2018年10月，麥肯錫發(fā)布報(bào)告《The promise and challenge of the age of artificial intelligence》（人工智能時(shí)代的承諾與挑戰(zhàn)）。本報(bào)告匯集了麥肯錫全球研究院對(duì)人工智能（AI）技術(shù)及其用途、局限性和影響的各種研究結(jié)果。報(bào)告總結(jié)了面對(duì)人工智能，政策制定者和商業(yè)領(lǐng)袖需要解決的一系列問題，以緩和過渡過程中伴隨其采用可能帶來的破壞性。

摘要

報(bào)告中指出，人工智能的時(shí)代可能終于來臨，但需要更多的改進(jìn)，通過提高生產(chǎn)力和創(chuàng)新，企業(yè)和各經(jīng)濟(jì)體才能從人工智能中受益。人工智能和自動(dòng)化將對(duì)工作產(chǎn)生深遠(yuǎn)的影響，在帶來社會(huì)效益的同時(shí)帶來挑戰(zhàn)，包括意外后果、濫用、算法偏見以及有關(guān)數(shù)據(jù)隱私問題等。應(yīng)該鼓勵(lì)企業(yè)領(lǐng)導(dǎo)者和政策制定者接受并采用人工智能。

與此同時(shí)，采用AI帶來的潛在挑戰(zhàn)，包括勞動(dòng)力影響和其他社會(huì)問題也不容忽視。要實(shí)現(xiàn)AI良好結(jié)果需要注意三個(gè)方面的優(yōu)先事項(xiàng)：

1. 積極應(yīng)對(duì)AI部署的挑戰(zhàn)；

2. 解決對(duì)未來工作的挑戰(zhàn)；

3. AI為善和AI的責(zé)任挑戰(zhàn)。

人工智能（AI）在在過去的60年的發(fā)展中不斷地經(jīng)歷了“發(fā)展浪潮”和“寒冬”，AI的時(shí)代可能終于到來了。AI目前支持的應(yīng)用遍及我們的日常生活，有面部識(shí)別、語言翻譯、以及Siri和Alexa等智能助手。隨著這些消費(fèi)者應(yīng)用程序的出現(xiàn)，越來越多的企業(yè)開始應(yīng)用AI。AI的應(yīng)用科研促進(jìn)生產(chǎn)力的增長(zhǎng)和創(chuàng)新，為企業(yè)和經(jīng)濟(jì)帶來可觀的利益。同時(shí)也對(duì)工作產(chǎn)生了深遠(yuǎn)的影響，對(duì)技能要求較少的職業(yè)需求量將下降，而其他職業(yè)的需求則會(huì)較少并隨著技術(shù)的發(fā)展而變化。

本報(bào)告將麥肯錫全球研究所的各種研究結(jié)果總結(jié)為人工智能技術(shù)及其用途、局限性和影響，報(bào)告總結(jié)了政策制定者和企業(yè)需要解決的一系列問題，以緩和可能伴隨產(chǎn)生的破壞性轉(zhuǎn)型。

報(bào)告包括以下幾個(gè)部分:

1

AI時(shí)代可能已經(jīng)來到，但仍需更多努力

AI’s time may have finally come, but more progress is needed

人工智能經(jīng)過60余年的發(fā)展，仍沒有完成許多預(yù)期的功能，比如如何準(zhǔn)確地描述人類智能。近年來機(jī)器學(xué)習(xí)算法已經(jīng)取得了很大的進(jìn)展，尤其是基于神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)和強(qiáng)化學(xué)習(xí)技術(shù)的發(fā)展。

盡管人工智能技術(shù)取得了巨大的進(jìn)展，但仍有許多需要解決的難題。到目前為止，大多數(shù)進(jìn)展都發(fā)生在所謂的“狹義AI（narrow AI）”領(lǐng)域，即開發(fā)機(jī)器學(xué)習(xí)技術(shù)來解決特定問題，例如自然語言處理中的問題。更難的問題被稱為“通用智能（artificial general intelligence）”，其中的挑戰(zhàn)是如何開發(fā)出與人類相同的方式來解決一般問題的人工智能。許多研究人員認(rèn)為距離通用智能的實(shí)現(xiàn)還需要幾十年。

