前言:我们精心挑选了数篇优质人工智能对医疗的帮助文章,供您阅读参考。期待这些文章能为您带来启发,助您在写作的道路上更上一层楼。
人工智能对医疗领域的影响是开创性的、变革性的、颠覆性的。智慧医疗利用人工智能技术将数字化人体和数字化医疗等高度智慧化,部分代替了以往由人力完成的医疗工作,构建了从底层基因、中层病症数据,到上层诊断和手术的上下一体,人与机器互联、协作、共进的新医疗体系。
基于人工智能的智慧医疗主要有四个发展方向。
第一个发展方向是基因测序。比如某公司打造了遗传病智能化解读系统,首先提取和处理DNA数据,然后进行测序分析,最后根据数据分析的结果完成对疾病的关联分析。
第二个发展方向是辅助诊断。通过让机器学习海量医疗数据、专业文献、医学教材,模拟医生问诊流程,采集、汇总和整理病人症状描述,与用户进行反复交流和多重验证,最终给出治疗建议。
第三个发展方向是医学影像。机器可根据病人拍摄的医学影像资料,对病人病情进行确认诊断。
第四个发展方向是药物研发。某公司依托智能分析技术,可以在分子结构数据库中评估出820万种候选化合物,减少了研发成本,并缩短了研发周期。
智慧医疗产业链主要由智能硬件、诊断工具、医联平台、自诊平台、健康管理、医药电商等环节构成。
在智能硬件方面,医疗智能硬件主要有手环、手表、智能鞋等运动健康类监控设备,以及血压、血糖、脑电等病患监测设备。
在诊断工具方面,具有代表性的是前面文章所提到的IBM公司开发的沃森(Waston)医疗平台。
在健康管理方面,WellTok公司与IBM公司联合打造智慧医疗平台,以数据分析服务加强个人健康管理和改善生活习惯,还融合了医疗硬件、医疗保险、健康内容、健康应用等,丰富了平台生态。AiCure公司利用手机终端为患者提供按时用药的健康提醒服务。
未来,人工智能技术与智慧医疗产业的融合力度将不断加大,同时将进一步促进智慧医疗产业的整合提升,催生出一批提供集智能硬件、诊断工具、医联平台等于一体的智能云平台企业。
英国BabylonHealth平台计划整合Deepmind公司的人工智能技术,帮助患者在同医生进行文字、电话或视频交谈前,就提前预知自身健康状况。目前,BabylonHealth平台上约有100名医生,25万用户可通过月付或医疗保健的方式获取服务。
关键词:人工智能;中医药;融合发展
1引言
新一轮科学技术和产业革命的深刻变革,推动社会各个领域实现深刻变化。人工智能是这一轮产业革命的重要成果,国家也将人工智能作为中国产业发展的重要组成。中医作为我国的国粹之一,由于主要强调临床经验,治疗方式上也是因人施治,一人一方,异病同治、同病异治,存在着发展的短板。人工智能的应用为中医的信息化发展以及中医研究的深入推进提供了机遇。如何用人工智能为中医研究应用赋能,是一个非常重要的研究课题。
2大数据为中医智能化提供基础
大数据时代已经来临,已经成为全世界的共识。大数据时代纷繁复杂的信息在为人们带来挑战的同时,更多的是一种机遇。中医与互联网大数据的深度结合是国家战略,也是中医药研究领域关注的重点,于进一步研究和发展中医药大数据产业,提升中医药国际地位,具有重要意义。“互联网+中医”早在几年前就已经成为国家战略,我国《中医药发展战略规划纲要2016-2030》明确提出推动“互联网+”中医医疗,对“互联网+”中医医疗做了具体和全面的部署。具体而言,大数据对中医发展的智能化推动有几个方面。首先是中医药数据的挖掘使用,我国中医博大精深,是一套深奥成体系的学术、临床体系,中华几千年的中医药发展积累了极其丰富的大数据,是一座亟待开发挖掘的金矿。将这些丰富的数据进行智能化,对中医发展的促进作用将是无与伦比的。其次,大数据结合中医的核心理念,实现中医的有序发展。中医的临床疗效评价实质上是中医辨证论治与临床结局之间的因果关联分析,大数据理念恰恰可以反映关联及因果关系。中医生更多是临床过程的记录,在日积月累的经验积累和案例分析中形成独特的临床经验,将这些经验通过大数据建模的形式刻画出来,将大大实现中医的智能化。最后,大数据为中医发展的现代化和标准化提供条件。中医的发展需要标准体系的支撑,落点应该在于制定标准体系,促进共享应用,进而实现中医药大数据在互联网医疗等领域的创新和应用,在更大意义上推动世界范围内中医药大数据的发展,进而促进中医药国际化。
3运用人工智能促进中医研究应用的意义
人工智能和中医的结合,不仅可以对中医的研究和应用起到促进、推广作用,也是对人工智能应用领域的丰富和拓展。具体来看,人工智能对中医研究应用的意义有以下几个方面。(1)有助于推动中医的信息化发展。上文已经提到,我国几千年的中医研究建立了极为庞大且秩序井然的中医知识图谱,但是如何通过对数据价值的挖掘,进一步促进中医药发展是一个重要的课题。而互联网的出现,特别是大数据时代的到来,更为中西药的信息化提供了难得的机遇。人工智能对发掘中医隐性知识有着得天独厚的优势。当前,以大数据为支撑的人工智能在医疗领域的应用很多,比如医学影像、语音识别、病人看护等。延伸到中医研究和应用领域的还不多,可以利用人工智能将大量的中医诊疗数据进行深度挖掘,从而拓展中医人工智能的市场前景。(2)有助于推动中医传承发展。可以说,传统中医存在传承、推广应用和发展方面存在较大的痛点和难点。一般情况下,知名中医的传承主要是流派传承或者人传人的方式进行,这种传承方式成长周期长,无法复制,规模化推广应用受到限制。而通过人工智能则可以有效解决以上痛点,可以将知名老中医的诊疗思想、辨证逻辑和处方经验进行整合,形成在线的辅助学习和辅助诊疗系统,带动更多普通医师提升诊疗能力,也可以帮助中医的传承及推广应用。(3)人工智能有助于推动中医诊疗智能化。诊疗是医学的核心环节。中医药的诊断流程一般分为三步,第一是望闻问切、采集信息;第二是四诊参合、辨证分型;第三是君臣佐使,构思方剂。不过,传统中医在很大程度上需要依赖医生的个人经验,这意味着必然存在一定局限性。但是,利用人工智能,普通医师可以通过第一步采集到患者信息,进而借助网络实现规范化处理,后台通过人工智能模拟名老中医的辨证治疗的方式,给出一定的方剂建议,从而使一般医师也可以开出相对更有效的大处方。因此,也可以说,人工智能是放大中医产能的重要工具,是中医智能化发展的重要抓手。
4人工智能推动中医研究中智能化的建议
(1)加大人工智能诊疗的结合力度。人工智能是辅助中医研究应用的重要工具,在产能放大化、中医推广方面前景广阔。要加大中医和人工智能的结合力度,针对中医药发展的特点,找准人工智能结合的切入点,研发设计更多在中医挂号、诊疗、远程诊治、后期跟踪等方面的人工智能成果,将二者实现更进一步的融合。(2)更好集散用好大数据信息。大数据是促进中医人工智能化的基础和技术支撑。要加大对关于中医方面大数据的收集、分析和挖掘使用,并制定中医诊疗标准和体系,将数千年的中医经验转化为集中医诊断、服务,健康信息采集、健康评价、健康指导、健康提醒功能为一体的信息系统,形成多元化诊疗数据,为更好服务患者、推动中医走向现代化、国际化提供支撑。
在业内人士看来,人工智能不是一项单一的科技产业,而是将其他行业进行融合的工具,例如将机器人和保姆结合产生的“看家机器人”,将导航和汽车结合产生的“车联网”等。在人工智能技术逐步成熟的当下,谁率先在应用上实现突破,谁就有可能在智能时代的竞争中占据优势,“人工智能”有望成为可触摸的新增长点之一。
发展迅猛
身体不舒服,想要打开手机淘宝问问医生,但是怎么样才能从几千个在线等待咨询的医生中间找到最匹配的那一个?
阿里健康已经开发并在手机淘宝上线了健康小蜜――医药健康智能问答引擎。这个类似于智能问答机器人的引擎,可以回答普通用户的一般性医药健康问题,然后根据用户的需求进行选择,将用户自动匹配给相应的医生或者药师。
事上,目前,从医疗健康的监测诊断、智能医疗设备,到教育领域的智能评测、个性化辅导、儿童陪伴,从电商零售领域的仓储物流、智能导购和客服,到应用在智能汽车的自驾技术,都能看到人工智能的身影。
人工智能等技术是助推自动驾驶发展的关键技术。例如,人工智能在帮助汽车解读传感器数据时起决策作用,通过阅读驾驶者的驾驶行为和表情,能及时提醒驾驶员在疲劳驾驶时切换至自动驾驶模式。
“人工智能”一词,通常被认为是1955年8月31日在达特茅斯(美国一所院校)会议上诞生的,61年来,人工智能的研究和实践一直处于不断增长的趋势。当今,人工智能技术的突破带来了席卷全球的技术革命风暴,创造出了一个无比广阔的市场,中国的很多公司在这股大潮中抓住机遇,表现亮眼。有观察者认为,中国的人工智能已成为一张令世界瞩目的闪亮名片。
过去的一年里,长虹、TCL、创维等中国家电企业都纷纷人工智能家电产品,希望借助人工智能打破家电行业的销售难题。
不久前,搜狗公司2016全年财报,搜狗借助人工智能技术实现了较大的业绩增长。未来会把人工智能应用到更多的产品中,让用户表达和获取信息更简单,让人工智能真正惠及人类。
全球人工智能研发的脚步正在加快,中国也不甘示弱。近年来,百度先后成立了大数据实验室、深度学习实验室和硅谷人工智能实验室,并通过架构调整全面发力人工智能。2016年百度世界大会上,“百度大脑”推出,该项目将对语音、图像、自然语言处理和用户画像、无人驾驶等领域进行重点关注和研发。
在腾讯,人工智能研究项目包括WHAT LAB(微信-香港科技大学人工智能联合实验室)、优图实验室、微信模式识别中心、智能计算与搜索实验室等多个部门。
人工智能犹如新的科技革命,为长期低迷的世界经济注入新的活力。去年诸多关键技术突飞猛进,无疑是人工智能发展史上浓墨重彩的一年。诞生半个多世纪以来,它终于走到了从科技研发到行业应用的临界点,蓄势待发。
为发展更新“发动机”
人工智能技术的重大突破必将带来新一轮科技革命和产业革命,对人类生活的方方面面将产生深远的影响。大力发展人工智能技术是中国经济转型升级的重要动力。
众多研究表明,人工智能是对传统行业商业模式、产业链和价值链的全面颠覆,将为全球经济、社会生活的方方面面带来质的变化。
发展人工智能的最大意义在于为现代化发展更换“发动机”。咨询公司埃森哲研究了美国、芬兰、英国等12个发达国家并作出预测,到2035年,人工智能将帮助这些国家的生产率提高40%左右。
对于中国而言,人工智能带来的好处将是多方面的。就经济来说,借助人工智能新技术实现自动化,将极大提高生产率,节省劳动成本;优化行业的现有产品和服务,提升其质量和劳动生产率;通过创造新市场、新就业等,将促进市场更加繁荣,开拓更广阔的市场空间。
而在产业升级方面,中国的传统制造业大而不强的问题亟待克服,人工智能恰恰为制造业转型升级提供了便利和动力,一是这些企业拥有行业海量的数据和大量资金;二是在生产力水平急需提升、传统人口红利逐渐消失的情况下,传统企业有迫切的意愿来改造升级自己的工厂、业务,提高收益,降低企业成本。因此,制造业既是人工智能可以大有作为的领域,也是中国发展人工智能的优势领域。
《全球人工智能发展报告2016》显示,中国人工智能专利申请数累计达到15745项,列世界第二;人工智能领域投资达146笔,列世界第三。
据艾瑞咨询预计,2020年全球人工智能市场规模将达到1190亿元,年复合增速约19.7%;同期中国人工智能市场规模将达91亿元,年复合增速超50%。人工智能发展前景极为广阔。
就制造业而言,“中国制造2025”计划的实现就需要很多人工智能。比如过去在技术上难以克服的问题,就可以通过深度学习,在工程上快速地取得一些新的突破。人工智能技术的发展与应用,对于有效实现“中国制造2025”目标至关重要。
面向未来长远布局
在人工智能这场科技浪潮中,中国与其他国家已经站在了同一起跑线上。针对未来产业竞争,中国政府已在多个方面对人工智能产业做出布局,“人工智能+”的发展,需要面向未来,做出长远布局。
未来5到10年,人工智能将像水和电一样无所不在,可以进入到教育、医疗、金融、交通、智慧城市等几乎所有行业。
目前,在驾驶领域,通过依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作,电脑可以在无人主动操作下,自动进行操作;在个人助理领域,通过智能语音识别、自然语言处理和大数据搜索、深度学习神经网络,可以实现人机交互;在金融领域,通过分析、预测、辨别交易数据、价格走势等信息,人工智能可以为客户提供投资理财、股权投资等服务;在电商零售领域,主要是利用大数据分析技术,智能的管理仓储与物流、导购等方面,用以节省仓储物流成本、提高购物效率、简化购物程序。此外,在安防、教育、医疗健康等众多领域,人工智能都有着广泛的用途。
人工智能和机器学习的进步速度如此迅猛,我们的社会将迎来一些重要的伦理和经济问题,应对这些问题恐怕会费心费力。
总体而言,人工智能(AI)和物联网将同时改变互联网和全球经济。在未来5年内,我们可以预期人工智能和机器学习将会被整合到各种各样的技术中,这些技术包括数据交换和分析。这将带来巨大的机遇,如全新的服务和科学突破,人类智力的提升,以及它与数字世界的融合。
在人工智能领域存在相当大的不确定性,如决策转由机器执行,缺乏透明度,技术变革将超过治理和政策规范的发展。自动化可能会深刻地改变行业,影响就业和公共服务的交付。政府和社会需要为其影响做好准备:
经济和社会必须为人工智能以及物联网带来的颠覆做好准备。
在人工智能的设计和部署中,必须优先考虑伦理问题。
人工智能和自动化将带来全新的社会经济机会,但对个人和社会的影响和取舍还不清楚。
人工智能正改变着我们的决策方式,我们必须确保人类仍然处于“驾驶座”的主导位置。
在社会内部和社会之间,人工智能的益处分配将不均衡,进而加剧当前和未来的数字鸿沟。这种现象发生的风险极高。
人工智能世界的治理与伦理问题
