時間：2024-01-12 16:05:47
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇人工智能時代的特點，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
近段時間，關于“人機圍棋大戰”的新聞鋪天蓋地，也引起了眾多人士對人工智能和機器人的關注。大家很焦慮的一點是：未來時代，人機是共生共融？還是你死我亡？
傳統互聯網時代也就是第一階段可被稱為“人機時代”，因為在人與計算機的關系中，人還占著很大的比重。互聯網的第二個階段是移動互聯網時代，也叫人人時代，這個時代的顯著特質是智能手機和3G網絡的普及。
機人時代對應的是萬物互聯時代，也是即將卷席而來的人工智能第三個階段――人工智能專家余凱博士稱之為“江山如此多嬌”。
總體而言，機人時代有三個特點。1.“計算機”概念弱化，“智能體”概念興起。將來的“智能體”將有望真正代替人類完成某些工作――自發地感知世界，并且在特定領域，具有與人類同等甚至更高的理解力和執行力。2.機器交流成為新的信息網絡。萬物互聯更加強調機器之間的信息溝通與反饋，但其根本目的仍在于為人類服務。3.云計算和大數據成為重要戰略資源和經濟支柱。亞馬遜總裁貝索斯發現利用書評來推薦書籍的程序非常復雜，于是大力研發了依托大數據和云計算協同過濾技術――“item-to-item”。如今亞馬遜1/3的書籍銷量來自于這個系統。可以想象，當萬物互聯實現后，云計算和大數據的商業重要性不言而喻。
機人時代雖然只是個預測，但是幾乎可以斷定它是可以實現的。這么說是因為，無論從國家發展需求來看還是從新興產業的技術發展趨勢來看，萬物互聯都很有可能發展為萬物智能。對于機人時代的到來，余凱的預測是2020年，對其截止的預測是2029年。
那么，2029年之后呢？
我們認為，以互聯網為代表的信息化革命，絕不是人類進步的終點。相反，互聯網正在不斷發展進化，并將開啟人類最終的命運之門――智人時代。
“智人時代”也就是強人工智能時代。從弱人工智能進化到強人工智能是人工智能發展中最難的一個節點。為何可以大膽猜想在機人時代之后人工智能會突破這一轉化難關呢？關鍵有兩點，一是萬物互聯之后計算機處理速度的飛躍提升，二是人工智能自我進化。
前者的實現毋庸置疑，而對于后者，我們也大可以抱樂觀態度。就中國而言，目前，“百度大腦”、“訊飛超腦”等計劃和項目正如火如荼地開展，而中科院自動化所的類腦智能研究中心也正在研究如何讓機器有自主思維。
2017年7月，國務院印發《新一代人工智能發展規劃》，不僅對人工智能的發展做出了戰略性部署，還確立了“三步走”的政策目標，力爭到2030年將我國建設成為世界主要的人工智能創新中心。[1]值得注意的是，此次規劃不僅僅只是技術或產業發展規劃，還同時包括了社會建設、制度重構、全球治理等方方面面的內容。之所以如此，是由于人工智能技術本身具有通用性和基礎性。換句話說，為助推人工智能時代的崛起，我們面對的任務不是實現某一個專業領域或產業領域內的顛覆性技術突破，而是大力推動源于技術發展而引發的綜合性變革。
也正因為如此，人工智能發展進程中所面臨的挑戰才不僅僅局限于技術或產業領域，而更多體現在經濟、社會、政治領域的公共政策選擇上。首先，普遍建立在科層制基礎上的公共事務治理結構，是否能夠適應技術發展和應用過程中所大規模激發的不確定性和不可預知性?再者，長久以來圍繞人類行為的規制制度，是否同樣能夠適應以數據、算法為主體的應用環境?最后，如何構建新的治理體系和治理工具來應對伴隨人工智能發展而興起的新的經濟、社會、政治問題?
應對上述挑戰并不完全取決于技術發展或商業創新本身，而更多依賴于我們的公共政策選擇。本文試圖在分析人工智能發展邏輯及其所引發的風險挑戰的基礎上，對人工智能時代的公共政策選擇做出分析，并討論未來改革的可能路徑，這也就構成了人工智能治理的三個基本問題。具體而言，人工智能本身成為治理對象，其發展與應用構成了治理挑戰，而在此基礎上如何做出公共政策選擇便是未來治理變革的方向。
全文共分為四個部分：第一部分將探討人工智能的概念及特征，并進而對其發展邏輯進行闡述。作為一項顛覆性技術創新，其本身的技術門檻對決策者而言構成了挑戰，梳理并捋清人工智能的本質內涵因而成為制定相關公共政策的前提;第二部分將著重分析人工智能時代崛起所帶來的治理挑戰，主要包括三個方面，即傳統科層治理結構應對人工智能新的生產模式的滯后性、建基于行為因果關系之上的傳統治理邏輯應對人工智能新主體的不適用性，以及人工智能發展所引發的新議題的治理空白;面對上述挑戰，各國都出臺了相關政策，本文第三部分對此進行了綜述性對比分析，并指出了其進步意義所在。需要指出的是，盡管各國的政策目標都試圖追求人工智能發展與監管的二維平衡，但由于缺乏對人工智能內涵及其發展邏輯的完整認識，當前的公共政策選擇有失綜合性;本文第四部分將提出新的治理思路以及公共政策選擇的其他可能路徑，以推動圍繞人工智能治理的相關公共政策議題的深入討論。
一、人工智能的概念及技術發展邏輯：算法與數據
伴隨著人工智能技術的快速發展，尤其是其近年來在棋類對弈、自動駕駛、人臉識別等領域的廣泛應用，圍繞人工智能所可能引發的社會變革產生了激烈爭論。在一方面，以霍金[2]、馬斯克[3]、比爾-蓋茨[4]、赫拉利[5]為代表的諸多人士呼吁加強監管，警惕“人工智能成為人類文明史的終結”;在另一方面，包括奧巴馬[6]在內的政治家、學者又認為應該放松監管，充分釋放人工智能的技術潛力以造福社會。未來發展的不確定性固然是引發當前爭論的重要原因之一，但圍繞“人工智能”概念內涵理解的不同，以及對其發展邏輯認識的不清晰，可能也同樣嚴重地加劇了人們的分歧。正因為此，廓清人工智能的概念內涵和發展邏輯不僅是回應爭論的需要，也是進一步提出公共政策建議的前提。
就相關研究領域而言，人們對于“人工智能”這一概念的定義并未形成普遍共識。計算機領域的先驅阿蘭-圖靈曾在《計算機器與智能》一文中提出，重要的不是機器模仿人類思維過程的能力，而是機器重復人類思維外在表現行為的能力。[7]正是由此理解出發，著名的“圖靈測試”方案被提出。但如同斯坦福大學計算機系教授約翰·麥卡錫所指出的，“圖靈測試”僅僅只是“人工智能”概念的一部分，不模仿人類但同時也能完成相關行為的機器同樣應被視為“智能”的。[8]事實上，約翰·麥卡錫正是現代人工智能概念的提出者。在他看來，“智能”關乎完成某種目標的行為“機制”，而機器既可以通過模仿人來實現行為機制，也可以自由地使用任何辦法來創造行為機制。[9]由此，我們便得到了人工智能領域另一個非常重要的概念——“機器學習”。
人工智能研究的目標是使機器達到人類級別的智能能力，而其中最重要的便是學習能力。[10]因此，盡管“機器學習”是“人工智能”的子域，但很多時候我們都將這兩個概念等同起來。[11]就實現過程而言，機器學習是指利用某些算法指導計算機利用已知數據得出適當模型，并利用此模型對新的情境給出判斷，從而完成行為機制的過程。此處需要強調一下機器學習算法與傳統算法的差異。算法本質上就是一系列指令，告訴計算機該做什么。對于傳統算法而言，其往往事無巨細地規定好了機器在既定條件下的既定動作;機器學習算法卻是通過對已有數據的“學習”，使機器能夠在與歷史數據不同的新情境下做出判斷。以機器人行走的實現為例，傳統算法下，程序員要仔細規定好機器人在既定環境下每一個動作的實現流程;而機器學習算法下，程序員要做的則是使計算機分析并模擬人類的行走動作，以使其即使在完全陌生的環境中也能實現行走。
由此，我們可以對“人工智能”設定一個“工作定義”以方便進一步的討論：人工智能是建立在現代算法基礎上，以歷史數據為支撐，而形成的具有感知、推理、學習、決策等思維活動并能夠按照一定目標完成相應行為的計算系統。這一概念盡管可能仍不完善，但它突出了人工智能技術發展和應用的兩大基石——算法與數據，有助于討論人工智能的治理問題。
首先，算法即是規則，它不僅確立了機器所試圖實現的目標，同時也指出了實現目標的路徑與方法。就人工智能當前的技術發展史而言，算法主要可被劃分為五個類別：符號學派、聯接學派、進化學派、類推學派和貝葉斯學派。[12]每個學派都遵循不同的邏輯、以不同的理念實現了人工智能(也即“機器學習”)的過程。舉例而言，“符號學派”將所有的信息處理簡化為對符號的操縱，由此學習過程被簡化(抽象)為基于數據和假設的規則歸納過程。在數據(即歷史事實)和已有知識(即預先設定的條件)的基礎上，符號學派通過“提出假設-數據驗證-進一步提出新假設-歸納新規則”的過程來訓練機器的學習能力，并由此實現在新環境下的決策判斷。
從對“符號學派”的描述中可以發現，機器學習模型成功的關鍵不僅是算法，還有數據。數據的缺失和預設條件的不合理將直接影響機器學習的輸出(就符號學派而言，即決策規則的歸納)。最明顯體現這一問題的例子便是羅素的“歸納主義者火雞”問題：火雞在觀察10天(數據集不完整)之后得出結論(代表預設條件不合理，超過10個確認數據即接受規則)，主人會在每天早上9點給它喂食;但接下來是平安夜的早餐，主人沒有喂它而是宰了它。
所有算法類型盡管理念不同，但模型成功的關鍵都聚焦于“算法”和“數據”。事實上，如果跳出具體學派的思維束縛，每種機器學習算法都可被概括為“表示方法、評估、優化”這三個部分。[13]盡管機器可以不斷的自我優化以提升學習能力，且原則上可以學習任何東西，但評估的方法和原則(算法)以及用以評估的數據(數據)都是人為決定的——而這也正是人工智能治理的關鍵所在。算法與數據不僅是人工智能發展邏輯的基石，其同樣是治理的對象和關鍵。
總而言之，圍繞“人工智能是否會取代人類”的爭論事實上并無太大意義，更重要的反而是在廓清人工智能的內涵并理解其發展邏輯之后，回答“治理什么”和“如何治理”的問題。就此而言，明確治理對象為算法和數據無疑是重要的一步。但接下來的重要問題仍然在于，人工智能時代的崛起所帶來的治理挑戰究竟是什么?當前的制度設計是否能夠對其做出有效應對?如果答案是否定的，我們又該如何重構治理體系以迎接人工智能時代的崛起?本文余下部分將對此做進一步的闡述。
二、人工智能時代崛起的治理挑戰
不同于其他顛覆性技術，人工智能的發展并不局限于某一特定產業，而是能夠支撐所有產業變革的通用型技術。也正因為此，其具有廣泛的社會溢出效應，在政治、經濟、社會等各個領域都會帶來深刻變革，并將同時引發治理方面的挑戰。具體而言，挑戰主要體現在以下三個方面。
首先，治理結構的僵化性，即傳統的科層制治理結構可能難以應對人工智能快速發展而形成的開放性和不確定性。之所以需要對人工智能加以監管，原因在于其可能成為公共危險的源頭，例如當自動駕駛技術普及之后，一旦出現問題，便可能導致大規模的連續性傷害。但不同機、大型水壩、原子核科技等二十世紀的公共危險源，人工智能的發展具有極強的開放性，任何一個程序員或公司都可以毫無門檻的進行人工智能程序的開發與應用。這一方面是由于互聯網時代的到來，使得基于代碼的生產門檻被大大降低[14];另一方面，這也是人工智能本身發展規律的需要。正如前文所提到，唯有大規模的數據輸入才可能得到較好的機器學習結果，因此將人工智能的平臺(也即算法)以開源形式公開出來，以使更多的人在不同場景之下加以利用并由此吸收更多、更完備的數據以完善算法本身，就成為了大多數人工智能公司的必然選擇。與此同時，人工智能生產模式的開放性也必然帶來發展的不確定性，在缺乏有效約束或引導的情況下，人工智能的發展很可能走向歧途。面對這一新形勢，傳統的、基于科層制的治理結構顯然難以做出有效應對。一方面，政府試圖全范圍覆蓋的事前監管已經成為不可能，開放的人工智能生產網絡使得監管機構幾乎找不到監管對象;另一方面，由上至下的權威結構既不能傳遞給生產者，信息不對稱問題的加劇還可能導致監管行為走向反面。調整治理結構與治理邏輯，并形成適應具有開放性、不確定性特征的人工智能生產模式，是當前面臨的治理挑戰之一。
