美國AI戰略出爐，釋放了這些訊號

來源：THU資料派（ID：datapi）

01 《美國人工智慧倡議》釋放重要訊號

在這份倡議中，明確提出美國應該在5個重點領域發力：

• 資金重新導向：聯邦資金機構將提高AI領域的投資優先權。

• 創造資源：聯邦政府的資料資料、電腦模型與運算資源，都將開放給AI研究者。

• 建立標準：美國國家標準暨技術研究院（NIST）會擬定產業標準，來促進開發更可靠、安全、可轉移與具協同性的AI系統。

• 重新訓練人才：要求機構得透過學徒制、獎勵、技術學習等，優先訓練現有員工，讓他們能夠面對AI時代帶來的挑戰。

• 國際觸角：在保留美國本體價值與利益之下，建立國際合作、發展AI。

關於《倡議》，業界有諸多的解讀。有觀點認為，《倡議》釋放了AI發展的諸多關鍵資訊，應引起產業界高度關註：

1. 資料是AI戰略中的靈魂性命題，高品質、強相關性的資料短缺是整個AI界公認的難題。資料的完整性、準確性、可追溯性、安全性等已經成為真正影響AI實現商業落地、變現的核心關鍵。

2. AI會在法律法規上成為一個熱點議題，不斷演變，朝著更符合整個AI技術發展的態勢發展。

我們有理由相信，隨著《倡議》被進一步落實並執行，整個大資料/AI領域則會從各路資本蜂擁而入的狀態逐漸進入冷靜期。但這並非壞事，隨著行業不斷規範化，大資料/AI領域無疑將迎來高質量發展。

正如微軟全球執行副總裁、人工智慧及微軟研究院負責人沈向洋此前在接受媒體採訪時表示：“所有的技術要想深刻影響社會，一定會體現在法律、法規上。”

02 可解釋AI將成為未來重點方向之一

事實上，就AI戰略而言，美國釋出的時間較晚，是世界上第19個正式宣佈AI未來戰略的國家。相較於其他國家戰略將發展技術作為重中之重，《美國人工智慧倡議》的視角則從“技術”向“社會”擴充套件。

這其中，與美國科技公司在人工智慧領域擁有頂尖的人才與技術，但隨之爆發的各種問題不無關係。

回顧2018年在美國發生的人工智慧大事件，其中一些事件凸顯出當前AI技術中存在的重要問題：

• 2018年2月，美國國會舉行關於AI技術的聽證會，發言人警告稱，AI領域長期存在偏見，特別是對有色人種的偏見。

• 工業界和學術界專家於2月的一份報告中強調了AI技術在數字、物理和政治領域可能被武器化，並存在被濫用的多種方式。

• 研究人員Joy Buolamwini和Timnit Gebru發表論文，顯示AI面部識別的準確性在白人和有色人種間存在巨大差異。

• 4月，Facebook 被爆出20億使用者資料均可能存在洩露。

• 5月，谷歌首次出現集體請辭，抗議軍方合作專案，300多名學者發聯名信，提升AI公平性的工具開始著手開發。而Facebook釋出用於識別資料偏見的工具，並開始測試相關演演算法。

• 7月，馬斯克聯名2000多AI專家誓言禁絕殺人機器人。

• 9月，更多旨在提升AI公平性的工具面世，美國國會進一步關註AI公平性問題。Google和IBM陸續釋出了用於識別資料偏見的工具。另外，有國會議員致函FBI和平等就業機會委員會等聯邦機構，詢問它們是否制定了旨在緩解AI技術偏見的工具或政策。

• 11月，微軟釋出微軟人臉識別研究工作需要遵循的公平性、透明性、問責制度、非歧視性、知情同意、合法監視等六項原則。

• 12月，谷歌全球事務高階副總裁肯特·沃克稱，在能夠制定出相關政策以阻止刷臉AI技術被濫用前，谷歌將暫不會出售該技術和產品。

由此可見，隨著一系列事件的曝光，美國越來越重視AI技術標準的制定。事實上，各國的立法機構、監管機構以及專門進行人工智慧安全（safety）研究的學術機構和企業界都已經開始嘗試解決這些問題，並以實現的指南（guidelines）形式釋出。