人工智能引发了对伦理问题的广泛担忧。技术人员表示,这项技术需遵从人类的价值观,在人工智能系统的设计、开发和部署的每一个阶段,都必须优先考虑伦理层面的问题。
目前,人工智能和相关技术正在开发和部署,短期内将需要大量的投资和努力,以避免对社会和人类造成意想不到的影响。在未来,我们需要把焦点放在研究上以及有效的管理架构上,以确保人工智能技术带来的是契机,而不是损害。目前,开发算法的工作仍然由人类完成。对我们所做的事,我们仍拥有些许控制。
然而,如果我们把这类工作拱手相让给中介机构,而中介机构又让算法来设计算法。那么在五年内,开发算法的工作可能就不是人类在做了,而是人工智能在掌控。是否将出现这样的前景:我们打交道的中介机构将被人工智能替代。
此外,人工智能引发的重要考虑事项涵盖了隐私、透明度、安全性、工作性质,以及整体经济。例如,基于面部识别技术可以提升用户在社交媒体上的体验。但同样的技术也可以用来提升监视效果,牺牲个人隐私。亦或是,如果人工智能成为社交媒体网络和在线平台的永久功能,在这些平台上,算法被用来管理在线体验、有关自由选择和偏见的问题将会加剧。人们将对数据收集和决策的透明度和责任性感到担忧。这种担忧将会加速伦理原则的制定。而这些原则的作用是什么?用以指导人工智能的设计和部署。
一个社会如果完全以数据收集为基础,那么从商业角度来看,在没有适当的民主监督和平衡的情况下,将助长社会过度依赖监督。机器提供了太多自动选择,人类无需过多思考,从而失去了某些自我决策的机会。
数据分析技术产生的自动化将对人类行为和决策产生更大的影响。
政府将如何应对人工智能带来的更大的经济和社会影响?政府是否具备这样做的能力和资源?在政府内部,由于政策的制定和调整越来越多地受到数据的驱动,人工智能可能会带来一种根本性的决策调整。此外,人工智能可能成为未来政策选择的一种决策工具,而且使用起来可能会草率而不透明。
物联网和人工智能的发展将为政府决策提供科学依据,并帮助它们快速应对民众的需求。
许多人预见,未来几年将展开一场激烈的竞争,以争夺商业人工智能领域的霸主地位。尽管这可能会推动创新,并有可能颠覆当前的市场结构,但也存在竞争方面的担忧。预测者认为,在可预见的未来,如今的领先科技公司将会控制人工智能市场。
人工智能对互联网经济的影响
一些人认为,预测人工智能是一种营销炒作,但很多业内人士和政府都在为人工智能的普及做准备。CB Insights估计,2016年超过50亿美元的风投资金流向了人工智能创业公司,比前一年增长了62%。人工智能为创造新工作、新产业和新沟通方式提供了巨大机遇。
随着人工智能和自动化在各个行业推动重大结构变革,工作的本质将发生改变。随着人工智能获取用户数据,改变产品和服务的交付方式,许多现有的工作岗位可能会被取代。如何适应变化的步伐将是未来一项重大的全球性挑战。
与人工智能和物联网相关的项目引领了我们很长一段时间,提升了我们现有的技术,让普通人生活更加方便。
人工智能系统和技术可以改变工作的性质,让员工能力得到提升,从而减少人类之间和国家之间的不平等。人工智能让我们承担和解决更大的挑战。正如一份调查报告所显示,“人们的大脑和互联网之间的距离会变得越来越近,而两者之间的交叉会变得越来越复杂。”
机器与机器之间的通信增加了成本压力,人们正在被取代。这只会随着时间的推移而不断增加,这对经济有好处,但会对就业提出挑战。
人工智能为科学研究、交通运输和服务提供带来了巨大潜在收益。如果可访问性和开源开发胜出,人工智能有可能给发达国家和发展中国家带来红利。例如,依赖农业生产的国家可以利用人工智能技术分析作物产量,优化粮食产量。在医疗保健领域使用人工智能可能会改变低收入地区的疾病检测方法。
人工智能是一种创造性的毁灭,它将淘汰许多工作岗位,但也将创造新的角色和工作岗位。
但是,社会本身是否已经准备好接受这种变化,我们是否为新型经济做好了充分的准备?对于发展中经济体而言,新技术总是能创造出更多的可能性,尽管部署人工智能(以及物联网)的基础设施非常重要。人工智能的好处也可能不均衡:对于依赖低技能劳动力的经济体,自动化可能会挑战它们在全球劳动力市场中的竞争优势,并加剧当地的失业形势,影响经济发展。
用于管理制造业或服务业的智能和服务,可能仍集中在发达国家。人工智能可能会在很大程度上加剧数字鸿沟,这将会带来政治上的影响。
确保互联网技术创造市场就业机会,且不会对就业市场造成损害,这是未来5年必须解决的一个挑战,也是国际上一个紧迫而严重的问题。
人工智能对互联网安全和网络智能的影响
算法开始做出决策,它们比人类决策更快,并且可以代表我们的意志。此外,系统越来越不透明。我们不知道他们在哪里,他们在做什么决定。
虽然安全与信任对人工智能的未来至关重要,但这项技术也可以帮助解决安全挑战。随着网络和信息流变得越来越复杂,人工智能可以帮助网络管理人员理解交通模式,创建识别安全威胁的方法。在基本的企业层面上,人工智能可以执行由IT帮助台执行的任务,比如解决员工的电脑问题。
这将为企业IT专业人员提供更多的时间来实现安全最佳实践,并更好地保护公司系统和网络。除了人工智能决策,人工智能还可以在网络上对日益增长的安全威胁进行分类。
关键词:人工智能;人力资源管理;变革
一、人工智能与企业人力资源管理
人工智能简称AI,主要是用于模拟、延伸人脑的思维方式的计算机科学技术,包括人类行为模式的识别、数据储存、运用、机器学习、算法等。人工智能的研究最早诞生于1956年美国达特茅斯小镇的一次研讨会,在这次会议上,摩尔、麦卡锡、塞弗里奇、所罗门诺夫等学者共同研讨,为人工智能的发展奠定了基础。此后人工智能得到不断发展,尤其是进入21世纪以来人工智能取得了令人叹为观止的发展,开始在人类的生产活动中发挥着越来越重要的作用,比如,无人超市、智能翻译、人脸识别、智能医疗、智能驾驶、云计算、物联网等。我国人工智能的发展也非常迅速,我国的人工智能发展水平目前处于世界的第一梯队。目前,人工智能在许多企业得到了很大的发展,如科大讯飞的语音识别、百度的自动驾驶等,在世界上都是处于领先地位。我国还制定了人工智能发展的中长期规划,按照规划,我国人工智能到2030年,总体水平达到世界领先水平,成为世界人工智能的创新中心。
企业人力资源管理是企业管理的重要组成部分,最终目标是实现企业的总体目标,一般认为包括人力资源规划、人员招聘、绩效管理、培训与开发、薪酬管理、员工关系管理等六大模块。目前,企业的人力资源管理尚存在许多不足之处,如企业不太重视,认为人力资源管理可有可无;企业人力资源管理人员的素质普遍不高,不够专业,人力资源管理过程中效率不高,绩效考核过程不够公平、薪酬制度不能反映市场工资水平、人工成本的控制还存在不足等,而人工智能的发展,为企业人力资源管理带来了新的挑战,也带来了新的机遇。
二、人工智能对企业人力资源管理的挑战
人工智能对部分人力资源管理的工作存在一定的替代作用,这会减少企业对人力资源管理人员的需求。人工智能在数据信息处理、分析预测等方面具有巨大的优势,因此,未来人工智能的发展与使用中,会替代许多人力资源管理的活动,导致人工智能取代部分人力资源管理人员,使得企业对人力资源管理人员的需求减少,对人力资源管理人员的求职、就业提出了严峻的挑战。
人工智能虽然能代替部分人力资源管理活动,但也必然会对企业的人力资源管理带来一系列不利的影响,概括起来,主要有这些方面的不利影响:
( 一)不利于企业人际关系的维持与发展
人工智能虽然具有许多优点,在人力资源管理中的很多方面能代替人的劳动,但是人工智能的广泛使用将会使员工更多的依赖人工智能,而越来越缺乏必要的人际沟通,这将不利于企业人际关系的构建,这对企业员工队伍建设、和谐劳动关系的形成提出新的挑战。
( 二)不利于良好的企业文化的形成与维持
企业文化需要企业的全体员工共同参与建设、维持。而人工智能的使用,使得员工之间的交流日益简单,员工更多的通过机器来交流,缺乏必要的面对面交流与沟通,也使得企业原有的规章制度不再完全有效,这些都对企业文化的建设不利。
三、人工智能为企业人力资源管理带来的机遇
人工智能虽然对企业人力资源管理带来了一些挑战,但人工智能并不能完全取代人的工作,人工智能在决策、人际关系、团队建设等方面并不能代替人的作用,人工智能在人力资源管理中的运用并不能完全取代人力资源管理人员的工作,会促进人力资源管理人员素质的提高,同时会大大提高企业人力资源管理的效率和有效性。
( 一)人力资源规划方面
人工智能在相关的数据分析、处理、预测方面大大优于人类,因此,人工智能将提高人力资源规划的准确性。在人力资源规划中,合理发挥人工智能的优势,将使企业的人力资源规划更科学、更准确。
( 二)员工的招聘与配置
人工智能对人力资源招聘的影响表现在两个方面,一是人工智能的使用,使得企业的一些简单劳动大量的被人工智能所代替,因此,企业的招聘对象将更多是具有专业技术能力的专业人才。另一方面,人工智能在人员甄选中具有无与伦比的优势,比如在简历筛选中,人工智能能在海量的简历中迅速、快捷地筛选出合适的简历,大大减轻了招聘人员的负担,极大地提高了招聘工作的效率。另外,在人员配置过程中,人工智能通过对员工的工作状况、工作能力、工作经历进行跟踪调查、分析,能够分析出该员工最合适处于的岗位。同时,人工智能不会带着主观意见完成人员的筛选工作,能够最大限度地发现员工的潜在能力,找到与其相适应的岗位。
( 三)在企业培训与开发中,人工智能同样有重要的作用
人工智能能够在建立大数据的基础上来分析员工的培训需求,然后根据员工的知识、技能、岗位等进行课程的个性化推荐。在未来的培训中,人工智能也极有可能部分或完全替代培训讲师的工作,人工智能还可以在培训完成之后,直接将员工培训的相关数据传送到企业终端,企业能够最快地得到员工的数据,帮助企业更好地完成培训评估工作。
( 四)绩效管理
由于人工智能没有私人情感,因此其在绩效考核过程中更加公正、客观。并且,由于人工智能效率极高,人工智能代替了大量人的简单工作,让绩效管理工作更容易、准确地完成,大大减少了管理人员的工作量,增加了企业绩效考核的公正性,也有利于发挥企业绩效考核的作用。
( 五)薪酬福利管理
运用人工智能可以对市场的工资水平、员工的薪酬水平等进行分析,人工智能在人工成本核算、控制等方面具有较大的优势,这些能为企业管理人员进行薪酬管理决策提供支持。另外,人工智能能更加合理、准确地完成工资计算、员工薪酬的发放。
( 六)劳动关系管理
运用人工智能能更好地分析员工离职的原因,分析影响员工离职的主要因素,能有效地对员工离职率进行统计,继而管理人员可以采取针对性的解决办法,降低企业员工的离职率,这样可以降低因员工离职而进行再次招聘的成本及相应的机会成本。
四、结语
随着科学技术的发展,人工智能技术同人力资源管理的融合将是未来人力资源管理的一个重要发展趋势。企业的发展关键是人才,传统的人力资源管理模式效率较低,已经不能完全满足信息化时代的需要。人工智能技术的不断成熟发展必然会对传统的人力资源管理模式带来冲击,也带来了巨大的机遇。人工智能在信息处理、分析等方面具有巨大的优势,在人力资源管理中合理地使用人工智能将极大地提高人力资源管理的效率和准确性,人工智能的使用,将出现机器部分代替管理人员的现象,但这也将促使人力资源管理人员不断学习以提高自身的素质,这反而有利于企业人力资源管理的发展。总之,不久的将来人工智能必然会成为人力资源管理的重要组成部分,这是大的趋势。
参考文献
[1]蒯彦博.人工智能的发展对人力资源管理的影响研究[J].湖北开放职业学院学报,2019,32(6):77-79.
对于机器人是否比人类聪明、未来是否可能替代人类,假如机器人产业完全替代人类生产,人还能做些什么?新领军者年会开幕第一天专家学者们就对这些问题做了深入探讨。
无所不能的机器人?
在新领军者村中有一排无所不能的机器人,在题为行动中的机器人展示区,记者看到了能够适应各种人类生活场景的机器人,包括协助老年人以及残障人士的机器人队友Ballbots、能够进行语言分析,满足人类情感交流需求的机器人伴侣以及各种生产机器人。
在论坛上,各国专家学者描绘了一幅更大的机器人应用场景。除了生活起居,从法庭判决、医疗诊断到上战场打仗,机器人都可以代替人类。“机器人比人更像人类。”一位设计者说道。
但是,这是否意味着机器人在未来将全方面替代人类呢?在论坛现场,《科学美国人》杂志主编MarietteDiChristina做了一个有趣的实验,让现场的观众举手表决,在哪些场景愿意使用机器人,哪些场景愿意使用人类。最后结果显示在需要精确性的领域如医疗手术上,大部分的人愿意使用机器人,而在法律领域,人们则更倾向使用一位人类法官。对于上战场打仗,几乎全场观众都认为应该使用机器人替代人类。
归结原因是因为一般人认为机器人更为精确,而人类相对来说比较感性。这也印证在机器人的发展上,目前工业、制造业等领域已经广泛应用机器人代替人类在完成流水线组装工作。而在家居照料方面虽然有很多研究但一直未得到普及。
卡内基梅隆大学计算机科学学院教授TomMitchell认为,人类能否大面积运用机器人主要需克服的是信任问题,即能否信任机器人帮助人类进行诊断、完成照料。
这种信任将很快建立起来,根据MarketsandMarkets公司的报告,预计全球服务型机器人市场规模在2017年将达到461.8亿美元,行业空间巨大。在未来的4年里,医疗机器会以每年19%的速度增长,2016年全球市场规模估计会增长到119亿美元。
除了服务性行业,随着无人驾驶技术的日渐成熟,交通运输业也很有可能会被人工智能所取代。
解放生产力激发创新潜能
而人工智能日渐成熟的同时,也催生了一系列问题。未来人工智能是否会完全替代人类,而如果完全替代人类,那么如何解决失业率等社会问题?
