人工智能分析报告-白宫人工智能报告：美国人工智能研发战略计划(编辑修改稿)

人工智能分析报告-白宫人工智能报告：美国人工智能研发战略计划(编辑修改稿)内容摘要：

1） 教育 ： AI增强的学习型学校随处可见，通过其自动化辅导能衡量学 生的发 展 16。 AI 辅 导员可补充面授教师，还可以因材施教。 16 AI 工具可以促 进终身学习并让所有社会成员获取新技能。 16 （ 2） 医学： AI 能支持从大规模基因组研究 （ 如全基因组关联研究，排序 研究）中识别出遗传风险的生物信息学系统 ， 并预测新药物的安全性和有效 性。 39 AI 技术允许进行多维度 的 数据评估，以研究公共卫生问题，并为医疗诊 断和处方治疗提供决策支持系统。 40 AI 技 术为个人提供药物定制；由此可提高 医疗效果、患者舒适度和减少浪费。 41 （ 3） 法律 ： 通过机器对法律个案 史 进行分析会变为普遍。 42 这些变得越来 13 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 越复杂的过程使辅助取证过程的分析水平得以提高。 42 法律取证工具能识别和总 结相关证据；这些系统甚至能以越来越复杂的方式制定法律条例。 42 （ 4） 个人服务 ： AI 软件可以利用多来源的知识，为多种用途提供更准确 的信息。 43 自然语言系统可以为真实世界、嘈 杂 环境中的技术系统提供直观界 面。 44 个性化工具能为个人和群体调度提供自动辅助设备。 45 文本能从多个搜索 结果进行自动汇总，并在多种媒体中得以增强。 46 AI 可以实现实时口语多语言 翻译。 47 增强国家和国土安全 机器学习代理可以处理大量智能数据，并使用 快速变化的战术来识别敌人 的相关生存规律模式。 48 这些代理还能向易受攻击的关键基础设施和主要经济部 门提供保护。 49 数字防御系统可以大大降低战场风险和伤亡。 50 如何增强国家和国土安全。 （ 1） 安全和执法 ： 执法和安全官员可以通过使用模式检测来检测个人行为 者的异常行为或预测危险人群的行为，从而帮助建立一个更安全的社会。 48 智能 感知系统可以保护关键基础设施，如机场和发电厂。 49 （ 2） 安全和预测 ： 正常条件的分布式传感器系统和模式理解技术可以检测 主要基础设施中断的概率何时会显著上升， 无 论是由自然原因还是人为原因引 起。 51 这种预测能力能有助于指示出问题将在哪里发生，以防止或甚至在发生之 前阻止中断。 51 然而，这种积极使用 AI 的愿景，需要大量研发进展。 许多关键和困难的技 术挑战仍存在于所 有 AI 子领域中，包括基 础 科学和应用领域。 AI 技术还存在 风险，例如随着人类因自动化系统而增长或 被 替代，劳动力市场可能会中断， 以及 AI 系统安全性和可靠性的不确定性。 本 AI 研发战略计划的后续章节讨论 了 AI 研 发投资的高级优先和战略领域，这些将支持这一愿景的同时将降低潜在 破坏和风险。 （四）人工智能的现状 自其开始后， AI 研 究已经历了三次技术浪潮。 第一次浪潮集中于手工知 识， 20 世纪 80 年 代着重于明 确 定义域的基于规则的专家系统，其中知识是从 人类专家中采集，以 “if then” 的规则进行运算，然后在硬件中执行。 此类系 14 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 统推理可成功应用于狭义问题，但其并没有 学 习或处理不确定性的能力。 然 而，他们仍然能产生重要解决方案，并且今天的技术发展仍然非常活跃。 AI 研究的第 二次浪潮起始于 21 世纪直到现在，其表现特点是机器学习的 崛起。 当应用于诸如图像和书写识别、语音 理 解和人类语言翻译的任务时，极 为大量的数字数据可用性、相对便宜的大规 模 并行计算能力和经改良的学习技 术 让 AI 变得更为进步。 这些进步的成果无处不在：智能手机执行语音识别、 ATM 在书面支票执行手写识别、电子邮件应用程序执行垃圾邮件过滤、以及免 费在线服务执行机器翻译。 其中一些成就的关键是深度学习的发展。 如今， AI 系统在专业任务上的表现经常胜于人类。 