APP下载

爱思唯尔报告《人工智能:知识的创造、传递和应用——中国、欧洲和美国的趋势》解读

2022-06-30朱嘉文杜华顾小清

中国教育信息化·高教职教 2022年6期
关键词:传递创造知识

朱嘉文 杜华 顾小清

摘   要:人工智能作为当前信息技术的最新发展与技术形态,已成为第四次工业革命的显著标签和前沿研究领域,得到业界的极大关注。文章以爱思唯尔发布的《人工智能:知识的创造、传递和应用——中国、欧洲和美国的趋势》研究报告为数据来源,讨论了人工智能定义和研究领域多样性,人工智能在中国、欧洲和美国乃至全球范围内的发展态势,以及人工智能引发的伦理问题等,以期对我国人工智能研究提供启示和借鉴。

关键词:人工智能;知识;创造;传递;应用;趋势

中图分类号:G434;TP18      文献标志码:A      文章编号:1673-8454(2022)06-0020-09

一、问题的提出

作為当前信息技术的最新发展与技术形态,人工智能已成为第四次工业革命的显著标签。它以强势的姿态闯入人们的视野,并借助新一轮技术革命的浪潮迅速席卷整个社会[1],成为推动和创新社会发展的重要技术驱动力,并正以指数发展的趋势推动社会以超越人类预期的方式发展[2]。人工智能技术的飞速发展正在逐步转变着社会、经济、生活等领域的业务形态,也不断带来颠覆性、丰富性、创新性的新业态。人工智能成为提高国家竞争力的重要抓手,正在或已经上升为国家重要战略。毋庸置疑,人工智能已经成为一个前沿研究领域,得到决策者、高校、研究人员、企业、媒体和公众的极大关注,正在走向全球瞩目的新局面。

爱思唯尔(Elsevier)是一家国际出版集团,提供的核心服务包括ScienceDirect、Scopus、Engineering Village等知名数据库,为全球学术研究作出了较大贡献。这些丰富的数据资产可以为人工智能领域的一些重要问题提供有价值的见解。2018年,爱思唯尔发布《人工智能:知识的创造、传递和应用——中国、欧洲和美国的趋势》(ArtificiaI Intelligence: How knowledge is created, transferred, and used: Trends in China, Europe, and the United States)研究报告(以下简称《报告》)[3],在人工智能定义和研究领域多样性的基础上,对近年来人工智能领域的学术产出进行定义,并聚焦人工智能在中国、欧洲和美国的发展态势,勾勒了全球范围内人工智能领域的研究趋势,并讨论了人工智能可能引发的伦理问题。这份报告被英国开放大学的恩里科·莫塔(Enrico Motta)称赞为“不仅具有重要的科学价值,也是非常宝贵的实用资源”。

二、报告解读

(一)人工智能定义和研究视角的多样性

尽管人工智能已成为众所周知的名词,但由于人工智能领域具有跨学科性,其应用具有跨行业性,目前对于其概念的理解还没有达成统一的共识[4]。有学者从与人类智能相类比的角度,对人工智能进行界定,如“人工智能是一种能以人类智能相似的方式做出反应的智能机器”[5];“人工智能指由计算机科学与智能机器融合,从而模拟人类能力的一门科学与技术”[6];“人工智能本身是一个模拟人类能力和智慧行为的跨领域学科”[7]。

美国麻省理工学院的帕特里克·温斯顿(Patrick Winston)认为,人工智能就是研究如何使计算机去做过去只有人才能做的智能工作[8]。也有学者从知识的角度诠释人工智能的内涵,如美国斯坦福大学人工智能研究中心的尼尔斯·尼尔逊(Nils Nilsson)对人工智能定义为:“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学”[9]。

人工智能是一个多学科的交叉领域,对人工智能的理解因视角不同而异。《报告》凭借丰富的数据资源和数据分析优势,独辟蹊径,尝试“利用人工智能来定义人工智能”,采用自下而上的方法来描述人工智能的研究领域,为研究评估者、研究资助者、政策制定者和研究人员提供了独特有益的见解。

