復雜的社會及經濟問題 ?勞動力市場需求與沖擊

在過去數十年，中國因“人口紅利”受益良多，勞動力的擴張***促進了經濟增長。但老齡化正使中國逐漸失去這一推動力。中國的勞動年齡人口最早將在2024 年達到峰值，并在之后的 50 年中減少五分之一。

這一人口結構變化趨勢意味著在當前生產力水平的基礎上，中國將缺乏足夠的勞動力以維持其經濟增長。拉動經濟增長唯一可行的方式就是大幅推動生產力增長，如引進人工智能。麥肯錫全球研究院預測，根據應用速度的不同， 基于人工智能的自動化為中國帶來的生產力提升每年可貢獻0.8至1.4個百分點的經濟增長。

人工智能有大幅提升生產力增長的潛力，但代價可能是收入差距的進一步拉大，包括城市發展不平衡的加劇。總而言之，人工智能將推動形成所謂的“技能偏好型科技變革”——即數字技能將特別受到重視，而對中低端技能勞動力的需求將縮小。

中國目前從事可自動化工作的勞動力人口超過其他國家。麥肯錫全球研究院預測中國 51%的工作內容有自動化潛力，這將對相當于 3.94 億全職人力工時的沖擊。但這并不意味著如今的高端工種能夠完全免受沖擊。比如，醫生之類專業人士的部分工作也可能被自動化，而醫生的工作內容將會更專注于與人的溝通和互動。

社會效益與隱憂

人工智能發展前景廣闊，可用于改善醫療、環境、安全和教育，提升民生福祉。與此同時，由于它模糊了物理現實、數字和個人的界限，衍生出了復雜的倫理、法律及安全問題。隨著人工智能的逐漸普及，需要審慎管理來應對這一轉變。

許多現有用例展現出了人工智能解決社會問題的潛力，如環境變化預測、節能減排、智能醫療、數字化醫療檔案、更為安全高效的交通系統、智慧城市、自動駕駛等。

然而，除了這些潛力外，管理具備自主學習和決策能力的機器也是一份重艱巨的責任。

首先：誰擁有個人數據？數據應以何種方式共享？面對日趨嚴峻的網絡安全攻擊又該如何保護數據？其次，人工智能可能在決策過程中產生無意識的歧視。由于現實世界存在著各種形式的***、性別歧視和偏見，輸入算法中的數據也可能附帶這些特征。而當機器學習算法學習了這些帶有偏見的訓練數據，也就“繼承”了偏見。此外還有很多地緣政治的***，如國家間的“數字鴻溝”，“自動化武器”風險等。

除倫理問題之外，人工智能在社會的普及更會產生諸多法律層面的***。如果人工智能的決策導致意外甚至犯罪，誰應當對其負責？人工智能創作的知識產權歸誰所有？一旦人工智能擁有超級能力，又該用哪些措施進行監管？人工智能研發人員有哪些法律權利與義務？

要建立一個完善的法律及倫理框架，仍有許多問題尚待充分探討。

中國AI戰略重點的五大預測

建立完善的數據生態系統

數據是未來的貨幣。例如在醫學研究中，如果沒有全球海量臨床數據的支持，人工智能的潛力就無法得到充分挖掘。過多的桎梏將會束縛中國的人工智能企業，導致其喪失開發具有全球競爭力產品的能力。

中國可以通過建立并落實數據規范、向私營領域開放公共數據、鼓勵跨國數據交流來構建一個更為完善的數據生態系統。

首先， 建立 數據標準是進行廣泛數據分享和實現系統間交互操作的重要前提條件，有助于提升物聯網及人工智能技術的價值。潛在的龐大數據體量是中國的天然優勢，使中國有機會在國際上更好地發揮領頭羊的作用。而且，在與中文語言相關的數據規范制定方面，中國也應起到主導作用。

