医疗人工智能：如何抓住四大机遇 应对四大挑战
机遇1：使用AI工具评估临床试验的纳入/排除标准
在临床试验中，人工智能可用于评估与影像学或组织病理学相关的纳入和排除标准。因为第一批使用人工智能技术的诊断工具已经进入市场，所以这种应用是意料之中的。有了这些工具，对已有纳入/排除标准的评估过程将会变得更快，同时成本也会随着标准化程度的提高而降低。
对于低收入到中等收入国家来说，AI工具特别重要。当需要通过血液或组织等生物样本诊断疾病时，这些国家通常缺乏本国专家来评估生物样本。AI工具可以有效简化这一过程，帮助研究人员在当地进行样本评估，而不需要复杂且耗时的跨国运输。
机遇2：在II期临床试验中使用人工智能识别临床活动
利用人工智能评估新药的临床疗效可以降低成本、加快临床研发、尽早为患者带来新疗法，比如在II期试验中评估CT扫描或MRI扫描的成像端点。基于人工智能的算法可以优化成像结果的读取和评估，减少阅读器之间和内部的可变性，从而提高测量的灵敏度和特异性。如果这一工作不再需要放射科医生，那么可以有效地加快测量过程并降低成本。
另一个应用是开发新的临床试验终点，因为人工智能算法可以帮助减少试验患者数量。
例如，帕金森病患者可以在手腕上佩戴加速度计，就像健身追踪器一样。该加速度计将提供患者运动障碍及其随时间变化的连续数据，然后人工智能算法对这些数据进行评估，以区分患者是处于ON状态还是OFF状态，从而记录药物是否能起到改善病情的作用。
与患者日记或帕金森病综合评分量表(UPDRS)相比，这种评估方法可以极大降低可变性，因为UPDRS量表无法测量ON和OFF状态的确切时间。如果确认了临床终点，降低的变异性可能有助于招募更少的II期患者，以确定一种新药的治疗效果。
图1是关于帕金森病的一项临床研究，该研究与样本量以及是否持续监测有关。根据目前的UPDRS-III量表，在12个月的时间内，与患者日记等标准护理相比，超过300名患者(每只手臂150名患者)需要检测到疾病进展的放缓幅度大于40%。通过使用加速度计进行持续监测，大约有80名患者(每只手臂40名患者)达到预期结果的80%。
这使得之前假设的端点可变性，与UPRS-III相比，需要除以4。这种方差的降低是很有可能的，因为UPDRS-III量表与极端的变异性有关，在一年的时间内只能评估几次，例如四到六次，因为它需要患者去医院接受检测，并在没有服用左旋多巴（L-dopa）的情况下进行评估。
通过连续而不是交错的评估，从而提高运动活动的个别轨迹。而减少样本量会使研究成本更低，执行速度更快。
研究人员预计这种技术进步将对II期临床试验产生最大影响，因为III期临床试验需要足够多的患者来准确评估新产品的安全性，并在更大的样本容量中验证II期临床试验结果。
此外，在任何新的临床终点可以作为常规的替代终点证明临床效益之前，都需要经过大量的验证过程。
机遇3:从非结构化文本中提取数据
我们可以从卫生局、医疗保健公司和互联网的非结构化文本中获得有价值的信息。其中包括关于智能监管等相对复杂的信息，但也有简单的数据，一旦这些数据被提取并转移到数据库中，研究人员就可以很容易地对其进行评估。
使用自然语言处理(NLP)进行文本挖掘的新工具为从文档中提取信息和数据以及随后自动上载到数据库中进行分析提供了新的可能性。现在已经有了基于人工智能的工具，可以从非结构化文本(如产品特性摘要)中提取数据来识别药品(IDMP)(如物质名称或强度)(见图2)。
文本挖掘工具让卫生当局以及制药公司能够更好地制作化学成分生产和控制（CMC）的文档和指南。这些工具帮助卫生局通过不同应用程序和营销授权来评估文档。
比如在生产过程中发现产品有相同的化学杂质或者寻找一种用于制造新生物实体的特定原材料。这将帮助卫生局的审查人员改进其决策的制定，与此同时，帮助制药公司从卫生当局的规定中自动提取信息并将其导入智能监管系统。
而这两项任务，都需要能够理解CMC文档的NLP软件。该软件需要访问大量数据，才能快速、高效、高质量地实现预期结果，给卫生当局以及行业利益相关者带来最大的利益。
机遇4:自动化行政工作
卫生当局和医务工作者管理着大量的行政工作，而机器人流程自动化(RPA)和机器学习(ML)可以帮助他们减轻工作负担。
例如，一项对监管优化组织(ROG)的审查显示，在欧盟，约有400名全职员工受雇于有关当局及行业，负责管理IA型变异。
在人工智能联盟会议上，参会人员就AI/RPA如何帮助自动化处理IA型变异进行了讨论，前提是有关企业可以在没有授权批准的情况下实施，但需要在特定时间告知卫生当局这一情况。
人工智能在这方面的一个应用是从扫描文件(如登记证或贸易登记册副本)中智能提取信息，并使用“SPOR”标准将这些信息转移到数据库中，包括实体、产品、组织和参考数据(详见图3)。这种技术已经用于发票的自动处理，其中发票上的数据可以被提取到ERP系统中。
注:光学字符识别(OCR)将文本和图形从(扫描)图像转换为机器可读数据/文本
1.CTD文档应该是可搜索的PDF格式，但是确认文档或付款证明需要OCR；
2.文本挖掘通过使用NLP将非结构化信息从文本转换为结构化信息/数据，例如，MAH或制造商的地址、产品、物质名称、剂型和给药途径等信息；
3.提取已经确定的结构化信息(“片段”)并转移到暂存区域，该区域在处理过程中有结构化信息；
4.作为自动化处理的一部分，进行各种一致性检查；
5.系统显示工作流程和一致性检查的结果,人类处理器，人类可以纠正潜在的错误并最终批准数据集；