《报告》以爱思唯尔的Scopus数据库、Fingerprint引擎、PlumX统计数据、ScienceDirect数据库等,以及一些公共资源提供的数据信息,如数字书目索引与图书馆项目、arXiv、标准人工智能指数报告、Kaggle平台、中国科学院自动化研究所提供的数据集等为主要数据来源,由全球专家组成的精英团队,采用机器学习、文本挖掘和语义分析技术,提取60多万篇人工智能领域的学术出版物和797个特定领域关键词。其中,排名较高的关键词有反向传播神经网络、反向传播算法、Cohen-Grossberg神经网络、基于基因的机器学习、神经网络学习等。人工智能常被理解为一个总括性概念,用于描述使计算机能够像人类一样应用和决策。而深度学习、神经网络等正在或已经脱离人工智能的保护伞,形成自己的研究领域和技术。

《报告》通过对教学、研究、行业、媒体等领域使用的人工智能相关术语进行研究,通过在文档集中比较关键词的共同出现情况,发现人工智能、深度学习、机器学习、神经网络、强化学习、语音识别等术语在各领域之间都有较高频次的使用。《报告》还以来自于人工智能学术出版物的确凿数据以及多位人工智能专家的观点,捕捉人工智能发展趋势,揭示出人工智能领域标志性的7个子研究领域(见图1),分别为搜索及优化、模糊系统、自然语言处理与知识表示、计算机视觉、机器学习与概率推理、规划与决策、神经网络等,从以往的推测性解释转向基于证据的预测。

(二)人工智能在中国、欧洲和美国的发展态势

为了解全球研究人工智能领域的发展态势,《报告》调查了从1998年至2017年,包括文章、会议论文、预印本等超过60万篇研究成果及其影响,如图2所示。数据表明,人工智能相关研究成果在近五年时间里每年增长约12.9%,在机器学习、机器视觉、模式识别方面的增长尤为迅速。1998年至2017年间,世界各地纷纷出台关于人工智能的重要政策并取得诸多科技突破性成果。随着新经济的发展和互联网的普及,各国开始意识到人工智能领域的重要性。与此同时,一些重要企业如亚马逊、谷歌、微软、百度等也带动了人工智能领域的发展。749DCE71-6172-4D11-81F1-586C28A1D95A

1.出版数量

虽然欧洲仍在人工智能研究领域产生着巨大影响,但近几年美国和中国在成果出版数量上稳步提升。2004年,中国在人工智能领域的出版量上已经超越了美国。美国斯坦福大学人工智能研究中心的《2022年度人工智能指数报告》(Artificial Intelligence Index Report 2022)中显示,2010—2021年,中国人工智能论文发表数量占全球人工智能论文数量的31.0%,已远超欧洲地区(19.05%)和美国(13.67%)[10]。在会议论文发表数量上,中国(27.64%)也超过欧洲地区(18.95%)和美国(16.90%)。但在电子预印本数量上,美国依旧占据主导地位(32.52%)。爱思唯尔《报告》指出,其他国家,例如,老牌人工智能研究国家日本在出版物产出方面持续增长,但其活力不如美国或中国。

2.侧重领域

《报告》提出,不同区域在人工智能领域发表的成果侧重有所不同。在欧洲和美国,关于人工智能的研究更侧重于人文学科、医学和健康科学。中国在农业科学领域的人工智能方面有很强的专业性,而美国更多关注的是健康领域。“规划和决策”被应用于自动驾驶系统、强化学习、机器人、人机界面、计算机游戏和电影、物流与移动网络。其领域的侧重与欧美长期工业传统相关。

具体到人工智能细分领域,中国在“人脸识别”细分领域的关注度很高。在中文出版成果中,关于“神经网络”的研究比较分化,包括预测模型、反向传播算法和机器人科学。在欧洲和美国,机器人科学被归于“机器学习和概率推理”。中国学者特别关注“计算机视觉”领域,该领域的研究成果增长非常迅速。而在21世纪初迅猛发展的“模糊系统”领域研究已趋于平缓。“机器学习和概率推理”“搜索和优化”影响了所有的人工智能子领域,而“计算机视觉”得益于这些领域的发展,并在此基础上延伸研究。

