家有班花以深度学习等关键技术为核心，以云计算、生物识别等数据及计算能力为基础支撑的人工智能产业，在历经60年的轮回后，在2016年呈现井喷式爆发并大放异彩，迎来第三次浪潮。如今，人工智能在很多方面都有了突破性进展，全球人工智能的发展趋势已经势如破竹，这也为人类探索未知世界之路开启了“无穷大”之门。人工智能的发展水平正在呈指数增长的同时，也带来众多不可忽视的问题。在此基础上，本文对人工智能的发展进行了一定程度地思考与分析。

　　2016年人工智能呈现井喷式爆发并大放异彩，这距人工智能概念的首次提出仅过去60年。

　　1956年，在美国达特茅斯大学召开的学术会议上与会专家学者共同提出人工智能的概念，多年后这场会议被认定为全球人工智能诞生的标志。[1]1956年至今，人工智能的发展可谓起起落落，历经两次从爆发到寒冬的革命性浪潮。第一次浪潮出现于20世纪60年代，在算法方面出现很多世界级的发明，但先天的缺陷导致人工智能在早期发展过程中遇到瓶颈，1974年到1980年人工智能迎来第一次冬天；第二次浪潮出现在20世纪80年代，这段时期人工智能在数学模型方面取得众多突破，但1987年到1993年由于个人电脑的出现，人工智能再次步入寒冬阶段。[2]2016年正值人工智能发展的60年节点，AlphaGo战胜人类顶级围棋高手李世石，成为人工智能迎来第三次浪潮的里程碑事件。第三次浪潮，以大计算能力和深度学习为助推力，人工智能在很多方面都有了突破性进展，为人类探索未知世界之路开启了“无穷大”之门。

　　人工智能可以划分为“弱人工智能”、“强人工智能”以及“超人工智能”。“弱人工智能”只专注于完成某个特别设定的任务，例如语音识别、图像识别和翻译，也包括近年来出现的IBM的Watson和谷歌的AlphaGo，它们是优秀的信息处理者，但却无法真正理解信息。而“强人工智能”系统包括了学习、语言、认知、推理、创造和计划，目标是使人工智能在非监督学习情况下处理前所未见的细节，并同时与人类开展交互式学习。[3]“超人工智能”是指通过模拟人类的智慧，人工智能开始具备自主思维意识，形成新的智能群体，能够像人类一样独自地进行思维。

　　从当前的人工智能发展水平来看，“强人工智能”尚未实现，但通往“强人工智能”的道路也许并不遥远。近年来，多国先后提出“脑计划”，期望通过计算机技术模拟大脑以探索大脑工作机制。其中，欧盟于2013年提出了全球范围内最重要的人类大脑研究项目-人脑计划（Human Brain Project，HBP）。该计划耗资近12亿欧元，项目周期为10年，旨在通过计算机技术模拟大脑，建立一套全新的、革命性的生成、分析、整合、模拟数据的信息通信技术平台。人脑计划通过模拟大脑模型来探究大脑的生物构造与其具备的功能性之间的关系，揭示大脑的各个区域如何高效协作形成统一的、多层次功能结构体系。计划在2024年项目的最终阶段，设计出能够模拟人脑运作原理的超级计算机，并促进研究成果的应用性转化。[4]

　　此外，深度学习海啸正在构建起人工智能的递归循环。作为机器学习的分支，起源于人工神经网络的深度学习，如今不仅仅是具备多层架构的感知器，而是一系列能够用来构建可组合可微分的体系结构技术和方法。具体来说，通过深度学习算法，程序利用数据模型分析大量数据不断地自主学习，并逐渐变的更加强大。当前的深度学习虽然是人类向终极智能探索的一小步，但也许这一小步可能会成为人工智能大爆炸的奇点。基于脑计划的推进以及深度学习的深入开展，人工智能的发展水平正在呈指数增长。可以预见，“强人工智能”就在离我们不远的未来，人工智能的真正威力也将在此展现。“超人工智能”现在看来，似乎遥不可及。但源于未来的无法预知性，对于“超人工智能”更多的人持有恐惧和悲观的心理，担忧比人类更强大的智能群体出现，会导致整个世界的失控甚至人类的毁灭。但也许，实现“超人工智能”后，人类会至此步入一个新纪元也未可知。无论如何，不可否认的一点是，由于科技越发达，科技本身的发展速度就会越快。故而从时间和效率上来看，人工智能的发展速度，一定会远远高于人类自身的进化速度。