届时,人类或许会在更擅长的领域得到发展。哥伦比亚大学研究员AndrewMcLaughlin表示现在还有许多尚未探索和有待开发的领域,这些领域需要人类的创造力,机器人取代人类进行日常生产,大部分人就可以把更多的精力投放到创新性的领域研究上。“我对于人工智能取代人类,没有这么悲观。”他笑着说道。
同时,这也能激发更深入的学习研究。TomMitchell说道:“我们一生当中可能做很多工作,教育流程也将要跟随改变,不是用四年去学一个课程而可能是花费40年或者更长时间去学习。”
除此之外,军队作为未来人工智能发展方向之一,也同样存在不少潜在问题。Tom表示,在武器上,机器人可以缩减军队规模,但是同时,这也是允许更多国家有自己军备,这有可能会带来战乱。
国际数据公司(IDC)的最新报告显示,存储收入持续上涨,这对于力求提高销售额的存储供应商们来说是个好消息。但由于分析引擎与数据存储库相竞争,期望以分析引擎渴望的速度获取信息,存储行业的产能有可能达到极限。
DataDirect Networks公司的产品营销高级主管劳拉・谢泼德(Laura Shepard)说:“采用机器学习会很快给底层的数据访问和管理基础设施带来负担。机器学习的原型和第一代机器学习基础设施通常建立在现有企业存储的基础上,或者搭建基础设施的团队决定用白盒服务器,同时结合开源、自主开发和商用的工具和应用软件来自行搭建。”
因此,即使是最成功的机器学习计划也经常会遇到规模方面的问题。一般而言,人工智能,可以整合的数据越多,得到的结果就越好。这促使机器学习项目越来越庞大。
出现这种情况后,我们看到第一代基础设施开始不堪重负,出现规模扩展方面的失败,比如无法让用户以所需的速度来访问数据,无法扩大所处理的数据量以改进结果,无法在管理起来简单或经济高效的存储环境下扩展数据存储。x泼德表示,任何一个这样的失败都可能让整个项目偏离正常轨道,因为如果你无法增加输入,或无法更进一步增加网络的深度,也就无法扩展输出。
机会找上门
但一个人的挑战是另一个人的机会。随着人工智能和机器学习日益得到采用,它势必会吸引越来越多渴望解决许多相关问题的初创公司。
IT Brand Pulse公司的高级分析师弗兰克・贝里(Frank Berry)说:“管理数据中心基础设施向来是个主动的过程,我们要走在业务需求的前头。机器学习有望通过自动化来提升存储性能、提高可用级别、提高效率(每个存储单元需要更少的管理员)。”
Zadara Storage公司的营销副总裁凯文・利布尔(Kevin Liebl)进一步阐述了这个主题。他认为,人工智能会大大提高数据存储的自我管理性(想想自动驾驶的数据中心,就像自动驾驶的汽车那样)。
利布尔说:“自动化将大大增加管理员可以管理的服务器数量,从如今同类中最多可管理VMware环境中的大约500台服务器,增加到将来每个管理员可能管理20000台服务器,到时候服务器完全由分析技术和自动化服务器管理软件来监控和管理,这将使存储和管理更容易、更省时、更高效。”
他补充道:“存储是自动驾驶的数据中心的核心,因为所有的自动化都需要记录各种活动,这些活动当然会生成数据。由于云计算、移动技术、物联网、社交媒体和分析技术大行其道,将来生成的数据只会更庞大。这就是为什么总的数据存储量会继续每两年翻一番。”
利布尔说:“人工智能对存储行业的最大需求可能就在于需要存储管理功能,好让系统得以处理数据洪流。”
人工智能和机器学习的兴起很可能会影响存储行业,就像个人计算机当初重塑企业IT那样。就像PC从个人生产力应用软件发展到大规模企业数据库和自动化项目一样,人工智能和机器学习可能会从消费类功能演变成推动全球企业发展的全面的数据驱动项目。
Cloudian公司的首席执行官迈克尔・楚(Michael Tso)表示:“在今后的20年内,许多公司会演变成人工智能辅助的组织。到时候,数据将支持合作,机器收集信息,学会帮助人们做出实时决策,以满足客户的要求。”
已经有这方面的例子了。亚马逊等购物网站上的推荐引擎已经在使用这项技术。与之相仿,广告投放系统会基于网站访问量,更精准地投放广告。Cloudian还使用了将广告与每个司机和汽车相匹配的数字广告牌。
楚说:“对于存储行业来说,这意味着许多公司需要保留大量的非结构化数据来‘训练’机器。一旦机器能自我学习,它们将收集并生成新的大量数据,这些数据需要存储、智能化标记和分析。”
许多专家提到了自动驾驶汽车。值得一提的是,自动驾驶汽车使用大量的传感器来“读取”环境,然后与精确的地图数据进行比较。
最后,再决定如何转向、刹车和加速。这增加了存储的复杂性。来自摄像头和雷达等传感器的数据以每秒几十GB的速度进入。所有数据都要经过压缩和处理。
摄像头和雷达收集的汽车在路面上的数据与高清(HD)地图数据进行比较。这是获得准确车辆位置信息的一个重要部分。这些高清地图堆叠在包括额外信息(比如车道标记、路缘和标志)的标准地图数据的上面。所有这些会带来几十GB的额外存储量,再乘以一辆车需要执行的动作数量,以及路上行驶的车辆数量,数据就会大得吓人。
此外,每辆汽车都要记录一些驾驶数据,并保存数天或数月,这取决于OEM和监管部门的要求。这很重要,因为即使这些数据上传到云端,本地拷贝也几乎肯定要保存起来。
相关的数据量仅仅是个开始,每辆车会生成数据,确保车辆安全、畅通行驶的系统也会生成数据。
各种人工智能和机器学习系统将访问这些数据,才能将信息变成实用的智能。这意味着存储系统会不断演变,以便能够以所需的速度存储、移动和处理数据。
StorageIO Group的分析师格雷格・舒尔茨(Greg Schulz)表示:“人工智能还可能导致几乎感觉不到有什么价值的现有数据拥有隐藏或未知的价值,只不过还没有被利用起来。”
存储方面的改进
人工智能不仅仅是一条单行道。不仅存储需要解决如何能够存储更多的数据、更快地处理数据、更快地将数据馈送给分析引擎,存储与人工智能之间还存在相互影响,即人工智能和机器学习将如何回报、如何改进存储技术。
舒尔茨说:“存在这种场景,人工智能和其他支持算法的分析技术可以用来帮助管理数据、存储,以及管理相关的数据基础设施资源。这意味着不仅仅局限于基本的分析,以及传统的基于策略的系统或软件管理。”
他预计,人工智能和分析技术对于额外的CPU处理和内存会有更高的要求,另外还需要将数据转换为信息的工具。
相关链接
人工智能(Artificial Intelligence),是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术和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与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。
人工智能是对人的意识、思维的信息过程的模拟。人工智能不是人的智能,但能像人那样思考,也可能超过人的智能。人工智能是包括十分广泛的科学,它由不同的领域组成,如机器学习,计算机视觉等。总之,人工智能研究的一个主要目标是使机器能够胜任一些通常需要人类智能才能完成的复杂工作。但不同的时代、不同的人对这种“复杂工作”的理解是不同的。
IDC预测,到2018年,全球近1/3的行业领导者将被全面执行数字化转型战略的竞争对手颠覆。“人工智能+行业”有助于催生新的商业模式。如今,人工智能技术已经在医疗、工业、农业、金融、商业、教育、政府、公共安全等行业初露锋芒。不同行业在人工智能的接受程度上存在差异。金融、零售、医疗和智慧城市这4个领域的人工智能技术的应用更为成熟。
AI Index在新旧年份交替之际公布了团队成立以来第一份报告,其中具有代表性的八张图可以帮助我们快速、全面了解AI这一行业高速发展的启发和见解。
1、AI学术研究论文激增9倍以上
自1996年以来,每年发表的计算机科学的学术论文和研究的数量猛增了9倍以上。学术论文和研究通常能产生新的知识产权和专利。整个Scopus数据库中,含有“Artificial Intelligence”这个关键词的计算机科学领域的论文有超过200,000(200237)篇。Scopus数据库中“计算机科学”领域的论文总共有近500万(4868421)篇。
2、AI风险投资激增6倍
自2000年以来,在美国,风险投资者(VC)每年投入AI创业公司的投资额增加了6倍。Crunchbase,VentureSource和Sand Hill Econometrics被用于确定VC每年投给初创公司的资金额,这些初创公司在某些关键领域起着重要作用。上图显示了VC在美国所有融资阶段对AI创业公司年度投资总额。
3、AI创业公司激增14倍
自2000年以来,在美国,有资本支持的AI创业公司数量增加了14倍。Crunchbase,VentureSource和Sand Hill Econometrics也用于这一分析。这个数字包括VentureSource数据库中Crunchbase列表中的任何有VC支持的公司。
4、要求AI技能岗位激增4.5倍
自2013年以来,要求有AI技能的工作岗位增长了4.5倍。在Indeed.com平台上,需要AI技能的工作岗位所占份额的计算方法是通过职业描述中的标题和关键字来确定是否与人工智能相关。AI Index研究还计算了在Indeed.com平台上,要求人工智能技术的工作岗位份额在不同国家的增长情况。尽管加拿大和英国增长迅速,但对于人才招聘市场,Indeed.com的报告显示加拿大和英国分别只占美国AI招聘市场绝对规模的5%和27%。
5、机器学习、深度学习以及NLP成为核心技能
在线求职平台Monster.com上数据显示,机器学习,深度学习和自然语言处理(NLP)是最重要的三项技能。两年前NLP已经被预测会成为应用程序开发人员创建新的AI应用程序最需要的技能。除了创建AI应用程序,最受欢迎的技能还包括机器学习技术,Python,Java,C++,开源开发环境的经验,Spark,MATLAB和Hadoop。根据对Monster.com的分析,在美国,数据科学家,高级数据科学家,人工智能顾问和机器学习主管的薪水中位数为$127000。
6、图像标注错误率巨幅下滑至2.5%以下
自2010年以来,图像标注的错误率从28.5%下降到2.5%以下。大规模视觉识别挑战赛(LSVRC)的对象检测任务的AI拐点发生在2014年。在这项特定任务中,AI已经表现得比人类更准确。这些发现来自于ImageNet网站上LSVRC竞赛排行榜的竞赛数据。
7、机器人进口量激增至25万
从国际上看,机器人的进口量已经从2000年的10万台左右增长到了2015年的25万台左右。数据来源是每年进口到北美以及国际整体的工业机器人的数量。工业机器人由ISO 8373:2012标准定义。国际数据公司(IDC)预测对机器人的消费将在五年内加快,到2021年达到2307亿美元,复合年增长率(CAGR)为22.8%。
2016年3月19日,京东与科技公益平台“未来论坛”合办的理解未来系列讲座在京开启,此次讲座的主题为“‘理解未来’走进京东――大数据驱动下的变革”。会上,特别邀请卡耐基梅隆大学计算机科学系教授邢波、京东集团CTO张晨与京东集团技术副总裁赵一鸿、IBM中国研究院总监大数据及认知计算研究苏中和清华大学计算机科学与技术系副研究员朱军,就大数据与人工智能如何改变我们的生活联袂深度解读。他们认为,目前已经进入大数据与人工智能的春天,高速成长的技术和应用将赋予人类更强大的能力,并成为企业发展的强大助力。
用数据“陪伴”用户
当前,大数据与商业应用的结合,对我们的思考模式、生活习惯和商业法则都进行着颠覆。从智能交通到能源管理、从政府财政到医疗体系都在因为大数据的使用发生着深刻的变革。而如何利用大数据打造智慧城市、提高扶贫精准度、关注农业发展、促进居家养老服务业发展等也在今年“两会”中成为提案热点。
2013年被称为中国的“大数据元年”,短短几年后,在物联网、云计算的推波助澜下,2016年,我们将迎来大数据应用的爆发。现场,京东集团CTO张晨进行了主题为“在数据的王国里,用更好的体验创造更大的价值”的演讲。他表示,通过大数据和精准的个性化,让京东成为用户的陪伴。“根据每个用户的消费习惯、爱好和家庭情况,让京东能陪伴他的生活和成长,给用户创造更好的品质生活。”
张晨认为,把数据用好的核心是大数据的精准和分析。一直以来,京东都在用大数据了解并精准判断用户的需求。例如JIMI(京东人工智能客服机器人),可通过大数据了解并判断用户的需求,在售前咨询上,部分品类的回答满意度已超过人工客服。
“带来品质生活的关键是了解用户,推荐最适合用户的个性化产品。”张晨表示。以京东个性化推荐系统为例,它可以根据用户所处区域的购买力指数提供最合适的产品搜索,强化个性化投放、精准化投放的能力。在另一个项目“移动商店”中,京东可以通过大数据描绘小区画像,实现物流配送的“未买先送”,根据预测的销售量提前安排库存,由此出现了iPhone6s首发只用12分钟20秒配送到家的纪录。
“京东的数据战略是从技术平台、到数据洞察、再到商业价值的三层演进。”京东技术副总裁赵一鸿表示,利用京东数据挖掘平台,京东对用户画像、商品画像、店铺画像、小区画像都进行了深度挖掘和提取,并在商业应用中产生巨大价值。目前,京东大数据平台总服务器数量超过10000台,数据总容量突破100PB,每天新增超过1.5PB数据,每天约有20万个作业运行。通过京东大数据,大幅提升了运营效率、降低成本、优化用户体验。
为人工智能装上引擎
