论研究走向实际应用的突破，近些年来安防监控、身份识别、无人驾驶、互联网和物联网大数据分析等实际应用需求带动了人工智能的技术突破。
（四）学科交叉是创新突破的“捷径”。人工智能研究涉及信息科学、脑科学、心理科学等，上世纪50年代人工智能的出现本身就是学科交叉的结果。特别是脑认知科学与人工智能的成功结合，带来了人工智能神经网络几十年的持久发展。智能本源、意识本质等一些基本科学问题正在孕育重大突破，对人工智能学科发展具有重要促进作用。
（五）宽容失败应是支持创新的题中应有之义。任何学科的发展都不可能一帆风顺，任何创新目标的实现都不会一蹴而就。人工智能60余载的发展生动地诠释了一门学科创新发展起伏曲折的历程。可以说没有过去发展历程中的“寒冬”就没有今天人工智能发展新的春天。
（六）实事求是设定发展目标是制定学科发展规划的基本原则。达到全方位类人水平的机器智能是人工智能学科宏伟的终极目标，但是需要根据科技和经济社会发展水平来设定合理的阶段性研究目标，否则会有挫败感从而影响学科发展，人工智能发展过程中的几次低谷皆因不切实际的发展目标所致。
三、人工智能的发展现状与影响
人工智能经过60多年的发展，理论、技术和应用都取得了重要突破，已成为推动新一轮科技和产业革命的驱动力，深刻影响世界经济、政治、军事和社会发展，日益得到各国政府、产业界和学术界的高度关注。从技术维度来看，人工智能技术突破集中在专用智能，但是通用智能发展水平仍处于起步阶段；从产业维度来看，人工智能创新创业如火如荼，技术和商业生态已见雏形；从社会维度来看，世界主要国家纷纷将人工智能上升为国家战略，人工智能社会影响日益凸显。
（一）专用人工智能取得重要突破。从可应用性看，人工智能大体可分为专用人工智能和通用人工智能。面向特定领域的人工智能技术（即专用人工智能）由于任务单一、需求明确、应用边界清晰、领域知识丰富、建模相对简单，因此形成了人工智能领域的单点突破，在局部智能水平的单项测试中可以超越人类智能。人工智能的近期进展主要集中在专用智能领域，统计学习是专用人工智能走向实用的理论基础。深度学习、强化学习、对抗学习等统计机器学习理论在计算机视觉、语音识别、自然语言理解、人机博弈等方面取得成功应用。例如，阿尔法狗在围棋比赛中战胜人类冠军，人工智能程序在大规模图像识别和人脸识别中达到了超越人类的水平，语音识别系统5.1%的错误率比肩专业速记员，人工智能系统诊断皮肤癌达到专业医生水平，等等。
（二）通用人工智能尚处于起步阶段。人的大脑是一个通用的智能系统，能举一反三、融会贯通，可处理视觉、听觉、判断、推理、学习、思考、规划、设计等各类问题，可谓“一脑万用”。真正意义上完备的人工智能系统应该是一个通用的智能系统。虽然包括图像识别、语音识别、自动驾驶等在内的专用人工智能领域已取得突破性进展，但是通用智能系统的研究与应用仍然是任重而道远，人工智能总体发展水平仍处于起步阶段。美国国防高级研究计划局（DefenseAdvancedResearchProjectsAgency，简称DARPA）把人工智能发展分为三个阶段：规则智能、统计智能和自主智能，认为当前国际主流人工智能水平仍然处于第二阶段，核心技术依赖于深度学习、强化学习、对抗学习等统计机器学习，AI系统在信息感知（Perceiving）、机器学习（Learning）等智能水平维度进步显著，但是在概念抽象（Abstracting）和推理决策（Reasoning）等方面能力还很薄弱。总体上看，目前的人工智能系统可谓有智能没智慧、有智商没情商、会计算不会“算计”、有专才无通才。因此，人工智能依旧存在明显的局限性，依然还有很多“不能”，与人类智慧还相差甚远。
