作者：王熙（北京大學(xué)經(jīng)濟(jì)學(xué)院研究員）

　　近年來，以深度學(xué)習(xí)、強(qiáng)化學(xué)習(xí)為代表的人工智能技術(shù)從語言翻譯、圖像識(shí)別、工業(yè)自動(dòng)化等工程技術(shù)領(lǐng)域，拓展到智能生產(chǎn)、智能農(nóng)業(yè)、智能物流、大數(shù)據(jù)宏觀經(jīng)濟(jì)監(jiān)測(cè)、量化投研等經(jīng)濟(jì)、金融范疇，可謂應(yīng)用廣泛。

　　人工智能技術(shù)具有處理高維數(shù)據(jù)的先天優(yōu)勢(shì)，可以通過表征學(xué)習(xí)、價(jià)值函數(shù)近似、特征選擇等方式避開傳統(tǒng)分析方法的諸多限制，獲得了更好的預(yù)測(cè)和決策效果。為了使人工智能技術(shù)達(dá)到令人滿意的預(yù)測(cè)和決策效果，研究人員往往需要投入大量的數(shù)據(jù)資源。這一技術(shù)特性使得數(shù)據(jù)資源,成為關(guān)鍵性生產(chǎn)要素。在大數(shù)據(jù)、智能化、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算等日漸普及背景下，人工智能技術(shù)作為提供信息產(chǎn)品和信息服務(wù)的底層技術(shù)，也是工業(yè)經(jīng)濟(jì)逐步向數(shù)字經(jīng)濟(jì)轉(zhuǎn)型的關(guān)鍵。

　　人工智能算法是什么

　　人工智能算法大致可分作監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)與強(qiáng)化學(xué)習(xí)。其中，監(jiān)督學(xué)習(xí)通過不斷訓(xùn)練程序（模型）從人類已有經(jīng)驗(yàn)中學(xué)習(xí)規(guī)律。在這一類機(jī)器學(xué)習(xí)中，研究人員會(huì)通過標(biāo)記數(shù)據(jù)的方法，不斷調(diào)整模型參數(shù)以達(dá)到學(xué)習(xí)目的。類似于父母會(huì)向孩子展示不同顏色、大小乃至種類的蘋果，教會(huì)孩子認(rèn)識(shí)“未曾見過”的蘋果。這便是監(jiān)督學(xué)習(xí)的目的：樣本外預(yù)測(cè)。

　　無監(jiān)督學(xué)習(xí)則通過訓(xùn)練程序，使機(jī)器能直接從已有數(shù)據(jù)中提取特征，對(duì)信息進(jìn)行壓縮，用于完成其他任務(wù)。如傳統(tǒng)的主成分分析，可以將高維特征使用低維度向量近似。例如，我們可以使用主成分分析技術(shù)壓縮圖片，以達(dá)到節(jié)省儲(chǔ)存空間的作用。因此，這類機(jī)器學(xué)習(xí)算法并不需要以往經(jīng)驗(yàn)，也被稱之為無監(jiān)督學(xué)習(xí)。

　　當(dāng)然，無監(jiān)督學(xué)習(xí)與監(jiān)督學(xué)習(xí)之間并不是彼此對(duì)立的關(guān)系，對(duì)于存在部分標(biāo)注的數(shù)據(jù)，我們也可以使用半監(jiān)督學(xué)習(xí)算法。比如最近比較流行的對(duì)抗神經(jīng)網(wǎng)絡(luò)——我們可以使用該算法學(xué)習(xí)一系列甲骨文后，令它生成多個(gè)足以以假亂真、卻從不代表任何意義的“甲骨文”，相當(dāng)于計(jì)算程序“照虎畫虎”卻不知為虎。

　　此外，強(qiáng)化學(xué)習(xí)與以上（無、半）監(jiān)督學(xué)習(xí)算法不同，強(qiáng)化學(xué)習(xí)是動(dòng)態(tài)優(yōu)化的延伸，而（無、半）監(jiān)督學(xué)習(xí)則與統(tǒng)計(jì)學(xué)更為接近。強(qiáng)化學(xué)習(xí)通過使智能程序不斷地與環(huán)境交互，通過調(diào)整智能程序的決策參數(shù)（過程）達(dá)到最大化其累積收益的目的。強(qiáng)化學(xué)習(xí)是最接近于人類決策過程的機(jī)器學(xué)習(xí)算法，類似于讓一個(gè)智能體無限、快速地感知世界，并通過自身失敗或者成功的經(jīng)驗(yàn)，優(yōu)化自身的決策過程，在這一過程中計(jì)算機(jī)程式并不那么需要老師。當(dāng)然，強(qiáng)化學(xué)習(xí)也并不能完全同監(jiān)督學(xué)習(xí)割裂開來。比如AlphaGo就是通過強(qiáng)化學(xué)習(xí)手段所訓(xùn)練的計(jì)算程序，但在AlphaGo訓(xùn)練的第一階段，研究人員使用了大量的人類玩家棋譜供AlphaGo模仿學(xué)習(xí)，這里人類已有經(jīng)驗(yàn)類似于老師；但是在AlphaGo的升級(jí)版本ZeroGo中，模仿學(xué)習(xí)已經(jīng)完全被摒棄。