对于当下异常火爆的人工智能领域,与大数据又将会有怎样的联系?在开场的主旨演讲“为人工智能装上引擎”中,卡耐基梅隆大学计算机科学系教授邢波为了便于大家理解,特意一改往日讲技术干货的风格,以登山为比喻,从人工智能的源头细说人工智能的历史变迁。在邢波看来,登山与人工智能计算任务有息息相通之处:“人工智能计算任务像登山,有明确的、可以用数学描述的目标,本身有弹性容错性和随机性。人工智能领域发展也像登山,遇到各种各样的起伏,有各种各样的思路的跳跃和重新的定位。”
邢波表示,要用好大数据,人工智能和机器学习将是最主要的分析手段。预计在未来计算世界,人工智能计算和机器学习会占全球计算资源上计算任务比重的80%到90%,所以有必要对人工智能和机器学习所需的计算框架和操作性框架重新设计。
在AlphaGo大胜李世石之后,媒体立刻被各色舆论所充斥。有人激动于人工智能的辉煌成果,有人则战栗于人工智能可怕的潜力,甚至开始担心这是否预示着人类文明的衰亡。邢波呼吁大家建立独立的个人思考,不要轻易被任何观点左右。他认为:“人工智能和人类对决不是什么大得了不起的事,人类和机器的对决自古就有,现在还在发生。马车被火车战胜后,同一时代的人类发明照相机,有人惊恐照相机来了,画家失业了,但是现在画家还是活得好好的。人机大赛是我们技术上的里程碑,展示了人类的功劳,我们要以欢迎的心态接受它。” 因为人工智能和人类智能所走的路不同,我们大可不必杞人忧天。“人的头脑有很多独特的东西,创作性思维、感情、常识、美感,这都是人工智能无法企及的,正如孔子、拿破仑、贝多芬、爱因斯坦不会被机器代替一样。”
他表示,算法也需要数据、工程的支持。前不久围棋领域人机大赛是一个技术的里程碑,展示了人类社会的力量和功能,我们要以欢迎的、平常的心态来接受。“在有限规则、特定任务下,机器超越人类的水平只是时间问题,人工智能的目标不是用来代替人类,而是人与机器的有机共存。”
赵一鸿也谈及了对人工智能的看法。他认为,Alpha Go的跨越性突破是机器已经从简单的技术型思维变为战略型思维,这是硬件、软件和科学家思维的共同进步。“在商业思维上突破计算的边界,让商业的模型和大脑在决策上媲美甚至超越人类,这也是人工智能对于京东的意义。”
未来,京东会利用大数据推动智慧商业的进程。赵一鸿表示,在智慧京东的规划中,京东不仅将通过大数据实现智慧业务,更要实现智慧创新。例如,在智慧采销系统中,京东大脑将集成采销知识、经验和思维决策,在个性化推荐中,京东也将目前的商品推荐扩展到精准个性化、实时化、全覆盖、平台自学习等层次。
去年年初,昆山市政府公布了一份富士康工厂的机械化数据:自从2014年iPhone 6上市至今,富士康已经使用机器人(又或者是机械手臂)取代了超过一半的工人,当地工人数量由11万人减少到了5万人。“工人的饭碗会不会被机器人给抢走了?”这是机器人大规模进入企业引发的无数劳动者的担忧。
而在去年3月9日,世界冠军、韩国棋手李世石与谷歌“阿尔法狗”(AlphaGo) 在首尔上演的围棋“人机大战”和今年年初AI机器人AlphaGO的改进型Master再次完胜人类围棋顶尖高手,更是引起科学界及社会各界的高度关注和伦理上的争议,原因就在于人们对人工智能超越人类智慧的恐惧与担忧。
目前,无论是学术界,还是工业界,研究人员都对人工智能带来的伦理挑战进行了大量研究,最新消息显示,微软、谷歌等公司已经成立了人工智能伦理委员会,希望能对这一问题提出解决方案。
智能机器产业前景广阔
在《男儿当自强》的激昂旋律中,一红一黄的两只雄狮伴随着音乐的节奏舞着优美的动作。5月3日,《小康》记者走进位于广州开发区科技企业加速器的巨轮(广州)机器人与智能制造有限公司办公大楼,首先跳入视线的便是这两只一红一黄的雄狮,不仔细看,还以为是真人在舞狮欢迎宾客。该公司副总经理洪润龙告诉记者,这是他们公司研发和生产的智能机器迎宾雄狮。
在巨轮(广州)机器人与智能制造有限公司一楼的展厅里,记者还看到了各种大大小小的机器臂手,“这些机器臂手广泛运用到各个行业的生产企业,尤其是汽车行业,机器化生产已达到70%。”研发总监毕辉介绍说,为从事工业机器人及其核心部件、控制系统、柔性自动化技术开发、制造,公司与多家国际著名的智能装备、精密机床企业建立深度紧密伙伴关系,引进全球领先的前沿技术,解决目前制约国产机器人及智能装备发展的控制系统技术与精密制造技术。目前,巨轮(广州)公司在工业机器人控制器以及RV减速器等核心关键技术、部件方面已取得重大突破,公司自主研发的重载、轻载六自由度工业机器人、五轴联动加工中心、自动化立体仓库、柔性自动化生产线等具备高敏捷性、高稳定性、高一致性和高安全性。
“2014年,在国家发改委和广州市政府的引导和支持下成立专业投资企业。主要专注于人工智能相关领域先进技术的研发和引进,并完成相关技术项目的落地与二次开发。” 广州中以智慧产业投资有限公司副总裁张伦明在接受《小康》记者采访时表示,智能机器人作为人工智能最重要的应用场景之一,是一个朝阳产业,其发展前景广阔,借助以色列在智能机器人发展方面的先进技术,公司依托旗下的中以智能制造基金、中以机器人基金、中以机器人研究院以及以色列英飞尼迪投资集团的丰富投资管理经验和庞大的资源优势,专注于智能制造和机器人等领域先进技术的研发与引进,推动相关技术项目在国内特别是在广州的二次开发和落地,促进关键技术创新并带动新兴产业发展。
智能装备和机器人产业作为人工智能最重要的应用场景之一,从中央到地方,都在加速布局。广州提出到2020年将培育形成超千亿元以工业机器人为核心的智能b备产业集群的目标。事实上,不仅仅是广州,东莞、长沙、武汉等地都在争夺人工智能产业这一蛋糕。广州开发区经济发展局副局长赵必荣告诉《小康》记者,广州开发区智能装备产业主要集中在通用设备、专用设备和机器人三大细分领域,基本形成了从上游关键零部件、中游整机到下游应用集成的完整链条,其中机器人产值规模最大,占智能装备总产值的一半以上。主要发展有自主知识产权、有核心竞争力、有市场前景的工业机器人,重点支持工业机器人本体、控制器、减速器、伺服电机等关键零部件的研发和应用,并培育发展服务机器人、家用机器人。
智能装备产业一直是广州开发区重点发展的产业,目前拥有机器人及智能装备企业73家,2015年实现工业产值132.5亿元,近五年持续保持16%的复合增长率。开发区拥有广州数控、广州启帆、巨轮智能、瑞松、明珞等一大批国内知名的智能装备企业,以及中国(广州)智能装备研究院、国家机器人检测与评定中心广州分中心等以智能装备共性技术研发为主的产业公共服务平台,同时还引进了库卡、发那科等全球机器人巨头。上海发那科机器人有限公司将投资1.08亿元,建设集机器人销售、展示、技术支持、小型加工中心制造与仓储等于一体的华南基地,目前已在“广州机器人产业园”落实4万平方米的用地;库卡机器人公司去年也已在开发区成立广州分公司,目前正在筹备选址设立机器人新工厂,重点开展工业机器人的研发和生产。
广州开发区从2014年开始规划建设占地448公顷的智能装备产业园区,目标是到2020年实现工业产值200亿元,培育1-2家拥有自主知识产权和自主品牌的百亿级工业机器人龙头企业和3-5家相关配套骨干企业。目前,全区集聚智能装备企业75家,2016年实现工业产值110亿元,约占全广州市规模的三分之一。
年轻工人“要做机器人的主人”
近两三年以来,《小康》记者在广州、东莞、佛山等珠三角地区的企业走访时发现,在“转型升级”、人工成本日益上涨等大环境下,诸多劳动力密集型的企业都在积极推进“机器换人”工程。
在东莞,“无人工厂”已经出现,工厂中每天近百台机器手正日夜无休地打磨一个个手机中框结构件,它们被分成10条生产线,每条生产线由一条自动传送带上下料,这个过程不再需要任何人力,需要的只是每条线3名工人负责看线和检查。企业主告诉记者,以前整个工厂要650个工人,现在生产相同的东西,只要60个人就已足够。
去年年初,昆山市政府公布了一份富士康工厂的机械化数据,称自从2014年以来,富士康已经使用机器人(又或者是机械手臂)取代了超过一半的工人,当地工人数量由11万人减少到了5万人。
2011年,富士康CEO郭台铭宣布“百万机器人计划”,计划投入100万台机器人到生产线上,此前富士康自主研发的“FOXBOT”机器人开始在山西晋城批量制造,正式成为富士康的一员。如今,6年过去了,根据富士康自动化技术发展委员会总经理戴佳鹏此前宣布的数据,超过4万台机器人被部署在富士康各个生产流程环节当中。
《小康》记者此前在走访位于汕尾市的深汕合作区部分生产企业时也发现,这里新建的工厂,大部分都以智能机械代替了大量的工人。“机械可以日夜不停地工作,不会喊累,不会闹情绪,不会要加工资,更不会喊要罢工,而且没有安全事故。智能机械的好处显而易见。”大部分企业主都表达了同样的观点。赵必荣在接受采访时也表示,“机器人确实要比工人好管理,最深有体会的应该是生产线部门。”
2013年以来,我国已经连续三年成为全球最大的机器人市场。各地积极推动机器换人有政策引导的倾向,但更多的是基于现实的需要。在中国一些沿海地区,人口红利下降、人力成本上升、人才结构矛盾等问题正在倒逼国内制造企业以机器换人。同时,随着制造业的转型升级,原来的农民工可能难以承接新的工作,企业招录不到所需劳动力,也只能进行机器换人。
虽然实际上目前很多领域单位产量所需机器人的成本并不低于劳动力成本,但“机器换人”这一大趋势依然存在。
然而,工人的饭碗真的会因为机器人的来临而失去吗?
“短期内不会,目前机器人代替的大部分都是机械化的辛苦、危险的工作,都是一些现在80、90、00后不愿意干的又脏又累的活。”毕辉说,机器人逐渐替代人类是产业发展的必然,批量引入机器人不仅要建立在标准化、批量生产的基础上,还要取决于技术的发展和企业的经济实力。张伦明也表示,机器人运用到企业虽然具有很大的优越性,但不可能完全取代人的工作,因为机器人没有思维,只能按照既定程序操作,无法灵活转变。
赵必荣说,人们在谈论机器人或者智能化的时候,潜意识里总会有一个观点,认为机器人与人工是对立的,所以喜欢将它们放在一起比较。但几年下来的现实情况是,智能与人工非但不是对立的,很多时候还是相辅相成相互促进的。
首先,智能制造并不排斥人工,例如人机交互技术就是工人与机器实现协同生产。目前的工业机器人只是代替了一些简单、繁重、危险工序中的人工;服务机器人可在居家养老、医疗康复、教育娱乐等领域解决专业人员不足等难题;而语音识别和人脸识别等人工智能技术也只是帮助人们更有效率、安全地工作和生活。总的来说,智能机器并未对社会就业率带来较大影响。其次,智能机器正在创造新的就业岗位,因其是多种技术的交叉融合,自身发展离不开大量专业技术人员,其催生的新产业生态可吸纳大量劳动力。
但越来越多的年轻人也清楚地意识到,机器换人已是势不可挡。危机,危机,正是危中有机,所以经济大转型时期,机会往往是并存的,就看你有没有敢于改变的勇气与决心。“作为工人的我们,只有通过知识和技能才能改变作为廉价劳动力被剥削的命运。趁此时攒点钱,去学技术,去学知识,达到精通级别,才是我们改变命运的王道。”年轻的工人喊出“要做机器人的主人”。 喜与优 去年年初,昆山市政府公布了一份富士康工厂的机械化数据,称自从2014年以恚富士康已经使用机器人(又或者是机械手臂)取代了超过一半的工人,当地工人数量由11万人减少到了5万人。
人工智能会否超越人类
去年和今年两次的围棋“人机大战”都以人类失败告终,这让许多人质疑人类智慧不如机器,人类可能被人工智能所取代。随着技术的发展,人工智能在陪伴机器人领域中的应用已走入越来越多的家庭,机器承担着越来越多(来自人类)的决策任务,更多人担忧的是,有一天会不会真出现如美国大片里机器人失控追杀人类的场面?
人工智能技术正变得越来越强大,那些最早开发和部署机器学习、人工智能的企业现在也开始公开讨论其创造的智能机器给伦理道德带来的挑战。
针对“人机大战”的两次惨败,计算机科学国家重点实验室主任林惠民认为,人工智能是个复杂概念,有些人工智能处理的是“可测度”的问题,比如各种棋类游戏,不论多复杂,规则是确定的,变化是有限的。计算资源和算法强到一定程度,电脑在计算上总是会胜过人类。但很多领域是不可测度的,包括人的创造力。比如google下棋赢了人,但是设计下棋程序的还是人。
“机器学习、深度学习发展很快,新的算法层出不穷。这个人工智能与多年前的深蓝电脑不一样。当时人们觉得,如果让深蓝来下围棋,它还太小儿科。而如今,人工智能已经可以战胜人类了。”中科院院士吴一戎说,“不过,我觉得人工智能对人类有威胁还是一件很遥远的事情。等我们发展到了这个程度,自然会有相应的科学伦理出台。目前我们要做的,就是跟上人工智能的发展步伐,它将对我们的社会产生深刻的影响。”
在《麻省理工科技评论》的EmTech峰会上,微软研究院的常务董事埃里克・霍维茨(Eric Horvitz)说:“我们正处于人工智能的转折点,人工智能理应受到人类道德的约束和保护。”
当我们谈论人工智能(Artificial Intelligence,AI)时,很大程度上受到源自20世纪想象的影响,例如,直接把人工智能和机器人联系起来,甚至是人形机器人。这可能也会影响法律人对人工智能的想象,包括是否承认人工智能作为具有自我意识的法律主体地位(或至少是人类行为的人),从而保护其特定权利(言论自由、著作权)、划定责任(缔约、侵权),甚至强调可能的毁灭性风险。这种想象远非受到科幻作品影响那样简单,深层次中还反映出人工智能在技术和应用上不同的发展路径:早期人工智能研究更集中于对人脑的仿真模拟,探究意识、理性等更为宏大的哲学问题,但应用性较少;当下的人工智能走出了实验室,借助互联网服务直接影响到普通人的生活,在技术上并不执着于创造一个完美的智能体,而是依靠算法(如机器学习和神经网络)不断优化,对海量数据自动挖掘与预测,通过无所不在的传感器实时更新数据,动态掌控着人类社会各个方面的运转,并把从某个特定领域升级为通用人工智能作槟勘辍4诱飧鲆庖迳纤担人工智能并不神秘,它出现在日常生活中,不仅是工业社会生产自动化的延续,也是互联网商业化的必然结果和新阶段。时至今日,欧美国家纷纷出台政策,推动人工智能发展,力求提升经济效率和竞争力。 互联网公司正逐渐主导实体经济和金融生产
