对人工智能时代的看法范文1
关键词：人工智能；刑事风险；刑法应对
近些年来我国科学技术的快速发展给人工智能提供了很大的助力，人类利用人工智能技术开拓了更多的领域，创造了一些新的经济增长点，很大程度上促进了我国经济的发展。面对着人工智能广阔的发展空间，我们在利用人工智能获得高质量发展的同时也要看到人工智能带来的风险，例如有些不法分子会借助人工智能产品的使用或者是开发实施一些危害社会的犯罪行为，给人们带来较大的经济损失。基于此，相关部门应该充分认识到人工智能所带来的刑事风险的巨大危害性，进而加强法制建设，全面做好应对，使人工智能充分发挥它积极的一面。
一、关于人工智能以及人工智能产品的概述
（一）关于人工智能的概述
人工智能这个概念提出比较早，大约在20世纪的四五十年代，但是人工智能概念提出后却没有得到较快的发展，主要是因为当时的信息技术以及互联网技术的发展水平还处于较低的阶段。在此后的一段时间，人工智能几乎处于一种停滞的状态，直至2016年韩国的一场人机围棋大赛让全世界的目光再次聚焦在人工智能上。各个国家也意识到人工智能将是改变世界的一种重要力量，纷纷加大对其研究力度，进而成为各个国家竞争的新领域，由此世界逐渐进入了人工智能时代。人工智能时代在给世界带来强大发展活力的同时也出现了一些超越法律范围以及法律理念的问题，对这些问题不能忽视。在人工智能时代我们更需要站在法律的层面严格审视其发展过程中存在的风险以及做好各方面风险的应对。特别是最近几年一些关于人工智能的刑事案件引起了人们的关注，鉴于此，对这个方面进行深入研究有着很大的现实意义［1］。
（二）人工智能产品的类型
人工智能产品根据其内部算法的不同可以分为两种类型，一种是人工智能产品，另一种是弱人工智能产品。通过对人工智能产品的深入研究发现，其本质是基于内部算法，并具有独立思考以及解决问题的能力。我们看到人工智能主要依据内部算法发挥作用，内部算法是人工智能的技术内筒，如果对这个技术内筒的运作再进行分类存在着很大的难度，同时也不具备较强的可操作性。针对这个问题，在法律层面对人工智能产品进行分类主要依据的是产品是否具有控制能力以及辩证能力。虽然我国的人工智能发展较快，但是从发展水平来说还处于弱人工智能时代。弱人工智能时代的产品虽然具有一定的自我意识并能思考以及解决问题，但是这些能力在很大程度上是研发人员意识的体现，是研发人员利用程序表达出来的一种判断和决策。在科学技术发展的推动下我国也会进入强人工智能时代，这个时代的产品具有较强的控制能力以及辨认能力。它与弱人工智能时代产品的最显著区别是其可以突破设计人员编程的控制，真正实现自我意识、自我判断、自我决策。这种产品会给世界带来极大改变，同时也会带来很大的风险［2］。
二、人工智能刑事风险所具有的特点
（一）与传统犯罪相比具有较高的危害性
随着人工智能的不断发展，其与人们的生活会越来越密切。人们在获得人工智能产品提供服务的同时也存在着一些风险，加之人们对这些风险缺乏辨别力，导致人工智能刑事风险产生的危害较大。如今我们在一些媒体上会发现一些不法分子利用人工智能开展各种形式的犯罪活动，不仅具有很强的隐蔽性，而且给人们带来很大的损失。随着社会的进步，科技的发展，人们的生活和工作对人工智能的依赖性会越来越大。在这种情况下利用人工智能开展犯罪活动会越来越普遍，严重危害社会的可持续发展，甚至还会给社会带来毁灭性的灾害。为了确保社会的和谐稳定，相关部门必须要采取措施遏制人工智能犯罪活动的开展，特别是在法律层面做好保障。否则任其发展必然后患无穷。通过对一些人工智能刑事违法案件的调查，我们看出很多不法分子利用人工智能获取企业的私密信息，不仅损害了企业的利益，同时还会引发行业的不良竞争，影响我国经济的高质量发展。
（二）增加了很多的犯罪形式
人工智能时代犯罪有了更多的形式，这些形式带有人工智能显著的特点。现在越来越多的犯罪分子青睐人工智能犯罪是因为借助它可以轻松获取大量的数据信息，进而利用这些数据实施犯罪活动。人工智能这一高效获取数据的功能如果加以正确利用，不仅可以加强我国的精神文明建设，同时还会极大促进社会的发展。但是一些犯罪分子瞄准了人工智能这一特点实施一些新型的犯罪活动，违反了人工智能发展的初衷，同时也不利于社会主义市场经济的稳定发展以及和谐社会的构建。面对人工智能时代出现的各种新型犯罪，要从根源上确保信息的安全性，避免被不法分子通过非法途径获取［3］。
（三）人类对其控制能力较弱
人工智能时代一些技术的使用很难利用一定的标准评价它的道德性以及合法性，相关人员对此要有清醒的认识。人工智能产品一个显著的特点就是不具备控制能力以及辨别能力，基于这样的特点很难对其程序进行管控，从而降低了人类对它的控制。例如操作人员利用人工智能技术操纵机器人开展某项活动，如果在一些环节采取了具有违法性质的操作，但是机器人并不能自动发现这种不法指令，进而拒绝执行。这种弱人工智能给犯罪分子留下了犯罪机会，同时也给人工智能的利用带来很多的安全隐患。随着高科技以及人工智能技术的不断发展，相关人员在对人工智能进行深入研究的过程中探寻到一些技术可以实现机器人自主学习。机器人的自主学习能力原本是为了抑制智能机器人，但是在一些特殊情况下当这种能力不断积累，机器人在执行各种命令时有可能违背人们的意愿。这种情况不仅会影响机器人正常作用的发挥，甚至还能做出一些危害人类的举措。在一些极端的情况下，机器人的行为完全不受人们的控制，那么对社会将会产生极大的冲击，后果不堪设想。以上说明的种种情况都是在人工智能时代极易发生的一些刑事风险，这些刑事风险具有巨大的社会危害性，因此要引起人们的高度重视。相关部门及人员应该对人工智能时代的刑事风险进行深入分析，并对现有的法律不断进行完善，从而达到对这些风险进行有效控制的目的。另外，人们在利用人工智能时也要加强风险控制意识，使自身的行为符合法律的规定，从而充分发挥人工智能的价值造福社会，避免一些犯罪分子利用人工智能危害社会［4］。
三、人工智能刑事风险的刑法应对
（一）建议《刑法》增设滥用人工智能相关罪名
在我国人工智能发展的前期，大部分人未能意识到人工智能会带来刑事风险，因此相关的法律存在着一定的欠缺。随着我国人工智能发展水平的提升，人工智能给人们带来了更多新奇的体验，同时也给不法分子更多的犯罪机会，而且这些犯罪大部分是刑事犯罪，严重影响人们的学习和工作，甚至还会引发社会恐慌。基于人工智能的特点，其所产生的刑事风险在短时间内无法得到较好处理。由此可见，人工智能时代的刑事风险不仅具有较大的危害性，同时其危害还具有持久性。鉴于此，相关部门应该针对此问题进行深入研究，采取措施最大化做好人工智能产品的刑事风险控制工作，并高质量进行刑法应对。随着人工智能刑事犯罪案件数量的增多以及其具有较大的社会影响力，人工智能刑事风险防控以及刑法应对受到了社会的广泛关注，同时加强刑法应对也是完善我国法治体系的一个重要内容。我国社会发展前期人工智能水平较低，这类刑事案件不多，所以《刑法》中没有滥用人工智能相关罪名。但是随着我国人工智能的不断发展，利用人工智能进行刑事犯罪的可能性增大，所以在我国《刑法》中增设滥用人工智能相关罪名有很大的现实意义。这样在一定程度完善了法律，同时对相关人员滥用人工智能开展犯罪活动有一定的打击作用。当今我国社会各个方面处在一个较为稳定的发展阶段，加之我国要实现经济高质高效发展必须有一个稳定的社会环境，由此看出维护社会的稳定对我国的重要性。我们要充分认识到，一些不法分子滥用人工智能，给我国社会造成了极为恶劣的影响，严重危害了社会的稳定，对我国社会的发展造成了很大的阻碍作用。我国社会的发展一方面需要人工智能提供较大的推动力，另一方面还要防范一些人员滥用人工智能，确保社会整体发展的稳定性。如果不能对人工智能的刑事风险加以管控，同时也未能全面做好刑法应对，那么无疑给我国社会发展埋下一个巨大隐患。如果相关部门不能采取有效措施对这个隐患加以管理，在许多因素的共同作用下会引发一系列社会问题，将会严重制约我国社会更好的发展。为了使我国既能充分利用人工智能积极的一面促进我国社会各个方面的发展，又能有效规避利用人工智能犯罪行为的发生，需要相关部门借助法律的力量来达到以上目的。通过《刑法》增设滥用人工智能相关罪名，进而规范人们利用人工智能的行为，确保其在法律规定的范围内进行，同时能够使人们明确如何合理合法利用人工智能，对于我国社会发展具有很大的积极意义。之所以建议在《刑法》中增设滥用人工智能相关罪名还由于《刑法》比起其他法律对人们更具威慑力，对人们约束性更大，对一些滥用人工智能的行为会发挥出更大的警示作用。国家相关部门在使用刑罚时如果剥夺了犯罪人员的一些权利，那么这种权利的剥夺不具有可逆性，对犯罪人员来说需要付出更大的代价。《刑法》的这种特点对犯罪人员的威慑力会更明显，使人们更加深入了解滥用人工智能的严重后果，从而不敢利用人工智能实施犯罪活动。人工智能犯罪与其他形式的犯罪相比具有更大的破坏性和危害性，不仅会对人们造成财产危害，还会威胁人们的生命安全。人们对人工智能的刑法风险以及犯罪要有充分的认识，并积极利用刑法这个有力武器避免人工智能犯罪行为的发生，进而弱化它的影响力。另外，相关部门还要根据社会和市场的发展优化处理人工智能带来的刑事风险，维护我国社会的和谐稳定［5］。