再者，治理方法的滯后性，即長久以來建立在人類行為因果關系基礎上的法律規制體系，可能難以適用于以算法、數據為主體的應用環境。人工智能的價值并不在于模仿人類行為，而是其具備自主的學習和決策能力;正因為如此，人工智能技術才不能簡單地理解為其創造者(即人)意志的表達。程序員給出的只是學習規則，但真正做出決策的是基于大規模數據訓練后的算法本身，而這一結果與程序員的意志并無直接因果關聯。事實上也正由于這個特點，AlphaGo才可能連續擊敗圍棋冠軍，而其設計者卻并非圍棋頂尖大師。也正是在這個意義上，我們才回到了福柯所言的“技術的主體性”概念。在他看來，“技術并不僅僅是工具，或者不僅僅是達到目的的手段;相反，其是政治行動者，手段與目的密不可分”。[15]就此而言，長久以來通過探究行為與后果之因果關系來規范人的行為的法律規制體系，便可能遭遇窘境：如果將人工智能所造成的侵權行為歸咎于其設計者，無疑不具有說服力;但如果要歸咎于人工智能本身，我們又該如何問責一個機器呢?由此，如何應對以算法、數據為核心的技術主體所帶來的公共責任分配問題，是當前面臨的第二個治理挑戰。
最后，治理范圍的狹隘性，即對于受人工智能發展沖擊而引發的新的社會議題，需要構建新的治理體系和發展新的治理工具。人工智能發展所引發的治理挑戰不僅僅體現在現有體系的不適應上，同時還有新議題所面臨的治理空白問題。具體而言，這又主要包括以下議題：算法是否能夠享有言論自由的憲法保護，數據的權屬關系究竟如何界定，如何緩解人工智能所可能加劇的不平等現象，以及如何平衡人工智能的發展與失業問題。在人工智能時代之前，上述問題并不存在，或者說并不突出;但伴隨著人工智能的快速發展和應用普及，它們的重要性便日漸顯著。以最為人所關注的失業問題為例，就技術可能性來說，人工智能和機器人的廣泛應用代替人工勞動，已是一個不可否定的事實了。無論是新聞記者，還是股市分析員，甚至是法律工作者，其都有可能為機器所取代。在一個“充分自動化(Full Automation)”的世界中，如何重新認識勞動與福利保障的關系、重構勞動和福利保障制度，便成為最迫切需要解決的治理挑戰之一。[16]
上述三方面共同構成了人工智能時代崛起所帶來的治理挑戰。面對這些挑戰，各國也做出了相應的公共政策選擇。本文第三部分將對各國人工智能的治理政策進行對比性分析。在此基礎上，第四部分將提出本文的政策建議。
三、各國人工智能治理政策及監管路徑綜述
人工智能時代的崛起作為一種普遍現象，其所引發的治理挑戰是各國面臨的共同問題，各國也陸續出臺了相關公共政策以試圖推動并規范人工智能的快速發展。
美國于2016年同時頒布了《國家人工智能研究與發展戰略規劃》和《為人工智能的未來做好準備》兩個國家級政策框架，前者側重從技術角度指出美國人工智能戰略的目的、愿景和重點方向，而后者則更多從治理角度探討政府在促進創新、保障公共安全方面所應扮演的角色和作用。就具體的監管政策而言，《為人工智能的未來做好準備》提出了一般性的應對方法，強調基于風險評估和成本-收益考量的原則以決定是否對人工智能技術的研發與應用施以監管負擔。[17]日本同樣于2016年出臺了《第五期(2016～2020年度)科學技術基本計劃》，提出了“超智能社會5.0”的概念，強調通過推動數據標準化、建設社會服務平臺、協調發展多領域智能系統等各方面工作促進人工智能的發展和應用。[18]
盡管美國和日本的政策著力點不同，但其共有的特點是對人工智能的發展及其所引發的挑戰持普遍的包容與開放態度。就當前的政策框架而言，美日兩國的政策目標更傾斜于推動技術創新、保持其國家競爭力的優勢地位;當涉及對人工智能所可能引發的公共問題施以監管時，其政策選擇也更傾向于遵循“無需批準式(permissionless)”的監管邏輯，即強調除非有充分案例證明其危害性，新技術和新商業模式默認為都是被允許的。[19]至于人工智能的發展對個人數據隱私、社會公共安全的潛在威脅，盡管兩國的政策框架都有所涉及，卻并非其政策重心——相比之下，英國、法國則采取了不同的政策路徑。
英國政府2016年了《人工智能：未來決策制定的機遇與影響》，對人工智能的變革性影響以及如何利用人工智能做出了闡述與規劃，尤其關注到了人工智能發展所帶來的法律和倫理風險。在該報告中，英國政府強調了機器學習與個人數據相結合而對個人自由及隱私等基本權利所帶來的影響，明確了對使用人工智能所制定出的決策采用問責的概念和機制，并同時在算法透明度、算法一致性、風險分配等具體政策方面做出了規定。[20]與英國類似，法國在2017年的《人工智能戰略》中延續了其在2006年通過的《信息社會法案》的立法精神，同樣強調加強對新技術的“共同調控”，以在享有技術發展所帶來的福利改進的同時，充分保護個人權利和公共利益。[21]與美日相比，英法的公共政策更偏向于“審慎監管(precautionary)”的政策邏輯，即強調新技術或新的商業模式只有在開發者證明其無害的前提下才被允許使用。[22]
在本文看來，無論是“無需批準式監管”還是“審慎監管”，在應對人工智能時代崛起所帶來的治理挑戰方面都有其可取之處：前者側重于推動創新，而后者則因重視安全而更顯穩健。但需要指出的是，這兩種監管路徑的不足卻也十分明顯。正如前文第二部分所指出，一方面，快速迭代的技術發展與商業模式創新必將引發新的社會議題，無論是算法是否受到言論自由的權利保護還是普遍失業對社會形成的挑戰，它們都在客觀上要求公共政策做出應對，而非片面的“無需批準式監管”能夠處理。更重要的是，“無需批準式監管”的潛在假設是事后監管的有效性;然而，在事實上，正如2010年5月6日美國道瓊斯工業指數“瞬間崩盤”事件所揭示的，即使單個電子交易程序合規運行，當各個系統行為聚合在一起時反而卻造成了更大的危機。[23]在此種情形下，依賴于合規性判斷的“事后監管”基本上難以有效實施。另一方面，人工智能本身的自主性和主體性使得建立在人類行為因果關系基礎上的“審慎監管”邏輯存在天然缺陷：既然人類無法預知人工智能系統可能的行為或決策，開發者又如何證明人工智能系統的無害性?
正如本文所反復強調的，人工智能與其他革命性技術的不同之處，正是在于其所帶來的社會沖擊的綜合性和基礎性。人工智能并非單個領域、單個產業的技術突破，而是對于社會運行狀態的根本性變革;人工智能時代的崛起也并非一夜之功，而是建立在計算機革命、互聯網革命直至數字革命基礎上的“奇點”變革。因此，面對人工智能時代崛起所帶來的治理挑戰，我們同樣應該制定綜合性的公共政策框架，而非僅僅沿襲傳統治理邏輯，例如只是針對具體議題在“創新”與“安全”這個二元維度下進行艱難選擇。本文在第四部分從承認技術的主體性、重構社會治理制度、推進人工智能全球治理這三方面提出了政策建議，并希望以此推動更深入地圍繞人工智能時代公共政策選擇的研究與討論。
四、人工智能時代的公共政策選擇
《新一代人工智能發展規劃》明確提出了到2030年我國人工智能發展的“三步走”目標，而在每一個階段，人工智能法律法規、倫理規范和政策體系的逐步建立與完善都是必不可少的重要內容。面對人工智能時代崛起的治理挑戰，究竟應該如何重構治理體系、創新治理機制、發展治理工具，是擺在決策者面前的重要難題。本文基于對人工智能基本概念和發展邏輯的梳理分析，結合各國已有政策的對比分析，提出以下三方面的改革思路，以為人工智能時代的公共選擇提供參考。
第一，人工智能發展的基石是算法與數據，建立并完善圍繞算法和數據的治理體系與治理機制，是人工智能時代公共政策選擇的首要命題，也是應對治理挑戰、賦予算法和數據以主體性的必然要求。(1)就算法治理而言，涉及的核心議題是算法的制定權及相應的監督程序問題。算法作為人工智能時代的主要規則，究竟誰有權并通過何種程序來加以制定，誰來對其進行監督且又如何監督?長久以來公眾針對社交媒體臉書(Facebook)的質疑正體現了這一問題的重要性：公眾如何相信臉書向用戶自動推薦的新聞內容不會摻雜特殊利益的取向?[24]當越來越多的人依賴定制化的新聞推送時，人工智能甚至會影響到總統選舉。也正因為此，包括透明要求、開源要求在內的諸多治理原則，應當被納入到算法治理相關議題的考慮之中。(2)就數據治理而言，伴隨著人工智能越來越多地依賴于大規模數據的收集與利用，個人隱私的保護、數據價值的分配、數據安全等相關議題也必將成為公共政策的焦點。如何平衡不同價值需求、規范數據的分享與應用，也同樣成為人工智能時代公共政策選擇的另一重要抓手。
第二，創新社會治理制度，進一步完善社會保障體系，在最大程度上緩解人工智能發展所可能帶來的不確定性沖擊。與歷史上的技術革命類似，人工智能的發展同樣會導致利益的分化與重構，而如何保證技術革命成本的承受者得到最大限度的彌補并使所有人都享有技術發展的“獲得感”，不僅是社會發展公平、正義的必然要求，也是促進技術革命更快完成的催化劑。就此而言，在人工智能相關公共政策的考量中，我們不僅應該關注產業和經濟政策，同時也應該關注社會政策，因為只有后者的完善才能夠控制工人或企業家所承擔的風險，并幫助他們判斷是否支持或抵制變革的發生。就具體的政策設計來說，為緩解人工智能所可能帶來的失業潮，基本收入制度的普遍建立可能應該被提上討論議程了。“基本收入”是指政治共同體(如國家)向所有成員不加任何限制條件地支付一定數額的收入，以滿足其基本生活的需求。盡管存在“養懶漢”的質疑，但有研究者已指出，自18世紀就開始構想的基本收入制度很有可能反過來促進就業。[25]芬蘭政府已經于2017年初開始了相關實驗，美國的一些州、瑞士也做出了一定探索。在人工智能時代尚未完全展現其“猙容”之前，創新社會治理機制、完善社會保障體系，可能是平衡技術創新與社會風險的最佳路徑。
第三，構建人工智能全球治理機制，以多種形式促進人工智能重大國際共性問題的解決，共同應對開放性人工智能生產模式的全球性挑戰。人工智能的發展具有開放性和不確定性的特征，生產門檻的降低使得人工智能技術研發的跨國流動性很強，相關標準的制定、開放平臺的搭建、共享合作框架的形成，無不要求構建相應的全球治理機制。另一方面，跨境數據流動在廣度和深度上的快速發展成為了人工智能技術進步的直接推動力，但各國數據規制制度的巨大差異在制約跨境數據流動進一步發展的同時，也將影響人工智能時代的全面到來。[26]故此，創新全球治理機制，在承認各國制度差異的前提下尋找合作共享的可能性，便成為人工智能時代公共政策選擇的重要考量之一。就具體的機制設計而言，可以在人工智能全球治理機制的構建中引入多利益相關模式;另一方面，為防止巨頭壟斷的形成，充分發揮主權國家作用的多邊主義模式同樣不可忽視。作為影響深遠的基礎性技術變革，互聯網全球治理機制的經驗和教訓值得人工智能發展所借鑒。
上述三方面從整體上對人工智能時代的公共政策框架做出了闡述。與傳統政策局限于“創新”與“安全”之間做出二維選擇不同，本文以更綜合的視角提出了未來公共政策選擇的可能路徑。就其內在聯系來講，建立并完善圍繞算法和數據的治理體系是起點，其將重構人工智能時代的規則與制度;創新社會治理機制并完善社會保障體系是底線，其將緩解人工智能所帶來的影響與波動;構建全球治理機制則成為了制度性的基礎設施，推動各國在此之上共同走向人工智能時代的“人類命運共同體”。
五、結語
在經歷了60余年的發展之后，人工智能終于在互聯網、大數據、機器學習等諸多技術取得突破的基礎上實現了騰飛。在未來的人類生活中，人工智能也必將扮演越來越重要的角色。對于這樣的圖景，我們自不必驚慌，但卻也不可掉以輕心。對于人工智能的治理，找到正確的方向并采取合理的措施，正是當下所應該重視的政策議題。而本文的主旨也正在于此：打破長久以來人們對于人工智能的“籠統”式擔憂，指出人工智能技術發展的技術邏輯及其所引發的治理挑戰，并在此基礎上提出相應的政策選擇。人工智能治理的這三個基本問題，是重構治理體系、創新治理機制、發展治理工具所必須思考的前提。伴隨著我國國家層面戰略規劃的出臺，我國人工智能的發展也必將躍上新臺階。在此背景下，深入探討人工智能治理的相關公共政策議題，對于助推一個人工智能時代的崛起而言，既有其必要性，也有其迫切性。（來源：中國行政管理 文/賈開 蔣余浩 編選：中國電子商務研究中心）
[參考文獻]
[1]國務院關于印發新一代人工智能發展規劃的通知[EB/OL]. http：//gov.cn/zhengce/content/2017-07/20/content_5211996.htm.
[2]霍金. AI可能成就或者終結人類文明[EB/OL].http：//raincent.com/content-10-7672-1.html.
[3] Elon Musk. Artificial Intelligence is Our Biggest Existential Threat. https：//theguardian.com/technology/2014/oct/27/elon-musk-artificial-intelligence-ai-biggest-existential-threat.