如果我们摆脱简单的拟人思维,把人工智能看作互联网智能演进的新阶段,为理解其法律规则,就有必要理解互联网法律在过去20年中形成的路径和推动力,从而探讨人工智能是否有任何特殊性以至于需要新的规则。本文将从网络法的两个视角――实证性和生产性――切入,将它们延伸至人工智能语境下分别讨论。“实证性”视角是我们观察和应用任何规则的惯常思维方式,例如人工智能行为的具体规则如何确立、如何规制等,本文将讨论支撑人工智能的两个构成性要素――算法与数据――可能带来的法律问题,以及法律人处理人工智能的两种路径;“生产性”视角则深入规则背后,探索规则形成的政治经济因素,特别是经济生产方式的内在要求。人工智能本质上是一套复杂的代码设计,既是影响社会行为的强力规范,也是产生新价值的生产机制;它驱动整个社会朝向更智能的方向变化,从而要求法律做出相应调整,尤其是确认新型经济利益的合法性。
限于篇幅,本文姑且将人工智能看成法律上的客体,暂不讨论赛博格(cyborg)之类的人体转向机械体或通过基因技术改变身体的问题(仍是法律上的人),也不讨论人工智能作为一种人造物的自我意识问题(一个难以达成共识的哲学问题)。
理解网络法的变迁
网络法在中国的变迁大致遵循两类逻辑:外生性的政治/监管逻辑和内生性的商业逻辑。政治/监管逻辑体现为对“实证性规则”的追求,这些规则集中在国家(包括法院和监管机构)如何对互联网的内容和行为进行规制,包括对网络和信息安全的追寻。这集中反映了国家权力如何试图介入新技术带来的问题与挑战。这一视角最早由美国法学界引出,特别是Lawrence Lessig的代码理论将代码(架构)和法律并列。由此,所谓的网络法不仅要约束社会主体在网络空间中的行为,也要对架构的变化本身做出回应。
首先,就规制主体行为而言,出现了是否按照传统线下行为规则的思路约束线上行为的讨论。这一讨论的核心是,互联网问题是否具有任何特殊性,需要某些新规来解决。我们已经看到,中国的互联网行为监管在很大程度上延续了传统规则和管理方式,采取渐进的方式,这不仅成本较小,也给予监管者一定的学习和探索空间。其次,就架构变化本身而言,国家在宏观上主张网络空间中仍然需要,不能成为法外之地,在微观上相应出现了国家与平台权力/责任二分的讨论。例如,政府权力何时需要介入平台治理,加强平台的行政管理责任或安全保障责任,还是由后者根据自身情况自我规制,实现治理目标。政治/监管逻辑要么遵循管理者的路径依赖效应,要么坚持既有社会稳定、意识形态安全价值。问题在于,监管者在多大程度上能够认识到代码及其商业模式的特殊性,从而使监管行为和行业特性相互协调融合。
另一种看待规则产生的方式遵循商业逻辑。这种生产性视角关注微观权力运作,综合将代码、法律与社会规范放在一起,不单纯从社会学意义上观察社会主体行为如何受到影响,而是在政治经济学意义上将网络空间的生成和扩散看成是一个由商业力量推动主导的生产性过程,关注价值由谁产生、如何分配,由此推动对新规则的内生需求。按照这一视角,无论是法律还是架构,在具有实证性规制功能的同时,也是一种“生产性规则”。互联网的生产模式决定了其对社会范围内生产资料的创造性生产和再利用,需要法律确认其生产方式的合法性,重塑关键法律制度,并解决和传统生产模式的利益冲突。这一视角无疑帮助厘清新经济主张的例外特性,不仅展示出架构和相应的法律改变,更指明了背后的政治经济原因,是更好地理解实证性规则的基础。
两类不同的逻辑在过去20年中交替出现,相互制约,共同塑造了中国网络法体系,也推动了中国互联网的整体发展。总体而言,鉴于国家有意促进新经济,需要推动传统的属地化、分口治理,事后运动治理模式发生转变,认清互联网商业模式和价值产生的根源,有利探索适应新经济性质的管理体制。从这个意义上说,信息资本主义不断要求对法律内核进行改造,取代其中的传统经济要素,打破限制生产要素自由流通的各类规则。
人工智能法律的实证性视角
如前所述,人工智能的本质在于算法和数据处理,物理形体不必然是人工智能的构成要素,因为即使是人形机器人,也不过是一个算法主导的硬件系统,它实时收集信息,并按照算法的要求做出决定,继而行动。更重要的是,具有物理形体的人工智能可以推动群体智能发展,通过分布式终端收集更多数据加以处理,并不断传输至云端“大脑”,提升整体网络的智能水平。 人工智能巳深度介入医疗领域
根据算法的复杂性和学习/运算能力对强人工智能和弱人工智能进行区分,这在技术认知上没有问题,但在法律上很难按照智能程度给出精确的标准。法律应对复杂世界的方式是确立一般性的简单规则,在概念上对社会个体进行抽象假定(如行为能力),而非针对特殊主体,否则规则体系本身将变得异常复杂,难于理解和操作。而人工智能从单一的自动化服务向多元通用服务转变的过程可能是一个相当长的光谱,法律需要针对其本质特征进行约束,并探索一套应对未来的方案。当我们说社会变得越来越智能的时候,事实上指由于数据搜集、储存和处理的能力不断增强,所有软件/算法都可能朝向自动收集数据,做出决定或判断的趋势,由于算法的复杂性,算法带来的结果可能无法预测,并在更大范围内带来系统性的不利后果。这种后果未必是毁灭性的风险,甚至只是在某领域的制度设计问题,但人工智能恰好将这类社会问题具象化,掩藏在外表华丽、高效、更多是私人控制的“黑箱”中,就会引发一系列问题。
如果放在一个更大范围内观察,在历史上,人类社会随着复杂性的增加,不可避免地产生以组织和技术形态出现的各类“黑箱”,它们的决定影响着社会发展和大众福利,但仍然保持着某种秘密性。这一隐喻未必是阴谋论,其核心问题在于信息不对称。为平衡相关当事人和社会大众的知情权、避免恐慌、保持某种预测能力,人们不断设计出某种程度的信息公开和透明化机制,例如政治辩论的公开化,法院诉讼程序透明化甚至公开庭审,上市公司强制信息披露等等。而人工智能不过是信息技术时代的新型黑箱,带来更加严重的系统化影响。互联网在兴起过程中,通过降低信息成本,推动了开放政府、庭审直播,使信息公开透明更加便利,将生产性资源不断解放出来,在更大社会范围内重新配置,产生新价值。然而,这一过程在消除一个又一个传统黑箱的同时,产生了更为复杂的新黑箱,进而主导整个社会的生产过程。生产资料之间的信息变得越来越对称,甚至可以实时互通信息,但作为信息匹配中介的人工智能却变得更不透明,其规则设计和运作从属于用户甚至开发者无法理解的秘密状态,这回到了法律如何处理与代码的关系问题。
一个类似的比较是人类自身:人脑经过上百万年的进化,演变成十分复杂精致的系统。尽管当代神经科学不断改变我们对人脑的认知,甚至每个人的大脑都不完全一样,但就法律而言意义不大,这只能在边际上改变个案判决。即使无从了解人脑的运转机制,或者依据某种更加先进的科学知识解释社会主体行动的具体理由,人类还是有能力形成社会规范,并演进成更加理性化的规则。这套规则只需要假定一般社会主体是(受限)理性的,由少数概念界定不同情形的心理状态(故意、过失),并集中对人的外在行为进行约束,确定权利与义务,就足以以简单规则应对(而非认识)这一纷繁复杂的世界。类似地,在处理算法的负外部性时,也可以有两种不同的路径:(1)关注算法的外部行为与后果,(2)关注算法内部的设计规则。
大部分现有规则关注算法导致的(未意料)结果,例如内容分发算法未经审查造成非法或侵权内容传播,这一般由信息传播者(即内容服务商)承担责任,算法本身并无法律地位,在造成不利后果的过程中只是一个工具。这类责任假定内容服务商应当知道非法内容的存在,并有能力通过算法设计或人力(比如人工审查)加以阻止。在诸多侵权场合,内容服务商可以通过“避风港”规则免责,只要无法证明它实际知晓状态。更复杂的是,如果软件开发者声称自己无法控制信息的生产和传播,却造成一定社会危害的情形。无论是在快播案还是BT案中,软件开发者都无法因这一原因而逃脱责任,法院的理由仍然是,开发者有能力知晓非法内容的输出(如果不是故意的话,例如快播向推广该播放器)。类似地,如果一个具有物理形体的人工智能由于处理信息不当造成了外在损害,按照这一逻辑仍应由算法开发者负责。
而且,还有必要将算法产生的错误和算法缺陷本身区分开。长期以来,软件行业一直通过拆封合同(shrink-wrap)解决缺陷软件造成的短时崩溃或重启问题,这种格式条款旨在确认这样一种事实:没有任何软件是百分之百完美的,只要在用户拆封使用该软件时运行正常即可,服务商并不为软件崩溃或死机造成的消费者损失负责,因为前者无法预料到缺陷带来的风险。这就是为什么消费者需要接受软件生产商不停的更新和补丁,软件/应用不受产品责任的约束,被视为一种可以不断升级改进的服务,这在免费软件时代更是如此。按照这一思路,似乎有理由认为,无人驾驶汽车因算法计算错误导致车祸(何况造成事故的概率远远小于人类司机的错误)是这类软件的正常的缺陷,消费者应当容忍这类错误。但无论是监管者还是潜在的受害人都无法接受这种比拟。声称有潜在缺陷的交通工具(也包括医疗设备和其他与生命财产直接相关的算法)一旦投入使用就需要为此造成的后果负责。无论如何,这类思路仍然是通过后果施加事后责任,监管者或法院并不想深入算法内部了解造成事故的技术原因是什么。只要法律认定这一黑箱应当在合理范围内得到控制,事故可以避免,黑箱提供者就应当承担责任。在这种情况下,保险(甚至是强制险)就成为确保这类发生概率小但潜在损失巨大的不二选择,航空、医疗保险市场十分发达,可以预见将会延伸至更多由人工智能驱动的服务行业。 现实与虚拟的界限不断模糊化
如果说事后救济还无法确保安全,事前干预算法设计则是另一种选择,同时带来的问题也更复杂。早在20世纪,阿西莫夫就试图为机器人立法,尽管他从未讨论技术上的可行性。安全可能是人工智能服务的首要问题之一:一个中心化的入侵可能会导致所有终端都变得极度不安全。行业监管者在不同行业为特定服务中的人工智能设定安全标准(如医疗器械、交通工具、自动化武器),实行安全保护等级制度,甚至要求被认定为重要设施的源代码(如windows系统)供监管者备案,或在设计自动化交易程序时控制报单频率的阈值等。又例如,在魏则西事件后,联合调查组在整改意见中要求落实以信誉度为主要权重的排名算法,对商业推广信息逐条加注醒目标识,予以风险提示。如果说这些监管手段针对的是作为商业秘密的私人算法,诸如Open人工智能这样的倡议则意在延续开源软件运动路径,确保软件漏洞能够得到更大范围内的监督和修补。至少在中国,信息披露机制尚未成为算法监管的重要手段,无论是强制性披露还是第三方披露。
(作者单位:上海财经大学法学院)
注释:
[1]当下的大众媒体、文化产品和社会公共认知正努力将未来的人工智能塑造成具有独立意识的逐渐演化的主体,这集中体现在诸如《终结者》《我,机器人》《西部世界》《2001银河漫游》这类科幻影视作品中。尽管人们也有理由进一步想象,一旦人工智能具有了自我意识,就不再可能忠实地为人类服务,而更可能对人类生存构成威胁。其路径和思维方式仍是20世纪的,和21世纪依托大数据机器学习迥然不同。事实上,按照日本学者森政弘提出的“恐怖谷理论”,人工智能不太可能在短时间内人形普及化,因为这会在消费者心理上引发不安甚至恐惧。像Siri和Cornata这样的语音助手、像Tay和小冰这样的聊天机器人则不会有这种负面效果,因为用户知道自己在和一个尚未通过图灵测试的算法对话,他们甚至乐于教Tay在推特上辱骂用户、发表种族主义和煽动性的政治言论。另一个可能影响中文世界读者想象的因素是,把robot翻译成“机器人”先验地赋予了这类客体某种拟人化主体地位,而人形机器人(android)却没有引起更多的关注。
[2]John Weaver, Robots are People Too: How Siri, Google Car, and Artificial Intelligence Will Force Us to Change Our Laws ,Praeger Publishers Inc, 2013; Ugo Pagallo, The Laws of Robots: Crimes, Contracts, and Torts ,Springer, 2015.一个更加有用的综合文集是Ryan Calo, A. Michael Froomkin and Ian Kerr (ed.), Robot Law ,Edward Elgar Publishing, 2016。Ryan Calo的研究将具有物理形体的机器人作为法律的对象,特别区分了信息性和物理性效果,见Ryan Calo, “Robotics and the Lessons of Cyberlaw”, Calif. L. Rev., Vol.103(2015).一个不同观点,见Jack Balkin, “The Path of Robotics Law”, Calif. L. Rev., No.6(2015),Circuit 45.把机器人视为人在法律上也有相当的历史,见Samir Chopra and Laurence F. White, A Legal Theory for Autonomous Artificial Agents ,The University of Michigan Press, 2011; Ryan Calo, “Robots in American Law”, University of Washington School of Law Research Paper, No. 2016-04.
