時間：2024-02-07 14:43:44
序論：速發(fā)表網結合其深厚的文秘經驗，特別為您篩選了11篇人工智能時代的看法范文。如果您需要更多原創(chuàng)資料，歡迎隨時與我們的客服老師聯系，希望您能從中汲取靈感和知識！
用數據“陪伴”用戶
當前，大數據與商業(yè)應用的結合，對我們的思考模式、生活習慣和商業(yè)法則都進行著顛覆。從智能交通到能源管理、從政府財政到醫(yī)療體系都在因為大數據的使用發(fā)生著深刻的變革。而如何利用大數據打造智慧城市、提高扶貧精準度、關注農業(yè)發(fā)展、促進居家養(yǎng)老服務業(yè)發(fā)展等也在今年“兩會”中成為提案熱點。
2013年被稱為中國的“大數據元年”，短短幾年后，在物聯網、云計算的推波助瀾下，2016年，我們將迎來大數據應用的爆發(fā)。現場，京東集團CTO張晨進行了主題為“在數據的王國里，用更好的體驗創(chuàng)造更大的價值”的演講。他表示，通過大數據和精準的個性化，讓京東成為用戶的陪伴?！案鶕總€用戶的消費習慣、愛好和家庭情況，讓京東能陪伴他的生活和成長，給用戶創(chuàng)造更好的品質生活。”
張晨認為，把數據用好的核心是大數據的精準和分析。一直以來，京東都在用大數據了解并精準判斷用戶的需求。例如JIMI（京東人工智能客服機器人），可通過大數據了解并判斷用戶的需求，在售前咨詢上，部分品類的回答滿意度已超過人工客服。
“帶來品質生活的關鍵是了解用戶，推薦最適合用戶的個性化產品。”張晨表示。以京東個性化推薦系統(tǒng)為例，它可以根據用戶所處區(qū)域的購買力指數提供最合適的產品搜索，強化個性化投放、精準化投放的能力。在另一個項目“移動商店”中，京東可以通過大數據描繪小區(qū)畫像，實現物流配送的“未買先送”，根據預測的銷售量提前安排庫存，由此出現了iPhone6s首發(fā)只用12分鐘20秒配送到家的紀錄。
“京東的數據戰(zhàn)略是從技術平臺、到數據洞察、再到商業(yè)價值的三層演進?！本〇|技術副總裁趙一鴻表示，利用京東數據挖掘平臺，京東對用戶畫像、商品畫像、店鋪畫像、小區(qū)畫像都進行了深度挖掘和提取，并在商業(yè)應用中產生巨大價值。目前，京東大數據平臺總服務器數量超過10000臺，數據總容量突破100PB，每天新增超過1.5PB數據，每天約有20萬個作業(yè)運行。通過京東大數據，大幅提升了運營效率、降低成本、優(yōu)化用戶體驗。
為人工智能裝上引擎
對于當下異?；鸨娜斯ぶ悄茴I域，與大數據又將會有怎樣的聯系？在開場的主旨演講“為人工智能裝上引擎”中，卡耐基梅隆大學計算機科學系教授邢波為了便于大家理解，特意一改往日講技術干貨的風格，以登山為比喻，從人工智能的源頭細說人工智能的歷史變遷。在邢波看來，登山與人工智能計算任務有息息相通之處：“人工智能計算任務像登山，有明確的、可以用數學描述的目標，本身有彈性容錯性和隨機性。人工智能領域發(fā)展也像登山，遇到各種各樣的起伏，有各種各樣的思路的跳躍和重新的定位。”
邢波表示，要用好大數據，人工智能和機器學習將是最主要的分析手段。預計在未來計算世界，人工智能計算和機器學習會占全球計算資源上計算任務比重的80%到90%，所以有必要對人工智能和機器學習所需的計算框架和操作性框架重新設計。
在AlphaGo大勝李世石之后，媒體立刻被各色輿論所充斥。有人激動于人工智能的輝煌成果，有人則戰(zhàn)栗于人工智能可怕的潛力，甚至開始擔心這是否預示著人類文明的衰亡。邢波呼吁大家建立獨立的個人思考，不要輕易被任何觀點左右。他認為：“人工智能和人類對決不是什么大得了不起的事，人類和機器的對決自古就有，現在還在發(fā)生。馬車被火車戰(zhàn)勝后，同一時代的人類發(fā)明照相機，有人驚恐照相機來了，畫家失業(yè)了，但是現在畫家還是活得好好的。人機大賽是我們技術上的里程碑，展示了人類的功勞，我們要以歡迎的心態(tài)接受它?！?因為人工智能和人類智能所走的路不同，我們大可不必杞人憂天?！叭说念^腦有很多獨特的東西，創(chuàng)作性思維、感情、常識、美感，這都是人工智能無法企及的，正如孔子、拿破侖、貝多芬、愛因斯坦不會被機器代替一樣?！?/p>
他表示，算法也需要數據、工程的支持。前不久圍棋領域人機大賽是一個技術的里程碑，展示了人類社會的力量和功能，我們要以歡迎的、平常的心態(tài)來接受?！霸谟邢抟?guī)則、特定任務下，機器超越人類的水平只是時間問題，人工智能的目標不是用來代替人類，而是人與機器的有機共存?！?/p>
趙一鴻也談及了對人工智能的看法。他認為，Alpha Go的跨越性突破是機器已經從簡單的技術型思維變?yōu)閼?zhàn)略型思維，這是硬件、軟件和科學家思維的共同進步?！霸谏虡I(yè)思維上突破計算的邊界，讓商業(yè)的模型和大腦在決策上媲美甚至超越人類，這也是人工智能對于京東的意義?！?/p>
4月下旬，著名物理學家史蒂芬?霍金在北京舉辦的全球移動互聯網大會上做了視頻演講，“生物大腦可以達到的和計算機可以達到的，沒有本質區(qū)別。計算機在理論上可以模仿人類智能，然后超越”，“人工智能可能是人類文明的終結者”。
5月下旬，目前圍棋世界排名第一的中國職業(yè)九段柯潔將與人工智能程序AlphaGo（阿爾法狗）進行終極對弈，盡管柯潔早已放出豪言，“我會抱必勝心態(tài)、必死信念。我一定要擊敗阿爾法狗”，但是此前德州撲克人機大賽中，人工智能完勝已經讓部分看客有些心灰意冷，一旦柯潔失敗，或許會再次加深這一悲觀情緒。
當然，“文明終結”的憂慮還為時尚早，無論是世界上最強的象棋、圍棋還是黑白棋程序，尚屬“弱人工智能”。
在人工智能擁有自主意識的“強人工智能”時代到來之前，企業(yè)家、投資者以及創(chuàng)業(yè)者們可能更擔心另一些現實的問題，比如，怎么把人工智能商業(yè)化。這是過去數十年人工智能一直溫而不火的重要原因。
真正的爆發(fā)
無論是科學家的危言聳聽式擔憂，還是商業(yè)巨頭們瘋狂的攻城略地，總之，“人工智能”已然成了這兩年最火的科技熱詞。
創(chuàng)新工場創(chuàng)始人李開復對《財經國家周刊》記者說，“我們每個禮拜都會收到5家巨大的企業(yè)的請求，基金公司、汽車公司、管理公司、國企、甚至政府，都希望能夠利用人工智能幫他們解決問題。”
人工智能的概念第一次被提出硎竊61年前，盡管之后持續(xù)有些熱度，但它在最初50多年里幾乎沒有得到爆發(fā)性的關注。
“人工智能”關注度爆發(fā)的導火索，或許是去年3月韓國著名圍棋棋手李世石以1：4輸給AlphaGo。
它讓不少人錯誤估計了人工智能的爆發(fā)節(jié)點。就好比在1997年，名為深藍的IBM計算機也曾經擊敗世界象棋冠軍，但人工智能并沒有從此進入人類日常生活。
李開復也曾錯誤地預判人工智能的技術趨勢，從而導致創(chuàng)業(yè)失敗――2000萬美元的投入、100個員工，幾乎全軍覆沒。
李開復反思道，“創(chuàng)新固然重要，但不是最重要的，最重要的是做有用的創(chuàng)新”，而判斷它能否成為科技主流的重要標志，就是能否商業(yè)化。
Deep Mind創(chuàng)始人、AlphaGo之父杰米斯?哈薩比斯也表示，“我們發(fā)明AlphaGo，并不是為了贏得圍棋比賽，我們是想為測試我們自己的人工智能算法搭建一個有效的平臺，我們的最終目的是把這些算法應用到真實的世界中，為社會所服務?！?/p>
那么，人工智能商業(yè)化的時候真的到了嗎，會不會又是一陣虛火？
4月25日，在JIC投資沙龍上，阿里云戰(zhàn)略資深總監(jiān)李樹解釋，“AI的基礎是三個理論，第一是算法，第二是必須得有計算的支撐，第三是必須有數據作為序列或者教化算法的基礎”，這三方面都在走向成熟。
2016年，百度董事長兼CEO李彥宏曾在2016貴陽大數據博覽會上表達過類似觀點，“越來越多的數據每天產生，我們可以利用這些數據做一些過去只有人能夠做的事情，同時，計算能力越來越強大，計算的成本越來越低廉”。
出門問問創(chuàng)始人兼CEO李志飛則以“虛擬個人助理”為例，稱“四年前跟現在相比，我們都不知道能用在哪里，手機也沒有習慣”，而今天，“家庭、車等場景我們都能看得清楚，產業(yè)、用戶的需求變得比以前更加成熟了?！?/p>
在這種情況下，毫無疑問，4月10日德撲人機大戰(zhàn)最終以人工智能“冷撲大師”完勝，成了真正引爆AI商業(yè)化的導火索。
這是因為，圍棋是一種“完全信息博弈”，比賽雙方所有信息都呈現在棋盤上;而撲克和電腦游戲這些由多人對戰(zhàn)的游戲是“不完全信息博弈”，計算機無法獲知所有信息。
人工智能冷撲大師的勝利，意味著在爾虞我詐、概率不確定、非完美信息需要推理和情商的游戲里，機器一樣可以獲勝，它最大的價值就在于賦予了人工智能商業(yè)化的可能性。
德州撲克冷撲大師和中國龍之隊對決結束的時候，李開復發(fā)了一條朋友圈，“據聞AlphaGo近期即將來華和柯潔對戰(zhàn)，其實已經不再具有科學意義了。以后我們應該更關注商業(yè)領域的人工智能，在金融、醫(yī)療、教育等領域產生商業(yè)價值?！?/p>
生活在“弱人工智能”時代的我們，還遠沒到擔心人類會“永生”還是“滅絕”這樣龐大而沉重的課題，但毫無疑問的是，人工智能的商業(yè)化時代，真的來了。
開始總是美好的
“中國任何浪潮來了都會來得太猛，大家都跳進去瞬間就有可能藍海變成紅?！?，李開復如是說。
不出所料，浪潮之下，巨頭們聞風而來。
4月28日，百度公布了2017年第一季度未經審計的財務報告，李彥宏在財報中明確提到，百度的戰(zhàn)略已經從“移動先行”變成“AI先行”。
同一天，剛剛上任100天的百度集團總裁兼COO陸奇，在百度與小魚在家聯合的搭載了百度DuerOS操作系統(tǒng)的視頻通話機器人“分身魚”會上重申，“對百度公司來講，不光是一個搜索引擎的公司，基于AI，從現在到將來會逐漸成為一個平臺，這是一個戰(zhàn)略上和文化上的改變?！?/p>
這讓人聯想到早先陸奇的到來和百度前首席科學家吳恩達的離開。在曾與吳恩達有過接觸的首席科學家林暉看來，這某種程度上反映了百度對于人工智能需求的變化，從“學術派”走到了“實干派”。
隨后，5月3日，據美國科技網站報道，騰訊宣布任命語音識別技術頂級專家俞棟博士為AI Lab副主任。這個2016年4月成立的人工智能實驗室，現有50多位世界知名院校的AI科學家（90%為博士）與200多位應用工程師，此舉或意味著騰訊在AI領域的正面回擊。
相對低調的阿里巴巴事實上也在伺機而動，去年以來，阿里逐漸拋棄了AI產品頭上的“云”背書，直接用“人工智能”給產品定位。
今年3月9日的阿里巴巴技術峰會上，馬云推出了“NASA”計劃，稱面向未來20年組建強大的獨立研發(fā)部門，同時點名了五大技術，機器學習、芯片、IoT、操作系統(tǒng)和生物識別都與人工智能相關。
隨著互聯網三巨頭BAT的布局加速，一場真正的商業(yè)化戰(zhàn)爭，已經蓄勢待發(fā)了。
根據獵云網研究院4月13日的《2017人工智能投融資白皮書》顯示，2016年1月～2017年2月，共發(fā)生365起人工智能領域融資事件。
其中，來自投資界的數據顯示，僅2017年第一季度，就有超60家人工智能公司獲得了融資，金額超億元的融資事件至少有5起。
這幅“人工智能”的“烽火狼煙圖”，不禁讓人聯想起一年以前VR概念風頭正盛的時候。
去年一季度，共有29家VR/AR公司總共獲得融資超過10億美元。
然而，僅僅一年后，市場研究公司Crunchbase的報告顯示，今年一季度全球VR/AR的風險投資額只有2億美元，不僅暴跌八成，而且被26家公司分食，創(chuàng)出了過去一年中投資的最低紀錄。
AI會不會重蹈VR覆轍，還不好說，但資本一定有也有低谷。更何況，即便是在當下，也并不是所有投資者都對人工智能持樂觀態(tài)度。
建投華科投資股份有限公司董事總經理戴D認為，“比爾?蓋茨說有關人工智能領域的重大進步的所有預言，都已經被證明過于樂觀。這一點對于22年后的今天這些投資人來說，仍然有一定的警示意義?！?/p>
在他看來，“人工智能處于初期發(fā)展階段，對于投資、尤其是對于我們產業(yè)并購的整合者來說，可能為時尚早?！?/p>
小心陷阱
τ諶斯ぶ悄?？茖W家在渲染危機感，投資者在夸大它的神奇，然而創(chuàng)業(yè)者需要警惕：人工智能的創(chuàng)業(yè)路徑跟過往的經驗完全不同。
其中，最大的不同就是創(chuàng)業(yè)門檻的高低，起步資金就是最重要的一項。
“移動互聯網時代讓創(chuàng)業(yè)成本達到歷史新低，一個產品經理帶著一個工程師就可以零元創(chuàng)業(yè)”，李開復調侃到，“但AI的創(chuàng)業(yè)成本卻達到歷史新高，挖人、買數據、買機器，每一項都要投重資”，以創(chuàng)新工場投資的一家創(chuàng)業(yè)公司為例，“第一個月就花了500萬買機器”。
并且，人工智能創(chuàng)業(yè)大部分是“B端”的，然而大多數投資公司已經習慣了投資“C端”創(chuàng)業(yè)者，這就決定了融資的難度。
李開復這樣對《財經國家周刊》記者描述過去很長一段時間“C端”創(chuàng)業(yè)公司的投資模式，“給你一筆錢搞100萬個用戶，再給你一筆錢搞1000萬個用戶，再給你一筆錢開始變現，再給你一筆錢你就盈利了，再給你一筆錢你就上市了，這一定程度上成為了投資的四步曲或五步曲”，這與大多數“B端”創(chuàng)業(yè)者要去苦苦哀求企業(yè)級用戶的門是完全不同的。