AI 首次超越人类表现的 主要里程碑包括：国际象棋（ 1997 年）、 52 trivia（ 20xx 年）、 53 Atari 游戏 （ 20xx 年）、 54 图像识别（ 20xx 年）、 55 语音识别（ 20xx 年）、 56 和 Go（译者 注： 即 AlphaGo 围 棋。 20xx 年 ）。 57 这类里程碑的步伐似乎越来越快，按现 状，最佳表现系统是基于机器学习，而非手编码规则集合。 AI 的这些成就已得到了强大的基本研究基础的支持。 这项研究正在扩大， 可能会刺激未来的发展。 作为一项指标， 20xx 年 到 20xx 年，以科学为索引提 到 “ 深度学习 ” 的期刊文章的网站数量增加 了 六倍（ 图 1）。 这一趋势也表明 研究日益全球化，美国的出版物，或至少被 引 用过一次的出版物的数量不再领 先世界（图 2）。 美国政府在人工智能研究中发挥了关键作用， 尽管商业部门也积极参与人 工智能相关研发。 58 使用 “ 深度学习 ” 或 “ 深度神经网络 ” 这一术语的专利数量 急剧增加（图 3）。 从 20xx 年到 20xx 年，投入人工智能创业公司的风险资本 增加了四倍。 59 人工智能的应用现正为大型企业创造可观收益。 60 人工智能对金 融系统的影响甚至更大 — — 全球金融交易近乎一半，即数万亿美元的交易，属 于自动化（ “ 算法 ” ）交易。 61 15 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 至少被引用一次的期刊数 期刊数 深度学习 出版年份 图 1：各 国提 到 “ 深 度学 习 ” 或 “ 深 度神经 网络 ” 的期 刊文章 62 深度学习（引用出版物） 中国 美国 英国 澳大利亚 加拿大 日本 德国 新加坡 韩国 法国 中国 美国 英国 澳大利亚 加拿大 日本 德国 新加坡 韩国 法国 出版年份 图 2：各 国至 少被引 用过 一次的 提到 “ 深度 学习 ” 或 “ 深度 神经网 络 ” 的期刊 文章 63 16 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 患者人数 深度学习专利 专利公布年份 图 3：使 用术 语 “ 深 度学 习 ” 或 “ 深 度神经 网络 ” 的专 利数 量分 析 64 尽管取得了进步，人工智能系统仍然有其局限 性。 几乎所有进步都是在能 够有效完成专业任务的 “ 狭义人工智能 ” 方 面 取得；而在各种认知领域能够发 挥有效作用的 “ 广义人工智能 ” 方面取得的 进 步很小。 即使是在狭义人工智能 方面，进步也不均衡。 用于图像识别的人工 智 能系统需大量人力来标记数以千 计的示例答案。 65 相反，大多数人只需通过几个示例便可 “ 一次性 ” 掌握学习方 法。 虽然大多数机器视觉系统容易被具有重 叠 事物的复杂场景混杂，但是儿童 可轻松进行 “ 场景解析 ”。 人容易理解的场景对于机器来说仍然很困难。 人工智能领域现处于第三次浪潮的开始阶段， 注重解释性和通用人工智能 技术。 这些方法的目标是通过说明和界面修 正 加强学习模型，明确输出的基础 和可靠性，以高透明度运作，超越狭义人工 智 能，获得可在更广泛任务领域中 通用的功能。 如果成功的话，工程师可创建 系 统，构建现实世界现象类的解释 性模型，与人进行自然交流，在遇到新任务 和 情况时学习和思考，并通过总结 过去的经验解决新问题。 人工智能系统的解 释 性模型可通过先进方法自动构 建。 这些模型可实现人工智能系统的快速学 习 ，可以向人工智能系统提供 “ 含 义 ” 或 “ 理解 ” ，使人工智能系统获得更多通用功能。 17 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 二、研发战略 《战略》中所述研究重点侧重于行业不能解决 的领域，因此这些领域最有 可能从联邦投资中受益。 这些重点研究涉及 人 工智能领域所有需求，包括感 知、自动推理 /规划、认知系统、机器学习 、 自然语言处理、机器人等人工智能 子领域和相关领域中的常见需求。 