未来已来

关于人工智能，你应该了解哪些概念

人工智能的兴起或许充分体现在我们在开篇中所提到的那些会议的召开，但在大众心目中，年初谷歌旗下的DeepMind开发的AlphaGo程序打败韩国职业围棋高手李世石，才是最让人印象深刻的事情。IBM的认知计算平台Watson在电视上的广告效应也相当不错，优必选的500台Alpha机器人更在最多国人共同观看的2016年春晚上与演员共舞，都让更多的普通人了解到人工智能的魅力。

那什么是人工智能？简单地说，就是用机器去完成所有目前必须借助人类智慧才能实现的应用，它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

最初人们只是想打造一台超级机器，让它拥有人类的所有感知，甚至还可以超越人类感知，它可以像人一样思考。在电影中，这样的角色很多，如终结者、机器管家等。这也是通常意义上的“强人工智能”（General AI），或者说广义人工智能，。

与此对应的“弱人工智能”（Narrow AI），即狭义人工智能，它可以像人类一样完成某些具体任务，有可能比人类做得更好，比如语音识别、图像分类及游戏等。这也是扎克伯格说的，未来五到十年，人工智能会比人类更善于做一些最基础的任务。

人工智能的目的是让机器像人类一样思考，具备机器学习、自主推理、人工意识、知识表示等，能够通过语音识别听懂人类语言，通过视觉识别像人类一样看，通过运动控制实现各种运动效果等。

人工智能三要素：算法、计算和数据

算法（Algorithm）是指解题方案的准确而完整的描述，是一系列解决问题的清晰指令，算法代表着用系统的方法描述解决问题的策略机制。也就是说，能够对一定规范的输入，在有限时间内获得所要求的输出。

机器通过算法实现人工智能，但认知层算法仍是下一个突破方向，这也是实现人工智能的核心。目前作为基础条件的计算和数据也有了较大进步，使用GPU（图形处理器）并行计算神经网络，提升运算速度，降低计算成本，基于计算机、互联网、物联网等的发展，护具的生成、采集、存储等环节也得到突破，积累了一定数据，用于训练机器，提升算法性能。未来，随着量子计算和速度更快的芯片的应用以及物联网发展带来的环境/行为等全面数据的积累，将进一步推进人工智能发展。

人工智能分为计算智能、感知职能、认知智能三个阶段。计算智能相对好理解，是指机器开始像人类一样会计算、传递信息，能够帮助人们存储和快速处理海量数据，是认知和感知的基础。感知智能阶段，机器开始能看懂和听懂，并做出判断，采取一些行动，比如现在广泛应用的语音识别、图像识别等，能够帮助人类高效地完成“看”和“听”等相关工作。如果具备认知智能，机器就能够像人一样思考，主动采取行动。比如完全独立驾驶的无人驾驶汽车、自动行动的机器人。这时候机器就可以全面辅助或替代人类工作了。

近年来，成本低廉的大规模并行计算、大数据、深度学习算法、人脑芯片等4大催化剂的齐备，导致人工智能的发展出现了向上的拐点。当媒体在描述AlphaGo的胜利时也提到了AI、机器学习、深度学习等术语。AlphaGo之所以打败李世石，这三项技术都立下了汗马功劳，但它们并不是一回事。

要搞清它们的关系，首先要明白这些概念，了解AI的整个发展历程——最先出现的是理念，然后是机器学习，当机器学习繁荣之后就出现了深度学习，今天的AI大爆发是由深度学习驱动的。

什么是机器学习？

机器学习就是用算法真正解析数据，不断学习，然后对世界中发生的事做出判断和预测。此时，研究人员不会亲手编写软件、确定特殊指令集、然后让程序完成特殊任务，相反，研究人员会用大量数据和算法“训练”机器，让机器学会如何执行任务。这是抵达AI的一条路径。相对而言，我们现在的服务型机器人所应用的都是机器学习的结果，深度学习在其上更多的只是一个概念，绝大部分产品还不能做到真正意义上的深度学习。