（二）建议《刑法》增设人工智能事故相关罪名
首先，在进行人工智能技术研发前，研发人员要明确自身的义务，在研发人工智能技术的过程中严格约束自己的行为，确保每一个研发环节都符合人类社会的道德体系，最根本的是符合我国相关法律的规定，从源头上避免人工智能事故的发生。其次，人工智能产品开发后需要有一段时间的调试。研发人员在调试的过程中也要确保符合道德以及法律的要求，否则在调试阶段出现一些问题容易导致人工智能事故的发生，从而在后期人工智能技术的利用中引起更大的危害性。最后，对于人工智能产品的研发也要提供有效的保障，一方面要确保智能化产品在数据安全方面的技术保障，另一方面还要采取措施避免人工智能产品在应用环节出现的一些数据错误情况，使人工智能产品以及技术为人类提供更加安全以及高效的服务，避免其发挥消极作用对人类以及社会产生危害［6］。
四、结语
随着人工智能技术的不断发展，我国的人工智能化水平也相应提高。在如今越来越智能化的时代，我们不仅需要进一步开发人工智能的价值，还要重视它所带来的刑事风险，并提前做好完善的刑法应对来更好地处理人工智能刑事犯罪。相关部门要深入分析人工智能刑事风险，从而在开展刑法应对时更具方向性和目标性，最优化做好人工智能刑事风险的控制，实现我国社会的平稳、健康发展。
参考文献
［1］唐蜜．人工智能时代的刑事风险与《刑法》应对研究［J］．法制博览，2021（35）：43-45．
［2］刘宪权．人工智能时代刑事责任与刑罚体系的重构［J］．政治与法律，2018（3）：89-99．
［3］陈文，姜督．人工智能的刑事风险及刑法应对［J］．南京社会科学，2020（1）：99-105．
［4］王志祥，张圆国．人工智能时代刑事风险的刑法应对［J］．上海政法学院学报（法治论丛），2019，34（2）：97-107．
［5］张全印．机遇与挑战：人工智能带来的刑事风险与刑法应对［J］．中国刑警学院学报，2018（6）：14-20．
对人工智能时代的看法范文2
2016年3月9日至15日，注定要写入围棋界的历史、IT界的历史、科学界的历史，甚至人类历史。在这一个礼拜时间里，拥有1200多个处理器的谷歌人工智能系统AlphaGo，在深邃的围棋棋盘上，与14次围棋世界冠军得主、韩国围棋九段李世石展开一场五番棋的对决。在开始并不看好的情况下，AlphaGo最终以4∶1战胜李世石。这场旷世的“人机大战”引起了全世界前所未有的关注，其结果也令人瞠目结舌。并由此引发了舆论场和IT界、科技界、围棋界等知名人士关于人工智能的激辩，也引起众多外行人的围观。
人类制造的工具是如何战胜人类的？人工智能对围棋发展，对人类其他领域的发展将会产生怎样的影响？人工智能到底是福利还是威胁？人工智能会不会在逐步超越人类单项能力的过程中全面超越人类？是杞人忧天，还是“技术奇点”真的已经到来？有些人对围棋――这项古老东方的智慧顶礼膜拜，觉得电脑永远无法真正体悟围棋中蕴含的美学艺术和哲学意义。而另外有些人视阿尔法惊为天人，认定现代科技逻辑密不可透，细思恐极。许多人在探讨人工智能未来的时候流露出对人类命运的担忧。埃隆・马斯克、史蒂芬・霍金、比尔・盖茨都曾在不同场合表示，人工智能可能会给人类带来威胁。如果所有技术瓶颈一一被突破，人工智能全面超越人类，人类最终面对的是友好的超人工智能还是企图控制人类的“天网”？当然更多的乐观者认为电脑是人脑的产物，它再强大也不可能超越人类思想的维度；人工智能赢了棋局，但是人类却赢得了未来，如此等等。这场人机大战所衍生出的系列问题，必将在相当长一段时间内，引发更广泛、更深入的思考讨论。
【媒体声音】
一、人机大战胜负理由维度
AlphaGo战胜李世石，一方面是因为深度学习技术的谷歌人工智能机器人AlphaGo的围棋水平相较于之前的计算机围棋系统有了很大的提高；另一方面是因为其研发团队DeepMind采用了最先进的深度学习技术，利用深度神经网络对棋盘的局势进行了预测，并且AlphaGo在前期搜集了大量围棋对弈的历史数据，其中也包括很多围棋名人的棋谱，而且，它已经具备了从大规模数据中学习的能力，所以它仅仅在几个月内实现了人类若干年才能够达到的学习效果。这样惊人的学习能力是人类可望而不可即的。
AlphaGo在赛前做了充分的“准备”。而这个“准备”就是对李世石棋谱数据的深度学习。对李世石而言，他没有机会对AlphaGo的下棋方法进行分析，也就是说，人在明处而机器在暗处。AlphaGo是有备而来，但李世石却是毫无准备，所以人输给机器一点也不奇怪。
――《AlphaGo的“胜算”从何而来？》（澎湃新闻网）
许多中国棋手认为：“人机大战”并不公平，李世石赛前对机器一无所知，正所谓“敌在暗处”。果然，李世石首盘的心态和对策明显不适。几次试探之后，韩国棋手才终于找到破解之策，但此时大比分已然落败。柯洁等棋手指出，“阿尔法”似乎是有意避免复杂局面，包括“劫争”。第四战中，李世石正赢在此点。不过，获得这个思路的代价，已是前三盘的草草失利。
输掉第三盘后，李世石终于放下了压力和包袱。不得不说，在冰冷的机器面前，情绪是人类最大的敌人。李世石之所以是顶级棋手，因他总能下出类似“挖一手”的妙棋。这不仅展现了其扎实的基本功，更是通过对围棋的理解，迸发出了人类的思想火花，完成创新和自我超越。广义角度，这本就是机器尚不具备的“额外能力”。
――王牧青《李世石1盘胜利至少5层内涵围棋会迎“黄金时代”吗？》
二、人机大战价值意义维度
（一）之于棋手李世石
名利双收？摇从竞技角度而言，这次人机大战的失利方应该是李世石和人类围棋。不过现实中，这两者都是受益者。虽然以1：4的大比分失利，虽然早早就被电脑3：0锁定胜局，虽然李世石号称代表全人类，但无论从网友、棋迷还是专业棋手的口中，很难听到对这位人类顶尖棋士的苛责。相反，在赢得荣誉之战的第4局，李世石迎来了全世界的掌声。即使偶尔有人质疑李世石是否能够代表人类围棋的最高水平，也会被“其实换谁都不行，柯洁也不行”这种普遍认知所淹没。
而且对于李世石这位称霸棋坛近10年的绝顶高手而言，这次人机大战收获很大，用他自己的话说：“我从小就喜欢和比自己水平高的人比赛，这次比赛我就得到了快乐。看到阿尔法的招法，我会想，以前对棋的理解是否是对的呢？”如果我们用更庸俗的眼光来看，李世石下了5盘棋，收获了17万美元奖金（每盘对局费为3万美元，每赢一盘还将获得2万美元的奖金），几乎相当于赢了一次世界大赛冠军。
――汤敏《人机大战没有输家》
（二）之于围棋发展
1.将在一定时间内掀起一股“围棋热”。
这场举世瞩目的赛事，已给围棋这个相对小众的项目带来了前所未有的关注度。由于围棋项目本身对智力有极高的要求，长久以来，职业围棋比赛仅限于“少数人的游戏”。职业围棋比赛长期被中、日、韩三国垄断，如今更为严重，随着日本围棋的衰落，目前世界冠军仅在中韩两国，在中国，围棋虽有广泛的群众基础，参赛者达数千万之多，且呈上升趋势，但职业棋手只有数百人。从此次赛事在世界范围内引起的争议和关注来看，都将在一定时间内掀起一股“围棋热”。
过去的一周，关于人机大战的报道占领了国内各大媒体的“头条”，风头完全盖过了足球、篮球这些风靡世界的运动。就连围棋普及率极低的欧美国家，英国广播公司（BBC）、路透社、美联社这些主流媒体也对比赛进行了详细报道，这在以往几乎是不可能的。欧洲围棋联盟主席马丁就表示：“欧洲所有的围棋网站访问量都提高了十倍以上。很多国家都做了视频，来教大家怎么下围棋，围棋一下变得很流行了。”
2.将为围棋赛事商业化进展带来新的可能。
本次赛事的100万美元冠军奖金由谷歌提供，已创围棋比赛的历史最高数额，且引发YouTube及多家国内门户或视频网站争相直播。可以做出大胆推断：随着AI技术的不断升级发展，国内外更多的新科技公司将加入到这场持续性的人机争霸战中，而他们或许也将在围棋商业化道路上扮演更重要的角色。
3.人工智能技术将提升围棋水平，改变传统的围棋训练方法。
