近年（nián）来，以深度学习、强化（huà）学习（xí）为代表的人工智能技（jì）术（shù）从语（yǔ）言（yán）翻译、图像识别、工业自（zì）动化等（děng）工程技术领域，拓展到智能生产、智（zhì）能农业、智能物流、大数据宏观（guān）经济（jì）监测、量化投研等经（jīng）济、金融范（fàn）畴，可谓应用广泛。

人工智能技术具有处（chù）理高维数据的先（xiān）天优势，可以通（tōng）过表征学习、价（jià）值函数近似（sì）、特征选择等方式避开传统分析方（fāng）法的诸多限制，获得了更好的预测和决（jué）策效果。为（wéi）了使人（rén）工智能技术达到令人满意的预测和（hé）决策效果，研究人员往往需要投入大量的数据资源。这一技术特性使得数据资源,成（chéng）为（wéi）关键（jiàn）性生产要素。在大（dà）数据、智能化、移动互联网、云计算等日渐（jiàn）普及背景下，人工智能技（jì）术（shù）作（zuò）为（wéi）提供信息（xī）产（chǎn）品和信息服务的底层（céng）技术，也是工业经济逐步向数字经（jīng）济转（zhuǎn）型的关键。

人工智能算法是什么

人工智能算法大致可分作监（jiān）督学（xué）习、无监督学（xué）习与（yǔ）强化学习（xí）。其中，监督学习通过不断训练程序（xù）（模型）从人类已有经验中学习规律。在（zài）这一类机器学习中（zhōng），研（yán）究人员会通过标记数据的方（fāng）法，不断调（diào）整模型参（cān）数以（yǐ）达到学习（xí）目的。类（lèi）似于父母会向孩子（zǐ）展示不同颜色、大小乃至种（zhǒng）类的苹果，教会孩子认识“未曾见过”的（de）苹果（guǒ）。这便是监督学习的目（mù）的：样本外预（yù）测。

无（wú）监（jiān）督学（xué）习则通过（guò）训练程序，使机器能（néng）直接从已有数据中提取特征（zhēng），对信息进行压缩，用于完成其他任务。如传统的主成分分析，可以将（jiāng）高维特征使用（yòng）低（dī）维度向量近似（sì）。例如，我们可（kě）以使用主成分分析技术压缩图（tú）片，以达到节（jiē）省（shěng）储（chǔ）存空间的作用。因此，这类机器（qì）学习算法并不需（xū）要以（yǐ）往经验，也被称之为无（wú）监（jiān）督学习。

当然，无监督学习与监（jiān）督学习之间并不（bú）是彼此对立的关系，对于存在部分标注（zhù）的（de）数（shù）据，我们也可以（yǐ）使用半监督学习算法（fǎ）。比如（rú）最近比（bǐ）较流行的对抗神经网络——我们可（kě）以使用该算法学习一（yī）系列甲骨文后，令（lìng）它生成（chéng）多个足以（yǐ）以假（jiǎ）乱真、却从不代表任何意义（yì）的（de）“甲骨（gǔ）文”，相当于计算（suàn）程序“照虎画虎”却不知为虎。

此外，强化（huà）学习与以上（无、半）监督学习算法（fǎ）不（bú）同，强化学习（xí）是动（dòng）态（tài）优化（huà）的延伸，而（无、半）监督学（xué）习（xí）则与统计学更为接（jiē）近。强（qiáng）化学习通过使智能（néng）程序不断地与环境交互，通过调整智能程序（xù）的决策参数（过程）达到最大（dà）化其累积收益的目的。强化学习是最（zuì）接近于人类决策过程的机器学习算（suàn）法，类似（sì）于让（ràng）一个智能（néng）体无限（xiàn）、快速地感知（zhī）世（shì）界，并通过自（zì）身失败或者（zhě）成功的经验，优化自身（shēn）的决策（cè）过程，在这一过程（chéng）中计（jì）算机（jī）程式（shì）并不那么需要（yào）老师。当然，强化（huà）学习也并不（bú）能完全（quán）同（tóng）监督学习割裂开来。比如AlphaGo就是通（tōng）过强（qiáng）化（huà）学习手段所训练的计算程（chéng）序，但在（zài）AlphaGo训练的第（dì）一阶段，研究（jiū）人员使用了（le）大量的人类玩家棋谱（pǔ）供AlphaGo模仿学习，这（zhè）里人类已有经验类似于老师；但是在AlphaGo的（de）升级版本ZeroGo中，模仿学习已经完全被摒弃。

