當約翰.麥卡錫(John McCathy)在1956年的達特茅斯會議上首次提出“人工智能”概念時，只是想讓電腦像人一樣智能的去完成一些繁瑣的任務(wù)，從而讓我們有更多的時間去做喜歡做的事情。
而在60多年之后，人工智能已經(jīng)開始幫助我們?nèi)ソ鉀Q那些人類社會面臨的最為重大的問題。
2019年，約書亞.本吉奧(Yoshua Bengio)、戴密斯.哈薩比斯(Demis Hassabis)、吳恩達等22位專家共同發(fā)表了名為《利用機器學習應(yīng)對氣候變化》(Tackling Climate Change with Machine Learning)的文章。文章將機器學習的目標指向氣候變化這一人類社會最大的挑戰(zhàn)，并提出了多達13個機器學習能夠在其中發(fā)揮的領(lǐng)域，包括能源生產(chǎn)、減少碳排放、教育和金融等等。
與其說這是一篇論文，更不如說是一篇應(yīng)對全球氣候惡化的檄文。
“氣候變化是人類面臨的最為重大的挑戰(zhàn)之一，我們，作為機器學習的專家，會思考如何去幫助解決這一問題。”文章的引言中寫道，“從智慧電網(wǎng)到自然災害管理，我們?nèi)ザx那些能被人工智能解決且影響重大的問題，我們的建議既有那些令人振奮的研究課題，也包括蘊含其中的商業(yè)機會，我們呼吁整個機器學習社區(qū)都加入到抗擊氣候變化的全球行動中來?！?/P>
這篇文章正是全球人工智能研究合作體系的一個縮影。
自本世紀人工智能復興以來，全球人工智能開發(fā)者之間不斷建立起更深層的互連協(xié)作，開源社區(qū)就是其中的典型代表。
根據(jù) GitHub 2019 年度報告(2018年10月1日至2019年9月30日)：機器學習語言Python在這一年首次擊敗Java成為了Github上第二受歡迎的開發(fā)語言(僅次于JavaScript);數(shù)據(jù)科學成為了Github上的行業(yè)焦點，越來越多的數(shù)據(jù)軟件倉庫出現(xiàn)了深度學習、自然語言處理、機器學習等主題;由谷歌大腦開發(fā)和維護TensorFlow成為了焦點項目。
GitHub在這一年中共創(chuàng)建了4400萬個代碼倉庫，其中包含著眾多人工智能方面令人振奮的開源項目，包括將機器學習用于藥物研發(fā)或?qū)⑷斯ぶ悄軕?yīng)用于各種類型的機器人等等。GitHub 上每個代碼倉庫的依賴包高達200個，每個開源項目背后都是數(shù)百個其它開源項目所提供的支撐。微軟亞太研發(fā)集團將此稱為：全球人工智能與軟件界已經(jīng)在開放開源平臺深刻互聯(lián)。
企業(yè)一方面將開源社區(qū)納入到自己的研發(fā)體系中，而另一方面也為開源做出貢獻并加入開發(fā)人員社區(qū)。商業(yè)力量與科學家智慧正匯集在一起，共同邁向人工智能的星辰大海。
當人工智能擁有足夠力量去改變世界的時候，人們需要依靠自身的價值觀去規(guī)范發(fā)展的方向。
公共衛(wèi)生是人工智能近期發(fā)展的一個熱門領(lǐng)域。在抗擊新冠疫情中，人工智能被廣泛應(yīng)用于排查病患、追蹤密切接觸者，而在經(jīng)濟重啟中，數(shù)字技術(shù)的應(yīng)用也被視為是一個關(guān)鍵。
“我們需要有一種簡單方法在未來的一年半到兩年的時間內(nèi)既讓人們保持社交距離，同時又讓經(jīng)濟重啟。因為我們可能需要這么多時間進行疫苗臨床試驗和大規(guī)模疫苗接種?！盪iPath首席戰(zhàn)略官 Vargha Moayed和圖靈獎得主本吉奧5月份在《新冠肺炎中的點對點人工智能追蹤》(Peer-to-peer AI-tracing of COVID-19)一文中指出，“同時我們需要避免開發(fā)出的工具在未來對被政府和公司濫用，從而被用于追蹤和控制我們自己?！?/P>
在他們看來，基于數(shù)據(jù)科學開發(fā)的工具的目標不應(yīng)該是用來指責或鑒別，而是給予公眾足夠的信息盡可能減少被感染或者感染給他人的風險。
人工智能的倫理準則被視為是規(guī)范人工智能發(fā)展的綱要性規(guī)范。
2019年，歐盟委員會的歐盟人工智能高級別專家組起草發(fā)布了人工智能倫理準則，提出發(fā)展“可信賴的人工智能”，并宣布啟動準則的試行階段?！翱尚刨嚨娜斯ぶ悄堋睉?yīng)尊重基本人權(quán)、規(guī)章制度、核心原則及價值觀，同時需要確保人工智能在技術(shù)上安全可靠，避免因技術(shù)不足而造成無意的傷害。中國科技部也正通過成立國家新一代人工智能治理專業(yè)委員會、發(fā)布新一代人工智能治理八項原則等措施來發(fā)展負責任的人工智能。
從某種意義上，道路的選擇比前進的速度更為重要。
一個典型的例子是如何在人工智能時代應(yīng)對人類社會另一個重大挑戰(zhàn)--貧富差距擴大。選擇不同的道路會讓人工智能帶領(lǐng)我們走向兩個截然不同的方向。
橋水基金創(chuàng)始人瑞. 達利歐(Ray Dalio)認為人工智能和自動化在提升總生產(chǎn)力的同時也在消滅工作崗位，這將導致巨大的財富和機遇差距從而引發(fā)民粹主義。另外還一些人擔心，制造業(yè)智能化的進程可能導致企業(yè)間更大的不平等，因為相對于大企業(yè)，規(guī)模較小的企業(yè)可能因為難以完成智能化轉(zhuǎn)型從而陷入更大的劣勢。
但如果我們善用人工智能，結(jié)局就可能完全不同。
圖靈獎獲得者拉吉.瑞迪(Raj Reddy)相信，如果我們善用技術(shù)，語音交互界面可以讓世界上超過一半的半文盲人口充分從互聯(lián)網(wǎng)經(jīng)濟中獲益，最終帶來包容性增長。就如他曾在上海世界人工智能大會上所說的，我們要從過去吸取教訓，保證從技術(shù)中獲得好處，同時制定相關(guān)的法律法規(guī)和準則，讓有可能發(fā)生的壞事不在未來發(fā)生。
最終還是我們自己決定未來走向何方。我們是否有能力去糾偏和矯正科技行業(yè)的狹隘的技術(shù)向度和利益局限，將決定人工智能否幫助人類建設(shè)真正的共同家園。
（轉(zhuǎn)載）