　　為了使人工智能算法擁有普遍適用性，我們往往需要大量數(shù)據(jù)、算力以及有效的計(jì)算算法。大量數(shù)據(jù)相當(dāng)于我們聘請(qǐng)了一個(gè)知識(shí)淵博的老師指導(dǎo)計(jì)算機(jī)程序，高額算力則會(huì)賦予計(jì)算機(jī)程序更快學(xué)習(xí)到知識(shí)的能力。人工智能研究領(lǐng)域一個(gè)重要的方向，是不斷開發(fā)能更有效利用既有數(shù)據(jù)和算力的計(jì)算算法，相當(dāng)于為計(jì)算機(jī)程序提供更好的學(xué)習(xí)方法和路徑。因此，數(shù)據(jù)標(biāo)注、云計(jì)算、芯片設(shè)計(jì)與算法開發(fā)，可謂是人工智能行業(yè)的核心部分。

　　人工智能技術(shù)對(duì)社會(huì)經(jīng)濟(jì)帶來什么影響

　　事實(shí)上，人工智能技術(shù)作為學(xué)科起源于20世紀(jì)50年代，比如“人工智能之父”McCarthy等人在50年代提出人工智能；決策樹模型起源于上世紀(jì)50至60年代，當(dāng)前廣為應(yīng)用的神經(jīng)網(wǎng)絡(luò)模型、Q學(xué)習(xí)強(qiáng)化學(xué)習(xí)算法則起源于20世紀(jì)80年代。但人工智能技術(shù)要想達(dá)到媲美人類決策的精準(zhǔn)度，需要大量訓(xùn)練（經(jīng)驗(yàn)）數(shù)據(jù)和高額算力，因此直到2000年以后，人工智能技術(shù)才得以實(shí)現(xiàn)跨越式發(fā)展。

　　在大量數(shù)據(jù)與高額算力的加持下，部分人工智能技術(shù)已可替代人類做出大規(guī)模的精確決策，也取代了越來越多的人工崗位。從目前的影響來看，一方面，機(jī)器學(xué)習(xí)應(yīng)用的確替代了部分傳統(tǒng)勞動(dòng)力，產(chǎn)生了勞動(dòng)擠出效應(yīng)：自動(dòng)化機(jī)器人讓生產(chǎn)流程趨于無人化，自然語言處理技術(shù)可較好完成大部分的翻譯乃至信息提取工作，機(jī)器學(xué)習(xí)算法甚至能更準(zhǔn)確地定性小分子化合物性質(zhì)，從一定程度上減輕了大規(guī)模重復(fù)性工作所需要的勞動(dòng)力和時(shí)間消耗。

　　另一方面，同此前歷次技術(shù)革命一樣，機(jī)器學(xué)習(xí)的興起在提高社會(huì)生產(chǎn)效率的同時(shí)，也為社會(huì)創(chuàng)造了全新的工作崗位。從工業(yè)革命誕生以來，汽輪機(jī)代替馬夫、車夫，紡織機(jī)代替紡織工人，有線電話、無線電報(bào)代替郵差，電子計(jì)算機(jī)通過代替手搖計(jì)算機(jī)，節(jié)省了大量手工演算。但需要注意的是，每一次的科技進(jìn)步并沒有造成社會(huì)大量失業(yè)，反而會(huì)通過提升傳統(tǒng)行業(yè)生產(chǎn)效率和技術(shù)革新改變?cè)猩鐣?huì)生產(chǎn)組織結(jié)構(gòu)、產(chǎn)生新的業(yè)態(tài)。科技進(jìn)步在改變行業(yè)企業(yè)生產(chǎn)技術(shù)的同時(shí)，也在改變傳統(tǒng)行業(yè)工作內(nèi)容，新的崗位需求隨之產(chǎn)生。

　　和任何其他的技術(shù)創(chuàng)新一樣，機(jī)器學(xué)習(xí)技術(shù)對(duì)于不同行業(yè)、不同崗位均存在不同程度的影響。對(duì)于那些從事生產(chǎn)流程化較強(qiáng)的崗位，機(jī)器學(xué)習(xí)的沖擊無疑是顛覆性的。但對(duì)于那些需要統(tǒng)籌、創(chuàng)新、互動(dòng)類的崗位，機(jī)器學(xué)習(xí)在當(dāng)前階段尚無法構(gòu)成顯著沖擊。