6.系统通过学习人类处理的修正，来逐渐改进其性能；
7.使用确定的标准(如SPOR)，将识别出的结构化信息传输到相关的数据库中。
四大挑战：人工智能深入临床面临着监管挑战
挑战1:如何验证不断“学习”的AI软件
人工智能系统在不断地学习，因此它们在未来的医疗保健中有着巨大的应用潜力。然而，这也产生了一个很重要的问题，即当基于人工智能的软件在使用过程中持续学习时，应该如何以及何时对其进行验证。其中一种方法是以交错的方式验证它，以便在一定数量的学习周期之后能够重新验证它。
而另一个问题在于验证方法是否会产生风险，因为研究人员假设完全自主学习解决问题的系统风险更高，因此需要比使用ML技术进行优化的工具更严格的验证。此外，还需要对“人工评分者”和最终结果进行验证。因此，在任何情况下，都需要进行讨论，以确定最合适的方法来验证基于AI的软件。
挑战2:如何评估从新的基于AI的临床端点发出的安全信号
正如前面强调的，基于AI的技术帮助开发用于识别临床疗效的新端点。然而，这些数据可能包括必须进行彻底评估的安全信息。在前面使用腕式加速度计对患者进行持续监测的例子中，数据可以识别患者是否跌倒或是否处于活动状态。因此，在实施这种新方法时，必须适当考虑如何从这些数据中获取和评估安全信号。
挑战3:如何审查使用AI的医疗技术
越来越复杂的医疗设备/软件，包括那些采用人工智能技术的设备/软件，正给监管部门带来越来越大的审查挑战。例如，最近第一个人工智能软件获得批准，该软件可以在不需要专家的情况下识别疾病。
此外，利用深度学习技术训练神经网络，可以从皮肤镜图像中诊断出黑色素瘤。这些产品在美国由FDA审查和批准，而在欧盟，医疗器械认证体系已经比较完善。因此，欧盟成员国确定了60个第三方指定机构，来决定医疗设备/软件是否符合指令93/42/EEC。
对于这么多组织来说，达到并保持必要的知识深度，以规范日益复杂的技术产品是很困难的，尤其是因为他们不仅需要了解技术而且还需要了解设备应用的疾病。人工智能联盟会议质疑向欧盟卫生当局分配的医疗设备/软件审查，并认为这是一种集中的方式，以确保适当的专业知识可用于评估。
挑战4:人工智能系统需要数据——谁拥有患者的数据?
人工智能系统需要数据来进行“学习”，在许多医疗应用中，所需数据来自患者。使用这些数据开发的工具可能会为未来的患者护理提供便利，但也可能只是作为商用。在这种情况下，问题的关键在于谁拥有数据以及随后开发的工具。
这个问题的答案并不简单，患者群体、法律专家、医疗服务提供者、行业和医院等利益相关方需要密切合作，按照项目范围和规定要求，根据具体情况逐一做出决定。
为了促进使用患者数据开发基于人工智能的创新工具，必须建立并实施具有一致标准的国际框架体系。因此，关于这个主题的讨论是很有必要的，并且应该考虑数据匿名化等问题。
人类如何面对AI挑战
原标题：人类如何面对AI挑战
文章来源：21世纪经济报道
郑磊/文
经济学家关心的一个重大问题是：人工智能会对就业带来怎样的冲击？一个似乎取得了共识的观点是：人工智能暂时会给就业市场带来冲击，导致结构性失业剧增，但长期来看，由于新技术开辟了新经济领域，这种失业问题不一定会比现在更严重。而在人工智能领域极富洞见的“数据分析之父”托马斯·达文波特并不这样认为。实际上，人工智能对就业的影响很类似产业转移，而我们都已经看到了美国、日本制造业空洞化产生的社会恶果。在他的名著《人机共生：智能时代人类胜出的5大策略》里，重点讨论了知识工作者如何在人工智能时代取得比智能机器更大竞争优势的策略，他的建议很有见地，当然，未必人类只有这一条路可走。
只要人工智能侵入某个领域，这个领域的人类工作机会就将减少。回顾一下人工智能发展的事实，可以看到第一阶段是机器将人们从那些让人身心俱疲的工作中解脱出来。比如富士康的电子产品组装工作，亚马逊仓库的挑选和包装工作，逐渐被机器手取代了。在自动化的第二阶段，枯燥乏味繁琐的事务性工作会成为被取代的目标。办公室白领的大部分日常工作都属于此类，比如秘书、助理等。这些程式化的事物很容易转换成计算机可执行的代码。可以说，在自动化的前两个阶段，以简单制造和一般性服务为基础的经济结构将被侵蚀，造成大量只需要低端技能岗位的劳动者失去工作。随着机器变得越来越智能，它们还能完成一些我们一度认为只有人类才能做到，而机器无法胜任的决策工作。目前人工智能的应用，比如会下棋、会考试的机器，已经证明智能机器可以比人类更快更好地做决策。
一项对352名机器学习研究者的调研显示，人工智能在30年之后将会超过人类智能。再过5-10年，多数行业都会出现智能机器与人类一起工作的场景。麦肯锡预测，2025年将发生知识工作者的工作被自动化取代的剧变，届时智能机器能够完成1.1亿-1.4亿全职员工的工作。达文波特认为，发达经济体中约有25%-50%主要从事知识与信息处理的工作者将面临人工智能的威胁。而在美国，这相当于约47%的工作职位。
当人工智能侵入知识工作领域时，一些工作反而不再需要以前那些必备技能了，半技术或无技术员工就可以完成这些工作。这种现象称为“去技能化”（deskilling），这种前景颇让人始料不及。比如，放射科医生多年执业积累的丰富的看图诊断能力将不再需要，现在机器识读CT和MRI图像的技术已经出现，机器已经可以标注出病变部位，最近几年这些医生的数量在持续降低。
