徐上越

摘要 人工智能的发展引起了人们的极大关注，本文在理清人工智能概念的基础上，探讨了人工智能发展的现状，并分析人工智能最新的应用場景。尽管人工智能得到了长足的发展，但其也面临着应用伦理、人工智能创造物法律保护等方面的风险与挑战。

【关键词】人工智能 技术应用 风险与挑战

两年前，谷歌的人工智能围棋系统AlphaGo与世界围棋冠军李世乭较量，并以4：1的压倒性优势战胜了李世乭，引起了人们对人工智能的高度关注。人们纷纷投入对人工智能的研究开发与应用，如在自动驾驶、人脸识别、教育、医疗等领域的研究开发与应用。那么，人工智能技术的发展现状是怎样的？有哪些领域在应用人工智能技术？人工智能的发展是否存在风险与挑战？这些问题都值得探讨。

1 概念

人工智能是与自然智能相对应的概念，是由人类所制造的机器的智能，而自然智能是自然进化所造成的智能。人类智能是自然智能的一种，是迄今为止人们所知道的最复杂、最高级的智能，包含显性智能和隐性智能。隐性智能是建立在人类直觉、想象、顿悟和审美等基础之上能力，是发现问题和定义问题的能力.显性智能则是解决问题的能力。目前人工智能的研究主要集中在显性智能的研究，而人类的隐性智能非常复杂，这也是目前人工智能无法全面超越人类智能的原因。但是，人工智能在部分领域如视觉图像识别、语音识别、文本处理等方面已经达到甚至超越人类水平。

2 人工智能技术的发展现状

人工智能有两大领域：联结主义（如人工神经网络）和符号主义，分别对应着人类智能的归纳总结和逻辑演绎。符号主义的主要思想就是应用逻辑推理法则，从公理演绎出整个理论体系，其典型代表是机器定理证明。由于机器不能抽象出几何直觉，也不能建立审美观念，所以迄今为止机器还没能自行探索发现深刻的未知数学定理。机器定理证明就逐渐朝着机器验证方向转变，因此，人工智能的符号主义方法相对于人类智慧还处于相对幼稚的阶段。尽管如此，基于符号主义的人工智能在某些领域的表现已经超越人类。例如，IBM的人工智能专家系统沃森，在电视知识竞赛Jeopardy中击败人类对手，赢得冠军。而结合深度卷积神经网络的沃森认知计算平台，具有强大的数据分析和挖掘能力，其在某些疾病的诊断水平已经达到了顶级医生的水平。

模拟人类大脑的神经元网络，学会人类的归纳总结能力，是联结主义的基本思想。1981年的诺贝尔生理学或医学奖获得者DavidHunter Hubel和Torsen Wiesel对猫的视觉神经元的研究结果，启发了计算机科学家发明人工神经网络。而后续的研究发现人类具有多个视觉中枢，且这些视觉中枢具有层次结构，启发计算机科学家将人工神经网络设计成多级结构，并将低级的输出作为高级的输入，通过深度学习，可以进行视觉图像识别。

随着深度学习技术的兴起和发展，神经网络的层数大为增加，而且其收敛速率和系统稳定性有了很大的提高。近年来，随着算法的改进，使用GPU提高计算能力，大数据时代提供的海量的训练数据，深度学习技术得到长足的发展，人工智能在许多领域达到甚至超越人类的智能。如在图像识别上，2012年，Hinton教授和他的两个研究生将深度学习的最新技术用到以ImageNet为基础的大型图像识别竞赛上，在有30个团体参与的竞赛中，其图像识别错误率只有15.3%，脱颖而出，测试结果稳居第一，远低于第二名26.2%的错误率。在2015年的ImageNet图像识别的竞赛中，微软亚洲研究院团队尝试了一种称为“深度残余学习”的算法，使得图像识别错误率达到了3.57%的水平，低于一个正常人的约5%的图像识别错误率，从而获得冠军。所以，在图像识别上，人工智能已经可以超越人类的智能。

在语音识别上，2017年，谷歌的语音识别端到端系统单词错误率降至5.6%，IBM宣布其语音识别系统单词错误率取得5.5%的突破，微软语音识别的错误率更是达到了5.1%，基本接近了人类的水平（5%）。而国内百度的AI实验室在语音识别上也取得了骄人的成果，如百度的英文语音识别系统，其单词错误率在一些测试中已经低至3.1%，超过正常人的识别能力（5%）。在一个小型汉语基准测试中，百度AI机器的识别错误率也达到了3.7%的低水平。所以，人工智能在语音识别上，其准确度已经超越人类的水平了。此外，人工智能在艺术创作、文本处理、软件设计上也取得较大的进步。

