【绝密报告流出!美国已经把人工智能上升到国家战...】 - 联盟推荐_【北京联盟】
绝密报告流出!美国已经把人工智能上升到国家战...
/ 作者：小易
北京联盟摘要：【绝密报告流出!美国已经把人工智能上升到国家战...】上一篇：
下一篇： 。美国白宫本月发布了两份重磅报告《为未来人工智能做好准备》以及《美国国家人工智能研究与发展战略计划》（关注微信公众号AI世代，回复“白宫”可获得这两份报告的中文版下载链接），详细阐述了美国未来的人工智能发展规划以及给政府工作带来的挑战与机遇。
美国白宫本月发布了两份重磅报告《为未来人工智能做好准备》以及《美国国家人工智能研究与发展战略计划》（关注微信公众号AI世代，回复“白宫”可获得这两份报告的中文版下载链接），详细阐述了美国未来的人工智能发展规划以及给政府工作带来的挑战与机遇。 &干货总结 &自诞生以来，人工智能研究经历了3次技术浪潮。第一次浪潮专注于人类知识，开始于上世纪80年代。第二次浪潮开始于00年代，并一直延续到现在。其标志是机器学习的兴起。目前或许正在迎来“第三次浪潮”，即专注于解释性的通用人工智能技术。从2013年至2014年，风投对人工智能创业公司的投资增加到了4倍。人工智能应用目前也给大企业带来了明显的收入。人工智能对金融系统的影响可能更大：自动交易已占全球金融交易的约一半，交易额达到了万亿美元量级。人工智能系统仍存在自身的局限性。大部分机器学习系统容易被复杂的场景、叠加的物体所迷惑，但即使是幼儿也能轻松完成“场景分析”。对人类来说简单的场景理解对机器来说依然困难。各国论文中提到“深度学习”或“深度神经”的篇数，中国在2013年已经超过了美国。AI的发展给带来了许多好处，还提升了美国的国家竞争力。然而，跟大部分革命性的技术一样，AI对一些领域造成了威胁，引发了安全、伦理和法律问题，甚至对工作和经济都造成了影响。目前的AI技术不能保证AI系统的安全以及可预见性。尽管许多AI算法的最终目标是像人类那样解决问题，但我们不是非常了解AI的理论能力和极限，也不知道AI算法在解决问题时能有多接近人类。AI可以分为“狭义AI”和“通用AI”。狭义AI系统能够执行专门的、定义明确的任务，比如语音识别、图像识别和翻译。通用AI的长期目标是创造在众多认知领域上像人类智能那样灵活和全面的系统，这些认知领域包括学习、语言、感知、推理、创造能力等。白宫报告：为未来人工智能做准备美国国家科学研究委员会技术委员会执行办公室━━━━━介绍&人工智能有可能帮助解决一些社会面临的最大的挑战。智能机车可能在全球范围每年挽救数十万人的生命，并为老年人和残疾人士增加性；智能建筑可以节约能源，减少碳排放；精密药物可能会延长生命，提高质量；精明的政府可以更快、更准确地为民众服务，更好地保护那些有风险的人，并节约资金；人工智能增强能够有助于教师给每一个孩子提供专门教育，为安全和充实的生活开启大门。这些只是一些潜在的好处，如果人工智能技术的开发着眼于它的效益，还需仔细考虑其风险和挑战。美国在人工智能的基础研究领域一直处于最前沿，主要是由联邦研究基金和政府实验室来支持该领域的发展。联邦政府对公开的人工智能的研发，主要是通过网络和信息技术的研究和发展（NITRD）项目负责管理，并得到了国防高级研究计划局（DARPA）、国家科学基金会（NSF）、美国国立卫生研究院（NIH），海军研究办公室（ONR）、以及情报先进研究项目署（IARPA）等机构的主要支持。国家战略计算倡议、大数据倡议、先进创新神经网络技术倡议同样也间接促进了人工智能的研究发展。当前和预计的人工智能技术的好处是巨大的，能够增加国家的经济活力和生产力，以及民众的复利。