[4] Microsoft's Bill Gates Insists AI is A Threat. http：//bbc.com/news/31047780. 2017-8-14.
[5] [以]赫拉利.人類簡史[M].北京：中信出版社，2014.
[6] The President in Conversation With MIT’s Joi Ito and WIRED’s Scott Dadich. https：//wired.com/2016/10/president-obama-mit-joi-ito-interview/. 2017-8-14.
[7] Turing，A. M. Computing Machinery and Intelligence. Mind，1950，59(236).
[8] [9][10] McCarthy，J.What is Artificial Intelligence. URL：http：//www-formal.stanford.edu/jmc/whatisai/whatisai.html.
[11] [12][13] [美]佩德羅-多明戈斯.終極算法：機器學習和人工智能如何重塑世界[M].黃芳萍譯.北京：中信出版社，2016.
[14] Benkler，Y. The Wealth of Networks：How Social Production Transforms Markets and Freedom. Yale University Press，2006.
[15] Foucoult，M. Discipline and Punish. A. Sheridan，Tr.，Paris，FR，Gallimard，1975.
[16] Srnicek，N.，& Williams，A. The Future isn't Working. Juncture，2015，22(3)：243-247.
[17] Preparing for the Future of Artificial Intelligence. https：//obamawhitehouse.archives.gov/sites/default/files/whitehouse_files/microsites/ostp/NSTC/preparing_for_the_future_of_ai.pdf. 2017-8-14.
[18]薛亮.“日本推動實現超智能社會‘社會5.0’”[EB/OL]. http：//istis.sh.cn/list/list.aspx?id=10535.
[19] Thierer，A. Permissionless Innovation：The Continuing Case for Comprehensive Technological Freedom. Mercatus Center at George Mason University，2016.
[20] Artificial Intelligence：Opportunities and Implications for the Future of Decision Making.https：//gov.uk/government/uploads/system/uploads/attachment_data/file/566075/gs-16-19-artificial-intelligence-ai-report.pdf.
[21]周衍冰.大數據產業在法國的發展及應用[N].學習時報，2014-11-03.
[22] Thierer，A. D.，& Watney，C. J. Comment on the Federal Automated Vehicles Policy，2016.
[23] [美]杰瑞·卡普蘭.人工智能時代：人機共生下財富、工作與思維的大未來[M].杭州浙江人民出版社，2016.
[24] Marcel Rosenbach. How Google and Facebook Can Reshape Elections.http：//spiegel.de/international/germany/google-and-facebook-could-help-decide-2017-german-election-a-1120156.html.
[25] Van Parijs，P. Basic Income：A Simple and Powerful Idea for the Twenty-first Century. Politics & Society，2004，32(1).
如何應對人工智能時代的轉型？人工智能的商業價值地圖中，哪些產業將最先享受技術紅利？
“智造”并不是一個新詞，幾年前，我們可以看到數字技術從虛擬世界向實體世界滲透。3D打印、激光切割等一系列數字制造設備的發明讓制造變得民主化，所以誕生了創客這個群體，讓普通人也可以通過智造來實現想法。而今天，我們都看到“智”的含義又進化了。
人工智能正在全球范圍內掀起產業浪潮。從去年開始，騰訊研究院就對人工智能的產業發展有一個持續的跟蹤。我今天將從一個更廣的維度，不限于制造業來與大家分享關于人工智能如何融合產業，創造萬億實體經濟新動能的一些觀察。
人工智能認知差距存在：已走入平常生活
在另一陣營，包括扎克伯格、李開復、吳恩達等在內的多位人工智能業界和學界人士都表示人工智能對人類的生存威脅尚且遙遠。這其中主要的爭議就來源于對“人工智能”定義的區別。人工智能學家馬斯克等人所述的人工智能，是指可以獨立思考并解決問題，具有思維能力的“強人工智能”，目前，科學界和工業界對何時發展出“強人工智能”并無定論。
現在處于全球熱議中的“人工智能”，并不完全等同于以往學院派定義的人工智能。你可能沒有意識到，我們日常生活中已經用到了許多人工智能技術：早在2011年，蘋果就率先將人工智能應用Siri放進了大家的口袋里；拍照、簽到時用到的人臉識別技術，智能音箱的語音對話系統，以及我們現在主流的新聞推薦引擎，也都用到了深度學習的算法。
人工智能算法存在于人們的手機和個人電腦里，存在于政府機關、企業的服務器上，存在于共有或者私有的云端之中。雖然我們不一定能夠時時刻刻感知到人工智能算法的存在，但人工智能算法已經高度滲透進我們的生活之中。
人工智能的商業潮起：九大領域形成熱點
人工智能的歷史已經有60年的時間，但它作為一個商業化浪潮是最近幾年爆發的。與以往幾次人工智能浪潮不同，此次的人工智能革命跨越了技術商業化的臨界點。
下圖為騰訊研究院的《中美人工智能產業報告》，人工智能領域的投資金額從2012年起呈現出了非常陡峭的增長趨勢，轉折點就是深度學習技術的突破。
IT產業經過數十年的發展，在存儲、運算和傳輸能力上都有了幾何級的提升，使深度學習最終有了質的飛躍。互聯網積累了20年的數據終于有了用武之地——訓練數據。機器學習和深度學習的飛速發展直接引領了此次人工智能產業浪潮。
截至目前，美國在融資金額上人工達到了938億，中國僅次于美國達到了635億。人工智能產業發展出了九大熱點領域，分別是芯片、自然語言處理、語音識別、機器學習應用、計算機視覺、智能機器人、自動駕駛。
另一個明顯的趨勢是中美科技巨頭的集體轉型。從互聯網到移動互聯網的歷次轉換歷程中，把握技術革命帶來的商業范式革命是屹立不敗的關鍵。技術革命將帶來基礎設施、商業模式、行業渠道、競爭規則變化的漣漪效應。
谷歌最早意識到機器學習的重要性，從2012年開始從搜索業務積累數據。從2012年到2017年短短的5年時間已經滲透到了超過1200個谷歌的服務中。業務發展戰略從“移動優先”轉為“人工智能優先”。除此以外，美國的FAAMG (Facebook， Amazon， Apple， Microsoft， Google)以及中國的BAT無一例外投入越來越多資源搶占人工智能市場，有的甚至轉型成為AI公司。他們紛紛從四方面從基礎到全局打造AI生態：
第一，通過建立AI實驗室，來建立核心的人才隊伍。第二，持續并購來爭奪人才和技術。第三，建立開源的生態，占領產業核心。今天，大多數技術進步都不是封閉的創造發明。技術的指數級增長，受益于底層技術的共享。今年，騰訊向外輸出了兩大AI開源項目ANGEL和NCNN。第四，最好的人工智能服務將可能化為無形，即與云服務結合。工具AI將大幅降低企業使用AI的門檻，越來越多科技巨頭選擇將自己的服務“云端化”來賦能全行業。正如馬化騰所說的未來的企業都是在云端用AI處理大數據。并且在一些領域開始試水消費級人工智能的場景。
認識人工智能的能力與局限
認識人工智能的能力與局限AI要在商業上取得成功，首先要理解人工智能的真實能力。AI的爆發對商業的塑造也許與互聯網徹底顛覆傳統行業不同，在很大程度上會不動聲色地嵌入到商業中。應用場景不再是新奇的概念展示，而是融入現有的生產中，進入垂直領域，創造直接的經濟價值。
認識人工智能的能力與局限從認識物理世界到自主決策，目前人工智能已經具備以下幾種能力：
認識人工智能的能力與局限感知智能：在語音識別、圖像識別領域已經有很深入的應用，賦予了機器“看”和“聽”的能力。甚至情感也能被機器理解 ；語音識別和圖像識別都有了顯著的提升。
認識人工智能的能力與局限理解能力：自然語言理解成為隱形的標配植入到產品中。配合計算機視覺可用于理解圖像，來執行基于文本的圖像搜索、圖像描述生成、圖像問答（給定圖像和問題，輸出答案）等。
認識人工智能的能力與局限數據智能：機器學習、深度學習讓機器能夠洞察數據的秘密，并且不斷自動優化算法，提升數據分析能力。
認識人工智能的能力與局限決策能力：本質是用數據和模型為現有問題提供解決方案。棋類游戲是一種典型的決策能力，人類在完美信息博弈的游戲中已徹底輸給機器，只能在不完美信息的德州撲克和麻將中茍延殘喘。在更廣泛的領域，例如如何自動駕駛汽車，如何將投資收益最大化等豐富的場景都將是決策能力的用武之地。
人工智能的價值地圖：產業融合正在加速
與互聯網時代一夜顛覆的渠道革命不同，人工智能的帶來的商業變革正在不動聲色地滲入到各行各業。一大批AI應用的先導者正在將AI能力賦能產業，涉及吃住行、工業醫療等各個領域。下面將用三個例子來說明正在發生的“AI+”產業增強革命。
首先是零售行業。上圖是亞馬遜推出的無人超市Amazon Go。在亞馬遜的藍圖中，顧客從貨架上取下貨品，無需再經過收銀臺便可自動完成結算過程。從顧客進店開始，通過人臉識別驗證顧客身份，在顧客購物時，通過圖像識別和對比技術判斷商品種類，自動生成購物訂單完成自動結算。
現在，各種形式的無人零售商店在國內也如雨后春筍般興起。當然，無人收費只是零售智能化的第一步，人工智能不同能力的應用將全面改變現在的零售模式。比如開一家店選址、到底在哪開、開多大、覆蓋多少人群、賣多少東西？時裝周采購設計師的衣服，買那些今年會暢銷？以前這些都靠零售人的經驗做決策，但在信息時代，這些都可以用精準的算法做決策。
第二個例子是醫療行業，醫療在任何國家都是最大的行業之一，我們經濟發展和科技進步追求的最終目標也是增進健康。
人工智能在醫療行業的應用很廣泛。用人工智能來輔助醫療影像診斷大家已經比較熟悉了。我想說的是人工智能對精準醫療的推動。所有遺傳密碼的信息都是非常非常多的一個大數據，對任何人在他沒有得病的時候我們測量他的組學數據，分析組學大數據，那么就可以對他未來健康發展的危險因素做出評估，根據評估進行適當干預，這樣的話有些疾病不發展，有些疾病減輕他的程度，提高他的生活質量，這樣就把整個醫療健康體系的關口前移，在沒有病之前就提出評估與保證。
第三個例子來自制造業。波士頓有家著名的機器人公司叫Rethink Robotics，顧名思義就是重新思考機器人。這個公司開發了一款名為Baxter的智能協作機器人。這個機器人的特點是和人的交互不再是機械的。Baxter 采用順應式手臂并具有力度探測功能，能夠適應變化的環境，可“感知”異常現象并引導部件就位。你只要挪動它的手臂就能進行訓練，完成特定的任務。其次，對于制造業來說人工智能不僅僅意味著完成某項工任務的機器人，也是未來制造業智能工廠、智能供應鏈等相互支撐的智能制造體系。通過人工智能實現設計過程、制造過程和制造裝備的智能化。
人工智能的經濟影響
人工智能在經濟層面的影響，主要有三個方面：
第一，生產效率的提升。人工智能創造了一種虛擬的勞動力，能夠解決需要適應性和敏捷性的復雜任務。
第二，交易成本的下降。互聯網的平臺模式通過降低信息不對稱，降低了交易成本。隨著機器學習的引入，可以實現更精準的服務匹配，進一步優化資源的分配。
第三，人工智能將帶來數據產業的蓬勃。機器學習需要數據的“喂養”，海量的數據需求催生了多種類型的數據交易模式。數據的需求會產生很多數據經紀商，有B2B模式，C2B模式，B2B2C模式等，促進數據在個人、企業及產業鏈層面流通。數據的來源不單單來自于用戶，也來自于政府公開數據、商業渠道、博客等公共資源等。
轉型之路：五要素堅實人工智能基礎
人工智能將一切變化都帶入了超高速發展的軌道。創新科技公司已集體轉型，傳統行業又改如何應對即將到來的人工智能時代？實現人工智能的轉型，需要從幾個方面并行：
數據、算法和算力是我們常說的人工智能的“三駕馬車”，是人工智能得以應用的基礎。
第一是數據，我們對數據的認識不應該停留在統計，改進產品或者作為決策的支持依據。而應該看到它導致機器智能的產生。但首先，數據是有條件的。垂直行業的數據，高質量的數據。在國家層面，也有許多數據開放計劃。
第二是算法，人工智能的人才仍然是很稀缺的。高校和企業的人才流動越來越頻繁。但同時，企業通過開放生態，降低開發門檻。可以讓更多中小企業享受AI能力。
第三是算力，現在的人工智能系統通過成百上千個GPU來提升算力，使深度學習能夠走向生產環境。但隨著數據的爆發式增長，現有算力將無法匹配。
除了這三駕馬車，從實驗室到行業應用，在人工智能的應用過程中還需要加入兩個元素：