欧洲和美国在人工智能领域的研究也显示出类似的集群模式,“规划和决策”“计算机视觉”领域有力地推动了上述地区的人工智能领域发展。欧洲的出版物更多集中在“规划和决策”而不是“计算机视觉”。“神经网络”的研究在期刊文章方面增长迅速,而“自然语言处理和知识表示”的研究更多发表在各地区的会议论文中。

3.人工智能会议

瑞典的弗雷德里克·海因兹(Fredrick Heintz)在《报告》中指出,在计算机科学领域,特别是高速发展的人工智能领域,对学者来说,召开高影响力、高知名度的国际会议是一个惯例。因此,大多数成果都会优先发表于这些国际会议上。国际会议拥有权威的同行评审审核会议论文,论文接受率一般低于20%,这也使人工智能国际会议具有很强的竞争性。因为会议论文发表相较期刊更为及时,国际会议常常受到学者的广泛关注。在美国,超过70%的企业人工智能研究成果是以会议论文的形式发表的。

通过爱思唯尔数字文献图书馆的数据,《报告》选取了142个会议名称包含“人工智能”关键词的相关会议。从上述会议数据可知,中国在近20年间发表的人工智能相关会议论文出现大幅增長,且在这些会议论文中,企业参与的会议论文在所有出版物中占比较高,而政府部门占比最低。类似结果同样适用于欧洲,但差异没有中国明显。而在美国,政府部门参与的会议论文份额更高,但近年来有所下降。

通过领域加权引文影响因子(Field Weighted Citation Impact, FWCI),《报告》从全球人工智能领域的学者中选出100名最具影响力的贡献者,其中,中国拥有超过三分之一的主要贡献者(37名),而美国(19名)和欧洲(21名)共同占另外的三分之一,其他国家学者占剩下的三分之一。美国的微软公司和斯坦福大学是两大人工智能领域主要贡献机构,且美国的影响因子是全球最高的,保持在全球平均水平的1.5至2倍之间。中国的影响因子在过去20年间增长迅速,但目前仍低于美国和欧洲。欧洲的主要影响机构首先是法国,其次是英国和西班牙。而中国人工智能领域发表成果最多的机构是中国科学院,清华大学则拥有更高的领域加权引文影响因子。

4.知识的传递

谭铁牛院士在《报告》中指出,当下这个时代,国际间的合作是必要的,国家间的合作能使人工智能领域蓬勃发展。知识在合作的过程中得到传递。《报告》数据显示,世界各地的单一作者成果逐渐减少,更多的学术成果是以合作的形式发表。欧洲和美国正在扩大国际间关于人工智能的合作。对美国而言,这不仅扩大了出版份额,也使得引文影响力增加。中国也逐渐减少了机构间的合作,转向国家和国际间的合作,并带来更多的引文影响力。

全球的学术部门产出了90%以上的人工智能研究,而学术界与企业间的合作在知识传递和创新方面发挥了关键作用。将学术成果快速转化成应用成果是各国政府和创新项目所期望的,能够刺激经济发展和创造就业机会。这种跨部门间的合作在美国尤为突出,占据人工智能领域产出的近9%,其相关引文影响是世界平均水平的三倍以上。从美国人工智能企业也可看出,微软和IBM等公司为人工智能学术产出和影响作出较大贡献。中国企业发表的数量不到全球学术企业出版物平均份额的3%,欧洲略高于此。

为更好地显示知识的传递动态,《报告》通过学者跨国间流动,将人工智能领域学者定义为三类:迁移型(在国外学术交流两年及以上的研究者)、过渡型(在国外学术交流两年内的研究者)、稳定型(在1998年至2017年间,在Scopus数据中只有区域隶属关系的研究者)。