　　此外，我們也需要意識(shí)到，人工智能算法當(dāng)前依舊不能達(dá)到“智能”水平。任何一項(xiàng)技術(shù)都伴隨安全風(fēng)險(xiǎn)，人工智能算法本身同樣存在風(fēng)險(xiǎn)，如大部分監(jiān)督學(xué)習(xí)算法尚無清晰的邏輯生成過程，這不僅使研究人員無法對(duì)算法進(jìn)行有效干預(yù)，也使人工智能算法在訓(xùn)練和預(yù)測(cè)階段變得不那么穩(wěn)健。舉一個(gè)簡(jiǎn)單的例子，在一個(gè)分類算法中，我們?cè)谝粡埲绱笮∝堖湔丈细淖円粋€(gè)像素點(diǎn)，就可能使計(jì)算機(jī)算法將貓咪識(shí)別為其他物品，這類做法被稱為逆向攻擊，涉及人工智能技術(shù)風(fēng)險(xiǎn)。

　　如同其他新興行業(yè)發(fā)展初期一樣，由于前期監(jiān)管未及時(shí)到位，部分企業(yè)會(huì)不當(dāng)利用其在數(shù)據(jù)、算力和算法上的前期優(yōu)勢(shì)，導(dǎo)致出現(xiàn)人工智能技術(shù)濫用、部分頭部企業(yè)壟斷性經(jīng)營(yíng)、隱私數(shù)據(jù)泄露甚至是過度依賴算法決策引發(fā)的企業(yè)運(yùn)營(yíng)風(fēng)險(xiǎn)等，這便是人工智能技術(shù)的應(yīng)用風(fēng)險(xiǎn)和衍生風(fēng)險(xiǎn)。

　　因此，如何發(fā)展引領(lǐng)這一戰(zhàn)略性行業(yè)成為當(dāng)下的重中之重——我們需要思考如何在經(jīng)濟(jì)智慧化轉(zhuǎn)型期間發(fā)揮好政府的社會(huì)兜底功能，如何在私營(yíng)行業(yè)的算力和科技水平超過監(jiān)管機(jī)構(gòu)時(shí)規(guī)范其運(yùn)行等問題。

　　與智能技術(shù)革命長(zhǎng)處之道在哪里

　　加強(qiáng)研發(fā)投入，統(tǒng)籌行業(yè)發(fā)展、實(shí)現(xiàn)核心行業(yè)引領(lǐng)，把握人工智能技術(shù)主導(dǎo)權(quán)。人工智能已成為事關(guān)國家安全和發(fā)展全局的基礎(chǔ)核心領(lǐng)域。當(dāng)前，我國人工智能發(fā)展雖總體態(tài)勢(shì)向上，但在基礎(chǔ)研究、技術(shù)體系、應(yīng)用生態(tài)、創(chuàng)新發(fā)展等方面仍存在不少問題。因此，以學(xué)科交叉、應(yīng)用轉(zhuǎn)化為抓手帶動(dòng)人工智能領(lǐng)域的基礎(chǔ)研究，加大相關(guān)研究財(cái)政投入力度、優(yōu)化支出結(jié)構(gòu)，對(duì)投入基礎(chǔ)研究的企業(yè)實(shí)行稅收優(yōu)惠等措施，均有助于統(tǒng)籌行業(yè)發(fā)展。集中力量加強(qiáng)人工智能核心領(lǐng)域（如算法和芯片）的原創(chuàng)性、引領(lǐng)性攻關(guān)，可以更好地把握人工智能技術(shù)主導(dǎo)權(quán)。

　　前置化、專業(yè)化、靈活化行業(yè)與技術(shù)監(jiān)管，可以更好規(guī)范行業(yè)發(fā)展，營(yíng)造良好數(shù)字環(huán)境。一方面，人工智能行業(yè)會(huì)產(chǎn)生壟斷、多元化、隱私和倫理方面的負(fù)面影響。因此，實(shí)現(xiàn)底層算法監(jiān)管可以有效防范不透明自動(dòng)化決策、隱私侵犯等人工智能相關(guān)與衍生風(fēng)險(xiǎn)。另一方面，當(dāng)前人工智能行業(yè)發(fā)展正處于技術(shù)創(chuàng)新和產(chǎn)業(yè)增長(zhǎng)的爆發(fā)期，在不斷給社會(huì)經(jīng)濟(jì)帶來發(fā)展紅利的同時(shí)，其應(yīng)用形式和伴生業(yè)態(tài)的靈活性也意味著，監(jiān)管框架和思路也要隨之調(diào)整，方能進(jìn)一步發(fā)揮技術(shù)進(jìn)步帶來的紅利。此外，我們需要配備更加專業(yè)的行業(yè)監(jiān)管隊(duì)伍，以人工智能技術(shù)賦能人工智能監(jiān)管，前置化、專業(yè)化、靈活化規(guī)范人工智能行業(yè)，根據(jù)不同人工智能產(chǎn)業(yè)發(fā)展實(shí)際狀況差別，靈活制定監(jiān)管框架和執(zhí)行規(guī)范，減少人工智能技術(shù)發(fā)展和應(yīng)用面臨的不必要障礙，營(yíng)造良好數(shù)字環(huán)境，進(jìn)一步打造我國人工智能行業(yè)核心競(jìng)爭(zhēng)力。