在接受《体坛周报》资深记者谢锐采访时，任教于上海外国语大学的孙远三段认为，李世石输掉比赛，对现有的围棋从业人员会有一定冲击，尤其是被竞技维度过度渗透的职业棋界和以逐利为目的的培训市场。但事实上，对围棋来说远非世界末日，科技的进步终将造福人类，人类应该乐见其成。也许未来经过AI的辅助训练，人类可以便捷地去探索棋盘上的真理。这种变化还将延伸至其他体育运动项目。
――赵姝焱《李世石和AIphaGo的人机大战，将给围棋运动带来怎样的影响？》
（三）之于谷歌公司
作为阿尔法围棋的拥有者，谷歌公司通过人机大战狠狠地赚了一笔。今年1月28日，谷歌宣布拿出100万美元作为奖金挑战李世石。当日谷歌股价大幅上涨，涨幅4.42%，换算成市值涨了200亿美元。与此同时，谷歌旗下设计围棋人工智能的公司DeepMind也因为人机大战获得了大量的订单。而且谷歌近年来还开发了诸多疯狂又炫酷的科技，比如无人驾驶汽车、互联网热气球、监测血糖的隐形眼镜等。通过这次人机大战，谷歌极大地宣传了自身的科技实力，隐形收益无法估量。
（四）之于人工智能
谷歌还算不得最大的赢家，“人工智能”这个概念才是人机大战最终极的受益者。人机大战前，人工智能对于普通人而言还是“云山雾罩”，现在通过各种报道，人工智能已经渗透到我们每个人的工作和生活中。智能化服务将会快速地接入餐饮、出行、旅游、电影、教育、医疗等生活服务领域，覆盖用户的吃、住、行、玩，人工智能在未来可能媲美人类的专职秘书。
阿尔法围棋最大的胜利是为人工智能进行了一场全球性的科普，也宣告了高科技企业对人工智能技术的“野心”。过去十几二十年间，人工智能只是存在于实验室的智慧探索；而未来几十年，人工智能将是基础，是推动商业与社会发展的强大动力。
――汤敏《人机大战没有输家》
深蓝计算不过围棋选手，主要因为IBM当时只是要以此为噱头体现自身设备的计算能力，从而扩大销售。而谷歌是要用搜索引擎或者未来的服务帮助消费者解决问题。谷歌预测，在未来谷歌的搜索引擎里面，十个问题中会有七个半不是仅给你网页链接，而是给你直接的答案。所以谷歌相信人工智能变成人类的一种服务，谷歌的DeepMind团队也是以提升机器智能为使命进行工作的，这和IBM深蓝的出发点和路径也是非常不同的。
《自然》杂志最近刊登了相关文章。如果单是一台机器下围棋这样一件简单的事件，其实不足以上《自然》杂志，这不是多么大的发明。但是《自然》杂志认可这样的技术，不仅只是针对下围棋，而是因为这本身代表了人工智能提升到一个新的层次，有一个广泛的服务能力。因此，这次对弈将成为一个历史性的事件。
――王小川《人类要重新思考与阿尔法狗的关系》
（五）之于中国
“AlphaGo大赛的落幕，以人工智能为代表的新应用技术正在触动着一种新的技术跨越和整合，也给中国带来了弯道超车的机会。”工业和信息化部副部长怀进鹏在开幕会上透露，我们正在积极部署智能制造、智能产业和硬件、互联网+、大数据新型技术等领域，为我国的市场和产业优势在产业变革中抢占有利位置。
――霍健斌《IT大佬激辩人工智能》
三、人工智能未来发展维度
（一）技术层面
掌握深度学习技术，人工智能的终极目标是希望机器具有像人一样看、听、说、思维、推理以及运动等方面的能力。在深度学习技术出现之前，过去采取的方法就是人类耗费巨大的精力编写程序，输入机器然后执行预定的功能，而现在有了深度学习技术以后，人类只需要编写让机器人深度学习的程序，机器就能够实现在庞大的数据积累过程中通过学习来实现智能化操作，并且其水平可以在数据增加的过程中不断得到提升。
机器的学习效果除了跟所收集的数据有关以外，还跟其学习的方法有着密切的关系。近年来人工智能技术发展如此迅速，主要得益于两个方面的进步。其一是机器学习的理论和方法有了新的突破，尤其是2006年开始提出的深度学习的方法，为推动人工智能技术的发展起到了关键性的作用；其二就是近年来计算机的计算能力提高得很快，GPU并行计算的能力在快速增长并被普遍使用。
――《AlphaGo的“胜算”从何而来？》（澎湃新闻网）
可以预见的是，对于某些职业来说，未来极有可能被人工智能取代。李开复就认为，未来十年AI（“人工智能”英文缩写）的发展会改变每一个产业，预计50%的工作都会被代替。比如，李开复过去一年就没有再买回过人类管理的基金，都是由智能机器人帮忙管理。他还披露了一个数字，美国智能交易出来之后，交易员从10万掉到了5万。
李彦宏也提及，包括翻译在内的多种职业会被人工智能所代替。而北大医院外科教授王杉则称，机器人已经可以做到跟人的反应速度一样，将来不仅仅是做手术，甚至是在一些隐私的操作领域比如导尿也不需要真人。人工智能将带来一系列医疗模式的改变。
相比于职业取代，数字中国联合会常务理事邓中翰抛出了一个更加震撼的问题：人是不是可以将他的灵魂、知识、感受都让一个机器学会，从而使这个机器将来可以在精神上让人长生不老？
德国汉堡大学信息科学系多模态技术研究所所长张建伟给出了倾向于肯定的答案。他认为这个问题虽然极具争议，但在技术层面完全可以讨论这个可能性。“把我们的灵魂、记忆存储起来，放在机器上，做到灵魂不死，这是这个世纪能实现的很好的题目。”张建伟称，当然会带来伦理问题，人都长生不老之后，会不会没有新的生命更新这个世界？
――霍健斌《IT大佬激辩人工智能》
依我看，“人机大战”到此可以休矣，接下来的主战场应该属于“机机大战”，也就是机器与机器之间的对决。不信我们就等着瞧吧，下一次的新闻头条没准就是AlphaGo对阵中Go、日Go、韩Go。
其实，这也正是谷歌精心策划这次“世纪人机大战”的良苦用心所在。事实上，这次“世纪人机大战”的结果也必将在全世界范围内掀起各个国家对人工智能“竞赛”的狂热投入，而这又必将大大加速人工智能在人类世界前进的步伐，传说中的“奇点”也许会提前到来。
――李易《人机大战之后会是什么大战》
今天的围棋王者柯洁仍不服，说阿尔法狗能战胜李世石但战胜不了他。也可能柯洁说得对，但即使在下一次比赛中柯洁赢了，也只是把最终结局向后短暂地推迟了几年。这是因为，人造智能相对自然智能有无可比拟的优势：容量无限、光速计算、透明式输入和输出、不会疲劳等等，所以结局无法改变。
围棋领域的输赢还只能算作“智力”的输赢，早晚有一天，人造智能也会在“智慧”上全面取胜。关于这一点，其实一点也不奇怪，只要我们不承认世上有上帝，不承认有超自然力，那么这就是早晚的事――既然碳磷氢氧这些普通物质能够经过复杂缔合而产生人类智力，凭什么说硅基智能就达不到甚至超过自然智能？这是迟早的事。
――王晋康《科幻作家早就预言了人工智能的胜利》
（二）认识层面
1.“技术奇点”论（恐惧悲观论）。
“技术奇点”的到来对于人类来说是很不幸的消息。
“技术奇点”的概念是基于人类科学进步的一个自然观察：总的来说，人类科学进步的速度是越来越快的。人类从学会使用工具到进入农业时代花了数十万年的时间；从农业时代到蒸汽机用了上万年时间；从蒸汽机到电气时代，不过200年光景；从电气时代到目前的信息时代，也就不到一百年。这说明人类的科技进步速度是呈加速度的趋势，或者按照某些理论，是呈指数发展的，那么可能在不久的未来，人类科技的进步将会快到这样一个程度，在之后技术将会变得与之前完全不同，就跟数学上的概念“奇点”一样，这之后的世界将完全无法预测。
从目前的科学发展来看，生物或者能源科技的突破需要基本理论的革命性突破，就如同当年相对论和量子力学的产生或者DNA的发现那样的突破，而这样的突破目前来说还没有任何先兆。相比于生物或者能源，信息科学领域是最有可能产生奇点的，因为最能够支持“奇点”理论的就是计算机科学的进步。著名的摩尔定律：“每隔18-24个月芯片的晶体管数量会增加一倍，价格降低一半”。这就是一个标准的指数定律，而现实中计算机性能的发展也很好的符合了摩尔定律的预测。在《奇点临近》里，未来学家Ray Kurzweil就举出了很多的指标说明我们现在处于指数发展的一个平缓期；到了一个临界点之后，指数发展会变成近乎于无穷大的斜率，技术发生了爆炸，人类社会就进入了“奇点”时代。
而奇点的到来对于人类是不是个好消息？很不幸，大多数的未来学家都对此持悲观态度。超级智能产生之后，“增加人类的福祉”这一项很有可能并不包括在它的目标里。就算是包括了，人类自身对于所谓“人类的福祉”究竟是怎样的一个范畴都会有争议，就更别提让超级智能来决定如何增进人类的福祉了。在它“优化”世界的这个过程中，人类很可能会像遇到了先进欧洲文明的美洲文明一样被消灭掉，只是这个过程会更快，更无情（几个小时到几周时间）；而人类在这个过程中甚至都不会像《终结者》里的那样，还有能力组织一支反抗军；在这个过程中人类连一丝一毫的机会都不会有。