什么是深度学习？

度娘如此描述：深度学习的概念源于人工神经网络的研究，含多隐层的多层感知器就是一种深度学习结构。深度学习通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示。

研究人员需要做的就是训练，他们要收集几万张、甚至几百万张图片，不断增加层数和神经元数量，让系统运行大量数据，直到人工神经元输入的权重高度精准，让每一次判断都正确为止，从而让神经网络变得无比巨大

今天，在某些场景中，经过深度学习技术训练的机器在识别图像时比人类更好，比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤。谷歌AlphaGo学习围棋，它自己与自己不断下围棋并从中学习。

有了深度学习，机器学习才有了许多实际的应用，它还拓展了AI的整体范围。 深度学习将任务分拆，使得各种类型的机器辅助变成可能，使我们获得更佳的无人汽车驾驶、更好的预防性治疗、更好的电影推荐……前不久，新闻报道称谷歌DeepMind采用深度增强学习的方法，让数据中心的能量消耗减少了40%，这个影响是非常大的。AI既是现在，也是未来。有了深度学习的帮助，也许到了某一天AI会达到科幻小说描述的水平，这正是我们期待已久的。不过，微软人工智能首席科学家、深度学习技术中心研究经理邓力和团队重点研究无监督学习，他认为：“我们目前的深度学习方法离真正的人脑学习差得太远了。深度学习需要借鉴脑科学的知识，虽然一两年内暂时还用不上，但我相信不远的将来，三到五年之内，大家都肯定会往这方面思考。”但他认可Hinton“十年内机器能够拥有常识”的看法。

关于语音识别、人脸识别

在智能手机、智能家电中，语音识别和人脸识别已经得到广泛应用。语音识别是深度学习的第一个层次。中国在智能语音处理方面比美国更显著，科大讯飞、百度、搜狐等在这方面做得相当不错。不过，语音识别更具实用性的是声纹识别，就是能够在一群人的对话中，准备识别出每一个人的语音，能够让智能家电或机器人在播放音乐的环境中，准确识别命令。

人脸识别是计算机视觉识别的一项重要内容，基于人的脸部特征信息进行身份识别的一种生物识别技术。用摄像机或摄像头采集含有人脸的图像或视频流，并自动在图像中检测和跟踪人脸，进而对检测到的人脸进行脸部的一系列相关技术，通常也叫做人像识别、面部识别。机器首先判断其是否存在人脸, 如果存在人脸，则进一步的给出每个脸的位置、大小和各个主要面部器官的位置信息。并依据这些信息，进一步提取每个人脸中所蕴涵的身份特征，并将其与已知的人脸进行对比，从而识别每个人脸的身份。现在大家在智能手机、数码相机等智能设备中所配置的人脸识别功能，只是最基础的应用。

现在深度学习，已经从语音识别、图像识别进步到真正商业应用的程度，有不同层次表达，能够把抽象概念加入层次化表征，这是深度学习的最重要精华。

AI+大数据，未来

虽然AI的发展依靠计算能力、算法的大跃进，但事实上，要像机器真正变得智能，就得像人一样不断学习各种知识——对机器来说，大数据就是它不断成长的知识库，这也决定了它的应用方向和智能水平。

马云在前不久的云栖大会上说：“出现了移动互联网以后，也许原来以PC为主的芯片将会是移动芯片，操作系统是移动的操作系统，原来的机器制造将会变成人工智能，未来机器吃的是数据。未来层出不穷基于互联网、基于大数据技术的诞生，这又为人类创造了无数的想象和空间。”

大数据训练可以有效提高人工智能水平。机器学习是人工智能的核心和基础，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。该领域的顶级专家Alpaydin先生如此定义：“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。”