■ 首先是場景。理解場景是人工智能應用的核心。人工智能必須落到精準的場景，才能實現實在的價值。理解人工智能能力可落地的場景及對應的流程，將AI納入決策流程。
■ 其次是人機回環，即human-in-the-loop。“人機回圈”的第一層含義是人工智能應用中需要用戶，即人的反饋來強化模型。更進一步，機器學習是一種嘗試創建允許通過讓專家與機器的一系列交互參與到機器學習的訓練中的系統工作。機器學習通常由工程師訓練數據，而不是某個領域的專家。“人機回圈”的核心是構建模型的想法不僅來自數據，而且來自于人們怎樣看待數據。專家會成為垂直領域的AI顧問，把關模型的正確性。
人工智能并不是靜態的東西，訓練出來的模型要用到某個業務場景里，業務場景里產生新的數據，這些數據進一步提升人工智能模型的能力，再用到場景中，形成一個閉環和迭代。
總結
本輪人工智能浪潮是基于深度學習的發展，將快速滲透到數據密集行業。
人工智能目前從感知智能、理解智能、數據智能和決策智能四方面發揮在各行各業的能力。
關鍵詞：大數據時代人工智能計算機網絡技術應用
中圖分類號：TP18文獻標識碼：A文章編號：1674-098X（2018）01（a）-0157-02
人工智能是計算機和網絡技術、通信技術三者結合的產物，在大數據時代成為爆炸性的數據處理工具。計算機網絡中有很多漏洞，其效率也不夠高，人工智能可以彌補這些缺點，對社會穩定和發展有著特殊的意義。
1人工智能的內涵
人工智能屬于計算機技術，是一種可以模仿人類一些行為以及思維進行的綜合性技術。人工智能的范圍很廣，包括語言學、心理學以及哲學，模擬人們對外界的聲音和圖像進行智能化處理，讓人們對生活中遇到的問題具體化分析，從而提高人們的生活水平。人工智能作為將人類思維轉化為數據的新型方式，只要將數據錄入到計算機系統當中，機器就可以自動操作[1]。同時，隨著計算機網絡的發展，對人工智能的進步產生影響，二者互相依靠，將網絡中的詞義、數據進一步轉化為機器操作，突出其重要性。人工智能的優越之處就是能夠處理一些不夠清晰的信息，從信息中取得有效數據并且進行處理，再將結論反饋給用戶。
2人工智能的特征
2.1化繁為簡
人工智能可以從根本上解決很多無法確定的問題，很多在生活中無法得到解答的問題，都能從人工智能中模擬具體的計算機運算，將難度很強的問題簡單化，實現對很多不清晰數據的全面掌握。通過對人工智能的管理，讓計算機網絡管理得到安全保障。
2.2加快信息處理的速度
人工智能作為我國一項新興技術，主要是對人類的思維和行為進行模仿，同時與計算機技術進行有效結合，加快了對信息和數據等處理的速度，從而提高了用戶的工作效率，縮短了用戶查找資料的時間。在使用計算機過程中，人工智能可以加快網絡運行的速度，在網絡管理當中也具有很強的實用性質。
3大數據時代人工智能在計算機網絡技術中的應用
3.1保障網絡安全
人工智能就像是人類的大腦進行自動化操作，對錯誤的數據進行初步篩選，能夠體現出很強的優越性，尤其是噪聲輸入模式等網絡安全管理。人工智能技術在計算機網絡安全中有著重要的地位，在處理垃圾郵件、智能防火墻方面具有良好的效果[2]。人工智能技術在處理垃圾郵件的時候，可以先掃描用戶的郵件，將一些不符合網絡安全的郵件進行標注，用戶就可以盡快發現問題并且處理，以免對自己的計算機產生危害。人工智能系統規避了垃圾郵件的騷擾行為，確保了計算機的安全。
智能防火墻系統可以提供拒絕服務等安全措施，智能防火墻不僅能夠降低計算機的數據運算量，還可以及時發現入侵互聯網程序的病毒，在分辨率極高的情況下防御病毒的傳播。
在計算機連接網絡的過程中，入侵檢測十分關鍵，對網絡的安全性也十分重要，入侵檢測將會影響到計算機數據的完整性與安全性。通過分類處理形成數據報告，將計算機網絡的安全狀態反饋給用戶，用戶能在第一時間發現計算機出現的安全問題，人工智能相對于傳統的模糊鑒別具有更高的安全系數，讓用戶的計算機時刻處于保護之中。
3.2管理與評價
在大數據的時代背景之下，計算機網絡管理需要加快人工智能技術的應用。人工智能不但能夠在網絡安全管理上發揮作用，而且可以利用專家數據庫進行綜合管理。計算機網絡技術想要不斷進步，就要持續開發人工智能技術，將問題放在知識庫當中進行管理。計算機網絡在管理方面瞬息萬變，工具類動態碼也在不斷變化，人工智能可以化繁為簡，將復雜的程式變得簡單，對綜合管理來說十分有利。
人工智能模式在整個信息系統中扮演著重要的角色，就是因為系統中借鑒了很多專家的經驗和知識，并且將更新的內容持續輸入其中。完善系統內容可以匯聚專家的想法，將一些相似的問題通過人工智能系統在計算機網絡管理中進行評價，使其在計算機網絡中起到重要的作用。
人工智能系統在當前的企業管理當中也得到廣泛應用，伴隨著企業的經濟發展，根據人工智能技術特點進行監控，讓企業的管理更加現代化，不斷提高工作效率。人工智能提供的智能化管理可以讓企業管理更加便捷、減少成本。
3.3管理模式
人工智能系統其實是一個軟件，由知識庫和數據庫等通訊部分組成，以知識庫作為依托，對數據進行分析處理，為用戶提供更好的服務。人工智能管理能夠在用戶自定義的模式上對信息進行探索，然后將數據傳輸至指定的位置，為用戶提供最人性化的服務[3]。用戶在查找數據的時候，人工智能管理技術可以通過計算機信息分析和查找，向用戶傳遞有用的信息，為用戶節省大量的查詢時間。人工智能技術已經成為日常生活中不可缺少的應用，無論是網上購物還是收發郵件，都會為用戶提供十分優質的服務。人工智能程序本身就有很多自主性，為用戶直接分配任務，通過學習促進計算機網絡技術的發展。
3.4人工免疫技術
人工免疫技術就像是人的免疫系統，用計算機程序體現基因庫和各類選擇，配合使用各類技術彌補傳統入侵檢測的不足，以及無法自動識別病毒等。而人工智能免疫系統可以將各類病毒自動識別，在系統中產生一串字符，將匹配的字符刪除，如果能夠通過檢測就會進行下一步程序，這個技術的應用還有待改善，但具有較大的應用價值。
3.5數據融合技術
數據融合技術是以用戶作為對象，將多個數據進行重新組合，在組合的基礎之上挖掘出更多的信息。數據融合在網絡安全的管理中，能夠將多個傳感器在系統中進行連接，提高計算機的系統性能，將傳感器的入侵范圍縮小，打破原有的局限模式，保證入侵檢測系統的安全，多種技術融合之后會產生更好的效果。現階段入侵檢測方面的技術很多，包含數據庫和各類知識結構的拼接，構建了專家的知識系統，如果一旦受到系統的入侵就可以自動檢測數據，確定入侵的種類和危害。專家知識庫包含很多基本理論和經驗，將已知的內容轉化為各類編碼，數據庫中得到專家的支持并且采用各類管理方式，以便完成計算機的各項工作。
4結語
大數據時代中，人工智能在計算機網絡技術中的運用越來越廣泛，如果想要進一步加快人工智能的腳步，就需要明確它的優勢以及應用現狀，逐步深化人工智能技術的發展趨勢。計算機技術的發展趨勢決定了人工智能的發展程度，也會在很大程度上促進計算機網絡的應用。只有將人工智能技術與計算機網絡緊密地結合在一起，才能夠讓二者相互促進。人工智能的應用必須要滿足當前科技的發展，只有保證計算機網絡的安全運行，人們的生活才會更加便捷，網絡安全的諸多問題也會減輕。只有不斷地對計算機技術進行創新和優化配置，才能夠讓人工智能技術發揮得更好，為社會創造更高的價值。
參考文獻
[1] 李艷旭.大數據時代人工智能在計算機網絡技術中的應用[J].農家參謀，2017，2（16）：112.
關鍵詞：人工智能 計算機 信息技術 應用
中圖分類號：TP391.6 文獻標識碼：A 文章編號：1007-9416（2016）12-0118-01
近年來，其初步成果已經在我們的生活中得到了運用。科學家們借助一臺計算機或者是一個機器人載體通過輸入代碼等方式，對計算機作出指令讓其代替人們完成一些需要人們親自動手或者是動腦的工作，既包括對人生命健康安全存在隱患的高危工作，也包括是毫無技術水平，重復枯燥的體力勞動。隨著人工智能技術應用越來越具備挑戰性，作為實現平臺的計算機更是發揮了不可忽視的作用。因此，討論探究人工智能在計算機中的應用就顯得尤為的重要。
1 人工智能的含義
人工智能（Artificial Intelligence），英文縮寫為AI。就其本質而言，是對人的思維的信息過程的模擬。該詞于1956年在Dartmouth學會上被科學家們提出，最早是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。現在被當作為計算機科學的一個分支，它進一步的深化智能，并以生產出一種能做出與人類相似反應的智能程序為目標，包括機器人、語言識別、圖像識別、自然語言處理和專家系統等。人工智能在計算機中的應用不是簡單的機器制造，是模擬人類智力活動和反應能力的系統創造，是信息時代高科技不斷發展的代表產物，人工智能的發展在現代信息社會的發展中占據著越來越重要的地位。
2 人工智能在計算機應用中存在的問題
2.1 語言智能存在缺陷
在計算機語言智能雖然取得了一定程度的成果，但是在具體應用方面仍舊存在著一定缺陷。由于在實際生活中使用環境的限制，使用者不能保證在任何使用情況下周圍安靜無噪音，再加上用戶不同的口音、停頓、語言習慣等等，這都給計算機接受指令作出智能反應帶來了極大的挑戰，需要科學家和技術人員不斷提高計算機語言智能智能能力，另外計算機語言正處于起步階段，雖然計算機對于人們發出的指令智能進行簡單的翻譯，但是對于句子意義的理解稍顯不足，容易在語序語法上出現低級錯誤，計算機語言理解能力還有待加強，翻譯和理解的能力在實際應用中也需要大幅度提升。
2.2 缺少詞匯量和互動環節
詞匯量決定計算機系統接受語音信息和指令的完整程度，互動環節的多少決定計算機系統智能水平的高低。一方面使用者語言的多樣性增添了系統語音識別難度，由于系統缺乏世界語言的不足，在搜索計算法效率的不斷提升和搜索詞匯量的不斷增加的情況下，如用戶引用的詞匯超出系統存儲范圍時，系統很有可能出現混亂、奔潰等情況。這都給用戶在計算機人工智能語音應用方面造成了極大的困擾；另一方面人們生活水平不斷提高，對應用的人性化和趣味化要求也在同步提升，但是從現實狀況來看，計算機人工智能互動模式和內容太過死板和枯燥，難以吸引用戶使用興趣，要想促進人工智能在計算機的不斷應用，就得不斷創新，研究開發新模式吸引用戶注意。
3 人工智能在計算機中的具體應用
3.1 進入生產領域，節省人力資本
隨著人工智能與計算機的高度結合，越來越多的企業將目光投向于人工智能在生產領域的研究，一方面對于一些事故發生率較高、財產損失規模較大、且對工作者生命安全造成極大威脅的高危行業，企業的管理者可以運用計算機控制，以機器代替人工進行作業，如地下采煤、高空作業、爆破工作等等，既將工人的生命威脅降至最低，又能提高生產工作效率，促M企業的發展乃至行業的整體進步，另一方面，由于我國國情存在著大量的勞動密集型產業，人工智能促進了流水線生產，電腦系統化解放了大批勞動力，節省了大量企業資本，促使企業將更多的資源運用進人工智能和產品的研發，從而對計算機人工智能的進一步發展起著積極的作用。
3.2 投放科學領域，促進時代進步
人工智能在計算機中的應用典型例子就不能忽略超級計算機的研發和使用，所謂的超級計算機是以計算機為載體，具有代替人們進行任務規劃和強大計算、處理數據的能力，主要特點表現為高速度和大容量，配有多種外部和設備及豐富的、高功能的軟件系統。現有的超級計算機運算速度大都可以達到每秒一太（萬億）次以上。例如我國“天河二號”，它工作一秒鐘相當于我們每個國民加起來全年無休工作1000年的計算量。因此，其多應用于國家高科技領域和尖端技術研究，人工智能與計算機的有機結合、相互作用、相互影響、其所表現出來的科學產物，不僅體現了一個國家的科研實力，同時對國家安全，經濟和社會發展具有舉足輕重的意義。
3.3 運用實際生活，提高生活水平
隨著電子信息技術和計算機的發展，人工智能影響到我們的方方面面，通過搜索引擎就能查找我們所需要的圖片和信息，點擊人工語音選項我們便能對電腦程序發出指令，圖搜商品導購、攝像頭智能識別等等，被我們所熟悉的還有由谷歌公司研發創造的圍棋人工智能程序阿爾法與微軟互聯網工程院于2014年的人工智能機器人“小冰”。前者在2016年3月以4：1的總比分戰勝李世石，后者則擁有人工智能聊天，具有“陪你數羊”能人性化功能。由此可見，人工智能在計算機中的應用在給我們的生活帶來挑戰的同時，極大地提高了我們的生活水平、擴寬了娛樂方式。
4 結語
隨著信息時代和高科技技術的高速發展，人工智能近年來所表現的迅猛勢頭不容小覷。雖然人工智能在計算機領域應用起步較晚，但它逐漸顯現出其獨特的發展潛力，對我們的生活和工作也發揮著越來越重要的影響。就目前人工智能發展狀況來看離不開與計算機的結合和使用，因此我們不斷學習和研究，不斷促進人工智能在計算機領域中的應用和發展。
參考文獻
關鍵詞：智能科學與技術；知識結構；應用型人才；人才培養；知識型能力本位教育
中圖分類號：G64文獻標識碼：A
文章編號：1009-3044（2020）25-0153-03
1引言
智能科學與技術主要包含智能科學和智能技術兩部分內容[1]：智能科學是以人如何認知和學習為研究對象，探索智能機器的實現機理和方法；智能技術則是將這種方法應用于人造系統，使之具有一定的智能或學習能力，讓機器系統為人類工作。目前，在本科專業目錄中，智能科學與技術專業是計算機類之下的特設專業，在現有的人工智能專業群中，除了新設的人工智能專業外（2019年全國共有35所高校獲首批人工智能新專業建設資格），智能科學與技術專業與全球范圍大力推進與快速發展的人工智能關系最密切，契合度最高。一方面，智能科學與技術的專業發展和人才培養將為人工智能技術提供理論支撐、技術推進和人才支持，另一方面，人工智能產業現狀和未來發展趨勢直接影響著智能科學與技術的專業發展和人才需求。
2人工智能時代對人才的需求