（三）人工智能创新创业如火如荼。全球产业界充分认识到人工智能技术引领新一轮产业变革的重大意义，纷纷调整发展战略。比如，在其2017年的年度开发者大会上，谷歌明确提出发展战略从“MobileFirst”（移动优先）转向“AIFirst”（AI优先）；微软2017财年年报首次将人工智能作为公司发展愿景。人工智能领域处于创新创业的前沿，麦肯锡报告2016年全球人工智能研发投入超300亿美元并处于高速增长，全球知名风投调研机构CBInsights报告显示2017年全球新成立人工智能创业公司1100家，人工智能领域共获得投资152亿美元，同比增长141%。
（四）创新生态布局成为人工智能产业发展的战略高地。信息技术（IT）和产业的发展史就是新老IT巨头抢滩布局IT创新生态的更替史。例如，传统信息产业IT（InformationTechnology）代表企业有微软、英特尔、IBM、甲骨文等，互联网和移动互联网IT（InternetTechnology）代表企业有谷歌、苹果、脸书、亚马逊、阿里巴巴、腾讯、百度等，目前智能科技IT（IntelligentTechnology）的产业格局还没有形成垄断，因此全球科技产业巨头都在积极推动AI技术生态的研发布局，全力抢占人工智能相关产业的制高点。人工智能创新生态包括纵向的数据平台、开源算法、计算芯片、基础软件、图形处理GPU服务器等技术生态系统和横向的智能制造、智能医疗、智能安防、智能零售、智能家居等商业和应用生态系统。在技术生态方面，人工智能算法、数据、图形处理器（GraphicsProcessingUnit，简称GPU）/张量处理器（TensorProcessingUnit，简称TPU）/神经网络处理器（NeuralnetworkProcessingUnit，NPU）计算、运行/编译/管理等基础软件已有大量开源资源，例如谷歌的TensorFlow第二代人工智能学习系统、脸书的PyTorch深度学习框架、微软的DMTK分布式学习工具包、IBM的SystemML开源机器学习系统等；此外谷歌、IBM、英伟达、英特尔、苹果、华为、中国科学院等积极布局人工智能领域的计算芯片。在人工智能商业和应用生态布局方面，“智能+X”成为创新范式，例如“智能+制造”、“智能+医疗”、“智能+安防”等，人工智能技术向创新性的消费场景和不同行业快速渗透融合并重塑整个社会发展，这是人工智能作为第四次技术革命关键驱动力的最主要表现方式。人工智能商业生态竞争进入白热化，例如智能驾驶汽车领域的参与者既有通用、福特、奔驰、丰田等传统龙头车企，又有互联网造车者如谷歌、特斯拉、优步、苹果、百度等新贵。
（五）人工智能上升为世界主要国家的重大发展战略。人工智能正在成为新一轮产业变革的引擎，必将深刻影响国际产业竞争格局和一个国家的国际竞争力。世界主要发达国家纷纷把发展人工智能作为提升国际竞争力、维护国家安全的重大战略，加紧积极谋划政策，围绕核心技术、顶尖人才、标准规范等强化部署，力图在新一轮国际科技竞争中掌握主导权。无论是德国的“工业4.0”、美国的“工业互联网”、日本的“超智能社会”、还是我国的“中国制造2025”等重大国家战略，人工智能都是其中的核心关键技术。2017年7月，国务院发布了《新一代人工智能发展规划》，开启了我国人工智能快速创新发展的新征程。