中国迁移流入和流出相对持平,且中国的稳定型研究者数量较多。与迁移型和过渡型研究人员相比,稳定型研究者的相对引文影响较低。通过研究人员的流动,中国在人工智能领域的相对生产力和相对影响力都在提高。欧洲在近20年间出现了人工智能领域研究员净流出的现象,7.8%迁移流出量超过了6.8%的迁移流入量。虽然欧洲研究人员流出量比流入量多1%,但其从移民平衡中也获得了学术影响力和生产力。与中国类似,欧洲的稳定型研究人员引文影响水平也较低。而美国有一个0.3%的净流入量,且相较于欧洲和中国,其稳定型研究人员最少。但与此同时,美国稳定型研究人员拥有较高的引文影响力。人才的流动不仅体现在跨国交流中,也表现在不同行业之间的流动。749DCE71-6172-4D11-81F1-586C28A1D95A

总而言之,在过去20年间,所有地区的研究人员更多的是从学术界转向工业界。中国人工智能人才正在往国内工业界流动。《报告》结果显示,欧洲似乎正在失去人工智能学术人才,面临学术人才向国际工业界的高净流出。而美国在学术界和工业界都实现了人工智能人才的净流入。在过去五年中,美国工业界从国际学术界吸引了最多的人工智能人才。

(三)人工智能在教育领域的应用

截至2021年,除中国外,全球有超过900所大学提供了近2万门慕课。而截至2022年2月,我国已上线超过5万门慕课,慕课数量居世界第一。此外,私营公司正越来越多地与各大慕课平台供应商合作,为平台提供课程。部分平台学生数量上升迅速,如Coursera、edX、Udacity和FutureLearn。Coursera发布了近7年其平台上最受欢迎的前10门课程,其中有3门与人工智能或机器学习有关。谷歌、微软和英伟达都推出各自与人工智能和机器学习有关的在线学习平台,以帮助普及人工智能的使用,并促进各自公司的硬件和在线平台的使用。

阿姆斯特丹数据科学总监、欧洲信息学会前任主席琳达·哈德曼(Lynda Hardman)表示,解决人工智能人才短缺的问题是实现人工智能的关键。其在《报告》中指出,我们需要更多资源和力量来教授学生和资助研究人员。此外,资金投入应该建立在现有的结构框架上,而不是创建新的结构框架,以避免分散稀缺的专家资源。学校需要教授学生关于计算科学和人工智能的原理知识。当今社会不仅需要教育人工智能专家这样的精英群体,还需要理解数据驱动算法而作出决策的教育家和政策制定者。

关于人工智能如何改变社会,日本学术振兴会前理事长、庆应义塾大学前校长、人工智能战略委员会主席安西佑一郎(Yuichiro Anzai)从人才需求和工作角度出发给出回应,单一的人工智能人才并不会让社会得到很好的发展,我们需要具有多样化技能的人才。另外,我们需要改变产业结构来培养创新意识,使初创企业更容易得到发展和成長,还需要改变就业系统。未来工作岗位的职能必将发生改变。一些工作岗位会消失,但新的工作机会会出现。而当今社会需要改变教育系统来应对未来工作岗位的调整。

《报告》以中国科学院自动化研究所的数据为例,从2013年到2017年,每年有140—160名学生在中科院自动化研究所攻读研究生课程,大多数毕业生选择了应用型专业,如模式识别与智能系统、计算机应用等,且学校的推荐和分配对中科院人工智能高等教育毕业生的去向起着很大的作用。大多数中科院人工智能专业的毕业生很容易在国内找到工作,只有少数人会选择攻读博士学位,也很少有人选择出国。这也能解释为什么中国稳定型研究人员数量庞大的原因。

(四)人工智能伦理

人工智能自20世纪50年代诞生以来,经历了一个季节性的周期。当新的人工智能技术显示出重大突破的潜力时,就会出现大量资金涌入现象。当影响力不足以维持资金来源的时候就会出现资金枯竭的情况,即所谓人工智能的冬天。由于计算机处理能力、大数据及深度学习的推动,当今社会正处于人工智能的火热期。但值得注意的是,这些发展是建立在以前的研究之上的。《报告》强调,人工智能资金的这些高峰和低谷受人工智能发展周期长度所控,而长期支持人工智能的研究至关重要。