站在國家戰略的高度來看，人工智能將成為新一輪產業變革的核心驅動力，可以實現社會生產力的整體躍升，因此人工智能將成為引領未來的戰略性技術，世界主要發達國家都把發展人工智能作為提升國家競爭力、維護國家安全的重大戰略。
隨著人工智能時代的到來，許多企業對具有智能科學與技術專業背景的人才有著巨大的需求。首先，IT企業紛紛涉足智能科學領域，提高產品智能水平；其次，許多傳統制造業也在轉型，從勞動密集型到知識密集型，進一步提升到智能制造型，并逐漸具備高精尖裝備制造能力；此外，醫療、通訊、交通等行業也對智能科技人才有著迫切的需要。人工智能對各行各業的影響，充分體現了智能科技的高速發展，對人才數量和素質要求也越來越高。
從人才的金字塔型分布來看，智能科學與技術領域不僅需要高端學術型人才，更需要接地氣、重實踐的應用型人才。隨著“中國智造”的不斷推進，智能科學與技術領域已由頂層設計和關鍵技術突破向生產、應用、裝配、服務等環節延伸，迫切需求大批專業技術精、實踐能力強、操作流程熟的應用型人才。2019年，人力資源和社會保障部、國家市場監管總局、國家統計局向社會了13個新職業信息，包括人工智能工程技術人員、物聯網工程技術人員、大數據工程技術人員等，這也從另外一個側面說明人工智能等技術推動了產業結構的升級，催生了相關專業技術類新職業，可形成相對穩定的從業人群。
3應用型人才培養模式分析
《中國制造2025》以推進智能制造為主攻方向，強調健全多層次人才培養體系，提到強化職業教育和技能培訓，引導一批普通本科高等學校向應用技術類高等學校轉型，建立一批實訓基地，開展現代學徒制試點示范，形成一支門類齊全、技藝精湛的技術技能人才隊伍。
通常而言，人才類型分為三類[2]：學術型人才、應用型人才、技能型人才。實際上從現代職業教育的發展和社會需求來看，應用型人才和技能型人才的界限相對模糊，可統稱為應用型人才，即把成熟的技術和理論應用到實際的生產、生活中的技術技能型人才。從國家的層面來看，為了適應人工智能時展，人才需求數量基數最多、缺口最大的就是應用型人才，這也對眾多高校培養人才的導向產生重大影響。這里我們重點討論智能科學與技術應用型本科人才的培養，可從職能、知識結構、能力結構、行業（產業）導向四個方面來分析。
3.1職能
智能科學與技術應用型人才是培養面向各類智能科學與技術的工程設計、開發及應用，掌握各類現代智能系統設計、研發、集成應用、檢測與維修、運行與管理等技術，具有扎實理論基礎、較強工程實踐和創新能力的高素質應用型工程技術人才。
3.2知識結構
智能科學與技術專業充分體現了跨學科的特點，其知識結構包含了三個并行的基礎領域：電子信息、控制工程、計算機，也蘊含了電子信息工程、控制科學與工程、計算機科學與技術等學科的交叉和融合，體現了智能感知與模式識別、智能系統設計與制造、智能信息處理三個方面的專業內涵。
（1）智能感知與模式識別
屬于電子信息與計算機交叉領域，主要定位在機器視覺與模式識別。包括三維建模與仿真、圖像處理與分析、圖像理解與識別、機器視覺、模式識別、神經網絡、深度學習等。主要課程包括：電子技術基礎、信號系統與數字信號處理、數字圖像處理、模式識別等。
（2）智能系統設計與制造
屬于控制工程領域，包括自動控制、無人系統與工程、精密傳感器設計與應用等。主要課程包括：機械基礎、工程力學、自動控制原理、傳感器與測試技術、計算機控制技術、機電系統分析與設計等。
（3）智能信息處理
屬于計算機領域，包括交通大數據、汽車與道路安全大數據等的分析與處理、信息處理與知識挖掘、信息可視化等。主要課程包括：智能科學技術導論、計算機程序設計、微機原理與接口技術、數據結構與算法、嵌入式系統設計等。
3.3能力結構
智能科學與技術應用型人才培養著眼于人工智能工程應用，要求學生具有運用計算機及相關軟硬件工具進行大數據的采集、存儲、處理、分析、應用的能力；具備智能系統的設計、開發、集成、運行與管理的能力；注重培養學生綜合運用所學的智能科學與技術專業的基礎理論和知識，分析并解決工程實際問題的能力，其能力結構可以借鑒能力本位教育（CompetencyBasedEducation，簡稱CBE）模式[3]。
CBE是國際上較流行的一種應用型人才培養模式，主要代表國家為加拿大和美國。該模式以能力為人才培養的目標和評價標準，一切教學活動均圍繞綜合職業能力的培養展開，CBE人才培養模式主要有以下三方面的特色：能力導向的教學目標；模塊化的課程結構；能力為基準的目標評價體系。該模式所培養的本科應用型人才具有較強的專業綜合能力和職業能力[4]，在一定時期得到社會的廣泛認可，但是單純的CBE模式并不能完全適應人工智能時代對人才培養的需求，這是由于目前許多職業崗位在人工智能的沖擊下，其形式和內容均會產生動態變化，要求現階段的人才培養具有延伸性和前瞻性，既要兼顧眼前，也要考慮應對智能化浪潮，打好基礎，提高自學習能力。因此，智能科學與技術應用型人才培養有一定崗位針對性，但并不是完全固化崗位內容及層次、固化知識屬性，必須強化自我學習能力，才能實現能力可持續增長，崗位的向上流動性以及知識和經驗的進化，才能真正適應人工智能時展的需求。
自我學習能力的形成與提高往往源于知識結構的構建[5]。為了塑造更合適的能力結構，需要CBE模式與知識結構的相輔相成，有鑒于此，將這種新型人才培養模式稱之為知識型能力本位教育（Knowledge&CompetencyBasedEducation，簡稱KCBE）模式，這也意味著在人才培養過程中，將知識結構與能力結構放在并重的地位，既著眼于預期能力的培養，也必須讓學生筑牢學科專業基礎，在走向社會以后，在知識引擎的作用下，通過自我學習，具備并提升適應未來的、新的智能化崗位需求的能力。
3.4行業（產業）導向
從智能科學與技術專業的角度，培養的應用型人才以“智能化應用”為就業大方向，具體而言，包括：
（1）智能感知與模式識別領域
主要從事電子信息的獲取、傳輸、處理、分析、應用等領域的研究、設計及應用，包括圖像處理、機器視覺、工業視頻檢測與識別、視頻監控、傳感器設計及應用等。
（2）智能系統設計與制造領域
主要從事智能裝備、智能制造、智能管理、智能服務等領域的設計、制造及應用，包括智能工廠、智能車間、智能生產線、智能物流、以及智能運營與服務等。
（3）智能信息處理領域
主要從事計算機數據處理、分析、理解、管理、以及服務等領域的研究、設計及應用，包括數據存儲與管理、數據分析與預測、交通大數據分析應用、道路與汽車安全大數據分析、智能交通、智能電力、智能家居、智慧城市等。
涉及的產業領域主要包括智能制造，如工業互聯網系統集成應用，研發智能產品及智能互聯產品等。其他的領域還包括智能農業、智能物流、智能金融、智能商務等。
產業需求帶動人才培養，人才培養在滿足產業需求的同時推動技術進步，而技術進步又引燃了新的產業需求。產業需求與人才培養的相互作用，呈現出螺旋式上升的發展態勢，這在人工智能相關產業與智能科學與技術應用型本科人才培養之間表現的得尤為突出。
4KCBE模式人才培養的主要措施和途徑
智能科學與技術專業應用型本科人才的培養模式一定是和人才需求、學校定位相適應的。培養應用型人才，應注重學生實踐能力，從教學體系建設體現“應用”二字，其核心環節是實踐教學。結合上述的KCBE培養模式，知識結構在能力培養過程中也占有非常重要的地位，因此在能力培養方面，知識和實踐作為兩大要素，不能偏廢任何一方，必須齊頭并進，既要固基礎，也要重實踐。
（1）筑牢智能科學與技術專業知識基礎，構建與智能化應用相關的知識體系
在本科的低年級階段，應注重公共基礎課，特別是數學和力學課程，還應充分了解智能科學與技術專業的內涵，讓學生對所學專業有一個比較全面的認識。在本科中高年級階段，重點強化專業基礎，包括電子技術基礎、自動控制原理、傳感器與測試技術、微機原理與接口技術、數據結構與算法等。歸納地說，應該筑牢數理基礎、計算機基礎、機電基礎和控制基礎，因此對原理課程需要強化，這樣對很多工作機理、來龍去脈的理解才能深刻。
（2）增強智能科學與技術專業的實踐環節，構建以能力培養為重心的教學體系
按照KCBE模式，校企合作是強化實踐的一種重要形式[6]。學校根據人工智能企業實際情況靈活設置實踐課程內容，根據企業發展趨勢及時調整課程體系以避免教學內容與企業需求相脫離。人工智能企業還可以參與學校教學目標和教學計劃的制定，并為學校實踐教學提供各方面支持，從而提高人才培養的針對性。
關鍵詞 人工智能技術；交通管理；人工智能系統
中圖分類號：V355 文獻標識碼：A 文章編號：1671—7597（2013）041-118-01
1 研究背景
隨著時代的發展，計算機技術因其優越性在多個領域得到廣泛應用。“計算機學科的一個重要分支就是人工智能，它與基因工程、納米科學被列為21世紀三大尖端技術”，它為人工智能技術在航空業的應用創造了條件。現代航空業的迅猛發展，帶來空中交通流量的飛速增長。目前，航空業經常出現空中交通堵塞、擁擠等現象，迫切需要引進先進的技術手段，提升空中交通技術，改進管理手段，有效提升空域容量與空間利用率。
根據空中交通管理的理論特點，以及空中交通管理技術特點，人工智能技術在空中交通管理中的應用研究逐漸引起了人們的重視，并取得較大發展。人工神經網絡在空中交通流量預測、飛行間隔控制、飛行沖突智能調配等方面的研究初見成效。但我國空中飛行流量需求的日益增大，迫切需要將人工智能技術有效運用到空中交通管理中，建立人工智能空中交通管理輔助系統，真正實現類似專家功能的新型空中交通管理系統。本文基于這樣的認識，嘗試將人工智能技術應用到空中交通管理系統中，有效提升空中交通的空域容量，使空中交通更加有序，更好地服務于積極社會的發展，提升人們的生活質量。
2 人工智能技術概況闡述
“人工智能也稱機器智能，它是計算機科學、控制論、信息論、神經生理學、心理學、語言學等多種學科互相滲透而發展起來的”從計算機應用系統的層面來理解，人工智能研究的主要內容是如何制造出人造的智能機器，以及人造的智能系統，具備模擬人類智能活動的能力，從而延伸人們智能的一門科學。
人工智能領域的研究始于1956年，“人工智能”這個術語第一次出現于達特茅斯大學召開的一次會議上。隨后人們逐漸在問題求解、自然語言理解、自動程序設計、專家系統、邏輯推理與定理證明、博弈、學習以及機器人學等領域展開研究，成功建立了具有一定程度的人工智能計算機系統。隨著研究的不斷深入，人工智能理論得到不斷的豐富與發展。隨著計算機硬件的快速發展，計算機的存儲容量不斷擴大、運行速度不斷提高、價格低廉，人工智能技術的發展將會給人們的生活、工作等帶來更大的影響。
3 空中交通管理人工智能系統構成簡述
人工智能技術在空中交通管理中的應用有助于建立人工智能輔助系統，建立新的空中交通管理模式。“但不要忘記采用不同的技術和運作概念也會帶來不同的空中交通管理模式，特別在新技術層出不窮的今天，我們更不能忽略這個方面。”，它能使空中交通流量管理高效、有序、安全，有效提升空中交通的空間與時間利用率，對空中飛行沖突進行有效的預測與解決。空中交通管理的核心是科學合理安排空中交通流量。飛行流量的智能化管理、飛行沖突的預測、飛行沖突的解決等方面是人工智能輔助系統研究的側重點。空中交通管理人工智能輔助系統由飛行流量管理模塊、沖突探測與解脫模塊、輔助決策模塊等三個附屬系統構成。這幾個模塊間的關系是在沖突探測與解脫模塊與飛行流量管理模塊之中滲透輔助決策模塊，最終形成智能飛行流量管理、智能沖突探測與解脫模塊系統，它們能夠為空中管制員提供有效的決策輔助信息，切實減輕空中管制員的工作負擔，提高空中飛行的安全性與管制效率。
4 空中交通管理人工智能輔助系統的實現方式
4.1 飛行流量管理輔助決策的實現
人工智能系統飛行流量管理模塊主要將空域資源“空閑”的概念與A算法與輔助決策進行結合。其具體操作過程是根據飛行流量管理數據庫，儲存或讀取數據，計算流量，預測沖突，依據基本容量模型，建立A算法數學模型，對空中航班進行動態與靜態排序，最終完成人工智能技術對空中飛行流量的輔助決策作用。
建立準確客觀的飛行流量管理數據庫非常重要。這些原始數據必須可靠、準確、及時，因為它直接影響到輔助決策的有效性；開放數據庫間的互連主要依靠ODBC ，它是數據庫之間連接的標準，為SQL語言的存取提供標準接口；再依據數據庫的信息，運用飛行動力學知識計算出飛機在具體時間應該到達的位置，以及到達具置的準確時間，合理的安排飛行架次；飛行流量沖突預測主要通過將流量與相應的容量比較，列出具體的沖突時間、沖突地點、存在沖突的飛機架次；最后調整航班與起降，對沖突航班及時調整，確保交匯點、航路、機場、管制區等暢通。人工智能中的A 算法可以有效針對基本容量模型對飛機進行排序，對飛行計劃的來源、內容及狀態轉化等進行研究，生動模擬飛行計劃實施過程。“空閑”概念可以使沖突航班時刻調整在受限區域內。
4.2 飛行沖突探測與解脫輔助決策的實現
飛行沖突探測與解脫輔助決策系統能夠向空管員提供高效的避撞輔助方案，有效彌補管制員決策過程中的不足，對飛行沖突情況進行分析，尋找出積極的解脫方案。
飛行沖突探測與解脫輔助決策系統推理過程大致包括以下幾個方面：突中航空器、突中航空器優先等級評估、沖突類別評定、避撞應對方案、建立避撞路線。推理選擇最主要的過程是推理機制，為了完成推理過程，該系統中還必須包括一系列的規則：航空器優先級別評定規則、避撞方案確定規則、避撞空管規則、建立避撞路線規則等；還要建立層次型結構及模塊化知識庫，確保避撞推理的有效運作，保證知識庫得到有效維護，并且能夠及時的更新。
5 結束語
人工智能技術在空中交通管理中的應用，必將使空中交通管理更高效、更安全、更有序，必將最大程度的提升空域的利用效率。人工智能技術的應用領域是廣泛的，相信隨著人們對人工智能技術研究的不斷深入，人工智能技術必將在更多方面提供智能化輔助管理服務，使人工智能技術不斷的服務于社會經濟，服務于人們的需要。
參考文獻
[1]楊焱.人工智能技術的發展趨勢研究[J].信息與電腦，2012（08）.
