斯坦福报告展望2030年的人工智能与生活

2016年9月6日，斯坦福大学发布了一份名为《2030年的人工智能与生活》的研究报告，展望了人工智能的研究趋势以及2030年的人工智能与生活，主要内容如下：

1. 人工智能研究趋势

推动人工智能革命的研究工作正在快速发生变化，其中最重要的是机器学习技术的成熟，部分刺激来自于数字经济的崛起，因为它同时提供和利用了大量的数据。其他因素包括云计算资源的崛起和消费者对广泛接入服务的需求，如语音识别和导航支持。机器学习得到了来自人工神经网络的极大推动，而后者取得了令人印象深刻的成功经验，现在已经可以利用巨大的数据集和大规模计算进行训练。这种方法已经被命名为“深度学习”。信息处理算法性能的飞跃提升一直伴随着硬件技术的显著进步，如感知、感觉和目标识别等基本操作技术。数据驱动产品的新平台和新市场，以及旨在寻找新产品的市场经济激励机制，也刺激了研究的进展。现在，随着人工智能领域成为社会的一项核心力量，该领域正在转向建设智能系统，使其可以有效地与人合作，并具有更普遍的人类意识，包括使用创造性的方式来开发可互动的、可扩展的机器人训练方法。这些趋势推动着目前的人工智能研究“热点”向以下基本方法和应用领域发展：

（1）大规模机器学习算法关注的是学习规则，以及调整现有的算法，使其能够工作于非常大的数据集。

（2）深度学习是一类学习过程，它促进了针对图像的目标识别、视频标签和行为识别，正在快速向其他感知领域发展，如音频处理、语音处理和自然语言处理等。

（3）强化学习是一个框架，它将机器学习的重点从模式识别转变为经验驱动的顺序决策，它有望在现实世界中推动人工智能应用走向实际。虽然在过去的几十年里强化学习基本被局限于学术界，现在已经可以看到一些实际的、现实世界的成功案例。

（4）在机器人方面，目前关心的是如何训练一个机器人以可总结的、可预测的方式与周围的世界进行交互；如何在交互环境中促进对目标的操作；以及如何与人沟通。机器人的进展将依赖于两个方面的共同发展，即提高计算机视觉的可靠性和通用性与其他形式的机器感知的进步。

（5）计算机视觉是目前最主要的机器感知形式，它一直是受深度学习影响最大的一个人工智能子领域。计算机首次能够执行一些视觉任务并获得比人工更好的效果。目前的研究更多集中在图像和视频字幕方面。

（6）自然语言处理，通常伴随着自动语音识别，迅速成为一种能够处理具有大数据集的广泛使用语言的产品。目前的研究正在向发展精致的实用系统转变，要求系统能够与人进行对话互动，而不是只能按照程式化的需求做出反应。在不同语言之间的机器翻译方面也有了长足的进步，不久的将来有望实现更实时的人与人的交流。

（7）协同系统的研究对象是模型和算法，以帮助开发能够与其他系统和与人类协同工作的自动化系统。

（8）众包(crowdsourcing)和人类计算(human computation)研究的是用来增强计算机系统的方法，其方式是自动通知人类专家来解决那些电脑无法单独完美解决的问题。

（9）博弈论算法和计算性社会选择关注的是人工智能的经济和社会计算层面，如系统如何处理潜在的不恰当因素，包括利己主义的人或企业参与者，以及能够代表他们的基于人工智能的自动化代理。

（10）物联网(IoT)的研究目标是多种类型的设备，包括电器、车辆、建筑物和相机等。这些设备可以相互连接，收集并分享它们感知到的丰富信息并将其用于智能目的。

（11）神经形态计算是一整套技术，旨在模仿生物神经网络，以提高硬件效率和计算系统的鲁棒性，经常替代单独的输入/输出模块、指令处理、记忆等，因而成为了一个新的重点内容。

2. 人工智能与八大生活领域

（1）运输。运输业是与人工智能紧密结合的一个主要领域，其中一些关键技术促使人工智能以惊人的速度被广泛采用。自动运输将很快普及，而由于大多数人对人工智能系统的第一经验是物理形式的，自动运输将强烈影响公众对人工智能的看法。随着汽车成为比人更好的司机，城市居民将拥有更少的汽车，工作地点离家更远，并花费不同的时间，从而导致产生一个全新的城市组织。在2030年的一个典型北美城市，以物理形式呈现的人工智能应用程序将不仅局限于汽车，还有可能包括卡车、飞行车辆以及个人机器人。