3 人工智能技术的应用

随着人工神经网络和深度学习技术的发展，人工智能技术在各领域得到了广泛的应用。目前，人工智能在以下领域应用较广，且逐步出现了商业化的浪潮：

3.1 在教育上的应用

如谷歌的开源机器学习平台TensorFlow;Facebook的机器学习平台FBLearnerFlow，都可以大幅提高员工效率。Barbara Kurshan提出，人工智能将在学习分析、学习内容推荐和课程材料质量评价等领域中发挥作用，提高教育的效果和效率。当前，人工智能教育应用已成为教育信息化研究的新热点。

3.2 在医疗上的应用

如上文提到的IBM的沃森认知计算平台，其诊断水平在某些细分疾病领域已经达到顶级医生的水平。在我国，随着医疗信息化的进程，电子病历和健康档案的建立，正在实现利用人工智能对碎片化医学信息进行整理和分析，从而提高医疗健康服务质量。

3.3 在无人驾驶上的应用

无人驾驶是人工智能在交通领域应用的核心场景。美国、英国、德国等发达国家从20世纪70年代就开始了无人驾驶汽车的研究，其中最有名为美国谷歌公司的无人驾驶项目Waymo，其无人驾驶汽车已经行驶了200万英里（约合322万公里），它的驾驶技术已经可以超过一位有16年驾龄的老司机。在我国，百度在2013年宣布启动基于人工智能系统为核心技术的无人车项目，至今正努力成为智能驾驶领域的主导者。此外，苹果、英特尔、华为、英伟达、Uber、滴滴出行、特斯拉、AImotive（欧洲无人驾驶汽车软件初创公司）等公司也加入到无人驾驶的应用研究中。

3.4 在金融上的应用

人工智能在金融上的应用主要用于理财方式的选择上，可以根据用户的需求为用户推荐最适合的理财产品。如京东的JIMI，可以通过对聊天信息的提取与分析，并对用户所属投资类型和理财知识的测试，从而推测出用户的理财需求和投资能力，为其推荐合适的理财产品。后续还可以对用户的疑问进行解答，帮助用户更为理性地进行投资。

此外，人工智能在无人超市、无人酒店、电子侦察、机械电子工程、纳税服务、冶金自动化等领域也得到了越来越广泛的应用。

4 人工智能的风险和挑战

人工智能在技术和应用等方面均取得了较大的进展，然而，人工智能的应用伦理、价值植入的技术限度、人工智能创造物的法律保护等问题给人工智能的发展带来了一系列风险和挑战。

4.1 人工智能的应用伦理

AlphaGo赢得围棋比赛，有人担心人类将被机器消灭。这其实只是人类的身份认同危机与技术焦虑。无论是谷歌的无人驾驶技术，还是AlphaGo下棋程序，或是人脸识别等，充其量只能算是一种“弱人工智能”，科学家们提出的能够全面取代人类智能的一种“强人工智能”目前还是一个很模糊的概念。

4.2 人工智能创造物的法律保护

随着人工智能的发展，其已经由算法输入决定输出的低级阶段，发展到具有自主创造的能力的高级阶段。人工智能的创作物也达到了“作品需要体现的独创性”，从而成为可以受著作权法保护的作品。但是，从法律的人格、权利救济和立法目的上分析，人工智能本身是由人类发明出来的，无法成为著作权的主体。当前的法律还不能对人工智能的创造物提供法律支持和保护，故应尽快对人工智能创作物的权利归属作出合理的制度安排。有学者提出构建以人类读者（受众）为基础，而不是以人类作者、发明人为中心的版权法和专利法理论，从而解决人工智能创造物的权利归属。

参考文献

[1]钟义信，人工智能：概念、方法、机遇[J].科学通报，2017，62 （22）： 2473-2479.

[2]顾险峰，人工智能的历史回顾和发展现状[J].自然杂志，2016，38 （03）：157-166.

[3]B Kurshan. The future of artificialintelligence in education [DB/OL].[2017-05-31]. ht tps：//www. forbes. com/s ites/barbarakur shan/2 016/03/1 0/the-future-of-ar tificial-intelligence-in-education/#9e3113d2e4d8.

[4]張坤颖，张家年，人工智能教育应用与研究中的新区、误区、盲区与禁区[J].远程教育杂志，2017 （05）： 54-63.

[5]孔鸣，何前锋，李兰娟，人工智能辅助诊疗发展现状与战略研究[J]，中国工程科学，2018 （02）： 86-91.

[6]侯欣妤.人工智能在金融理财中的应用研究 以京东JIMI为例[J].无线互联科技，2018 （11）：137-138.

[7]翟振明，彭晓芸，“强人工智能”将如何改变世界 人工智能的技术飞跃与应用伦理前瞻[J]，学术前沿，2016 （04）： 22-33.

[8]张春艳，任霄，人工智能创作物的可版权性及权利归属[J].科技与法律，2011.

[9]梁志文，论人工智能创造物的法律保护[J].法律科学（西北政法大学学报），2017 （05）：156-165.