QQ在線
企業微信
資訊
383“十四五”規劃綱要對“十四五”及未來十余年我國人工智能的發展目標、核心技術突破、智能化轉型與應用，以及保障措施等多個方面都作出了部署。圍繞國家核心技術突破、經濟社會發展、素質教育人才培養三個方面，人工智能均是重點領域。在當前我國經濟從高速增長向高質量發展的重要階段中，以人工智能為代表的新一代信息技術，將成為我國“十四五”期間推動經濟高質量發展、建設創新型國家，實現新型工業化、信息化、城鎮化和農業現代化的重要技術保障和核心驅動力之一。
嘉賓：陸 峰 工信部賽迪研究院電子信息研究所副所長
王明輝 國務院發展研究中心副研究員
袁豪磊 騰訊研究院特約研究員
主持人 趙姍
人工智能已成為新一輪國際競爭的焦點和經濟發展新引擎
中國經濟時報：“十四五”規劃綱要強調應加強原創性、引領性科技攻關，特別指出要“瞄準人工智能、量子信息、集成電路、生命健康、腦科學、生物育種、空天科技、深地深海等前沿領域”，其中“新一代人工智能”排在前列。應如何理解其重要性？
陸峰：新一代人工智能技術將是繼互聯網技術之后，又一項可能引發經濟社會重大變革的技術創新，不僅關系到產業升級和經濟社會智能化轉型進程，更會引發國際競爭格局的調整。世界主要國家都把發展新一代人工智能技術作為搶占未來發展的戰略制高點和打贏新一輪國際競爭的先手棋，紛紛加碼新一代人工智能，除了將人工智能上升為國家戰略之外，紛紛加大人工智能技術創新投入、深化人工智能行業創新應用、加強人工智能人才培養。
王明輝：新一代人工智能是引領未來發展的戰略性技術，是事關國家安全和發展全局的基礎核心領域之一。近年來，世界主要發達國家紛紛在人工智能研發、投資、應用等領域發力，僅2019年就有16個國家新發布了人工智能發展國家戰略，5個國家更新了人工智能戰略。全球主要經濟體，美國、日本以及歐洲幾個發達國家，紛紛將人工智能發展置于國家戰略重點。人工智能已經成為新一輪國際競爭的焦點和經濟發展的新引擎，也將為現代化建設帶來新機遇。
當前，我國人工智能發展總體上同西方發達國家特別是美國差距較大。主要體現在：一是原始創新能力不足。人工智能領域出現的深度學習模型等重大成果和奠基性的理論仍以美國等西方國家為主。二是高端芯片、關鍵部件、高精度傳感器等方面嚴重缺失。三是高層次人才的數量和層次落后。四是對人工智能可能產生的經濟、社會、倫理影響的研究和政策應對等相對滯后。面對以上問題，必須在“十四五”時期加強原創性、引領性科技攻關，加強基礎理論研究，增加對基礎性研究的投入，以實現在理論、方法上的顛覆性突破；發揮我國數據資源多、應用需求和市場潛力大的優勢，強化科技應用開發；充分發揮人工智能領域龍頭企業作用，主導建設創新生態。
袁豪磊：人工智能在所列技術中被首要提及，一定程度上說明了其在重要性上的優先級。作為一項處于快速發展中的前沿技術，人工智能技術適合與其他技術領域結合、深入并改變日常生活的諸多方面，從而使得人工智能得以支持“十四五”規劃中的多項工作目標。事實上，人工智能這一技術詞匯在“十四五”規劃中的多個工作環節被多次提及，在科技、產業、教育、消費等各項工作目標中都可以看到人工智能可被引入并有望發揮較大價值的地方。
第一，橫向來看，人工智能可以與“十四五”規劃中所列出的其他重要科技維度相結合形成諸多“AI+ X”的跨學科發展模式，助力多項科技領域的更好發展。過去幾年中，人工智能已經與信息科學領域形成了密切的結合、產出了諸多改變生活的應用，例如人臉識別、語音識別、光學文字識別、文本翻譯等細分領域技術已經形成成熟的技術應用。與此同時，人工智能方法正在與更多的科技領域發生結合，其中包括了“十四五”規劃所提到的生物醫藥、現代能源系統、生命健康、腦科學、生物育種、空天科技、深地深海等多個科技領域。