互联网的出现推动了研究的发展,使人们能够使用合作文档,有强大的搜索引擎来帮助找到想要的信息,还有社交媒体或其他信息应用来促进科学家之间的交流。但《报告》也提出,互联网上犯罪和反社会行为正在逐年增长。这些问题单靠技术无法很好地解决,所以为解决互联网所带来的道德和社会问题,干预是必要的。需要特别注意的是,在引导人工智能时,应避免使偏见永久化。例如,因为算法的未来用途和应用是无法预测的,所以必须仔细选择算法的训练集,以尽量减少算法中产生的偏见。成功的人工智能是包容的,能够考虑到性别、年龄或出身的多样性。这使得跨学科这一属性成为发展有道德责任感的人工智能的必需。

伦理问题需要在有责任的创新和适度的监管下找到平衡、得到合理的解决。监管太少可能会导致不可预见的后果,而过多的监管会扼杀创新。成功的人工智能战略依赖于数据、计算能力、教育、人才和多样性。我们需要在人工智能发展的初期就把伦理考虑在内,从而促进和确保创新。

关于人工智能的政策,相关出版成果数量的稳步增长和媒体的持续关注,都凸显了研究人工智能相关伦理和社会问题的重要性。而公众对伦理的讨论与关注在研究文献中鲜少体现。人们越来越关注一些具体的问题,特别是隐私、信任、公平、透明度和问责制,但不清楚单独解决这些问题是否能保证社会经济利益。

要解决人工智能的伦理问题,无论是从人工智能角度还是从伦理学的角度,最为重要的是理解基本概念。例如,自动驾驶汽车、面部识别系统、保险索赔检查算法都是人工智能的例子,但其所包含的技术不同,所引发的伦理问题也大不相同。除了更好地理解人工智能的含义外,还必须明确伦理的含义。例如,我们在讨论自动驾驶汽车的伦理问题时,司机的道德品质由他们所做事情和后果、对情况的分析理解和他们行事的倾向性决定。关于这三者之间的差异和复杂性如何能够体现在人工智能技术上,是当前需要解决的问题。

另一个关键问题是人工智能的伦理问题需要在哪些层面上解决。我们不仅仅需要在技术层面、在开发部署技术的个人和组织的责任层面关注伦理问题,也需要关注人工智能提出的与所有权、知识产权、经济分配和政治权力有关的关键伦理问题。前者确保了人工智能使用的后果在伦理上是可以接受的,也就是说人工智能做的是好事,而后者则关注更广泛的社会经济和政治后果。这两个方面都很重要,但目前还不清楚是否可以,以及如何同时处理这两个方面。

《报告》在关于伦理方面提出的最后一个问题是人工智能伦理的新颖性。关于计算的伦理问题的辩论可以追溯到数字技术的最初阶段,人工智能也是如此。那么,在目前关于人工智能的讨论中,人们是否可以借鉴现有的见解、工具和方法来解决已有的伦理问题,还是说人工智能带来了根本性的、需要全新思维的伦理问题。749DCE71-6172-4D11-81F1-586C28A1D95A

《报告》提出以上关于人工智能伦理的几个开放性问题,但同时也强调了关于人工智能伦理的一些关键点:①人工智能的伦理学需要建立在现有的伦理学思想之上,也需要与技术和商业团体合作。②伦理不是一套决定好坏的固定规则,而应该被完全放到社会环境中考虑和分析,社会需要制定适当的治理机制。③解决人工智能的伦理问题需要技术专家、政策制定者、民间团体和其他利益相关者之间的合作。

