【中國安防展覽網 媒體導讀】目前，人工智能已經逐步滲透到安防行業，*，安防系統產生的大量音視頻數據都是無法快速查找、無法統計運算的非結構化的數據，這些數據要想轉變成結構化的數據，需要的就是智能化的處理。那么2017年中國的AI發展又將面臨哪些機遇與挑戰？
中國人工智能發展 仍有三座大山待跨越
人工智能不同技術領域的商業化程度
AlphaGo成功擊敗人類世界圍棋李世石，人工智能這個科幻小說一般的概念似乎一夜之間從虛無縹緲的幻想成為了現實。傳統的軟件程序由人類編寫，包含具體的指令要求。人工智能的工作模式完全不同。它們依據通用的學習策略，可以讀取海量的“大數據”，并從中發現規律、聯系和洞見。因此人工智能能夠根據新數據自動調整，而無需重設程序。
事實上，20世紀五六十年代，人工智能的理論就已經初步形成，但由于技術未能實現突破性進展，人工智能無法達成預期效果，因此陷入了一段沉寂期。往后數十年間雖然不乏成功案例(如IBM的超級計算機“深藍”擊敗象棋加里·卡斯帕羅夫)，但因為人工智能在現實世界的成功案例太過孤立，所以不足以支撐大規模商業化。
現在，我們正處于人工智能復興浪潮，數據收集及整理、算法(尤其是機器學習)以及高性能計算等技術的突飛猛進促成了革命性進步。利用機器學習，人工智能系統獲得了歸納推理和決策能力，并實現了某些商業化落地，可以擔當客服、管理物流、監控工廠機械、優化能源使用以及分析醫學資料；而深度學習更將這一能力推向了更高的層次。
變革不僅發生在理論前沿。被視為未來超級智能系統的先鋒——各類應用機器學習技術的分析工具已現身市場。金融、醫療、制造等行業應用發展迅速，人工智能領域的風投也從2012年的5.89億美元猛增至2016年的50多億美元。麥肯錫預計，至2025年人工智能應用市場總值將達到1270億美元。
未來，人工智能可成為應對一些社會核心挑戰的強大工具。在醫療領域，人工智能將極大提升我們分析人類基因組和為患者開發個性化治療方案的能力，甚至大大加快治愈癌癥、阿茲海默癥和其他疾病的進程。在環保領域，人工智能能夠分析氣候特征并大規模降低能耗，幫助人類更好地監控和應對氣候變化問題。人工智能甚至可以在地球以外地區發揮作用，他日或助力人類探索火星及外太空。
麥肯錫研究院近期的一份報告對800多種職業所涵蓋的2000多項工作內容進行分析后發現，約50%的工作內容可以通過改進現有技術實現自動化。當然，技術可行性只是影響自動化速度及程度的一個因素，還有其他因素需要考慮，包括研發和應用成本、勞動力市場供需、經濟效益，以及社會和政府監管部門的接受度。
綜合上述因素，麥肯錫研究院的這份自動化研究報告指出，在現今所有工作內容之中，過半會在2055年左右自動化，但這過程存在諸多變量，誤差在20年左右。
中國已成AI發展中心之一
學術方面，僅在2015年，中美兩國在學術期刊上發表的相關論文合計近1萬份，而英國、印度、德國和日本發表的學術研究文章總和也只相當于其一半。其中，中國的人工智能發展多由科技企業推動，如自動化私人助理、自動駕駛汽車等。這得益于大量的搜索數據和豐富的產品線，一些互聯網企業走在了自然語言處理、圖像和語音識別等技術前沿。但值得注意的是，雖然中國在人工智能的論文數量方面超過了美國，但中國學者的研究影響力尚不及美國或英國同行。
人工智能生態系統方面，美國也更為完善和活躍，創業公司數量遠超中國。由研究機構、大學及私營企業共同組成的生態系統龐大、創新且多元。硅谷在科技領域日積月累的強勁實力形成了強大而難以復制的優勢。
攔在中國AI路上的三座大山
除了技術儲備和創業生態，中國在發展人工智能的時候還有兩個問題需要考慮：數據環境有待放開和，管理具備自主學習和決策能力的機器。
首先，盡管中國的科技巨頭能夠通過其專有平臺獲得海量數據，但在創建一個標準統一、跨平臺分享的數據友好型生態系統方面，中國仍落后于美國。其次，各國都已意識到開放政府數據庫有助于促進私營領域創新，但中國政府數據的開放度仍極為有限。后，對跨境數據流通的限制也使得中國在合作中處于不利地位。
人才市場緊張
應用層面而言，中國的算法發展程度與其他國家并無太大差距。然而，中國的研究人員在基礎算法研發領域仍遠遠落后于英美同行。一個主要原因就是人才短缺。美國半數以上的數據科學家擁有10年以上的工作經驗，而在中國，超過40%的數據科學家工作經驗尚不足5年。中國在人才方面的持續努力將至關重要。
目前，中國只有不到30所大學的研究實驗室專注于人工智能，輸出人才的數量遠遠無法滿足人工智能企業的用人需求。此外，中國的人工智能科學家大多集中于計算機視覺和語音識別等領域，造成其他領域的人才相對匱乏。如果中國大學對學生提出更高的數學和統計學要求，并且集中資源發展該領域前沿研究，人工智能的發展必將受益匪淺。另一個值得思考的方向是改進現有的科研經費分配模式來推進創新。
硬件短板
高運算速度的計算技術是發展人工智能技術的重中之重；特種處理器，如可以處理大量復雜計算的GPU，對人工智能的發展格外重要。而其耗能長期以來，中國的微晶片嚴重依賴進口，部分類型的半導體則幾乎完全依靠進口水平則決定著人工智能解決方案能否實現大規模商業化。
2015年，美國政府禁止了英特爾、英偉達和AMD這三家大的芯片供應商向中國機構出售超級電腦芯片。這一禁令顯示了中國在半導體方面的自主研發能力對于未來人工智能發展十分重要。
為應對這一局面，中國政府在2014年出臺了《國家集成電路產業發展推進綱要》以及“中國制造2025”行動綱領。中國政府還成立了國家集成電路產業投資基金，目前募資已超過200億美元。相關行動已初見成效：2016年6月神威.太湖之光超級計算機問世，成為世界上運算速度快的超級計算機，使用的是中國自主知識產權的處理器。政府的前期投資可以產生顯著的漣漪效應，鼓勵私營企業的積極參與。
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，勞動力的擴張大大促進了經濟增長。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種族歧視、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影響，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影響。如果人工智能的決策導致意外甚至*，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，使中國有機會在上更好地發揮*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。
后，中國政府還需考慮數據流的價值。麥肯錫研究院的調查表明，2014年，跨境數據流為經濟創造了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的思想、研究、科技、人才和佳實踐案例，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
重障礙是很多商業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影響，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。如上文所述，中國需要培養更多的數據科學家，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，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。
除了監管，中國還可以在經濟發展中起到模范作用。為保證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“人工智能一帶一路”新篇章。
移動版
智慧城市網APP
智慧城市網小程序
微信公眾號