例如在生命科學領域，國外已經有機構提出使用深度神經網絡來預測蛋白質形態的方法，在基于使用大量基因組數據來預測蛋白質結構的研究基礎之上，新方法所產生的蛋白質3D模型比以往任何一種都精確得多，在這一生物學的核心挑戰方面取得了重大進展。再比如在空天科技領域，為搜索宇宙中的密近雙脈沖星、快速射電暴等新天體，以射電望遠鏡為主的天文觀測設備每天都在產生海量的觀測數據。傳統方法一般是采用天文學領域的經典方法來處理這些數據，通過經典算法從海量觀測數據中篩選出候選天體然后再交由人類專家分析判斷。而由于在可觀測宇宙中特殊天體的稀缺性、數據收集過程中存在復雜噪聲干擾等原因，如何提取淹沒在大量噪聲中的微弱有用信號依然是對現有技術的一大挑戰，目前已有學者在嘗試采用深度學習方法來處理這類海量天文數據，以期得到更好的天文搜索結果。
鑒于上述原因，人工智能與其他科技領域的學科交叉、協同發展所形成的“AI+X”組合模式有助于實現“十四五”規劃中所提出的“強化國家戰略科技力量”“在事關國家安全和發展全局的基礎核心領域，制定實施戰略性科學計劃和科學工程”的目標。
第二，縱向來看，人工智能可以與“十四五”規劃中所提及的多項產業相結合從而促進相關產業鏈上下游的發展，進而拉動消費端對高科技產品的消費需求。
一是在產業鏈端，引入人工智能所帶來的對算法、算力、數據的持續需求可以帶動很多相關產業鏈的發展。例如，人工智能的應用部署需要充足的算力，當前的人工智能應用按部署方式可以分為云端部署和終端部署兩大類場景，前者將大量的運算服務器集中在一起管理，用戶通過網絡向云端發送請求，云端再通過網絡向用戶返回計算結果。這種云上服務的模式需要大量適合深度學習運算結構的處理器作為算力的物理支撐，隨著云上人工智能服務的發展必然會在電子設備（服務器設備）、集成電路（處理器）、通信運營（5G）領域帶動產業鏈發展。另一方面，對于自動駕駛等需要在終端部署的人工智能應用，往往需要針對不同的應用設計專用的處理器和電路系統，以調和算力需求與功耗、響應速度、設備體積之間的矛盾，這同樣會帶動集成電路、電子系統、精密制造等領域的產業發展。
二是在消費端，人工智能技術可以帶動傳統應用場景的數字化轉型和智慧化改造，通過科技賦能帶動消費需求增長。人工智能技術本身具有寬泛的定義范圍和作用領域，它沒有具體限定的應用領域，人工智能與各種應用場景相結合，有望通過科技體驗升級拉動新需求。“十四五”規劃中所提到的智慧公共服務、智慧社區、智慧零售等諸多“智慧+”的生活圖景，其背后都伴有基礎的人工智能應用。例如“人臉核身”技術利用人臉識別方法自動驗證使用者是否與注冊身份一致，在智慧公共服務場景中這一技術可以用于遠程業務辦理、在智慧零售場景中這一技術又可以用于“刷臉支付”、在醫療健康場景中這一技術可以用于核對社保卡使用者和持卡人身份一致。通過提高效率、提升體驗的服務模式改造，人工智能技術可以帶動傳統應用場景向數字化轉型和智慧化改造，帶動消費需求的增長。
人工智能行業即將開啟諸多新的應用場景
中國經濟時報：如今，在持續的政策支持和引導下，資本對人工智能的商業化前景更具信心，兩股力量互補之下，人工智能行業又將會打開哪些新的應用場景？
陸峰：從技術創新角度看，在政策扶持和資本驅動下，網絡科技企業將會把人工智能技術創新作為打贏下一輪科技競爭的必爭之地，持續加碼人工智能技術研發投入和技術創新，深化人工智能行業應用技術研究，人工智能算法模型研究將從語音/語義、計算機視覺等通用人工智能技術向行業人工智能技術應用領域拓展。