（2）家庭/服务机器人。在安全可靠的硬件方面的进步将在未来十五年内刺激创新，例如会出现更好的家庭/服务机器人。当前这些机器人已经进入人们的家庭，虽然主要是以真空吸尘器的形式。更好的芯片、低成本的3D传感器、基于云的机器学习，以及语音理解的进步，将提升未来机器人的服务质量及其与人的互动能力。专用机器人将能够派送包裹、清洁办公室并增强安全保护。但在可预见的未来，技术上的限制和可靠机械设备的高成本将继续将商业机会限制在既定的狭窄应用范围内。

（3）医疗。在医疗领域，在从个人监测设备和移动应用程序收集有用的数据方面已经出现了巨大的飞跃，其中包括从临床环境的电子健康记录(HER)，到较小的范围内用于辅助医疗过程的手术机器人和支持医院运营的服务机器人。基于人工智能的应用可以在未来几年内改善数以百万人的健康和生活质量。虽然临床应用从计算机科学实验室转移到现实世界的速度一直都很缓慢，但还是有迹象表明，创新的步伐有望得到加速。由数据共享和取消不合理的政策、法规和商业障碍带来的激励和机制，可以进一步促进人工智能在医疗领域的进步。在许多应用中，人工智能系统将必须与护理者及患者密切合作，以获得他们的信任。智能机器与护理人员、病人及病人家庭的互动能力的提升是非常重要的。

（4）教育。为人类和有前途的人工智能技术带来更流畅的交互也是教育领域的一个重大挑战，这个领域也出现了一些可观的进展。尽管素质教育总需要人类教师，但人工智能有望改善所有层次的教育，尤其是通过提供大规模个性化教育的方式。交互式的机器人导师现在正在被安排给相应的学生，以教授科学、数学、语言和其他学科。自然语言处理、机器学习和众包也助力了在线学习的发展，同时使得更高层次的教师在关照到个别学生学习需求和风格的情况下扩大了他们的教室。在一个典型北美城市的未来十五年里，这些技术在课堂上及家中的应用可能会有显着扩展，如果它们可以与面对面学习进行有意义的整合。

（5）低资源群体（Low-resource Communities）。除了教育，人工智能方法也有很多机会可以帮助低资源群体，如为一系列社会问题提供缓解措施和解决方案等。传统上，投资者很少投资给缺乏商业应用的人工智能研究。有了明确的刺激方向和资助重点，人工智能技术可以帮助表达低资源群体的需求，同时带来一些新的发展方向。例如，借助数据挖掘和机器学习技术，已经可以利用人工智能技术构建预测模型，以帮助政府部门解决类似防止高风险儿童铅中毒和进行高效率食物分配的问题。这些新的发展意味着存在更多需要完成的工作，尤其是在有政府部门和社会组织参与并与这些社区建立了互信的情况下。

（6）公共安全。获得公共信任也是从事公共安全与保密的专业人员使用人工智能的一个挑战。北美城市和联邦机构已经开始在边境管理处和执法机构部署人工智能技术。到2030年，这些机构将在很大程度上依赖人工智能技术，包括用于监控任务的相机和无人机、用于检测财务欺诈的算法，以及警务预测系统。后者引发了对无辜的人进行不合理监测的恐惧，必须采取措施避免系统化的人类偏见并保护公民自由。部署良好的人工智能预测工具有可能提供新的方法来增加数据和结论的透明度，并可能被用于检测、删除或减少人类偏见，而不是加强它。

（7）工作就业。在人工智能对就业和工作场所的影响方面，社会和政治决策的作用是类似的，如能够保护人们不受经济结构变化冲击的安全网络。人工智能将在某些类型的工作中取代人类，如驾驶出租车和卡车。然而，在许多领域，人工智能在短期内可能取代的是任务，而不是工作，这也将创造新的就业种类。但是，将出现的新的就业机会比现有的可能消失的就业机会更加难以想象。人工智能也将降低所有商品和服务的成本，有效地改善每个人的生活。从长远来看，人工智能可能被看成一个完全不同的财富创造机制，每个人都应该有权分享世界上人工智能创造的财富的一部分。关于如何共享人工智能技术产生的经济成果的社会辩论不久就会出现。

（8）娱乐。娱乐已经被社交网络和其他提供共享浏览博客、视频、照片功能的平台改造。这些应用主要依靠自然语言处理、信息检索、图像处理、众包及机器学习等方面的热门技术。一些传统的娱乐资源也开始使用人工智能来参与作曲、构建舞台表演，甚至根据自然语言文本产生3D场景。人们对人工智能驱动的娱乐的回应热情是令人惊讶的。与人工智能的其他很多方面类似，目前正在进行关于这种技术能在多大程度上取代或增强社交能力的辩论。人工智能将不断增强娱乐的互动性、个性化和参与性。相关研究应该被引导到如何利用这些性质为个人和社会利益服务的方向上来。