（六）人工智能的社会影响日益凸显。人工智能的社会影响是多元的，既有拉动经济、服务民生、造福社会的正面效应，又可能出现安全失控、法律失准、道德失范、伦理失常、隐私失密等社会问题，以及利用人工智能热点进行投机炒作从而存在泡沫风险。首先，人工智能作为新一轮科技革命和产业变革的核心力量，促进社会生产力的整体跃升，推动传统产业升级换代，驱动“无人经济”快速发展，在智能交通、智能家居、智能医疗等民生领域发展积极正面影响。与此同时，我们也要看到人工智能引发的法律、伦理等问题日益凸显，对当下的社会秩序及公共管理体制带来了前所未有的新挑战。例如，2016年欧盟委员会法律事务委员会提交一项将最先进的自动化机器人身份定位为“电子人（electronicpersons）”的动议，2017年沙特阿拉伯授予机器人“索菲亚”公民身份，这些显然冲击了传统的民事主体制度。那么，是否应该赋予人工智能系统法律主体资格？另外在人工智能新时代，个人信息和隐私保护、人工智能创作内容的知识产权、人工智能歧视和偏见、无人驾驶系统的交通法规、脑机接口和人机共生的科技伦理等问题都需要我们从法律法规、道德伦理、社会管理等多个角度提供解决方案。
由于人工智能与人类智能密切关联且应用前景广阔、专业性很强，容易造成人们的误解，也带来了不少炒作。例如，有些人错误地认为人工智能就是机器学习（深度学习），人工智能与人类智能是零和博弈，人工智能已经达到5岁小孩的水平，人工智能系统的智能水平即将全面超越人类水平，30年内机器人将统治世界，人类将成为人工智能的奴隶，等等。这些错误认识会给人工智能的发展带来不利影响。还有不少人对人工智能预期过高，以为通用智能很快就能实现，只要给机器人发指令就可以干任何事。另外，有意炒作并通过包装人工智能概念来谋取不当利益的现象时有发生。因此，我们有义务向社会大众普及人工智能知识，引导政府、企业和广大民众科学客观地认识和了解人工智能。
四、人工智能的发展趋势与展望
人工智能经过六十多年的发展突破了算法、算力和算料（数据）等“三算”方面的制约因素，拓展了互联网、物联网等广阔应用场景，开始进入蓬勃发展的黄金时期。从技术维度看，当前人工智能处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还有数据、能耗、泛化、可解释性、可靠性、安全性等诸多瓶颈，创新发展空间巨大，从专用到通用智能，从机器智能到人机智能融合，从“人工+智能”到自主智能，后深度学习的新理论体系正在酝酿；从产业和社会发展维度看，人工智能通过对经济和社会各领域渗透融合实现生产力和生产关系的变革，带动人类社会迈向新的文明，人类命运共同体将形成保障人工智能技术安全、可控、可靠发展的理性机制。总体而言，人工智能的春天刚刚开始，创新空间巨大，应用前景广阔。
（一）从专用智能到通用智能。如何实现从狭义或专用人工智能（也称弱人工智能，具备单一领域智能）向通用人工智能（也称强人工智能，具备多领域智能）的跨越式发展，既是下一代人工智能发展的必然趋势，也是国际研究与应用领域的挑战问题。2016年10月美国国家科学技术委员会发布了《国家人工智能研究与发展战略计划》，提出在美国的人工智能中长期发展策略中要着重研究通用人工智能。DeepMind创始人戴密斯·哈萨比斯（DemisHassabis）提出朝着“创造解决世界上一切问题的通用人工智能”这一目标前进。微软在2017年7月成立了通用人工智能实验室，100多位感知、学习、推理、自然语言理解等方面的科学家参与其中。
（二）从人工智能到人机混合智能。人工智能的一个重要研究方向就是借鉴脑科学和认知科学的研究成果，研究从智能产生机理和本质出发的新型智能计算模型与方法，实现具有脑神经信息处理机制和类人智能行为与智能水平的智能系统。在美国、欧盟、日本等国家和地区纷纷启动的脑计划中，类脑智能已成为核心目标之一。英国工程与自然科学研究理事会EPSRC发布并启动了类脑智能研究计划。人机混合智能旨在将人的作用或认知模型引入到人工智能系统中，提升人工智能系统的性能，使人工智能成为人类智能的自然延伸和拓展，通过人机协同更加高效地解决复杂问题。人机混合智能得到了我国新一代人工智能规划、美国脑计划、脸书（脑机语音文本界面）、特斯拉汽车创始人埃隆·马斯克（人脑芯片嵌入和脑机接口）等的高度关注。