所以Elon Musk三番五次地警告我们：要警惕人工智能！自从核弹发明，我们第一次发现，原来技术有着毁灭人类的危险――而人工智能可能是下一项有着这种危险的技术。奇点的到来对于人类而言，要么进入天堂，要么落入地狱，这中间很可能并没有中间状态。
――台伯河《AlphaGo战胜人类，或许只是开始》
人类生活的最后一个世纪？
“守住尊严就够了吗？”李世石的获胜并没有消除人们的忧虑。韩国《朝鲜日报》采访以色列希伯来大学教授哈拉尼，他认为人工智能AlphaGo在被视为“守护人类优势的绝对领域”围棋上赢了李世石，这就是一个信号弹。21世纪将成为人类以“现代人”姿态生活的最后一个世纪，“2100年，现代人类可能消失，被人工智能代替。”
如果所有技术瓶颈一一被突破，人工智能将全面超越人类智能。
许多人在探讨人工智能未来的时候流露出对人类命运的担忧。埃隆・马斯克、史蒂芬・霍金、比尔・盖茨都曾在不同场合表示，人工智能可能对人类带来威胁。如果所有技术瓶颈一一被突破，人工智能全面超越人类智能，人类最终面对的是友好的超人工智能还是企图控制人类的“天网”？
――彭茜 张家伟《人工智能非“万能” 多范畴不敌人类智能》
人机大战，留给人类的时间不多了？
AlphaGo2：0领先李世石后，网友说，“留给他的时间不多了”。“时间不多了”既是调侃，又像一个关于人工智能的不祥隐喻，感到压力的应该是整个人类。当李世石没有下出任何显见的恶手，但局面莫名地就变成AlphaGo黑棋优势了。”最可怕的不是被打败，而是连怎么被打败的都不知道。
人工智能带来的真正挑战是，它可以自主学习、自我完善，这正是AlphaGo清晰展示出来的。所以有没有一种可能是，有朝一日机器自我进化到连发明它的科学家都难以理解的地步？现在谈人工智能取代人类很可能还为时过早，可如果哪一天能发觉人工智能的威胁了，或许就已经晚了。
人工智能的先驱明斯基说过：如果我们足够幸运，或许它们会把我们当宠物养。你赢不了人工智能，但可以努力去赢其他人啊，哪一天AlphaGo招聘人类宠物的时候，就可以去报名了。
――西坡《人机大战，留给人类的时间不多了？》（新京报）
2.谨慎乐观论。
“超人工智能”还只是科幻小说和影视作品中的想象。
研究者普遍认为，人工智能的发展顺序是：弱人工智能、与人类智能相当的“强人工智能”和全面超过人类智能的“超人工智能”。目前，弱人工智能已经渗入我们生活的方方面面：搜索引擎、实时在线地图、Siri等手机语音助手都运用了人工智能技术。但人工智能要从情感、行为和认知三个维度全面模拟人类，还有很长的路要走。而“超人工智能”还只是科幻小说和影视作品中的想象。
――彭茜 张家伟《人工智能非“万能” 多范畴不敌人类智能》
人工智能赢了棋局，但是人类却赢得了未来。
刘成林教授表示，对于“技术奇点”所代表的人工智能全面超越人类，甚至机器反过来控制人类、对社会产生破坏性影响的说法，其实是很梦幻的想法。人工智能全面超越人类不是没有可能，但这一天还很遥远，而且即使超越也是在人类可控的范围内的。
我们面对新生事物要放宽眼界，毕竟人类的想象力和创造力还是机器学不会的，人还是最牛的。虽然外界普遍关注棋局的输赢，但事实上，无论是AlphaGo赢了还是李世石赢了，都是人类赢了。围棋这样高难度的策略竞技，考验了人们的逻辑性与分析能力，能造出AlphaGo本身即是胜局。人工智能赢了棋局，但是人类却赢得了未来。
――《AlphaGo的“胜算”从何而来？》（澎湃新闻网）
韩媒：不应神化人机大战意义。
昨天发行的韩国《京乡新闻》发表社论，称不应对人机对决进行扩大化的解释：“阿尔法围棋是人工智能的研究和各种领域的工学技术达到顶点所产生的结果，应该受到尊敬。同时，人类更应该冷静地探索人工智能对于我们的人生和未来会产生怎样的影响。”
韩媒指出，通过这次举世瞩目的人机大战，再度让人意识到“谁也不能否定人工智能的时代来临这个无法避免的事实”。人工智能在人类生活的很多方面都已经产生了巨大的影响，例如与先进医疗技术的结合，在极限环境下替代人类进行危险作业。不仅是谷歌，IBM、微软、苹果等全球化大企业的巨额投资，令人工智能的潜在价值和产业化的可能性在高度加速。
韩国科学技术院电子学部教授庾信表示，这次的结果并不意味着将来机械将比人类处于更优势的地位，送上尊敬的同时不能夸大人机大战的意义。
――[韩]《京乡新闻》
人类在最大给予的同时，总会有着无法给予干净的剩余。
AlphaGo虽然可以战胜人类棋手，但是只是战胜了人类思维的一个方面。就像发明的汽车飞机都比人类跑得快一样，但那只是人类用思维给予四肢的一个延伸，可以说人类每发明一项科技都会超越人类的某一个方面，但人类的方面是无限的。而同时，人类的智慧也是无限的，虽然就一个人来说，不可能达到完美的高度，但人类是一个互通的整体，本身也构成了一部有机的计算机，并充满着多维度空间，这种总体之合的智慧，总会大于某部最先进的机器，并且以人类的整体性维度控制着所有的人造物。
人类在最大给予的同时，总会有着无法给予干净的剩余，这些剩余，就是人类永远高于电脑的资本，也是重新思维的起航点，电脑则不会有这个高度的起航点。这也犹如人向着太阳高速奔跑，影子也会高速奔跑，但它的速度再快也只能跟在人的身后。这就是万事万物间的自然伦理法则，这样的伦理法则，谁都无法超越，所以才有了现在宇宙间的秩序。因此，未来电脑战胜整个人类，不管是在现实中还是在唯物哲学上，那都是不可能发生的事。
――马进彪《未来电脑，能战胜人类吗？》
只需把它当作高级一点的仿生学就好了。
南京大学计算机科学与技术系周志华教授认为应把作为严肃的人工智能和影视科幻中的人工智能区分开来。严肃的人工智能研究从来没想过要“威胁人”，因为它只是一门科技，其成果都有理论的上下限，使用了什么技术，能达到什么能力，都是有数的，“只需把它当作高级一点的仿生学就好了”。
――彭茜 张家伟《人工智能非“万能” 多范畴不敌人类智能》
3.警惕防范论。
划定路线图、制定行路规则，是我们为自己、也为子孙无可回避的责任。
当寄托了人类无穷想象的围棋“人机大战”演变成世界顶尖职业棋手求一胜而难得的窘况时，我在想：人类智力运动“皇冠上的明珠”被攻克之后，还有什么城池可以坚守。
与围棋盘上的情形相类似，最大的“开放式复杂局面”，就是我们人类社会本身。我愿意相信，机器永远不会懂社会管理；如果它试图这么做，人类文明就走到了尽头。人类不想等到“见棺材掉泪”的那一天，就必须“从这一刻起”警惕起来。既然我们这一代是机器“上路”的始作俑者，那么，划定路线图、制定行路规则，是我们为自己、也为子孙无可回避的责任。
――瞿剑《盘点人机大战：较量正未有穷期》
为应用人工智能制定相关法律，以防止失控。
美国纽约州立大学石溪分校计算机系顾险峰教授认为，人工智能的社会学研究需要引起足够重视，应为应用人工智能制定相关法律，以防止失控。他说：“相信人类的理性力量会发展出相应的制衡机制，来引导人工智能的发展。”
――彭茜 张家伟《人工智能非“万能” 多范畴不敌人类智能》
人工智能必须在强烈尊重人类伦理的基础上进行。
随着人工智能轻易战胜人类，如何防止被机器取代成为人类面临的一个重大课题。韩国刑事政策研究院当天“智能机器技术和刑事政策”报告说，未来，警方在办案过程中将使用智能机器人。
AlphaGo研发者DeepMind首席执行官戴密斯・哈萨比斯曾强调，人工智能必须在强烈尊重人类伦理的基础上进行。
――[韩]《世界日报》
【适切话题】
预言与现实 当人类的机器打败人类 学习需要大样本 理性看待输赢 尊重人类伦理 人类的尊严 规则与秩序 福利还是威胁 强大与弱点 科学技术是把双刃剑 严肃科学与影视科幻 利与弊 市场和产业 弯道超车 挑战与机遇 如何看待人工智能为代表的新应用技术
【链接阅读】
阿尔法狗战胜人，机遇大于威胁
张田勘
AlphaGo人工智能软件战胜人类棋手，为人类提供更多的是机遇和基础，而不是威胁。当然，威胁也会存在，就看人类如何控制和驾驭人工智能了。
3月15日，谷歌阿尔法围棋与李世石的人机大战五番棋第五局在韩国四季酒店战罢，李世石执黑中盘落败，双方比分最终定格为阿尔法4∶1取胜。
AlphaGo最终以4∶1的大比分大胜李世石，并不意味着人工智能主宰世界和人类被奴役的时代的到来，理由也并非只是因为AlphaGo是人类设计出来的，而是因为，AlphaGo其实开启了人类利用人工智能的新时代。准确地说，是拓宽了让机器人为人类干活的新天地，并有可能深入而广泛地让人类文明迅速发展。