然而，矛盾之處在于，創(chuàng)業(yè)者要想避免被BAT碾壓，最好的方式就是去尋找一個巨頭不能碾壓的領域，避開社交、游戲、電子支付，而“賣企業(yè)級軟件給銀行”、“賣解決方案給醫(yī)院”等等“B端”領域，雖然BAT可能不會去做，但創(chuàng)業(yè)公司也很難成功。
并且，在人工智能領域創(chuàng)業(yè)，一個很大的問題就是“想象力不夠”，導致從一開始同質化競爭就很嚴重。
“大家都做一樣的應用，人臉識別現在大概有15個公司”，李開復反問道，“人臉識別當然有商業(yè)價值，但是需要15家公司來做嗎？”
當然，作為最早一批回國創(chuàng)業(yè)的科學家，曾在谷歌擔任高級工程師的李志飛對《財經國家周刊》記者闡述了不同的看法。
“早期有一些趨同，這個不值得奇怪”，因為，“這就跟摘果子一樣，最大的摘完了之后大家才會動腦筋去想，是不是可以再自己培養(yǎng)果子或者到另一個地方去摘，關鍵是后面這個產業(yè)是不是真能夠進一步地升華?！?/p>
那么，創(chuàng)業(yè)過程中最需要注意的問題是什么？
最顯而易見的一點，是要找到強需求而不是偽需求，然后判斷這個強需求能不能被技術解決，同時，讓場景和產業(yè)深度結合起來。
其次，脫離工程師的思維，把焦點放在用戶身上。
李志飛說，“工程師的思維就是特別喜歡做一個自己覺得很牛的、技術很復雜的東西，但這個可能跟用戶的需求完全不一樣。”
以語音識別軟件出門問問為例，李志飛說，“過去我們喜歡演示特別復雜的句子，比如一句話把‘幫我查一下附近的餐廳、人均50塊錢、帶wifi、帶停車場的’講完，但用戶真實的習慣可能是把它分成幾個短句，通過漸進式的交互去完成查詢。”
此外，不要急于打造平臺級技術和場景，什么都想做。
過去的創(chuàng)業(yè)經驗告訴創(chuàng)業(yè)者，通過一味的“鋪場景”也可以拉高估值，但是危險在于，一旦業(yè)務方向不像設想的那么順利，就會無形中拉高B輪融資的難度，造成現金流枯竭，這對于現金需求量極大的人工智能創(chuàng)業(yè)尤為危險。
在這一點上，李志飛很坦誠，“我們也跟熱點，這是肯定的，因為你不跟熱點的話，拿不到錢”，“但是熱點一定是輔助的，公司業(yè)務的核心一定要以AI技術推動，然后才會有各種各樣的使用場景，如果你隨著資本波動而波動的話，一定會死得很慘。”
李志飛稱，“對于技術型公司，你的擴張速度要永遠保證你的賬上還有18個月的經費”，因為“錢是很貴的”。
其中的龍頭企業(yè)iRobot在2015年前6個月實現收入2.67億美元，在全球市場占有率超過60%，目前市值約為9億美元。IFR預測2013-2016年估計會有2200萬臺智能家庭機器人得到銷售。比爾?蓋茨曾針對機器人的應用趨勢發(fā)表自己的看法：“未來機器人將會延續(xù)PC的發(fā)展歷程，屆時，家用機器人將像門鈴、計算機、移動電話、電冰箱等一樣普及?！?/p>
隨著互聯網和人工智能技術的推進，家庭服務機器人正經歷著從自動化到智能化的演變。中科院虛擬經濟與數據科學研究中心特聘研究員劉鋒博士認為，未來只要是互聯網所能觸及之地，人工智能機器人就有機會“存活”。也就是說，Siri、Google now和微軟的小冰這類虛擬人工智能機器人有一天將走出手機，擁有一個真正的“身體”，或者直接住進我們的家用電器里，Siri和Apple TV的鏈接就是一個例證，家庭智能機器人將成為智能物聯網時代家庭的核心終端。
AlphaGo勝在大數據與深度學習的技術優(yōu)勢：沒有人性的弱點
關于李世石為什么會輸，業(yè)界存在諸多看法。其中一種看法是認為人類相對于機器，更容易受到情緒的干擾而導致犯錯，而機器卻沒有情緒波動。然而，事實上，AlphaGo勝出源于做到了“知己知彼”，谷歌利用大數據與深度學習的技術優(yōu)勢為AlphaGo構建了一套策略網絡，機器通過深度學習能力，模擬人腦的機制來學習、判斷、決策。即AlphaGo可以從大量的棋譜和對局中學習策略，形成一套落子決策判斷與數據解讀的能力體系，讓其在沖殺狀態(tài)下懂得一套試探與引導的能力，最終成功擊敗人類棋手李世石。
巨頭正在試圖通過人工智能攻克最后一座堡壘：理解人類和語言
從AlphaGo連贏人類九段棋手李世石中，我們可以看到，人工智能神經網絡的前景在于它在不斷縮小機器和人類之間的差距，而且隨著技術開發(fā)者的跟進，人工智能將會對理解人類語言，揣摩人類情感。比如我們看到的，扎克伯格曾定下2016年的個人目標，即創(chuàng)建一個類似《鋼鐵俠》中的人工智能助手?！拔议_始準備了解現有的技術，并將教會人工智能助手理解我的語音，讓它學會控制家中的一切，比如音樂、燈光、溫度等。我還計劃教會助手識別朋友們的面孔，當朋友們按門鈴時，它會讓他們進入?！痹瞬裨谄銯acebook個人主頁中寫道。
理解人類，這對于巨頭們的想象空間在于，基于用戶需求的商業(yè)決策會因此更加精準。人機對戰(zhàn)讓我們看到，推理、判斷、分析問題等功能處理之外，識別人的情感與情緒與對人的語言理解力將是未來發(fā)展的高地。圍棋大戰(zhàn)，只能體現出，在封閉規(guī)則的計算領域，機器比人類聰明得多，因為我們的心算能力本身與計算器相差甚遠；但是思維、對話、情感等都是不確定的。而前面說到，機器沒有情緒，只有它懂得了人類的語言，逐漸了解人類表達的意思甚至是情緒，才意味著人工智能達到了更高的領地。
而語音搜索，則是打開人工智能進階大門的鑰匙。百度的語音搜索，就是多種人工智能技術整合起來的典型應用，包括語音識別、自然語言處理，因為它比下圍棋這種單一任務、封閉規(guī)則的任務要復雜得多。語音搜索借助核心的自然語言處理技術(NLP)，通過典型的多輪對話交互模式，逐步理解人類語言和意圖，并提供需要的信息。
語音搜索的結果不僅能提供聚合的數據，還會通過語音播報，將用戶從輸入文字的桎梏中解放出來，為中老年用戶提供方便。從上面的例子看出，搜索引擎能夠通過多輪對話的方式，聯系用戶的上下文，準確地通過用戶的語言，理解真實的搜索需求，一步步給出相應的反饋。除此以外，搜索結果是基于對數據的挖掘和聚合呈現，通過數據為用戶決策提供依據。說白了，就是機器將可以通過語音“理解”人類的真實意圖，在大數據基礎上提供智能的交付，滿足需求。而且，通過背后的機器學習技術搜索引擎還具備像人類神經網絡一樣的深度神經網絡，吸取人類語料數據，就是具有學習進化的能力。
談到語音技術，除了谷歌在該技術上地不斷優(yōu)化，使用上下文、物理定位及其他方式對談話者的真正含義進行預測之外，百度度秘則更是基于二者技術的人工智能產物，并寄托了連接人與服務的生態(tài)構想。度秘可以在廣泛索引真實世界的服務和信息的基礎上，依托搜索及智能交互技術，不斷學習和替代人的行為，為用戶提供多樣化服務。例如：可以實現“幫我訂一張適合小孩看的電影票”、“餐廳附近有沒有寵物美容店”等一系列的多輪對話、預定等任務。百度此前認為，與同為支持語音、文字交互的微軟小冰、蘋果Siri相比，度秘有著更為突出的特性，包括語音識別技術與更為核心的自然語言處理技術(NLP)，當機器獲得人說的話之后就需要進行理解，而自然語言處理(NLP)技術是不斷去分析用戶搜索意圖，通過反復學習與大數據分析，更為高效地幫助用戶做出決策。
BAT人工智能的“軍備競賽”:百度技術帝國初具模型
在全世界范圍內人工智能的“軍備競賽”對抗中，在國內，以BAT為代表的互聯網巨頭已在人工智能領域不斷的嘗試，而在BAT三家中，探索人工智能發(fā)展方面，百度更為積極，這與其主營的搜索業(yè)務與技術基因相關。移動搜索時代，百度更需要大規(guī)模機器學習和深度學習為基礎的人工智能在搜索引擎中的應用，優(yōu)化搜索業(yè)務來推動各項業(yè)務的協同發(fā)展。
所以，百度也一直在政策層面推進人工智能技術。梳理最近幾年的兩會提案就會發(fā)現，李彥宏在去年的兩會中提出的“中國大腦”以及今年提到的為無人車立法提案。百度積極推動無人車政策落地，也基于通過無人駕駛項目推動自身搜索業(yè)務有更多想象空間，資料顯示，百度無人駕駛車項目于2013年起步，由百度研究院主導研發(fā)，其技術核心是“百度汽車大腦”，包括高精度地圖、定位、感知、智能決策與控制四大模塊。
之所以國內唯有百度在無人車領域展開了布局，緣于其支撐圖像識別技術與語音等技術的融合推進，百度研發(fā)出了基于多層單向LSTM(長短時記憶模型)的漢語聲韻母整體建模技術，該技術能夠使機器的語音識別相對錯誤率降低15%，普通話語音識別的準確率接近97%。圖像技術的積累可以輔助無人車更為精細的判斷交通路況，利用無人車這個入口，在萬物物聯與共享經濟之外，關鍵在于解放了人的雙手，進一步可以實現諸如語音搜索音樂、閱讀、視頻，以及O2O的訂位、餐館預訂等功能?？梢钥闯觯俣雀幼⒅貙⒓夹g融于產品中，快速實現商業(yè)化。
這里看出，百度與谷歌的探索不同，谷歌的探索帶動研發(fā)成本無止境的提升，但許多黑科技項目卻又看不到盈利來源，比如Google去年在研發(fā)方面的投入更飆升了38%，遠超過了谷歌19%的收入增長率。同時隨著Google Glass等項目的受挫，Google的投資者開始要求更快的投資回報率，谷歌的廣告營收壓力增長。相對于谷歌的探索，國內以百度為首的人工智能的布局與探索則聚焦于連接人與服務的戰(zhàn)略方向，或更具備商業(yè)化落地的示范效應。比如說，人工智能早已成為百度未來營收增長頗有想象空間的一部分。
人工智能的背后是規(guī)?；挠布危簞?chuàng)業(yè)者慎入巨頭需加碼
盡管人工智能是未來互聯網的發(fā)展方向，但人工智能的推動背后是一套人工智能算法，需要規(guī)模化的云計算中心、IDC、等硬件支持。這很顯然并不是創(chuàng)業(yè)者短時間能力所能及的事，以百度目前正在推進一個名為“百度大腦”的項目為例，這是一個利用計算機深度學習模擬人腦的項目，但在這背后，需要十幾座云計算中心、規(guī)模化ARM服務器、并行GPU等支持生成、配合針對不同應用和場景的網絡結構，從而為人工智能提供有力的硬件支持。有業(yè)界人士指出：”依賴于云端大規(guī)模計算資源的人工智能算法限制著人工智能在消費者場景的應用“因此，人工智能在國內推進與發(fā)展的重任很顯然還是落在BAT等互聯網巨頭身上。
在目前國內巨頭投資布局圖譜中，我們看到除百度之外，更多巨頭的布局僅在于針對競爭對手進行卡位與產業(yè)鏈布防，合眾連橫擴張版圖爭奪現有市場，巨頭們也是時候開始轉變下主力布局方向，重度思考人工智能未來的發(fā)展了。
一輛載人的自動駕駛汽車高速接近一個路口，此時路口有十個行人正在過馬路。在剎車突然失靈的情況下，汽車的自動駕駛系統(tǒng)應該如何選擇：
1、拐向路邊的固定障礙，躲避十個行人但犧牲車內一位乘客;
2、保持直行，確保車內一位乘客的安全但犧牲十個行人。
您會如何選擇？我們看看公眾的觀點。
當美國學術期刊《科學》就這個問題進行公眾調查時，76%的被調查者表示，應該選擇犧牲一位乘客以保全十位行人。而且這些選擇“犧牲一位乘客”的被調查者都同意以下觀點：自動駕駛汽車的制造商應該把“汽車事故死亡數最小化”作為一個指導原則設計自動駕駛系統(tǒng)――我們且稱之為“公平對待系統(tǒng)”。
有意思的是，當詢問被調查者是否愿意購買安裝“公平對待系統(tǒng)”的自動駕駛汽車時，大部分人表示，他們還是會選擇安裝“車內乘客優(yōu)先系統(tǒng)”的汽車。
作為人工智能技術發(fā)展目前最成熟的領域之一，自動駕駛汽車遇到的選擇悖論并不是特例。事實上，人工智能技術作為數字經濟時代最重要的科技創(chuàng)新，在逐漸深入發(fā)展并成為現代社會一部分的時候，從道德與法律到監(jiān)管與責任劃分，無不面臨著前所未有的兩難選擇。
歐美研究監(jiān)管原則
針對這樣的挑戰(zhàn)，目前從美國、歐盟到中國，各國都在從技術、法律、行政和道德倫理等多個方面進行研究探討，以期在不遠的將來制定滿足人工智能應用的監(jiān)管原則。 76%的被調查者表示，自動駕駛汽車的制造商英國把“汽車事故死亡數量小化”作為一個指導原則設置自動駕駛系統(tǒng)。
在人工智能技術發(fā)展最為領先的美國，有關人工智能監(jiān)管的研究是由最高行政機構――總統(tǒng)行政辦公室直接領導參與的。2016年，在組織了有關人工智能的多場研討會之后，總統(tǒng)行政辦公室和國家科技委員會（NSTC）于10月份了兩份重量級報告：《國家人工智能研究發(fā)展戰(zhàn)略規(guī)劃》和《為未來的人工智能做好準備》。
在《國家人工智能研究發(fā)展戰(zhàn)略規(guī)劃》中，包含了7個關鍵性戰(zhàn)略，其中的第三戰(zhàn)略：理解和確定人工智能在倫理、法律和社會領域的影響;第四戰(zhàn)略：_保人工智能系統(tǒng)的安全和隱私保護，前瞻性地包含了有關人工智能在倫理、法律、社會影響、安全和隱私保護等領域的相關內容，包含了和人工智能監(jiān)管相關的目標與原則。
歐盟由歐洲議會牽頭以立法研究的方式探討人工智能和機器人監(jiān)管的相關原則。在美國總統(tǒng)行政辦公室人工智能規(guī)劃和報告的同月，歐盟法律事務委員會向歐盟提交了《歐盟機器人民事法律規(guī)則》。該法律規(guī)則從機器人使用的責任規(guī)則、倫理原則、對人類自身和財產的傷害賠償等多方面提出了對基于人工智能技術控制機器人的監(jiān)管原則。
作為即將脫離歐盟的英國，也在人工智能監(jiān)管領域開始獨立的研究。2017年2月，英國下議院科學技術委員會向多位英國頂尖的互聯網與人工智能領域的專家發(fā)出邀請，希望其對于“決策中的算法”給出自己的專家意見。4月26日，科學技術委員公布了收到的正式回復，并將以此作為基礎開展人工智能監(jiān)管的研究。