（三）从“人工+智能”到自主智能系统。当前人工智能的研究集中在深度学习，但是深度学习的局限是需要大量人工干预：人工设计深度神经网络模型、人工设定应用场景、人工采集和标注大量训练数据（非常费时费力）、用户需要人工适配智能系统等。因此已有科研人员开始关注减少人工干预的自主智能方法，提高机器智能对环境的自主学习能力。例如阿法元从零开始，通过自我对弈强化学习实现围棋、国际象棋、日本将棋的“通用棋类AI”。在人工智能系统的自动化设计方面，2017年谷歌提出的自动化学习系统（AutoML）试图通过自动创建机器学习系统降低AI人员成本。
（四）人工智能将加速与其他学科领域交叉渗透。人工智能本身是一门综合性的前沿学科和高度交叉的复合型学科，研究范畴广泛而又异常复杂，其发展需要与计算机科学、数学、认知科学、神经科学和社会科学等学科深度融合。随着超分辨率光学成像、光遗传学调控、透明脑、体细胞克隆等技术的突破，脑与认知科学的发展开启了新时代，能够大规模、更精细解析智力的神经环路基础和机制，人工智能将进入生物启发的智能阶段，依赖于生物学、脑科学、生命科学和心理学等学科的发现，将机理变为可计算的模型，同时人工智能也会促进脑科学、认知科学、生命科学甚至化学、物理、材料等传统科学的发展。例如，2018年美国麻省理工学院启动的“智能探究计划”（MITIntelligenceQuest）就联合了五大学院进行协同攻关。
（五）人工智能产业将蓬勃发展。随着人工智能技术的进一步成熟以及政府和产业界投入的日益增长，人工智能应用的云端化将不断加速，全球人工智能产业规模在未来十年将进入高速增长期。例如，2016年9月，咨询公司埃森哲发布报告指出，人工智能技术的应用将为经济发展注入新动力，在现有基础上能够提高劳动生产率40%；美、日、英、德、法等12个发达国家（现占全球经济总量的一半）到2035年，年经济增长率平均可以翻一番。2018年麦肯锡的研究报告表明到2030年人工智能新增经济规模将达到13万亿美元。
（六）人工智能将推动人类进入普惠型智能社会。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟，对生产力和产业结构产生革命性影响，并推动人类进入普惠型智能社会。2017年国际数据公司IDC在《信息流引领人工智能新时代》白皮书中指出未来五年人工智能提升各行业运转效率，其中教育业提升82%，零售业71%，制造业64%，金融业58%。我国经济社会转型升级对人工智能有重大需求，在消费场景和行业应用的需求牵引下，需要打破人工智能的感知瓶颈、交互瓶颈和决策瓶颈，促进人工智能技术与社会各行各业的融合提升，建设若干标杆性的应用场景创新，实现低成本、高效益、广范围的普惠型智能社会。
（七）人工智能领域的国际竞争将日趋激烈。“未来谁率先掌握人工智能，谁就能称霸世界”。2018年4月，欧盟委员会计划2018-2020年在人工智能领域投资240亿美元；法国总统在2018年5月宣布《法国人工智能战略》，目的是迎接人工智能发展的新时代，使法国成为人工智能强国；2018年6月，日本《未来投资战略》重点推动物联网建设和人工智能的应用。世界军事强国已逐步形成以加速发展智能化武器装备为核心的竞争态势，例如美国特朗普政府发布的首份《国防战略》报告即提出谋求通过人工智能等技术创新保持军事优势，确保美国打赢未来战争；俄罗斯2017年提出军工拥抱“智能化”，让导弹和无人机这样的“传统”兵器威力倍增。
