“十四五”规划纲要对“十四五”及未来十余年我国人工智能的发展目标、核心技术突破、智能化转型与，以及保障措施等多个方面都作出了部署。围绕国家核心技术突破、经济社会发展、素质教育人才培养三个方面，人工智能均是重点领域。在当前我国经济从高速增长向高质量发展的重要阶段中，以人工智能为代表的新一代信息技术，将成为我国“十四五”期间推动经济高质量发展、建设创新型国家，实现新型工业化、信息化、城镇化和农业现代化的重要技术保障和核心驱动力之一。
嘉宾
陆 峰 工信部赛迪研究院电子信息研究所副所长
王明辉 国务院发展研究中心副研究员
袁豪磊 腾讯研究院特约研究员
主持人 赵姗
人工智能已成为新一轮国际竞争的焦点和经济发展新引擎
中国经济时报“十四五”规划纲要强调应加强原创性、引领性科技攻关，特别指出要“瞄准人工智能、量子信息、集成电路、生命健康、脑科学、生物育种、空天科技、深地深海等前沿领域”，其中“新一代人工智能”排在前列。应如何理解其重要性？
陆峰新一代人工智能技术将是继互联网技术之后，又一项可能引发经济社会重大变革的技术创新，不仅关系到产业升级和经济社会智能化转型进程，更会引发国际竞争格局的调整。世界主要国家都把发展新一代人工智能技术作为抢占未来发展的战略制高点和打赢新一轮国际竞争的先手棋，纷纷加码新一代人工智能，除了将人工智能上升为国家战略之外，纷纷加大人工智能技术创新投入、深化人工智能行业创新应用、加强人工智能人才培养。
王明辉新一代人工智能是引领未来发展的战略性技术，是事关国家安全和发展全局的基础核心领域之一。近年来，世界主要发达国家纷纷在人工智能研发、投资、应用等领域发力，仅2019年就有16个国家新发布了人工智能发展国家战略，5个国家更新了人工智能战略。全球主要经济体，美国、日本以及欧洲几个发达国家，纷纷将人工智能发展置于国家战略重点。人工智能已经成为新一轮国际竞争的焦点和经济发展的新引擎，也将为现代化建设带来新机遇。
当前，我国人工智能发展总体上同西方发达国家特别是美国差距较大。主要体现在一是原始创新能力不足。人工智能领域出现的深度学习模型等重大成果和奠基性的理论仍以美国等西方国家为主。二是高端芯片、关键部件、高精度传感器等方面严重缺失。三是高层次人才的数量和层次落后。四是对人工智能可能产生的经济、社会、伦理影响的研究和政策应对等相对滞后。面对以上问题，必须在“十四五”时期加强原创性、引领性科技攻关，加强基础理论研究，增加对基础性研究的投入，以实现在理论、方法上的颠覆性突破；发挥我国数据资源多、应用需求和市场潜力大的优势，强化科技应用开发；充分发挥人工智能领域龙头企业作用，主导建设创新生态。
袁豪磊人工智能在所列技术中被首要提及，一定程度上说明了其在重要性上的优先级。作为一项处于快速发展中的前沿技术，人工智能技术适合与其他技术领域结合、深入并改变日常生活的诸多方面，从而使得人工智能得以支持“十四五”规划中的多项工作目标。事实上，人工智能这一技术词汇在“十四五”规划中的多个工作环节被多次提及，在科技、产业、教育、消费等各项工作目标中都可以看到人工智能可被引入并有望发挥较大价值的地方。
第一，横向来看，人工智能可以与“十四五”规划中所列出的其他重要科技维度相结合形成诸多“AI+ X”的跨学科发展模式，助力多项科技领域的更好发展。过去几年中，人工智能已经与信息科学领域形成了密切的结合、产出了诸多改变生活的应用，例如人脸识别、语音识别、光学文字识别、文本翻译等细分领域技术已经形成成熟的技术应用。与此，人工智能方法正在与更多的科技领域发生结合，其中包括了“十四五”规划所提到的生物医药、现代能源系统、生命健康、脑科学、生物育种、空天科技、深地深海等多个科技领域。