三、启示

《报告》通过一种新颖的形式,即用人工智能解读人工智能发展的方式,呈现了在人工智能领域世界各地研究者的研究方向、研究趋势和研究问题。人工智能领域吸引着来自政策制定者、研究机构、企业、媒体和公众的关注。人工智能研究和技术也在不断突破,人们对于人工智能技术改变社会的力量既期望又担心。爱思唯尔通过大量的数据分析来了解人工智能领域的知识是如何在世界范围内被创造、被传递和被应用的。

笔者在解读《报告》的基础上,结合我国出台的相关规划和政策,对我国目前人工智能领域发展和人工智能教育提出以下几点建议:

(一)支持跨部门合作,加强校企人工智能成果对接

我国“十四五”规划明确指出,要深化产教融合、校企合作,鼓励学术界与企业界进行成果对接[11]。《报告》也提出,这种跨部门间的合作在美国尤为盛行,致使美国在人工智能成果产出方面的影响力远超其他国家。这种跨部门间的合作,能够使学术成果快速转化成产业应用成果,刺激经济发展,创造就业机会。我国人工智能学者虽然在人数上占据优势,但其影响力暂时还落后于欧美学者,特别是我国企业界产出成果略逊一筹,与发达国家还存在一定差距。

此外,国内校企合作也面临一些挑战,如企业方不积极、学校没有找准合作切入点等[12]。在学校层面,应紧跟时代发展更新人才培养方案,搭建先进实验平台,辅助企业进行人工智能数据挖掘和产品设计等。在企业层面,可积极与校方合作沟通,推动学术成果产业化,并将产品数据及时反馈给学校层面,促进良性循环。支持跨部门合作,加强校企合作,能够推动我国人工智能产业成果产出,提高我国在国际人工智能领域的影响力,实现人工智能产业发展以及与其他部门的融合应用。

(二)增进跨领域、跨地区合作交流,鼓励国际交流

根据《报告》数据来看,我国的稳定型研究者数量较多,而稳定型研究者的学术影响力在三种类型的研究者中最低,致使我国人工智能研究者虽发文数量多,但学术影响力不及美国和欧洲研究者。虽然我国在人工智能领域的相对生产力和相对影响力都在提高,但仍需保持警惕,避免出现闭门造车的现象。

2022年,国务院发布的《“十四五”数字经济发展规划》提出,要拓展数字经济国际合作,支持我国数字经济企业与国际机构的合作,并且要积极借鉴国际经验发展我国自身的数字化经济[13]。我国已推行多项国际交流计划,每年输送和引进大量技术学术人才,增加迁移型和过渡型人工智能研究人员,以此增加我国人工智能领域活力,扩大我国研究成果的国际影响力。

跨地区间的合作也可以促进跨领域的交流。《报告》通过人工智能领域发表成果大数据分析得出,不同地区和国家在人工智能领域侧重不同,且关注的细分领域也不尽相同。各国在各细分领域的强项不同,而跨领域、跨地区间的合作交流能够弥补各地区、各领域的不足。人工智能本身就是个跨学科的交叉领域,鼓励跨学科交叉创新研究,可以使人工智能技术迁移至各行各业,实现人工智能全面应用。例如,人工智能技术应用于教育领域已成为未来教育的趋势,但教育领域的人工智能仍处于起步阶段,需要加强跨领域多学科合作交流[14],吸收国际学者研究成果,推动发展我国人工智能技术在教育领域的应用。

(三)促进人工智能与教育系统融合,注重人工智能人才培养

中国科学院成都文献情报中心的唐川在《报告》中指出,我国从事人工智能的总人数只有5万多人,在世界范围内排名第七,且在参与人工智能领域的人员中,只有38.7%拥有超过10年的行业经验。除此之外,我国的人工智能人才技术体系也存在分布不均的问题,主要集中于人工智能应用,而在基础设施和技术层面相对薄弱。我国需要建立体系化的人工智能人才培养方案[15],不仅包括培养技术层面的技术专家,还需要培养能够应用人工智能技术于社会领域的應用人员、政策制定者、具有人工智能素养的其他行业领域精英。