深度學(xué)習(xí)和機(jī)器學(xué)習(xí)技術(shù)正驅(qū)動(dòng)AI的發(fā)展

許多AI領(lǐng)域的進(jìn)展都是基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)領(lǐng)域的進(jìn)展。這些AI系統(tǒng)松散地模擬了大腦中神經(jīng)元相互作用的方式。

機(jī)器學(xué)習(xí)有：有監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)。當(dāng)前許多AI應(yīng)用的實(shí)例都是有監(jiān)督學(xué)習(xí)的應(yīng)用。在有監(jiān)督學(xué)習(xí)中，一般使用有標(biāo)記數(shù)據(jù)和首選輸出變量，訓(xùn)練的數(shù)據(jù)用于幫助系統(tǒng)學(xué)習(xí)給定的輸入和輸出的關(guān)系，比如識(shí)別圖像中的物體或轉(zhuǎn)錄人類的演講。

無監(jiān)督學(xué)習(xí)是用沒有標(biāo)記的訓(xùn)練數(shù)據(jù)來在給定的數(shù)據(jù)中檢測(cè)出模式或聚類，比如檢測(cè)出具有相似建筑風(fēng)格的建筑物。強(qiáng)化學(xué)習(xí)系統(tǒng)通過評(píng)分系統(tǒng)、接收反饋（虛擬的“獎(jiǎng)勵(lì)”或“懲罰”）和反復(fù)試驗(yàn)來訓(xùn)練系統(tǒng)。

當(dāng)前技術(shù)的局限以及新技術(shù)的出現(xiàn)

盡管新技術(shù)正不斷出現(xiàn)并解決人工智能應(yīng)用中一些現(xiàn)實(shí)中的挑戰(zhàn)，但人工智能仍然面臨許多實(shí)際的挑戰(zhàn)。機(jī)器學(xué)習(xí)需要大量的人力來標(biāo)記監(jiān)督學(xué)習(xí)所必需的訓(xùn)練數(shù)據(jù)。在自然使用過程中用于數(shù)據(jù)標(biāo)記的流內(nèi)監(jiān)督（In-stream supervision）和其他技術(shù)可以幫助緩解這個(gè)問題。

用于訓(xùn)練的數(shù)據(jù)集的量必須要足夠大，而且數(shù)據(jù)需要比較全面，而獲取這樣的數(shù)據(jù)集是非常有挑戰(zhàn)的，比如創(chuàng)建或獲得足夠的臨床試驗(yàn)數(shù)據(jù)以更準(zhǔn)確地預(yù)測(cè)醫(yī)療保健治療結(jié)果。

深度學(xué)習(xí)技術(shù)的“黑盒”復(fù)雜性帶來了另一個(gè)挑戰(zhàn)——“可解釋性”，或哪些因素影響了決策或預(yù)測(cè)的產(chǎn)生，以及如何影響。這在信任事項(xiàng)和預(yù)測(cè)具有社會(huì)影響的應(yīng)用中尤為重要，比如刑事司法應(yīng)用或金融借貸。包括當(dāng)?shù)乜山忉尩哪Ｐ汀豢芍忉專↙IME）等一些新生方法的出現(xiàn)都是為了提高模型的透明度。

另一個(gè)挑戰(zhàn)是如何建立廣義的學(xué)習(xí)技術(shù)，因?yàn)槿斯ぶ悄芗夹g(shù)在將經(jīng)驗(yàn)從一種情況轉(zhuǎn)移到另一種情況時(shí)仍然存在困難。遷移學(xué)習(xí)（transfer learning），是指訓(xùn)練AI模型以完成某項(xiàng)特定任務(wù)，然后快速將該模型應(yīng)用于類似的其他活動(dòng)，是應(yīng)對(duì)這一挑戰(zhàn)的一種極具潛力的方法。

2

企業(yè)可以從AI中受益

Businesses stand to benefit from AI

人工智能在消費(fèi)者應(yīng)用中越來越普遍，也有企業(yè)開始在其運(yùn)營(yíng)過程中采用AI技術(shù)，有時(shí)甚至?xí)a(chǎn)生意外的結(jié)果。

