【智库声音】人工智能技术在美国军事情报工作中的当前应用及发展趋势探析人工智能与情报工作的区别

发表时间：2023-07-17 00:08:23

【智库声音】人工智能技术在美国军事情报工作中的当前应用及发展趋势探析

在当前的网络数字时代，陆、海、空、天、网等多维空间内每分每秒都诞生着海量数据，情报分析员每天都要处理大量关于个人、非国家行为体和国家的数据信息。以图像分析为例，据悉，20名分析师在24小时内持续工作所能处理的数据，不到一台美国空军用于城市监视的广域图像传感器所收集到的10%，大量劳动力被海量数据所淹没。

美国《福布斯》杂志发表题为《重新定义军事情报：战场上的大数据》一文指出，自“9·11”以来，无人机和其他监视技术的数据量增长了1600%，分析数据信息就像在高速的消防带中饮水一样困难，需要开发具备智能功能的新软件用于数据的获取和分析。美国陆军中将迈克尔·奥茨曾说，“数据并不缺乏，缺乏分析。”，因此，如何利用现代信息技术和人工智能技术，提高情报分析处理的自动化程度和效率，成为当前情报工作面临的重点问题。现实需求是推动技术发展的强力“催化剂”，相较于人工分析处理数据信息，人工智能技术在海量数据分析中具有绝对优势，如通过图像理解、生物识别技术和深度机器学习能力对收集图像进行处理分析，高质量地实现图像自动识别和目标提取，从而减轻人类的工作量。

应用现状

高科技主导下的现代战争，交战双方的核心竞争发生在认知领域，谁具有信息优势，谁就占据了战场主动权。与人脑相比，人工智能技术具有反应迅速、储存量大、响应主动且不受体力限制的优势，可以极大提高情报工作的效率，确保情报工作成果精准化并实现情报工作流程的智能化。下面对人工智能技术在美国军事情报工中的当前应用现状进行梳理总结。

2.1编织智能侦察网络，拓宽多源情报搜集

众所周知，情报分析最可靠的形式是全源情报，即“将情报和所有相关来源的信息整合起来，以分析影响作战的情况或条件”。从近几场局部战争来看，为了搜集更多的数据信息，美军不遗余力地在陆、海、空、天、网等多维空间编织各类智能侦察网络，基于智能传感器技术的军用无人系统更是大量投放战场，在战场上发挥了重要作用。美国拥有的空中无人系统多达8000台，海上水中无人系统6000台，地面无人系统超过1.2万台。在阿富汗和伊拉克战争期间，美军为了占据信息优势，对敌实施快速打击，在太空投入了包括“锁眼”“大鸟”和“大酒瓶”等100多颗卫星在内的太空侦察系统;在空中将“全球鹰”“空中幽灵”“捕食者”“先锋”和“死神”等先进的无人机及侦察直升机大量投放实战;在海上和水下，美军也大量设置了各种无人潜航器和自动识别系统，能够在敌方海军基地和港口实施水下监视和跟踪，这些系统已成为美军行动中不可或缺的一部分。

在网络空间搜集情报也是美军获取信息的重要手段。前中情局职员爱德华·斯诺登披露了“棱镜”计划，该计划旨在通过远程电脑终端实施绝密电子监听，其实质就是利用智能网络技术在网络空间内搜集各种情报，“棱镜门”事件印证了美国情报战火在网络世界早已蔓延开来。美军通过网络，使用计算机病毒、木马程序和逻辑炸弹等智能网络武器实施网络攻击活动，以手中的键盘潜入到世界各个国家的电脑网络，并且根据当前任务驱动，有重点地对一些国家的政府主干网络、军事网站、军事研究机构和军事论坛进行全时监控浏览，完成情报搜集、摧毁和破坏等使命任务。如在协助美伊联军收复摩苏尔的战役中，网络司令部参战分队通过网络大量搜寻“伊斯兰国”及其支持者在邮箱和社交媒体中暴露的目标信息，使用快速定向技术进行定位配合美军实施点杀，对藏匿于摩苏尔的“伊斯兰国”头目巴格拉迪进行了至少4次精确定位侦察，却因“战术配合而非技术原因未能实现斩首”。在美国“网络风暴”和“网络卫士”等常规演习中，网络分队通过发送智能网络“钓鱼”电子邮件，搜集掌握假想敌“目标属性、规模和威胁水平”，并通过传送恶意文件谋求获取更加详细的目标信息。其低成本、战术级、潜隐性、收效高的特性，令网络空间成为美军侦察和搜集情报的重要来源。