（八）人工智能的社会学将提上议程。水能载舟，亦能覆舟。任何高科技也都是一把双刃剑。随着人工智能的深入发展和应用的不断普及，其社会影响日益明显。人工智能应用得当、把握有度、管理规范，就能有效控制负面风险。为了确保人工智能的健康可持续发展并确保人工智能的发展成果造福于民，需要从社会学的角度系统全面地研究人工智能对人类社会的影响，深入分析人工智能对未来经济社会发展的可能影响，制定完善的人工智能法律法规，规避可能风险，确保人工智能的正面效应。2017年9月，联合国犯罪和司法研究所(UNICRI)决定在海牙成立第一个联合国人工智能和机器人中心，规范人工智能的发展。2018年4月，欧洲25个国家签署了《人工智能合作宣言》，从国家战略合作层面来推动人工智能发展，确保欧洲人工智能研发的竞争力，共同面对人工智能在社会、经济、伦理及法律等方面的机遇和挑战。
五、我国人工智能的发展态势与思考
我国当前人工智能发展的总体态势良好。中国信通院联合高德纳咨询公司（Gartner）于2018年9月发布的《2018世界人工智能产业发展蓝皮书》报告统计，我国（不含港澳台地区）人工智能企业总数位列全球第二（1040家），仅次于美国（2039家）。在人工智能总体水平和应用方面，我国也处于国际前列，发展潜力巨大，有望率先突破成为全球领跑者。但是我们也要清醒地看到，我国人工智能发展存在过热和泡沫化风险，特别在基础研究、技术体系、应用生态、创新人才、法律规范等方面仍然存在不少问题。总体而言，我国人工智能发展现状可以用“高度重视，态势喜人，差距不小，前景看好”来概括。
一是高度重视。党和国家高度重视并大力发展人工智能。党的十八大以来，习近平总书记把创新摆在国家发展全局的核心位置，高度重视人工智能发展，多次谈及人工智能的重要性，为人工智能如何赋能新时代指明方向。2016年7月习总书记明确指出，人工智能技术的发展将深刻改变人类社会生活，改变世界，应抓住机遇，在这一高技术领域抢占先机。在党的十九大报告中，习总书记强调“要推动互联网、大数据、人工智能和实体经济深度融合”。在2018年两院院士大会上，习总书记再次强调要“推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济”。在2017年和2018年的《政府工作报告》中，李克强总理都提到了要加强新一代人工智能发展。2017年7月，国务院发布了《新一代人工智能发展规划》，将新一代人工智能放在国家战略层面进行部署，描绘了面向2030年的我国人工智能发展路线图，旨在构筑人工智能先发优势，把握新一轮科技革命战略主动，人工智能将成为今后一段时期的国家重大战略。发改委、工信部、科技部、教育部、中央网信办等国家部委和北京、上海、广东、江苏、浙江等地方政府都推出了发展人工智能的鼓励政策。
二是态势喜人。根据2017年爱思唯尔（Elsevier）文献数据库SCOPUS统计结果，我国在人工智能领域发表的论文数量已居世界第一。从2012年开始，我国在人工智能领域新增专利数量已经开始超越美国。据清华大学发布的《中国人工智能发展报告2018》统计，我国已成全球人工智能投融资规模最大国家，我国人工智能企业在人脸识别、语音识别、安防监控、智能音箱、智能家居等人工智能应用领域处于国际前列。近两年，清华大学、北京大学、中国科学院大学、浙江大学、上海交通大学、南京大学等高校纷纷成立人工智能学院。2015年开始的中国人工智能大会（CCAI）已连续成功召开四届、规模不断扩大，人工智能领域的教育、科研与学术活动层出不穷。