　　深度融合實(shí)體經(jīng)濟(jì)，發(fā)展數(shù)字經(jīng)濟(jì)、探索新型業(yè)態(tài)。人工智能技術(shù)作為數(shù)字經(jīng)濟(jì)發(fā)展環(huán)節(jié)中的核心技術(shù)，可以有效將數(shù)據(jù)生產(chǎn)要素轉(zhuǎn)化為實(shí)際生產(chǎn)力。智能技術(shù)與實(shí)體經(jīng)濟(jì)各領(lǐng)域深度融合所帶來的生產(chǎn)效率提升以及生產(chǎn)范式改變，是我國宏觀經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的重要驅(qū)動(dòng)力。因此，深度融合實(shí)體經(jīng)濟(jì)應(yīng)是人工智能行業(yè)發(fā)展的一大目標(biāo)?；谌斯ぶ悄芗夹g(shù)探索新業(yè)態(tài)、發(fā)展新模式，推動(dòng)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)從而加快生產(chǎn)要素跨區(qū)域流動(dòng)、融合市場(chǎng)主體，暢通國內(nèi)外經(jīng)濟(jì)循環(huán)，也是充分立足并發(fā)揮我國全產(chǎn)業(yè)鏈優(yōu)勢(shì)、布局?jǐn)?shù)字經(jīng)濟(jì)優(yōu)勢(shì)行業(yè)的必然需求。

　　充分發(fā)揮市場(chǎng)能動(dòng)性，實(shí)現(xiàn)人工智能行業(yè)的產(chǎn)、學(xué)、研并舉。人工智能技術(shù)的長(zhǎng)期健康發(fā)展，離不開良好的市場(chǎng)環(huán)境和產(chǎn)業(yè)配套。微觀主體能夠有效嗅到商機(jī)，市場(chǎng)經(jīng)濟(jì)在挖掘新業(yè)態(tài)、探索新模式方面具有相對(duì)優(yōu)勢(shì)。但人工智能行業(yè)作為典型的知識(shí)密集型行業(yè)，前期需要大量研發(fā)工作并培養(yǎng)大批專業(yè)技術(shù)人員。而高等院校、科研院所在人才培養(yǎng)和技術(shù)創(chuàng)新等環(huán)節(jié)具備相對(duì)優(yōu)勢(shì)，是人工智能產(chǎn)業(yè)鏈條上的重要核心力量。因此，以市場(chǎng)需求為主導(dǎo)，有機(jī)結(jié)合企業(yè)、高校、科研機(jī)構(gòu)，形成職能和資源優(yōu)勢(shì)上的互補(bǔ)協(xié)同，為智能行業(yè)發(fā)展提供基礎(chǔ)配套。以經(jīng)濟(jì)效益為抓手，調(diào)動(dòng)高校科技人員積極性，促進(jìn)科技成果向現(xiàn)實(shí)生產(chǎn)力轉(zhuǎn)化，打造人工智能行業(yè)的健康可持續(xù)發(fā)展生態(tài)。

　　　　完善社會(huì)保障體系，推進(jìn)個(gè)體發(fā)展與技能培訓(xùn)再就業(yè)系統(tǒng)。在大規(guī)模機(jī)器學(xué)習(xí)技術(shù)獲得應(yīng)用的背景下，勞動(dòng)力自身的主觀能動(dòng)性、個(gè)體創(chuàng)新力、統(tǒng)籌思考能力等對(duì)社會(huì)經(jīng)濟(jì)發(fā)展和個(gè)人發(fā)展都極其重要。但在傳統(tǒng)勞動(dòng)力供給與新興勞動(dòng)力需求之間依然存在技術(shù)鴻溝——傳統(tǒng)勞動(dòng)力無法勝任新興行業(yè)的崗位需求。在這一背景下，如何切實(shí)推進(jìn)個(gè)體發(fā)展與技能培訓(xùn)的再就業(yè)系統(tǒng)，有效填平技術(shù)鴻溝，如何調(diào)整社會(huì)保障體系使之對(duì)跨部門再培訓(xùn)、再就業(yè)更具適用性，兜底民生、切實(shí)改善社會(huì)福利等問題，值得我們進(jìn)一步思考、探索。