公平和準確難平衡
從美國、歐盟和英國的研究結果和形成的文件、決議與規(guī)則來看，目前在人工智能監(jiān)管方面形成公式的挑戰(zhàn)主要來自公平性、透明性和責任認定等三方面。
首先是公平性。對于人工智能算法來說，任何對于輸出，也就是預測值有貢獻的信息都應該作為輸入變量參與到人工智能算法的計算中。但在現實社會中，并不是所有與結果相關的信息都可以被接受。
2014年以來，美國多個州的犯罪執(zhí)法機構都依靠一個名為COMPAS的人工智能系統(tǒng)預測過往有犯罪記錄的人員再次犯罪的可能性，并以此數據作為是否允許罪犯減刑提前回歸社會的決策依據之一。2016年6月，COMPAS系統(tǒng)被第三方調查機構ProPublica質疑其預測結果對黑人罪犯有明顯的歧視。
按照ProPublica提供的數據，在各個預測再次犯罪的評分水平上，白人與黑人均保持相似的再次犯罪概率。
但從整體結果看，在其他輸入條件與白人罪犯基本類似的情況下，COMPAS人工智能預測模型仍然會傾向于把黑人罪犯判別為會再次犯罪。其中的一個重要原因是有關黑人的記錄遠多于白人的記錄。這一點是COMPAS人工智能預測模型無法改變的。
這個結果引起了媒體和社會的爭議。單純基于人種、膚色、文化、信仰乃至生活習性的差異，人工智能系統(tǒng)基于算法就給予不同的評判和對待，這對于公平是一種事實上的漠視。那么未來在人工智能技術廣泛進入人類社會的時候，各種小眾人群都有可能由于個體差異遭受來自“模型的歧視”。
這顯然是現代社會的文明準則所不能接受的。這也是監(jiān)管部門首先要解決的問題――模型的公平性。
目前可行的折中方法是，限制種族、膚色、年齡、性取向和其他生物與生活習慣等特征被作為輸入變量參與到人工智能算法的構建，以避免這些有可能造成“模型的歧視”的變量最終影響模型的預測結果。
應該認識到，人工智能模型的公平性和準確性是一個蹺蹺板，如何讓這個蹺蹺板取得平衡并與現代社會的公平價值觀取得一致，目前還沒有一個最佳答案。
找不到問題所在
其次是透明性，也被稱為可解釋性。在現有的人工智能技術發(fā)展路徑下，成熟的人工智能算法或許永遠都是一個“黑盒子”――外界無法得知內部的運行機制，只能夠通過對輸入和輸出數據的解讀來了解其能夠達到的效果，并推測其內部計算機制的構成。
目前科技界主流的看法都認為人工智能模型缺乏透明性，而且這一點不會隨著技術發(fā)展而徹底改變。那么以往通過企業(yè)透明披露產品和系統(tǒng)信息以便政府監(jiān)管的做法在人工智能領域是行不通的。
舉個例子，傳統(tǒng)汽車是由車身、發(fā)動機、變速箱、剎車系統(tǒng)、電子控制系統(tǒng)等多個部件組成。每個部件也都可以拆解成為具體的零件。任何一個產品問題都可以歸結到具體零件上，并針對其提出改進意見。
但對于自動駕駛汽車，人工智能系統(tǒng)作為一個整體完成最終的控制動作，一旦發(fā)生人工智能系統(tǒng)的錯誤操作，除了明顯的傳感器故障，我們無法清晰定位問題原因，也不會立即明確該如何調整系統(tǒng)。
目前通用的做法是猜想故障原因，并用場景還原的方式提供與錯誤操作時類似的數據輸入，并觀察輸出結果。在捕捉到錯誤輸出后，通過提供修正錯誤的訓練數據集，逐步完成對人工智能系統(tǒng)的調整。最終還是要在反復測試的情況下確認人工智能系統(tǒng)已經完成了針對此錯誤的修正。
由于人工智能算法的非透明性，監(jiān)管部門就無法從人工智能算法本身入手提出管理要求，因為人工智能系統(tǒng)的提供商自己都無法清晰解釋算法的核心工作機理。所以，最終的監(jiān)管要求就會從基于原理和結構管理轉而基于最終結果管理。也就是說，不管白貓黑貓，抓到老鼠就是好貓。
非透明性決定了未來人類在監(jiān)管人工智能系統(tǒng)時永遠要面臨著“黑盒子”帶來的不確定性。而這一點，也給責任認定帶來天然的障礙。
誰來承擔責任
對于責任認定的探討研究，目前是最少也是最困難的。對于一般的C械電氣設備，由于設計缺陷、材料質量或其他產品質量所導致的人身財產損害，設備制造商將承擔主要甚至全部責任。
而對于人工智能系統(tǒng)控制的設備，由于其在算法透明性和可解釋性方面的困難，監(jiān)管部門幾乎無法從算法本身去認定是否包含設計缺陷，也就無法就算法本身的設計去進行責任認定，這為監(jiān)管帶來了非常大的困難。
有意思的是，歐盟在其2017年2月投票通過的《歐盟機器人民事法律規(guī)則》中，提出了考慮給予機器人以特殊的法律地位，即電子人的概念。也就是說，未來法律體系中將會存在一個不同于自然人、法人、動物等的另一法律實體，其能夠獨立存在，享有自己的權利并承擔相應的義務。對于由自身引起的第三方人身財產傷害，電子人將會被認定承擔一定的責任，并作出賠償。
如果電子人的概念未來被現有的人類社會廣泛接受，那么其造成的影響就不局限于人工智能監(jiān)管本身，而將深深影響到未來社會的各個方面。
除了公平性、透明性和責任認定之外，人工智能系統(tǒng)還會大量替代現有的人工崗位，從而對未來的勞動力市場產生巨大的影響。由此而衍生的社會就業(yè)沖擊和對人類技能要求的改變還會影響更多的方面。
每一個元年好像都是投資人的春節(jié)，當投資人苦惱的時候，他們有了錢，有了行業(yè)資源，有了人才，但是他們還是不知道今年春節(jié)聯歡晚會誰會紅，誰會火。然后索性就拋出了我要包場，每個節(jié)目我都有人。
但是每一個“元年”好像創(chuàng)業(yè)者都在掉隊，我不知道我能做什么，我不知道我該做什么，我不了解行業(yè)變了，我只知道元年來了，投資人也來了。我的方向是媒體說的方向，我的管理是投資人教的管理，我的技術是國外扒的開源技術。
但是每一個“元年”好像投資人都在掉坑，你懂移動游戲，不懂，你了解VR，不了解。但是我有錢，我想投誰就投誰。創(chuàng)業(yè)者那么多，我就不信砸不出一個金蛋。我投不是因為你的團隊好，主要是因為還有KPI。
2017年中國的Ai元年，創(chuàng)業(yè)者像瘋了一樣，開始扎堆人工智能。每一個創(chuàng)業(yè)者都必須用人工智能才能彰顯自己的能力與實力。但是在眾多的人工智能團隊中，真正擁有人工智能能力的團隊少之又少。
今天你做AI了嗎？下面劍鋒將根據個人主觀給大家分享一下。關于AI的六大謊言。
第一個謊言：投資人來了
2012-2017年間，中國AI投資市場共有570家投資機構參與投資，其中僅投資過一家AI企業(yè)的機構共有391家，占到總數的68.6%；剩余的179家企業(yè)中，投資頻數2-4次的機構共137家，其余僅有42家機構投資過大于4家AI企業(yè)。由此可見，中國AI投資市場中，真正專注于AI投資的機構僅占少數。
以AI企業(yè)的投資頻數作為評價標準，中國AI投資市場中排名前十位的投資機構。其中，真格基金、創(chuàng)新工場和紅杉資本中國位列前三。眾多的投資人也給出自己的觀點，雖然都是看好長期發(fā)展，但是對于短期內，人工智能的發(fā)展，投資人出現了分歧。
同時根據盛世方舟(注：中國最大的股權母基金管理機構)觸及到的一手數據，自2016年下半年至今，前來募資的基金當中，投資領域包含“人工智能”的基金數量占比約為10%；包含“智能/AI/大數據/云計算”的基金數量占比約為24%。相比之下，覆蓋文化娛樂領域的基金占比約為19%，覆蓋醫(yī)療領域的基金占比約為27%，覆蓋消費領域的基金占比約為22%。
劍鋒認為人工智能雖然在資本的行業(yè)中呼聲很高，但是真正投資人工智能的機構還是相對比較少數，主要是很多投資人對于人工智能的行業(yè)理解還處在迷茫與認識階段，對投資標的的要求比其他行業(yè)都要高。以團隊背景為例，投資人要求有海外知名院校畢業(yè)并在人工智能領域從業(yè)多年，團隊以著名技術公司核心技術骨干為重點。對于這樣的要求很多團隊都只能望塵莫及。
第二個謊言：Ai+行業(yè)或行業(yè)+Ai
從“互聯網+”走向“Ai+”，隨著科技行業(yè)技術的不斷進步，每一個新的技術或者新的應用都被宏偉的媒體及有錢的投資人冠名“XXX+”。沒有如果“+”感覺這個市場就不夠大，不夠規(guī)模。不夠吸引廣大的投資人及創(chuàng)業(yè)者。
根據億歐網統(tǒng)計的投資機構行業(yè)分布處在前三基本是企業(yè)服務、汽車交通、金融領域，如果說Ai+已經滲透到各行各業(yè)，以互聯網公司為例，他們的公司都應該是某某人工智能科技有限公司，我是人工智能，我為人工智能代言。現在的人工智能基本還處在一個起步的階段，目前所謂的Ai+行業(yè)或者行業(yè)+Ai處在一個概念階段。有人會反駁劍鋒說，你看人臉識別不就是Ai+行業(yè)，如果你身在成都可以去東站體驗體驗所謂的人臉識別安檢系統(tǒng)。
劍鋒認為一個技術的興起并不能改變世界或者重造行業(yè)，就如同互聯網沒有打垮創(chuàng)統(tǒng)行業(yè)，Ai還沒有統(tǒng)領人類。技術與行業(yè)中間還是隔著一道深深的鴻溝，如果要拉近他們的距離，不是技術可以解決，也不是行業(yè)可以解決。只有在行業(yè)與技術融合才能解決。哪些鼓吹Ai+或行業(yè)+Ai就如同當年的O2O一樣，O2O號令天下行業(yè)，最終尸痕遍野。
第三個謊言：Ai等于深度學習
有行業(yè)人士指出許多初創(chuàng)公司以及產品都打上了人工智能領域的標簽，就像流行用語一樣，但是真正使用了深度學習的卻很少。大多數人忽視了一個事實，深度學習只占了機器學習領域的1%，而機器學習又只是人工智能領域的1%。剩下的99%都是大多數任務已經在實際使用的。一個“深度學習領域專家”并不是一個“人工智能專家”。
2016年谷歌圍棋人工智能AlphaGo戰(zhàn)勝李世石成為全球新聞熱點，不管是生在科技圈還是非互聯網圈，人工智能一躍成為了全球各個國家的焦點。當阿爾法狗火了，人工智能的股票漲了。但是有行業(yè)人士提出阿爾法狗為什么能贏的時候，行業(yè)內的各類磚家及科學家給出的答案是數據與算法。
2016年很多做大數據分析的初創(chuàng)公司開始冠名自己是人工智能公司，我有數據，我有算法，我有未來極大的商業(yè)價值。但是如今的人工智能公司就如同2015年大數據公司一樣，只要你有你家的兩三年賬本，你就可以成為大數據公司。2017年只要你家的賬本能夠算清楚賬，而且有一套算賬的公式。你就可以是人工智能公司。對于這樣的評判標準，往往有顯的可笑與無奈。
Ai是什么？作為一名科技追風者。從2015年開始就一直在找尋答案。Ai是大數據分析嗎?好像數據只是它的一部分，Ai是深度學習嗎？人工智能相比深度學習是更寬泛的概念，而深度學習，是AI中的一種技術或思想。
劍鋒認為Ai更多是科學的一個分支，它是一個廣泛的概念。如果非要找一個學科來形容它，我覺得最合適的就是腦科學。就如何人類不斷在仿生動物，人工智能不斷在仿生人腦。腦科學的主要研究方向認知神經科學的最終目的是在于闡明人類大腦的結構與功能，以及人類行為與心理活動的物質基礎，在各個水平(層次)上闡明其機制，增進人類神經活動的效率，提高對神經系統(tǒng)疾患的預防、診斷、治療服務水平。人工智能主要研究方向讓計算機具有與人類結構與功能，以及幫助人類更加智能的處理事宜。
在人類腦科學與人工智能的研究，他們一個圍繞的是細胞神經，一個圍繞的是網絡神經。一個是讓人類的大腦更加的聰明，一個是讓機器的運算更加的智能。如果說人工智能要得到極大的進步，我更傾向于如何與腦科學更好的結合。
第四個謊言：Ai
2014年特斯拉CEO馬斯克在麻省理工學院的一次公開訪談中，發(fā)表對人工智能的看法時表示，“我認為我們應當格外警惕人工智能。如果讓我說人類當下面臨最大的威脅是什么，我覺得是人工智能無疑”。同一年物理學家斯蒂芬·霍金就曾語出驚人，表示人工智能發(fā)展到目前的初步階段已證明非常有用，但他擔心的是，“人工智能可能自行啟動，以不斷加快的速度重新設計自己。而人類局限于緩慢的生物進化過程，根本無法競爭，最終將被超越”，因此他認為，“徹底開發(fā)人工智能可能導致人類滅亡”。
人類簡史的作者尤瓦爾·赫拉利曾在公開演講中提到，人類的恐懼來自未知和不可控。雖然人類智慧發(fā)展至今，已經掌控了自然界的很多東西，包括如何對抗自然災害，掌控生物界的命運等，但人類最不可控的東西始終讓人類恐懼，比如死亡。
未知與不可控成為行業(yè)內大佬激辯的觀點，有樂觀派表示人類一直在探索未知，所以人類才能如此的進步，有悲傷派表示一切的不可控將是世界末日。
對于以上大佬的觀點，劍鋒認為技術是純粹的，只是人類是私欲的和無知的。例如在封建王朝時期天狗食月是譽為神仙對百姓的一種懲罰，故而形容成為天下末日。但是今天的科學表明月食是一種特殊的天文現象。
現在的人工智能技術遠遠還沒有達到損害世界，操縱宇宙的階段，如果真的有哪一天，地球是機器人的地球，因為地球的環(huán)境只適合機器人，人類已經移居到別的星球。
第五個謊言：遠離互聯網，擁抱Ai
有行業(yè)人士指出以PC來說，全球PC出貨量連續(xù)5年下滑。大家知道國內最后出現的一個PC互聯網獨角獸是誰嗎？是知乎，大概是2011年初推出，這么多年過去，再也沒有PC互聯網的獨角獸出現。做個類比，我們知道2015年移動互聯網的滲透率和競爭程度和2011年的PC互聯網類似，以此類推，2015年以后再做移動APP，也很難出獨角獸了。所以互聯網的流量紅利已經消失。