IEEE的Ethically Aligned Design（倫理一致性設計）就是這樣的一個黃金標準，它使用開源技術融合了一些關鍵的倫理指南。標準本身深入分析了建立從兒童和學生資料管理到演演算法歧視的13個不同的標準集的過程。

其他國家和組織也在跟進。歐盟最近就成立了一個倫理指南工作組（ethical guidelines working group），其中一項職責就包含具有里程碑意義的2017年阿西洛馬會議（Asilomar Conference）的成果阿西洛馬人工智慧原則（Future of Life’s AI principles）。

至於中國，在今年3月4日全國人大的開幕發言中，全國人大發言人張業遂表示，人工智慧相關的立法專案已列入立法規劃。多位網際網路大佬，如馬化騰、李彥宏的兩會提案中都涉及到了關於建立資料收集、利用與保護的基本規則秩序，防範並打擊資料濫用行為等內容。

由此可見，關於需要建立人工智慧行業規範已成為很多國家的共識，且已成為刻不容緩的事。

03 “落地力”和“資料”才是未來競爭焦點

可想而知的是，隨著人工智慧行業規範的逐步建立，類似於炒作、掛羊頭賣狗肉的人工智慧產業將被得到清洗，此前一直被專家、企業大佬呼籲“警惕人工智慧泡沫”的投融資過熱的行業將進入冷靜期。

同時，隨著世界各國高度重視AI、致力於將AI像“水電煤氣”一樣滲透到所有領域，引領社會變革，國家之間對於AI競爭的焦點，將集中在“落地力”和“資料力”上。

目前，雖然AI的“技術力”目前是業界關註的焦點，演演算法人才稀缺還是挑戰，但隨著人才培養加速，AI技術能力以雲、以服務的方式提供，技術門檻不斷降低，幾年之後，那些看似問題的問題，都將不存在。到那時，落地才和資料力才是關鍵所在。

我們在考慮AI商業化、產生價值，運營一個可持續發展的AI時，需要註意的是要將4個環節邏輯性地串聯起來。

1. 業務場景的梳理，即找到能夠運用AI的行業痛點場景；

2. 資料資產的獲取。目前世界上所獲取的有價值資料可能尚不到10%，需要找到、獲取與業務場景有強相關性的資料，這才是有價值的資料；

3. 處理和分析資料，需要運用大資料能力和人工智慧的能力，構建資料模型、演演算法，為業務場景運營改良提供技術支撐；

4. 將資料分析、人工智慧分析所產生的洞察力，反哺到相關的商業應用，轉化成為業務的價值，反哺於使用者。

值得註意的一點是，除了資料力值得重視，要實現AI落地、AI產生價值，還需要複合型人才。

在美國這份《倡議》中關於人工智慧的“人才”培訓有大量筆墨。《倡議》中對於人才競爭力的構建是非常重要的部分，而且不僅僅是強調對AI技術專才的培養，同時強調對具有AI產業化能力的運營人才和運用AI的人才培養。

事實上，目前美國已經開始著手從正規的教育體系中培養既擁有行業知識，又具有AI技術能力的人才。

在美國得克薩斯大學、哥倫比亞大學，已經有專門為生物醫葯產業所配備的生物統計學人才培訓，招募從事健康醫療的醫葯領域人員進入大學學習人工智慧相關專業知識，變成這個領域的複合型人才，而這些人在市場上非常奇貨可居。正是這些人將是AI落地產業、將AI產業化的關鍵。

以上是對《倡議》從資料、人才的重要性方向的解讀。實際上，《倡議》並非單純的技術路線圖,而是從國家戰略層面調動更多聯邦資金和資源用於人工智慧研發，是 “確保美國在人工智慧領域的領導力”，應對來自“戰略競爭者和外國對手”的挑戰。

今天，有很多人認為人工智慧是一場新的軍備競賽，各國都在激烈競爭，我們有理由相信，在2019年，人工智慧將在全球舞臺上發揮更大作用，影響投資該技術的超級大國之間的關係。

人工智慧的早期採用者(如美國和中國)將努力平衡自身利益與協作研發。擁有人才和資料力的國家將在預測分析等領域實現巨大增長，從而造成更大的技術差距。

此外，各國將圍繞人工智慧的道德使用展開更多的對話，由於不同的國家對這一問題的處理方式會有所不同，這或將影響國際關係。總體而言，人工智慧相對於其他國際問題的影響較小，但比以前更明顯。