我们已经进入到大数据时代，来自全球的海量数据为人工智能的发展提供了良好的条件。大数据行业的融资总额2013-2015年分别为8亿美金、15.4亿美金及20亿美金；2013-2015年融资事件分别为10起、42起及超过50起。“大数据+”已经渗透到几乎所有行业，国内有以阿里巴巴为代表的“大数据+零售”、以丁香园为代表的“大数据+医疗”、以搜房网为代表的“大数据+房地产”等。

这些世界上最有影响力的科技公司们无疑持有可通往地球上若干巨型数据库的钥匙。就像货物与钱一样，数据也正在转变为当代社会中的一种重要货币类型。而这些数据的价值正是植根于其在人工智能领域的应用。

从某种程度上来说，谁掌握了这些数据，谁就有效掌握了AI的开发与使用权。从这个标准来看，社交媒体Facebook、电商亚马逊、搜索技术公司Google、软件供应商微软以及信息解决方案供应商IBM的确拥有雄厚的AI发展资本与能力。

也正因为如此，这5个创始成员都配备了强大的AI研发团队，一些产品及项目甚至已经家喻户晓。例如IBM的认知计算平台Watson、亚马逊的智能助手Alexa以及Google神秘的附属机构DeepMind，战胜过世界围棋名将李世石的人工智能程序AlphaGo就是由这支团队研发的。

拥有大型云计算业务的消费者互联网公司最有可能推出“供AI使用的操作系统”。大多数开发人员会在这样一个平台上编写应用程序。亚马逊、谷歌和微软是这个领域的领军者。据IDC预测，到2020年，60%的AI应用程序将在四个公司的平台上运行，它们是亚马逊、谷歌、微软和IBM。

-------------------------------------------------------------------------------

人工智能现状如何？

近五年来，人工智能取得的成就比过去50年取得的还要多。根据Tractica预测，2024年人工智能市场规模将增长至111亿美元。初步的技术积累和数据积累已经在过去有了比较显著的规模效应，因而人工智能重塑各行各业的大潮即将来袭，并引发新一轮IT设备投资。

十年前，全球市值前10名主要还集中在能源、金融等传统产业。现在，已经被苹果、谷歌、亚马逊、谷歌等高科技与互联网企业占据半壁江山。美国《Robotics Business Review》是世界上报道机器人产业最权威的机构之一，2016年该榜单公布第四届了“全球最具影响50家机器人公司”，代表了未来全球机器人的发展方向。在这个榜单中服务机器人占据2/3，服务机器人中美国又占据2/3，美国的服务机器人企业，既有Google、亚马逊这样的上市公司巨头，又有Jibo、Seegrid这样的初创企业。美国2016年企业的数量相比2015年增加5席，在服务机器人领域是绝对的全球霸主。除美国外，日本、英国、德国等表现也不错，中国唯一一家服务机器人企业是大疆无人机。

不过，美国白宫在10月14日发布的报告中称，中国的人工智能研究已经走在了美国前面，提及“深度学习”或“深度神经网络”的期刊论文数量上，其实中国早在2013年就实现了对美国的超越，居世界第一。值得一提的是，中国的相关论文不仅数量上远超其他国家，质量上的表现也毫不逊色，被引超过一次的、提及“深度学习”或“深度神经网络”的论文数量中也远超美国。

新智元近日发布的《中国人工智能产业发展报告》显示，中国AI创业公司数量约200-250家，其关注的100家创业公司员工总数为8964人，以技术人员为主，其中53家技术选型是深度学习/机器学习。前32家企业公布的2015年总营收为7.56亿，均值2000万。其中98家企业填报的估值高达10114亿，平均估值10亿元。总体而言，目前全球人工智能发展，呈现美日领先，中国紧随的格局。

人工智能可用于哪些领域？

近年来，成本低廉的大规模并行计算、大数据、深度学习算法、人脑芯片4大催化剂的齐备，导致人工智能的发展出现了向上的拐点。人工智能是产业智能升级的强大工具，正在改变所有行业，只有人工智能才能为“万物互联”之后的应用问题提供最完美的解决方案，它将成为IT领域最重要的技术革命，目前市场关心的IT和互联网领域的几乎所有主题和热点(智能硬件、O2O、机器人、无人机、工业4.0)，发展突破的关键环节都是人工智能。那么，鉴于我们的未来将不可避免地与人工智能捆绑在一起，我们就必须要问：我们现在发展得如何了?人工智能的现状是怎样的?我们将走向何方?