AlphaGo是靠深度学习、蒙特卡洛树搜索算法和自我进化三招战胜人类棋手的，这三大功能也是人类驾驭其为人类服务的途径。由于人工智能能够自我学习，学习能力会越来越强，而且搜集和贮存的数据会越来越多，将会在新产品的研发、预测分析、推广等方面产生巨大的效应。
具体而言，如果AlphaGo的自我学习能力、大数据贮存和分析功能应用到医药领域，将会是人类的福音而非悲剧。研发出AlphaGo的Deep Mind公司并非只是专注于让AlphaGo与人类棋手过招，而是注重把人工智能通过学习解决实际问题的能力贯穿应用到医学领域。
2016年2月，DeepMind公司就已经了在医护领域使用的深度学习程序Deep Mind Health。这是一款手机应用程序，包括“识别风险病人”（Stream）和“早期临床护理管理”（Hark）两个模块。这种手机应用程序当然也是一种人工智能，它们需要学习和帮助医护人员监护一些表面上不严重但实际很危险的病人，或者一些急性发病者。
当然，这些只是人工智能开发应用的冰山一角。实际上，在医药领域利用计算机技术和人工智能最早和进展较大的是药物的研发与监控。计算机和人工智能对于药物的研发在很多方面都起到了作用，如研发新药、老药新用、药物筛选、预测药物副作用、药物跟踪研究等。这实际上已经产生了一门新学科，即药物临床研究的计算机仿真（CTS）。
对于传统的药物研发来说，一种药物必须经过动物试验和人体的I、II、III期临床试验。而且，即便三期试验后批准上市，还有IV期临床研究，即新药上市后进行的临床研究，而且一类新药要求进行2000个病例的IV期试验，这也是造成药物研发周期长、费用高的重要原因。
但是，在今天，有了计算机程序，特别是以AlphaGo为代表的能自我学习的计算机程序（软件），就为人们提供了一个检测药物的人工智能安全专家。首先是在新药筛选时可以获得安全性较高的几种备选物。当很多种甚至成千上万个化合物都对治疗肝癌显示出某种疗效，但又对它们的安全性难以判断时，便可以利用AlphaGo的策略网络和评价网络，以及蒙特卡洛树搜索算法来挑选最具有安全性的化合物，作为新药的最佳备选者。
同样，对于尚未进入动物和人体试验阶段的药物，也可以利用AlphaGo这样的人工智能来检测新药的安全性。因为，每一种药物作用的靶向蛋白和受体都并不专一，如果作用于非靶向受体和蛋白就会引起副作用。AlphaGo等程序可以通过对既有的近千种已知药物的副作用进行筛选搜索，以判定一种药物是否会有副作用，或副作用的大与小，由此选择那些副作用几率最小和实际产生副作用危害最小的药物进入动物和人体试验，就会大大增加成功的几率，节约时间和成本。
当然，利用AlphaGo等程序还可模拟和检测药物进入体内后的吸收、分布、代谢和排泄、给药剂量-浓度-效应之间的关系等情况，让药物研发进入快车道。
对人工智能时代的看法范文3
前一阵子，特斯拉的总裁马斯克、物理学家霍金突然发声，要大家警惕超级人工智能。这件事多少有点奇怪。对人工智能的恐惧感大众并不陌生，已经有一大堆科幻电影靠着这种情绪赚得大笔票房了。可这一次，一个是世界上最知名的企业家（可能没有之一），一个是在世的最知名的科学家，两位都是媒体关注的焦点，他们说要警惕，事情似乎非同小可？
并没有。尽管大家都喜欢《终结者》之类的电影，可真要让我们在平时关注一下看不见摸不着的东西，反而是件难事。而且，霍金不是不久前还说要大家小心地外生物吗？对于这些事情，我们更多抱以微笑：老爷子醒醒吧。我们尽管看不懂你的那些理论，但还是非常尊敬你的，喊狼来了就不好了。
但是还有另外一些事情同时发生：就在最近这几年，人工智能和它的交叉学科如机器学习、计算机视觉、自然语言处理等等，出现了不少惊艳的产品，也诞生了许多家估值甚高的创业公司。
有一些我们已经体验过了：Google的照片应用不仅能根据拍摄信息自动将我们的照片分类，还能分辨出图像中的动物是猫还是狗；无人驾驶汽车已经在美国很多公路上实验性地驰骋；利用深度学习，各家公司正在更精准地投放广告；IBM的沃森登上了美国版“开心辞典”，在智力问答中击败了之前卫冕时间最长的人类冠军；微软的翻译系统已经能做到实时翻译，通话时对方的西班牙语传到你的电脑时已经变成了翻译好的英语。
我们甚至有点习以为常了，甚至觉得有些技术本应如此。但其实，这里举出的各种技术都是最近十年内从不可用、难用变得可用的。科技和投资领域盯上这块下一个爆点已经很久了。
然而说来也怪，这些进展和之前提到的超级人工智能好像不是一回事啊？电影里的超级人工智能，不是应该闪烁着一簇邪恶的红色眼睛，不，发光二极管，用奇怪的金属音说话，除了毁灭人类没有其他事情可做吗？或者，那些温柔的机器人不是既能够理解人类，又学会了爱与幽默感？我们要的是人一样的机器，你们却发明了更精准的广告投放？
翻开《人工智能》的教材我们就会发现，公众对于这个字眼的理解，向来和教科书差距不小。教材中最大篇幅介绍的，往往是让计算机求解一个问题，其次关注的，有让计算机理解自然语言、推理、知识表示等；相关的，也有希望通过计算机制造一个神经系统；还有另外一派，通过统计方法，让计算机完成各种任务。这些充满术语的大部头教材，怎么看都和电影里的人工智能不沾边。然而如果了解一点背景和技术，又会发现很多事情是今天这个样子，实在是顺理成章的。
这要从上世纪五十年代年说起。1956年，一群年轻教授和工程师收到约翰・麦卡锡等人的邀请，齐聚达特茅斯大学，召开一个会议。他们有着共同的学术兴趣，都在关注计算机能否思考这个话题，然而对于什么是思考、什么是智能，却没有统一意见。本来，大家对当时的学术进展也都很了解，并不指望在会上看到什么重大突破（也确实没有），但这次会议把后来这个领域大牛们第一次聚集在了一起。就是在这次会议上，大家决定，把相关的研究单独列出来称之为“人工智能”。会上，西蒙和纽厄尔展示了逻辑理论家，一个能够自动证明数学定理的程序；马文・明斯基带来了神经网络模拟器；麦卡锡本人则演示了自动下象棋的程序。这次大会不久之后，麦卡锡的团队实现了一种人工智能研究常用的计算机语言Lisp。这十年，是人工智能奠基的十年。
我们在这里可以一窥人工智能领域后续的发展方向：一是创造像Lisp这样的工具，有了工具并不能让计算机产生智能，但很多工具影响深远，起作用的远超人工智能领域；二是构建神经网络，我们已经知道人脑由神经细胞构成，如果能够构建一个神经网络，就能实现一定的功能，如果能更进一步，兴许能制造出像人脑一样复杂的机器；三是研究计算机的推理运算、问题解决和知识表达。学者们认为，人脑在处理信息时无非也是利用已经具有的知识、通过运算来解决问题，如果计算机能够做到这些，就可以说计算机具有智能。
整个六七十年代，人工智能的研究主要围绕的是第三点。这种取向有着深厚的背景，在人工智能这个词还不存在的年代，已经有无数学者曾思考思维的本质，他们把思维抽象为运算，而如果能够让机器学会这种运算，我们自然就得到了智能。
不仅因为这种研究的观念和我们对思维的看法最接近，也因此它是最容易上手的。五十年代的时候就已经有了自动证明数学定理的工具，之后又诞生了各种有一定运算能力的程序或者机器。最后还有一点，那就是冷战背景下，政府和军方的巨额投资。当时，他们认为，人工智能可能产生重大的科技突破。想想看，如果有永不疲倦的雷达员检测敌人，如果有不需眼睛和手的翻译官将俄文资料翻译成英文……这真是诱人的前景。当然，研究神经网络的学者也没有止步不前，他们实现了一些更复杂的模型。只不过，他们选择了一条窄门，突破更难取得。
事情很快起了大反转。到七十年代末的时候，已经苦等十余年的投资人开始抱怨，为什么那些神奇的机器还是没有发明出来？为什么所谓的智能只会推理数学，而一些小孩就能做出的判断计算机却怎么也做不出来？不多久，政府大幅缩减了人工智能研究的预算。
人工智能迎来了一次低潮。而另一种方法却正在暗中生长。我们现在称呼这种方法为机器学习，尽管它和我们平时用的“学习”这个字眼并不那么接近。机器学习的方法看起来彻底放弃了让计算机去表达知识之类的想法。既然计算机最强的能力莫过于高速计算，那么索性让它在自己的长项上发挥吧。机器学习的专家不那么在乎计算机表现的是不是智能，他们设计、实验各种精妙的算法，让计算机可以解决特定的任务。到了八十年代，很多领域都迎来了突破。我们有了最初的自动驾驶，能够用计算机给图片做分类，能够让计算机和人类世界冠军下棋。实现这些的办法，和过去我们渴望的人工智能并不完全一致，然而却在效果上大获成功。
几乎同时，研究运算与知识的方法效果不佳，但神经网络的研究却兴盛了起来。一些学者自称联接主义者。他们的思想来自六十年代。可现在有了更好的计算机、更好的实现方法，也对神经有了更多了解。他们索性就不去考虑意识啊、思维啊是什么这些大问题，而是把精力放在构建神经网路的模拟上。很多人不同意他们的思考方式，但是大家对于建造一个模拟的大脑还是很有兴趣的。