　　社会正在从“互联网+”向“人工智能+”转型。“人工智能+”指让人工智能融入各个传统行业，对行业进行改造，在旧领域创造新业态。“人工智能+”时代，以深度学习等关键技术为核心，以云计算、生物识别等数据或计算能力为基础支撑，推动人工智能在金融、医疗、自动驾驶、安防、家居以及营销等领域将应用场景落地生根，创造出巨大价值。如今，互联网已经发展到了万物互联的阶段，爆发式增长数据引发人们对信息进行有效筛选并合理分配资源的需求。在这种万物皆互联，无处不计算的时代下要进行精准生活，“人工智能+”时代成为必然趋势。未来的人工智能将从专业性较强的领域逐步拓展到生活的各个领域，转变成为通用智能进而推动新一轮的产业革命。

　　由于科技技术的不完全可靠性以及智能系统存在的先天设计缺陷，产品责任的归责问题伴随人工智能的发展而来，尤其是感知智能领域的产品责任问题。2016年，联合国教科文组织与世界科学知识与技术伦理委员会联合发布报告指出，由于机器人一般被视为通常意义上的科技产品，机器人以及机器人技术造成的伤害，很大一部分可由民法中产品责任的相关法律进行调整。从这个角度看，机器人造成的伤害很大一部分被归责于机器人制造者和零售商的“过失”、“产品警告的缺失”、“没有尽到合理的注意义务”。[5]

　　我国《产品质量法》第四十三条规定，因产品存在缺陷造成人身、他人财产损害的，受害人可以向产品的生产者要求赔偿，也可以向产品的销售者要求赔偿。属于产品的生产者的责任，产品的销售者赔偿的，产品的销售者有权向产品的生产者追偿。属于产品的销售者的责任，产品的生产者赔偿的，产品的生产者有权向产品的销售者追偿。但该归责原则可能仅能适用于“弱人工智能”产品。当未来的人工智能出现自主意识和决策能力后，例如自动驾驶汽车做出独立智能决策导致损害发生，应当如何确定侵权主体，由谁来承担侵权责任。甚至于未来会出现以下问题：当机器人具备自主意识后是否会成为民事主体？何为生命？“人”的定义是否会发生变化？“人”与“非人”的界限到底在哪里？这是在此意义上，“人机关系”具备了丰富的内容层次，值得我们进一步去深思去完善立法。

　　当万物互联、大数据和机器学习三者叠加后，个人隐私将会成为“奢侈品”，人们或许将不再有隐私可言。人工智能的发展有赖于利用数据训练算法，在这个过程中需要收集、分析和使用大量的数据，数据的价值日益凸显。人工智能时代，用户使用各种应用产品时，本身就是主动的隐私泄密者，任何技术手段的“匿名”或“去身份化”可能都会因为大数据的分析而重新获得“身份”。

　　智能产品的产业链上有开发商、平台提供商、操作系统和终端制造商、其他第三方等多个参与主体，这些主体均具备访问、上传、共享、修改、交易以及利用用户提供的数据的能力。如何合法合规地收集和使用数据是智能应用产业链上的每个主体要面对的重要问题。但如今用户数据日益聚集在大型互联网或数据处理公司手中，基于商业利益的考虑，这些公司保护用户个人隐私的意愿并不强烈。当前对大数据的利用依然处于“裸露”状态，用户对于数据被非法利用的情况往往是不知情的，导致与数据处理和使用者之间签订的协议成为了“君子协定”，丧失了真正保护用户权益的功能。[6]

　　值得一提的是，基于当前个人隐私保护的态势，苹果引入了差分隐私的概念，该种算法通过加入虚拟数据，避免数据与特定主体之间建立联系。差分隐私的目标在保护用户身份和数据详情的同时，仍能提炼出一些基本信息用于机器学习，但该算法尚未得到重视，并未大规模的应用到人工智能领域。为了保护用户的隐私权，应当重视新技术新业务领域的个人信息保护问题。在立法层面，明确个人对其信息享有的基本权利，规范企业收集和使用个人信息的行为。

　　人工智能的发展与普及应用，对于传统社会伦理造成巨大冲击。如果不够谨慎地处理人工智能所带来的伦理问题，将会对未来社会造成严重的伤害。随着人工智能与人类社会的距离越来越近，伦理问题在不断的凸显也愈发尖锐，世界上的主要国家以及相关国际组织对伦理问题高度关注。例如，美国《国家人工智能研究和发展战略计划》中提出，要通过设计提高公平性、透明度和可追责性。要构建人工智能伦理，研究者需要研究出新的算法确保人工智能做出的决策与现有的法律、社会伦理一致。

