和小说中描绘的人工智能主宰的可怕未来塑造了大众对人工智能的想象，但这些都是虚构的。在现实中，人工智能已经在改变我们的日常生活了，而且基本上都是在改善人类健康、安全和提升生产力等好的方面。
和电影不一样，现在并没有什么超人类的正待到来，这甚至完全不可能。而且尽管滥用人工智能技术的可能性应该得到承认和解决，但其中它们更大的可能性是让驾驶更安全、帮助孩子学习和扩展及增强人类的生活。
事实上，有益的人工智能已经在学校、家庭和医院里开始了加速增长。大多数研究型大学也划出了单独的人工智能研究科系，苹果、Facebook、谷歌、IBM 和微软等科技公司也在探索人工智能应用上投入了巨资——他们将其视为未来发展的关键。即使好莱坞在将他们的反乌托邦人工智能幻想故事搬上荧幕时也用到了人工智能技术。
基于计算机的视觉、语音识别和自然语言处理方面的创新是这些变化的驱动力，也将推动相关领域的科学和技术的发展。人工智能也正在改变人们与技术的交互方式。许多人已经习惯上了在他们的智能手机上进行触控和对话。
随着人工智能系统学习对个人特点和目标的适应，人机关系的未来将会变得越来越微妙、流畅和个性化。这些人工智能应用将帮助监控人们的生活状态、警告人们前面的风险以及提供人们想要的或需要的服务。
比如，在北美一座城市的未来 15 年里——正是这份报告的时间框架和范围——人工智能应用将很有可能将交通交由自动驾驶汽车接管，实现人与货物的实时接取和运送。光这一项就足以改变城市的整体面貌，因为再也不会有交通堵塞和停车困难的难题了。
本研究刻意重点关注了典型的北美城市，旨在突出人工智能对城市中居住的数百万居民的日常生活的影响。研究小组还进一步将调查范围缩小到了 8 个人工智能可能将带来最大影响的领域交通（transportation）、医疗（healthcare）、教育（education）、低资源社区（lo-resource munities）、公共安全（public safety and security）、就业和工作场所（employment and orkplace）、家庭/（home/service robots）和娱乐（entertainment）。
尽管人工智能技术来自于常见的研究资源，但这些技术已经影响并将继续影响这些不同的领域。其中每个领域都面临着各种不同的与人工智能相关的难题，包括难以创造安全可靠的感知和作业硬件（交通和服务机器人）、难以获得公众的信任（低资源社区和公共安全）、难以克服对人类被边缘化的恐惧（就业和工作场所）、以及还存在减少人际交往的风险（娱乐）。
其中一些领域主要是在商业方面，如交通和医疗，而另一些则更面向消费者，例如娱乐和家庭服务机器人。一些还是跨领域的，例如就业/工作场所和低资源社区。
在每一个领域，即使人工智能在不断带来重要的好处，但也带来了道德和社会上的问题，其中包括隐私问题。机器人和其它人工智能已经在一些机构里面替代人类工作了。作为一个社会，我们现在正处在一个确定如何部署基于人工智能的技术的紧要关头，从而提振而不是阻碍民主的价值观——例如自由、平等和透明。
对于个人而言，我们生活的质量和我们的贡献所获得的价值很有可能会逐渐发生转变，但这些改变会很明显。在接下来的几年中，人工智能研究、系统开发和社会与监管框架将会塑造人工智能的好处与其代价和风险之间的权衡，以及这些好处如何散布的方式。
人工智能的准确和精细的未来图景——一个与其流行的描述相竞争的图景——一开始就受到了难以精确定义“人工智能”这一问题的阻碍。在研究小组所考虑过的所有定义方法中，没有一个认为现在存在某种“通用的”人工智能。
尽管使用了共同的研究和技术，但人工智能系统都专注于完成特定的任务，而且其中每一种应用都需要数年的专注研究和精心独特的构建。这也造成了这 8 个领域内进展的不平衡。