如果把人工智能替代低端劳动视为”正向淘汰”，那么对知识工作者的部分乃至完全替代则应看作“逆向淘汰”。尽管两者在单纯经济和技术角度看都具有革命性，但是对社会结构和正常社会生活的冲击过大。对于技术而言，不仅要考虑技术的先进性，而且要考虑其目的手段以及后果的正当性。人工智能技术应用应将提升社会福祉、实现人们的内在幸福感作为目标。从某种角度上，人类是有很多缺点的劳动者，比如劳动力成本越来越高，提供符合人体工学的工作环境和设施以及后勤保障都比较费钱；人类工作者还需要额外的监督，比如一些舞弊或渎职行为（据美国人力资源经理调查，只有约13%的员工在努力做好本职工作），这比使用同样能力的智能机器要贵得多……但是，劳动给人类带来了体验幸福不可或缺的归属感、满足感和成就感，这是人类最看重的身份认同和核心价值观。即便无工可务的人们能够分享人工智能系统所创造的巨大财富，这样的社会却无法让大家体现自身的价值，从中获得生活的意义。对于人类来说，这是非常残酷的未来图景。
达文波特指出了人类与智能机器和谐共生所需的条件就是让自己成为全局者、避让者、参与者、专精者和开创者。能达到这个标准的个人恐怕更稀少。人类必须主导人工智能的发展，这是人类社会的内在要求。人工智能的定位只能是补充人类尚不完美的行动能力，任何单从效率而侵犯人类应有劳动权利的技术都是违反伦理的，并不值得提倡和鼓励。从这个原则出发，则应该慎重对待以单纯提高效率为目的的人工智能技术应用。
（作者：郑磊编辑：董明洁）
财会人员在人工智能的机遇和挑战
财会人员在人工智能的机遇和挑战时间：2023-04-1312:04:45
摘要：在过去的几年中，中国的科学技术水平飞速发展，特别是在中国的人工智能技术方面取得了长足的进步。人工智能技术在会计、税务、审计等领域的应用是发展机遇，也是会计师的最新挑战。本文将从会计行业出发，以客观的角度探讨人工智能背景下会计人员面临的机遇和挑战。同时，根据新时代的新要求，对现代会计人员的发展提出一些建议。
关键词：人工智能；财会人员；机遇与挑战
引言
在人工智能快速发展的背景下，会计师规划和发展新职业变得更加重要。因此，迫切需要传统会计人员向综合管理会计能力的过渡和发展。随着人工智能的快速发展，“德勤金融机器人”和“金蝶金融机器人”受到了业内许多人的关注。人工智能迅猛的发展给会计从业人员带来了巨大的挑战。
一、人工智能的发展背景和在财会行业中的应用
（一）人工智能的发展背景人工智能（ArtificialIntelligence），通常称之为AI。人工智能技术可以大大减少人机的烦琐操作，达到提高人们生产力的目的。自诞生以来，人工智能科学技术经历了三波技术改革浪潮。在1980年代，人工智能开始了第一波改革，主要集中在人类的知识领域。第二波人工智能技术改革浪潮始于00年代，一直持续到今天。目前，人工智能转变的标志是机器学习的出现，即试图将人工智能技术应用于机器学习功能，特别是机器人对人类行为思维学习和仿真的能力。如今，我们将带来第三次人工智能改革浪潮，对通用人工智能技术进行描述性研究和应用。
（二）人工智能在财会行业的应用如今，传统的人工智能技术已开始应用于会计行业，主要使用自动扫描和语音输入技术来填写凭证、原件、期刊、期刊和对账单。此外，例如当今最常用的会计软件“金蝶”和“用友”软件，这些会计方法在很大程度上取代了传统的会计人员来注册原始凭证、编制日记账和报表，通过会计电算化在计算机上的簿记中自动创建凭证和账户。在会计行业中使用人工智能技术后，人工智能通过智能识别记录簿记员的正常会计习惯，自动从系统接收相关发票、汇票和支票，并自动生成会计凭证并提供各种类型的报告，以满足电子会计以及电子账单和电子发票普及的目的。美国现在已经将人工智能带入了税务处理，并且还使用自行开发的自动化税务计划应用程序来帮助美国大小企业执行各种税务任务，对企业资金使用效率起到了很大的提升作用。相比之下，人工智能在中国税务行业中的应用仍处于起步阶段。但相信随着“互联网+税收”行动计划的实施，电子会计和税收网络化时代即将到来。
二、财会人员在人工智能时代的新机遇
（一）人工智能工作范围有局限性李开复在《人工智能对人类社会的真正威胁》中指出，人工智能不擅长需要创造力、计划能力和跨领域思考的任务。在目前人工智能的发展水平上，人工智能无法完全取代会计人员。但是会计人员可以通过人工智能完成一些重复性的基本任务，从而提高效率。因此，会计人员应了解人工智能的局限性，提高其不可替代的计划和创造力，并将其转变为综合的人才管理能力。
（二）会计理论的发展相对滞后与科学技术的飞速发展相比，会计理论的发展要慢得多。但是，会计理论发展的延迟却为会计师带来了机会。随着时间的推移，计算机会计将逐渐取代传统的会计，会计理论将随着相关技术的变化而不断发展。在这种转型过程中，经常需要许多熟悉会计理论的会计师提供专业知识，以改善和加快改革进程。因此，在人工智能进入会计行业的过程中，会计人员要牢牢抓住这一机遇，不断提高自己的专业能力，参与改革，顺应时代潮流。
（三）人工智能存在一定的安全隐患人工智能可以取代基本的财务人员。完全填写原始凭证和各种账表，实现财会核算电子化和电子账单的普及，并以电子格式组织、分析和记录保存各种财务信息。尽管电子存储具有很多优点，例如占用空间小，可以存储大量数据并且易于查找。但是，以电子方式存储所有公司数据会带来巨大的安全风险，如果没有安全措施，该系统可能会受到黑客的攻击，并导致大量公司财务信息泄漏，造成不可挽回的损失。
三、财会人员在人工智能时代的新挑战
