人工智能技術(shù)具有處理高維數(shù)據(jù)的先天優(yōu)勢,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。類似于父母會向孩子展示不同顏色、大小乃至種類的蘋果,教會孩子認(rèn)識“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。
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)之間并不是彼此對立的關(guān)系,對于存在部分標(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)于我們聘請了一個(gè)知識淵博的老師指導(dǎo)計(jì)算機(jī)程序,高額算力則會賦予計(jì)算機(jī)程序更快學(xué)習(xí)到知識的能力。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)對社會經(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)勞動力,產(chǎn)生了勞動擠出效應(yīng):自動化機(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)的興起在提高社會生產(chǎn)效率的同時(shí),也為社會創(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)步并沒有造成社會大量失業(yè),反而會通過提升傳統(tǒng)行業(yè)生產(chǎn)效率和技術(shù)革新改變原有社會生產(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)對于不同行業(yè)、不同崗位均存在不同程度的影響。對于那些從事生產(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。但對于那些需要統(tǒng)籌、創(chuàng)新、互動類的崗位,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)測階段變得不那么穩(wěn)健。舉一個(gè)簡單的例子,在一個(gè)分類算法中,我們在一張三寸大小貓咪照上改變一個(gè)像素點(diǎn),就可能使計(jì)算機(jī)算法將貓咪識別為其他物品,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)會不當(dāng)利用其在數(shù)據(jù)、算力和算法上的前期優(yōu)勢,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、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)揮好政府的社會兜底功能,如何在私營行業(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,營造良好數(shù)字環(huán)境。一方面,人工智能行業(yè)會產(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)增長的爆發(fā)期,在不斷給社會經(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)核心競爭力。
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)型升級的重要驅(qū)動力。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)。基于人工智能技術(shù)探索新業(yè)態(tài)、發(fā)展新模式,推動傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級從而加快生產(chǎn)要素跨區(qū)域流動、融合市場主體,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、布局?jǐn)?shù)字經(jīng)濟(jì)優(yōu)勢行業(yè)的必然需求。
充分發(fā)揮市場能動性,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)的長期健康發(fā)展,離不開良好的市場環(huán)境和產(chǎn)業(yè)配套。微觀主體能夠有效嗅到商機(jī),市場經(jīng)濟(jì)在挖掘新業(yè)態(tài)、探索新模式方面具有相對優(yōu)勢。但人工智能行業(yè)作為典型的知識密集型行業(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)具備相對優(yōu)勢,是人工智能產(chǎn)業(yè)鏈條上的重要核心力量。因此,以市場需求為主導(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,勞動力自身的主觀能動性、個(gè)體創(chuàng)新力、統(tǒng)籌思考能力等對社會經(jīng)濟(jì)發(fā)展和個(gè)人發(fā)展都極其重要。但在傳統(tǒng)勞動力供給與新興勞動力需求之間依然存在技術(shù)鴻溝——傳統(tǒng)勞動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)整社會保障體系使之對跨部門再培訓(xùn)、再就業(yè)更具適用性,兜底民生、切實(shí)改善社會福利等問題,值得我們進(jìn)一步思考、探索。
來源:光明日報(bào)