军事卫星搜集情报

2.2运用先进智能系统，提高情报分析效率

目前，人工智能技术在情报分析应用中发挥作用比较明显的当属以专家系统、知识图谱、数据挖掘、机器学习等为代表的智能技术。就专家系统来说，它是一个以情报领域的专家知识与经验为基础的智能计算机程序系统，利用知识库中情报专家的知识和情报专家解决问题的方法和思维来处理该领域问题。同时，该系统可引入深度学习算法，随时人机交互，完善知识库储备，并具有自主学习和纠错能力，能够在应用实践中不断完善自身能力，主要作用为语音理解、图像分析、事物分类、诊断预警和计划生成。这类智能系统在军事情报分析中的应用广泛，大幅提高了情报分析效率。

此外，美国国防部算法战跨职能团队使用深度学习和神经网络技术为部队开发用于目标探测、识别与预警的计算机视觉算法，该小组于2017年12月部署到中东，显著提高了对无人机收集视频的“处理、利用与分发”能力，支持辅助美军挫败“伊斯兰国”的行动。由美国空军提议研发的数字企业多源开发软件(MEADE)能够直接回答问题或通过与用户交互，协助引导情报分析人员找到答案，并作为虚拟助手帮助情报分析师处理海量数据信息。

美国《人工智能技术与国家安全》报告指出，对于社交媒体的数据监测、分析以及筛选是美国国家安全的重要保障之一。借助数据挖掘技术，对网络空间内海量信息进行关联分析，从而获得与国家安全、恐怖活动相关的情报。为了应对“9·11”事件以来在世界范围内频发的恐怖事件，美国“人工智能暗网”项目通过收集网络空间内国际恐怖组织在网站、论坛、聊天室、博客、视频、虚拟世界等产生的“所有”网络内容，用多语言数据挖掘、文本挖掘和网络挖掘技术执行链接分析，成功预测和破获了近百起恐怖主义袭击危险。

此外，由美国水晶球公司开发的大数据分析“哥谭”平台已被美国情报界广泛使用，该平台可以帮助组织合并、管理、保护和分析大量数据，对语义、时间、地理空间和全文本进行分析。“哥谭”平台把人工智能算法与强大的引擎融合在一起，形成具有精准搜索和挖掘功能的智能搜索引擎，可对信息进行深度挖掘，然后通过人工智能算法在数据之间进行关联分析与预测，该平台在2011年美军击毙本·拉登的行动中和阿富汗战场上发挥了重要作用。

2.3利用智能防护软件，有效进行网络安防

在全球网络信息化程度高速发展的大背景下，具有隐蔽性、复合型、针对性、多路径性特点的恶意软件、漏洞后门、分布式拒绝服务攻击和高速持续威胁攻击日益增多，不断增长的网络攻击和入侵使各国军政机构面临巨大风险。美国前国家安全局局长兼美国网络司令部司令迈克·罗杰斯上将曾指出，“人工智能技术和机器学习是网络安全的基础。”

基于人工智能技术代理、神经网络应用、专家系统、深度学习的人工智能技术安全工具已广泛用于网络防御，并发挥了积极作用。如由赛门铁克软件公司研发的目标攻击分析工具能够在各个端点发布可疑活动并整理该信息，以确定每个操作是否有隐藏的恶意活动，可用于发现隐身、针对性和高速持续威胁的攻击。2010年，美国国防高级研究计划局在InterceptX工具中创建了第一个网络基因组程序，以揭示恶意软件和其他网络威胁的“DNA”，还可利用行为分析来限制新的勒索软件和启动记录攻击。IBM公司研发的QＲadarAdvisor软件具备自动调查事故，通过认知推理提供关键见解，识别高优先级风险并加快响应周期，能够帮助安全分析师评估威胁事件，以降低应对威胁事件带来风险的能力。