（一）会计行业大量传统岗位被取代随着人工智能技术的发展和互联网时代的到来，市场对传统会计职位的需求已大大下降，就像1980年代中国开始普及计算机记账，传统的人工做账逐渐被取代。人工智能的普及将取代许多简单的会计和会计工作。如果担任这些职位的会计人员不能及时学习和加强自己，他们将面临失业。
（二）企业对财会人员的要求提高如今，德勤会计师事务所开发了一种金融人工智能机器人，人工智能技术不仅应用于会计师事务所的会计，税务和审计工作，也可用于公司财务管理。长此以往，具有高精度统计功能的机器人将承担大量技术含量低的任务。因此，随着人工智能的普及，对会计人员的组织要求将从最初的审计和公司账户计算上升到要求公司会计人员不再局限于会计角度的，需要会计人员自己能够使用领导力思想，从组织的角度审查自己的工作，并使用相关的财务数据和特殊知识为组织发展提供可行和有效的建议。这就要求如果当今的会计人员想要成为大公司所需的综合人才，那么他们不仅应树立集体观，而且还要在技术、专业、业务技能、个人创新能力和领导能力方面全面自我发展。
（三）高水平专业财务管理人才紧缺在人工智能背景下，负责基础核算会计人员面临失业的危机，这些相关职位和工作交付给机器人时将被标准化并提高效率。减少了会计人员的日常工作量，减轻了工作压力，并且会计人员可以有更多的时间和精力来进行战略管理以及从事会计工作管理相关的工作。这要求具有更专业的财务管理知识的高级会计师参与公司实体的高级财务管理工作。随着基本财务会计和审计工作被人工智能财务机器人取代，公司将对高级财务管理人员，尤其是那些能够掌握新财务管理概念和技能的人员的需求更加迫切。
四、财会人员应对挑战的建议
（一）及时更新学习会计的新知识，熟练使用各种财务会计软件自古以来社会生存规则就是“优胜劣汰”，落后就要挨打。特别是作为要活到老学到老的会计师，如果不及时“更新充电”，就会被时代所抛弃。截至2017年11月5日，会计从业资格证已正式撤销，现在初级会计师资格证书仅是会计行业的一个敲门砖。对于会计师而言，重要的是要拥有会计工作所需的专业能力，而不是一张纸质证书。因此财会人员必须熟悉计算机会计系统的使用，并通过国家的会计人员专业教育平台及时学习各种会计知识和最新的国家财政政策。同时，通过各种渠道了解学习掌握人工智能知识，并在日常账户处理中合理地使用它们。目前，会计专业的计算机课程的学习仅限于一般办公软件的使用，这只能满足大多数基本的办公应用要求，远不能满足人工智能时代环境下对财会人员的业务水平需求。因此，我国的财务和会计学校应加强对会计学学生计算机课程的关注，改变培养目标定位，对会计学学生进行培训，增强他们在学生ERP课程中的专业知识，并鼓励学生掌握ERP软件的开发，应用和维护，提高学生的计算机技能并整合他们所学的知识以建立自己的独特竞争力。
（二）积极转变思维，向管理会计转型在人工智能时代，随着金融机器人的普及和许多金融软件的在线操作，企业会计岗位需求不断下降和调整，市场中会计岗位的需求总数逐年下降。影响最大的是从事基础会计工作的会计人员。对于这些会计师来说，为了不被人工智能时代所淘汰，他们需要及时更新其知识结构并提高自己的价值，以适应人工智能大环境下的财务管理需求。在人工智能时代结合会计人员的基本情况和企业发展的实际需要，会计人员的最佳过渡路径是尽快从财务会计过渡到管理会计。在人工智能时代，对公司管理会计的需求与日俱增，管理会计将成为公司会计人员的主流和趋势。众所周知，管理会计需要了解未来，指导决策，管理风险和营造道德环境，还需要具有管理信息系统和与人合作实现组织的目标的能力。我们需要注意分析数据并弄清管理数据与财务数据之间的差异。管理信息与财务信息的不同之处在于，它是由公司基础核算数据组合之后而构建的，是为公司战略发展提供关键指导的信息，包括公司基础信息、财务信息、业务信息和业务数据等。
（三）打造自身软实力，提高职业胜任能力财会人员应注重自身软实力的提升，如加强人际沟通。为了取得工作上的成功并实现自己的职业计划，仅靠强大的能力是不够的，财会人员需要足够柔和的能力，即良好的人际交往能力。组织内的良好沟通不仅会提高工作效率良好的沟通环境，有助于员工理解不同的目标，从而相应调整自己的行为并有效地寻求合作。性能良好的沟通能力可以提高管理效率，培养独立的分析能力和风险管理意识，并完成业务流程优化。同时利用全面的财务专业知识来控制公司风险并分析财务数据，以透视可能的业务和财务风险。为了提高公司中的审批流程顺畅度，需要平衡管理需求和财务控制之间的关系。这是因为如果审批流程过于烦琐，则会降低审批工作的效率。但是，如果审批流程过于简单，则风险监控中可能会出现巨大的漏洞。这要求会计人员熟悉所有流程和状态，设计和优化每个系统的相关性，进行预先评估并管理风险流程的漏洞，实施有效的控制措施，提高效率。对审批制度和业务流程进行优化。
结语
随着人工智能的迅速发展，许多执行基本和重复任务的会计职位将逐渐退出历史舞台。这样的发展使得财务员工的原始工作格局得以改变，提高了财务人员的工作效率，为财务管理留出了更多的时间和空间。可以看出，人工智能时代的到来给中国提供了更多发展会计行业的空间和手段，为使中国成为强大的会计国家迈出了坚实的一步。财会人员自身必须适应经济发展，练习其管理技能，并具有灵活运用知识的能力，以适应人工智能的快速发展并不断提高自身水平。及时更新和学习新的会计知识，掌握各种财务会计程序，转变观念，投身管理会计，并扩大职业发展类别，迎接人工智能时代在会计行业的到来。
参考文献
[1]张安然.人工智能挑战下财会人员的未来职业规划与发展[J].中国多媒体与网络教学学报（上旬刊），2020（08）：191–192.