为了使人（rén）工智（zhì）能算法拥（yōng）有普遍适（shì）用（yòng）性，我们（men）往往需要大量数据、算力以及（jí）有效的计算算法。大量数据相当于我们聘（pìn）请了（le）一个知识渊博（bó）的老师指导（dǎo）计算机程（chéng）序，高额算力则（zé）会赋予（yǔ）计算机程序更快（kuài）学（xué）习（xí）到（dào）知（zhī）识的能力（lì）。人工智能研（yán）究领域一个（gè）重要的（de）方向，是不断开发能更有（yǒu）效利用既有数据（jù）和算力的计算算（suàn）法，相（xiàng）当于为计算机程序提供更好的学习（xí）方法和路（lù）径。因（yīn）此，数据标注、云计算、芯片设计（jì）与算法开发，可（kě）谓是（shì）人工智能行业的核心（xīn）部分（fèn）。

人工智能技术对社会经济带来什么影响

事实上，人工智能技术（shù）作为学科起源于20世纪50年代，比如“人工智能之（zhī）父”McCarthy等人在50年代提（tí）出人工智能；决策树模型起源于上世纪50至60年代，当（dāng）前广为应用的神经网（wǎng）络模（mó）型、Q学习强化学习算法则起源于20世纪80年代（dài）。但人工智能技术要（yào）想（xiǎng）达到媲（pì）美（měi）人类（lèi）决（jué）策（cè）的（de）精准度，需要大量训练（经验）数（shù）据和高额（é）算力（lì），因此直到2000年（nián）以后（hòu），人工智能技术才得（dé）以实现跨越式发展。

在大量数据与（yǔ）高额算力（lì）的加持（chí）下，部分人工智能（néng）技术已可替代（dài）人类做出大规模（mó）的精确决策（cè），也（yě）取代了越（yuè）来（lái）越多的人工（gōng）岗位。从目前的影（yǐng）响来（lái）看，一方（fāng）面（miàn），机（jī）器学习应用的确替代（dài）了部分传统劳（láo）动力，产（chǎn）生了劳动挤出（chū）效应：自（zì）动化机器（qì）人让生产流程趋（qū）于无人化（huà），自（zì）然语言处理技术可较好完成大（dà）部分的（de）翻译乃至信息提取工作（zuò），机器学习算法甚至能更准确地定性小分子化合物性质，从一定程度上减轻了大规（guī）模（mó）重复性工（gōng）作所需要的劳（láo）动力和时间消耗。

另（lìng）一方面（miàn），同此前历次技术（shù）革命（mìng）一样，机（jī）器（qì）学习的兴（xìng）起在提（tí）高社会生（shēng）产效率的同时，也为社会创造了全新的工作岗位。从工业革（gé）命诞（dàn）生以来，汽轮机代替马（mǎ）夫、车（chē）夫，纺（fǎng）织机代（dài）替纺（fǎng）织（zhī）工人，有线（xiàn）电话、无线电报代（dài）替邮差，电子计算机通（tōng）过代替手摇计（jì）算机，节省了大量手工演算（suàn）。但需要注（zhù）意的（de）是（shì），每一次的科技进步并没有（yǒu）造成社（shè）会（huì）大量失业，反而（ér）会（huì）通（tōng）过提升传统行业生产效率（lǜ）和技术革新改变原有社会生产（chǎn）组（zǔ）织结构（gòu）、产生（shēng）新的（de）业态。科技进步在（zài）改变行业企业生（shēng）产（chǎn）技术的同时，也在（zài）改变传统行业（yè）工（gōng）作内容，新的岗位需求（qiú）随之产生。

