人工智能能否改变生活方式(人工智能能否改变生活环境)

人工智能产业不断迎来新的发展机遇，产业规模稳步增长，技术迭代创新，应用场景多元化。

在近日举行的2021全球数字经济大会上，中国信息通信研究院院长余晓辉发布的《全球数字经济白皮书》表明，人工智能在技术层面是价值中性的，但在实际应用。如何引导人工智能健康发展正成为业界关注的焦点。

加速与5G融合

白皮书显示，截至2021年6月，全球人工智能企业数量超过1万家。2020年，我国人工智能产业规模达3031亿元，同比增长15.1%。“目前人工智能已经进入稳定阶段，如何工程化、场景化实施成为未来发展的重要方向。”

于晓辉认为，人工智能从理论和算法的突破到各行各业的应用还有很长的路要走，但其与5G和机器视觉结合的应用在工业制造领域已经相对成熟。

施耐德电气全球执行副总裁、中国区总裁尹正也持同样观点。他向记者分享了人工智能在工业和能源管理领域的应用演示，“我们推出的智能工业视觉平台实现了零漏检率，帮助制造企业减少了75%的工作量。”此外，施耐德电气还将基于人工智能和大数据分析的先进过程控制系统与基于机械模型和数学建模的实时操作系统相结合，使生产过程保持良好的运行状态并预测未来的运行状况。该解决方案现已应用于炼油、石化、水泥建材、冶金等领域，帮助行业增效减排。

在创维集团深圳工厂的电视生产线上，高清摄像机“盯紧”产品检验过程。这款名为“工坊眼”的智能视觉检测系统，可将前端采集的大量图像数据通过5G网络传输至云端图像算法中心，通过深度学习框架训练获得非标准化视觉检测特征，最终创建通用的、具有专业、智能的缺陷检测能力，并将训练结果部署到5G边缘云，快速响应生产需求。“我们利用5G、人工智能、8K超高清视觉等技术对生产线进行数字化改造，与传统制造模式相比，单线自动化在线检测率从10%提升到80%，并且“人均产出效率较传统产线提升17%，效率同比提升26%，生产停机时间下降5%。”创维集团智能柔性特别顾问倪凌表示。制造项目。

关注社会和道德问题

人工智能正在加速渗透到社会各个领域。它带来巨大机遇的同时，也伴随着安全问题和治理挑战。中国信息通信研究院不久前发布的《可信人工智能白皮书》认为，以深度学习为核心的人工智能技术容易受到攻击，其可靠性不能完全信任；生物识别信息的频繁使用会增加个人隐私数据泄露的可能性，一旦数据丢失，将造成极大的安全隐患。

“第二代人工智能的安全问题主要来自深度学习算法本身的不安全性，比较难克服。”在同期举行的人工智能产业治理论坛上，中国科学院院士、清华大学人工智能研究院名誉院长张章表示，人工智能的治理一方面要解决一方面要从法律法规、道德规范、行业共识层面治标，另一方面要通过技术创新治本。张波解释说，具体来说，要发展第三代人工智能技术，即第一代知识驱动型和第二代数据驱动型人工智能的融合，利用知识、数据、算法和计算能力，用于开发安全、值得信赖、可靠和可扩展的人工智能技术。

中国社会科学院科技哲学研究室主任段伟文认为，数字技术和人工智能产业发展的伦理风险带来了诸多社会信任问题。人工智能企业不应逃避社会监督，而应不断思考和重塑科技的社会形象。技术进步与伦理设计必须齐头并进，携手共建人工智能伦理治理。

为此，论坛上发布了《人工智能产业担当宣言》，旨在形成更加完善、规范的创新体系和产业生态。宣言包含5项倡议，强调人工智能系统的设计、研发、实施和推广应符合可持续发展理念，以促进社会保障和福祉为目标，以尊重人的尊严和权利；在技术能力方面，提出要求要最大程度地保证人工智能系统的安全性和可信性，提高鲁棒性（系统在异常和危险情况下的生存能力）和抗干扰性，增强人工智能系统的透明度和可解释性。算法，同时保护各方权利和隐私，为用户数据提供足够的安全性。

“人工智能稳定发展的两个前提是人工智能的可持续发展和良好治理。”中国科学院自动化研究所研究员、国家新一代人工智能治理委员会委员曾毅建议，在人工智能产品的设计、研究和开发过程中，将伦理和治理贯穿于整个过程。部署、部署、使用的生命周期，形成政府、学术界、企业、民间、媒体、用户、服务商等各方积极共治的良性生态。

人才是发展的关键

人才是行业稳定发展的战略资源。培养人工智能人才的关键是什么？“计算机是人工智能发展的基础，我们首先要掌握扎实的计算机科学理论基础，然后通过校园的教学、实验、练习，提高解决问题的能力。”张博说道。在谈及如何设置人工智能课程时，南京大学人工智能学院院长周志华认为，要优先考虑人工智能的核心基础，如机器学习、知识表示与处理等；然后考虑技术层，包括模式识别和计算机视觉、自然语言处理、计算智能等，以及很多相关的支撑技术，比如数字信号处理、时序数据分析等。从平台层来说，机器学习系统平台、机器人智能系统，到应用层，涉及智能应用建模、系统设计、行为分析，形成庞大的知识体系。

“我们要培养具有人工智能领域原始创新能力和解决企业关键技术问题能力的人才。此类人才应具有扎实的数学和计算机软件基础、全面深入的人工智能专业知识、丰富的应用实践能力。”周志华表示，这一目标基于现有的计算机科学课程体系或修补现有的学科培养体系框架很难实现，必须根据人工智能学科的特点从头开始建设。

张波也认为，原始创新能力取决于有善于发现问题的眼睛和善于提出问题的嘴巴。“企业处于技术创新和应用的最前沿，只有把学生送到生产第一线，才能遇到大量的实际需求，从而引发解决问题的思考，锻炼提出问题的能力。当然，问题不仅仅是生产中产生，实践中也会产生，技术发展本身也会产生，所以学校和企业需要紧密合作，优势互补。”