最近几年，一个叫做“蓝脑计划”的项目被很多媒体报道。这个计划已经利用超级计算机模拟了一个大脑，复杂度大概相当于猫的大脑。我们仅通过这个计划，大概也能判断这种方法前景巨大――想想看，如果能模拟一个人类大脑的话会怎么样？当然，你也能猜到这有多难。历经数年时间、投入大量金钱之后，目前我们只得到了一个猫脑。
最终胜利的似乎是机器学习的方法，这种我们对智能理解差异最大的方法。如今，流行的机器翻译、语音识别、自动驾驶、图像识别、打击网络犯罪乃至反恐……机器学习已经全面开花，与其相关的词还成了行业甚至全民热词，比如数据挖掘、数据科学家、大数据等。一些持传统观点的人工智能研究者实在没法同意，计算机表现的这些能力是一种智能。然而机器学习解决问题的效果实在是好。
那么，这就是超级人工智能的雏形了？自八十年代以来，计算机的能力提升了那么多，很多实验性的研究已经成了我们每天使用的工具。然而如今，我们还是造不出能两腿行走的机器人，计算机很难分辨扭曲的字母或面孔，对于人类的常识也很难理解，能够做出判断的专家系统一般只局限于少数专业领域。总之，许多一个人类小孩就能胜任的工作，依然是计算机所不擅长的。计算机的能力如此强大，但似乎又和我们想象的智能不是一回事。于是问题来了，超级人工智能的威胁在哪里？
答案也许要分两部分。第一部分是我们的心理因素。毕竟，人类是我们已知的唯一智能生物，我们对智能的所有了解其实都来自我们自身。我们对地外生命和人工智能总有着强烈的好奇与恐惧，是因为我们从来不知道和我们不尽相同的智能生命是什么样的，它们又会有什么样的情绪和态度。
在人工智能作为一个学科诞生之前，数学家图灵就坚信机器可以有智能。他设计了一个判断机器是否有智能的图灵测试：一个人向屋子里的机器提问，如果后者回答一系列问题后人类仍然无法判断它是人还是机器，那么这个机器就具有了智能。这是一个简单粗暴又无比高明的方法，避开了什么是智能的种种争论。然而，这种测试得到的不仅是一台有智能的机器，还是像人一样的机器。我们对这种机器如此的好奇又恐惧，这种情绪，将伴随未来所有研究。
对人工智能时代的看法范文4
一、对现代智能研究的反思
在智能的研究方法上 , 现代心理学中一直存在着两个分支 , 一为相关方法的分支 , 另一个是实验方法的分支 , 前者形成智能研究的心理地图模式，后者形成计算模式。第一，早期的智能研究体现了心理地图模式。心理地图模式将智能视作心理地图，由此形成智能的结构理论（如斯皮尔曼的智力二因素理论、卡特尔的流体智力和晶体智力理论、瑟斯顿的基本心理能力理论、吉尔福特智力结构模型、阜南的智力层次结构模型等）。结构理论主要关注于对智能结构进行静态描述，企图分析出组成智能的各项子能力。第二， 20 世纪 60 年代，信息加工心理学得以蓬勃发展，其理论开始被借用到智能研究中，逐渐形成智能研究的计算模式。计算模式将智能视作具有信息加工功能的计算性装置，以实验方法为基础构建了智能的信息加工理论（如加德纳的多元智力理论、戴斯的 PASS 智力模型、斯腾伯格的三元智力理论等）。这些理论认为智能是人脑对各种信息进行加工、处理的能力，重点分析智能的内部活动过程，摒弃剥离智能结构的传统，并日益重视元认知成分的作用。这两种模式构成现代智能研究的主流理论。
但长期以来，智能结构理论一直颇受指责。由于建构结构理论的方法学（以因素分析法为核心）存在某些先天不足，从而使这些理论很少涉及智能活动的内部心理过程；同时，这些智能结构理论难以得到整合；此外，根据这些理论编制的智力测验，也只停留在测量各种反映个体差异的智能构成因素上，难以对内在心理过程作进一步揭示。智能的信息加工理论比之结构理论有所进步，开始从仅仅描述智能的结构转化到着眼于从智能的内部活动分析智能的运作机制。但遗憾的是，这种进步也未能彻底回答一个根本性的问题：导致一个人高智能表现的原因是什么？智能是怎样获得的？如果仅仅把智能看作是遗传的结果，显然缺乏说服力并具有悲观主义的倾向；如果把高智能归结为信息加工过程的高效，那么这种高效信息加工的原由仍不清楚。
事实上自 20 世纪 70 年代起，已有一些研究者认识到如果依旧以智能结构或运作机制为标靶进行研究，则对上述批评无济于事，他们开始另辟蹊径。这些研究者发现，某一领域的专家在该领域中能够深刻地表征问题、高效地记忆、合理地推理、快速地解决问题，表现出一种外化的高智能行为（也称为专长行为）。这些研究者认为，如果采用专家 ---- 新手比较以及计算机模拟的方式，对专家的这种专长行为的来源及影响因素进行分析，则可间接揭示专家高智能的本源。这一新兴的研究路线被称为专长研究。专长研究与主流智能研究间并非非此即彼的关系，后者关注揭示智能的结构和运作机制，而前者关注研究智能所利用的 “ 材料 ” ，即知识在人类智能中的作用，期望从另一个角度诠释人类智慧的实质。一般认为，以专长为视角对智能作系统的理论与经验的研究，始于德格鲁特对奕棋专长的创新工作；而引发对该主题作交叉学科研究的主要激励，一般归结于蔡斯和西蒙论 “ 棋艺中的慧眼 ” 一文。专长研究经过 30 余年的发展，影响力不断提升并显示出进一步增强的趋势，其对智能的认识日臻系统和成熟。但遗憾的是，我国学界对专长研究的了解和关注稍嫌不足，对专长研究视野下的智能观认识也比较欠缺。
二、以专长研究为视角看人类智能
专长研究发展至今，已对智能的范围、来源、本质、生成路径等问题形成较独特的观点，对我们更深入理解人类智能具有一定启发意义。需要提及的是，专长研究并未建构某一智能结构或加工理论，而是从广泛范围对智能的一般论题提出自己的看法。
1 、智能的范围：领域限制
反思智能结构理论与信息加工理论可发现，二者均将智能视为人类拥有的一般能力，能够运用于广泛的领域当中。百年的智力测验历史也体现出这一观念，各种智力测验总是试图测量某种单纯的 “ 能力 ” ，排除个体相关领域经验的作用。该观念似乎隐含着这样一个推论：即高智能的个体在不同领域应均能表现出高智能的行为，这显然与现实观察的结果相悖，事实上，个体恰恰只能在其专长的领域表现出高智能行为。
提出上述质疑并非对是对智能结构理论与信息加工理论的否定，而是想澄清这样一个事实：即将智能视为领域间的一般能力同将智能视为与相关经验密切联系的领域内能力即使在智力测验出现之初，亦是两条并行的路线，只不过后者未被赋予更多关注而势单力薄。在比纳和西蒙（ 1905/1916 ）开创智力测验之初，他们就已区分出两种智能评价的方法：心理学方法（ Psychological method ）和教育学方法（ Pedagogical method ）。前者涉及对记忆力、决策及一般知识的测量；后者涉及依据某领域获得知识及经验的总量对智能进行评估。比纳和西蒙最终决定关注前者而忽略后者，因为他们希望 “ 不考虑 …… 个体拥有的受教育的水平 ” ，并认为： “ 我们相信我们已经成功地彻底排除了个体已获得的信息 ” 。
百年来的智力测量实践深受比纳和西蒙将领域内的相关经验排除出智能范畴的影响。不可否认，传统智力测验在预测儿童的学业成就时是必要的，并能在一定程度上预测青春期少年的学业成就（这时课堂及学校中的经验开始累积）。但是，传统智力测验在预测大学生的成就及未来专家在某一特定领域的成就时，只能提供有限的效用。对传统智力测验效用有限性的反思启发我们应当回归智能评估的教育学方法传统，从领域内能力角度看待智能。
专长研究是回归教育学评估方法的典型代表，并已引发研究者对该主题的更多关注。大量实证研究证实，专家的高智能局限于其所善长的特定领域，且与在该领域长期的经验相关。若以领域内能力看待智能，则可有效预测个体在某领域未来的成就，并可为进一步探讨智能的来源和生成提供可能。事实上，这一理念正被广为接受，最近美国大学的入学测验已开始讨论 “ 专长（倾向）测验 ” 与 “ 智力测验 ” 之争。［ 3 ］
2 、智能的来源：知识结构与加工能力的互动
智能的来源是有关智能的根本性问题，智能结构理论和信息加工理论实际并未对此作回答。无论是以解构智力构成的子能力还是以探索智能成分的运作机制为目的，二者均事先假设已存在 “ 智能 ” 这一实体。至于这一 “ 智能 ” 实体从何而来或忽略不谈，或认为是 “ 遗传与环境交互作用的结构，人们在早年就具有的获得成就的相对固定的潜能 ” ，或更简单地认为是某种 “ 原生的模仿能力 ” 。将智能视为领域间的广泛能力制约了传统智能理论对智能来源进行深入研究。