人工智能可能跨越行業(yè)和職能部門

AI可用于改善企業(yè)的整體能力，包括預(yù)測(cè)性維護(hù)，比如深度學(xué)習(xí)能夠從音頻和圖像中分析大量高維數(shù)據(jù)，從而有效地檢測(cè)工廠裝配線或飛機(jī)引擎中的異常情況；在物流方面，AI可以優(yōu)化運(yùn)送路徑，提高燃油效率并縮短交貨時(shí)間。從營(yíng)銷到供應(yīng)鏈管理，在所有經(jīng)濟(jì)部門和多種業(yè)務(wù)功能中都可以找到AI的應(yīng)用。在許多AI用例中，深度學(xué)習(xí)技術(shù)主要是通過改進(jìn)傳統(tǒng)分析技術(shù)來增加價(jià)值。

研究人員對(duì)19個(gè)行業(yè)和9個(gè)業(yè)務(wù)功能中的400多個(gè)用例進(jìn)行了分析，發(fā)現(xiàn)AI在69％的潛在用例中改進(jìn)了傳統(tǒng)分析技術(shù)，還有16％的人工智能用例中找到了AI的“greenfield”（綠燈區(qū)）解決方案，可以解決其他分析方法無效的情況。研究預(yù)計(jì)基于人工神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)技術(shù)到2030年可以提供所有分析技術(shù)總潛在價(jià)值的40％。此外，研究人員預(yù)估深度學(xué)習(xí)技術(shù)每年可以實(shí)現(xiàn)高達(dá)6萬億美元的價(jià)值。

截止目前，不同企業(yè)和行業(yè)的應(yīng)用是不平衡的

盡管許多組織已開始開始采用人工智能，但采用的速度和程度并不均衡。2018年，麥肯錫在一項(xiàng)關(guān)于人工智能采用的調(diào)查中，將近一半的受訪者表示，他們的公司在其業(yè)務(wù)流程中至少使用了一項(xiàng)人工智能技術(shù)，另有30％的企業(yè)正在試用人工智能。盡管如此，只有21％的受訪者表示他們的企業(yè)已將AI嵌入到業(yè)務(wù)的多個(gè)部分中，僅有3％的大型公司稱已將AI整合到其整個(gè)企業(yè)工作流程中。其他調(diào)查顯示，早期人工智能技術(shù)的采用者傾向于考慮更廣泛的使用這些技術(shù)，以增加市場(chǎng)份額，而經(jīng)驗(yàn)較少的公司更傾向于降低成本。高度數(shù)字化的公司傾向于在人工智能方面投入更多資金，并從其使用中獲得更大的價(jià)值。

應(yīng)用存在挑戰(zhàn)

許多公司和部門在人工智能的采用方面是落后的。因此需要制定具有明確利益的人工智能戰(zhàn)略，尋找具有適當(dāng)技能的人才，克服限制端到端部署的功能孤島（functional silos），以及領(lǐng)導(dǎo)者缺乏對(duì)AI的所有權(quán)和承諾，這也是最常被引用的障礙。

在戰(zhàn)略方面，企業(yè)需要開發(fā)企業(yè)范圍內(nèi)令人信服的人工智能機(jī)會(huì)的觀點(diǎn)，這可能會(huì)改變他們當(dāng)前業(yè)務(wù)流程的一部分。企業(yè)需要強(qiáng)大的數(shù)據(jù)捕獲和治理流程的功能，并要能夠構(gòu)建或訪問必要的基礎(chǔ)設(shè)施。更具挑戰(zhàn)性的是克服“最后一公里”問題，即確保人工智能提供的卓越見解能夠融入到企業(yè)的人員和流程中。

在人才方面，深層神經(jīng)網(wǎng)絡(luò)的大部分構(gòu)建和優(yōu)化仍然是一門需要真正專業(yè)知識(shí)的藝術(shù)。但對(duì)這些技能的需求遠(yuǎn)遠(yuǎn)供不應(yīng)求，預(yù)計(jì)只有不到1萬人擁有解決嚴(yán)重AI問題所需的技能，而且競(jìng)爭(zhēng)也非常激烈。選擇建立自己的人工智能解決方案的公司需要考慮其是否有能力吸引和留住具有相應(yīng)專業(yè)技能的員工。