三是差距不小。我国人工智能在基础研究、原创成果、顶尖人才、技术生态、基础平台、标准规范等方面距离世界领先水平还存在较大差距。英国牛津大学2018年的一项研究报告指出中国的人工智能发展能力大致为美国的一半水平。目前我国在人工智能前沿理论创新方面总体上尚处于“跟跑”地位，大部分创新偏重于技术应用，存在“头重脚轻”的不均衡现象。在Top700全球AI人才中，中国虽然名列第二，但入选人数远远低于占一半数量的美国。据领英《全球AI领域人才报告》统计，截至2017年一季度全球人工智能领域专业技术人才数量超过190万，其中美国超过85万，我国仅超过5万人，排名全球第7位。2018年市场研究顾问公司CompassIntelligence对全球100多家AI计算芯片企业进行了排名，我国没有一家企业进入前十。另外，我国人工智能开源社区和技术生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。我国参与制定人工智能国际标准的积极性和力度不够，国内标准制定和实施也较为滞后。我国制定完善人工智能相关法律法规的进程需要加快，对可能产生的社会影响还缺少深度分析。
四是前景看好。我国发展人工智能具有市场规模、应用场景、数据资源、人力资源、智能手机普及、资金投入、国家政策支持等多方面的综合优势，人工智能发展前景看好。全球顶尖管理咨询公司埃森哲于2017年发布的《人工智能：助力中国经济增长》报告显示，到2035年人工智能有望推动中国劳动生产率提高27%。我国发布的《新一代人工智能发展规划》提出到2030年，人工智能核心产业规模超过1万亿元，带动相关产业规模超过10万亿元。在我国未来的发展征程中，“智能红利”将有望弥补人口红利的不足。
人类社会已开始迈入智能化时代，人工智能引领社会发展是大势所趋，不可逆转。经历六十余年积累后，人工智能开始进入爆发式增长的红利期。伴随着人工智能自身的创新发展和向经济社会的全面渗透，这个红利期将持续相当长的时期。现在是我国加强人工智能布局、收获人工智能红利、引领智能时代的重大历史机遇期，如何在人工智能蓬勃发展的浪潮中选择好中国路径、抢抓中国机遇、展现中国智慧需要深入思考。
（一）树立理性务实的发展理念。围棋人机大战中阿尔法狗战胜李世石后，社会大众误以为人工智能已经无所不能，一些地方政府、社会企业、风险资金因此不切实际一窝蜂发展人工智能产业，一些别有用心的机构则有意炒作并通过包装人工智能概念来谋取不当利益。这种“一拥而上、一哄而散”的跟风行为不利于人工智能的健康可持续发展。任何事物的发展不可能一直处于高位，有高潮必有低谷，这是客观规律。根据高德纳咨询公司发布的技术发展曲线，当前智能机器人、认知专家顾问、机器学习、自动驾驶等人工智能热门技术与领域正处于期望膨胀期，但是通用人工智能及人工智能的整体发展仍处于初步阶段，人工智能还有很多“不能”，实现机器在任意现实环境的自主智能和通用智能仍然需要中长期理论和技术积累，并且人工智能对工业、交通、医疗等传统领域的渗透和融合是个长期过程，很难一蹴而就。因此发展人工智能不能以短期牟利为目的，要充分考虑到人工智能技术的局限性，充分认识到人工智能重塑传统产业的长期性和艰巨性，理性分析人工智能发展需求，理性设定人工智能发展目标，理性选择人工智能发展路径，并务实推进人工智能发展举措，只有这样才能确保人工智能健康可持续发展。