[2]邵美琪，曾凡，王炳旭，等.人工智能在财会领域的应用及影响[J].现代商贸工业，2020，41（22）：110–112.
[3]张华.人工智能对财会的挑战及对策研究[J].全国流通经济，2020（01）：180–182.
[4]张双举.人工智能时代财务会计向管理会计的转型探究[J].纳税，2019，13（33）：132.
[5]康庆，袁希，粱静.浅析财会人员在人工智能背景下的机遇和挑战[J].财会学习，2019（31）：72–73.
[6]吕京丽.人工智能背景下财会人员职业再规划与发展研究[D].北京：首都经济贸易大学，2018.
作者：王莹单位：经济日报社计划财务部
来自人工智能的十大挑战，你们人类准备好了吗
摘要
人工智能正在改变世界，而关键是人类应该如何塑造人工智能。我们在“热”推进的同时，必须进行“冷”思考。本文立足于哲学视域，来探讨智能化社会有可能带来的十大挑战。
挑战之一：人工智能有弱版本、强版本和超版本三种形式，目前大力发展的弱人工智能，使人类生活的世界处于快速变化之中，这在概念建构上使人类措手不及。如何重构概念框架，丰富现有的概念工具箱，是人类面临的概念挑战。
关键词：机器学习、重构哲学社会科学框架
21世纪以来，随着大数据、云计算、图像识别以及自然语言处理等技术的发展，以深度学习为基础的联结主义范式得到快速发展。这种范式在观念上把计算机看成是类人脑，在方法上不再求助于形式化的知识推理，不再通过求解问题来体现智能，而是求助于统计学，通过模拟神经网络的联结机制，赋予计算机能够基于大样本数据进行自主学习的能力，来体现智能。这就把人工智能的研究，从抽象的知识表征转向实践中的技能提升，从原子主义的主客二分的理性分析方式，转向能动者与其所在的世界彼此互动的感知学习方式。
能动者的技能提升是在学习过程中进行的。技能不能被等同于操作规则或理论体系，而是能动者在其世界中或特定的域境（context）中知道如何去做的技术能力。这种范式恰好与来自胡塞尔、海德格尔、梅洛-庞蒂和德雷福斯的现象学相吻合。这也是为什么威诺格拉德于20世纪80年代曾在斯坦福大学的计算机科学课程中讲授海德格尔哲学、麻省理工学院的第二代人工智能科学家也不像第一代人那样排斥德雷福斯的哲学主张的原因所在。
人工智能发展的这种范式转换，不仅揭示了人类体验世界、与世界互动，以及在理解世界并赋予其意义上，使世界语义化的新方式，而且正在全方位地改变着过去习以为常的一切架构。
一方面，基于统计学和随机性的算法建模，赋予智能机器在不断实践中能够自主提高技能的能力，使得机器学习的不确定性和不可解释性成为智能机器的基底背景，而不再是令人担忧的认识论难题；
另一方面，机器智能水平的高低，取决于其学习样本的体量或规模，这强化了体知型认知（embodiedcognition）的重要性。智能机器在学习过程中表现出的不确定性，以及人工智能所带来的世界的瞬息万变，要求我们重构现有的规则与概念。因此，全方位地丰富和重构哲学社会科学的概念框架，是我们迎接智能化社会的一个具体的建设目标，而不是一个抽象的理论问题。
挑战之二：人工智能是由大数据来驱动的，如何理解数据之间的相关性所体现出的预测或决策作用，是人类面临的思维方式的挑战。
关键词：相关性思维方式、数字环境适应人
大数据具有体量大、类型多、结构杂、变化快等基本特征。然而，当数据成为我们认识世界的界面时，我们已经无意识地把获取信息的方式，交给了搜索引擎。在搜索算法的引导下，我们的思维方式也就相应地从重视寻找数据背景的原因，转向了如何运用数据本身。这就颠覆了传统的因果性思维方式，接纳了相关性思维方式。
因果性思维方式追求的是，如果A，那么B；而相关性思维方式追求的是，如果A，那么很有可能是B。这时，A并不是造成B的原因，而只是推出B的相关因素。就起源而言，因果性思维方式是与牛顿力学相联系的一种决定论的确定性思维方式，而相关性思维方式则是与量子力学相联系的一种统计决定论的不确定性思维方式。
相关性思维与因果性思维，属于两个不同层次的思维方式，不存在替代关系。前者是面对复杂系统的一种横向思维，后者则是面对简单系统的一种纵向思维。比如，在城市管理中，智能手机的位置定位功能有助于掌握人口密度与人员流动信息，共享单车的使用轨迹有助于优化城市道路建设等。这些在过去都是无法想象的。
另一方面，随着数据实时功能的不断增强和推荐引擎技术的不断发展，人与数据环境之间的适应关系也发生了倒转：不是人来适应数字环境，而是数字环境来适应人。这种新的适应关系也是由相关关系引领的。
挑战之三：在一个全景式的智能化社会里，如何重新界定隐私和保护隐私，如何进行全球网络治理，是人类面临的新的伦理、法律和社会挑战。
关键词：电子档案、信息删除权
当人类生存的物质世界成为智能化的世界时，常态化的在线生活使人具有了另外一种身份：数字身份或电子身份。
一方面，无处不在的网络，即使是私人空间或私人活动，也成为对公共空间或公开活动的一种重要延伸。过去属于私人的信息或国家机密，现在会在不被知情的情况下，被复制和传播，甚至被盗用；另一方面，编码逻辑的活动越来越标准化和碎片化，自动算法系统作为新的认知层面，建构了个人的电子档案，能够实时地解读和编辑个人行为、筛查个人的心情、追踪个人的喜好，甚至能够抓取个人对信息的感知趋向，进行有针对性的信息推送。