周鸿祎前不久说过一句话：“人工智能本身是没有商业模式的，所以它背后必须有一个‘+’，一定要跟一个领域、一个产业相结合。”因此，只有人工智能和每一个具体的、垂直的、细分的应用场景结合在一些，根据这些场景做一些好的开发、定制，这东西才能落地。

阿里云研究报告认为，未来3～5年，在服务智能阶段，数据可得性高的行业，人工智能将率先用于解决行业痛点，爆发大量场景应用。医疗、金融、交通、教育、公共安全、零售、商业服务等行业数据电子化程度较高、数据较集中且数据质量较高，因此在这些行业将会率先涌现大量的人工智能场景应用，用以解决行业痛点。

目前，国际巨头已经在入口级技术方面抢滩登陆，入口级技术包括感知、交互、芯片、操作系统等环节。语音交互领域，美国巨头布局即将结束，国内语音战场方兴未艾，国内外分别形成以科大讯飞和Nuance为龙头，此外，互联网巨头公司大部分有自己的语音部门，初创公司也有一定优势。感知技术方面，在国外，激光雷达已经成为民用领域的“宠儿”，但市场份额大多被诸如瑞士Leica、加拿大Optech、奥地利Riegl、美国Trimble等老牌测绘企业占据，国内刚刚起步，部分优秀初创公司包括华达科捷和欧镭激光、镭神智能、思岚科技、北醒光子等。

从养老、医疗到一切，一些经典案例

现在人工智能已经在一些领域取得非凡成就，虽然有些可能并未进入商业化，但它给我们无限期望未来。先来看些有趣的。

游鱼机器人，这个在各大展会上都不是什么秘密了，并将越来越多地出现在各地的机器人博物馆中；FESTO开发的蝴蝶机器人，不仅长得像大号的蝴蝶，还真的可以如蝴蝶一般飞行，在世界机器人大会上也有展出；英国Leeds 大学的Jordan Boyle 博士参考生物线虫设计的虫形机器人，可以像蛇一般爬行，并能避开障碍物；而美国麻省理工学院、哈佛大学和韩国首尔国立大学的研究人员则正在联合开发一种类似自然界蠕虫一类软体动物的机器人，可移动，借助伸展和收缩身体，适合穿过微小空间，甚至能承受铁锤的重击，然后在没有受伤的情况下继续向前爬行；砌墙机器人可以自己上灰浆并准确砌到墙上，用力适中地挤出灰浆，虽然速度还比不上工人，灵活性也有所欠缺，却很标准；瑞典甚至开发出了拆墙机器人，会分解水泥墙，保留钢筋框架，只是目前还未进入实用阶段……

相比这些还是可能出现在机器人博物馆中的东西，谷歌、IBM、软银等巨头开发的人工智能更值得关注。

谷歌旗下的DeepMind推出的AlphaGo较当初IBM深蓝进步了许多，其开发人员从人脑中得到的启发用于构建首个“通用学习机器”：一套能像生物系统一样学习的灵活、自适应的算法，仅使用原始数据就能从头开始掌握任何任务。从这个角度来说，它早已不是记忆几万副棋谱那么简单。DeepMind可以用这种计算机算法来做很多事情，比如用计算机管理共同基金，投资回报率比人工管理的基金高一个百分点，它就可以成为全世界最大的基金管理公司——这仅仅是其应用的一个复杂系统而已。