　　未来，人工智能伦理框架的构建，可能包括下属的多体系、多层次的判断，例如匹配规则的迅速回应、接收用户信任的社会信号、遵守文化准则等。[7]联合国发布的《关于机器人伦理的研究报告》、标准制定组织IEEE发布的《合伦理设计：利用人工智能和自主系统（AI/AS）最大化人类福祉的愿景（第一版）》等文件都对人工智能带来的伦理问题进行了深刻地分析。研究者需要研究出新的算法确保人工智能做出的决策与现有的法律、社会伦理一致，这是一项具有挑战性的任务。伦理问题因各国文化、宗教和信仰等的不同而存在差别。伦理难题需要首先解决的是如何将伦理难题准确的翻译为人工智能可以识别的语言，将人的道德和伦理观念嵌入在人工智能中，使其服从甚至具备人的伦理观念。另一个难题是，当面临道德困境时，人工智能如何进行决策。我们需要构建一个可以被广泛接受的伦理框架来指导人工智能系统进行推理和决策。需要强调的是，人工智能的伦理问题本质上是一个哲学问题。人类在研究人工智能的伦理问题时并不是在研究机器的道德和伦理，而是一个借由该问题对人类进行自我探索，对人性进行深度剖析的过程。这一过程是对人类道德的呼唤，是对人性的召唤，更是对“人”的意义和价值的呐喊。

　　人工智能技术必须满足客观的标准从而保证对安全性、可信赖性、可追溯性、隐私保护等方面的要求。为了更有效的评估人工智能技术，相关的测试方法必须标准化，并创建人工智能技术基准。技术基准包括测试和评价，为标准的制定提供定量测量的要求，同时评估标准的遵守情况。标准的测试方法应该描述人工智能技术评估、比较、管理的方法和程序，包括但不限于：准确性、复杂性、信任和能力、风险和不确定性、可解释性、与人类行为的比较以及经济影响等。我国在发展机器人等相关人工智能产业的同时，可以积极参与国际交流与合作，提升在国际标准制定中的话语权。

　　随着人工智能技术的快速发展，应当及早建立对法律、伦理问题的早期认识，及时采取相应的立法行动和社会互动行为，确保系统的设计者在合规以及道德的指导下，发展人工智能技术，并建立公众信任机制，推动新市场的开发。故而，人工智能相关产业在发展的过程中应加强跨学科教育和法律与道德的基础建设。在进行基础建设的过程中，不仅应考虑国内法和国际法的规定，还要顾及不同的伦理和文化观点的差异性，以及社会期望等因素。

　　考虑到人工智可能带来的潜在破坏性影响，如果政府能够准确及时地监控和预测人工智能技术的发展，尤其是人工智能技术的里程碑式突破，便可让人工智能系统不间断地处于人类监管干预模式之下，防止人工智能技术出现失控性的发展情况，保障人工智能技术为人类所用。此外，人工智能相关行业应该和政府合作，及时向政府反馈行业的最新发展动态，包括近期可能在技术上取得的重大突破。

　　人工智能作为计算机科学与统计学、脑科学和认知科学等多学科交叉前沿领域，致力于使机器拥有类似人类的感知、认知、操控、交互能力，并与人类协同工作，以减轻工作量，改善人们生活品质，是人类多年以来不懈追求的科技梦想。人工智能研究正式起源于1956年美国达特茅斯夏季学术研讨会，至今已60余年，期间经历过几次起伏，这既有自身理论尚不完善的原因，也受到数据和算力不足等因素的制约。

　　最近几年，随着人工智能技术的突破，以及互联网、大数据、并行计算等相关技术群的成批成熟，人工智能技术在快速的更替换代中不断成熟。我国专家认为，人工智能技术发展和产业应用正在双双进入临界点，人工智能正在进入2.0新阶段。美国国防部国防高级研究计划局（DARPA）也指出，目前人工智能发展正处于第二波次。人工智能正在全球范围内迎来新一轮创新变革，理论和技术加速突破，产业化周期日益缩短，企业创新更加活跃，人工智能开始从实验室走进人类生产生活，进入一个与以往显著不同的创新发展阶段。

　　当前人工智能发展的突飞猛进和重大变化，表现出区别于过去的三个方面的阶段性特征。一是进入大数据驱动智能发展阶段

　　可以说，2000年之后成熟起来的三大技术成就了人工智能的新一轮发展高潮，包括以深度学习为代表的新一代机器学习模型，GPU、云计算等高性能并行计算技术应用于智能计算，以及大数据的进一步成熟，以上三大技术构建起支撑新一轮人工智能高速发展的重要基础。