例如在生命科学领域，国外已经有机构提出使用深度神经网络来预测蛋白质形态的方法，在基于使用大量基因组数据来预测蛋白质结构的研究基础之上，新方法所产生的蛋白质3D模型比以往任何一种都精确得多，在这一生物学的核心挑战方面取得了重大进展。再比如在空天科技领域，为搜索宇宙中的密近双脉冲星、快速射电暴等新天体，以射电望远镜为主的天文观测设备每天都在产生海量的观测数据。传统方法一般是采用天文学领域的经典方法来处理这些数据，通过经典算法从海量观测数据中筛选出候选天体然后再交由人类专家分析判断。而由于在可观测宇宙中特殊天体的稀缺性、数据收集过程中存在复杂噪声干扰等原因，如何提取淹没在大量噪声中的微弱有用信号依然是对现有技术的一大挑战，目前已有学者在尝试采用深度学习方法来处理这类海量天文数据，以期得到更好的天文搜索结果。
鉴于上述原因，人工智能与其他科技领域的学科交叉、协同发展所形成的“AI+X”组合模式有助于实现“十四五”规划中所提出的“强化国家战略科技力量”“在事关国家安全和发展全局的基础核心领域，制定实施战略性科学计划和科学工程”的目标。
第二，纵向来看，人工智能可以与“十四五”规划中所提及的多项产业相结合从而促进相关产业链上下游的发展，进而拉动消费端对高科技产品的消费需求。
一是在产业链端，引入人工智能所带来的对算法、算力、数据的持续需求可以带动很多相关产业链的发展。例如，人工智能的应用部署需要充足的算力，当前的人工智能应用按部署方式可以分为云端部署和终端部署两大类场景，前者将大量的运算服务器集中在一起管理，用户通过网络向云端发送请求，云端再通过网络向用户返回计算结果。这种云上服务的模式需要大量适合深度学习运算结构的处理器作为算力的物理支撑，随着云上人工智能服务的发展必然会在电子设备（服务器设备）、集成电路（处理器）、通信运营（5G）领域带动产业链发展。另一方面，对于自动驾驶等需要在终端部署的人工智能应用，往往需要针对不同的应用设计专用的处理器和电路系统，以调和算力需求与功耗、响应速度、设备体积之间的矛盾，这同样会带动集成电路、电子系统、精密制造等领域的产业发展。
二是在消费端，人工智能技术可以带动传统应用场景的数字化转型和智慧化改造，通过科技赋能带动消费需求增长。人工智能技术本身具有宽泛的定义范围和作用领域，它没有具体限定的应用领域，人工智能与各种应用场景相结合，有望通过科技体验升级拉动新需求。“十四五”规划中所提到的智慧公共服务、智慧社区、智慧零售等诸多“智慧+”的生活图景，其背后都伴有基础的人工智能应用。例如“人脸核身”技术利用人脸识别方法自动验证使用者是否与注册身份一致，在智慧公共服务场景中这一技术可以用于远程业务办理、在智慧零售场景中这一技术又可以用于“刷脸支付”、在医疗健康场景中这一技术可以用于核对社保卡使用者和持卡人身份一致。通过提高效率、提升体验的服务模式改造，人工智能技术可以带动传统应用场景向数字化转型和智慧化改造，带动消费需求的增长。
人工智能行业即将开启诸多新的应用场景
中国经济时报如今，在持续的政策支持和引导下，资本对人工智能的商业化前景更具信心，两股力量互补之下，人工智能行业又将会打开哪些新的应用场景？
陆峰从技术创新角度看，在政策扶持和资本驱动下，网络科技企业将会把人工智能技术创新作为打赢下一轮科技竞争的必争之地，持续加码人工智能技术研发投入和技术创新，深化人工智能行业应用技术研究，人工智能算法模型研究将从语音/语义、计算机视觉等通用人工智能技术向行业人工智能技术应用领域拓展。
从产业供给角度看，各类网络科技巨头企业将会结合自己业务领域，率先推进人工智能技术和业务融合发展，基于行业人工智能研究优势，推出一些行业性的人工智能技术产业创新支撑平台，带动行业人工智能应用发展。，因各行业人工智能应用需求驱动，也会涌现出一批专注行业领域人工智能技术应用的信息服务企业。