[3]吴军:《智能时代》,中信出版社2016年版。
[4]例如阿西莫夫的机器人系列小说中,无一例外地设定机器人拥有一个“正子脑”(positronic br人工智能 n),但却没有给出任何解释。见阿西莫夫:《机器人短篇全集》,江苏文艺出版社2014年版。
[5]这被称为终极算法(master algorithm),见佩德罗・多明戈斯:《终极算法:机器学习和人工智能如何重塑世界》,中信出版社2016年版。
[6]尼古拉斯・卡尔:《玻璃笼子:自动化时代和我们的未来》,中信出版社2015年版。在互联网发展的每一个阶段都有某种意识形态化的术语或热词吸引投资,例如宽带、大数据、分享经济、VR(虚拟现实)等,它们不过是互联网形态的各类变种。例如,一个关于分享经济和之前互联网经济的关联,参见胡凌:《分享经济的法律规制》,载《文化纵横》2015年第4期。
[7]这种思维方式可追溯到霍布斯以来的法律实证主义。
[8]胡凌:《代码、著作权保护与公共资源池》,载《腾云》2016年12月刊。
[9]关于两类逻辑的具体表现,集中参见胡凌:《探寻网络法的政治经济起源》,上海财经大学出版社2016年版。
[10]这在众多(特别是国外的)中国互联网观察者身上十分常见,人们的注意力全都转向中国政府如何严格管理和控制互联网。在政治学研究中自然而然地并入“国家与市民社会”传统框架,并吸纳了关于在线抗争、集体行动的传播学与社会学研究。
[11]劳伦斯・莱斯格:《代码2.0》,清华大学出版社2008年版。
[12]一个概述,见胡凌:《马的法律与网络法》,载张平主编:《网络法律评论》2010年第11卷。
[13]胡凌:《非法兴起:理解中国互联网演进的一个框架》,d《文化纵横》2016年第5期。这体现在版权、隐私、财产、不正当竞争、垄断、劳动法等一系列制度中。这种对法律制度的改变不单纯是在既有工业生产背景下微型创新带来的变化,而是社会生产的重塑。
[14]比如说,平台责任议题的出现,和互联网平台更多转向由第三方提供服务的信息中介模式直接相关。
[15]这一区分和观察中国式资本主义兴起的框架十分类似,政治经济学家们争论的焦点就在于如何解释中国改革开放三十年的成功经验,究竟是政府主导还是市场主导,但实质上是一个混合制经济。
[16]由于科斯所说的企业信息成本和管理成本降低,调动生产要素的边际成本趋近于零,企业组织形态本身将成为竞争的高成本。
[17]尼克・波斯特洛姆:《超级智能:路线图、危险性与应对策略》,中信出版社2015年版。
[18]古代的政治过程、现代的企业决策都是黑箱,对外人而言如果不是神秘,也是除魅之后的国家/商业秘密。卡夫卡的小说《审判》就精确描述了作为黑箱的诉讼过程,同一时代的韦伯也描述了理性化的国家机器应当像自动售货机一样。
[19]Frank Pasquale:《黑箱社:掌控信息和金钱的数据法则》,中信出版社2015年版。
[20]帕伯斯:《差错:软件错误的致命影响》,人民邮电出版社2012年版。
[21]长久以来民用航空器已经由软件深度介入驾驶过程,以至于人类驾驶员无法在短时间内预热,形成另一种风险。
[22]阿西莫夫提出的“机器人三定律”(后来扩展至四点)虽然十分基础,但仍然很难在具体情况下起作用,特别是当代伦理学上著名的“线车难题”之类的伦理困境。考虑到这些定律是为模拟人脑状态下设计的,就更可疑;因为人脑并不总是按某些理性伦理原则行事的,在某些关键场合强烈依靠某些默认设置――直觉。
[23]由监管机构强制披露并审查事实做不到,只能依靠像苹果这样的平台公司和软件分发平台帮助对成千上万个软件进行至少是安全审查。在台式机时代,这一平台责任几乎不可能,自然状态下的windows只能导致争夺私人控制权的3Q大战。但像乌云网这样的第三方白帽黑客也被禁止探测和公开互联网公司的漏洞。
[24]同注11。
[25]在笔者看来,法院应当将注意力放在知情同意的合同条款本身的适当性上,而不是一味接受黑箱的逻辑,因为后者确实无懈可击。如果格式合同能准确反映代码的设计,对其条款的审查是更好的选择。百度引发的被遗忘权第一案反映的也是这个问题。
[26]一个补救方法还是尽可能地披露算法信息,允许用户理性地生产/隐瞒个人信息,见戴昕:《自愿披露隐私的规制》,载苏力主编:《法律和社会科学》第15卷第1辑,法律出版社2016年版。
[27]法律的人工智能化是本文另一个没有讨论的问题,与此相关的是大规模监控、智能警务、犯罪预测等问题。
不久前,教育部公布了2018年度普通高等学校本科专业备案和审批结果。全国高校共新增本科专业2072个,我省高校共新增66个本科专业,它们不仅体现出高校专业热门度的起伏,更折射出社会对于人才需求的变化。
纵观今年新增的本科专业,有几大门类吸引目光:新文科、新农科建设风生水起,人文与科技更多的“融合”,意味着传统意义上基础学科和应用学科的界线开始变得模糊。数据科学与大数据技术专业继续成为热门,加上今年新开设相关专业的196所高校,目前,全国已有近500所学校开设此专业;35所高校首次设立人工智能专业,这意味着,高校开始体系化培养人工智能行业后备军。与幼儿养育相关的专业继续增设,这不仅是因为全面二孩政策的实施,更是由于人们越来越重视对下一代的培养。
“新增专业弥补了我省有关专业的布点空白,进一步优化了专业结构。”省教育厅高教处副处长王国银介绍,此次省属高校新增专业主要围绕数字经济“一号工程”、战略性新兴产业、高新技术产业和万亿产业开设,这些专业瞄准国家战略需要和社会经济发展急需,进行创新型、复合型、应用型人才储备。
夯实基础
新文科、新农科未来可期
作为近年来高等教育中最时髦的词汇之一,新工科对于考生和家长来说已经不陌生了,但如果说起新文科、新农科,很多人可能就要打个问号。
去年10月,教育部等部门决定实施“六卓越一拔尖”计划2.0,在基础学科拔尖学生培养计划中,首次增加了心理学、哲学、中国语言文学、历史学等人文学科,“新文科”概念浮出水面。今年4月,教育部、科技部等13个部门正式联合启动“六卓越一拔尖”计划2.0,全面推进新工科、新医科、新农科、新文科建设。
新文科“新”在何处?打破旧壁垒,跨界寻方法,归纳真规律,新文科意味着对传统基础学科的一次重新整合。
“相对于传统文科,新文科有两个特色。”南开大学传播学系主任陈鹏说。其一,新文科是问题导向的,新文科面对的是社会发展变化中的新现象、新问题、新变化,有些现象和问题是人类历从未遇到过的,如大数据、区块链、5G、人工智能等,需要突破传统文科的框架,采用新方法、新视野去探索新理论、新规律。其二,新文科为了寻求对社会和人类自身的研究,需要通过“跨界”方式进行革新,这种“跨界”不仅仅发生在文科的各学科之间,甚至出现在文科和理科、工科、医科等学科之间,需要多学科之间的交叉和深度融合。
当前,清华大学、中国人民大学等高校开设的人文科学实验班,西安交通大学、华东师范大学等高校开展的学院式教学模式,都被视为我国新文科建设的重要经验。一位资深文科研究专家表示,当前,文科与其他学科有一些结合,比如考古学和技术结合,就形成了科技考古;信息技术和艺术结合,就形成了艺术设计的网络化等,但还远远无法满足现在社会的需求。新文科就是一种有效路径。
2018年4月,浙江大学召开文科大会,提出面向2035年发展目标和“文科十条”,进一步推进文科发展强主流、上一流。省内其他高校也纷纷积极为新文科创建搭建平台。浙江工商大学整合资源打造文科综合实验教学中心,打造跨学科综合性实验教学平台;浙江农林大学推出新文科求真实验班,帮助学生打牢知识储备金字塔的稳固塔基,再渐次进入专业学习,形成坚实塔身和更高耸的塔尖……
在浙江大学传播研究所教授、博士生导师邵培仁看来,建设新文科,其实也是对传统文科的反思。他指出,新文科有利于构建立足中国文化土壤、具有中国特色,具备整体性、包容性、互动性、共享性特质的面向全球、面向全人类的大文科。
不难看出,未来新文科相关专业或将成为热门。不仅如此,使用文文互鉴、文理交叉、文工融合的思维方法解决问题,还将为高校人才培养和评价体系带来新变革。
除了新文科,新技术的出现也让一些专业被赋予了新的内涵,比如新农科。
当前,随着生态文明建设的持续推进,生态学、环境科学等专业毕业生越来越受欢迎。今年,杭州师范大学就新增了生态学专业。该专业相关老师介绍,随着国家对生态学专业人才的需求增多,生态学专业人才培养规模逐渐加大,未来掌握生态学及植物学、动物学、微生物学、地理学等基础知识、分析方法和应用技能的人才会很抢手。
“浙江是‘两山’理论诞生地,‘农’字头的专业发展空间很大。”浙江农林大学主要负责人表示,“新农科”建设是乡村振兴实践、高等教育改革、人才需求变化和社会经济进步的必然选择,原先注重高度专业化、技术化的教育教学方式和人才培养模式已无法适应新时代农林高等教育的新需求,亟需探索实现农科学生全面发展的“新农科”建设之路。
顺应趋势
大数据、人工智能纷纷开班
顺应当下人工智能行业的热潮,今年新增的热门本科专业,均与大数据、人工智能、机器人等信息技术关键词相关。
梳理发现,数据科学与大数据技术专业在短短三四年间,从无到有,并一跃成为热门专业。2015年度的审批结果中,北京大学、对外经济贸易大学、中南大学3所高校成为首批获批设立该专业的高校;2016年度又有32所高校设立该专业;到了2017年度,获批设立这一专业的高校数量达到250所;加上2018年度新增的196所,目前,共有481所高校开设这个专业。
今年,我省有湖州师范学院、宁波工程学院、宁波财经学院、浙江大学城市学院等9所高校新增备案数据科学与大数据技术专业。一位专业课老师表示,社会在不断发展进步,现在的一些“新专业”也许尚无足够的办学经验,但可能恰恰是未来社会发展的需求所在。
在新增专业中,人工智能专业的热度也在逐年递增。继去年杭州电子科技大学、浙江理工大学成为我省首批开设智能科学与技术专业的高校后,今年,我省又有一批高校在人工智能人才培养上“摩拳擦掌”,积极增设相关“硬核”专业,改进人才培养思路。
浙江大学今年新增机器人工程和人工智能两个专业,还将在竺可桢学院新设图灵班。入选图灵班的学生可以在计算机科学与技术、人工智能、信息安全三个专业中确认专业。从入学开始,每位学生可从学院的优选导师库中选择一名学业导师,还将有国外顶尖大学的教学大师和科研领军人物到浙大给图灵班学生单独授课。
除了浙大以外,省内其他高校也在结合各自特色专业,构建人工智能专业的课程体系。比如,浙理工把专业发展方向和学校的优势结合起来,重点在智能穿戴等领域取得突破,还专门成立纺织工业人工智能研究院;浙工大结合了安防产业、智慧交通、“城市大脑”等浙江省的优势领域,与企业合作,开拓专业方向。
“打造新专业特色成了各高校的当务之急和立足之道。”杭州电子科技大学人工智能学院副院长吕强说,针对人工智能人才培养带来的新挑战,杭电人工智能学院提出了多方协同育人的理念,并将其作为教学改革项目进行探索,“人工智能对数理基础要求较高,我们在数学课程中增加了矩阵论、离散数学等原来研究生学习阶段才会有的课程内容,努力帮学生打好基础,在暑假,我们还计划举办夏令营,邀请企业名师进校园培训,共同开发专业课程等。”吕强说。
值得关注的是,人工智能已经从独立的专业教育,扩展到更广的层面。今年,浙江财经大学向非计算机类专业学生推出了人工智能“微专业”,其中包括了Python程序设计、高级数据库、机器人编程与实践等课程。“人工智能在信息金融、金融科技等领域有非常多的应用场景。财经类专业学生的数理基础比较好,这些知识将为他们的未来打下更好的基础。”浙财大教务处副处长石向荣说,可以预见的是,未来社会需要大量具有具体专业背景,同时又掌握人工智能相关知识的复合型人才。
紧盯儿童
医教类专业持续扩招
当下,伴随着“全面二孩”政策施行,各大医院产科分娩量走高,目前助产人才无论从数量上还是质量上都难以满足社会需求,临床急需本科层次助产人才。助产学专业于2016年首次开设,当时仅有4所高校获批开办此专业,2017年有20多所高校新增此专业。
近两年,我省先后有浙江中医药大学、温州医科大学、杭州医学院等3所高校新增了助产学专业。温州医科大学的助产学专业设在护理学院,目标是培养掌握护理学和助产学的基础理论和护理技能,具有基本的临床护理和临床助产能力,在各类医疗卫生保健机构中能够从事临床助产、围产期护理,以及母婴保健工作的高级助产人才。今年,台州学院、温州医科大学仁济学院也开设了助产学专业。
一位从事医学教育多年的教授表示,当前社会大众对医疗的需求,不仅体现在量上,更体现在质上。虽然现在医疗行业整体水平保持着上升态势,但人们对优质医疗的需求增长更快,所以仍然感觉医疗资源紧缺。
不久前,由中国工程院院士郑树森担任院长的浙江树人大学树兰国际医学院揭牌成立。作为树兰国际医学院首个设置的重点专业,临床医学专业面向全国招生100人。学院拥有国际医学专家、博士生导师等组成的高水平师资队伍,以及一批高水平的基础医学与临床医学实验平台。
同样,面对强烈的社会需求,温州医科大学今年增加了普通本科计划数。临床医学(定向培养)从30人增加到60人,面向萧山区等30个县(市、区)招生;麻醉学专业从61人增加到93人,其中省内普招增加16人。
值得一提的是,今年,浙江中医药大学新增食品卫生与营养学专业,这也是我省开办该专业的高校(不含独立学院)。该校招生办相关负责人介绍,食品卫生与营养学作为一门综合性的交叉学科,涉及预防医学、食品科学、营养学等多个学科,在提升健康素养,保障食品安全,促进疾病的营养学防治完善健康保障方面大有作为。
纵观今年我省的新增专业,从抚养、就医,再到教育,与幼儿养育相关的专业成为热门,除了新增儿科学、中医儿科学、助产学等专业外,学前教育、小学教育等师范类专业的报考也很火爆。
今年,杭州师范大学增加小学全科教师、中学紧缺学科教师定向培养招生计划。杭师大教务处副处长、招生办副主任顾海春介绍,今年,学校将继续面向杭州、宁波、温州、绍兴、金华、衢州、丽水、台州、舟山等地区定向招生255名,提前录取,补学费,包就业。同时,复建音乐学院,增加音乐学(师范)、舞蹈学(师范)专业招生计划。
顾名思义,人工智能就是研究怎样利用机器模仿人脑进行推理、设计、思考和学习等思维方式和活动,帮助人们解决一些需要专家才能解决的问题,通俗一点说,就是借助计算机来执行人类的智能活动,最终实现利用各种自动化机器或是智能机器,模仿和完成人的智能活动,实现某些“机器思维”或是脑力自动化。但从学术的角度说,人工智能包含的范围非常广,与人工智能相联系的不下几十门学科,所涉及的理论领域和应用的领域几乎涉及人类的所有活动,人类任何工作离不开智能,因此,任何领域都是人工智能的潜在应用领域。例如,应用人工智能的方法和技术,设计和研制各种计算机的“机器专家”系统,可以模仿各行各业的专家去从事医疗诊断、质谱分析、矿床探查、数学证明、家务管理、运筹决策等脑力劳动工作,以完成某些需要人的智能、运用专门知识和经验技巧的任务等等。在信息社会的构建中,网络的应用正在深远的影响着人们的工作和生活方式,计算机网络技术的发展正处在日新月异、交融更替之际,信息安全的保证将成为公众的需求和时代的责任,在这个方面,人工智能技术是一种模仿高级智能的推理和运算技术,在很多实际的控制和管理问题上都显示出具有很强优势,如果能把人工智能科学中的一些算法与思想应用到计算机网络中,将会大大提高计算机网络的性能,不断提高信息的安全性。
2信息安全与人类生活的关系
信息安全包含的范围很广,大到国家军事机密,小到如何防范商业秘密和人身秘密。在目前的网络信息社会中,信息安全的实质就是要保护信息系统或信息网络中的信息资源免受各种类型的威胁、干扰和破坏,但是在我们的日常生活中,这种事情还是屡有发生。
2.1信息安全对人们生活的影响
(1)对信息服务的破坏。