3

通過提高生產(chǎn)力和創(chuàng)新，經(jīng)濟(jì)體也可以從人工智能中受益

Economies also stand to benefit from AI, through increased productivity and innovation

人工智能和自動(dòng)化技術(shù)的部署可以為提升全球經(jīng)濟(jì)和促進(jìn)全球繁榮做出很大貢獻(xiàn)。在老齡化和出生率不斷下降的時(shí)期，生產(chǎn)率增長(zhǎng)對(duì)長(zhǎng)期的經(jīng)濟(jì)增長(zhǎng)來說尤其重要。 近年來，發(fā)達(dá)經(jīng)濟(jì)體的生產(chǎn)率增長(zhǎng)也一直比較低迷，與以前的通用技術(shù)相似，AI可以為提高生產(chǎn)力做出貢獻(xiàn)。

人工智能可以通過各種渠道促進(jìn)經(jīng)濟(jì)

人工智能最大的經(jīng)濟(jì)影響可能是通過勞動(dòng)力市場(chǎng)效應(yīng)來提高生產(chǎn)率，包括替代、增加和對(duì)勞動(dòng)生產(chǎn)率的貢獻(xiàn)。

研究表明，勞動(dòng)力替代可能不到總收益的一半。人工智能可以增強(qiáng)人的綜合能力，釋放工人從事更高效和更高價(jià)值的任務(wù)，并增加對(duì)與AI技術(shù)相關(guān)的工作的需求。

人工智能還可以促進(jìn)創(chuàng)新，使企業(yè)能夠通過現(xiàn)有產(chǎn)品更有效地到達(dá)服務(wù)欠缺的市場(chǎng)來創(chuàng)造全新的產(chǎn)品和服務(wù)。人工智能還將創(chuàng)造積極的外部效應(yīng)，促進(jìn)更有效的跨境貿(mào)易，并擴(kuò)大對(duì)有價(jià)值的跨境數(shù)據(jù)流的使用。經(jīng)濟(jì)活動(dòng)和收入的增加可以再投資于經(jīng)濟(jì)，有助于未來進(jìn)一步的增長(zhǎng)。

人工智能的部署也會(huì)帶來一些負(fù)面效應(yīng)，這些外部因素可能會(huì)降低積極的經(jīng)濟(jì)影響，但不會(huì)抵消。在經(jīng)濟(jì)方面，負(fù)面效應(yīng)包括競(jìng)爭(zhēng)的加劇，將市場(chǎng)份額從非采用者轉(zhuǎn)移為領(lǐng)先者，與管理勞動(dòng)力市場(chǎng)轉(zhuǎn)型相關(guān)的成本，以及失業(yè)期間公民的潛在消費(fèi)損失，以及部署AI系統(tǒng)的過渡和實(shí)施成本。

不同國(guó)家的AI準(zhǔn)備度不同

研究表明，創(chuàng)新和獲得必要的人力資本技能的能力將是最重要的促成因素，而AI的競(jìng)爭(zhēng)力可能是影響未來GDP增長(zhǎng)的重要因素。

引領(lǐng)人工智能競(jìng)爭(zhēng)的國(guó)家具有獨(dú)特的優(yōu)勢(shì)，以區(qū)別其他國(guó)家。規(guī)模效應(yīng)可以實(shí)現(xiàn)更大的投資，網(wǎng)絡(luò)效應(yīng)可以使這些經(jīng)濟(jì)體能夠吸引更多人工智能所需的人才。目前，中國(guó)和美國(guó)是大多數(shù)與人工智能相關(guān)的研究活動(dòng)和投資的引領(lǐng)者。

第二梯隊(duì)國(guó)家包括德國(guó)、日本、加拿大和英國(guó)，這些國(guó)家都具有推動(dòng)大規(guī)模創(chuàng)新的歷史，并可能幫助加速人工智能解決方案的商業(yè)化。比利時(shí)、新加坡、韓國(guó)和瑞典等規(guī)模較小的全球連通經(jīng)濟(jì)體在培養(yǎng)新型商業(yè)模式蓬勃發(fā)展的生產(chǎn)環(huán)境方面也取得了很好的成績(jī)。