从社会应用角度看，制造、交通、物流、零售、医疗、教育等领域，将会结合技术智能化发展成熟程度，逐步推进人工智能在一些合适的场景开展应用。
王明辉一是新基建。人工智能的发展，需要相应的信息基础设施支撑。2020年，人工智能被确立为新基建的七大领域之一。新基建区别于传统基建的核心在于数字化、智能化的属性。以人工智能底层算法为例，我国人工智能产业普遍依赖以Tensor? Fl o、Caf f e等为主的外国算法框架，要实现科技自立自强，解决关键核心技术“卡脖子”问题，必须加快推动人工智能新基建的发展，推动中国企业或研究机构构建安全自主可控的算法支撑体系。
二是人工智能养老服务。随着我国老龄化的加剧，养老早已成为全社会普遍关注的话题。据有关预测，到2050年，中国老年人数量将突破5亿。提高老年人生活品质是现代化国家的必然要求。人工智能产品，如智能看护系统，包含身体机能检测、家庭安全报警、紧急求助等模块，非常适合独居老人的使用。，智能音箱等可以让老年人的生活变得更加便捷。
三是人工智能教育。技术上，通过语音交互和自然语言处理技术，实现阅卷改卷、在线口语评测等功能。未来,在教育改革大趋势下,为满足教育的信息化需求,将人工智能赋能教育,可以提高教育的高效性和便捷性。
人工智能与实体经济深度融合是促进制造业高质量发展的核心驱动力
中国经济时报各位对我国加速人工智能与实体经济深度融合方面有哪些政策建议？
陆峰一是除了要继续强化人工智能通用算法模型研究之外，更需要深化人工智能行业应用研究，结合行业融合应用需求，加强与行业相关的专业算法模型等研究，推进人工智能和行业发展的深度融合。
二是结合场景对智能化的需求程度，面向制造、交通、医疗、教育等重点领域，逐步推进与智能应用需求相互匹配的人工智能应用。
三是加强人工智能产业创新开放平台打造，打造一批与行业产品智能化升级相关的行业人工智能开放平台，为中小企业产品和服务创新提供公共基础平台支撑。
四是推进云计算、大数据、物联网等产业和人工智能协同融合发展，为人工智能发展和创新应用提供算力、算数以及信息感知和反馈执行等支撑。
五是加强人工智能应用规则研究，做好相关监管政策储备，防止人工智能技术滥用和误用。
王明辉人工智能与实体经济深度融合是促进我国制造业高质量发展的核心驱动力。当前人工智能与实体经济融合仍处于初级阶段，未来加速二者深度融合须从以下几个方面发力。
一是充分发挥政府引导和市场主体作用。一方面，积极推进人工智能在市政管理、公共安全、医疗健康、文化教育、交通运输等领域的应用。强化实体经济与互联网、大数据、物联网、云计算等领域的协同。另一方面，充分激发市场创新活力。推动以领军企业为主导，联合高校、科研机构、人工智能企业共同建立创新联合体，聚焦人工智能共性技术的研发与转化。
二是打破信息壁垒，实现数据共享。以政府部门为重点，大力推动数据开放、共享机制建设和实施，支撑人工智能与政府服务的融合，提高人工智能赋能实体经济的匹配度和有效性，推动不同平台形成发展合力。，还要保护数据的隐私性，更要抵御攻击和干扰，守住安全和科技伦理底线。
重视人工智能治理加强人工智能安全技术
中国经济时报对于人工智能治理问题特别是数据隐私问题，或随着人工智能逐步深入到更多行业所面临的新技术对传统劳动模式的替代问题，您有何看法？
王明辉人工智能的发展，带来了一系列的伦理法律问题。比如数据的安全、算法的公平透明等问题。当前，人脸识别引发的个人隐私担忧、“大数据杀熟”引发的算法不公现象屡有发生，都呼唤我们必须尽快出台相关的治理规则。