一是信息的泄露,被某个未被授权的实体或者是个人获得用于不法目的,而且在这个过程中,可能导致信息被非法转让、删减或者是破坏,让原来信息拥有者的信息失去真正的意义;二是被拒绝服务,这是对信息或者是相关资源的合法访问被无条件阻止。
(2)非法使用对合法权的破坏。
这主要是某一资源被某个非授权的人,或以非授权的方式使用。一是窃听。用各种可能的合法或非法的手段窃取系统中的信息资源和敏感信息。例如对通信线路中传输的信号搭线监听,或者利用通信设备在工作过程中产生的电磁泄露截取有用信息等。通过对系统进行长期监听,利用统计分析方法对诸如通信频度、通信的信息流向、通信总量的变化等参数进行研究,从中发现有价值的信息和规律。二是假冒。通过欺骗通信系统(或用户)达到非法用户冒充成为合法用户,或者特权小的用户冒充成为特权大的用户的目的。黑客大多是采用假冒攻击。攻击者利用系统的安全缺陷或安全性上的脆弱之处获得非授权的权利或特权。例如,攻击者通过各种攻击手段发现原本应保密,但是却又暴露出来的一些系统“特性”,利用这些“特性”,攻击者可以绕过防线守卫侵入系统的内部破坏
2.2信息安全受到威胁的分类
(1)授权侵犯
被授权以某一目的使用某一系统或资源的某个人,却将此权限用于其他非授权的目的,也称作“内部攻击”。在某个系统或某个部件中设置的“机关”,使得在特定的数据输入时,允许违反安全策略。
(2)木马攻击。
软件中含有一个觉察不出的有害的程序段,当它被执行时,会破坏用户的安全。这种应用程序称为特洛伊木马(TrojanHorse)。计算机病毒:一种在计算机系统运行过程中能够实现传染和侵害功能的程序。
(3)人为原因。
一个授权的人为了某种利益,或由于粗心,将信息泄露给一个非授权的人。信息被从废弃的磁碟或打印过的存储介质中获得。侵入者绕过物理控制而获得对系统的访问。重要的安全物品,如令牌或身份卡被盗。业务欺骗:某一伪系统或系统部件欺骗合法的用户或系统自愿地放弃敏感信息等等
3人工智能对信息安全的影响和未来发展趋势
随着人工智能的不断发展和应用方法的不断成熟,人工智能在信息安全保障的服务能力将更加强大,人工智能也将处于计算机网络发展的前沿,与计算机发展的轨迹同行。笔者仅就人工智能在信息安全的具体领域“数字水印”的研究展开论述,分析未来人工智能与信息安全的密切关系。
3.1数字水印的定义
数字水印技术的基本思想源于古代的密写术。古希腊的斯巴达人曾将军事情报刻在普通的木板上,用石蜡填平,收信的一方只要用火烤热木板,融化石蜡后,就可以看到密信。使用最广泛的密写方法恐怕要算化学密写了,牛奶、白矾、果汁等都曾充当过密写药水的角色。可以说,人类早期使用的保密通信手段大多数属于密写而不是密码。然而,与密码技术相比,密写术始终没有发展成为一门独立的学科,究其原因,主要是因为密写术缺乏必要的理论基础。
数字水印(DigitalWatermark)技术是指用信号处理的方法在数字化的多媒体数据中嵌入隐蔽的标记,这种标记通常是不可见的,只有通过专用的检测器或阅读器才能提取,因为当前的性信息安全技术都是以密码学为基础,计算机处理能力提高后,这种密保措施已经越来越不安全,因此数字水印就是人工智能跨速发展的结果,数字水印是信息隐藏技术的一个重要研究方向,这对于信息安全有着超强的保护能力。
3.2数字水印的特征
(1)隐蔽性:
在数字作品中嵌入数字水印不会引起明显的降质,并且不易被察觉。
(2)超强安全性:
水印信息隐藏于数据而非文件头中,文件格式的变换不应导致水印数据的丢失。
(3)不可丢失性:
是指在经历多种无意或有意的信号处理过程后,数字水印仍能保持完整性或仍能被准确鉴别。可能的信号处理过程包括信道噪声、滤波、数/模与模/数转换、重采样、剪切、位移、尺度变化以及有损压缩编码等。
3.3发展前景
(1)实现数字化作品产权信息保护。
计算机网络的发达,让数字作品(如电脑美术、扫描图像、数字音乐、视频、三维动画)的版权保护成为当前的热点问题。但是数字作品的拷贝、修改非常容易,而且可以做到与原作完全相同,“数字水印”利用数据隐藏原理使版权标志不可见或不可听,既不损害原作品,又达到了版权保护的目的。目前,用于版权保护的数字水印技术已经进入了初步实用化阶段,IBM公司在其“数字图书馆”软件中就提供了数字水印功能,Adobe公司也在其著名的Photoshop软件中集成了Digimarc公司的数字水印插件。
(2)商务票据信息安全保护。
随着高质量图像输入输出设备的发展,特别是精度超过1200dpi的彩色喷墨、激光打印机和高精度彩色复印机的出现,使得货币、支票以及其他票据的伪造变得更加容易。网络安全技术成熟以后,各种电子票据也还需要一些非密码的认证方式。数字水印技术可以为各种票据提供不可见的认证标志,从而大大增加了伪造的难度。
(3)重要声像数据信息安全保护。
数据的标识信息往往比数据本身更具有保密价值,如遥感图像的拍摄日期、经/纬度等。没有标识信息的数据有时甚至无法使用,但直接将这些重要信息标记在原始文件上又很危险。数字水印技术提供了一种隐藏标识的方法,标识信息在原始文件上是看不到的,只有通过特殊的阅读程序才可以读取。这种方法已经被国外一些公开的遥感图像数据库所采用。
曾经,“百度一下”是一个极具代表性的动词。因为百度就是搜索本身,我们的互联网生活处处都有百度的存在。百度也正因为在搜索引擎领域的成功,使其成为了互联网三巨头BAT中打头的一员。但是近年来随着ATM、TMD等各类新组合的出现,我们发现百度离我们越来越远了,如今说到BAT也不过是习惯性的顺带捎上百度而已。
百度在搜索领域风光不在,即便这些年没有了google这一竞争对手。而且,提到信息搜索再说“百度一下”,或许还会被人笑话,大有三十年河东三十年河西之感。除了各类负面新闻败光了百度赖以生存的品牌形象,百度这些年的下坡路还体现在移动互联网领域没有拿得出手的产品。
回想百度的新闻,上一次百度上头条恐怕还是因为李彦宏把无人驾驶汽车开上五环被开罚单。可能让百度人顿感落寞的是,大众不再关心百度的产品,只剩下花边新闻值得一看。这些现象都反映出百度作为互联网公司已经离我们越来越远的事实。
百度为什么离我们越来越远?百度在PC时代实现了搜索垄断,一路顺风顺水,最大竞争对手Google被关在国门之外,即便是360在电脑上捆绑浏览器,锁定360搜索引擎,也未突破20%的市场份额,百度始终牢牢占据第一。
然而随着移动互联网的普及,搜索入口被分散,百度在搜索领域却一成不变毫无突破。反观搜狗等其他后起之秀,纷纷针对垂直领域不断深挖。搜狗将微信搜索、知乎搜索、搜狗明医等窗口打通,将百度存在的问答、信息、医疗广告上的弊端进行了升级,吸引了大量年轻用户群体。如今,百度在搜索引擎领域已经不在是不可替代的存在,反而饱受诟病。
(1)移动互联网时代,百度跟风转型不成功
百度如今只能算是在吃着PC时代积累下来的老本。实际上移动互联网的大趋势下出现了许多颠覆性的机会,比如:小米以智能手机为核心构建起了智能硬件生态圈;美团主攻吃喝玩乐等生活服务成为了一方霸主;今日头条以算法驱动一举逆袭成为国内最大的资讯平台,并开始蚕食百度的互联网广告业务。然而,在这些领域百度都曾有涉足,但大多如蜻蜓点水般参与过,不温不火。
作为互联网巨头的百度,当然不可能对趋势毫无察觉,在移动互联网领域也进行过大手笔的收购,企图实现转型。比如:出资19亿美元收购91,用以阻击360,希望在无线端实现全面覆盖。但是,百度未曾想到移动端流量入口最大的敌人却并非是360、应用宝等手机应用市场等巨头,而是众多智能手机生产商,移动互联网时代下的流量分发开始从中心化走向分而治之。
百度同样也看到移动互联网时代下生活服务领域的巨大商机,团购火热就收购糯米做团购,外卖火爆就开发百度外卖做外卖,但是由于战略定性与运营能力不足等原因,结果都以无疾而终。
(2)搜索之后无爆品,百度缺少烟火气
大家不妨仔细回想一些,近五年来百度有哪些新产品是值得称赞一番的?
答案很可能是没有。百度最大的问题就在于这么多年来却没能在产品层面有建设性的突破,可以说是错失了整个移动互联网时代。
虽说百度在其他领域并非颗粒无收,但也是毫无拿得出手的爆品。百度在行业处于领先地位的产品,就只剩下了百度搜索和百度网盘。而百度网盘并非由于产品优秀,更多的是因为占到了政策优势和曾经积累下来的技术实力才能勉强处于领先地位,市场占有率超过70%。
但是,同样成也萧何败萧何,百度网盘如果有朝一日因盗版等擦边球问题而受到较大的政策冲击,百度网盘的市场规模恐怕也将大幅下降,极具政策不确定性。
反观阿里和腾讯,在移动互联网领域可谓无孔不入,如八爪鱼一般张牙舞爪,要么自己做,要做投资布局。如今,腾讯已经将微信覆盖到了每个人的手机,与手Q一起捍卫者自己社交帝国的荣光。不仅如此,腾讯还接连推出了几款爆品手机游戏,带领全民走进了娱乐至死的疯狂时代,虽然饱受争议,但风光无两。
对于自己不擅长的领域,腾讯更是一改抄袭作风,直接投资外部公司,如:京东、美团、滴滴、搜狗等,也是名利双收。阿里就更不用多说,虽然马云已经宣布退休,但是阿里在电商、支付、云业务、生活服务、新零售、AI等领域都是玩得风生水起,一出手就能随随便便上头条,再加上马老师这个大IP的加持,这种影响力怕是连腾讯都无法企及。
对比之下,也就不难理解百度为何总被唱衰,总是被掉队。
一方面,是由于百度在新业务领域基本毫无建树,纯粹靠着吃老本;
另一方面,腾讯阿里的各个新产品新业务都跟普罗大众的生活息息相关,影响深远。
而百度呢,却仍躺在陈年老黄历上不食人间烟火,实在是离老百姓的生活太远太远了。
(3)竞价排名臭名声,路径依赖害百度
百度行业新闻不多,但是负面新闻不少。近期,作家六六更是在微博上大骂百度垃圾企业,骂李彦宏是骗子首领,因为她仅仅使用百度查询上海美国领事馆信息就出现一堆虚假广告。在魏则西事件引起公愤后,百度广告还是非常的嚣张,所谓无广告不百度。
百度的搜索竞价排名是百度最主要的收入来源,但同样也是让百度病入膏肓的毒瘤。应该说,路径依赖是种病。一旦习惯了,就会变得不思进取,抱残守缺。尤其是,竞价排名背后的既得利益之于百度实在太诱人,一旦手起刀落下狠心割除,不仅财报难看,在没有新业务接济的前提下还可能自毁长城。这里面错综复杂的利害关系,想必只有百度高层才会有更深刻的体会。
想百度对搜索竞价排名业务的依赖有多深,只要看看陆奇出走的事件就能明白。想当初,前微软全球副总裁陆奇空降百度出任总裁兼COO,一度成为Robin之后的二把手,主政百度的486天里进行了大刀阔斧的改革,百度股价累计上涨近60%,最高时候带领百度市值逼近1000亿美金。
因此,陆奇也一度被外界看作是拯救百度的救星,然而陆奇的改革却依旧不能触碰到百度的搜索利益。坊间传闻,在陆奇确认离开之前,与百度高级副总裁、百度搜索公司总裁向海龙之间的矛盾已经水深火热,最终陆奇毅然决然选择离职。
就在陆奇离职不过十天后,百度搜索部门重启了医疗竞价广告排名。这一前一后的事件走向变化,很难不让人浮想联翩,也直接证明了之前媒体们的各种猜测——陆奇正是因为触碰到了百度搜索竞价排名的既得利益才导致了出走。对于百度来说,陆奇的出走让其失去了“百度中兴”的可能,更是将百度再一次拉回了舆论的漩涡。
科技驱动能支撑起百度的未来吗?卓越的职业经理人陆奇最终没能帮助百度扭转颓势,但是为百度留下了ALL in AI的标签。然而深受臭名所累,产品能力薄弱的百度,真的能用科技驱动支撑起百度的未来吗?
(1)百度在人工智能领域全面布局,率先进入无人驾驶领域。
百度集团目前将主要的事业群体划分为六大领域:
搜索引擎,维护传统主营业务搜索引擎服务;
人工智能领域,负责百度AI领域的研发;
智能驾驶领域,负责搭建智能驾驶生态群;
金融事业群,负责互联网金融业务;
智能生活事业群,负责智能硬件物联网领域的开拓;
另外还有一个是新兴业务事业群。
可见百度在人工智能领域的布局与其他互联网企业无异,除了放弃了新零售领域的开发,基本上将所有人工智能领域覆盖到了,并且在无人驾驶领域处于先行地位。然而,即便如此,百度在无人驾驶领域所面临的对手也不容小觑,国外有特斯拉和 Google,国内还有阿里、腾讯华为等科技巨头也正积极布局无人驾驶领域,产业格局不尽相同。
(2)人工智能领域尚未出现爆款产品,无人驾驶后来者穷追猛赶
百度虽然大刀阔斧的杀入人工智能领域,但是还没有推出一款证明其技术能力的产品。百度希望通过智能音响搭载百度duer os ,推广其智能语音技术。然而外观出众的涂鸦未获得市场认可,随后低价策略的小度智能音响、搭载屏幕的小度在家也是反响平平。
或许是由于产品能力较差的原因,所以百度至今没有打造出爆品。但是如果仅作为技术服务商,百度好像也不那么合格。翻看百度AI开放平台,可以了解到目前百度核心的AI技术也就是人脸识别和语音识别技术。而这些技术的同类竞争者众多,也并不是什么最新的黑科技,让人对百度人工智能领域的期待少了许多。
值得一提的是百度率先进入的无人驾驶领域。但是该领域尚未形成头部效应,还处于你追我赶的阶段。百度虽然推出了Apollo,希望打造智能驾驶领域的安卓平台,如若成功,百度在智能驾驶领域将举足轻重。
但是开放式的平台搭建需要大量汽车软硬件厂商密切配合,而面对风口并非百度一家拥有搭建平台的能力。比如:阿里巴巴近期也了AliOS 2.0系统,宣布驾驶体验或可千人千面,这对与百度来说无疑是一记重锤,压力可谓不小。
(3)BAT的差距已经形成,在人工智能领域勿重蹈覆辙
百度的成功取决于它做对了搜索引擎这一件事,从竞价排名流量变现上获得了巨大的利益,掌握流量入口是百度pc时代称王的关键。2011年,3Q大战结束,百度曾经以460亿美金市值短暂超越腾讯,领跑BAT。
然而,随着pc互联网时代的终结,百度失去了入口优势。而在移动互联网时代,百度一直没有找到自己合适的角色。不同于腾讯和阿里分别从社交和电商作为切入点不断开枝散叶,百度在移动互联网时代什么都试着去尝试,但是什么都没有做精做好。O2O业务花费了百度大量的经济投入,却无疾而终。
可以说,正是由于百度没有其他支撑性产品业务的崛起,才导致百度搜索广告过度逐利,令其臭名远扬。
相比目前,阿里和腾讯早已双双突破4000亿美金市值,而百度的市值还在800亿美金左右徘徊。如今选择加码AI领域,以技术见长的百度能否抓住这一次机遇,逐渐摆脱对搜索竞价排名的依赖就显得尤为重要。只有不重蹈覆辙,坚持战略定性,真正做到All in AI,百度才可能不断缩小跟阿里、腾讯之间的差距,从而在人工智能时代重获新生。
2016年,中国精准医疗发展也进入加速期,3月5日,国家发改委公布“十三五”规划纲要,其中涉及100个项目,而“加速推动基因组学等生物技术大规模应用”位列其中,预示着“基因组学”被列入国家战略。
早在2015年3月,科技部召开国家首次精准医学战略专家会议,提出了中国精准医疗计划,并计划在2030年前投入600亿元。一年之后,科技部 “精准医学研究”重点专项2016年项目指南正式公布,实施周期为2016年~2020年。这一指南的被医疗界内解读为,行业期待已久的精准医疗国家战略部署终于揭晓。
在资本市场上,2015年以来精准医疗行业内的公司一直是风险投资机构眼中的“香饽饽”,越来越多的天使和VC投资争相加入大健康投资行列。尽管在经历“资本寒冬”,但基因产业上的创业公司融资力度依然不减。据资料显示,2016年中国精准医疗的市场规模已达400亿人民币。
且中国作为人口大国,恶性肿瘤、心脑血管疾病等慢性病占据中国居民疾病死亡率前几位,人口老龄化、重大疾病是造成国家人力资源损失和经济损失的重要因素。此外,精准医疗在生育健康领域、重大疾病治疗领域的应用需求在中国也有庞大的基础。不管是政府的重视与投入,资本市场的火热追捧,还是大众对精准医疗的迫切需求,仿佛都预示着精准医疗的大规模爆发即将到来。但理想和现实之间的距离究竟有多远?在从理想到现实的具体实现路径上又有着哪些障碍?