和任何其（qí）他（tā）的（de）技术创新一样，机器学习技术对于不同行业（yè）、不同岗位均存在不同程度的影（yǐng）响。对于那些（xiē）从事生产流程化较强的岗位，机器（qì）学习的冲击无疑是颠覆性的。但（dàn）对于（yú）那些需要统筹、创新（xīn）、互动（dòng）类的岗位，机（jī）器学习在（zài）当前阶（jiē）段（duàn）尚无法构成显（xiǎn）著冲（chōng）击。

此（cǐ）外，我（wǒ）们（men）也需要意识到，人（rén）工智能算法（fǎ）当前（qián）依旧不能达到“智能”水平。任何一项技术都伴随安全风险，人工智能算法本身同样存在风险，如大部分（fèn）监督学习算法尚无清晰的逻辑生（shēng）成过程，这（zhè）不仅使研（yán）究人员无（wú）法对算法（fǎ）进行有效干预，也使人（rén）工智能算法（fǎ）在训练和预测阶段变得不那么稳健。举一个简单的例子，在一个分类（lèi）算法中，我们在一张（zhāng）三寸（cùn）大小（xiǎo）猫（māo）咪照上改变一个像素点（diǎn），就（jiù）可能使计算机算法将猫咪识别为其他物品，这（zhè）类做法被称为逆向攻击，涉及人工智能技术（shù）风险。

如同其他（tā）新兴行业发展（zhǎn）初期一样，由于（yú）前期监管未及时（shí）到位（wèi），部分企业（yè）会不当利用（yòng）其在数据、算力（lì）和算法上的前期优势，导（dǎo）致出现人工智能技术滥用（yòng）、部分头部企（qǐ）业垄（lǒng）断（duàn）性经营、隐私（sī）数据泄露甚至是过度依赖算法决策引发的企业运（yùn）营风险等，这（zhè）便（biàn）是人（rén）工智（zhì）能技术的应用风险和衍（yǎn）生风险。

因此（cǐ），如何发展（zhǎn）引领这一战（zhàn）略性行业成为当下的重中之（zhī）重——我（wǒ）们需要思考（kǎo）如何在经（jīng）济（jì）智慧（huì）化转型期间发挥（huī）好政府的社会兜底功能，如何在私营行业的（de）算力（lì）和科技水（shuǐ）平（píng）超过监管机构时规范（fàn）其（qí）运行等问题。

与智能技术革命长（zhǎng）处之道在哪里

加强研发投入，统筹行业发展、实现核心（xīn）行业引领（lǐng），把握人工（gōng）智能技术主导权（quán）。人工智（zhì）能已成为事关国家安全和发展（zhǎn）全（quán）局的基础核心（xīn）领域。当前，我国人工智能发（fā）展虽总体态（tài）势向上，但在基础研（yán）究（jiū）、技术（shù）体系、应用生态、创新发展等方面仍存（cún）在不少问题。因此（cǐ），以（yǐ）学科交叉、应用转化（huà）为抓手带动人（rén）工智能领（lǐng）域的基础研究，加大相关研究财政投入力（lì）度、优化（huà）支出结构（gòu），对投入基础（chǔ）研究的企（qǐ）业实行税收（shōu）优惠等措施，均有助于统筹（chóu）行业发展。集中力（lì）量加强人（rén）工智能核心领域（如算法和（hé）芯片（piàn））的原创性（xìng）、引领性（xìng）攻关，可以更好（hǎo）地把握人（rén）工智能技（jì）术主导权。