對于這位行業(yè)人士的觀點，劍鋒在這里不做過多的評述，只是以數據和市場來告訴大家，互聯網及移動互聯網的紅利真的已經消失了嗎？在中國還沒有高舉互聯網+的時候，互聯網只是解決的信息不對稱的問題，電商被譽為最成功的案例。根據阿里研究院的《創(chuàng)新飛躍的五年：10大關鍵詞解讀中國互聯網》報告指出，截止2016年底，中國互聯網用戶高達7.1億人，全球排名第一，幾乎是第二、三名印度和美國之和。中國互聯網相關GDP占比高達6.9%，居世界第二位；如果去除信息通信設備出口等制造業(yè)相關行業(yè)，中國互聯網相關GDP占比為6.4%，居世界第一。
互聯網經濟有沒有可能進一步提升呢？古曰：三百六十行，行行出狀元。那今天的互聯網是否已經把三百六十行包圍了，以電商為例中國的電商主要還是在一二三線城市，對于廣袤的四五六線還有待挖掘，以游戲為例，王者榮耀拉動了新的消費群體(女人與小學生)，對于還有消費能力的其他的群體還有待挖掘，以B2B為例，找鋼網豎起了垂直行業(yè)的市場，那水產，礦產等等垂直行業(yè)的市場還有待挖掘。以短視頻為例，快手圈起來三低人群，那三高人群市場還有待挖掘。
對于一直生在一線市場，長在一線市場的互聯網小兵而言，互聯網及移動互聯網的機會還遠遠沒有被挖掘出來，只是那些投資人站得太高，創(chuàng)業(yè)者望的太遠。
還有就是擁抱Ai，我一直挺郁悶的是Ai還處于技術發(fā)展期，就開始談論行業(yè)應用期。多少感覺有點像前幾年的VR，硬件不過關，軟件體驗差。然后就開始鼓吹VR+將改變世界，統(tǒng)領行業(yè)。
AI是技術不是魔術
《時間線》：您認為AI真正的本質是什么？JK：人工智能是以使機器能夠勝任一些通常需要人類智能才能執(zhí)行工作為目標的一個工程領域。但這并不意味著電腦本身是智能的，只是它們能在某些情況下替代人 類。
《時間線》： AI似乎更容易對顯性知識進行技術轉化，那么在對隱性知識技術化時遇到哪些阻礙？現在是否有所突破呢？
JK：你可以將AI技術大概分為兩類。第一類是趨向于理性問題的AI技術，像是規(guī)劃一個駕駛路線，在電路板上布局組件，合理高效地將包裹放置在運輸車上。處理這類問題時，人們是通過顯性信息和使用顯性邏輯規(guī)則開始處理的。第二類是趨向于感知問題AI技術，這其中包括識別照片中的人物，駕駛汽車，研究收集醫(yī)療數據模型。一般來說，這類問題很難被明確地描述出來。還有些問題像是翻譯語言、玩一些復雜的游戲，可能需要對這兩類技術都有所涉獵。
主人or奴隸
《時間線》：在Ray Kurzweil的《奇點臨近》一書中曾描寫道：在“奇點”到來之際，機器將能通過人工智能進行自我完善，超越人類，從而開啟一個新的時代。很多人都開始恐慌AI或許會在未來的某一天取代人類，對此您怎么看？您認為最為適當的人機關系是怎樣的？
JK：我并不同意Ray Kurzweil的觀點。機器已經在許多領域超越人類的能力，并且我們對此也并沒感到任何的不適。事實上，這就是我們?yōu)槭裁词褂盟鼈?。電腦能夠比人類計算得更快更精確，記憶存儲大量的信息，并且通訊交流的速度是人類無法想象的。隨著AI領域的進步，將會有越來越多的任務是由機器去處理，并且會比人類處理得更好。但是這不意味著它們能比得上人類的智慧。我們并沒一個言之成理的人類智慧的理論，即使我們有，也沒有證據能表明我可以編制一個機器去復制它。
《時間線》：現如今一些企業(yè)工廠已經在開始利用AI進行日常生產工作活動了，但對于工種的替代還只是局限在初級的、可替代性強的工作，那么在未來隨著AI的發(fā)展是否會挑戰(zhàn)高級工作，例如高級電腦程序工程師、注冊會計師、高級律師等等？
JK：AI程序不能執(zhí)行工作，它們的作用是使任務自動化。如果一個人的工作是由那些能被自動化的任務組成的，那么的確他們的職業(yè)是面臨風險的。如果一些人的工作任務是機器不能處理的，那么AI技術只是能夠幫助人們把工作處理得更加高效。這無關乎工作多么高級，人們需要接受多么多的培訓去做他們的工作。我們在用電腦執(zhí)行計算時，執(zhí)行任務往往需要相當大的訓練和專業(yè)知識作為前提的。比如，一個放射線研究者的工作職能可能是容易去自動操作的，但是相反地，一個兒科醫(yī)師需要的是機器無法執(zhí)行的人類技能。
《時間線》：在您的《人工智能時代》一書中介紹了AI對財富再分配的影響，您希望AI的發(fā)展可以極大地提高社會財富，但現實情況是，現在無論是東方還是西方，貧富差距是不可避免的問題，因此，AI在提高社會財富的同時會不會反而加重了貧富差距和財富分配不均勻的問題？
JK：我不確定我們所理解的社會財富是否是完全一樣的。但是在我看來，AI是自動化的一種形式，它是資本對勞動力的替代。從邏輯上看，這意味著擁有資本的人可以通過利用機器去獲得更大的利益，而那些只能依賴出售自身的勞動力的人，將會被取而代之。一般來說，自動化使社會更加富裕，而獲益者主要是那些富人，除非我們采取一些措施來確保整個社會都享受新財富。
《時間線》：您認為當前人們對AI誤解的主要爭議點是什么？您對當前人們對AI的看法和理解有何建議？
JK：許多人所理解的AI就正如他們在電影中看到的那樣。通常都是一些傷害和攻擊人類的壞的機器人和程序。但是這些都是幻想。機器是沒有感情的，除了我們指令它們做的事情以外它們是沒有獨立目的。只要我們仔細考慮如何使用這些技術，它們將會很好地為我們的需求服務。但是像另外一些技術，比如核能，我們既可以用它來做建設也可以用它去搞破壞。但這些都取決于我們人類，而不是“它們”。
AI在中國
《時間線》：在AI領域，西方國家，例如美國，擁有較為完善的技術支持和發(fā)展環(huán)境，而中國的AI領域更多的是依賴于商業(yè)驅動，那么對技術驅動與商業(yè)驅動，您認為哪一個更能推進AI的可持續(xù)發(fā)展？
JK：我認為在美國AI技術的發(fā)展和在中國一樣都是由經濟發(fā)展驅動的。有很多大學都在研究AI這個領域，但是大多數的進步是發(fā)生在像谷歌和Facebook這樣的公司。我相信在中國，百度也是這樣的公司。
《時間線》：從倫理角度來看，在西方國家，例如美國，AI的發(fā)展遇到哪些問題和阻礙？中國擁有特殊的文化環(huán)境和較為保守的倫理邏輯，您認為當AI甚至是未來的AI機器人在步入中國普通老百姓生活中時是否會遇到更多新的問題？
1981年，畢業(yè)于浙江美術學院工藝系（現中國美術學院），學士；
1982年-1983年，任教于中國美術學院，教師；
1984年-1986年，德國慕尼黑造型藝術學院與柏林藝術大學訪問學者；
1986年-1988年，獲美國耶魯大學藝術學院碩士學位，被授以作為表彰最優(yōu)秀畢業(yè)生的諾爾曼?艾弗斯紀念獎；
1988年，成立個人設計工作室，為Adobe公司提供設計；
1989年-1997年，美國耶魯大學藝術學院，講師；
1991年-1998年，就職于全球最大的出版O計軟件公司Adobe，先后擔任設計師，高級藝術指導，設計總管，負責全公司設計工作；
1998年，加入兩方設計公司，任設計總監(jiān)；
1999年，任上海大學美術學院，客座教授；
2001年，參加北京申奧工作，藝術指導；
2006年-2008年，任北京奧組委形象與景觀藝術總監(jiān)；
2003年-至今，任中央美術學院設計學院院長、長江學者特聘教授、博士生導師
主要設計、研究項目：2001 年參與北京市申奧工作，設計北京申奧多媒體陳述報告；2004建立中央美院奧運藝術研究中心并任主任，中心設計了奧運獎牌、奧運體育標識、奧運色彩系統(tǒng)、奧運景觀系統(tǒng)指南、奧運門票等奧運設計項目；2006年10月至2008年10月任北京奧組委形象與景觀藝術總監(jiān)，負責北京奧運形象與景觀設計工作；2009年作為學術總監(jiān)與主要發(fā)起人負責申請、籌備、舉辦了ICOGRADA 北京世界設計大會。大會有40多個國家2000人參會，超過100場演講，24個專業(yè)展覽，成為推動中國設計發(fā)展的一項重要活動。曾任教于美國耶魯大學藝術學院并擔任世界最大出版設計軟件公司Adobe 高級藝術指導與設計總管，負責全公司設計工作。作品多次參加國際重大展覽并獲獎，作品被多家博物館收藏；多次被邀請作為設計比賽評委；在世界多地舉辦過學術講座，主持過很多與設計相關的學術活動。
技術的進步、互聯網的發(fā)展和數字化時代的到來使得設計行業(yè)面臨著巨大的機遇和挑戰(zhàn)。在2016年11月召開的國際藝術設計教育年會上，中央美術學院設計學院院長王敏教授就現階段技術和數字化發(fā)展所引發(fā)的設計領域的一系列變革問題進行了名為“Envision， Empower， En-hance―Design in the Era of 4th Industry Revolution”的主題演講，在設計領域引起了巨大的反響，更是吸引學者們廣泛的關注。發(fā)言中，其不僅對目前數字和人工智能背景下的設計問題進行了廣泛的論述，更對未來設計行業(yè)和設計教育的發(fā)展指引了方向。本期，我刊特別邀請到了王敏教授做客權威人物欄目，就第四次工業(yè)革命所引發(fā)的設計價值與設計蛻變相關問題接受我刊專訪，深入探討設計未來的研究方向和設計師的培養(yǎng)問題。
本刊主編：王院長您好！感謝您接受我刊的專訪！我們知道，在去年年底結束的國際藝術設計教育年會上，您的發(fā)言引起了巨大的反響，特別是其中有關人工智能所引發(fā)的設計變革方面的問題，更是得到了很多學者和教育工作者們的關注。您能進一步深入解讀一下您是如何看待設計師與人工智能的關系的呢？
王院長：好的。首先，我想說的是目前人工智能的發(fā)展已經對設計師帶來了巨大的沖擊，而且在未來，設計師的很多工作還將會被人工智能系統(tǒng)所取代。但其次，我想進一步說明的是某些工作的消失并不意味著設計行業(yè)的消失，因為設計師的很多工作是不能被人工智能所取代的。因此我想，設計師和人工智能的關系應該是相互促進、相互激勵發(fā)展的關系。歷次的工業(yè)革命，都帶來了設計理念、設計價值的轉變，也為設計領域的發(fā)展帶來了巨大的機會。第四次工業(yè)革命也以一樣。在人工智能、物聯網Internet of Things ，工業(yè)4.0、新能源、新思維興起的時候，也為設計領域和設計師帶來了前所未有的機遇與挑戰(zhàn)。
本刊主編：王院長，剛剛您談到了歷次工業(yè)革命和第四次工業(yè)革命的問題，您能介紹一下四次工業(yè)革命都對設計帶來了怎樣的影響嗎？中國在這四次革命過程中又處于一種什么樣的狀態(tài)呢？
王院長：當然可以，而且我個人認為將四次工業(yè)革命的影響梳理清楚對于我們現階段把握好設計發(fā)展的脈絡是非常有幫助的，因為伴隨工業(yè)革命、技術革命發(fā)生時，設計師設計理念的轉變、設計所帶來的價值的轉變、設計行業(yè)發(fā)生的變化，這都會給我們一些對未來的啟示和思考。首次，第一次工業(yè)革命由蒸汽機引發(fā)，人類進入機械生產時代，機器產生的能量大于人與動物的力量，機器取代了人工，帶來了生產的進步，但也帶來了各種毫無美感的粗劣的機器，在人們?yōu)楣I(yè)進步歡呼之時，莫里斯倡導的藝術與手工藝運動也開始掀起，隨后新藝術運動，新裝飾，青年風格等在歐洲形成，很多藝術家設計師投入其中，創(chuàng)造了大量的精美設計作品，今天仍為很多人喜愛，這讓人們看到了藝術與工業(yè)結合去創(chuàng)造美的可能性；其次，電與工業(yè)流水線帶來了第二次工業(yè)革命，電報電話的能力遠優(yōu)于人的傳播能力，人類通訊方式從此發(fā)生了革命性的變革。福特的T型車流水生產線大大提高了工業(yè)生產效率，將汽車帶進普通人的生活，也預示著工業(yè)產品對人類生活所將帶來的巨大影響。此時出現的包豪斯帶來了現代設計教育的理念，包豪斯倡導藝術與技術統(tǒng)一，功能性與極簡的現代審美觀，其后形成的現代主義設計潮流極大推動了工業(yè)化對人類生活形態(tài)與審美的滲透與改變，在這個現代主義設計發(fā)展的進程中吸引了眾多人才，也產生了很多設計大師，設計的價值為社會所關注；其三，第三次工業(yè)革命始于60年代，從計算機再到互聯網，第三次工業(yè)革命又一次引起了生產方式和生活方式的巨大變革，比如計算機的應用顛覆性改變了設計、印刷、傳播的過程，改變了設計師的工作與設計的價值，3D打印勢必引發(fā)產業(yè)組織形態(tài)和供應鏈模式包括設計價值的顛覆性變化；最后，第四次工業(yè)革命來到，隨著互聯網的發(fā)展和計算機技術的更新，人工智能和機器學習開始成為新的熱點，也是必為設計行業(yè)帶來巨大挑戰(zhàn)與機會。
再來看看我國，由于歷史原因我們錯過了第一次與第二次工業(yè)革命，僅僅搭上了第三次工業(yè)革命的末班車，面對第四次工業(yè)革命，我們從來沒有像今天這樣與世界領先的技術浪潮如此接近過。尤其是在人工智能領域，中國最大的優(yōu)勢在于7億多互聯網用戶，而大量的用戶就意味著更多的數據。2016年白宮前沿峰會報告指出，在人工智能的新領域深度學習領域中，中國無論是數量或是被引用論文數量都趕超美國位居全球第一。深度學習的應用也體現在我們的日常生活之中，購物平臺利用大量的數據分析用戶需求，匹配并推薦其需要的商品，或是資訊類APP為用戶匹配并推送相關的新聞訊息。除此以外，深度學習最終價值的體現其實還有更多，比如AlphaGO大戰(zhàn)李世石，深度學習在背后也起著非常重要的作用，再比如自動駕駛、語音識別、圖像識別等都是深度學習的研究范疇，也將是人工智能未來在我們生活中的應用場景。