對于特定行業數據，政府可要求現有的監管機構制定必要規則。比如美國證券交易委員會在 2009 年出臺規定，要求所有上市公司使用 XBRL（可擴展商業報告語言）格式發布財報，確保所有公開數據的機器可讀性。

其次，為了提升數據的多樣性，政府應提高公共數據的開放程度 ，并帶頭建設行業數據庫。這些舉措同時能夠提升公共服務質量、提供政策制定洞見，從而帶來額外益處。比如紐約市政府就建立了公開數據門戶網站，為市民提供經濟發展、醫療、休閑、公共服務等領域的數據。2012 年紐約市還頒布了《開放數據法案》，要求政府部門使用機器可讀取的數據并建立 API（應用程序編程接口），方便軟件研發人員直接連接政府系統并獲取數據。

最后，***還需考慮 國 際 數據流的價值。麥肯錫全球研究院的調查表明，2014 年，跨境數據流為全球經濟創造了 2.8 萬億美元的價值，對經濟增長的貢獻已經超過實體貿易。此外，研究還指出，由于經濟體需要接觸全球的思想、研究、科技、人才和最佳實踐案例，數據流入和流出都能十分重要 。

拓寬人工智能在傳統行業的應用

第一重障礙是很多商業領袖還沒有意識到改變現有業務運作方式的緊迫性。麥肯錫調查顯示，目前在中國的傳統行業中，超過 40%的公司仍未將人工智能列入戰略優先項。因此，許多公司仍未開始采集未來人工智能系統所需要的數據。例如，農業公司鮮少記錄如種植時間表或是氣候對產出的***，而這些信息正是人工智能生成洞見及提升效益所需要的。與此形成對比的是，英國、美國和日本都已建立了全國信息系統采集此類數據，將先進的分析技術引入現代農業管理。

第二重障礙是專業技術知識的缺失。中國需要培養更多的優秀數據科學家，特別是在一些需求緊迫的領域。而能將人工智能知識轉化為商業應用創造價值的人才也同樣緊缺。為了理解和應用數據，越來越多的企業決策者和中層管理者需要學習新技能。與英特爾類似，一家中國芯片制造商已經意識到，分析在制造和測試過程中的大量數據將有助于改進生產流程并降低殘次率。但由于缺乏既懂半導體技術，又懂人工智能的人才，這一想法仍然沒能被付諸實施。

第三重障礙是實施成本較高。對中國企業而言，購買人工智能系統、高價聘用專業人才有時并不合算。當人工成本較低時，引入先進技術、精簡人工流程的需求也并不那么迫切。

減稅和補助等傳統經濟工具可以解決一些問題。同時，政府還應率先垂范應用人工智能系統。這將產生強有力的跟隨效應，激活市場，助力服務供應商的發展，積累技術經驗和人才，最終達到降低應用成本的目的。

此外，鼓勵物聯網（簡稱“IoT”）在傳統行業的應用將有助于人工智能產生更多的價值。物聯網通過傳感器和網絡實現各類設備間的聯通，為人工智能提供了海量的真實世界數據。結合“互聯網+”政策，政府可協助打造物聯網在關鍵經濟領域應用的成功案例，為其他行業樹立典范。

加強人工智能專業人才儲備

中國面臨著巨大的人工智能人才缺口。政府需要大力投資人工智能相關教育和研究項目；重新設計教育體系，突出創新和數字技術的重要性；制定吸引全球頂尖人才的移民政策。

政府可出資設立人工智能項目，資助頂尖大學創建人工智能研究實驗室和創新中心，以推進大學、科研機構和私營企業間的合作。在這方面，韓國政府已經邁出堅實的一步，投資 1 萬億韓元（約合 8.63 億美元）與韓國商業巨頭合資建立國家級的公私合營人工智能研究中心。加拿大政府也有類似舉措：政府向蒙特利爾三所大學的人工智能研究項目投資超過 2 億美元。