而这种推送服务，不仅会加固社会分层，而且具有利用价值，比如，保险公司有可能在掌握了个人病史的情况下，提高保费；大学招生部门有可能把个人网络档案作为决定是否录用学生的参考依据，等等。与传统的社会化和社会控制机制相反，在智能化时代，人的社会化成为无形的和不可解释的。这就增加了社会现象的不透明性和人的透明性。
对于个人而言，网络数据和信息的不可删除性，个人注意力的货币化，人的行为随时被置于网络监视之中，以及无法保证技术的匿名性，都会导致人的隐私权的丧失，还会强化信息的不对称和权力的不对称，因而对传统的隐私观提出了巨大的挑战。
传统的隐私观包括两个方面：一是个人对希望呈现的信息有控制权，二是个人对属于或关于自己的信息有删除权。当人的数字化生存使得人们失去了对自己信息的控制权的同时，也就失去了对自己信息的删除权。在欧盟关于数据保护条例的讨论中，从互联网中消除信息的决定权，是一个最有争议的话题，其中，技术性的问题比我们想象的更加复杂。
挑战之四：随着人的网络痕迹不断留存，应该如何对待很有可能出现的数字人，是人类面临的对现有生命观的挑战。
关键词：数字人、拓展生命观
物联网创造了把人、物和世界或自然界联系起来的网格，智能化技术的发展又进一步使得数据、信息和知识，还有思想和行为痕迹，成为永存的。这已经为数字人的出现创造了条件。
数字人不仅能永生，而且更重要的是，它能够模仿出之前只有生命才具有的许多特性。这就对传统的生命观提出了挑战，并带来了许多需要重新思考的问题。
如果未来有一天，数字人能够借助于自然语言处理技术和深度学习技术，来模仿真人的发音，通过计算机视觉、图像识别等技术，来模仿真人的行为。那么，是否允许未来会出现专门定制数字人的公司呢？应该制定什么样的道德法律来规范数字生命呢？
进一步设想，如果未来有一天技术允许一个人的心灵在他的身体死亡后，在一个不同的主人（比如，限于一块硅电路或一个分布式网络）的体内继续运行，将会发生怎么样的情况呢？这样的实体依然满足用来描述人还活着的标准吗？两者将会拥有相同的心灵吗？而且，就所有的实践考虑而言，它会将永远有能力学习、反应、发育和适应吗？这将会违背活的有机体是由细胞组成的这一必要条件。但是，如果我们选择坚持这个必要条件，我们将如何拓展我们的生命观呢？这还会涉及法律、医疗、伦理、经济、政治乃至军事等方面的问题。
挑战之五：增强现实技术、生物工程技术以及量子计算的发展，应该如何对待有可能出现的生化电子人，是人类面临的关于身体观的挑战。
关键词：技术人造物、自由意志
在智能化的社会里，当芯片技术、生物工程技术和量子算法等整合起来时，将会出现名目繁多的增强型技术。这些技术的人造物，比如生物芯片，不只是具有医疗的作用，更重要的是具有强化人体功能的作用，那么，我们应该如何规范这些器件的使用范围呢？不论是为了医疗的效果，还是为了增强的效果，当人体的主要功能性器官有可能被全部替换时，这个人还是原来的那个人吗？
当技术发展到人的主要器官可以被替换时，就可能出现生化电子人，那么，生化电子人仍然是人吗？我们如何划定人类和非人类之间的界线？
更令人担忧的是，随着医疗技术的发展，也许有一天内置于我们体内的纳米机器人能修复任何需要修复的器官或组织，而不会影响人的生命或身份。但是，如果这些机器人是受外部控制的，就必然会带来许多问题，比如，如何看待自由意志；从动物伦理的视域来看，当人类有可能在生物上成为永生的时，对环境和可持续性来说将是毁灭性的；人类是否有权比其他生物活得更长久，人类是否应该建立规则和条件来终止生命或同意安乐死，以及如何决定谁应该活着和死去。
挑战之六：人的数字化生存，有可能使得理性—自主的、与身体无关的自我意识，被第三空间中的社会—关系的、与身体相关的自我意识取而代之，这是人类面临的重构自我概念的挑战。
关键词：第三空间、关键自我
在智能化的社会中，人的在线生活使得在线交流成为人类交往的一种习惯方式，人们把这种交流的网络空间称之为“第三空间”。这是由共享的群体意识所塑造的一个空间，现在流行的微信朋友圈就是典型一例。这种空间是位于严格意义上的个人隐私和大规模公开化之间的一个共享的交流空间。
第三空间中的自我概念强调的正是这种与他者的“关系性”或“社会性”。人类自由的这种语境依赖性，把自我定义为是通过多重关系来构成的。在多重关系的交织中，人们往往从坚固的个人隐私观念，转向了各类新媒体上的信息共享：既包括私下公开个人信息，也包括共享受版权保护的学术资料，还有小道消息，甚至不加证实的各类谣言等。因此，人的网络化生活一方面使人类从信息匮乏的时代，转变为信息过剩的时代，另一方面又把人类带到一个信息混杂、难辨真伪的时代。
关系自我之所以强调在与他者的交流互动中来彰显自己，是因为人不仅是目标的追求者，也是意义的塑造者，人与人之间的彼此互动也会产生新的意义和新的可供性。因此，如何重塑社会—关系自我，成为我们面临的关于自我概念的挑战。
挑战之七：人工智能向各行各业的全面渗透，使人类有可能摆脱就业压力，获得时间上的自由。然而，如何利用充足的自由支配时间，却成为人类面临的比为生存而斗争还要严峻和尖锐的挑战。
关键词：改变财富观