事实上，针对人工智能的治理规则已经成为人工智能国际竞争的焦点。中国企业走向市场必须主动回应相关产品服务背后的伦理价值。最近几年，众多的国际组织以及国家、地区政府纷纷发布准则。OECD、二十国集团等国际组织已经发布了人工智能治理原则，尤其以欧盟最为积极，2019年欧盟委员会人工智能高级专家组发布了两份文件《人工智能伦理指南》和《人工智能政策与投资建议》，为欧洲的人工智能治理勾勒了一个全面的蓝图。2020年新冠肺炎疫情的大背景下，欧盟继续推进人工智能伦理指南的落地工作，并且发布了相关的白皮书。欧盟此举，就是为了让欧洲在人工智能的发展中处于道德制高点，从而在与美国、中国的竞争中处于一个有利的位置。我们需要紧密关注国际人工智能伦理治理相关规则进展，从而避免缺席新规则制定过程而导致被动。
需要特别注意的是，人工智能的发展与价值观密切相关，对于西方的一些规则需要批判吸收。如，西方的实践过程已经说明，没有边界的使用“隐私权”的概念，会影响人工智能的技术开发和应用。欧洲一些国家由于过度强调所谓“隐私权”，造成人工智能的技术研发和产业发展普遍滞后。在我国人工智能发展的过程中，一定不能盲目地引进西方所谓的“隐私权”概念，而是应当基于自身国情，妥善处理发展和治理之间的关系，走出自己的发展道路。
袁豪磊随着人工智能逐步深入到更多行业，必然将面临新技术对传统劳动模式的替代，人工智能技术在推动职业教育、创造新型职业就业需求上同样可以起到相应的作用。“十四五”规划中提到“有效提升劳动者技能，提高就业质量和收入水平，形成人力资本提升和产业转型升级良性循环”。伴随着技术的升级一定会有一部分传统劳动形式被机器逐渐取代，这是不可回避的问题。一方面，我国在数字化、信息化领域打下的基础为人工智能提供了良好的发展基础，当下我国在人工智能方面的学术成果、从业人员、应用规模都走在世界的前列。另一方面，还有相当规模的劳动者在工厂产线上从事重复性、未来会被机器取代的劳动。
当下的现象是由两个因素造成的一方面，国内人工智能相关的劳动主要集中在研发、设计这些上游层面，在数据生产（当前的人工智能技术需要消耗大量的训练数据）、设备操作维护等中下游的层面，人工智能职业教育还远未形成普及，人工智能相关的职业教育是未来可以推进的一个方向。另一方面，人工智能配套行业的发展也需要跟上，例如国内已有专门的数据公司提供专业的数据采集、标注等数据生产服务，为形形色色的人工智能应用研发提供所需要的训练数据。随着人工智能研发的投入加大，这类数据公司的产能和服务类型的扩增必然需要跟上产业扩张的速度，由此会诞生很多新的劳动需求和细分职业类型（如针对专门领域的数据标注工作、测试工作等），进而拉动就业需求并与职业教育形成一个正向循环。
技术是把双刃剑，大力发展人工智能的要加强人工智能安全技术，特别要留意数据隐私问题和AI伦理问题。
个人数据隐私、人工智能伦理问题向来都是国际社会所关注的话题，大力发展人工智能的过程中要避免数据的滥用、加强数据治理。“十四五”规划中明确提到了要“加强网络安全关键技术研发，加快人工智能安全技术创新，提升网络安全产业综合竞争力”。据此判断，人工智能粗放式发展的时代已经过去，那些涉及个人数据隐私的人工智能应用的研发将会形成更高的准入门槛，而那些已经在局内的技术公司也将需要更加重视规范化的数据使用。AI伦理方面，包括自动驾驶、个人征信、司法取证等应用在内，采用了人工智能推理的结果之后所带来的责任如何界定、对人工智能推理结果的解释问题目前还是处在摸索阶段。在技术层面上，业界已开始关注模型可解释性问题，尝试用各种方法对深度学习的黑盒问题作出分析和解释，这方面的技术目前还处在发展阶段，距离实用还有待观察。