（二）加强基础扎实的原创研究。人工智能前沿基础理论是人工智能技术突破、行业革新、产业化推进的基石。在此发展的临界点，要想取得最终的话语权，必须在人工智能基础理论和前沿技术方面取得重大突破。根据2017年爱思唯尔文献数据库SCOPUS统计结果，尽管我国在人工智能领域发表的论文数量已经排名世界第一，但加权引文影响力则只排名34位。为了客观评价我国在人工智能基础研究方面的整体实力，我们搜索了SCI期刊、神经信息处理系统大会（ConferenceonNeuralInformationProcessingSystems，简称NIPS）等主流人工智能学术会议关于通用智能、深度学习、类脑智能、脑智融合、人机博弈等关键词的论文统计情况，可以清楚看到在人工智能前沿方向中国与美国相比基础实力存在巨大差距：在高质量论文数量方面（按中科院划定的SCI一区论文标准统计），美国是中国的5.34倍（1325:248）；在人才储备方面（SCI论文通讯作者），美国是中国的2.12倍（4804:2267）。
我国应对标国际最高水平，建设面向未来的人工智能基础科学研究中心，重点发展原创性、基础性、前瞻性、突破性的人工智能科学。应该鼓励科研人员瞄准人工智能学科前沿方向开展引领性原创科学研究，通过人工智能与脑认知、神经科学、心理学等学科的交叉融合，重点聚焦人工智能领域的重大基础性科学问题，形成具有国际影响力的人工智能原创理论体系，为构建我国自主可控的人工智能技术创新生态提供领先跨越的理论支撑。
（三）构建自主可控的创新生态。美国谷歌、IBM、微软、脸书等企业在AI芯片、服务器、操作系统、开源算法、云服务、无人驾驶等方面积极构建创新生态、抢占创新高地，已经在国际人工智能产业格局中占据先机。我国人工智能开源社区和技术创新生态布局相对滞后，技术平台建设力度有待加强，国际影响力有待提高。美国对中兴通讯发禁令一事充分说明自主可控“核高基”技术的重要性，我国应该吸取在核心电子器件、高端通用芯片及基础软件方面依赖进口的教训，避免重蹈覆辙，着力防范人工智能时代“空心化”风险，系统布局并重点发展人工智能领域的“新核高基”：“新”指新型开放创新生态，如军民融合、产学研融合等；“核”指核心关键技术与器件，如先进机器学习技术、鲁棒模式识别技术、低功耗智能计算芯片等；“高”指高端综合应用系统与平台，如机器学习软硬件平台、大型数据平台等；“基”指具有重大原创意义和技术带动性的基础理论与方法，如脑机接口、类脑智能等。
另外，我们需要重视人工智能技术标准的建设、产品性能与系统安全的测试。特别是我国在人工智能技术应用方面走在世界前列，在人工智能国际标准制定方面应当掌握话语权，并通过标准实施加速人工智能驱动经济社会转型升级的进程。
（四）建立协同高效的创新体系。我国经济社会转型升级对人工智能有重大需求，但是单一的创新主体很难实现政策、市场、技术、应用等方面的全面突破。目前我国学术界、产业界、行业部门在人工智能发展方面各自为政的倾向比较明显，数据资源开放共享不够，缺少对行业资源的有效整合。相比而言，美国已经形成了全社会、全场景、全生态协同互动的人工智能协同创新体系，军民融合和产学研结合都做得很好。我国应在体制机制方面进一步改革创新，建立“军、政、产、学、研、用”一体的人工智能协同创新体系。例如，国家进行顶层设计和战略规划，举全国优势力量设立军事智能的研发和应用平台，提供“人工智能+X”行业融合、打破行业壁垒和行政障碍的激励政策；科技龙头企业引领技术创新生态建设，突破人工智能的重大技术瓶颈；高校科研机构进行人才培养和原始创新，着力构建公共数据资源与技术平台，共同建设若干标杆性的应用创新场景，推动成熟人工智能技术在城市、医疗、金融、文化、农业、交通、能源、物流、制造、安全、服务、教育等领域的深度应用，建设低成本高效益广范围的普惠型智能社会。