专长研究的最初目的正在于解决智能的来源问题：即到底是什么造就了专家在其领域的高智能。蔡斯和西蒙认为，造就大多数专家高智能表现的原因，是由于专家经过多年在相关领域内的经验，获得了大量的知识以及以模式为本的提取机制。拉金、西蒙等人在解决 物理学问题的工作中重复验证了这一观点。他们发现，尽管新手已具备解题的必要知识，但他们必须从问题中提出的发问出发，倒着来一步步地确定相关的公式；但物理学专家可以毫不费力地提取出解题的方案或计划，因为在他们建立对问题的最初表征时，已在头脑中涌现出自己的计划。齐 . 格拉泽和瑞斯进一步证明，物理学专家不仅拥有更多的知识，而且拥有组织得更好的知识，由此使他们能够对问题做出更深刻的理论原则表征，而新手的表征完全依赖某些表面特征是否出现。其他领域（如计算机编程、电路检测、医疗诊断等）专长研究的大量实证结果也已证明，专家拥有的相关领域的知识结构组织更好、内容更丰富、表征更合理，这些知识结构与加工能力的互动正是造就专家高智能的根本原因。
这种对特定领域知识结构在智能中重要性的强调，比之智能结构理论及信息加工理论是一突破，弥补了智能研究在智能生成源泉问题上的缺陷。在专长研究看来，无论智能结构理论解构出何种子能力，这种子能力的生成须以知识结构为基础；无论智能信息加工理论如何解释智能的运作机制及强调元认知，却不能忽视智能的运作亦是以知识结构为操作对象，具有丰富领域知识结构的个体，在解决该领域问题时，智能运作更优化，元认知水平更高，表现出更高智能。总之，专长研究认为，个体在某领域知识结构与加工能力的互动是造成其在该领域高智能的根本原因。
3 、智能的生成路径：蓄意的练习
除极少数持智能遗传决定论观点的研究者之外，几乎所有的研究者均认为人类智能是动态发展的，也就是说，智能水平可在外界环境与个体互动中获得不断提高。智能的发展性观点为人才培养和智能开发提供了积极的理论基础，专长研究亦赞同这一理念，但至于智能如何得以发展，即智能的生成路径是什么，专长研究有着自己独到的见解。
尽管少有智能结构理论与信息加工理论及智能的生成路径，还是有研究者对这一问题进行了探讨。例如：加德纳的多元智能理论认为，源于遗传的原生模仿能力，在其后的发展过程中，通过符号系统（如阅读文字、唱歌等）来表现；随着智能的发展，每种智能及其符号系统将由第二级的符号系统（如公式、地图、字母、乐谱等）来代表；至成人阶段，智能则通过对理想的职业和业余爱好的追求来表现。加德纳认为，人类智能以符号系统为中介获得发展。但这里存在一个问题，即智能的生成是个体主动参与的过程还是自然生成的过程？总体而言，传统智能理论对智能的生成路径探讨较少，无法指导具体智能开发与训练，使得各种训练方法层出不穷、相互矛盾、效能低下。
专长研究视智能为领域内能力，以此为基础认为：智能的发展是个体主动参与的结果，其生成路径是通过蓄意的练习（ Deliberatepractice ），其发展过程表现为进步性问题解决（ Progressive problem solving ）。
专长研究早期的一项重要结论认为，专家若想在其领域中达到较高智能，至少需要 10 年有意识的训练与经验积累，明确表明了智能发展中有意识参与的重要性。同时专长研究认为，即使在个体有意识的参与下，智能发展也非自动化的。专长研究者提出蓄意的练习以解释智能的生成路径。埃里克森等人认为，蓄意的练习与玩耍性的互动、竞争、工作以及其他形式领域内的经验极为不同，它们是为有效促进个体行为的特殊方面而专门设计（通常是教师设计）的一些活动。埃里克森等人发现，年轻成年专家的表现与个体整个职业生涯中所积累的蓄意练习的量有关。其他一些研究也证实，尽管不同领域中的专长行为在行动上表现各异，但为获得行为改进而精心设计的蓄意的练习起着至关重要的作用。经过蓄意的练习，专家行为的某方面获得进步，能够解决一些原本无法解决的问题，然后积累经验并与蓄意的练习结合，近一步解决更深层次的问题。进步性问题解决过程也正是专家的智能发展过程。
4 、智能的本质：发展中的专长
对人工智能时代的看法范文5
而是一场人与机器共同的进化
仿佛一夜之间，人工智能出现在了我们的面前，似乎就在一个月之前，我们还认为拥有人工智能不可能攻陷的高壁垒的职业，已经在沦陷的边缘。比如记者，这样有创造力要求的行业已经看到了韩国的“写稿机器人”的威胁；比如保姆，本来认为她需要与被照顾者进行细腻的互动而远非人工智能能够胜任，但现在的人工智能不仅能照顾孩子，还能讲笑话，给孩子出小测试，根据孩子的不同培养出独特的互动能力。据达沃斯论坛的报告显示，人工智能未来5年将使15个主要经济体失去710万个就业岗位，而同期技术进步将仅带来200万个新工作岗位。那么哪些工作将最有可能被人工智能来接管呢？
有人将把人类的职业技能按功能分为四种：操作、索引、创新、管理。
操作类的工作就如司机、工人、售票员、清洁工等。这种流程性强、易于量产和标准化的工作最容易被人工智能来接管，而且这样的变化已经成为了我们身边的可以看得到的、正在经历的现实，比如售票员已经被自动售票机取代，无人驾驶已经在技术上没有难度，可以想见在不远的将来，我们将看到收银员也不再存在，至于我们的长三角、珠三角的制造业基地，机器换人的行动也早在前几年就展开推进。但也并非操作类的工作就一定会被取代，将会有一些难以标准化的岗位的工作在很长的时间内是不能被机器胜任的，如玻璃和太阳能面板的安装人员、修剪植物的园林工人，以及机器维修保养，废品回收等。
索引类的工作就是把学习的、储存在大脑里的知识，在需要的时候搬出来运用， 如教师、咨询师、裁判、顾问，还有一些是索引和操作共同使用的，如手术医生、动画师、诉讼律师等。索引类工作虽然比操作类的工作更难替代，但是某些领域已经开始沦陷，虽然这些领域人工智能的替代仍大多数处于实验室阶段，但值得我们高度关注。特别是那些标准化工作程序，不涉及或很少设计情感、价值判断和较少例外情况的职业，比如翻译，几年前，各种翻译软件还是一个笑话，而今天，翻译软件已经基本上能够让我们看得到看得懂了。而那些不容易被替代的职业则更需要人际间的细腻沟通，需要人类的情感判断和投入，需要复杂的价值判断。像幼儿教师、心理学家、摄影师、保姆等。其实很多职业从技术层面让人工智能来做没有问题，但价值判断却始终是人工智能的弱项，比如教知识人工智能轻松胜任，但要判断冲突中两个孩子的是否曲直，还是人类更胜一筹；再比如，无人驾驶的汽车技术人工智能毫无问题，但当出现需要价值判断的时候，尤其是在两难判断中，人工智能往往捉襟见肘。
创造类工作包括艺术家、发明家、思想家、设计师、产品经理、作家、编剧、导演、段子手 、体育明星等。创意能力是人类智力皇冠上的明珠，从人类的感情上来说，最不能接受的就是这种能力受到威胁。但从理论上说，因为机器人可以学习创新，而且速度惊人。无论任何一种创新，人工智能都可能抢先一步，阿尔法狗在人机大战中的一些被称为匪夷所思和离经叛道的招法就证明了这一点。但好在至少目前尽管科学家们也尝试着让人工智能写小说、写剧本、画画、做设计，但还远远没有达到对人类产生威胁的程度。而且很多专家认为就创意性作品而言，机器可以做，而且可以做得不错，但不可能达到艺术家的水准。正如我们在网络上看到的写诗软件，它可以通过海量数据库的收集整理和归纳，创造出不错意境的诗句，但总是让人感觉到似曾相识，并非真正的创造性工作。换而言之，如果人工智能将女人比喻成花，那一定是因为曾经有人这样比喻过，如果没有人这样做，它也不可能做出这样的比喻。
对人工智能时代的看法范文6
关键词
人工智能、产品经理、方法论
正文
作为一个理科生，一个产品经理，一个人工智能的门外汉，我尝试用逻辑推理分析一下人工智能是否可以代替产品经理的问题。首先抛出我对此问题的看法：
人工智能完全可以替代产品经理的工作，尤其是初中级的产品经理；
应用人工智能的终极结果，肯定是服务人类、解放人类，镇痛只是暂时的；
基于2，大量的服务行业因为人类的情感需求而不会被替代；
短期趋势比我们想的要快，长期趋势比我们想的要慢。
在应用层面，我们身边已经有不少人工智能存在了，虽然目前大多还属于尝试阶段，但趋势已经非常明显。比如最近火热的围棋人工智能程序AlphaGo，已经碾压了全世界的顶尖棋手，目前的判断是在所有的类游戏里，人类都已经不是人工智能的对手。比如苹果手机上面的Siri，通过智能语音控制可以实现很多辅助服务，使用它的人真的能够感受到一个助手的存在。在客服领域，目前也有诸多虽然粗糙但也确实能解决一些问题的智能客服机器人，虽然存在诸多诟病但这个替代节奏异常清晰。比如在金融交易领域，很多年以前就已经出现了自动化交易，利用模型而不是经验和消息进行大量的、理性的、极速的交易。其他行业和领域内的例子还可以举出很多，那么我们不禁要思考，什么样的工作可以被人工智能替代呢？