随着计算机的运算能力与储存能力的不断提升，特别是有朝一日随着量子计算机的出现，人工智能不只是局限于模拟人的行为，而且还拓展到能够解决复杂问题。人工智能的这些应用前景，越来越受人重视。然而，我们面临的问题，不应该是因恐惧失业而阻止人工智能的发展，而是反过来，应该前瞻性地为人工智能的发展可能带来的各种改变，做好思想准备和政策准备。事实上，问题的关键并不是人工智能的发展会导致大量人员失业那么简单，而涉及更加根本的问题：如何改变人类长期以来形成的就业观和社会财富的分配观？
随着人工智能的发展，当程序化和标准化的工业生产、基于大样本基数的疾病诊断、法律案件咨询，甚至作曲、绘画等工作都由机器人所替代时，当人类的科学技术有可能发展到编辑基因时，地球的发展将会面临着第三次大转折，那就是迎来人机协同，乃至改变人体基因结构的时代。
到那时，有望从繁重的体力劳动与脑力劳动的束缚中完全解放出来的人类，应该如何重新调整乃至放弃世世代代传承下来的以劳取酬的习惯和本能的问题，以及人类如何面对改造自己基因的问题，就成为至关重要的问题。
也就是说，当人类的休闲时间显著地增加，而我们所设计的制度与持有的观念，还没有为如何利用休闲时间做好充分的思想准备时，当科学技术的发展使我们能够设计自己的身体时，我们将会因此而面临着一种“精神崩溃”吗？对诸如此类问题的思考，使我们不得不面对更加现实的永久性问题：我们在摆脱了就业压力而完全获得自由时，如何利用充足的自由支配时间，如何塑造人类文明，成为人类文明演进到智能化社会时，必然要面临的比为生存而斗争还要严峻而尖锐的挑战。
挑战之八：当人类社会从由传统上求力的技术所驱动的工业社会，转向由求智的技术所驱动的智能化社会时，如何在智能技术的研发中，把人类的核心价值置入到设计过程之中，使人工智能有助于塑造人的意义，是人类面临的关于技术观的挑战。
关键词：技术伦理
从总体上讲，人类创造技术人造物，在主观上，虽然不是为了改变人，而是为了满足人的需求，但在客观上，却反过来又在无形中重塑了人，也就是说，人在使用技术的同时，也被技术所改变。
特别是，当我们生活在“智能环境”中时，一方面，物质环境本身具有了社会能力，成为一种环境力量，能够起到规范人的行为和重塑公共空间的作用，甚至还能起到社会治理的作用。
比如，城市交通要道上架设摄像头，能够约束司机的驾驶行为，使他们不得不把遵守交通规则内化为一种良好的驾驶习惯；在智能手机中下载地图app，不仅能实时掌握道路拥堵情况，方便出行，而且有助于缓解主干道上的交通压力；许多重要场合在安装上人脸识别系统之后，不相关的人员将无法入内，从而变成了一项加强安保与监管的自动措施；用人单位在记录职工考勤时，如果用人脸识别系统取代传统的电子打卡方式，就能够避免替人打卡现象，如此等等。
但另一方面，智能手机携带的地理定位功能，让人的行踪成为透明的，网络活动留下的各种数据，让人的兴趣、爱好、生活习惯以及社会交往等成为透明的，人脸不仅是名字的标签，还承载了许多可以机读的网络信息，这些信息既能造福于人类（比如，用于病理诊断），也会损坏人的利益（比如隐私泄露）。
因此，在智能化的社会中，技术善恶的天平将会偏向哪个方向，不再只是取决于使用者，而且更取决于设计者。
当代人已经生活在人造物的世界中，无法离开技术而生存，而是应该讨论如何在智能技术的研发中把人类的核心价值置入到设计过程，如何发展与人工智能的良性互动，如何树立一种嵌入伦理责任的技术观等问题。
挑战之九：在知识生产领域内，软件机器人的普遍使用，将会为科学家提供科学认知的新视域，如何对待有软件机器人参与的分布式认知，是人类面临的对传统科学认识论的挑战。
关键词：分布式认知
网络化、数字化与智能化的结合，既是平台，也是资源。它们不仅创设了无限的发展空间，具备了很多可供开发的功能，而且为我们提供了观察世界的界面。特别是，对于那些希望从互联网的知识库里“挖掘”有用信息的人来说，搜索引擎或软件机器人成为唾手可得的天赐法器，既便捷，又快速。
问题在于，当搜索结果引导了人类的认知趋向并成为人类认知的一个组成部分时，人类的认知就取决于整个过程中的协同互动：既不是完全由人类认知者决定的，也不是完全由非人类的软件机器人或搜索引擎决定的，而是由相互纠缠的社会—技术等因素共同决定的。弗洛里迪称之为“分布式认知”。一种分布式认知的形式体现在维基百科中。另一种分布式认知的形式体现在新型的科学研究中。
因此，当科学研究的结果也依赖于机器人的工作时，我们的认识论就必须由只关注科学家之间的互动，进一步拓展到关注软件机器人提供的认知部分，形成“分布式认识论”。这是对传统认识论的挑战。
挑战之十：当整个人类成为彼此相连的信息有机体，并且与人造物共享一个数字化的信息空间时，认识的责任就必须由人类的能动者和非人类的能动者来共同承担。如何理解这种分布式的认识责任，是人类面临的对传统责任观的挑战。
关键词：责任观、摆脱恐惧
智能化的网络世界永远是一个包罗万象的地方，既让人着迷，又令人忧虑。着迷之处在于，它有可能让我们极大程度地从体力与脑力劳动中解放出来，有时间从事成就人的工作；忧虑之处在于，它同时也会带来了无尽的问题：身份盗用、垃圾邮件、网络欺诈、病毒攻击、网络恐怖主义、网络低俗文化等。这说明，我们的认识系统已经是一个与社会—技术高度纠缠的系统。
在智能环境中，智能化程度的提高，造成了我们对承担责任的恐惧。比如，在个人数据处理、无人驾驶、算法交易等事件中，如果发生问题，应该由谁来负责呢？