（五）加快创新人才的教育培养。发展人工智能关键在人才，中高端人才短缺已经成为我国人工智能做大做强的主要瓶颈。另外，我国社会大众的人工智能科技素养也需要进一步提升，每一个人都需要去适应人工智能时代的科技浪潮。在加强人工智能领军人才培养引进的同时，要面向技术创新和产业发展多层次培养人工智能创新创业人才。《新一代人工智能发展规划》提出逐步开展全民智能教育项目，在中小学阶段设置人工智能课程。目前人工智能科普活动受到各地学校的欢迎，但是缺少通俗易懂的高质量人工智能科普教材、寓教于乐的实验设备和器材、开放共享的教学互动资源平台。国家相关部门应高度重视人工智能教育领域的基础性工作，增加投入，组织优势力量，加强高水平人工智能教育内容和资源平台建设，加快人工智能专业的教学师资培训，从教材、教具、教师等多个环节全面保障我国人工智能教育工作的开展。
（六）推动共担共享的全球治理。人工智能将重塑全球政治和经济格局，发达国家通过人工智能技术创新掌控了产业链上游资源，难以逾越的技术鸿沟和产业壁垒有可能将进一步拉大发达国家和发展中国家的生产力发展水平差距。美国、日本、德国等通过人工智能和机器人的技术突破和广泛应用弥补他们的人力成本劣势，希望制造业从新兴国家回流发达国家。目前看，我国是发展中国家阵容中唯一有望成为全球人工智能竞争中的领跑者，应采取不同于一些国家的“经济垄断主义、技术保护主义、贸易霸凌主义”路线，尽快布局构建开放共享、质优价廉、普惠全球的人工智能技术和应用平台，配合国家“一带一路”战略，向亚洲、非洲、南美等经济欠发达地区输出高水平、低成本的“中国智造”成果、提供人工智能时代的中国方案，为让人工智能时代的“智能红利”普惠人类命运共同体做出中国贡献！
（七）制定科学合理的法律法规。要想实实在在收获人工智能带来的红利，首先应保证其安全、可控、可靠发展。美国和欧洲等发达国家和地区十分重视人工智能领域的法律法规问题。美国白宫多次组织这方面的研讨会、咨询会；特斯拉等产业巨头牵头成立OpenAI等机构，旨在以有利于整个人类的方式促进和发展友好的人工智能；科研人员自发签署23条“阿西洛马人工智能原则”，意图在规范人工智能科研及应用等方面抢占先机。我国在人工智能领域的法律法规制定及风险管控方面相对滞后，这种滞后局面与我国现阶段人工智能发展的整体形势不相适应，并可能成为我国人工智能下一步创新发展的一大掣肘。因此，有必要大力加强人工智能领域的立法研究，制定相应的法律法规，建立健全公开透明的人工智能监管体系，构建人工智能创新发展的良好法规环境。
（八）加强和鼓励人工智能社会学研究。人工智能的社会影响将是深远的、全方位的。我们当未雨绸缪，从国家安全、社会治理、就业结构、伦理道德、隐私保护等多个维度系统深入研究人工智能可能的影响，制定合理可行的应对措施，确保人工智能的正面效应。应大力加强人工智能领域的科普工作，打造科技与伦理的高效对话机制和沟通平台，消除社会大众对人工智能的误解与恐慌，为人工智能的发展营造理性务实、积极健康的社会氛围。
六、结束语
人工智能经过60多年的发展，进入了创新突破的战略机遇期和产业应用的红利收获期，必将对生产力和产业结构以及国际格局产生革命性影响，并推动人类进入普惠型智能社会。但是，我们需要清醒看到通用人工智能及人工智能的整体发展仍处于初级阶段，人工智能不是万能，人工智能还有很多“不能”。我们应当采取理性务实的发展路径，扎实推进基础研究、技术生态、人才培养、法律规范等方面的工作，在开放中创新，在创新中发展，全速跑赢智能时代，着力建设人工智能科技强国！
（主讲人系中国科学院院士）