交通是其中一个典型的例子——其中一些关键技术让人工智能以惊人的速度得到了广泛的采用。自动化交通很快就将无处不在，并将成为大多数人与嵌入了人工智能系统的物理实体的第一次经历，并将极大地影响公众对人工智能的感知。随着汽车自己变成了比人类更好的司机，城市居民的私家车将会更少，也将住得离工作场地更远，花费时间的方式也将发生改变，从而带来一种全新的城市组织形式。
在 2030 年一座典型的北美城市，嵌入了人工智能应用的物理实体将不仅限于客车，还将包含货车、飞行器和个人机器人。安全和可靠硬件的改进将会刺激未来十五年内的创新，也将带来更好的家庭/服务机器人——它们已经进入了人们的家庭，目前主要是以真空吸尘器的形式。
更好的芯片、低成本 3D 传感器、基于云的机器学习和语音理解的进步将提升未来的机器人服务和它们与人类的交互。专用机器人将能够递送包裹、清洁办公室和增强安全性。但在可预见的未来里，技术限制和可靠的机械设备的高成本将继续将商业机会限制在定义狭窄的应用范围内。
在医疗保健方面，在收集用于个人监控设备和移动应用的有用数据上已经出现了巨大的飞跃，这些数据来自医疗机构的电子病历（EHR），以及小范围的用于辅助医疗手术的手术机器人和支持医院运营的服务机器人。未来几年，基于人工智能的应用将能够改善数百万人的健康状况和生活质量。
尽管临床应用从实验室到真实世界的过程一直都较为缓慢，但有希望的迹象表明创新的步伐将得到提升。通过共享数据的激励和机制以及去除无理的政策、法规和商业障碍，可以促进医疗保健领域的进步。对于许多应用，人工智能系统必须紧密地与医护人员和病人密切合作才能获得他们的信任。改善智能机器与医护人员、病人和病人家庭的自然交互方式是很关键的。
为人类和有前途的人工智能技术带来更流畅的交互同样也是教育领域的一大关键难题，这个领域在这段时间也出现了一些可观的进展。尽管素质教育总是需要人类教师的活跃参与，但人工智能有望改善所有层次的教育，尤其是通过大规模提供个性化教育。
交互式机器导师现在已经被用于根据匹配的学生教授科学、数学、语言和其他学科。自然语言处理、机器学习和众包也已经极大地促进了在线学习，让教育水平更高的教师可以将他们的教室扩大很多倍，还能应对单个学生的学习需求和风格。在接下来的十五年的典型北美城市里，这些技术在教室和家庭里的应用将很有可能得到极大的扩展，只要它们能够有意义地和面对面的学习进行整合。
除了教育方面，在协助低资源社区上，人工智能方法也存在很多机会——通过为各种社会问题提供缓解方案和解决方案。传统上，投资者对缺乏商业应用的人工智能研究投资不足。有了针对性的激励和资助重点，人工智能可以帮助解决低资源社区的需求，这方面一些新兴的工作是很有希望的。
比如，使用数据挖掘和机器学习，人工智能可以创造预测模型来帮助政府机关解决防止儿童铅中毒和高效食物分配等问题。这些萌芽中的工作认为还有更多的事情要做，尤其是当机构和组织也能参与进来并与这些社区建立起信任时。
获取公众信任也是公共安全领域内人工智能应用的一大难题。北美城市和联邦机构已经开始在边境管理和执法部署人工智能技术。到 2030 年，他们将在很大程度上依赖于它们，包括用于侦察的改进过的相机和无人机、用于检测金融诈骗的算法和预测性警务。
后者带来了对无辜的人进行无理的监控的问题，我们必须小心谨慎不要给系统引入人为偏见，并保护公民自由。部署良好的人工智能预测工具有望给数据和推断带来新形式的透明，并可能被应用于检测、删除和减少人类偏见，而不是增强它。
在人工智能对就业和工作场所的影响上的社会和政治决策也是类似，比如需要安全网来保护人们免受经济结构变化的影响。人工智能有望在一些特定类型的工作中取代人类，比如驾驶汽车或卡车。，在许多领域，人工智能在短期内很有可能将取代很多任务，但不能取代工作岗位，而且还将创造新类型的工作。