Abstract： In view of the characteristics of artificial intelligence curriculum， including abstract content and complex algorithm， and the actual needs of undergraduate teaching， combined with teaching practice， this paper discusses and sums up the teaching reform and innovation of undergraduate artificial intelligence curriculum from the teaching system， teaching content， teaching methods and assessment methods.
P鍵詞： 人工智能；創新；本科
Key words： artificial intelligence；innovation；undergraduate
中圖分類號：G642 文獻標識碼：A 文章編號：1006-4311（2017）22-0230-02
0 引言
人工智能是計算機科學的一個分支，是當前科學技術中正在迅速發展、新思想、新觀點、新理論、新技術不斷涌現的一個學科，其屬于一門邊緣學科，同時也是多個學科交叉而成的一門學科，包括語言學、哲學、心理學、神經生理學、系統論、信息論、控制論、計算機科學、數學等[1]。當前人工智能已經是很多高校計算機相關專業的必修課程，它是計算機科學與技術學科類各專業重要的基礎課程，其教學內容主要包括自然語言理解、計算智能技術、問題求解和搜索算法、知識表示和推理機制、專家系統和機器學習等，國內外很多大學都意識到了其重要性，紛紛對其展開了教學和研究。人工智能課程包含多個學科，具有內容抽象、理論性強、知識點多等特點，且算法復雜，但是多數高校采用的教學方式仍是傳統的課堂教學方式，即“教師講、學生聽”的教學模式，這種信息單向傳輸教學模式以教師為主體，學生只是在被動的接收知識；存在過分重視理論教學，忽視實踐活動教學的問題，導致教育內容無法和社會接軌；人工智能教材理論性過強，學生在學習過程中常常感到枯燥乏味，進而對學習該課程失去熱情[2]，久而久之，不僅人工智能課程的教學質量和效果無法達到預期，甚至學生還會產生厭學心理。針對人工智能課程中現有的各項問題，本文作者結合自身豐富人工智能教學實踐經驗，參考人工智能課程特點和教學目標，從多個方面探討和總結了人工智能，包括教學內容、教材選擇、教學方法和考核形式等。
1 教學內容優化與更新
人工智能是一門嶄新的學科。開設本課程首先是確定教學內容。通常來講，人工智能學科的內容包括兩個部分，具體：一是知識表示和推理；二是人工智能的應用。前者是人工智能的重要基礎，后者主要介紹了幾種人工智能應用系統，包括自動規劃和機器視覺、機器學習、專家系統等。另外，課程內容中還包括了一些人工智能應用的實例，將實踐和理論緊密結合起來[3]。
隨著時代的發展和科技的進步，人工智能學科也取得了較大發展。基于此，人工智能學科也應該與時俱進，更新人工智能教學大綱，進一步完善其教學內容。修訂后的人工智能教學大綱將人工智能分成兩個部分，即基礎部分和擴展應用部分。前者包括計算智能、搜索原理、知識表示等，后者包括智能機器人、智能控制、多智能體、自然語言理解、自動規劃、機器學習、知識工程等。
教學內容的選擇和確定應綜合考慮多項因素，不僅要重視基礎知識，也應注意推陳出新，隨著科技的進步做到與時俱進，同時教學內容應符合現實的需求，能夠與社會接軌，將理論和實踐緊密結合起來，只有這樣人工智能課程的教學質量和效果才能事半功倍。
2 教學策略及教學方法的改革創新
由于人工智能課程具有算法復雜、內容抽象、理論性強、 知識點多的特點，傳統的教學模式已經無法滿足人工智能課程的需求，教師應探索更加有效的教學模式和方法，確保人工智能課程能夠取得良好的教學質量和教學效果。具體的改革和創新人工智能課程的手段和方法主要包括以下幾個方面：
2.1 激發學生的學習興趣 無論是經驗還是常識都在告訴我們每個人最好的老師就是興趣，學生只有對某門學科存在興趣，才會更加主動積極的學習該門課程，從而獲得良好的教學效果。比如，作者在課程的一開始先播放了一段著名導演斯蒂文?斯皮爾伯格的《Artificial Intelligence》的相關片段，由這個電影學生知道了世上存在人工智能的機器人，學生們隨著電影情節的發展而深深感動，與此同時教師讓學生思考和談論人工智能是什么？研究人工智能的意義在哪里？實踐發現，在課堂中加入電影因素，能夠大大提升學生們的注意力，讓學生更加專注在教學任務中，有效提高了學生探索人工智能的積極性和主動性。此外，在教學中還可以用動畫、視頻、圖片等手段將反映人工智能最新研究和應用的成果展示出來，讓學生更直觀的感受人工智能的奧妙，從而投入更多熱情學習人工智能課程。
2.2 面向問題的案例教學法 案例教學法是一種以案例為基礎、以能力培養為核心的一種教學方法[11]。針對學校學生特點，我們采取了以下幾種教學形式實施案例教學。①講解式案例教學：這種案例通過教師的講解，幫助學生理解抽象的理論知識點。案例的呈現有兩種基本形式：一是“案例―理論”，即先給出教學案例，然后再講解理論知識；二是“理論―案例”，即教師先講解理論知識，再給出教學案例；通過情境體驗與案例剖析激發學生認知的興趣，引導學生對將要學習的內容產生注意，有利于教師導入新課。②討論式案例教學：在課程初期將學生分成若干學習小組，每小組3～4人；教師將提前設計好的一題多解的教學案例以及收集的相關資料分配給每個小組，要求學生在課余時間通過自學和組內討論的方式給出問題的不同解決方案。③辯論式案例教學：在課程后期，采取專題辯論的方式對綜合應用案例進行討論，能有效地啟發學生全方位地思考和探索問題的解決方法，加深學生對人工智能的理解。
2.3 個性化學習與因材施教 在開展課程教育過程中應注意對學生進行個性化教學，結合學生特點因材施教。比如，在日常教學中多觀察學生情況，鼓勵那些應對教學任務后仍存在余力的W生深入探索較深層次的課程及相關知識，同時友善面對學習較差的學生，分析其學習過程中面對的困難，有的放矢地采取應對措施，幫助其不斷進步；在教學過程中讓學生以讀書報告的形式多多思考，鼓勵學生發散性思考問題，鼓勵優秀學生進行深一步的探討，并且教師應幫助具有新穎思想或論點的學生將其智慧以科技論文和發表文章的形式轉化為成果。
2.4 注重綜合能力培養 在研究型教學中任務驅動是一種常用的教學方法，其中心導向是任務，學生在完成任務的同時也在吸收和掌握知識。通常來講，該教學方法的步驟是：教師提出任務師生共同分析以得出完成任務的方法和步驟適當講解或自學、協作學習完成任務交流和總結。”[3]該教學模式不僅有利于培養學生的創新能力和創新意識，還能夠培養學生解決實際問題的能力，提高其綜合實力。不僅如此，由于該教學模式通常是以小組協作的方式進行，教師給出研究范圍，學生自愿結組并選擇具體的題目，經過分析和討論后以程序設計或者論文的形式協作完成研究。由此可知，學生是在以團隊的力量解決問題，這十分考驗學生的團隊協作能力，對于學生團隊合作精神的培養至關重要，且在完成任務的過程中學生需要查閱大量的資料，久而久之學生收集資料和創新能力勢必會得到提升。
2.5 采用啟發式教學 人工智能的很多問題都較為抽象，對學生理解力的要求較高，因此，在實際的教學過程中教師應有意識的就課程內容提出相關問題，讓學生自己獨立思考，鼓勵學生提出自己的想法和解決方案。然后回歸到課程上，對比分析教材上的解決方案和學生自己的解決方案，如此不僅培養了學生獨立思考的能力，也增加了學生參與教學活動的意識，提高了學生的學習熱情。比如，在講到較為抽象的“遺傳算法”時，先提出一個問題，即“遺傳算法如何用于優化計算？”，然后從“達爾文的生物進化論”入手，討論“遺傳”、“變異”和“選擇”作用，之后舉例分析，啟發學生思考“遺傳”、“變異”和“選擇”的實現，最后師生一起導出遺傳算法用于優化計算的基本步驟。如此既完成了教授遺傳算法的目的，也鍛煉了學生邏輯思維的能力，教學效果良好[4]。
3 作業和考核方式的改革創新
過去的課程作業都是單一書面習題作業，發展至今，課程作業形式已經發生了變化，更加豐富多樣，包括必須交給教師評閱的書面家庭作業和不必交給教師的課外思考題目、口頭布置的思考題或閱讀材料以及大型作業等。其中通過網絡就可以完成上交作業，并且教師批閱作業后也可以通過網絡返回給學生，實現了網絡化。課程的考核方式較之以前也發生了較大變化，加強了平時思維能力的考核，更加注重學生實驗能力和動手能力的培養，不再是絕對的一次考試定成績，而是在總評成績中加入30%的平時成績，如此不僅減輕了學生的期末負擔，也迫使學生更加重視平時的學習思考，有利于課程教學質量的提升。
4 結束語
本文是以提高教學質量為目標，結合教學實踐，從教學體系、教學內容、教學方法、考核方式等方面對本科人工智能課程的教學改革進行了探討，總結了該課程在教學和實踐方面的一些教改舉措。這些舉措符合二十一世紀高校教學的要求，可以支持教師提高教學手段現代化的水平，同時更貼合學生的學習需求。作為該課程的授課教師應始終保持對教學內容的不斷更新、教學方法的多樣化，才能激發學生的學習興趣，培養他們的思維創新和技術創新的能力，最終提高本課程的教學質量。從學生的反饋來看，作者所總結的教學實踐具有明顯的教學效果。但仍有許多方面做得不夠，今后將繼續在教學過程中不斷總結成功的經驗，吸取失敗的教訓。
參考文獻：
[1]蔡自興.人工智能及其應用[M].三版.北京：清華大學出版社，2007.
[2]謝榕，李霞.人工智能課程教學案例庫建設及案例教學實踐[J].計算機教育，2014（19）：92-97.
[3]蔡自興，肖曉明，蒙祖強.樹立精品意識搞好人工智能課程建設[J].中國大學教學，2004（1）：28-29.