第三梯隊(duì)國(guó)家包括巴西、印度、意大利和馬來西亞等，這些國(guó)家雖然處于相對(duì)較弱的起始位置，但在特定領(lǐng)域具有相對(duì)優(yōu)勢(shì)。以印度為例，每年有大約170萬名畢業(yè)生獲得STEM學(xué)位，超過所有G7國(guó)家的STEM畢業(yè)生總數(shù)。

其他國(guó)家的數(shù)字基礎(chǔ)設(shè)施、創(chuàng)新和投資能力相對(duì)不發(fā)達(dá)，數(shù)字技能相對(duì)落后，落后于第一二三梯隊(duì)國(guó)家。

4

人工智能和自動(dòng)化將對(duì)工作產(chǎn)生深遠(yuǎn)的影響

AI and automation will have a profound impact on work

即使人工智能和自動(dòng)化為企業(yè)和經(jīng)濟(jì)帶來了很大的利益，但預(yù)期會(huì)對(duì)工作造成重大干擾性的影響。

大約有一半的工作活動(dòng)（不是工作）是技術(shù)上可自動(dòng)化的

通過對(duì)“自動(dòng)化和人工智能對(duì)工作的影響”的分析表明，一些類別的活動(dòng)在技術(shù)上比其他活動(dòng)更易自動(dòng)化。其中包括高度可預(yù)測(cè)和結(jié)構(gòu)化環(huán)境中的物理活動(dòng)以及數(shù)據(jù)收集和數(shù)據(jù)處理等，這類工作大約占據(jù)了所有部門開展的日常工作的總數(shù)的一半。

最不易受影響的種類包括管理他人、提供專業(yè)知識(shí)以及與利益相關(guān)者交互的工作。高度自動(dòng)化活動(dòng)的密度與國(guó)家、部門、職業(yè)都有關(guān)系。研究發(fā)現(xiàn)，60％的職業(yè)中有約30％的活動(dòng)是可以自動(dòng)化的，只有約5％的職業(yè)中幾乎所有活動(dòng)都是可以自動(dòng)化的。換句話說，更多的職業(yè)將部分自動(dòng)化而不是全部自動(dòng)化。

對(duì)工作的三個(gè)影響：失業(yè)，就業(yè)增加，改變就業(yè)機(jī)會(huì)

采用自動(dòng)化并影響實(shí)際工作的速度和程度將取決于技術(shù)可行性之外的若干因素，包括部署和采用的成本，以及包括勞動(dòng)力供應(yīng)數(shù)量、質(zhì)量和相關(guān)工資在內(nèi)的勞動(dòng)力市場(chǎng)動(dòng)態(tài)。勞動(dòng)力因素是導(dǎo)致發(fā)達(dá)經(jīng)濟(jì)體和發(fā)展中經(jīng)濟(jì)差別的主要因素。

鑒于所有這些因素的相互作用，很難做出預(yù)測(cè)但可以開發(fā)出不同的情景。

首先是失業(yè)問題。2016年至2030年的中點(diǎn)應(yīng)用場(chǎng)景（midpoint adoption scenario）表明，約有15％的全球勞動(dòng)力（4億工人）可以通過自動(dòng)化取代。

第二是獲得的就業(yè)機(jī)會(huì)。我們根據(jù)預(yù)期的生產(chǎn)率增長(zhǎng)和考慮工作需求的幾個(gè)驅(qū)動(dòng)因素，制定了2030年的勞動(dòng)力需求情景。這些驅(qū)動(dòng)因素包括收入增加（尤其是新興經(jīng)濟(jì)體的收入增長(zhǎng)），以及人口老齡化、基礎(chǔ)設(shè)施和建筑投資、能源轉(zhuǎn)型支出以及技術(shù)開發(fā)和部署支出增加的醫(yī)療支出。