第一类，最容易被替代的是重复性工作，比如制造业的工人、各行各业的客服，这类职业是最先被替代的，这些变化目前正在发生中。带有一定智能的机器具备人类所不具备的很多优势，精度高、强度大、全年无休、任劳任怨。
第二类，较容易被替代的是专业性工作，比如产品经理、医生、翻译，这类职业只要人工智能足够强大、足够经济就一定会被替代，这些变化在不久的将来一定会发生。专业性工作普遍解决的是一些比较复杂的问题，需要大量知识、经验、技能、方法，曾经认为在这个阶层无法企及的人工智能现在已经在挑战了。
第三类，很难被替代的是创造性工作，比如科学家、艺术家，这类职业一般处于人类认知的边界上，目前似乎还看不到人工智能可以替代的可能。以上分类肯定无法覆盖全部工作，而且也未必准确，只是从人工智能的替代性考虑的一种归集。
回归正题，我是从两个方面推理出产品经理可以被人工智能替代的，一是产品经理的工作本质，二是产品经理的专业技能。无论是工作本质还是专业技能，都可以展开成一棵树，讨论太多的细枝末节没有必要，今天只去繁就简的讨论最核心的内容。
产品经理的工作本质
产品经理的工作本质是发现问题、分析问题、解决问题的工作循环，这个循环是在量具体工作上面的抽象概括，我们无需讨论用户需求、商业模式、数据分析、项目管理等等细节。所有的工作都在这个循环内，产品经理们们天做的事情、每个做的项目、每个产品，抽象出来都是在做这个循环。下面就工作本质的三个循环分别展开叙述：
1，发现问题
无论是发现新的商业机会、发现新的产品机会、发现新的用户需求、发现用户需求的变化、发现现有产品的问题，这些都属于发现问题范畴。指的是通过一系列的技能、经验、感觉，找到世界并不美好的地方，找到可以为止努力工作并取得成就的机会。这项工作对产品经理的要求最高，不确定性大、信息量大、复杂度高、具备一定的创造性，是人工智能最难解决的部分。
但仔细想想，人工智能的优势不就是解决此类问题吗？围棋的可能性非常大，已经超过了人脑的计算能力，上千年积累下来的经验似乎未必可靠，AlphaGo已经展示出了令人惊异的能力。实际情况是我们发现的绝大多数问题，未必是问题，或者未必能解决的很好。在互联网领域里面，通常我们会认为失败是件正常的事，快速试错是必不可少的过程。这些常识其实表明了一个事实，对于人类而言，发现问题的复杂度、可能性非常大，大到超过了我们的能力，因此我们做不好这件事。
2，分析问题
在发现问题之后就是分析问题，指的是通过一系列的技能、经验、感觉，找出问题的原因以及解决方向。这项工作对产品经理的要求次高，原因在于分析过程基本可以通过方法论搞定，也就是说，只要对问题本身足够了解、具备一定的方法，完成分析问题的工作不是件特别复杂的事情，是人工智能较难解决的部分。只要投入足够多，相信人工智能具备分析问题的能力并不是一件特别难的事，对数据的分析、多逻辑的分析、对市场的分析、对用户的分析，这些人工智能都可以做的又快又好。或者说分析问题这件事本身，因为已经框定了一定的范围，因为主要是依靠方法和套路，因此是人工智能相对比较擅长的工作。
3，解决问题
解决问题的范畴包括，根据分析得出的结论形成解决方案、实施、试错、总结，从新进入工作循环。这项工作对产品经理的要求较低，原因在于其更多是事务性工作，按照固定的套路去做就可以了，是人工智能最容易解决的部分。具体而言，就一个解决方案，系统可以快速上线、快速切分实验流量、快速发现问题、快速迭代。不经意间，人类可能需要数周才能搞定的产品迭代，人工智能可能只需要1天就可以搞定，这种效率是我们人类做不到的。
小结一下，从工作本质这个方面考虑人工智能对产品经理的替代性，其结论是替代起来有一些难度，但是只要投入足够大，都不是事儿。
产品经理的专业技能
产品经理的专业技能有很多，我认为最重要的三个专业技能分别是：数据分析能力、逻辑思维能力、双向沟通能力，它们是支持工作本质循环的主要技能。专业技能树当然也有其他的组织形式，甚至同一个技能在不同组织形式内的等级都会不同，但溯本求源，这三项是最重要的技能。下面就专业技能的三个能力分别展开叙述：
1，数据分析能力
数据是了解真相的最强工具，无论是自己产品的数据，还是行业数据、竞品数据，所有的数据背后都隐藏着巨大的宝藏。无论是对数据敏感，还是具有一定的知识、一些方法，这些技能都是一个合格的产品经理要具备的。但数据分析能力对人的要求又相对很高，初级产品经理要有一些基础的知识、方法、习惯去抚摸数据，把数据当成工具，利用这个工具检视自己的工作。中级产品经理要做到信息量覆盖足够大、排除噪声、披沙沥金，在数据中找到真理。高级产品经理要做到通过数据对现实世界进行抽象、辅助其他方法论进行综合考量，做到全面、彻底的分析。不用多说，这件事人工智能太擅长了。
2，逻辑思维能力
逻辑思维能力是形成客观判断的基本能力，逻辑思维也可以称为抽象思维，逻辑思维的能力可以表述为“逻辑思维是一种确定的，而不是模棱两可的；前后一贯的，而不是自相矛盾的；有条理、有根据的思维；在逻辑思维中，要用到概念、判断、推理等思维形式和比较、分析、综合、抽象、概括等思维方法，而掌握和运用这些思维形式和方法的程度，也就是逻辑思维的能力。”。
简单而言，我们要关注事物之前的关联、因果、取舍，我们要用到一些方法对自己并不熟悉的领域进行思考和判断，我们的思考和表述可以有条理的说服别人。逻辑思维的能力是程序、算法、模型的基础，设计人工智能的人必然具备极强的逻辑思维能力，这件事人工智能也非常擅长。
3，双向沟通能力
双向沟通不仅仅是指听和说，在更深层面，指的是表达和洞察，这是产品经理的必修课。表达指的是通过产出物(口述、文档、接口、产品等)表达自己的立场、理念和想法。洞察指的是通过聆听、分析、判断等方法获悉对方(用户、领导、合作伙伴、竞品等)的立场、理念和想法。很多人都不具备聆听的能力，听不明白对的表面意思，更无法洞察对方的隐藏立场，产品经理的职责要求他们具备双向沟通的能力。这件事似乎是人工智能搞不定的，似乎只是人类特有的技能和工作方式，不过这些理解仅仅是双向沟通的表面形式而已。人工智能完全可以做到表达和洞察，表达相对简单，也容易理解，我们可以把人工只当当成一个机器人，它能够完美实现人类的所有表达工作。洞察要求较高，但其实也就是信息输入以及对输入内容的整理、加工、分析、判断而已，这件事相信人工智能可以做的很好。
小结一下，从专业技能这个方向考虑人工智能对产品经理的替代性，其结论是替代起来相对容易，都不是事儿。综上所述，无论从工作本质上面看，还是从专业技能上面看，人工智能替代产品经理都是完全可行的事情。当然，即便结论如此，仍然会存在很多问题，比如触发的条件是什么？什么时候发生？替换的路径是什么？部分替换还是全部替换？有没有特殊情况？人类产品经理会变成什么样？替换可能存在什么问题？替换会带来什么好处？每个问题都可以深入进去，产出大篇幅的论述。在这里我只对最后的三个问题感觉兴趣，下面将分别尝试回答这三个问题。
三个新问题
1，人类产品经理会变成什么样？
我觉的以后人类产品经理仍然会存在，但规模一定会变小，能力一定会变大，角色一定也会发生变化。类似于AlphaGo后面的Google的科学家一样，一定有一个群体计划并实施了产品经理的人工智能，进而推动行业的变化，这些人就是未来的人类产品经理。如果映射到当下，执行层面的产品经理都会被人工智能取代，剩下的产品经理更像是现在的产品架构师，也就是那些指挥产品经理干活的人。
2，替换可能存在什么问题？
产品经理拼到最高，似乎呈现出来的是综合优势，比如可以把这种能力定义为情商。情商代表着那些超越工作本质和技能、能够跨越行业和领域、只有小部分人才具备的能力。我不清楚这种能力是真是存在的还是只是一种玄学，更不知道人工智能可否获得这部分能力。另外，和很多其他行业一样，软件工程里面也仍然存在人与人之间的那种温情，比如信任、支持、关注，我不知道人工智能产品经理的出现对人类之间的这种温情会造成什么影响，更不知道人工智能是不是可以更好的实现温情。我想这恰恰就是作为一种生物的人类所具备的精神气质，也应该是人工智能的难题。
3，替换会带来什么好处？
人工智能产品经理的好处有很多，比如它可以持续提升自己的能力，并且以往所有的曾经都可以变成算法和模型提炼出来。比如它的效率比人要高很多，不光是因为它可以7*24的工作，更是因为它的工作方式决定了它可以解决很多软件工程焦油坑里面的问题。老板们不需要担心办公室政治、人浮于事，也不用担心它会离职创业。