從產業供給角度看，各類網絡科技巨頭企業將會結合自己業務領域，率先推進人工智能技術和業務融合發展，基于行業人工智能研究優勢，推出一些行業性的人工智能技術產業創新支撐平臺，帶動行業人工智能應用發展。同時，因各行業人工智能應用需求驅動，也會涌現出一批專注行業領域人工智能技術應用的信息服務企業。
從社會應用角度看，制造、交通、物流、零售、醫療、教育等領域，將會結合技術智能化發展成熟程度，逐步推進人工智能在一些合適的場景開展應用。
王明輝：一是新基建。人工智能的發展，需要相應的信息基礎設施支撐。2020年，人工智能被確立為新基建的七大領域之一。新基建區別于傳統基建的核心在于數字化、智能化的屬性。以人工智能底層算法為例，我國人工智能產業普遍依賴以Tensor? Fl ow、Caf f e等為主的外國算法框架，要實現科技自立自強，解決關鍵核心技術“卡脖子”問題，必須加快推動人工智能新基建的發展，推動中國企業或研究機構構建安全自主可控的算法支撐體系。
二是人工智能養老服務。隨著我國老齡化的加劇，養老早已成為全社會普遍關注的話題。據有關預測，到2050年，中國老年人數量將突破5億。提高老年人生活品質是現代化國家的必然要求。人工智能產品，如智能看護系統，包含身體機能檢測、家庭安全報警、緊急求助等模塊，非常適合獨居老人的使用。另外，智能音箱等可以讓老年人的生活變得更加便捷。
三是人工智能教育。技術上，通過語音交互和自然語言處理技術，實現智能機器人閱卷改卷、在線口語評測等功能。未來,在教育改革大趨勢下,為滿足教育的信息化需求,將人工智能賦能教育,可以提高教育的高效性和便捷性。
人工智能與實體經濟深度融合是促進制造業高質量發展的核心驅動力
中國經濟時報：各位對我國加速人工智能與實體經濟深度融合方面有哪些政策建議？
陸峰：一是除了要繼續強化人工智能通用算法模型研究之外，更需要深化人工智能行業應用研究，結合行業融合應用需求，加強與行業相關的專業算法模型等研究，推進人工智能和行業發展的深度融合。
二是結合場景對智能化的需求程度，面向制造、交通、醫療、教育等重點領域，逐步推進與智能應用需求相互匹配的人工智能應用。
三是加強人工智能產業創新開放平臺打造，打造一批與行業產品智能化升級相關的行業人工智能開放平臺，為中小企業產品和服務創新提供公共基礎平臺支撐。
四是推進云計算、大數據、物聯網等產業和人工智能協同融合發展，為人工智能發展和創新應用提供算力、算數以及信息感知和反饋執行等支撐。
五是加強人工智能應用規則研究，做好相關監管政策儲備，防止人工智能技術濫用和誤用。
王明輝：人工智能與實體經濟深度融合是促進我國制造業高質量發展的核心驅動力。當前人工智能與實體經濟融合仍處于初級階段，未來加速二者深度融合須從以下幾個方面發力。
一是充分發揮政府引導和市場主體作用。一方面，積極推進人工智能在市政管理、公共安全、醫療健康、文化教育、交通運輸等領域的應用。強化實體經濟與互聯網、大數據、物聯網、云計算等領域的協同。另一方面，充分激發市場創新活力。推動以領軍企業為主導，聯合高校、科研機構、人工智能企業共同建立創新聯合體，聚焦人工智能共性技術的研發與轉化。
二是打破信息壁壘，實現數據共享。以政府部門為重點，大力推動數據開放、共享機制建設和實施，支撐人工智能與政府服務的融合，提高人工智能賦能實體經濟的匹配度和有效性，推動不同平臺形成發展合力。同時，還要保護數據的隱私性，更要抵御攻擊和干擾，守住安全和科技倫理底線。
重視人工智能治理加強人工智能安全技術
中國經濟時報：對于人工智能治理問題特別是數據隱私問題，或隨著人工智能逐步深入到更多行業所面臨的新技術對傳統勞動模式的替代問題，您有何看法？
王明輝：人工智能的發展，帶來了一系列的倫理法律問題。比如數據的安全、算法的公平透明等問題。當前，人臉識別引發的個人隱私擔憂、“大數據殺熟”引發的算法不公現象屢有發生，都呼喚我們必須盡快出臺相關的治理規則。
