自 1956 年的達特茅斯會議( Dartmouth Conference)提出人工智能概念以來,人工智能的發(fā)展經(jīng)歷了“三起兩落” 的曲折歷程。 2016 年 3 月, 以 AlphaGo 以4:1 戰(zhàn)勝人類棋手為標志, 人工智能開始逐步升溫, 并成為各國政府、 科研機構、
產(chǎn)業(yè)界以及消費市場競相追逐的對象。 為了在新一輪國際競爭中掌握主導權, 搶占人工智能發(fā)展的制高點, 各國投入大量的精力和資金, 開展人工智能關鍵技術的攻關與應用相關的研究與產(chǎn)品開發(fā), 并紛紛推出了不同的人工智能平臺與產(chǎn)品。
我國人工智能的應用范圍極廣。 從行業(yè)應用的角度看, 在制造、 物流、 醫(yī)療、教育、 安防等行業(yè)都有廣泛應用。 以制造業(yè)為例, 當前的制造業(yè)不論是生產(chǎn)、 流通還是銷售, 都正趨于數(shù)據(jù)化、 智能化。 大數(shù)據(jù)和人工智能技術可以協(xié)助企業(yè)分析生產(chǎn)過程中的全鏈路數(shù)據(jù), 實現(xiàn)生產(chǎn)效率、 庫存周轉率、 設備使用效率提升等目標。 在智能制造進程中, 工業(yè)機器人成為人工智能的典型代表, 成為智能制造的重要實現(xiàn)端之一。就物流行業(yè)而言,人工智能的技術應用主要聚焦在智能搜索、推理規(guī)劃、 模式識別、 計算機視覺以及智能機器人等領域。 如今, 現(xiàn)代物流企業(yè)紛紛嘗試利用人工智能技術優(yōu)化物流環(huán)節(jié)、 提高物流效率。 人工智能還能夠幫助企業(yè)根據(jù)市場銷售情況、 供應鏈生產(chǎn)情況、 物流配送、 倉儲庫存水平, 甚至每個環(huán)節(jié)的容錯概率等等進行精準排產(chǎn), 最大限度利用已有資源。 人工智能在醫(yī)療健康主要的應用領域則包括五個方面: 臨床決策支持、 臨床輔助診療系統(tǒng)、 患者管理、 輔助手術和患者照護的自動設備, 即各種機器人、 醫(yī)療機構的管理以及新藥的研發(fā)。
人工智能在自動駕駛、 醫(yī)療、 傳媒、 金融、 工業(yè)機器人以及互聯(lián)網(wǎng)服務等越來越多領域和場景下得到應用, 一方面帶來了效率的提升、 成本的降低, , 另一方面, 人工智能系統(tǒng)的自主性使算法決策逐步替代了人類決策, 而這種替代有時非但沒有解決已有的問題, 還讓已有的問題更難解決, 甚至給社會帶來了全新的問題。 這些問題不僅僅引發(fā)社會的廣泛討論, 更是限制人工智能技術落地的重要因素。 其中最為典型的便是自動駕駛領域, 社會的巨大需求與技術的不斷成熟讓自動駕駛成為了全球炙手可熱的研究與發(fā)展領域, 而其潛在的風險又驅使人們?nèi)シ此技夹g帶來的倫理問題。各國已有法律與政策的難以適用以及新政策的模糊不清也給自動駕駛技術的落地造成了困難。面對倫理風險與其潛能一樣巨大的人工智能技術, 人們急需一個廣泛、 普遍的倫理探討, 并在這些探討的基礎之上找到路徑、 梳理規(guī)范, 以保證人工智能的良性發(fā)展 。
點擊下載《人工智能倫理風險分析報告》