由于人工 智 能的广度，这些研究重点跨越整 个领域，而不仅针对各子领域具体的单个研 究 难题。 为了实施该规划，应制定 详细的路线图，明确与规划一致的功能缺口。 战略一中所述最重要的联邦研究重点之一是对 人工智能的持续长期研究， 获得发现和深刻见解。 美国联邦政府许多对 高 风险、高回报基础研究的投资已 带来了今天赖于生存的革命性的技术进步， 包 括互联网、 GPS、智能手机语音识 别、心脏监视器、太阳 能电池板、先进电池 、 癌症治疗等。 人工智能的前景几 乎可涉及社会的每一方面，带来显著积极的 社 会效益和经济效益。 因此，为了 在这一领域保持世界领先地位，美国必须重 视 对人工智能基础和长期研究的投 资。 许多人工智能技术将与人一起工作， 16 因此如何最好地建立主动帮助人工作 的人工智能系统成为重要挑 战 16。 人和人工智能系统之间的壁垒慢慢被打破， 人工智能系统不断增强人的能力。 如战略二 所 述，需开展基础研究，以研究有 效的人机交互和协作方法。 人工智能的进步为社会带来了许多积极的益处 ，并提高了美国的国家竞争 力。 8 然而，与大多数变革性技术一样，人 工 智能也为某些领域带来了风险，包 括就业、经济、安全、伦理和法律问题。 因 此 ，随着人工智能科技的发展，联 邦政府也必须投资研究更好地理解人工智能 对 所有这些领域的影响，并通过研 发如战略三所述的符合伦理、法律和社会目 标 的人工智能系统以解决这些影 响。 当前人工智能技术的一个关键缺口是缺乏确保 人工智能系统安全性和可预 测性的方法。 确保人工智能系统的安全性是 一 项挑战，因为这些系统异常复杂 并不断演变。 面对这一安全挑战进行了几项 重 点研究。 首先，战略四强调需建 立可解释和透明的系统，这些 系统受到用户 信 任，按用户可接受的方式运行， 并确保可按用户想要的方式运行。 人工智能 系 统的潜在功能和复杂性以及与人 18 美国国家人工智能研究与发展战略计划 中国信通院（ CAICT）编译组整理 跨领域研发基础 基础研发 应用程序 数据分析 感知 农业 通信 理论假设限制 教育 通用人工智能 财务方面 政府服务 可扩展人工智能 法律 类人人工智能 物流 制造业 机器人 市场营销方面 硬件 医药 人事服务 人本意识人工智能 科学和工程 人类机能增进 安保 运输 自然语言处理 界面和可视化 类用户和环境的广泛相互作用，使增加对人 工 智能技术安全性和控制性研究的 投资至关重要。 战略五要求联邦政府对用于 人 工智能培训和测试的共享公共数 据集进行投资，以推进人工智能的研究并对 替 代解决方案进行更有效的比较。 战略六讨论了评估研发的标准和基准，以确 定 进展，缩小差距，为具体问题和 挑战提供创新解决方案。 标准和基准对于测 量 和评估人工智能系统以及确保人 工智能技术符合设计功能和互用性的关键目标至关重要。 最后，人工智能技术在社会各领域的日益普及 为人工智能研发专家带来了 新的压力。 66 人工智能领域的核心科学家和工程师将拥有大量机会，他们熟练 掌握技术，具有新想法，能够拓展该领域的 知 识边界。 国家应采取措施，确保 熟练掌握人工智能技术的人才充足。 战略七阐述了这一挑战。 以下 图 4 提供了本《战略》总 体 结构的图形说明。 底部一行（红色行）是 影响所有人工智能系统开发的跨领域根本基 础 ；这些基础在战略三 7 中进行了 说明。 中间第二行（浅蓝色和中蓝色行）包 括 推动人工智能进步所需许多领域 的研究。 这些基础研究领域（包括应用型基础研究）在战略一 2 中进行了概 述。 67 图形的顶部一行（深蓝色行）是预期受益于 AI 进步的应用示例，如本文 件前文愿景部分 所述。 总之，本《战略》的 这 些组成部分为联邦投资定义了一 个高层框架，可为该领域带来有效进展和积极的社会效益。 [1]长期投资 [2]人机协作 [3] 伦理、法律和社会 影响 [4] 安全与安保 [5] 标准和基准 [6] 数据集和环境 [7] 人工智能精干团队 图 工 智 能研发 战略 规划的 结构 跨领域研 发 基础（底 部 红色行） 对 于所有人 工 智能的研 究 都很重要。 人工智能 研 发的 19 美国国家人工智能研究与发展战略计划 中国信通院。