毫无疑问，现在的谷歌是科技互联网巨头，已经在很多方面改变了人类的生活。看看谷歌旗下的机器人军团，你就会明白它为何如此强大。机器大狗BigDog可以负重150kg以上，具有强大的反应能力，即时行走在泥泞地面、攀爬陡峭地形甚至被踹时，也可以迅速恢复身体平衡；爬墙机器人RSE类似蜥蜴，长0.25m，重2kg，六条腿，移动速度0.3m/s，使用2个电动马达，可轻松爬上陡峭的墙壁；机器小狗Little Dog看起来像甲壳虫，有四条腿，每条腿有3个马达驱动，配置有很多传感器，可以监控关节角度、脚接触地面情况等，能应对崎岖地形；人形机器人Petman无头，主要用于测试化学防护服，可以行走和屈身，以测试防护服在压力条件下的反应；Cheetah是世界上跑得最快的有腿机器人，最高时速可达45.5公里，比博尔特还快，其下一代产品随速度稍慢，却无视地形限制；跳蚤机器人Sand Flea重5kg，配有稳定系统，拥有极强的弹跳能力，可以跳到9m多的高空；Spot是为美国海军陆战队开发的，重约72.6kg，可用于侦查危险；人形机器人Atlas高5英尺，重180磅，除可以像人类一样正常行走外，还可以处理多种不同情况下的物体搬运任务。

与AlphaGo有些相似，IBM沃森其实是个大数据中心，它一周之内大概可以读完2500万篇已经发表的医学论文，它还能根据自己的现有知识库提出新的试验建议，这些建议我们人类医生可能也不知道。它的科学研究的增长率很高，每天大概能增加8000篇学术论文，这对一个医生来说是一个无法企及的数字，是他们远远都不能跟上的。在分析完1000多名癌症患者之后，Watson发现了同样可用的治疗方法，这些方法医生99%都推荐过。北卡罗来那大学综合癌症研究中心主任Dr. Sharpless表示，“在分析报告中，更激动人心的是沃森在30%的患者当中有了一些新的发现，这是目前我们一声没有发现的。现在，大概300多名患者已经确定治疗。”IBM今年没有单独报告沃森的财务状况。但瑞士银行UBS的证券研究部门估计，沃森今年可能会带来5亿美元的收入，并且有可能在未来几年里迅速增长，到2020年达到60亿美元，到2022年突破170亿美元。

与其他巨头相比，软银似乎更注重机器人整体的开发，孙正义对人形机器人Pepper寄予厚望。软银在2012年收购了Aldebaran后将其改名为软银机器人控股公司，简称SBRH，而Pepper则是SBRH为软银交出的第一个作品，一个身高1.2米，体重28公斤，拥有情感辨识功能且拥有自身情绪的人形机器人。Pepper的设计理念是用来陪伴人类，在与人“相处”过程中不断学习人的习惯和喜好等。为了让Pepper 更加人性化，软银继续收购或投资了机器人相关产品如表情云、表情传感技术的若干家公司。去年阿里巴巴联合富士康斥巨资投资Pepper机器人在业内被称为里程碑性事件，不少创业者正是因此而受到启发最终踏上了机器人创业的道路，尤其是在国内，服务机器人创业公司在2015年增加了几百家。

Sophia是汉森机器人公司推出最像真实人类的机器人：用专利硅胶打造的仿生皮肤，装有摄像头可以进行眼神交流的双眼，可以做出各种表情，认识人，还能根据她看见的进行学习；还有一系列可以让Sophia可以跟人类交流的技术，包括谷歌Chrome的声音识别技术。除了它暴露的头部那里会显露它的内部电子，Sophia可能是我们见过的最先进的类人机器人。未来Sophia将可能被用于帮助社会中的一些孤独人员的日常生活，如老年人等等。

-------------------------------------------------------------------------------

未来已来，你准备迎接还是逃避？

现在，我们已经有了强大的计算能力，有了大数据，有了更先进的算法……所有这些都不是我们之前没有的，其结果就是在产业上造成了巨大的影响。这一次，人工智能火了，AI已经不再是空头支票，它引发了实实在在的变化，即便还没有达到人类水平的AI，但系统的质量和性能已经足以能够产生巨大的产业影响。