总体而言,我国仍然缺乏具有国际影响力的领军人才,缺乏推动产业发展的创新创业人才。人工智能时代需要的是拥有多样化技能的人才,所以学校应根据发展需要适时调整人才培养方案。不仅如此,还需要通过多渠道、多方位培养高素质的人工智能人才[16]。不仅仅是学校方面,政府、企业、研究机构等都需要为人工智能人才培养制定合适的新方案。

(四)跨学科解决人工智能伦理问题,关注人工智能伦理素养提升

当我们把决策权交给自动化的算法时,需要考虑技术以外的因素,包括道德、社会、政治等方面的其他因素。比如自主武器系统在没有人类干预的情况下也能自主选择和攻击目标,且目标包括人类,人工智能在这方面的应用就将变得非常致命。道德和人工智能不能脱节,同样,人工智能技术应用于教育系统的过程中,伦理问题也是不可避免的。例如,学生对于人工智能的理解常受到社交媒体的强烈影响,如果缺乏正确的引导,没有伦理机制审核随意使用算法,网络世界将会变得充满危险。这些问题并不仅仅是教育问题或计算机领域的问题,而是跨学科的问题,需要多学科交叉解决。

尽管研究者和政策制定者已经开始关注人工智能伦理,但相关核心研究文献较少,且很多研究仅停留在理论层面。为保障人工智能领域的有序发展,需要注重培养公民人工智能伦理素养,支持研究人员开展人工智能伦理理论和实证研究,并且建立激励措施来资助相关研究机构开展研究[17]。2021年9月,国家新一代人工智能治理专业委员会发布的《新一代人工智能伦理规范》中提到,要客观认识到人工智能存在的伦理问题,通过讨论和学习人工智能伦理相关知识,培养公民人工智能伦理素养,以应对未来所面临的人工智能相关伦理问题[18]。因此,从人工智能教育层面出发,应注重提升人工智能伦理素养,培养能辩证思考规范使用人工智能技术的人才。749DCE71-6172-4D11-81F1-586C28A1D95A

四、结语

美国斯坦福大学人工智能领域的专家杰里·卡普兰(Jerry Kaplan)曾在专著中指出,智能时代已经到来,我们需要准备好迎接它带来的机遇和挑战[19]。探索人工智能这个动态的、新兴的、复杂的、不断变化的领域是令人着迷的工作,全世界都在关注和发展这个领域,唯恐落后。《报告》能让我们看到人工智能的多面性,在人工智能促进社会变革的议程已成必然趋势的情境下,为研究和战略提供参考,以促成相关群体根据此报告内容进行交流和对话。鉴于人工智能领域不断发展的性质,我们需要不断更新对于该领域的认知。《报告》很好地展示了人工智能领域的发展动态,同时也为我国人工智能领域发展提供了有益的见解,激发了各行业对该领域及其应用和影响的进一步研究和探索。

参考文献:

[1]顾小清.当现实逼近想象:人工智能时代预见未来教育研究[J].开放教育研究,2021,27(1):4-12.

[2]STEFAN A D POPENICI, SHARON KERR. Exploring the impact of artificial intelligence on teaching and learning in higher education[J]. Research and practice in Technology Enhanced learning, 2017,12(1):1-13.

[3]Elsevier. Artificial Intelligence: How knowledge is created, transferred, and used[R/OL]. (2018-12-11)[2022-05-30].https://www.elsevier.com/__data/assets/pdf_file/0011/906779/ACAD-RL-AS-RE-ai-report-WEB.pdf.

[4]戴静,顾小清.人工智能将把教育带往何方——WIPO《2019技术趋势:人工智能》报告解读[J].中国电化教育,2020(10):24-31,66.

[5]毛刚,王良辉.人机协同:理解并建构未来教育世界的方式[J].教育发展研究,2021,41(1):16-24.

[6]黄月丽.人工智能对社会变革的影响[J].科技传播,2019,11(4):104-105.

[7]LUCKIN R, HOLMES W, GRIFFITHS M, et al. Intelligence unleashed: An argument for AI in education[M/OL]. London: Pearson Education, (2016)[2022-04-28]. https://static.googleusercontent.com/media/edu.google.com/en//pdfs/Intelligence-Unleashed-Publication.pdf.