但这些将会出现的新型工作目前还比将可能失去的工作更难预想。人工智能还将降低许多货物和服务的成本，有效地使每个人都过得更好。更长期来看，人工智能可能会被视为一种非常不同的财富创造机制，其中每个人都应该从全世界的人工智能所创造的财富中分一杯羹。对于人工智能技术的经济成果的分配方式，不久之后已经就应该会有相关的社会争论出现了。
娱乐已经被社交网络和其它用于共享和浏览博客、和照片的平台转变了；这些平台依赖于 NLP、信息检索、图像处理、众包和机器学习等领域内正被活跃开发的技术。一些传统的娱乐资源已经开始拥抱人工智能，包括谱曲、创作舞台表演、甚至根据自然语言文本生成 3D 场景。
人们对人工智能驱动的娱乐的热情让人惊叹。和人工智能的许多方面一样，在技术对社交的替代或增强方面也一直存在着争议。人工智能能让娱乐越来越交互式、越来越个性化、越来越有参与感。应该引导一些研究来理解如何利用这些性质为个人和社会利益服务。
人工智能接下来的研究？
助力人工智能革命的研究也在快速发展。其中最重要是机器学习的成熟，它受到了数字经济崛起的部分影响。数字经济和机器学习都提供并利用大量的数据。其他因素包括云计算资源的崛起，以及消费者对语音识别和导航支持这样的技术服务的需求。
机器学习由于人工神经网络的成功经验前进了一大步，如今能够使用大型数据集和大规模计算对其进行训练。这一方法也就是我们所熟知的深度学习。信息处理算法的性能也因为传感、感知、目标识别等这些基础操作的硬件技术的重大进步，而取得了跳跃性进展。
数据驱动产品的新型平台和市场以及经济激励发现新的产品和市场，也刺激着研究的发展，如今，随着它称为了社会的核心力量，人工智能领域转向了建立能与人高效合作的、具有更广泛人类意识的智能系统，包括开发人教机器人的交互与可延展方式的创造性方法。
这些趋势引发了如今人工智能基础方法与应用领域研究的热门
大规模机器学习涉及到学习算法的设计，延展已有的算法，在极大型的数据集上做研究。
深度学习是一类学习方法，促进了在图像、标记和运动中的目标识别，并且在其他感知领域都有重大影响，比如音频、语音和自然语言处理。
强化学习是一个框架，能将机器学习的重点从模式识别转变到经验驱动的序列决策上。它有望推动人工智能应用的前进，在现实世界中做出决策。虽然在过去数十年，强化学习限制于学术界，但如今我们也看到了一些实际的成果。
机器人目前主要涉及到如何训练机器人以一种更泛型的、预测性的方式与周围世界进行交互，如何在交互环境中促进对目标的操控，以及如何与人进行交互。机器人的进步将依靠相应的技术进步，从而改进计算机视觉和其他形式的机器感知的可靠性与普遍性。
计算机视觉是目前机器感知中最突出的形式。它是受到深度学习崛起影响最大的人工智能子领域，实现了史上第一次计算机能够比人类更好的完成视觉任务。如今更多的研究集中在和视频的自动化文字描述上。
自然语言处理通常与自动语音识别相结合，快速成为有大型数据集的普遍使用的口语语言上的一种商品。目前的研究转向了开发能够与人通过对话交互的精致、可用的系统，而不仅是对程式化的问答做回应。在多种不同语言间进行机器翻译也已经取得了重大进展，在不远的将来将有更多的实时的个人到个人交流。
协作系统研究主要是研究帮助开发能与其他系统或人类协作的自动化系统的模型和算法。
众包和人类计算研究是研究增强计算系统的方法，增强方式是通过自动调用人类经验，解决计算机不能单独解决的问题。
算法博弈论（Algorithmic game theory）和计算社会选择（putational social choice）吸引了人工智能经济和社会计算领域的注意，比如系统如何处理潜在的不恰当激励机制，包括自私的人类参与者或公司以及代表他们的自动化人工智能代理。