重点发展AI，是世界的共识

2016年5月23日，国家发改委、科技部、工业和信息化部、中央网信办在发改委网站发布了《“互联网+”人工智能三年行动实施方案》。要统筹利用中央预算内资金、专项建设基金、工业转型升级资金、国家重大科研计划等多种渠道，更好发挥财政资金的引导作用。完善天使投资、风险投资、创业投资基金及资本市场融资等多种融资渠道，引导社会多元投入。鼓励通过债券融资等方式支持企业发展，支持有条件的人工智能企业发行公司债券。

方案要求，在人才培养上，应鼓励相关研究机构、高等院校和专家开展人工智能基础知识和应用培训。依托国家重大人才工程，加快培养引进一批高端、复合型人才。完善高校的人工智能相关专业、课程设置，注重人工智能与其他学科专业的交叉融合，鼓励高校、科研院所与企业间开展合作，建设一批人工智能实训基地。支持人工智能领域高端人才赴海外开展前沿技术、标准等学术交流，提升技术交流水平。

10月13日，奥巴马在白宫主持白宫前沿峰会，连发《为未来人工智能做好准备》和《国家人工智能研究与发展策略规划》两篇AI发展报告，长达48页。报告认为人工智能（AI）是一项具有巨大社会和经济效益的变革性技术，将对我们未来生活、工作、学习、交流和发现新事物产生深远影响。深入研究人工智能，对于推动美国的重点发展领域有积极意义，包括促进经济繁荣、增加教育机会、改善生活质量以及加强国家和国土安全。奥巴马总统就人工智能的发展发表了看法，他认为人工智能将能够帮助我们解决一些世界上最棘手的问题，比如疾病、气候变化甚至是经济发展的不平衡。

奥巴马表示，正因如此，美国政府正在积极动员各方力量来促进人工智能的发展，包括建立STEM(科学、技术、工程和数学)教育以进行相关的人才储备，该项目是美国教育部制定的“迈向巅峰计划”重点项目之一。美国政府鼓励相关的先进研究项目，地方政府也将提供相应的支持。

据了解，2015年全球人工智能市场规模为74.5亿美元，预计2020年将达到183亿美元，人工智能正成为后智能手机、移动计算的前沿方向之一，在不久的将来，那些只出现在电影中的人工智能产品将会出现在我们面前。

目前，美国大脑计划已投入15亿美元，欧洲大脑计划支持10亿欧元，中国大脑计划5年投入100亿元。相比之下，大公司在这方面更舍得投入，百度2015年研发投入100亿元，华为2015年研发投入达600亿元！

竞争、开放与合作，共同应对未来

科学进步、社会发展离不开社交网络，有了社交网络，我们才能在彼此工作的基础上发展自己的研究成果。科学不是电影里演的某个孤僻的科学家，自己单独一个人在偏远的地方搞研究。科学是很多人聚在一起，彼此交谈，进行头脑风暴，交换想法，读彼此的论文，乃至使用对方的软件……所有这些都非常重要，是这些事情让进步的速度更快。

9月29日，美国五大AI公司谷歌、微软、IBM、Facebook、亚马逊形成最强联盟。这个新联盟的名字被称为“造福于人民与社会的人工智能合作伙伴关系”。虽然听起来性质不明，但几家公司在声明中自称绝对不是一个“政府游说组织”，而是一个真正可以信任与依赖的“AI研讨与推动小组”，“我们将联合开展相关研究，推荐与AI相关的最佳实践方法。在不触及道德底线，维护公平及包容性的前提下发布研究成果。当然，我们也要努力平衡透明度、隐私与互操作性之间的关系，加强人工与AI系统的合作，使用更加可靠稳定的相关技术。”