本刊主編：王院長您的思路太清晰了！正如您所說，歷次的工業(yè)革命都對設計和人類產生了幾乎是具有顛覆意義的影響，那么我想進一步請教一下您，您認為設計在第四次工業(yè)革命中是一個什么樣的身份？設計存在的價值在哪里？而我們如此眾多的設計師將何去何從？將如何重新找到自己的社會價值呢？
王院長：這個問題非常好，它正是我們中國設計和設計師們面臨的困惑，這里我就談談我個人的看法。前面幾次工業(yè)革命過程讓我們看到，技術的發(fā)展淘汰了一些行業(yè)、工種，但它也不斷創(chuàng)造新的機會、新的工作。在社會、技術發(fā)展的進程中，設計與藝術起到技術無法替代的作用。我們應該將第四次工業(yè)革命當作機遇、機會，來實現設計的新的價值?，F階段，第四次工業(yè)革命帶來了對設計新的要求、新的機會。設計的定義、價值正在改變，企業(yè)對設計的需求也在改變。這是一個擁抱創(chuàng)新、創(chuàng)意、設計的時代。近年來，很多大型公司開始并購設計公司；國內外很多商業(yè)學院陸續(xù)開設設計思維的相關課程，新加坡甚至將設計思維作為高中的必修課；越來越多的設計師開始創(chuàng)業(yè)。這里我們所說的設計師創(chuàng)業(yè)，并非開辦一個設計師事務所，或者打造一個設計品牌，而是更多的涉獵到非設計行業(yè)。這些變化就要求我們不斷重新定義設計、重新定義設計師、重塑設計師，作為最根本的，我們還需要重新定義設計教育。在人工智能時代，很多行業(yè)或是消失，或是大量削減人數，設計行業(yè)也一樣，但這并不意味著設計行業(yè)的消亡，正相反的是，未來社會更需要設計師，只是是與以往不同的設計師。我們要不斷重新定義設計、重新定義設計師、重新判斷設計的價值。設計師因為他們的職業(yè)特點，他們對用戶體驗的關注、他們所普遍具有的同理心、他們的創(chuàng)造性思維的能力，加上對跨行業(yè)的經驗，使他們可以為企業(yè)帶來美化產品之外的價值。設計由最初對產品的關注被提升到組織與策略的層次，設計一詞不再局限于有型的產品，而是一種策略思考。
生活實際是指與學生的生活密切相關的事物，結合生活實際創(chuàng)設情境是情境教學法的一種重要運用方式。目前的高中信息技術教材中的很多內容均可以與我們的生活實際密切聯系在一起，為高中信息技術教師在課堂中創(chuàng)設生活情境提供了重要的前提條件。例如，執(zhí)教《網絡資源下載》一課時，高中信息技術教師可以創(chuàng)設這樣一個生活情境：同學們，永州市第十七屆中學生運動會剛剛落幕，本屆運動會共產生66枚金牌。請同學們分小組上網搜索本屆運動會獲獎的有關資料，并將相關網頁保存在自己的電腦之中。為了引導學生更好地對問題進行探究，信息技術教師還需要提出如下幾個問題：（1）總結幾種具體的網頁保存類型；（2）思考一下哪種網頁保存類型更為方便，談談你的看法。由于該情境與學生的生活實際密切相關，因此學生參與探究的積極性也非常高，取得了很好的教學效果。對于高中生來說高中信息技術知識的學習是較為枯燥的，如若信息技術教師可以適時地結合學生的生活實際創(chuàng)設情境，則可以在一定程度上激發(fā)學生的學習興趣，進而提高課堂教學的質量。
二、結合多媒體創(chuàng)設情境
多媒體是高中信息技術課堂教學的重要輔助利器。因此，在高中信息技術課堂中結合多媒體創(chuàng)設情境無疑是一個很好的選擇。相關研究表明，結合多媒體創(chuàng)設情境可以給學生更加直觀的視覺刺激，可以有效激發(fā)學生的學習興趣。例如，執(zhí)教《人工智能離我們有多遠》一課時，高中信息技術教師可以對人工智能進行簡要的介紹，然后再利用多媒體播放動畫展示人工智能技術在生活中的應用成果，并讓學生認真觀看，觀看完畢之后，學生就可以對人工智能形成了一個直觀的了解，進而激發(fā)學生學習新課的興趣。除此之外，教師也可以在上課之前安排學生親自動手制作多媒體課件。為了提高多媒體課件制作的有效性，教師可以讓學生自由分組，合力完成多媒體課件的制作；然后在課堂中選擇幾個較為優(yōu)秀的課件播放給學生看。由于課件是學生親手制作的，因此學生參與課堂學習的積極性也會更高。在高中信息技術課堂中結合多媒體創(chuàng)設情境，不僅可以激發(fā)學生的學習興趣，也可以讓多媒體這一現代教學手段更好地服務高中信息技術課堂教學。因此，高中信息技術教師應積極制作精美的多媒體課件，在課堂中創(chuàng)設出更加有效的多媒體教學情境。
《培訓》：對于未來企業(yè)發(fā)展而言，人工智能等技術至關重要。在未來，企業(yè)可以更成熟地運用跨界科學技術來培訓人才。您對于這一趨勢的看法是什么？
王殿平：未來社會智能無處不在，到2029年，機器智能可以跟人類智能相匹敵；到2030年，人類可能跟人工智能結合，變成一種混血兒；到2045年，人與機器深度融合，奇點來臨。未來，人工智能會延伸出四大層面：首先是基礎智能，較為普遍，類似于智能終端、智能物理；其次是計算智能，它通過智慧終端獲取一些大數據，根據大數據的應用做計算分析，如購物APP；然后是感知智能，起到輔助增強的作用，甚至可以替代人類的視聽覺能力，這一智能目前正在成熟，它將實現讓機器圍繞人，并且融入人的感知系統(tǒng)；最后是認知智能，主要輔助人類做出業(yè)務等方面的決策，機器通過深度學習逐步具備推理和決斷的能力。在認知智能層面，機器將具備學習和推理的能力。
關于運用跨界科學技術培養(yǎng)人才，中興通訊提倡的智慧學習目前正處在基礎智能和計算智能兩大層面。最初，學習基于機器終端，學員通過多媒體學習所需內容。隨著移動學習逐漸發(fā)展，學習內容可存放在移動終端，學員可以隨時隨地進行學習?，F在我們的智慧教室和智慧學習平臺還在計算層面，機器具備簡單的統(tǒng)計分析和決策能力，它會把現場教學最精彩、最關鍵的部分捕捉下來，自動形成課件，還可以根據學員的學習習慣以及學習興趣作出推薦。智慧學習系統(tǒng)也會根據學員的崗位特性組合學習內容，高度關注學員體驗。
《培訓》：您之前提到：“未來社會智能無處不在，人與機器將深度融合?！贬槍@一趨勢，中興通訊對人才發(fā)展戰(zhàn)略做了哪些調整？
王殿平：人才戰(zhàn)略須跟公司發(fā)展戰(zhàn)略一脈相承，中興通訊近期了M-ICT2.0戰(zhàn)略，我們的人才戰(zhàn)略也在據此調整。整體上，我們認為M-ICT2.0戰(zhàn)略包括五個方面的內容：虛擬、開放、智能、云化以及萬物互聯，簡稱VOICE。該戰(zhàn)略是針對萬物移動互聯而提出，以前我們比較關注人跟人的連接和無線連接，未來人跟物、物跟物的連接更豐富，且這種連接會逐漸數字化和虛擬化。
V指virtuality（虛擬化）。未來是大視頻、虛擬現實的時代，我們的學習將不再需要很密集的場面，而是通過掃二維碼或佩戴高科技眼鏡就可以身臨其境，感受到講師與學員之間的互動和熱情。
O是openness（開放、開源、共享生態(tài)圈）。未來產業(yè)結構、形態(tài)、甚至企業(yè)競爭模式將更加開放，形成協同、開源的外部生態(tài)環(huán)境，逐漸模糊企業(yè)內外部的培訓邊界。
I表示intelligence（智能化、人工智能、泛在智能）。隨著智能手機的普及，智能技術的廣泛運用，學員對智能化的體驗將越來越深刻，學習會更加便捷。
C為cloudification（云計算、管道加速）。雖然現在手機和電腦上的資源都可以共享，但若沒有網絡或數據線，這些就是紙上談兵。然而，未來可以將這些資源進行云化處理，學員就可以無后顧之憂，直接下載使用客戶端資源。
E指internet of everything（萬物互聯）。萬物和移動互聯，資源廣泛協同。
創(chuàng)造共享的學習體驗
《培訓》：M-ICT2.0戰(zhàn)略倡導了開放、開源和協作的時代。根據這一戰(zhàn)略，中興通訊有哪些推動人才培養(yǎng)方式向數字化、智能化轉型的探索？
王殿平：伴隨著互聯網尤其是移動互聯網的快速發(fā)展，以及商業(yè)模式創(chuàng)新的加速涌現，單靠一家企業(yè)創(chuàng)新人才發(fā)展很難領跑未來，因此我們始終保持著開放與分享的心態(tài)。為適應大趨勢發(fā)展，運用新興科技進行人才培養(yǎng)時需特別注意三點，即開源、生態(tài)圈和共享。
開源是將企業(yè)內部的課程、平臺的開發(fā)對外開放。早期，我們視培訓為非常專業(yè)的項目，大量的員工、講師、開發(fā)團隊都為課程的開發(fā)和交付而服務。企業(yè)將大量精力投入培訓中，產出結果卻不盡人意。隨后，企業(yè)逐漸培養(yǎng)來自一線的導師。他們既有較強的業(yè)務素養(yǎng)，又有很強的授課能力，兼職做培訓的課程、項目開發(fā)，使整個團隊呈現輕量化，并逐步形成專業(yè)的能力中心?，F在，我們的培訓從內部走向公司外部，通過合作的方式廣泛汲取外部優(yōu)秀講師、精品課程，以及高校優(yōu)質資源，依托移動學習平臺對所有員工開放。
生態(tài)圈是將線上線下的供應商、合作伙伴的資源連接起來，形成協同，確保資源的優(yōu)勢互補。
共享，主要是指人才、技術、管理等方面的資源經驗分享。比如在國際化過程中，我們早期走出去的企業(yè)付出了大量“學費”，這些寶貴的市場經驗、管理經驗都可以分享給國際化新秀，同行業(yè)內還可以共享國際化人才的培養(yǎng)和認證標準。人才、技術的分享也會促成大量業(yè)務的合作，有力促進行業(yè)的發(fā)展。例如，我們的線上學習系統(tǒng)推出了1000多門免費課，在很短的時間內就有幾萬學員注冊。
《培訓》：運用新興科技培養(yǎng)人才時，中興通訊在學習產品的設計方面有哪些特別之處？
王殿平：中興通訊對學習產品設計方面，會嚴格遵循三項原則。
原則一，易學，我們做的課程、平臺首先要非常簡單實用。如果講師開發(fā)的課件或課程非常晦澀難懂，實際就是將學員拒于千里之外。很多培訓人課程開發(fā)量十分巨大，但在實際操作中，這些課程往往點擊率低，鮮有人學，因此收效甚微。所以課程的開發(fā)一定要做到易學，無論線上線下的課程，都應符合大多數學員的認知能力。
原則二，尚學，工作當中的場景學習一定要接地氣和實用。無論是“學以致用”，亦或是“用以致學”，講師提供的（培訓）產品對用戶、學員應具有價值和實用性。
原則三，樂學，增加學習的趣味性，未來學習要增加學員學習的粘性，從“要我學”轉變成“我要學”。
《培訓》：中興通訊還嘗試了哪些比較新穎的舉措，以適應智能化時代的人才培養(yǎng)？
王殿平：未來將呈現VOICE趨勢，即虛擬化、智能化的趨勢，為適應這種時代的發(fā)展，中興通訊設計了智慧教室進行人才培養(yǎng)。智慧教室類似于當下的網紅經濟，以“互聯網+智慧”為核心，是一種建立在傳統(tǒng)教室之上的網絡直播室。傳統(tǒng)的教室以講師為中心，而智慧教室以學員為中心。智慧教室直播系統(tǒng)有五機位自動跟蹤課堂焦點，不管是講師、PPT還是板書，學員在遠端可以非常清楚地感受到互動的過程，自己也可以實時與教室中的講師、學員進行語音或文字互動，從而拉近主教室和遠程學習端的距離，貼近線下課堂的學習體驗。智慧教室的智能錄播系統(tǒng)，可在現場授課的同時，自動生成講師授課的課程視頻，包括講師講授、板書書寫的過程和課件等。智能錄播系統(tǒng)會把錄播的學習內容上傳到電腦、手機等智能科技產品，方便學員利用碎片時間隨時隨地學習。點擊率和點贊率越高，就基本可以證明課件越受歡迎。
當然，智慧教室的發(fā)展也有一定局限性，它的運行會受到網絡的限制，網絡覆蓋面還不夠廣泛。國內互聯網，尤其是移動互聯網的發(fā)展非?？?，因此在國內運用智慧教室，會比較順利地展開人才培訓。但覆蓋海外國家時，由于網絡帶寬限制，智慧教室就不能較好地給學員帶來便利。隨著網絡的發(fā)展，未來中興通訊希望通過VR/AR更進一步提高智慧教室的學習體驗，甚至把教室搬回學員的家中或辦公室。
迎接技術挑戰(zhàn) 儲備高新人才
《培訓》：基于對行業(yè)變革趨勢的理解和判斷，您認為未來企業(yè)的人才培訓面臨哪些技術上的挑戰(zhàn)？
王殿平：移動互聯網的趨勢，對我們的人才培養(yǎng)提出了一些新的挑戰(zhàn)。我個人認為，培訓要求常態(tài)化，未來的培訓在技術應用上要體現以下幾個特點。
第一，要不斷地向輕量和智能化發(fā)展。以前培訓主要是靠公司的管理者，或靠一些行政命令驅動員工接受培訓和學習，未來應該是靠低門檻、便捷和智能化的學習產品、學習平臺，為員工培訓提供服務。
第二，學習虛擬化，它會極大提高員工的學習效率。原先的學習是依賴優(yōu)秀講師開發(fā)出的精品課程，隨著數字化、虛擬化時代到來，虛擬化技術會拓展員工培訓外延，以及擴充更多學習內容。
【正文】
一、人工智能法律系統(tǒng)的歷史
計算機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系：“我們要造成這樣一個結果，使所有推理的錯誤都只成為計算的錯誤，這樣，當爭論發(fā)生的時候，兩個哲學家同兩個計算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個人面對面地說：讓我們來計算一下吧！”（注：轉引自肖爾茲著：《簡明邏輯史》，張家龍譯，商務印書館1977年版，第54頁。）