这种恐惧把认识关系变成了一种权力关系。也就是说，在认识过程中，不同的认识能动者（不论是人类的，还是非人类的），具有不同的权力。当非人类的算法或软件机器人过滤和引导了我们的认识视域时，就提出了我们如何成为负责任的认识者的问题。
比如，我们已经习惯于通过百度来查找所需要的一切信息，习惯于通过参考他人的评分或评论，来决定预定哪家宾馆、在哪个餐饮吃饭、购买哪件衣服，等等。问题在于，我们为什么要相信这些评论或评分？如果我们被欺骗，我们应该如何问责呢？对这个问题的思考，涉及到关于搜索引擎这样的智能人造物的伦理和道德责任的问题。
比如，汽车发生碰撞事故，交警通常会判定要么由司机来负责，要么由厂商来负责。在这种思路中，汽车是被当作孤立的技术人造物来看待的。可是，如果是一辆无人驾驶的汽车发生了碰撞事故，那么，我们就需要追究这辆车的责任，因为无人驾驶车应该被当作是属于社会—技术—认识高度纠缠的人造物来看待的。
然而，如何解决这样一个把伦理学、本体论和认识论高度纠缠在一起的问题，在现有的规章制度中和交通法规中依然无章可循。因此，从如何重塑社会—技术—认识系统中的问责机制来看，如何确立分布式责任观是我们面临的对传统问责机制的挑战。
综上所述，智能化社会是由人工智能驱动的社会，是信息文明的高级阶段。这个社会必然会全方位地打破我们习以为常的生活方式、生产方式、思维方式、概念框架乃至当前在现代性基础上形成的方方面面。在我们势不可挡地迈向智能化社会的道路上，面临着有必要重构一切的情况下，哲学社会科学的出场，很可能比技术与资本的出场更迫切、更重要。因为只有这样，才能有助于前瞻性地重构一系列战略方针，做到防微杜渐，才能有助于扩大人工智能带来的恩惠，规避人工智能可能带来的危害，降低发展人工智能付出的代价。也许，摆脱恐惧，迎接挑战，是人类文明无法回避的宿命。
人工智能如何影响就业市场
导语：作为一种革命性技术，人工智能的发展与应用对经济社会发展变革的影响日益深入。在这一过程中，人工智能对就业的影响一直是社会各界关注的焦点之一。围绕这一问题，言之有理工作室采访了中国人民大学劳动人事学院院长杨伟国教授。他认为，人工智能的快速应用短期内会对就业造成一定影响，但从长远来看，其发展与应用不仅会创造更大就业空间，而且还会提高劳动者就业质量，在保障和创造就业方面发挥积极作用。
言之有理：一些人担心，人工智能的大规模应用会产生就业替代效应，减少就业岗位。对此，您怎么看？
杨伟国：人工智能的快速应用短期内的确会对就业造成一定影响。但从长远来看，以人工智能为代表的数字技术，通过在更高水平更大程度上赋能企业和劳动者来推动经济社会发展，并在这一过程中创造更大就业空间。首先，人工智能的发展推动智能化信息基础设施建设和传统基础设施智能化水平提升，并在这一过程中创造大量新就业机会。其次，人工智能的发展除了推动人工智能领域新兴产业发展、形成人工智能产业集群和创新高地，还能通过与各领域产业深度融合，大规模推动企业智能化升级，培育数据驱动、人机协同、跨界融合的智能经济形态，从而创造大量新就业机会。第三，人工智能在教育、医疗、养老、环境保护、城市治理、司法服务等领域的广泛应用，以及在准确感知、预测、预警等方面的深度应用，也会创造新的就业机会。最后，人工智能产业的发展以及人工智能技术的应用还会带动其他行业发展，既可以直接创造更多新工作机会，又可以通过促进经济增长间接创造更多就业机会，还可以从中衍生出许多新型行业而创造更多就业机会。
言之有理：除了创造更大就业空间，人工智能的发展与应用会对人们的就业质量造成什么影响？
杨伟国：人工智能的发展和应用，有助于为劳动者提供更多高质量的就业岗位，提升劳动者的创造力和成就感；帮助劳动者更加自由地安排工作、生活、学习和个人事务，不断优化调整学习方法和学习内容，以实现快速学习、高效学习，从而提高专业技能和工作效率，实现工作与生活平衡；通过人机协作赋能劳动者，帮助劳动者实现人力资本优化配置，提高劳动者的劳动自由度和舒适度。总之，人工智能可以赋能劳动者按照自身意愿以多种形式完成工作任务，帮助劳动者以最切合自身特点的方式学习新的专业技能，提高劳动者的就业质量。
言之有理：稳就业、保就业是当前统筹推进疫情防控和经济社会发展工作的重中之重，人工智能的发展与应用对稳就业、保就业起到了哪些积极作用？
杨伟国：突如其来的新冠肺炎疫情对我国经济社会发展带来前所未有的冲击，稳就业、保就业成为统筹推进疫情防控和经济社会发展工作的重中之重。在这一过程中，以人工智能为代表的数字技术显示出在保障和创造就业等方面的显著优势和巨大潜能，基于人工智能技术的新就业体系正在加速形成。比如，数字经济发展全面提速，智能化、科技型产品较快增长，远程办公、在线教育、网络问诊等快速扩张，无人零售、直播带货等新模式不断涌现，既有力支撑经济社会发展，又助力实现今年《政府工作报告》设定的就业目标任务。
言之有理：人工智能的发展与应用，从中长期看有利于扩大就业，但短期内不可避免会造成结构性失业，一部分人不适应劳动力市场需求变化。对此，应该如何应对？
杨伟国：面对人工智能的发展与应用对就业市场的影响，劳动者要做好心理准备与技能储备，相关管理和服务部门也要及时调整就业政策措施以适应科技发展进步与就业市场变化，推动实现人工智能技术发展应用与就业市场之间的协调平衡。
（言之有理工作室郑延冰编辑）
(责编：赵安妮(实习生)、李栋)分享让更多人看到