前置化、专（zhuān）业化、灵活化行业与技术监管，可以更（gèng）好规范行（háng）业发展，营造良好数字环境。一方面（miàn），人工智能行业会产生（shēng）垄（lǒng）断、多元化、隐私和伦理方（fāng）面的负面影响（xiǎng）。因此，实现底层算法（fǎ）监管可以有效防范（fàn）不透明自动化决策、隐私侵犯等人工智能相关与衍生（shēng）风险。另一方面，当前人（rén）工智能行业发展正处于技术创新和（hé）产业增长的爆发期，在不（bú）断给社会经（jīng）济带来发展红利的同时，其应用形式和（hé）伴生业态的灵活性（xìng）也（yě）意味着，监管框架和（hé）思路也（yě）要随之调整，方能进一步发挥技术进步带来的红利。此（cǐ）外，我们需要配备更加专业的行（háng）业监管（guǎn）队伍（wǔ），以人工智能技术赋能人工（gōng）智能监管，前（qián）置（zhì）化、专（zhuān）业化、灵活化规范人工（gōng）智能行业（yè），根据（jù）不同（tóng）人工智能产业发（fā）展实际状（zhuàng）况差别，灵（líng）活（huó）制定监管框架和执行规范，减少人工智能技（jì）术发展和（hé）应用面（miàn）临的不必要障碍，营造良好数字环境，进一步（bù）打造我国人工智能（néng）行业核心竞争力。

深度融合实体经济，发展数字经济、探（tàn）索（suǒ）新型业态（tài）。人（rén）工智能技术作为数字经济发展环节中（zhōng）的核心技（jì）术（shù），可以有效（xiào）将数据生产要（yào）素转化为（wéi）实际生产力（lì）。智能技术与实体（tǐ）经济（jì）各领（lǐng）域深度融（róng）合（hé）所带来（lái）的生（shēng）产效率提（tí）升以及生产（chǎn）范式改变，是我国（guó）宏观经济转型升级（jí）的重要（yào）驱动（dòng）力（lì）。因此，深度融合实（shí）体经济应是人工智能行业发展的一大目标。基于人工智能技术探索新业态、发（fā）展新模式，推动传统产业转（zhuǎn）型升级从而（ér）加快（kuài）生产要素跨区域流动、融合市场（chǎng）主体，畅通（tōng）国内外经济循（xún）环，也是充分立足并（bìng）发（fā）挥我国全产业链优势、布（bù）局数（shù）字（zì）经济优势行业的必然需求。

充分发挥市场能动性，实现人工智能行业的（de）产、学、研并举。人工智能（néng）技（jì）术的长期健康发（fā）展，离（lí）不开良好的（de）市场环境和产（chǎn）业配套。微观主体能够有效嗅到（dào）商（shāng）机，市场经济在挖掘新业态、探索新（xīn）模（mó）式（shì）方面具（jù）有相对优势。但人工智能（néng）行业作为典型的知识密集型行业，前期需要大量研（yán）发工作（zuò）并培养大批专业技术人员。而高等院校、科研（yán）院所在（zài）人（rén）才培养（yǎng）和技术创新等环节具备相（xiàng）对优势，是人（rén）工智能产业链条上的重要（yào）核心力量。因此，以市（shì）场（chǎng）需求（qiú）为主导（dǎo），有机结合企业、高校（xiào）、科研机（jī）构，形成职（zhí）能和资源优势上的互（hù）补协同，为智能行业发展（zhǎn）提供基础配套。以经济效（xiào）益为抓手（shǒu），调动高校科技（jì）人员积极性，促进科技成果向现实生产力转化，打造人工智能行业的健康可持（chí）续发展生态。

完善（shàn）社（shè）会保障体系，推进（jìn）个体发展（zhǎn）与技（jì）能培训再（zài）就业系统（tǒng）。在（zài）大规模机器学习技（jì）术获得应用的（de）背景下，劳动（dòng）力自身的（de）主观（guān）能动性、个体创新力、统筹思考能力（lì）等对社会经济发展和个人（rén）发（fā）展都极其（qí）重要。但在传（chuán）统劳（láo）动力供给与新兴劳动力（lì）需求之间依然存在技术鸿沟——传统劳动力无法（fǎ）胜任新兴（xìng）行业的（de）岗位需求。在（zài）这一（yī）背景（jǐng）下，如（rú）何切（qiē）实推进个体发展与（yǔ）技能培训的再就业系统，有效填平技术（shù）鸿沟（gōu），如何调（diào）整社会（huì）保（bǎo）障体系（xì）使（shǐ）之（zhī）对跨部门再培训、再（zài）就（jiù）业更具适用性，兜底民生、切实改善社（shè）会福利（lì）等问题（tí），值得我们进（jìn）一步思（sī）考、探索。