如果連抽象的哲學推理都能轉變?yōu)橛嬎銌栴}來解決，法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝，但是，人工智能技術的發(fā)展速度確實令人驚嘆。從誕生至今的短短45年內，人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發(fā)式探索技術開發(fā)的具有自學習能力的跳棋程序，在1959年擊敗了其設計者，1962年擊敗了州跳棋冠軍，1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。
20世紀60年代，人工智能研究的主要課題是博弈、難題求解和智能機器人；70年代開始研究自然語言理解和專家系統(tǒng)。1971年費根鮑姆教授等人研制出“化學家系統(tǒng)”之后，“計算機數學家”、“計算機醫(yī)生”等系統(tǒng)相繼誕生。在其他領域專家系統(tǒng)研究取得突出成就的鼓舞下，一些律師提出了研制“法律診斷”系統(tǒng)和律師系統(tǒng)的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）
1970年Buchanan&Headrick發(fā)表了《關于人工智能和法律推理若干問題的考察》，一文，拉開了對法律推理進行人工智能研究的序幕。文章認為，理解、模擬法律論證或法律推理，需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規(guī)則和論證等幾種知識類型，即如何描述法律知識，其中處理開放結構的法律概念是主要難題。其次，要了解如何運用各種知識進行推理，包括分別運用規(guī)則、判例和假設的推理，以及混合運用規(guī)則和判例的推理。再次，要了解審判實踐中法律推理運用的實際過程，如審判程序的運行，規(guī)則的適用，事實的辯論等等。最后，如何將它們最終運用于編制能執(zhí)行法律推理和辯論任務的計算機程序，區(qū)別和分析不同的案件，預測并規(guī)避對手的辯護策略，建立巧妙的假設等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在這一時期主要沿著兩條途徑前進：一是基于規(guī)則模擬歸納推理，70年代初由WalterG.Popp和BernhardSchlink開發(fā)了JUDITH律師推理系統(tǒng)。二是模擬法律分析，尋求在模型與以前貯存的基礎數據之間建立實際聯系，并僅依這種關聯的相似性而得出結論。JeffreyMeld-man1977年開發(fā)了計算機輔助法律分析系統(tǒng)，它以律師推理為模擬對象，試圖識別與案件事實模型相似的其他案件?？紤]到律師分析案件既用歸納推理又用演繹推理，程序對兩者都給予了必要的關注，并且包括了各種水平的分析推理方法。
專家系統(tǒng)在法律中的第一次實際應用，是D.沃特曼和M.皮特森1981年開發(fā)的法律判決輔助系統(tǒng)(LDS)。研究者探索將其當作法律適用的實踐工具，對美國民法制度的某個方面進行檢測，運用嚴格責任、相對疏忽和損害賠償等模型，計算出責任案件的賠償價值，并論證了如何模擬法律專家意見的方法論問題。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）
我國法律專家系統(tǒng)的研制于20世紀80年代中期起步。（注：錢學森教授：《論法治系統(tǒng)工程的任務與方法》（《科技管理研究》1981年第4期）、《社會主義和法治學與現代科學技術》（《法制建設》1984年第3期）、《現代科學技術與法和法制建設》（《政法論壇》）1985年第3期）等文章，為我國法律專家系統(tǒng)的研發(fā)起了思想解放和理論奠基作用。）1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統(tǒng)研究》被確定為國家社科“七五”研究課題，它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發(fā)方面，1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統(tǒng)》。（注：楊建廣、駱梅芬編著：《法治系統(tǒng)工程》，中山大學出版社1996年版，第344-349頁。）1993年武漢大學法學院趙廷光教授主持開發(fā)了《實用刑法專家系統(tǒng)》。（注：趙廷光等著：《實用刑法專家系統(tǒng)用戶手冊》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統(tǒng)、輔助定性系統(tǒng)和輔助量刑系統(tǒng)組成，具有檢索刑法知識和對刑事個案進行推理判斷的功能。
專家系統(tǒng)與以往的“通用難題求解”相比具有以下特點：(1)它要解決復雜的實際問題，而不是規(guī)則簡單的游戲或數學定理證明問題；(2)它面向更加專門的應用領域，而不是單純的原理性探索；(3)它主要根據具體的問題域，選擇合理的方法來表達和運用特殊的知識，而不強調與問題的特殊性無關的普適性推理和搜索策略。
法律專家系統(tǒng)在法規(guī)和判例的輔助檢索方面確實發(fā)揮了重要作用，解放了律師一部分腦力勞動。但絕大多數專家系統(tǒng)目前只能做法律數據的檢索工作，缺乏應有的推理功能。20世紀90年代以后，人工智能法律系統(tǒng)進入了以知識工程為主要技術手段的開發(fā)時期。知識工程是指以知識為處理對象，以能在計算機上表達和運用知識的技術為主要手段，研究知識型系統(tǒng)的設計、構造和維護的一門更加高級的人工智能技術。（注：《中國大百科全書·自動控制與系統(tǒng)工程》，中國大百科全書出版社1991年版，第579頁。）知識工程概念的提出，改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統(tǒng)研制，如果能在法律知識的獲得、表達和應用等方面獲得突破，將會使人工智能法律系統(tǒng)的研制產生一個質的飛躍。
人工智能法律系統(tǒng)的發(fā)展源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化，法律實踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無法承受法律文獻日積月累和法律案件不斷增多的重負。其二是人工智能發(fā)展的需要。人工智能以模擬人的全部思維活動為目標，但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服，來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外，人工智能選擇法律領域尋求突破，還有下述原因：(1)盡管法律推理十分復雜，但它有相對穩(wěn)定的對象（案件）、相對明確的前提（法律規(guī)則、法律事實）及嚴格的程序規(guī)則，且須得出確定的判決結論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理，以明確的規(guī)則、理性的標準、充分的辯論，為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案，為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神，對法律程序和假設進行檢驗的傳統(tǒng)，為模擬法律推理提供了良好的反思條件。
二、人工智能法律系統(tǒng)的價值
人工智能法律系統(tǒng)的研制對法學理論和法律實踐的價值和意義，可以概括為以下幾點：
一是方法論啟示。P.Wahlgren說：“人工智能方法的研究可以支持和深化在創(chuàng)造性方法上的法理學反思。這個信仰反映了法理學可以被視為旨在于開發(fā)法律分析和法律推理之方法的活動。從法理學的觀點看，這種研究的最終目標是揭示方法論的潛在作用，從而有助于開展從法理學觀點所提出的解決方法的討論，而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模擬法律推理的過程中，法學家通過與工人智能專家的密切合作，可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如，由于很少有兩個案件完全相似，在判例法實踐中，總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者，在無真實判例或真實判例不能充分解釋現實案件的情況下，以假設的反例來反駁對方的觀點，用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法，就使復雜問題變得十分簡單：假設實際上是一個新的論證產生于一個經過修正的老的論證的過程?？傊?，人工智能方法可以幫助法學家跳出法理學方法的思維定勢，用其他學科的方法來重新審視法學問題，從而為法律問題的解決提供了新的途徑。
二是提供了思想實驗手段。西蒙認為，盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的，“但我們知道這些處理在數字電子計算機中是由電子作用完成的。給計算機編程序使之思維，已經證明有可能為思維提供機械論解釋”。（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）童天湘先生認為：“通過編制有關思維活動的程序，就會加深對思維活動具體細節(jié)的了解，并將這種程序送進計算機運行，檢驗其正確性。這是一種思想實驗，有助于我們研究人腦思維的機理?！保ㄗⅲ恨D引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）人工智能法律系統(tǒng)研究的直接目標是使計算機能夠獲取、表達和應用法律知識，軟件工程師為模擬法律推理而編制程序，必須先對人的推理過程作出基于人工智能理論和方法的獨特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結構之前，首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理分析，將法理學、訴訟法學關于法律推理的研究成果模型化，以實現法律推理知識的機器表達或再現，從而為認識法律推理的過程和規(guī)律提供了一種實驗手段。法學家則可以將人工智能法律系統(tǒng)的推理過程、方法和結論與人類法律推理活動相對照，為法律推理的法理學研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對法律推理性質、要素和過程的認識，使法學家得以借助人工智能科學的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上，BryanNiblett教授說：“一個成功的專家系統(tǒng)很可能比其他的途徑對法理學作出更多的（理論）貢獻?！保ㄗⅲ築ryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）
三是輔助司法審判。按照格雷的觀點，法律專家系統(tǒng)首先在英美判例法國家出現的直接原因在于，浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢，這種法律制度簡直就無法運轉了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其實不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關的法律、法規(guī)和司法解釋耗費大量的精力和時間，而且由于人腦的知識和記憶能力有限，還存在著檢索不全面、記憶不準確的問題。人工智能法律系統(tǒng)強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。
四是促進司法公正。司法推理雖有統(tǒng)一的法律標準，但法官是具有主觀能動性的差異個體，所以在執(zhí)行統(tǒng)一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創(chuàng)造性的特點，進一步加劇了這種差異。如果換了鋼鐵之軀的機器，這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官，而是說，由于人工智能法律系統(tǒng)為司法審判提供了相對統(tǒng)一的推理標準和評價標準，從而可以輔助法官取得具有一貫性的判決。無論如何，我們必須承認，鋼鐵之軀的機器沒有物質欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監(jiān)視器提高了糾正行車違章的公正性一樣，智能法律系統(tǒng)在庭審中的運用有可能減少某些現象。
五是輔助法律教育和培訓。人工智能法律系統(tǒng)凝聚了法律家的專門知識和法官群體的審判經驗，如果通過軟件系統(tǒng)或計算機網絡實現專家經驗和知識的共享，便可在法律教育和培訓中發(fā)揮多方面的作用。例如，(1)在法學院教學中發(fā)揮模擬法庭的作用，可以幫助法律專業(yè)學生鞏固自己所學知識，并將法律知識應用于模擬的審判實踐，從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識，迅速獲得判案經驗，在審判過程的跟蹤檢測和判決結論的動態(tài)校正中增長知識和才干，較快地接近或達到專家水平。(3)可使不同地區(qū)、不同層次的律師和法官及時獲得有關法律問題的咨詢建議，彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢，提高廣大人民群眾的法律素質，增強法律意識。