通過這些因素和其他催化劑獲得的就業(yè)崗位數(shù)量大約在5.55億至8.9億之間，約占全球勞動(dòng)力的21％至33％。也就是說，除極端情況外，工作需求的增長(zhǎng)將抵消自動(dòng)化失去的工作崗位的數(shù)量。然而，在許多擁有年輕人口的新興經(jīng)濟(jì)體中，為進(jìn)入勞動(dòng)力市場(chǎng)的工人提供就業(yè)機(jī)會(huì)已經(jīng)極具挑戰(zhàn)性在發(fā)達(dá)經(jīng)濟(jì)體中，失去的工作與創(chuàng)造的工作之間的大致平衡也是老齡化的結(jié)果，因此進(jìn)入勞動(dòng)力市場(chǎng)的人數(shù)減少了。

隨著機(jī)器越來越多地進(jìn)入工作場(chǎng)所，人類的工作崗位也會(huì)發(fā)生變化。由于前面提到的自動(dòng)化，我們的工作也會(huì)發(fā)生變化，受到變化影響的工作比造成的失業(yè)更多。

勞動(dòng)力轉(zhuǎn)型非常重要

即使在2030年人們有足夠的工作，但伴隨自動(dòng)化和人工智能應(yīng)用帶來的工作轉(zhuǎn)變也是非常重要的。

首先，數(shù)百萬工人可能需要改變職業(yè)。其中一些改變將發(fā)生在公司和部門內(nèi)部，但大多數(shù)的變化將發(fā)生在部門甚至地區(qū)間。雖然在高度結(jié)構(gòu)化的環(huán)境和數(shù)據(jù)處理中的物理活動(dòng)相關(guān)的職業(yè)將會(huì)減少，但其他難以自動(dòng)化的相關(guān)職業(yè)數(shù)量將會(huì)增長(zhǎng)。這些職業(yè)包括經(jīng)理、教師、護(hù)士、技術(shù)和其他專業(yè)人士，以及在特殊環(huán)境中工作的工人。這些變化可能并不順暢，可能導(dǎo)致失業(yè)率的上升。

其次，工人在未來的工作中需要掌握不同的技能才能生存。對(duì)溝通和同理心等社交和情感技能的需求也會(huì)同時(shí)增長(zhǎng)。自動(dòng)化也將促進(jìn)更高認(rèn)知技能的需求，特別是批判性思維、創(chuàng)造力和復(fù)雜信息處理能力；反之，對(duì)物理性和手工技能的需求將下降，但在許多國(guó)家，這些物理性和手工技能仍將是2030年需求最大的一類勞動(dòng)力技能。技能轉(zhuǎn)變的步伐一直在不斷加速，這可能會(huì)導(dǎo)致對(duì)某些技能的過度需求和對(duì)其他技能的過度供應(yīng)，造成一種供需不平衡的現(xiàn)象。

第三，隨著越來越多的機(jī)器與人一起工作，工作場(chǎng)所和工作流程也會(huì)發(fā)生變化。例如，隨著商店引入自助結(jié)賬機(jī)器，收銀員將從掃描商品的工作流程轉(zhuǎn)移到為顧客回答問題或?qū)C(jī)器故障排除。

最后，自動(dòng)化可能會(huì)對(duì)發(fā)達(dá)經(jīng)濟(jì)體的平均工資帶來一定的壓力。目前發(fā)達(dá)經(jīng)濟(jì)體的許多中等工資崗位都是可以高度自動(dòng)化的活動(dòng)，其次是制造業(yè)和會(huì)計(jì)等領(lǐng)域。高薪工作崗位將大幅增加，特別是對(duì)于高技能醫(yī)療和技術(shù)或其他專業(yè)人員。然而預(yù)期創(chuàng)造的大部分工作崗位通常工資結(jié)構(gòu)都比較低，比如教師和護(hù)理助理。

鑒于現(xiàn)有技能短缺和教育體系受到挑戰(zhàn)，以及在職培訓(xùn)和工人過渡支持支出下降的趨勢(shì)，許多經(jīng)濟(jì)體（尤其是經(jīng)合組織國(guó)家）在解決這些轉(zhuǎn)變的過程中，都陷入了困境。還有許多經(jīng)濟(jì)體正在經(jīng)歷收入不平等和工資兩極分化的問題。

5

人工智能還將帶來社會(huì)效益和挑戰(zhàn)