　　DARPA认为，人工智能发展将经历三个波次，第一波次是人工智能发展初期的基于规则的时代，专家们会基于自己掌握的知识设计算法和软件，这些AI系统通常是基于明确而又符合逻辑的规则。在第二波次AI系统中，人们不再直接教授AI系统规则和知识，而是通过开发特定类型问题的机器学习模型，基于海量数据形成智能获取能力，深度学习是其典型代表。在这种技术路线下，获得高质量的大数据和高性能的计算能力成为算法成功的关键要素。比如，2015年以来，IBM通过收购大量医疗健康领域的公司，获取患者病例，医疗影像和临床记录等医疗数据，以提升Watson医疗诊断水平。

　　尽管现在基于现有的深度学习+大数据的方法，离最终实现强人工智能还有相当的距离，下一步可能需要借鉴人脑高级认知机理，突破深度学习方法，形成能力更强大的知识表示、学习、记忆、推理模型。但业界普遍认为，最近的5到10年里，人工智能仍会基于大数据来运行，并形成巨大的产业红利。

　　在机器学习+大数据的人工智能研究范式下，得益于硬件计算性能的快速增强， 智能算法性能大幅度提升，围棋算法、语言识别、图象识别都在近年陆续达到或超过人类水平，智能搜索和推荐、语音识别、自动翻译、图像识别等技术进入产业化阶段。各类语音控制类家电产品和脸部识别应用在生活中已随处可见；无人驾驶技术难点不断突破，谷歌无人驾驶汽车已在公路上行驶了300多万英里，自动驾驶汽车已经得到美、英政府上路许可；德勤会计师事务所发布财务机器人，开始代替人类阅读合同和文件；IBM的沃森智能认知系统也已经在医疗诊断领域表现出了惊人的潜力。

　　人工智能的快速崛起正在得到资本界的青睐。《Nature》文章指出，近一两年来，人工智能领域的社会投资正在快速聚集。2015年比2013年增长了三倍左右。人工智能技术的发展正在由学术推动的实验室阶段，转到由学术界和产业界共同推动的产业化阶段。

　　得益于深度学习和大数据、并行计算技术的发展，感知智能领域已经取得了重大突破，目前已处于产业化阶段。同时，认知智能研究已经在多个领域启动并取得重要进展，将是人工智能下一个突破点。

　　2016年初，谷歌AlphaGo战胜韩国围棋世界冠军李世石的围棋人机大战，成为人工智能领域的重大里程碑性事件，人工智能系统的智能水平再次实现跃升，初步具备了直觉、大局观、棋感等认知能力。目前在人工智能的多个研究领域都在向认知智能挑战，如图像内容理解、语义理解、知识表达与推理、情感分析等，这些认知智能问题的突破, 将再次引发人工智能技术的飞跃式发展。

　　除谷歌外，微软、Facebook、亚马逊等跨国科技企业，以及国内的IT巨头都在投入巨大研发力量，抢夺这一新的技术领地。Facebook提出在未来5至10年，让人工智能完成某些需要“理性思维”的任务；“微软小冰”通过理解对话的语境与语义，建立用于情感计算的框架方法；IBM的认知计算平台Watson在智力竞猜电视节目中击败了优秀的人类选手，并进一步应用于医疗诊断、法律助理等领域。

　　据波士顿咨询公司（BCG）和阿里云研究中心的分析，人工智能技术可能会沿一个“之” 字形路线发展：现有人工智能技术将继续完善和产业化，在经济和社会发展中实现价值创造并形成强大的经济增长引擎；经历一段时间的积累和探索将实现科技突破，新的智能模型和颠覆性方法有望再次出现，引发人工智能技术体系和技术路线的新一轮变革。

　　因此，当前阶段的人工智能需要以滚动方式发展，既需要推进现有的基于深度学习和大数据的人工智能技术的成熟和产业化；同时，也要针对未来人工智能的前沿问题进行理论攻关，以认知智能为重点，借助脑认知科学研究和量子科学研究的发展，研究透明性，可解释性，通用性更强的新一代机器学习模型，研发具有迁移能力、自主学习能力和强泛化能力的人工智能技术，在新一代智能计算范式方面形成理论储备，探索新的科学发现。

　　研究资助：科技部科技创新战略研究专项：重大科技项目和科技工程形成机制研究（项目编号：ZLY2015133）； 科技部改革发展专项：中国人工智能2.0 规划编制（项目编号：2016GH010036）返回搜狐，查看更多