六是輔助立法活動。人工智能法律系統(tǒng)不僅對輔助司法審判有重要的意義，而且對完善立法也具有實用價值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的內容形式化，幫助立法者發(fā)現了該法在預見性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法輔助系統(tǒng)如能應用于法律起草和法律草案的審議過程，有可能事先發(fā)現一些立法漏洞，避免一個法律內部各種規(guī)則之間以及新法律與現有法律制度之間的相互沖突。
三、法理學在人工智能法律系統(tǒng)研究中的作用
1.人工智能法律系統(tǒng)的法理學思想來源
關于人工智能法律系統(tǒng)之法理學思想來源的追蹤，不是對法理學與人工智能的聯系作面面俱到的考察，而旨在揭示法理學對人工智能法律系統(tǒng)的發(fā)展所產生的一些直接影響。
第一，法律形式主義為人工智能法律系統(tǒng)的產生奠定了理論基礎。18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國分析法學的傳統(tǒng)，主張“法律推理應該依據客觀事實、明確的規(guī)則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決?！保ㄗⅲ海溃┦返傥摹·伯頓著：《法律和法律推理導論》，張志銘、解興權譯，中國政法大學出版社1998年9月版，第3頁。）換言之，機器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結果。在分析法學家看來，“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果?！保ㄗⅲ褐炀拔闹骶帲骸秾ξ鞣椒蓚鹘y(tǒng)的挑戰(zhàn)》，中國檢察出版社1996年2月版，第292頁。）如果法官違反三段論推理的邏輯，就會破壞法治。這種機械論的法律推理觀，反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是，它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以，自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而，從人工智能就是為思維提供機械論解釋的意義上說，法律形式主義對法律推理所作的機械論解釋，恰恰為人工智能法律系統(tǒng)的開發(fā)提供了可能的前提。從人工智能法律系統(tǒng)研制的實際過程來看，在其起步階段，人工智能專家正是根據法律形式主義所提供的理論前提，首先選擇三段論演繹推理進行模擬，由WalterG.Popp和BernhardSchlink在20世紀70年代初開發(fā)了JUDITH律師推理系統(tǒng)。在這個系統(tǒng)中，作為推理大小前提的法律和事實之間的邏輯關系，被計算機以“如果A和B，那么C”的方式加以描述，使機器法律推理第一次從理論變?yōu)楝F實。
第二，法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的社會性。法官是生活在現實社會中的人，其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中，并不是機械地遵循規(guī)則，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面對價值問題，法律形式主義的邏輯決定論便立刻陷入困境，顯出其僵化性的致命弱點。法律現實主義對其僵化性進行了深刻的批判?；裟匪狗ü倜鞔_提出“法律的生命并不在于邏輯而在于經驗”（注：（美）博登海默著：《法理學——法哲學及其方法》，鄧正來、姬敬武譯，華夏出版社1987年12月版，第478頁。）的格言。這里所謂邏輯，就是指法律形式主義的三段論演繹邏輯；所謂經驗，則包括一定的道德和政治理論、公共政策及直覺知識，甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮，如果思維結構對法官的推理活動具有定向作用，那么，人工智能法律系統(tǒng)若要達到法官水平，就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想，法律知識被計算機結構語言以語義網絡的方式組成不同的規(guī)則系統(tǒng)，解釋程序、協調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態(tài)結構調整，從而適應了知識整合的需要。大規(guī)模知識系統(tǒng)的KBS(KnowledgeBasedSystem)開發(fā)也注意了思維結構的整合作用，許多具有內在聯系的小規(guī)模KBS子系統(tǒng)，在分別模擬法律推理要素功能（證成、法律查詢、法律解釋、法律適用、法律評價、理由闡述）的基礎上，又通過聯想程序被有機聯系起來，構成了具有法律推理整體功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）
第三，“開放結構”的法律概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現為法律規(guī)則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規(guī)則可以推出幾種不同的結論，它們往往沒有明顯的對錯之分；有時一個案件面對著幾個相似的法律規(guī)則。在這些情況下，形式主義推理說都一籌莫展。但是，法律現實主義在批判法律形式主義時又走向另一個極端，它否認具有普遍性的一般法律規(guī)則的存在，試圖用“行動中的法律”完全代替分析法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步，然而，法律如果真像現實主義法學所說的那樣僅僅存在于具體判決之中，法律推理如果可以不遵循任何標準或因人而異，那么，受到挑戰(zhàn)的就不僅是法律形式主義，而且還會殃及法治要求實現規(guī)則統(tǒng)治之根本原則，并動搖人工智能法律系統(tǒng)存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場，他既承認邏輯的局限性又強調其重要性；既拒斥法官完全按自己的預感來隨意判案的見解，又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”，邏輯推理可以幫助法官發(fā)現問題的陽面，而根據社會政策、價值和后果對規(guī)則進行解釋則有助于發(fā)現問題的陰面。開放結構的法律概念，使基于規(guī)則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時，找到了新的立足點。在此基礎上，運用開放結構概念的疑難案件法律推理模型，通過邏輯程序工具和聯想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略：一是將簡易問題從疑難問題中篩選出來，運用基于規(guī)則的技術來解決；二是將疑難問題同“開放結構”的法律概念聯系在一起，先用非范例知識如規(guī)則、控辯雙方的陳述、常識來獲得初步答案，再運用范例來澄清案件、檢查答案的正確性。
第四，目的法學促進了價值推理的人工智能研究。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為，以法治為標志的自治型法，過分強調手段或程序的正當性，有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想，因為實質正義不是經過人們直接追求而實現的，而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中，“目的為評判既定的做法設立了標準，從而也就開辟了變化的途徑。同時，如果認真地對待目的，它們就能控制行政自由裁量權，從而減輕制度屈從的危險。反之，缺少目的既是僵硬的根源，又是機會主義的根源。”（注：（美）諾內特、塞爾茲尼克著：《轉變中的法律與社會》，張志銘譯，中國政法大學出版社1994年版，第60頁。）美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較，他認為，前者要求使用內容明確、固定的規(guī)則，無視社會現實生活中不同價值觀念的沖突，不能適應復雜情況和變化，追求形式正義；后者則要求放松對法律推理標準的嚴格限制，允許使用無固定內容的抽象標準，迫使人們在不同的價值觀念之間做出選擇，追求實質正義。與此相應，佩雷爾曼提出了新修辭學(NewRhetoric)的法律理論。他認為，形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術，屬于手段的邏輯；新修辭學要填補形式邏輯的不足，是關于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進行價值判斷的邏輯。他認為，在司法三段論思想支配下，法學的任務是將全部法律系統(tǒng)化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論，法官必須在某種價值判斷的指示下履行義務，必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。（注：沈宗靈著：《現代西方法理學》，北京大學出版社1992年版，第443-446頁。）制造人工智能法律系統(tǒng)最終需要解決價值推理的模擬問題，否則，就難以實現為判決提供正當理由的要求。為此，P.Wahlgren提出的與人工智能相關的5種知識表達途徑中，明確地包括了以道義為基礎的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道義邏輯，或者說在機器中采用基于某種道義邏輯的推理程序，強調目的價值，也許是制造智能法律系統(tǒng)的關鍵。不過，即使把道義邏輯硬塞給計算機，鋼鐵之軀的機器沒有生理需要，也很難產生價值觀念和主觀體驗，沒辦法解決主觀選擇的問題。在這個問題上，波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑，并辯證地將其視為法律發(fā)展的動力之一。只有人才能夠平衡相互沖突的利益，能夠發(fā)現對人類生存和發(fā)展至關重要的價值。因此，關于價值推理的人工智能模擬究竟能取得什么成果，恐怕還是個未知數。
2.法理學對人工智能法律系統(tǒng)研制的理論指導作用
GoldandSusskind指出：“不爭的事實是，所有的專家系統(tǒng)必須適應一些法理學理論，因為一切法律專家系統(tǒng)都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說，一切專家系統(tǒng)都必須體現一種結構理論和法律的個性，一種法律規(guī)范理論，一種描述法律科學的理論，一種法律推理理論”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系統(tǒng)的研究，不僅需要以法理學關于法律的一般理論為知識基礎，還需要從法理學獲得關于法律推理的完整理論，如法律推理實踐和理論的發(fā)展歷史，法律推理的標準、主體、過程、方法等等。人工智能對法律推理的模擬，主要是對法理學關于法律推理的知識進行人工智能方法的描述，建立數學模型并編制計算機應用程序，從而在智能機器上再現人類法律推理功能的過程。在這個過程中，人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果，包括法理學關于人工智能法律系統(tǒng)的研究成果。
隨著人工智能法律系統(tǒng)研究從低級向高級目標的推進，人們越來越意識到，對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出，“許多人工智能技術在法律領域的開發(fā)項目之所以失敗，就是因為許多潛在的法理學原則沒有在系統(tǒng)開發(fā)的開始階段被遵守或給予有效的注意?！薄胺ɡ韺W對法律推理和方法論問題的關注已經有幾百年，而人工智能的誕生只是本世紀50年代中期的事情，這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自動化的目標，“一方面是用人工智能（通過把計算機的應用與分析模型相結合）來支撐法律推理的可能性；另一方面是應用法理學理論來解決作為法律推理支撐系統(tǒng)的以及一般的人工智能問題?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系統(tǒng)充當法律推理研究的思想實驗手段以及輔助司法審判的問題。后一方面，則是法律推理的法律學研究成果直接為人工智能法律系統(tǒng)的研制所應用的問題。例如，20世紀70年代法理學在真實和假設案例的推理和分析方面所取得的成果，已為幾種人工智能法律裝置借鑒而成為其設計工作的理論基礎。在運用模糊或開放結構概念的法律推理研究方面，以及在法庭辯論和法律解釋的形式化等問題上，法理學的研究成果也已為人工智能法律系統(tǒng)的研究所借鑒。