[8]林命彬.智能机器的哲学思考[D].长春:吉林大学,2017.

[9]贾同兴.人工智能与情报检索[M].北京:北京图书馆出版社,1997:15-103.

[10]Stanford Institute for Human-Centered AI. Artificial Intelligence Index Report 2022[R/OL]. (2022-03)[2022-05-30].https://aiindex.stanford.edu/wp-content/uploads/2022/03/2022-AI-Index-Report_Master.pdf.

[11]新华社.中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL].(2021-03-12)[2022-04-28].http://www.gov.cn/xinwen/2021-03/13/content_ 5592681.htm.

[12]张志锋,邹翠兰,孙锋申,等.產教融合背景下提升校企合作中的企业主体地位——人工智能产业学院建设思路探析[J].现代商贸工业,2021,42(36):12-13.

[13]国务院.国务院关于印发 “十四五”数字经济发展规划的通知[EB/OL]. (2021-12-12)[2022-04-28]. http://www.gov.cn/zhengce/content/2022-01/12/content_5667817.htm.

[14]杨现民,张昊,郭利明,等.教育人工智能的发展难题与突破路径[J].现代远程教育研究,2018(3):30-38.

[15]何哲.通向人工智能时代——兼论美国人工智能战略方向及对中国人工智能战略的借鉴[J].电子政务,2016(12):2-10.

[16]蔡自兴.中国人工智能40年[J].科技导报,2016,34(15):12-32.

[17]RUSSELL S. Robotics: Ethics of Artificial Intelligence[J]. Nature, 2015,521:415-418.

[18]国家新一代人工智能治理专业委员会.《新一代人工智能伦理规范》发布[EB/OL]. (2021-09-25)[2022-04-28]. http://www.most.gov.cn/kjbgz/202109/t20210926_177063.html.

[19]KAPLAN J. Humans Need Not Apply: A Guide to Wealth and Work in the Age of Artificial Intelligence[M]. Connecticut: Yale University Press, 2015:1-256.749DCE71-6172-4D11-81F1-586C28A1D95A

作者简介:

朱嘉文,博士后,博士,主要研究方向为在线教学设计、智慧教育理论与应用,邮箱:zhujiawen@ed.ecnu.edu.cn;

杜華,副教授,博士,主要研究方向为智能教育,邮箱:dhaynu@126.com;

顾小清,教授,博士生导师,博士,主要研究方向为学习科学与技术设计、智能教育等,邮箱:xqgu@ses.ecnu.edu.cn。

Interpretation of the Elsevier Report Artificial Intelligence: How Knowledge is Created, Transferred, and used: Trends in China, Europe, and the United States

Jiawen ZHU1, Hua DU2, Xiaoqing GU1

(1.College of Modern Educational Technology, East China Normal University, Shanghai 200062;

2.College of Teacher Education, Zhejiang Normal University, Jinhua Zhejiang 321004)

Abstract: Artificial intelligence, which is viewed as the latest development and technology of current information technology, has become a prominent label and a cutting-edge research field of the fourth industry revolution. It has received significant attention from policy makers, universities, researchers, enterprises, media and the public, and it is moving into a new chapter with high global attention. Based on Elseviers report Artificial intelligence: How knowledge is created, transferred, and used: trends in China, Europe and the United States, this paper discusses the definition and the diversity of artificial intelligence, the trend of artificial intelligence development in China, Europe, the United States and even the world, and the ethical problems, which aims to provide insights and implications for the research of artificial intelligence in China.

Keywords: Artificial intelligence; Knowledge; Creation; Transmission; Application; Trend

编辑:李晓萍   校对:王天鹏749DCE71-6172-4D11-81F1-586C28A1D95A

猜你喜欢

传递创造知识
习题变一变 思维现一现
是“知识”,还是“知识权力”追求?
爱与知识的力量
基于(火用)分析法的换热器性能研究