事實上，針對人工智能的治理規則已經成為人工智能國際競爭的焦點。中國企業走向市場必須主動回應相關產品服務背后的倫理價值。最近幾年，眾多的國際組織以及國家、地區政府紛紛發布準則。OECD、二十國集團等國際組織已經發布了人工智能治理原則，尤其以歐盟最為積極，2019年歐盟委員會人工智能高級專家組發布了兩份文件：《人工智能倫理指南》和《人工智能政策與投資建議》，為歐洲的人工智能治理勾勒了一個全面的藍圖。2020年新冠肺炎疫情的大背景下，歐盟繼續推進人工智能倫理指南的落地工作，并且發布了相關的白皮書。歐盟此舉，就是為了讓歐洲在人工智能的發展中處于道德制高點，從而在與美國、中國的競爭中處于一個有利的位置。我們需要緊密關注國際人工智能倫理治理相關規則進展，從而避免缺席新規則制定過程而導致被動。
需要特別注意的是，人工智能的發展與價值觀密切相關，對于西方的一些規則需要批判吸收。如，西方的實踐過程已經說明，沒有邊界的使用“隱私權”的概念，會影響人工智能的技術開發和應用。歐洲一些國家由于過度強調所謂“隱私權”，造成人工智能的技術研發和產業發展普遍滯后。在我國人工智能發展的過程中，一定不能盲目地引進西方所謂的“隱私權”概念，而是應當基于自身國情，妥善處理發展和治理之間的關系，走出自己的發展道路。
袁豪磊：隨著人工智能逐步深入到更多行業，必然將面臨新技術對傳統勞動模式的替代，人工智能技術在推動職業教育、創造新型職業就業需求上同樣可以起到相應的作用。“十四五”規劃中提到“有效提升勞動者技能，提高就業質量和收入水平，形成人力資本提升和產業轉型升級良性循環”。伴隨著技術的升級一定會有一部分傳統勞動形式被機器逐漸取代，這是不可回避的問題。一方面，我國在數字化、信息化領域打下的基礎為人工智能提供了良好的發展基礎，當下我國在人工智能方面的學術成果、從業人員、應用規模都走在世界的前列。另一方面，還有相當規模的勞動者在工廠產線上從事重復性、未來會被機器取代的勞動。
當下的現象是由兩個因素造成的：一方面，國內人工智能相關的勞動主要集中在研發、設計這些上游層面，在數據生產（當前的人工智能技術需要消耗大量的訓練數據）、設備操作維護等中下游的層面，人工智能職業教育還遠未形成普及，人工智能相關的職業教育是未來可以推進的一個方向。另一方面，人工智能配套行業的發展也需要跟上，例如國內已有專門的數據公司提供專業的數據采集、標注等數據生產服務，為形形色色的人工智能應用研發提供所需要的訓練數據。隨著人工智能研發的投入加大，這類數據公司的產能和服務類型的擴增必然需要跟上產業擴張的速度，由此會誕生很多新的勞動需求和細分職業類型（如針對專門領域的數據標注工作、測試工作等），進而拉動就業需求并與職業教育形成一個正向循環。
技術是把雙刃劍，大力發展人工智能的同時要加強人工智能安全技術，特別要留意數據隱私問題和AI倫理問題。
個人數據隱私、人工智能倫理問題向來都是國際社會所關注的話題，大力發展人工智能的過程中要避免數據的濫用、加強數據治理。“十四五”規劃中明確提到了要“加強網絡安全關鍵技術研發，加快人工智能安全技術創新，提升網絡安全產業綜合競爭力”。據此判斷，人工智能粗放式發展的時代已經過去，那些涉及個人數據隱私的人工智能應用的研發將會形成更高的準入門檻，而那些已經在局內的技術公司也將需要更加重視規范化的數據使用。AI倫理方面，包括自動駕駛、個人征信、司法取證等應用在內，采用了人工智能推理的結果之后所帶來的責任如何界定、對人工智能推理結果的解釋問題目前還是處在摸索階段。在技術層面上，業界已開始關注模型可解釋性問題，嘗試用各種方法對深度學習的黑盒問題作出分析和解釋，這方面的技術目前還處在發展階段，距離實用還有待觀察。