精准医疗还有多远
美国国立卫生研究院对精准医疗的定义是:建立在了解个体基因、环境以及生活方式的基础上的新兴疾病治疗和预防方法。2016年美国在精准医疗计划上投资2.15亿美元,从逾百万美国志愿者那里收集数据、找寻科学证据,将精准医疗从概念推进到临床应用。
法国政府也宣布投资6.7亿欧元启动基因组和个体化医疗项目,将其命名为:法国基因组医疗2025(France Genomic Medicine 2025)。该项目以提高国家医疗诊断和疾病预防能力为整体目标,预计在全国范围内建立12个基因测序平台,2个国家数据中心。
在世界范围内,还有英国10万人基因组计划、韩国万人基因M计划、澳大利亚零儿童癌症计划等精准医疗计划已获得重大推进。 数据显示,目前,精准医疗全球市场规模已突破600亿美元,其中精准诊断领域约为100亿美元,精准治疗领域500亿美元左右。今后5年,全球精准医疗市场规模,还将以每年15%的速率增长,国内增速将超过20%。
在全球性的精准医疗热下,精准医疗仿佛呼之欲出,但其实精准医疗的真正落地还要面临很多困难。
首先,对于现行的医疗制度来说,精准医疗还需要很多规则或者习惯的改变。在医疗信息记录上,要按照高水平科学研究所使用的样本规范来收集记录。除了病人基本信息外,还需要家族病史、饮食、运动习惯等。
其次,在目前的医疗IT架构内对精准医疗的支撑也存在问题。在2017年的政协会议上,全国政协委员、福建省立医院主任医师侯建明就表示,精准医学是近年来医学研究热点,但是目前我国数据共享方面还存在很大问题,临床样本和健康人群的信息收集、临床资料的分析、个体化医疗的实施等方面,我国数据共享机制仍不健全。建议由卫生行业权威机构牵头,联合相关部门及各医疗机构、大学等共同实施数据整合共享计划,以此夯实精准医疗的数据资源基础,实现医疗资源集约化管理与利用。
除了数据共享外,如何借助IT系统最终实现将医疗大数据提取出知识并最终应用到对患者的治疗上,也是对现有医院信息中心负责人们提出的重大挑战。
夯实数据基础
“我们做了相关调查,发现在实现目标的路径上还有很多工作要做。”阜外医院信息中心主任、中国心胸血管麻醉学会医疗信息技术专业委员会(CHITA)主任委员赵说。
依托国家卫生计生委课题的支持,CHITA在全国开展了针对心血管领域大数据应用的调查。调查覆盖了全国31个省市自治区,包括100家3级医院,210家2级医院。调查结果显示,经过多年的信息化建设,我国医疗信息化整体水平已经达到了相当的高度,各级医疗机构都积累了规模可观的医疗数据,但与大数据的发展预期相比,还存在着巨大的提升空间。在病历结构化能力、数据质量管理、信息集成能力、数据安全意识与管理等方面与先进水平还存在着相当的差距,支撑临床科研大数据分析的能力不足,会影响精准医疗数据分析的准确度。
赵表示,除了数据本身的问题外,许多人对于大数据理念和精准医疗的概念认知较为混乱。在系统的设计上依然遵从传统思路,仅重视医院内部的数据采集、流程管理,不考虑如何实现数据资源的二次利用,如何发挥数据应有的价值。这些问题都是当前实现精准医疗的瓶颈。
若要突破这些瓶颈,就要从根本上解决以下三个问题:
1.缺乏适合临床应用的数据标准和术语集的问题。目前我国已经颁布了医疗数据标准,但这些标准基本是针对通用病历的,难以满足临床中相关描述的要求,以应用最广泛的诊断、手术编码为例,来源于病理术语,开发的初衷是规范病案的编目,目前在一些系统中将这一标准直接用于临床,造成了部分内容描述信息的缺失。欧美等国家在这方面的标准已经形成了体系,数据的标准化程度很高,经过自然语义识别和结构化处理后可以直接进行分析。而目前国内的病历数据很难做到这一点。目前自然语义处理等技术在国内应用的热度很高,医院期望通过这一技术弥补数据结构化采集内容的不足,但由于缺乏有效的术语集支撑,导致采集数据质量无法达到预期的要求,这些环节后续需要花大量时间和精力进行整理。
2.专科病历结构化、集成程度低的问题。现有系统无法支持有针对性的数据临床分析要求,以电子病历系统为例,许多系统在设计、实施时仅考虑满足基本的病历书写、病案质控要求,对于病历内容缺乏基本的控制,导致关键信息遗漏。
与传统医疗手段不同,在精准医疗环境下,首先人们会被告知未来可能患有某些疾病,需要更好地进行预防;其次,一旦患有了某种疾病,其诊断将会非常容易;诊断后的用药,将针对个体对药物的敏感性而制定,每个病人都将得到最合适的药,并在最佳剂量和最小副作用,以及最精准用药时间的前提下用药;对疾病的护理和预后的效果也将得到准确的评估和指导。
对人们来说,将基因应用到治疗中好像还很遥远,但有一个领域可以让我们近距离感受到基因测序。
对于孕妇来说,唐氏筛查是孕期的必要检查,当唐氏筛查数据显示异常时,需要做羊水穿刺进行确诊。羊水穿刺不仅属于有创伤的微型手术,而且有0.5%-1%的流产率和感染率。在基因组学迅速发展的今天,人们现在有了新的选择,无创DNA产前检测。
无创DNA产前检测技术是利用新一代DNA测序技术对母体外周血浆中的游离DN段(包括胎儿游离DNA)进行测序,检测时只需抽取10毫升静脉血,进行基因测序后得到胎儿的遗传信息。根据统计,无创技术筛查的准确率高达99.5%。这意味着,做了无创产前基因检测后,孩子出生患有唐氏综合征的几率降低到了十万分之一。
在癌症治疗领域,基因医疗技术同样有着广阔的应用前景。随着基因检测、基因编辑等技术已进入成熟期,并开始逐渐应用于疾病筛查、癌症治疗、慢性病治疗等领域。预计到2030年,相关市场规模有望突破万亿元大关。
布局基因大数据
精准医疗早已成为全球范围内的火爆话题。而有消息称,今年年内我国将正式启动国家基因库二期工程建设,预计5年内基因数据总量超过美欧日三大基因库总和。同时,我国将加速建立从基因检测到个体化精准免疫的基因技术体系和基础设施。此外,我国将出台相关政策,对经确定为创新医疗器械的基因检测产品等,按照创新医疗器械审批程序优先审查,加快创新医疗服务项目进入医疗体系,促进新技术进入临床使用。
在其中,众多科技公司的进入让精准医疗更加火爆。科技公司通过人工智能AI、大数据和云计算等科技手段来优化精准医疗的数据处理流程、提高数据化程度,正在引发越来越多的关注。
2 0 1 3 年谷歌推出了一项名为 “G o o g l e Genomics”的云端服务,旨在帮助大学实验室和医院将患者或科研对象的生物基因储存到云端上,服务的目标是“探讨遗传变异交互”,意味着科研专家能够访问数百万的生物基因,并能轻松简单地进行对比分析。
谷歌还先后投资了Foundation medicine 和 DNAnexus 两家公司,Foundation medicine是一家提供癌症全基因组测序及分析的公司,谷歌与DNAnexus 则计划一起打造一个巨大的开放式 DNA 数据库,并将共同接管美国联邦政府的国家生物技术信息中心的数据。这些数据将合并进入DNANexus的DNA信息历史文档,并储存于谷歌的云计算服务器,这是谷歌的云计算服务器中最大的第三方数据资料,免费向医学研究者提供接入服务。
另一家国际巨头IBM也早已开始了其在精准医疗领域的布局。多年前,IBM Watson初出茅庐时以机器学习及自然语言识别能力打败人类选手而名声大噪,随后IBM宣布进入了以认知计算为主的又一次转型,如今,IBM Watson已经在医疗健康、商业、教育、市场、供应链、金融服务等领域展开了应用。
其中又以医疗健康领域的进展最为引人注目。2016年1月IBM和美敦力合作推出了一款糖尿病监测APP;3月,IBMWatson人工智能带入苹果手表睡眠健康应用;5月,IBM联手苹果为博士伦开发白内障手术APP;7月,IBM宣布已成立IBM Watson Health医学影像协作计划;8月,IBM宣布已经完成了对胃癌辅助治疗的训练,并正式推出使用;12月,IBM“沃森联合会诊中心”在浙江省中医院落地。
而Watson的第一步商业化运作是通过和纪念斯隆?凯特琳癌症中心进行合作,共同训练IBM Watson肿瘤解决方案。在此期间,该系统的登入时间共计1.5万小时,一支由医生和研究人员组成的团队一起上传了数千份病人的病历,近500份医学期刊和教科书,1500万页的医学文献,把Watson训练成了一位的“肿瘤医学专家”。随后该系统被Watson Health部署到了许多顶尖的医疗机构,如克利夫兰诊所和MD安德森癌症中心,提供基于证据的医疗决策系统。
Intel也宣布了开展基因组信息整合计划,该计划致力于在未来五年内整合现有私人、公众以及云平台上的基因组数据以加速生命科学领域研究。
而在2006年就推向市场的亚马逊云服务上可以免费访问两个世界上最大的癌症基因组数据集,即癌症基因组地图集(TCGA)和国际肿瘤基因组协作组 (ICGC)。
百度打造云上大脑
在2016年年底国务院印发的《“十三五”国家战略性新兴产业发展规划》中,生物医药行业成为重点鼓励发展的行业。规划提出,到2020年,生物产业规模达到8万亿~10万亿元。在医药领域,以基因技术快速发展为契机,推动医疗向精准医疗和个性化医疗发展。明确指出要开发新型抗体和疫苗、基因治疗、细胞治疗等生物制品和制剂,发展肿瘤免疫治疗技术。
在政策和市场利好下,科技企业和互联网企业们也不甘寂寞,百度云为华大基因部署了BGI BRCA Online平台,为乳腺癌、卵巢癌的科研与应用提供基因测序数据分析服务。
2016年10月,百度医疗大脑在北京,“百度医疗大脑”是通过海量医疗数据、专业文献的采集与分析进行人工智能化的产品设计。百度医疗大脑模拟医生问诊流程,与用户多轮交流,依据用户的症状,提出可能出现的问题,反复验证,给出最终建议。在过程中可以收集、汇总、分类、整理病人的症状描述,提醒医生更多的可能性,辅助基层医生完成问诊。
在2016年11月的乌镇互联网大会上,百度公司董事长兼CEO李彦宏进一步解释了人工智能对医疗的变革。他指出,人工智能和大数据在医疗上的发展分为四个层次:医疗O2O智能分诊,人工智能参与的智能问诊,基因分析和精准医疗,基于大数据的新药研发。他认为,从分诊到新药研发,人工智能健康大数据奇点已经临近。
就拿人们最先感受到的无创产前基因检测来说,这个作为基因产业最先商业化的技术已经被政府认可。2016年10月27日,卫计委了国卫办妇幼发[2016]45号文件――《国家卫生计生委办公厅关于规范有序开展孕妇外周血胎儿游离DNA产前筛查与诊断工作的通知》),指出此前产前筛查与诊断专业试点机构的有关规定同时废止,放松了对开展产前筛查和诊断的机构要求,取消108家临床试点单位,所有具有产前检测资质的医院原则上都可以开展无创DNA产前筛查与诊断;取消7家医学检验所的临床试点,具有产前检测资质的所有医学检验所原则上都可以开展无创DNA产前筛查与诊断。
精准医疗离我们越来越近,这得益于人工智能、云计算、大数据技术的逐步成熟。精准医疗要想实现精准一定是建立在数据之上的,而对于很多疾病,尤其是罕见病来说,找到基因上微小的变化就很可能找到了解决问题的钥匙,但这同样也意味着巨大的计算量。在没有深度学习之前,这几乎是不可想象的,随着深度学习的出现,机器人能够不断地通过已有数据进行训练,从中得出规则,并完成一些罕见病的早发现、早诊断。这也给了科技企业和互联网企业们杀入医疗这个“蓝海”的机会。
在阿法狗战胜李世石后,人类对人工智能的恐惧开始进一步被放大。在精准医疗领域也不乏有人担心人工智能会取代医生,但要知道在任何一个国家医疗资源都是稀缺资源,对于政府来说如何提高医生的平均诊疗水平,尤其是基层医生的诊疗水平更为重要。人工智能作为增强智能,如果成为医生诊疗系统里的辅助工具,会大大提高普通医生的诊断水平和诊断效率,降低误诊率。这也正是精准医疗的最大意义所在。
世界各国基因组计划
英国十万人基因组计划
2012年12月,英国政府宣布启动针对癌症和罕见病患者的英国10万人基因组计划。通过该计划,英国政府预期到2017年年底实现以下四个目标:
推进基因组医疗整合至英国国家医疗服务体系,并使英国在该领域引领全球。
加速对癌症和罕见病的了解,从而提升有助于患者的诊断和精准治疗。
促进基因组领域的私人投资和商业活动。
提升公众对基因组医疗的知识和支持。
2015年年底,英政府宣布将在未来再追加经费用于该计划。2016年6月,英国政府宣布已经完成了9892个基因组测序工作。
美国精准医疗
美国总统奥巴马于2015年1月20日在白宫的国情咨询中宣布启动精准医疗计划。根据该计划,美国将搜集100万人的个人健康信息以及测得他们的基因组序列,以实现短期目标:
鉴定新的癌症亚型。
与药厂等私人部门合作测试精准疗法的临床效果。
拓展对癌症疗法的认识(抗药性、肿瘤复发等)。
韩国万人基因组计划
2015年11月韩国政府宣布以韩国蔚山国家科学技术研究为依托,启动万人基因组计划。韩国万人基因组计划的主要目标是:
绘制韩国人基因组图谱。
建立韩国标准化的基因数据库。
发现罕见遗传疾病的突变位点。
为韩国快速增长的基因组产业提供全面的基因组信息。
同时,该计划是对2013年韩国政府宣布的未来8年投资人类、农业和医药基因组计划的一个补充。
法国基因组医疗2025
近日,法国政府宣布投资6.7亿欧元启动基因组和个体化医疗项目,并将其命名为:法国基因组医疗2025 。
在未来10年,法国政府希望达到以下三个目标:
将法国打造成世界基因组医疗领先国家。
将基因组医疗整合至患者常规检测流程。