關鍵詞：人工智能；高校檔案管理；大數據；RFID；隱私；檔案安全
一、人工智能技術的基本概念
人工智能是指用一種新的能以人類智能相似的方式做出反應的智能機器，它能夠自我學習和思考、判斷并作出決策[2]。不過計算機獲得智能的方式和人類不同，它不是依靠邏輯推理，而是靠著大數據和智能算法。因此人工智能的實質是在大數據基礎上，通過深度學習，將數據挖掘問題轉化為可計算問題來處理的過程。比如AlphaGo把下圍棋這個難題轉化為棋盤問題空間的表達和搜索問題，在學習數以萬計棋譜的基礎上，利用啟發式搜索算法，求得當前的最優解，并不斷迭代推演，最終戰勝人類圍棋世界冠軍[3]。可見，人工智能并不神秘，并非遙不可攀，關鍵就在于數據的收集和算法的使用。而高校檔案館就是一個“數據密集型”部門，有大量的學籍、文書、科研、基建、人物等檔案數據，可以充分利用人工智能技術對檔案資源和用戶數據進行挖掘，發現關系以及分析趨勢，提供更加主動及優質的檔案服務[4]。
二、人工智能技術在高校檔案管理中的應用
人工智能技術在高校檔案管理中的應用可以從思維、數據、技術等幾個方面來進行研究。
1.思維方面
人工智能不僅僅是一種技術，更是一種思維方式的轉變。工業革命以來，人們已經習慣了機械思維，相信所有問題都有一個通用的解決辦法，并在努力尋求事物間的因果關系。進入人工智能時代，人們開始接受世界的不確定性，學會利用信息或者數據來消除這種不確定性，又逐漸利用相關關系取代因果關系，以更快地獲得問題的近似解，如預測投票選舉結果和預測股市波動。受此思維影響，高校檔案工作者在指導各部門檔案收整時可以不預先設定目標，而是先把所有能夠收集到的本部門相關的檔案數據收集起來，運用“全部留”的方法破解檔案價值的不確定，檔案價值認定難的問題。因為在人工智能時代，數據或信息不再是包袱，而是財富[5]，然后對這些檔案數據分析挖掘，能夠得到什么結論就是什么結論，用“數據說話”，盡量減少人工主觀的干預活動。另外針對檔案收整和利用的不確定性和易變性，可以引入外部信息，如歷年數據、收整和利用的關系，利用者需求的變化等數據，以便對檔案管理作出合理預測和規劃。
2.數據方面
人工智能的基礎是大數據。近幾年大數據一詞經常出現在媒體上，它的3V特性（體量大、多樣性、及時性）也逐漸被更多人所熟知和接受，但大數據更重要的含義其實是多維度和完備性。具體到高校檔案領域，檔案數據多維度是指在常規檔案顯性數據以外，包含其它隱性維度的數據。比如在教學檔案中，除學生姓名、成績、學號、專業等基本信息以外，還應該收集整合學生的籍貫、出生年月、高考分數、高中學校、報考專業、獎懲明細、畢業學位信息、工作派遣單位等數據，如果有可能還可以跟蹤補錄學生就業后的一些個人數據信息，以便從多角度分析數據間的相關關系，挖掘隱含信息。檔案數據的完備性是指包含檔案管理全流程的數據。比如在文書檔案中，除文件題名、責任者、歸檔時間等基本信息以外，還應該收集文件生成時間、地點，文件流轉過程批注、修改、查閱人，檔案整理人姓名、職務，檔案移交時間，檔案利用時間、人員姓名和單位，檔案利用方式等數據，這些數據有助于打通從檔案生成到檔案利用之間的關系，使檔案生成單位能更好的把握歸檔內容，及時獲得檔案利用者的反饋，調整歸檔策略，以提供更多利用者感興趣或需要的檔案。隨著移動互聯網和物聯網技術的發展，檔案大數據的收集越來越方便實時，把控每一個用戶，每一卷檔案和每一次檔案利用細節也將成為現實。檔案數據越來越豐富全面，檔案案卷實體正在成為流通渠道、數據收集途徑，這也為人工智能時代的檔案數據收集提供了一個新的來源。
3.技術方面
人工智能技術主要包括軟件和硬件兩方面內容。軟件主要指各種數據挖掘算法，常用的有啟發式搜索算法、蒙特卡羅樹搜索算法、神經網絡算法等，這些算法可以解決在實際檔案利用中如何有針對性地給用戶推薦檔案的問題。人工智能時代，人們追求檔案利用的時效性和個性化，各種檔案利用數據能夠被即時而完整地記錄下來。如檔案查詢關鍵詞、查詢時間、查詢結果點擊數、查詢者賬號信息、查詢者滿意度等，這些數據隨時可用，以便系統及時做出分析。而隨著算法的改進和提高，以往同類檔案用戶歸類的推薦方式，可以進一步變為由檔案直接推薦檔案，由兩類檔案到兩件具體檔案的直接關聯，一件檔案被利用時，自動推薦和其相關的檔案文件。隨著檔案利用數據的積累，尤其是和每一個用戶相關的各種維度數據的積累，推薦將越來越靠譜，越來越準確，最終做到因人而異，完全個性化。硬件方面則主要采用在檔案中插入RFID芯片和在檔案閱覽室安裝各種監控攝像頭。RFID是一種不需要電源的芯片，里面存儲的信息可以被專門的閱讀器發出的無線電波探測出來[6]。這種芯片價格便宜，將它裝到各種物品上，就可以自動識別各種物品，進而跟蹤物品。在檔案管理中，RFID不僅可以記錄檔案生成期間的各種數據信息，還可以記錄檔案利用過程中的各種數據信息，檔案的每一次查詢、提取、翻閱、借出等全流程數據都能夠被完整收集保存，RFID中的數據記錄了檔案文件全生命周期的與檔案實體相關的數據，堪稱檔案的“全息影像”。這些數據有助于檔案館對館藏檔案的布局、檔案的質量有清晰的認識，有針對性地提供利用服務。而各種監控攝像頭可以實時記錄檔案閱覽室的人員情況，查檔等待時間，服務利用時間，查檔次數等數據，這些數據有助于檔案利用部門合理安排人員，簡化辦事流程，提高工作效率。
4.其他應用方面
除了以上一些應用，有了通過多種途徑收集的檔案多維度全流程大數據，再利用各種數據挖掘算法，還可進一步實現人工智能時代檔案的智能化管理利用。在此另外舉幾個例子，拋磚引玉，希望未來高校檔案工作者能發掘出更多的檔案創新工作模式。（1）根據檔案利用者的反饋，系統自動向各歸檔單位推送其歸檔檔案的利用情況，并建議其加大某類檔案的歸檔力度，或者提醒其可適當增加某類用戶可能更感興趣更需要的檔案等。（2）根據學生成績，通過橫向同學間比較和縱向歷史成績數據對比，并結合個人實際情況，智能推薦其更合適的畢業選擇，是讀研、出國還是工作。如果數據全面準確，甚至可以具體到讀研、出國的學校信息或者工作地點、工作單位等信息，推薦更精準。（3）對電子化的檔案圖像進行全文識別讀寫，自動分析其中的關鍵字，使計算機獲得“檔案知識”，并結合已有目錄數據庫，將整理后的信息推送給用戶，如可自動回答用戶提出的“學校最年輕正教授”、“學校某專業成績績點分布”、“學校各省市招生人數變化”等問題，提高查檔利用的全面性和滿意度。另外還可以利用計算機閱讀和分析檔案匯編成果，并從已有的大量文本語料中學習寫作，最終實現計算機自動編研檔案和撰寫檔案文章。（4）對各種檔案利用異常行為進行預警，及時提醒檔案利用單位重點關注某些利用行為或者利用者。先從檔案數據找到普遍規律，然后再應用于每一個具體的用戶，并且影響到每一個具體的操作，以發現每一個異常情況。做到從個體到全體再從全體到個體的雙向流動。
三、人工智能對高校檔案管理的挑戰
人工智能對檔案創新變革提供技術支持的同時，也對用戶隱私和數據安全方面提出了新的挑戰。
1.用戶隱私安全
由于大數據具有多維度和全面性的特點，它可以從很多看似支離破碎的信息中完全復原一個人或者一個組織的全貌，并且了解到這個人工作生活的細節或者組織內部的各種信息。這樣就會引發大家對個人隱私權的擔憂。比如要想推薦精準，對學生數據的收集就要更加全面多維度，在這個過程中必然會涉及對學生隱私的干預。要想對這些檔案大數據進行隱私保護，一種辦法是從收集信息的一開始就對數據進行一些預處理，將數據“脫敏”，比如去掉姓名、學號、身份證號等這些具有明顯個人屬性的數據。預處理后的數據保留了原來的特性，能夠進行分析利用，但卻“讀不懂”數據的內容。第二種辦法是利用一定規則在檔案數據中添加“擾動”，通過數學的方法讓大數據依然有很強的可靠性，但是卻完全找不到每條數據對應的來源，如蘋果公司的“差別隱私”技術。第三種辦法是雙向監視，使數據從采集到使用都在雙方知情的情況下進行，使數據使用者受到監督，提高檔案館對數據利用的自律意識，相比前兩者，這種方式可能更有效果。
2.數據存儲和數據安全
人工智能的核心是海量全面的數據，因此數據存儲和數據安全是未來所面臨的最大挑戰。數據存儲。由于摩爾定律導致各種存儲器的容量成倍增加，同時價格迅速下降，使得更多的檔案數據有條件存起來以供使用。但是隨著數據量的劇增，查找和使用檔案數據的時間也會變得很長，影響分析數據的效率。而且即使采用并行計算，受制于算法和計算機，數據分析處理的效率也存在瓶頸，這些問題還需依靠技術的進步來解決。數據安全。檔案數據安全有兩層含義，首先是保證檔案數據不損壞、不丟失；第二層含義是要保證檔案數據不會被偷走或者盜用。為避免安全問題，要盡量將學生個人情況等敏感信息放到不同的地方，以免多種敏感數據同時丟失。另一種保護數據安全的方法則可以利用大數據本身的特點，即發現異常操作，比如某次某個賬號使用檔案系統的流程和正常不符，即可斷定這是一起檔案系統密碼泄露、系統入侵事件。另外，當數據量足夠大時，每個系統用戶的操作習慣也可以學習，不符合某人習慣的操作就可能是來自于非法的闖入者，這些操作就會被禁止。
四、總結
ABC成為時代主題
百度大腦優勢獨顯
百度總裁張亞勤在大會致辭環節分享了對于云計算、人工智能和大數據等領域未來發展的深刻思考。
張亞勤說，百度云擁有百度大腦的支持，是百度云最獨特、最重要的優勢。百度大腦是百度云的核心引擎，而百度云是百度大腦的云化，為前者提供了神經元和數據訓練源。通過深度學習和機器學習技術，百度在語音、圖像、自然語言處理等方面取得世界領先成果。
此次峰會以ABC SUMMIT為名， 即是AI，Big Data，Cloud Computing。百度通過開放共享自身領先的技術能力，讓云智數成為所有企業的基礎能力，推動各行各業開始進入ABC時代。
對于未來信息科技發展的趨勢，張亞勤表示，由云計算和人工智能組成的ABC將成為一個時代的主題。以云計算為基礎，以人工智能為中樞，以大數據為依托，ABC將深度結合并改造傳統行業，真正地提升每一個企業的運營效率，釋放商業潛能，創造全新機遇。
截至目前，百度云已經和超過三萬家企業展開合作，也陸續滲透到物流、醫療、教育、營銷、金融等關系到百姓生活的各個行業中，讓服務開始真正智能化。云智數三位一體的云服務結構可以為客戶提供業務可持續發展的動力引擎。
以“智”為謀天智平臺
會上，百度云重磅了最新的人工智能平臺――天智。天智底層為百度云計算，由感知平臺、機器學習平臺和深度學習平臺三部分組成，為不同需求的客戶提供全面的人工智能服務。這也是繼“天算”、“天像”和“天工”三大平臺后，百度云的第四大平臺級解決方案。至此，百度云實現了人工智能、智能大數據、智能多媒體和智能物聯網全方位的智能平臺服務。
感知平臺主要包括圖像技術（文字識別和人臉識別）、語音技術（語音識別、語音合成和聲紋識別）和自然語言處理（NLP Cloud），可以應用于智能客服、身份驗證、內容審核等場景，應用開發者可針對特定場景的應用直接調用API。
在這些技術方面，百度均處于行業領先地位。其中百度語音識別入選2016年MIT十大突破性技術，中文識別準確率達到97%。機器學習平臺是百度云端托管的機器學習服務，可以打通機器學習全流程，內置20多種高性能算法，并開放Spark MLlib；同時支持百度用戶畫像數據，并提供多種應用場景模版。
深度學習平臺具有靈活、高效、可伸縮、開源等特點。它支持多種神經網絡結構和優化算法以及自定義網絡配置，對于計算、存儲、架構、通信等多方面多了細致優化。它支持多核、多GPU、多機環境，其Paddle內部技術已經使用成熟，并實現對全球開發者的開放。深度學習平臺適用于精通深度學習的數據科學家，針對企業或研究部門的特定項目，需要大量的客戶標注數據。
交通領域變革在即
智能交通時代來臨
作為一家以技術驅動為核心競爭力的公司，百度通過百度云分享自身在云計算、大數據和人工智能等領域的技術優勢，通過構建可以計算、分析、處理龐大交通數據的“交通大腦”，打破海陸空以及行政區域的限制，實時抓取散落在各個路面交通、地下交通、空中航線的海量數據。