四、人工智能法律系統(tǒng)研究的難點
人工智能法律系統(tǒng)的研究盡管在很短的時間內取得了許多令人振奮的成果，但它的發(fā)展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。
第一，關于法律解釋的模擬。在法理學的諸多研究成果中，法律解釋的研究對人工智能法律系統(tǒng)的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規(guī)范在一個法律論點上的效力，是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的，其中包含著人類特有的價值和目的考慮，反映了法律家的知識表達具有主觀能動性。所以，德沃金將解釋過程看作是一種結合了法律知識、時代信息和思維方法而形成的，能夠應變的思維策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律專家系統(tǒng)并未以知識表達為目的來解釋法律，而是將法律整齊地“碼放”在計算機記憶系統(tǒng)中僅供一般檢索之用。然而，在法律知識工程系統(tǒng)中，法律知識必須被解釋，以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說：“在開發(fā)智能信息系統(tǒng)的過程中，最關鍵的任務既不是文件的重建也不是專家意見的重建，而是建立有關法律領域的概念模型?！保ㄗⅲ篗cCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必須以法律家對某一法律概念的共識為基礎，但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說：即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。（注：（奧）凱爾森著：《法與國家的一般理論》，沈宗靈譯，中國大百科全書出版社1996年版，第1頁。）盡管如此，法理學還是為法律概念模型的重建提供了一些方法。例如，德沃金認為，法官在“解釋”階段，要通過推理論證，為自己在“前解釋”階段所確定的大多數法官對模糊法律規(guī)范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟：首先，從現存的明確法律制度中抽象出一般的法律原則，用自我建立的一般法律理論來證明這種法律原則是其中的一部分，證明現存的明確法律制度是正當的。其次，再以法律原則為依據反向推出具體的法律結論，即用一般法律理論來證明某一法律原則存在的合理性，再用該法律原則來解釋某一法律概念。TAXMAN等系統(tǒng)裝置已吸收了這種方法，法律知識被計算機結構語言以語義網絡的方式組成不同的規(guī)則系統(tǒng)，解釋程序使計算機根據案件事實來執(zhí)行某條法律規(guī)則，并在新案件事實輸入時對法律規(guī)則作出新的解釋后才加以調用。不過，法律知識表達的進展還依賴于法律解釋研究取得更多的突破。
第二，關于啟發(fā)式程序。目前的法律專家系統(tǒng)如果不能與啟發(fā)式程序接口，不能運用判斷性知識進行推理，只通過規(guī)則反饋來提供簡單解釋，就談不上真正的智能性。啟發(fā)式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等問題，即人可以有效地處理錯誤的或不完全的數據，在必要時作出猜測和假設，從而使問題的解決具有靈活性。在這方面，Gardner的混合推理模型，EdwinaL.Rissland運用聯想程序對規(guī)則和判例推理的結果作集合處理的思路，以及Massachusetts大學研制的CABARET（基于判例的推理工具），在將啟發(fā)式程序應用于系統(tǒng)開發(fā)方面都進行了有益的嘗試。但是，法律問題往往沒有唯一正確的答案，這是人工智能模擬法律推理的一個難題。選擇哪一個答案，往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。
第三，關于法律自然語言理解。在設計基于規(guī)則的程序時，設計者必須假定整套規(guī)則沒有意義不明和沖突，程序必須消滅這些問題而使規(guī)則呈現出更多的一致性。就是說，盡管人們對法律概念的含義可以爭論不休，但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性，例如，LDS基于規(guī)則來模擬嚴格責任并計算實際損害時，表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而，在實際的法律推理過程中，法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋，而且辯論雙方總是尋求得出不同的結論。因此，智能法律專家系統(tǒng)的成功在很大程度上還依賴于自然語言理解研究工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題，但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業(yè)術語規(guī)范。所以EdwinaL.Rissland認為，常識知識、意圖和信仰類知識的模擬化，以及自然語言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說，像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果，完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠，而像書面上訴意見的理解則是永遠的終極幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）
五、人工智能法律系統(tǒng)的開發(fā)策略和應用前景
我們能夠制造出一臺什么樣的機器，可以證明它是人工智能法律系統(tǒng)？從檢驗標準上看，這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理，我們可將該檢驗標準概括如下：設兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺智能機器。一個人（也是法律家）向法律家和機器提出同樣的法律問題，如果提問者不能從二者的回答中區(qū)分出誰是法律家、誰是機器，就不能懷疑機器具有法律知識表達的能力。
依“圖靈試驗”制定的智能法律系統(tǒng)檢驗標準，所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同，就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎，就是相同的功能可以通過不同的結構來實現之功能模擬理論。
從功能模擬的觀點來確定人工智能法律系統(tǒng)的研究與開發(fā)策略，可作以下考慮：
第一，擴大人工智能法律系統(tǒng)的研發(fā)主體?，F有人工法律系統(tǒng)的幼稚，暴露了僅僅依靠計算機和知識工程專家從事系統(tǒng)研發(fā)工作的局限性。因此，應該確立以法律家、邏輯學家和計算機專家三結合的研發(fā)群體。在系統(tǒng)研發(fā)初期，可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組，制定系統(tǒng)研發(fā)的整體戰(zhàn)略和分階段實施的研發(fā)規(guī)劃。在系統(tǒng)研發(fā)中期，應通過網絡等手段充分吸收初級產品用戶（律師、檢察官、法官）的意見，使研發(fā)工作在理論研究與實際應用之間形成反饋，將開發(fā)精英與廣大用戶的智慧結合起來，互相啟發(fā)、群策群力，推動系統(tǒng)迅速升級。
第二，確定研究與應用相結合、以應用為主導的研發(fā)策略。目前國外人工智能法律系統(tǒng)的研究大多停留在實驗室領域，還沒有在司法實踐中加以應用。但是，任何智能系統(tǒng)包括相對簡單的軟件系統(tǒng)，如果不經過用戶的長期使用和反饋，是永遠也不可能走向成熟的。從我國的實際情況看，如果不能將初期研究成果盡快地轉化為產品，我們也難以為后續(xù)研究工作提供雄厚的資金支持。因此，人工智能法律系統(tǒng)的研究必須走產研結合的道路，堅持以應用開路，使智能法律系統(tǒng)盡快走出實驗室，同時以研究為先導，促進不斷更新升級。
第三，系統(tǒng)研發(fā)目標與初級產品功能定位。人工智能法律系統(tǒng)的研發(fā)目標是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學家）多種需要的機型。初級產品的定位應考慮到，人的推理功能特別是價值推理的功能遠遠超過機器，但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到，我國目前有12萬律師，23萬檢察官和21萬法官，每年1.2萬法學院本科畢業(yè)生，他們對法律知識的獲取、表達和應用能力參差不齊。因此，初級產品的標準可適當降低，先研制推理功能薄弱、檢索功能強大的法律專家系統(tǒng)。可與計算機廠商合作生產具有強大數據庫功能的硬件，并確保最新法律、法規(guī)、司法解釋和判例的網上及時更新；同時編制以案件為引導的高速檢索軟件。系統(tǒng)開發(fā)的先期目標應確定為：(1)替律師起草僅供參考的書和辯護詞；(2)替法官起草僅供參考的判決書；(3)為法學院學生提供模擬法庭審判的通用系統(tǒng)軟件，以輔助學生在、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺，先解決有無和急需，再不斷收集用戶反饋意見，逐步改進完善。
第四，實驗室研發(fā)應確定較高的起點或跟蹤戰(zhàn)略。國外以知識工程為主要技術手段的人工智能法律系統(tǒng)開發(fā)已經歷了如下發(fā)展階段：(1)主要適用于簡單案件的規(guī)則推理；(2)運用開放結構概念的推理；(3)運用判例和假設的推理；(4)運用規(guī)則和判例的混合推理。我們如確定以簡單案件的規(guī)則推理為初級市場產品，那么，實驗室中第二代產品開發(fā)就應瞄準運用開放結構概念的推理。同時，跟蹤運用假設的推理及混合推理，吸收國外先進的KBS和HYPO的設計思想，將功能子系統(tǒng)開發(fā)與聯想式控制系統(tǒng)結合。HYPO判例法推理智能裝置具有如下功能：(1)評價相關判例；(2)判定何方使用判例更加貼切；(3)分析并區(qū)分判例；(4)建立假設并用假設來推理；(5)為一種主張引用各種類型的反例；(6)建立判例的引證概要。HYPO以商業(yè)秘密法的判例推理為模擬對象，假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業(yè)秘密法背后的政策考慮，法律概念應用于實際情況時固有的模糊性，信息是否已被公開，被告是否使用了對方設計的產品，是否簽署了讓與協議，等等。一個系統(tǒng)設計的要素列表無論多長，好律師也總能再多想出一些。同樣，律師對案件的分析，不可能僅限于商業(yè)秘密法判例，還可能援引侵權法或專利法的判例，這決定了緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難：判例并不是概念的肯定的或否定的樣本，因此，要通過要素等簡單的法律術語使模糊的法律規(guī)則得到澄清十分困難，法律原則和類推推理之間的關系還不能以令人滿意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）這說明，即使具有較高起點的實驗室基礎研究，也不宜確定過高的目標。因為，智能法律系統(tǒng)的研究不能脫離人工智能的整體發(fā)展水平。
第五，人－機系統(tǒng)解決方案。人和機器在解決法律問題時各有所長。人的優(yōu)點是能作價值推理，使法律問題的解決適應社會的變化發(fā)展，從而具有靈活性。機器的長處是記憶和檢索功能強，可以使法律問題的解決具有一貫性。人－機系統(tǒng)解決方案立足于人與機器的功能互補，目的是解放人的腦力勞動，服務于國家的法治建設。該方案的實施可以分為兩個階段：第一階段以人為主，機器為人收集信息并作初步分析，提供決策參考。律師受理案件后，可以先用機器處理大批數據，并參考機器的和辯護方案，再做更加高級的推理論證工作。法官接觸一個新案件，或新法官剛接觸審判工作，也可以先看看“機器法官”的判決建議或者審判思路，作為參考。法院的監(jiān)督部門可參照機器法官的判決，對法官的審判活動進行某種監(jiān)督，如二者的判決結果差別太大，可以審查一下法官的判決理由。這也許可以在一定程度上制約司法腐敗。在人－機系統(tǒng)開發(fā)的第二階段，會有越來越多的簡單案件的判決與電腦推理結果完全相同，因此，某些簡單案件可以機器為主進行審判，例如，美國小額法庭的一些案件，我國法庭可用簡易程序來審理的一些案件。法官可以作為“產品檢驗員”監(jiān)督和修訂機器的判決結果。這樣，法官的判案效率將大大提高，法官隊伍也可借此“消腫”，有可能大幅度提高法官薪水，吸引高素質法律人才進入法官隊伍。