AI will also bring both societal benefits and challenges

除了經(jīng)濟(jì)利益和挑戰(zhàn)外，人工智能還將以積極的方式影響社會(huì)，因?yàn)槿斯ぶ悄苡兄诮鉀Q從健康和營(yíng)養(yǎng)到平等和包容在內(nèi)的社會(huì)挑戰(zhàn)。但人工智能也會(huì)引入濫用等需要解決的新問題。

人工智能可以幫助解決一些社會(huì)最緊迫的挑戰(zhàn)

通過將常規(guī)工作、不安全的活動(dòng)以及人類容易出現(xiàn)人為錯(cuò)誤的活動(dòng)自動(dòng)化，人工智能可以提高人們的工作效率，使人們的生活和工作更加安全和高效。一項(xiàng)針對(duì)美國(guó)的研究預(yù)測(cè)，用更精確的自動(dòng)駕駛汽車取代人類駕駛員可以減少事故發(fā)生率，每年挽救數(shù)以千計(jì)的人類生命。

人工智能可以減少人類在海上石油鉆井平臺(tái)和煤礦等不安全環(huán)境中工作的需求。DARPA就正在測(cè)試可以部署在災(zāi)區(qū)的小型機(jī)器人，以減少人類可能受到的傷害。還有一些相關(guān)的AI功能。比如對(duì)手機(jī)拍攝的皮膚照片進(jìn)行圖像識(shí)別和分類可以評(píng)估痣是否是癌癥，以促進(jìn)疾病的早期診斷，緩解皮膚科醫(yī)生診療病人數(shù)有限的問題。物體檢測(cè)可以通過識(shí)別汽車和燈柱等障礙物，幫助視障人士導(dǎo)航和與環(huán)境互動(dòng)。利用自然語言處理監(jiān)測(cè)和分析短信可用于跟蹤疾病爆發(fā)。

AI需要解決包括意外后果、濫用、算法偏見以及數(shù)據(jù)隱私問題在內(nèi)的社會(huì)問題

從經(jīng)濟(jì)角度來看，需要解決個(gè)人、企業(yè)、部門甚至國(guó)家之間日益擴(kuò)大的經(jīng)濟(jì)差距的難題，這些差距可能會(huì)成為部署的意外后果。其他受關(guān)注的領(lǐng)域包括人工智能的使用和濫用。范圍包括從監(jiān)視和軍事應(yīng)用的使用到社交媒體和政治中的使用，以及具有社會(huì)效應(yīng)的領(lǐng)域，例如刑事司法系統(tǒng)。我們還必須考慮人工智能技術(shù)被惡意濫用的潛在可能性，比如在網(wǎng)絡(luò)安全領(lǐng)域。

算法以及用于訓(xùn)練算法的數(shù)據(jù)可能會(huì)引入新的偏見，或使現(xiàn)有的社會(huì)和程序偏見長(zhǎng)期存在并制度化。例如，開發(fā)者利用有限的面部群體樣本訓(xùn)練的面部識(shí)別模型可能無法應(yīng)用于更廣泛的人群。

數(shù)據(jù)隱私和個(gè)人信息的使用也是AI發(fā)展必須要解決的關(guān)鍵問題。歐洲通過“通用數(shù)據(jù)保護(hù)條例”在這一領(lǐng)域處于領(lǐng)先地位，該條例對(duì)數(shù)據(jù)收集提出了更嚴(yán)格的同意要求，為用戶提供了被遺忘權(quán)和反對(duì)的權(quán)利，并加強(qiáng)了對(duì)收集、控制和處理的組織的監(jiān)督，并對(duì)未遵守規(guī)定的企業(yè)處以罰款。網(wǎng)絡(luò)安全和深度偽造技術(shù)可能會(huì)被用于操縱選舉結(jié)果或進(jìn)行大規(guī)模欺詐活動(dòng)，也是亟需解決的問題。

6

需要優(yōu)先考慮的三件事

Three priorities for achieving good outcomes

人工智能對(duì)企業(yè)和經(jīng)濟(jì)的潛在好處以及技術(shù)應(yīng)對(duì)某些社會(huì)挑戰(zhàn)的方式，應(yīng)鼓勵(lì)企業(yè)領(lǐng)導(dǎo)者和政策制定者接受并應(yīng)用人工智能技術(shù)。與此同時(shí)，人工智能技術(shù)的潛在挑戰(zhàn)也不容忽視，包括勞動(dòng)力影響和其他社會(huì)問題。亟需解決的主要挑戰(zhàn)包括：