物联网（IoT）研究专注于将大量设备（包括家电、汽车、建筑、摄像头）连接起来，收集并共享各自丰富的传感信息从而达到智能目标。
神经形态计算是一系列寻求模拟生物神经网络从而改进计算机系统硬件效率和稳健性的技术，它取代了用独立的输入/输出、处理指令、存储模块的旧方法。
现在与未来的人工智能政策
人工智能应用是否成功的标准是他们为人类创造的价值。在此角度看，设计人工智能应用应该使得人们成功的理解人工智能系统，参与到其使用中并建立对它们的信任。公共政策应该帮助社会轻松采纳人工智能应用、扩展其收益，并缓和它们的难免的错误和失败。
对人工智能如何开展的争论包括对隐私保护和人工智能收益公平分配的忧虑，这种忧虑是该被鼓励的。在人工智能技术如此快的实现速度之下，也伴随着对其应用的担心。研究小组建议所有的政府律师掌握人工智能技术知识。
，要通过移除障碍并增加私营和公共支持，鼓励在人工智能系统公平性、安全性、隐私和社会化应用上的研究。目前在美国，至少有 16 个独立的经济相关的政府部门涉及到人工智能。人工智能研究，特别是其应用的快速进展，需要这些部门的专家开发新的法律、政策概念与隐喻（metaphor）。
当自动驾驶汽车发生车祸、医疗设备事故时谁该负责？如何避免人工智能应用宣传种族歧视或者金融诈骗？谁该得益于人工智能技术带来的效率？对技术过时的人群应该提供什么样的保护？随着人们在产业流程和消费产品中更广、更深的融入人工智能，更好的实践需要被铺开，也须要有更适合的政府制度。
研究小组没有考虑近期人工智能系统会自动选择对人造成伤害，可能的是人们使用基于人工智能的系统做好的以及坏的目的。而且尽管人工智能算法可能比人类做出一些较少偏见的决策，保证用于人工智能决策的数据没有偏见仍是一项技术挑战，这些偏见可能导致基于种族、性别以及其他因素的歧视。
面临人工智能技术产生的重大变革，逼迫生成更多、更严格的条例也可能使不可避免的。错误理解什么是人工智能可能刺激人们反对有益于每个人的这些技术。不合适的条例可能造成悲剧。信息贫乏的条例会而扼杀创新，或者将其转移到其他司法权可能是达不到预期目标的。
幸运的是，领导产生如今数字技术成功条例的原则为我们提供了起点。在私营条例中，宽泛的法律规定配合强硬的透明度需求和有意义的强制措施（而非严格的控制）能够鼓励公司开发流程，鼓励职业人员实施隐私控制，与外部利益相关者结合，并将实践适应于技术发展。这反过来也能支持专业贸易协会和标准委员会在开展最好的实践上的发展。
在人工智能中，监控着也能加强内部和外部问责、透明度、专业度之间活动的良性循环。我们急需一场重要的、有力的、信息丰富的讨论会，讨论如何以一种丰富我们生活与社会的方式最好的控制人工智能，鼓励该领域的创造性。
由于高计算能力和大规模数据是很多人工智能技术的燃料且不平等的分布于社会，这使得人工智能技术把机遇不平等性变得更宽。这些技术将促进有机会接触数据和计算能力的那群人的能力和效率。在政策是否培养民主价值观、公平共享人工智能收益，或者是否将力量和收益聚集于少数幸运的人手中，我们要对政策进行评估。
就像本报告记录的那样，人工智能相关的重大进展在过去 15 年中已经对北美城市造成了影响，而且在接下来的 15 年中将会发生更多大量的进展。近期的进步主要是由于互联网带来的大型数据集的增长和分析、传感技术的进步，以及深度学习的应用。
在接下来几年，随着公众鼓励在交通、医疗这些领域的人工智能新应用，它们肯定会以一种建立可靠的、理解的方式被引入，并且还要尊重人权与公民权利。在鼓励创新的，政策和流程应该解决道德、隐私和安全影响，还应该保证人工智能技术的收益公平、广泛的分配。
如果人工智能研究与应用到 2030 年以及更远的未来在北美城市生活发挥积极的影响，做上面提到的事情是很重要的。