同時通過百度擁有的全球最大規模的深度神經網絡、最大深度機器學習開源平臺，對交通大數據的有效歸類、提取、利用，實現多系統配合協調，建立起一個更安全、更高效、更準確的智能交通體系。
百度副總裁王路與太原鐵路局局長趙春雷、南方航空電子商務部副總經理王景成、中國海事局曾輝共同智能交通生B聯盟，這也是國內首個覆蓋陸海空車的智能交通生態聯盟。
借助百度云計算、人工智能和大數據技術優勢，構建“交通大腦”，與合作伙伴一起促進交通運輸領域的技術創新和應用，發展智能交通，推動交通運輸更智能、更高效、更安全地運行和發展。目前，諸多合作已在進行中。相信隨著合作的深入，必將改變交通現狀，推動中國智能交通的 發展。
在與太原鐵路局的合作中，雙方共建國內首家集鐵路、航空和公路三位一體多式聯運的物流云平臺。通過百度云的接入，該平臺可打通貨物在公路、鐵路、航空的運送及倉儲信息；并利用大數據進行資源調配，通過人工智能深度學習物流管理，優化調度效率可達59%。
另一方面，百度云還將與中國南方航空共同推進智能航空計劃，將通過大數據實現對于航班、旅客、機票、航站樓、天氣等信息的綜合分析調度。同時共同推進大數據營銷、新一代信息技術和百度云的推廣應用、消費信貸等多方面的合作探索，為用戶打造一站式的智能出行服務平臺。
同樣基于百度云技術，將通過與中國海事局的合作，海事港口、船舶及相關水上設施信息也將實現聯通和數據的共享，加強程控，降低成本，合力提升海運管控能力。
從陸地到海洋再到空中，百度云并不滿足于交通體系的立體擴張，還要創造全新的交通方式。百度目前正在推進可以感知車輛行駛、預測交通狀況的智能汽車和無人汽車的發展。百度無人車已成為國內外矚目的前沿科技代表，在去年完成了實地路測，并在今年的烏鎮峰會上再次亮相。
在智能汽車的商業化方面，百度已與國內知名商用車企業福田汽車達成戰略合作。未來，百度將與福田汽車在汽車大數據、智能駕駛領域深入合作，開發出更多具備智能駕駛的商用車產品。
云計算、人工智能和大數據已成為新一輪產業革命的核心驅動力，百度云將透過云生態下的“交通大腦”，依托智能交通生態聯盟，加強行業合作，挖掘數據中的更多價值，推進智能交通的全面云端化，突破前所未及的高度，讓智能、計算無限可能。
寫在最后
2016是百度云計算的元年，基于基礎云、天算、天像、天工已經有80+款產品。下一步，人工智能已經成為百度的核心戰略。
百度大腦“天智”――人工智能平臺也應運而生，內容包括：
首先，感知平臺，包括圖像技術、語音技術、自然語言處理等技術，代表著耳口心相結合的“聰”。
其次，機器學習平臺，包括打通機器學習全流程、內置20多種高性能算法、支持Spark MLlib、用戶畫像數據、多種應用場景模板的機器學習平臺。
會計信息化的發展就是大數據、智能化、移動互聯網和云計算等信息技術在會計領域帶來的變革。會計信息化的主要特點是跨組織邊界、全產業鏈的財務管理和財務決策支持。
人工智能對會計信息化的深刻影響體現在：人工智能正在全方位改變會計人員、會計機構的工作方式；商務智能對會計的影響開始并主要反映在管理會計領域上。會計信息化、人工智能，在管理會計應用方面的一個熱點就是財務共享服務。 財務共享服務，正以現代信息時代的高效科技手段和創新管理理念，推動著財務管理的轉型變革。
（來源：文章屋網 ）
新時代的到來
后數據爆炸時代
其實整個人類的發展歷史，就是人類不斷嘗試記錄、測量自身和世界的過程。無論從古時候人類發明算盤、阿拉伯數字，又到近明二進制計算機，都像是這一現象的反映，而人類對自己，包括對世界的認知還是那么淺。比如描述一個人時還只能說這人是男是女，是老是少，身高、體重等；提到環境時會說氣溫怎么樣、濕度怎么樣……但人類對于數據測量的需求一直沒有減弱。
根據TalkingData的數據統計，目前在中國，智能手機（含平板電腦）有13.05億用戶，智能手表等可穿戴設備已經達到千萬級，這意味著什么？智能手機、智能設備基本上人手一部甚至更多，而每部智能手機平均攜帶多達16種的傳感器，每天產生1G數據。這不僅加強了人類感知和數字化世界的能力，也讓數據以前所未有的速度在產生和發展。所有這一切現象，都揭示了以人為中心的世界正在加速數字化。這是一個數據爆發的時代。
人工智能：已經過了單純積累數據量的時代
移動設備已經成為人類身體的延伸。根據TalkingData的數據統計，我們每天使用手機將近四個小時。不管是上網，還是在現實生活中，在家、上班、吃飯、旅游、消費……我們所有的足跡都被默默地記錄了下來。數據行業迎來了歷史上最好的時刻――數據爆發的時刻。
但這已不是一個單純的積累數據量的時代，新的時代對計算提出了更高的挑戰。
第一， 這些數據并不是所有的都被存儲和收集。大量隱形數據的采集、運算、存儲、傳輸等領域依然存在著巨大的障礙。
第二， 如何從大量的數據里面解讀人的動作、識別人的場景是更重要的問題。現在很多數據都是非結構化的情境數據，例如圖像、聲音、姿態、動作，需要人工智能的幫忙從中提煉有價值的信息。世界上頂尖的技術公司都在嘗試用算法、機器學習去還原人在現實生活中的動作，不管視覺、聽覺、姿態、感知還是做一些基礎的工作，現在語音、圖像識別技術都在大規模發展，但是為什么當數十億大腦神經元彼此傳遞信號時，就會出現喜愛、恐懼或憤怒的主觀感受呢？對此，我們依然一無所知。人工智能對世界的認知還停留在早期階段。
數據促進了人工智能的發展。AI過去與現在的最大區別是，必須具備的計算能力、原始數據和處理速度現在都有了，因此AI技術現在能大放異彩。目前人工智能在識別（包括認知）產生很大進展的原因首先是數據量帶來的。谷歌在語音識別領域取得了很大的突破，但這背后的原因是谷歌建立了幾十億音頻的庫，而且用人類的智慧標注它，所以可以用算法、人工智能找到模式，甚至可以區別不同口音。圖像也是如此：過去幾十年里，人類花了大量時間去標注這些圖像，我們才能在圖像里面切割識別出各種各樣的物體。沒有這些人的智慧現在人工智能達不到這樣的程度。
人的智慧：AlphaGo背后的故事
以AlphaGo人工智能為代表的AI復興體現對于世界的認知能力正在加強。在過去的幾年間，我們看到，機器學習、強大的算法、強大的處理能力和所謂的“大數據”已可以讓機器做一些讓人印象深刻的事，比如：實時語言翻譯、在復雜的城市環境中安全地開車。
AlphaGo戰勝人類被視為AI歷史上的里程碑事件。大家看到AlphaGo戰勝了李世石，但是不知道背后的故事。TalkingData的CEO崔曉波作為親歷者之一（這場棋賽的解說者），看事情的角度和大家不同，他看到了數據的力量。
他認為，在這場比賽中，關鍵的獲勝因素有兩個：
第一，要有足夠的數據支撐。AI要模擬人，它首先要知道人在面對不同事情的時候是怎么去把握的，而這種判斷和把握的能力就是出自于成千上萬的海量數據得出的結果。
AlphaGo擁有一個數據庫，里面有十幾萬份人類6～9段職業棋手的對弈棋譜。Alphago從中模仿人類常見的落子方式，根據谷歌透露的數據，模仿的準確率達到了57%。也就是說，單單這一項功能，就可使AlphaGo在一步的選擇上有57%的概率與人類高等級職業棋手相同。2014年，Google來到中國棋院買棋譜，近兩年累計記錄的棋譜數量是過去幾百年的總和：根據KGS統計，KGS平臺每年專業段位的對局棋譜的累積量，近三年研究的棋譜數量都接近20萬。GoGoD平臺的累積大約8.5萬專業段位棋譜。18萬的棋譜共有近2500萬的局面，每一局面都可上下左右、鏡面翻轉，這個2500萬局面就能再乘以8，這個數據量已經能夠支撐深度學習。
第二，要有人類的智慧。AlphaGo在下棋的時候“聰明”得像一個人，大量的數據提供了它“思考”的來源。但AI不是由大數據一手決定的，還有人的經驗和智慧。AI會發展成什么樣？打個比方：大數據是土壤和養分，AI是植物，而人就是園丁。土壤和養分讓植物長得好，但也離不開人的修剪和培養。替AlphaGo持棋跟李世石對戰的那個人本身就是六段的高手，他在訓練AlphaGo時，加入了大量的人工智慧和人為規則，這些都是被人忽略的。我們過大強調AI的作用，更現實的還是要引入專家的智能、人的智慧，在數據科學和數據工程不斷完善的情況下，提高AI的水平。
雖然AI應用能使一些任務變得自動化，但人類判斷全部交由算法負責幾乎不可能發生。更現實的方法是，使用數據科學和工程不斷完善并提升人類的判斷質量。當數據十分充足，依靠統計學的方法進行決策是恰當且合理的。當沒有數據或擁有的數據十分有限時，采用群體智慧和其他心理學方法能夠更好地進行決策。“智能”數據應用將把日程工作自動化，從而空出更多時間讓人類專家專注于需要他們專業判斷的工作，以及從事社會認知和共情等非認識能力的行動。比如：保險公司可以使用深度學習系統，將估算受損汽車的成本修理費用變得自動化。但在可以預見的未來，人類仍將是“決策過程中的一部分”。
數據為本，AI為核心，人為關鍵
這個時代叫做智能數據時代
智能數據，不同于傳統的數據，就是添加了人工智能和人的智慧的數據，這個名詞的出現，揭示了數據、人和機器三者之間的有機聯系。這種有機聯系賦予數據更多價值，賦予數據心智。現階段數據內容包含的信息量越來越大、維度越來越多，從圖像、聲音等富媒體數據，逐漸過渡到人的動作、姿態、行為軌跡，再加上地理位置、天氣、社會群體行為等，按照以往處理數據的思路已經難以適應“數據”本身發展的速度。一個融合人類智慧、人工智能和海量非結構化數據的智能數據時代已經來臨。因此，“發展多年的‘大數據’即將進入‘下半場’”。
這個時代最重要的三個要素是：數據、AI，人的智慧。做個比喻，數據相當人的血液，人工智能相當于人的心臟，心臟需要血液，同時把血液輸送給全身，如此往復循環。人的智慧是什么？大腦是不可替代的。所有這一切構成了智能時代的三個要素。
數據時代的顛覆和挑戰
未來，數據行業本身將會面臨進一步的洗牌，能夠更好地應用異構的、情境化的數據，能夠開發更加智能的算法，能夠開源撬動生態價值流動的企業會獲取更大的競爭優勢，也就是說，能夠駕馭智能數據的企業得天下。這樣，競爭優勢會內生疊加，進一步幫助企業吸引更多的人才和技術；人才和技術持續集中，根據數據分布的特點，中小型企業將被迫向垂直數據應用領域轉型，并穩定在垂直領域，但同時又不得不依托于大型生態的數據連接能力，最終呈現一種“一大多小”兩極分化、“小依附大”的競爭態勢。
對于其他行業來說，企業將面臨四個方面的挑戰。1）業務數據化：所有業務都以數據的形式進行流轉。2）數據資產化：在很多企業，業務與運營沒有形成閉環；數據沒有資產化，只是先儲存起來而已。智能數據時代，會倒過來，業務可能不賺錢，但數據將體現出商業價值。3）應用場景化：企業與用戶的每一個交互點，都具有改變用戶認知的功能，因此場景化將成為營銷的核心。4）技術開源化。智能數據首先會顛覆那些比較依賴于快速決策的高頻交易行業，比如高新技術企業、零售、廣告……還有為這些行業提供決策支撐服務的專業企業、商、咨詢服務商等。緊接著，傳統行業的各個環節也會受到極大顛覆，出現新的銷售渠道和獲客手段，極大地更新行業平均效率。
智能數據時代的新商業范式：新貝葉斯定律
智能數據時代，數據離所有企業的商業價值都很近。在交流過程中，基本上客戶只問一類問題：好像大數據這個系統投入很大，到底有沒有價值，到底怎么產生商業價值，商業價值又體現在哪些方面？這類問題的終極答案會在這個時代得到揭示。一個新的商業范式誕生了，TalkingData稱之為“新貝葉斯定律”。
貝葉斯定律是大數據時代重要的定律，無處不在，所有的機器學習算法、圖像識別、語音識別，一切統計方程式后面都是這個定律在起作用，大數據滿足了修正到最接近現實的基礎條件――數據量的積累。在此基礎上，與傳統統計學不同的是，貝葉斯定律集合了人的智慧，在決策的過程中，我們能夠不斷修正，更快地做出正確的決策。比如說炮兵在瞄準目標時，先根據自己的經驗試射，在首發不中的情況下，馬上根據炮彈的落點修正，這樣三到五次就可以命中目標了，這種瞄準的方法就是貝葉斯定律，強調的是首先靠人的智慧，來確定一種方案，做一個決定，后續不斷地通過吸收數據來調整方案；數據量越大最后越能得到一個接近現實的結果。