應(yīng)用挑戰(zhàn)

考慮到人工智能帶來的商業(yè)價(jià)值，以及對(duì)經(jīng)濟(jì)增長(zhǎng)和社會(huì)利益的潛在好處，我們有興趣擁抱人工智能。企業(yè)和國(guó)家有強(qiáng)烈的意愿追隨美國(guó)和中國(guó)等全球領(lǐng)導(dǎo)者的步伐。人工智能應(yīng)用的增加和廣泛部署需要技術(shù)進(jìn)步作為基礎(chǔ)，并確保所有潛在用戶都可以從AI中受益?？赡苄枰拇胧┌ǎ?/p>

1.進(jìn)一步投資并繼續(xù)推進(jìn)人工智能研究和創(chuàng)新，確保所有人都能分享AI紅利。

2.擴(kuò)大可用數(shù)據(jù)集的范圍，尤其是在其對(duì)經(jīng)濟(jì)和社會(huì)帶來更廣泛利益的領(lǐng)域。

3.投資人工智能相關(guān)的人力資本和基礎(chǔ)設(shè)施，以擴(kuò)大能夠創(chuàng)建和執(zhí)行人工智能解決方案的人才基礎(chǔ)，以跟上全球人工智能領(lǐng)導(dǎo)者的步伐。

4.鼓勵(lì)企業(yè)領(lǐng)導(dǎo)者和政策制定者提高對(duì)AI技術(shù)的認(rèn)識(shí)，以指導(dǎo)其決策。

5.支持現(xiàn)有的為組織和國(guó)家的最終AI部署奠定基礎(chǔ)的數(shù)字化工作。

未來的就業(yè)挑戰(zhàn)

從解決自動(dòng)化帶來的潛在破壞性影響出發(fā)，就是要確保經(jīng)濟(jì)和生產(chǎn)力的增長(zhǎng)，這也是就業(yè)增長(zhǎng)和日益繁榮的先決條件。政府還需要培養(yǎng)商業(yè)活力，因?yàn)閯?chuàng)業(yè)和更快速的新業(yè)務(wù)的形成不僅可以提高生產(chǎn)力，還可以推動(dòng)創(chuàng)造就業(yè)機(jī)會(huì)。解決與技能、工作和工資相關(guān)的問題需要采取更具針對(duì)性的措施。包括：

1.通過關(guān)注STEM技能以及創(chuàng)造力、批判性思維和終身學(xué)習(xí)來不斷發(fā)展教育系統(tǒng)和變革學(xué)習(xí)場(chǎng)所。

2.鼓勵(lì)私人和公共部門對(duì)人力資本的投資，可以通過類似于研發(fā)投資的激勵(lì)和信貸來實(shí)現(xiàn)。

3.通過支持更好的資格認(rèn)證和匹配以及支持各種形式的工作來改善勞動(dòng)力市場(chǎng)活力。

4.重新思考收入問題，除了考慮金錢外，還要考慮工作的意義和尊嚴(yán)等因素。

5.借鑒世界各地的最佳做法和新方法，重新考慮受影響工人的過渡支持和安全網(wǎng)（safety net）。

AI的責(zé)任挑戰(zhàn)

如果公眾因人工智能侵犯隱私、存在偏見或被惡意使用而對(duì)人工智能失去信心，或?qū)⒉黄降鹊募觿w咎于人工智能，那么人工智能將不會(huì)履行其承諾。在解決濫用問題的同時(shí)應(yīng)該建立對(duì)其為善能力的信心。具體方法包括：

1.加強(qiáng)消費(fèi)者、數(shù)據(jù)、隱私和安全保護(hù)。

2.建立一個(gè)共享的通用框架和一套有益和安全使用AI的原則。

3.共享最佳實(shí)踐和持續(xù)創(chuàng)新以解決安全性，偏見和可解釋性等問題。

4.在業(yè)務(wù)和國(guó)家競(jìng)賽中取得適當(dāng)平衡，以引領(lǐng)AI，確保人工智能的優(yōu)勢(shì)得到廣泛應(yīng)用和共享。