許多受訪專家表示，中國必須花大力氣培養更為廣泛的創新文化，方可實現人工智能領域的突破。途徑之一就是引入將人工智能和其他學科相結合的大學課程。斯坦福和麻省理工等頂尖美國高等院校已經開設了計算機科學與人文學科的聯合專業，旨在尋求激發創造力的新方法。此類課程能夠激發人工智能在醫療、法律、金融和媒體等各領域的應用。

投資大學項目可帶來長期收益，因為人才是未來吸引國際公司的核心所在，而非傳統的稅收或其他財務優惠。人工智能的大型研發團隊對吸引學術人才愈發重視。谷歌 DeepMind 團隊中有大約三分之二的成員來自如倫敦大學學院、牛津大學和蒙特利爾大學等學術機構。這一領域頂尖公司自然而然會向擁有大量人工智能人才的城市匯聚。例如，隨著蒙特利爾在該領域的聲名鵲起，谷歌和微軟都宣布了將向當地大學人工智能研究所投資并拓寬公司在當地的業務。

除了培養國內人才，中國也需要與全球頂尖數據科學家合作，參與到國際協作之中，包括大力引進國際專家來華工作、鼓勵中國人工智能研究者出國學習全球最新的創新科技。這些要求政府放松居住和移民政策，并出臺獎勵和支持措施。

教育和培訓體系升級與再培訓

人工智能在經濟和社會中的普遍應用還需要數十年，但中國現在就應為一些行業的快速顛覆做好準備。某種關鍵技術的突破短短幾年就可以讓一些職業消失。

未來的一項長久挑戰是幫助受到人工智能沖擊的行業勞動力重新適應并獲得新技能，這將是保障公共福利和維護社會穩定的關鍵。政府要及時識別哪些是最可能被自動化取代的工作，并為受到***的勞動力提供再培訓，比如與職業培訓學校緊密合作，向工人提供免費教育的機會。

與此同時，政府也應著力加強數據和人工智能在各個階層的教育。未來的政府領導必須理解人工智能才能制定明智的政策，未來的管理人員必須了解人工智能才能管理企業；未來的工人必須學會與人工智能共事才能避免被淘汰。

在國內及國際上建立倫理和法律共識

人工智能的進步將在多個方面為社會帶來深遠的***。在最為緊迫的倫理和法律問題上，中國不僅要在本國，更要在國際上促成共識。

在國內，應形成一套 透明 和廣 泛 的 質詢 程 序來確保公眾做好迎接變革的準備。一些法律問題，比如隱私保護和自動駕駛汽車的責任認定等，將對人工智能的發展及應用有著舉足輕重的***。全國人大需要建立起法律框架，掃清法律上的不確定性。

待法律框架建立之后，政府就要成立監管機構負責人工智能的監督和管理。考慮到人工智能在各行各業的廣泛應用，這就要求政府與各相關機構協商咨詢、發揮其專長。比如，醫療領域的應用不當將造成嚴重后果。因此，國家衛生和***委員會必須在規則制定過程中擁有強有力的話語權。

在國際方面，中國可以牽頭組建國際性的監管機構以促進人工智能技術的和平、全面和可持續發展。該國際機構的目標應是監管人工智能的發展、制定標準和確定倫理準則。

除了監管，中國還可以在全球經濟發展中起到模范作用。為保證全球數字鴻溝不會成為經濟繁榮的長期阻礙，中國可與其他發展中國家分享和交流人工智能技術及管理經驗，從而揭開“人工智能***”新篇章。

智東西認為，我們的人口結構、產業結構和生產力發展現狀決定了人工智能的應用發展大勢，但如文所屬，數據環境、人才緊缺和智能硬件，特別是微晶片、CPU等產業的不成熟，可以說是中國人工智能發展面臨的最大難題，很難在短期完善的解決；此外，技術方面，我國論文數量并不能彌補論文質量的不足，在很多基礎層的關鍵領域有待提高，這對于大數據紅利之后的后深度學***而言非常重要。