人工智能时代的承诺与挑战

人工智能在过去60年的发展中经历了 “发展浪潮”和“发展寒冬”之后，属于它的时代可能终于到来了。人工智能目前支持的应用遍及日常生活，如面部识别、语言翻译、Siri和Alexa等智能助手。随着这些消费应用程序的出现，越来越多的企业开始应用人工智能技术。人工智能应用科研促进生产力的增长和创新，为企业和经济带来可观的收益。同时也对工作产生了深远的影响，对技能要求较少的职业需求量将下降，对其他职业的需求也会逐渐减少，并随着技术的发展而不断变化。

人工智能时代可能已经到来

但仍需做更多努力

人工智能虽然经历了60余年发展，但许多预期功能仍然没有完成，比如准确地描述人类智能这项功能。不过，近年来机器学习算法已经取得了很大进展，尤其是基于神经网络的深度学习和强化学习技术的发展。尽管人工智能技术取得了巨大进步，但仍存在大量难题急需解决。到目前为止，取得的进展大多数都属于“狭义人工智能（narrow AI）”范畴，即开发机器学习技术来解决特定问题，例如语言处理问题。但是“通用智能（artificial generalintelligence）” 才是更难解决的问题，面临的挑战是开发出的人工智能用人类的方式解决一般问题，许多研究人员认为实现通用智能仍需数十年的发展。

深度学习和机器学习技术正驱动AI的发展。许多人工智能领域的进展都是以人工神经网络的深度学习为基础，这些人工智能系统松散地模拟了大脑中神经元相互作用的方式。例如，机器学习有监督学习、无监督学习和强化学习几种：

监督学习，一般使用有标记的数据和首选输出变量，模拟的数据用于帮助系统学习给定的输入和输出的关系，比如识别图像中的物体。当前许多人工智能应用的实例都是监督学习应用。

无监督学习，用没有标记的模拟数据在给定的数据中检测出模式或类别，比如检测出具有相似建筑风格的建筑物等。

强化学习，通过评分系统、接收反馈（虚拟的“奖励”或“惩罚”）和反复试验来训练系统。

当前技术的局限性和新技术的出现。尽管新技术正不断出现并解决了人工智能应用中一些现存的挑战，但人工智能仍然面临许多实际挑战。机器学习需要大量的人力来标记监督学习所必需的训练数据，在使用过程中用于数据标记的流内监督（In-stream supervision）和其他技术可以帮助解决这一问题。用于训练的数据集必须有足够大的量，而且数据应尽量全面，但获取这样的数据集相当有挑战性，比如创建或获得足够的临床试验数据以更准确地预测医疗保健治疗结果。深度学习技术的“黑盒”复杂性带来了另一个挑战——“可解释性”，或哪些因素影响了决策或预测的产生，以及如何影响。这在信任性活动以及预测具有社会影响的应用中尤为重要，比如刑事司法应用或金融借贷。因此出现了可解释模型——不可知解释（LIME）等一系列新生方法，以提高模型的透明度。

人工智能和自动化的应用

将对工作产生深远影响

即使人工智能和自动化为企业和经济发展带来了巨大利益，但预计会对工作造成重大干扰。约一半的工作活动技术上可实现自动化。一些类别的工作活动在技术上比其他工作活动更易于实现自动化，包括高度可预测和结构化环境中的物理活动以及数据收集和数据处理等，这类工作约占所有部门日常工作总和的一半。

最不易受影响的工作类别包括管理工作、专业技术工作及与利益相关者交互的工作。高度自动化工作活动的密度与国家、部门、职业都有关系，研究发现，60%的职业中有约30%的工作活动是可以实现自动化的，只有约5%的职业几乎所有工作活动都可以自动化完成。换句话说，大多数职业将实现部分而非全部自动化。

对工作的影响：失业，增加就业，改变就业。实现自动化，以及对实际工作的速度和程度影响情况取决于技术可行性之外的若干因素，包括人工智能建设和使用成本，劳动力供应数量、质量和工资等劳动力市场动态，而劳动力因素是导致发达和发展中经济体差别的主要因素。

失业问题，预计2016年至2030年，全球约有15%的劳动力（4亿工人）可以通过实现自动化而被取代。

就业机会，根据2030年的劳动力需求情景预估——预测因素包括收入增加（尤其是新兴经济体的收入增加），人口老龄化，基础设施和建筑投资，能源转型支出以及技术开发和应用支出增加的医疗成本——新的驱动因素增加的就业岗位数量大约在5.55亿至8.9亿之间，约占全球劳动力的21%至33%。也就是说，除极端情况外，工作需求的增长将抵消自动化失去的工作岗位的数量。然而，在许多拥有年轻人口的新兴经济体中，为进入劳动力市场的工人提供就业机会就面临着巨大挑战，但是在发达经济体中，失去的工作与创造的工作之间因老龄化达到大致平衡，因此进入劳动力市场的人数相对减少了。

劳动力转型的重要性。即使到2030年人们有足够的工作，但伴随自动化和人工智能应用带来的影响，工作方式的转变更为重要。

数百万工人可能需要改变职业，某些改变将发生在公司和部门内部，但大多数的变化将发生在各部门甚至各地区之间。虽然在高度结构化的环境和数据处理中的物理活动相关的职业将会减少，但其他难以自动化的相关职业数量将会增加，如经理、教师、护士、技术人员和其他专业人士，以及特殊环境工作人员。这些变化可能并不顺畅，也可能导致失业率上升。

随着越来越多的机器与人一起工作，工作场所和工作流程也会发生变化。例如，随着商店引入自助结账机器，收銀员将从扫描商品的工作流程转移到为顾客回答问题或排除机器故障。

自动化可能会对发达经济体的平均工资造成压力，目前发达经济体的许多中等工资岗位都是可以实现自动化的，如制造业和会计等领域。同时，高薪工作岗位将大幅增加，特别是对于高技能医疗和技术或其他专业人员。但预计创造的大部分工作岗位通常工资结构都比较低，比如教师和护理助理。

鉴于现有技能短缺和教育体系限制，以及在职培训和工人过渡支持支出下降的趋势，许多经济体（尤其是经合组织国家）在解决这些转变的过程中都陷入了困境。还有许多经济体遇到了收入不平等和工资两极分化的问题。

人工智能

将带来社会效益和挑战

除了经济利益和挑战外，人工智能还将以积极的方式影响社会，因为人工智能有助于解决从健康和营养到平等和包容在内的社会问题，但人工智能也会引入滥用等需要解决的新问题。

人工智能可以帮助解决一些社会最急迫问题。通过将常规工作、不安全的活动以及人类容易出现人为错误的活动自动化，人工智能可以提高人们的工作效率，使人们的生活和工作更加安全和高效。一项针对美国的研究预测，用更精确的自动驾驶汽车取代人类驾驶员可以减少事故发生率，每年挽救数以千计的人类生命。

人工智能需要解决包括意外后果、滥用、算法偏见以及数据隐私等社会问题。从经济角度来看，需要解决个人、企业、部门甚至国家之间日益扩大的经济差距难题，以及人工智能的使用和滥用，包括监视和军事应用，社交媒体和政治应用，刑事司法系统应用等，同时考虑人工智能技术被恶意滥用的潜在可能性。另一方面，算法以及用于训练算法的数据可能会引入新的偏见，或使现有的社会和程序偏见长期存在并制度化。还有其他需要解决的关键问题，如数据隐私和个人信息的使用，网络安全和深度伪造技术可能会用于操纵选举结果或进行大规模欺诈活动等。