实际上，建立合作伙伴关系将意味着科技巨头们不仅可以随时坐下来一起聊聊人工智能的发展进度，也能够为公司之间的沟通交流开辟一个更加正式及合理的渠道。

10月22日，中关村双创服务机器人联盟，虽然它还不能跟五大巨头形成的联盟相比，但相比国内大大小小的机器人协会、联盟相比，却更接地气，不仅有国内语音识别领域的巨头科大讯飞和年营收三十多亿的机器人公司科沃斯，更有包括机器视觉、传感器、模具开发及创新教育、销售、推广、泛娱乐等完整产业链的80多家初创型机器人企业，将有助于推进中国人工智能产业的进步。

监管似乎老生重弹，但早作准备总没错

尽管人工智能还没到电脑完全取代人类来完成工作的时候，但它们却已经具备了放大人类负面情绪与支配欲的倾向。一个带有偏见的世界将会导出一个有偏见的数据集，并最终转化为一个具有偏见性的人工智能框架。

“人们担心计算机会变得过于聪明，最终控制这个世界，但是真正的问题是它们仍然不够聪明，却已经控制了整个世界。”这是计算机科学家Pedro Domingos在他 2015 年的著作《The Master Algorithm》中的总结语。

虽然目前社会对“奇点事件”（奇点：可以被认为是电脑智能与人脑智能兼容的那个奇妙时刻）是否会威胁人类没有下任何定论，但我们在当今世界中的确面对着一连串来自AI的挑战。

用无人驾驶汽车来举例。我们的机器可以做出许多快速决策，大幅减少交通事故，提高交通路网的效率，协助解决碳排放等问题。然而，我们可以给汽车加入什么价值？你可以做许多选择，而最典型的问题是：无人驾驶时，车辆转向可以避免撞到行人，但会因此撞墙导致你自己的伤亡。这是个道德问题，谁来制定这些规则？

奥巴马在与《连线》的对话中认为，在人工智能的早期发展阶段，监管框架应支持百花齐放。政府应施加相对较少的监管，更多地投资于科研，确保基础研究和应用研究之间的转化。随着技术的成熟，我们要考虑如何将其纳入现有监管框架中。这是个更难的问题，政府需要更多参与。我们并不总是要让新技术去适应现存监管框架，而是确保监管符合更广泛的价值。否则我们可能会发现，某些人群将因此处于不利地位。

五大科技巨头成立AI联盟，希望邀请更多“政策与伦理学领域的学者、专家以及非盈利机构”加入到组织中来。

DeepMind联合创始人兼AI应用部负责人Mustafa Suleyman甚至还希望能让更多的AI产业链的下游公司加入组织：“我们还需要让那些受AI影响较大的工作者也参与进来。无论技术怎样发展，最终都要被落实到社会及日常生活中去，AI技术及服务的使用者们能够为科技圈提供更多的启发与应用思路。”

IBM的AI伦理研究员Francesca Rossi曾表示：“AI的力量往往爆发于企业应用层。但你如何获知企业在开发AI时没有做出一些违背道德的事情？要想让这个社会从AI技术中充分获益，我们首先要学着去管理它，信任它。”

为了对抗这种潜在的阴暗面，以微软为首的多家企业已经成立了AI伦理咨询委员会。但是，这样做的目的并不是推翻现有的努力，而是通过委员会与其他公司交换意见，以论坛的形式与科技工作者分享宝贵的经验。显然，AI合作组织的成立将会促使整个社会更加游刃有余地利用AI这把双刃剑。

相比之下，大部分人不会花很多时间去担心“奇点”，而是担心“我的工作是否会被机器取代”——你是何时知道，真正的人工智能时代已经降临？事实上，现在人工智能正以各种方式渗透至人们的生活，但我们尚未察觉。随着人工智能的发展，计算机可能比人类更聪明，然后人类越来越没用。随后，人工智能给我们灌输“毒品”，让我们在愉快中变得痴肥，或者我们会陷入《黑客帝国》的世界。这一天会到来吗？或许吧。