2019年1月14日，美国防部发布公告称，陆军的阿伯丁试验场正在研究人工智能技术如何保护战术网络和通信免受网络攻击，加强利用机器学习来自动检测网络漏洞，确保自动化网络决策，对以前未知的恶意软件和网络攻击作出自适应反应，推动人工智能技术在网络防御中更广阔的应用。同样，美国国防高级计划局明确表示，将在网络安全智能化方面加大投入力度，设计出可以自动攻击其他系统同时可以自我防御的程序，目前开展的研究社会工程主动防御项目和人机探索软件安全项目,就是其中优秀的代表。

网络安防

2.4依托各类智能手段，有效进行情报欺骗

《孙子兵法》曰:“兵者，诡道也”。情报欺骗一直是战争传统而重要的工具。信息化条件下，情报欺骗性质没变，但模式已经发生了很大的变化。近年来，基于神经网络技术的“深度伪造”开始崭露头角，使伪情报制作变得相当简便。该软件通过向计算机提供算法学习来模仿人的面部表情、习惯和声音，将虚假视频与假音频结合起来，散播虚假消息，让他们说出想要的任何内容。同样，生成合成图像、文本和音频的功能可用于在线冒充他人，或通过社交媒体渠道分发人工智能技术生成的内容影响公众舆论。

情报机构可以利用这项技术通过“合成人”制造谎言和混乱，有效利用情报欺骗传播舆情、夸大事实、煽动民众、制造恐慌，同时还可以利用各类网络智能武器实施信息诈取和情报欺骗。例如美军两款代号为“野蜂”和“病毒步枪”的智能网络兵器可无线监测电脑电磁辐射、自动识别出无线网络信号，通过“鲸吞式解码攻击”或强行无线“写入”病毒的方式控制目标电脑，进而发送欺骗信息，实施情报欺骗，误导对手。俗话说:“眼见为实、耳听为虚”，但是现在眼见未必为实。

发展趋势分析

随着人工智能技术不断向前发展，其在美国军事情报工作中一定会有更广泛的发展应用，但同样也面临着各种各样的问题与挑战，未来前景及发展走向仍需要密切关注。

3.1加强统筹规划，提高发展速度

近年来，美国国防部、各军种和情报界通过制定方针政策、成立专门负责机构、加大资金投入、注重军地部门合作和注重人才培养等举措不断推动人工智能技术应用在情报工作中的发展壮大。2017年7月，美国国防高级研究计划局发布《人工智能与国家安全》报告，称“人工智能的未来进步有可能成为一种变革性的国家安全技术”，鼓励情报工作与人工智能技术相结合，扩大情报界对人工智能技术的应用。2017年，仅中央情报局一家就同时与工业界开展了137项人工智能技术项目的研究开发。2019年1月26日，美国国家情报总监办公室发布《运用机器强化情报计划》，旨在通过人工智能、流程自动化和情报界官员强化技术维持美国的情报优势，即“AAA”战略。该计划是美国情报界首份指导人工智能技术应用于情报领域的国家战略，有助于情报界在各方面与人工智能技术的融合，推动情报界在组织机构和行为方式上发生巨大变革。人工智能技术已经成为美国情报工作更新升级的强大动力，未来一个时期必将成为人工智能在情报领域的高速发展阶段。

3.2明确未来方向，注重人机协作

人类和人工智能系统只有实现“人+机”的协同作战，才会产生“1+1＞2”的功效。自2016年《国家人工智能技术研究和发展战略规划》发布以来，美国关于人工智能技术的各类会议、研讨会和工作组均把人机协作放在优先位置。2019年美国政府更新发布的《国家人工智能技术研究和发展战略规划》着重强调开发补充和增强人类能力的人工智能技术系统，更加关注未来的工作。无论是装备还是人员，通过人工智能技术的数据评析后都会得到更强大的功效加成，但完全脱离开人类指导检验的人工智能技术就像是无源之水、无根之木。人始终是军事情报工作的主体，人机协作也将成为人工智能技术在未来军事情报工作中发展的方向。

人机协作

3.3健全法规体系，保证有效监管

任何新技术的发展都会带来史无前例的监管难题，人工智能技术也不例外。据《人工智能:美国的态度和趋势》报告披露，美国民众在一份对未来十年内可能对其造成困扰的事件进行排序的调查问卷中，把不断削弱的数据隐私和日益复杂的网络攻击排在了第一位。鉴于人工智能技术使用的广泛性，利用人工智能技术广泛收集普通公众的个人信息用于情报分析，存在着明显的侵犯隐私和应用范围扩大的问题，容易引发安全问题和社会争议。美国政府一直对人工智能技术的广泛应用和相关监管框架保持高度关注，并在自动驾驶等特定领域出台了一系列监管政策与措施，实践卓有成效。2019年4月16日，美国中情局前副局长迈克尔·莫雷尔与胡佛研究所高级研究员艾米·泽加特联名发表文章，警告美国情报机构必须应对技术进步带来的新情况，否则将“注定失败”。预计美国将很快成立专门针对人工智能技术在情报领域运用的监管机构，并制定相应法律、政策并研发安全标准和规范，尽快参与到人工智能技术在情报领域运用的监管与执法中去。

3.4提升风险意识，克服潜在挑战

人工智能技术在美国军事情报领域已经有了初步应用，但同样面临许多挑战。如军用人工智能技术系统目前透明度不高，很难理解中间的推演过程;基于人工智能技术的情报分析结果难以获得决策者的信任，这也是今后人工智能技术情报项目开发者所面临的一大挑战。军事行动具有高风险这一特性意味着运用的人工智能技术系统需要极度稳健可靠，但现在大部分人工智能技术培训的测试是基于学习大量的训练数据，容易受到输入数据难以察觉的操作影响，输入的数据是否安全卫生，数量是否充足，都是影响结果的重要因素。人工智能最大的“克星”当属来自人类的欺骗或“诱导输入”，哪怕只是照片被放错位置，一张坦克的照片就可能被误判为汽车，但人眼就很容易辨别出个中差异。此外，人工智能技术还面临着来自黑客攻击、技术复制和恶意使用的危险，甚至可能危害到国家安全。

结语

虽然人工智能技术已在情报领域得到了广泛应用，但是，鉴于人们正在为人工智能技术寻找预防和应对“欺骗”的方法，我们不能过于乐观，但也不能简单忽略挑战的严肃性，同时更不能杞人忧天，过度放大风险来阻碍技术发展。当今时代，人工智能技术在情报领域的运用机遇与挑战并存。

注：原文来源网络，文中观点不代表本公众号立场，相关建议仅供参考。

人工智能

陆军

海军

空军

航天

网络空间

电子信息

核武器

制造

基础科学

技术返回搜狐，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）

人工智能让舆情监测从信息检索走向内容多维度识别

AI舆情系统提升了数据的精准性。早期的舆情监测，通常由“关键词”搭配“与、或、非”的判断逻辑进行数据检索，往往需要辅以大量的人工，对数据进行二次处理。而智能化的监测，则通过自然语言处理技术对内容进行多维度识别，从而提升数据的准确性。

全民互联网时代，舆情无时不有，风险无处不在。目前，中国网民总体规模已超过10亿，网络成为人们表达个人意见和观点的重要渠道。社会舆论也随之从线下转移到线上。网络舆情信息成为舆情信息的重要组成部分，给全媒体时代做好舆情工作带来全方位的挑战。

“智能化舆情管理是行业发展的必然。伴随着自媒体、移动端的快速发展，在不到10年的时间里，每日舆情数据总量从百万级扩展到千万级，当前已经达到亿级。如此庞大的舆情信息，远远超过正常阅读的极限，要对海量的信息进行分析，势必要使用人工智能技术对舆情信息进行处理和研判。”2月8日，人民在线副总编辑、人民网新媒体智库高级研究员刘鹏飞在接受科技日报记者采访时表示。

AI舆情系统优势愈发突显

与传统舆情系统相比，AI舆情系统有何不同？

人民在线副总经理汪大伟答道，AI舆情系统是指以人工智能技术进行中文全媒体资讯自动化分析与大数据情报挖掘的综合系统。与传统舆情系统相比，其有两个明显的转变：舆情监测从“检索”到“算法”的转变；数据计算从“简单计算”到“深度学习”的转变。AI舆情系统的优势在于可以精确地对文本类信息进行实体识别、语义消歧、知识图谱构建、话题分类、自动摘要、情感分析，并对于图像类的信息进行有效的品牌识别、人脸识别、物体识别和文字识别等。

汪大伟进一步解释，随着大数据、云计算、人工智能技术的发展与用户量的日益增长，舆情智能化发展亟待解决两个需求：以移动化应用为代表的“浅舆情”需求以及需要深度分析的“潜舆情”需求。而无论是“浅舆情”还是“潜舆情”都需要一个强大的舆情数据处理平台。

首先，AI舆情系统提升了数据的精准性。早期的舆情监测，通常由“关键词”搭配“与、或、非”的判断逻辑进行数据检索，往往需要辅以大量的人工，对数据进行二次处理。而智能化的监测，则通过自然语言处理技术对内容进行多维度识别，从而提升数据的准确性。基于自然语言处理技术，AI舆情系统运用垃圾分类模型提升数据精准度，并通过情感分析技术获取敏感信息，实时表现舆论状态，评估舆论走向。在此基础上，系统还能通过事理图谱、热点聚类、文本分类等学习方法，对舆情事件的发展脉络、特征分布、风险等级进行自动阶段性总结，并给出趋势预测。

其次，AI舆情监测的优势，还体现在对“非确定”信息的监测上。长期以来，舆情监测一直存在一个难题，即对一个部门、企业、话题、事件等确定性的“主题监测”相对容易，但对一些“无主题”的监测，则困难得多。

例如，如果想关注全国的校园安全舆情并精准推送给相关部门，很明显这很难穷举全国所有学校的关键词及安全相关的关键词。而AI舆情系统通过设定主题地域属性、媒体权重、热度属性、行业属性、情感属性、敏感属性，可以快速将全国的舆情事件进行定位、定性，并在此基础上进行信息的抽取、挖掘、聚类和分析，为关联单位提供智能监测、智能预警、智能研判等服务。

从“网络问政”到“网络理政”

近年来，有不少地方的市场监管部门越来越重视舆情数据的使用。将当前舆情压力最大、最敏感的行业作为工作关注的重要方向，特别是对一些周期性、常态化的问题提前布局，通过精准识别、精准执法，以监管促合规，在降低自身舆情风险的同时，也提升工作效率，优化市场环境。

汪大伟指出，AI舆情系统提升了信息概括总结的能力，舆情作为重要的社会评价数据，在跟其他维度的数据进行融合之后，再次扩展了应用场景和使用价值。很多政府机构将舆情数据视为社会治理数据的重要组成部分；企业则常将舆情数据作为大数据风控和智慧营销的重要参考指标。显然，AI舆情系统推动了“网络问政”向“网络理政”的转变。

随着近些年数据风控应用越来越广泛，在治理个人征信数据滥用乱象之后，很多金融企业将舆情数据作为重要的风险指标，希望利用舆情数据进行风险识别、风险估测和风险评价等。

汪大伟说：“AI舆情系统不仅能够将已有风险归纳为经验知识，还可以利用人工智能技术和知识图谱功能，将某一种经验扩充为某一类经验，以此来实现对未来风险的精准预测。此外，AI舆情系统的知识图谱功能，具有推理计算的能力，可以发现以往并未存在但将来可能存在的风险，满足用户的深层需求。”

2020年9月，《关于加快推进媒体深度融合发展的意见》指出要以先进技术引领驱动融合发展，用好5G、大数据、云计算、物联网、区块链、人工智能等信息技术成果，加强新技术在新闻传播领域的前瞻性研究和应用。

在传统媒体时代，一篇新闻稿件发布的同时，意味着工作即结束。而在融媒体时代，稿件的发布仅仅是稿件传播的开始。通过对稿件内容的分析，可以更加精准地分析出稿件更适合在什么时间发布、更容易在什么平台上传播、更适合用哪种表现形式。而这一切，很可能是基于舆情数据对当前新闻舆论的精准分析。

【智库声音】人工智能技术在美国军事情报工作中的当前应用及发展趋势探析 人工智能与情报工作的区别