一份补充文件详细透露了联邦政府资助的人工智能领域的研发战略计划。在为美国未来进行准备的贡献中，人工智能扮演着越来越重要的作用。我们调查了人工智能当前的状况，其现有的和潜在的应用，以及人工智能发展过程中引发的社会和公共政策问题。我们还提出了由联邦机构和其他参与者执行的特定建议。人工智能简史在电子计算出现之初，让计算机像人类一样睿智就一直是专家梦想。虽然“人工智能”一词直至1956年才出现，但其根源可以追溯到至少上世纪40年代，艾伦?特灵（Alan Turing）在1950年发表的著名论文《计算机器与智能》（Computing Machinery and Intelligence）中特别提到了人工智能的概念。特灵在论文中提出了一个问题：“机器能思考吗？”该论文还提供了一个测试来回答该问题，并提出了一种可能性，即机器可能被编程像小孩子那样从经验中学习。在随后的几十年里，人工智能经历了跌宕起伏。一些人工智能研究的问题，证明人工智能的研究比预期困难，还证明当时技术上存在不可克服的问题。直至20世纪90年代后期，随着研究人员更多地关注人工智能的子问题，以及人工智能应用到现实世界的问题，例如图像识别和医疗诊断，人工智能的研究才开始加速，早期的里程碑是1997年IBM开发的计算机“深蓝”战胜了国际象棋世界冠军加里?卡斯帕罗夫（Garry Kasparov）。其它重大的突破包括国防高级研究计划局的认知主体学习和组织，这导致苹果Siri的出现；IBM开发的回答计算机Watson在益智问答游戏节目《危险边缘》中获胜；本世纪国防高级研究计划局成功的举办无人驾驶大赛。本轮对人工智能开发的热情和取得的成绩始于2010年前后，它主要受三个因素的推动：来自政府、电子商务、商业、社交媒体、科学等源头的大数据，为极大的改进机器学习方法和算法提供了原始材料；这反过来需要依靠更强大的计算能力。在这一时期，改进的速度让人工智能专家们感到惊讶。举例来说，在图像识别领域，人类的错误率大约为5%；但是最好的人工智能结果，以及从2011年的错误率26%，改进至2015年的错误率3.5%。与此同时，产业一直在增加其在人工智能领域的投资。2016年，谷歌首席执行官桑达尔?皮查伊（Sundar Pichai）就表示，“机器学习（人工智能的一个子领域）是核心，它改变了我们重新思考我们如何做任何事情的方式。我们正把机器学习应用到公司所有产品中，无论是搜索、广告、YouTube或是应用商城Play。我们正处于机器学习开发的早起阶段，但是你们将看到我们把机器学习技术应用于所有的领域。对人工智能的这一观点，极大的影响了软件的开发和交付方式，并得到了科技产业首席执行官们的广泛认可，其中包括IBM首席执行官罗睿兰（Ginni Rometty）。她曾经表示，IBM当前已为人工智能投入重注。什么是人工智能？目前并没有一个行业从业人员普遍接受的单一人工智能定义。有些人把人工智能定义为是计算机化的系统，展示通常被认为是需要智慧的行为；其他人将人工智能定义为一个系统，能够无论在遇到的什么样的真实世界中，都合理地解决复杂的问题，或采取适当的行动实现它的目标。专家们针对问题和解决方案把人工智能进行了分类。流行的人工智能教科书采用了以下分类：（1）系统，像人类一样思考（例如，认知架构和神经网络）；（2）像人类一样的系统（例如，通过自然语言处理通过图灵测试，知识表示，自动推理，以及学习；（3）合理思考，推理和优化的系统；（4）理性表现的系统（例如，智能软件代理和嵌入式机器人，能够通过感知、规划、推理、学习、沟通、决策和行动还实现目标）。另外，风险资本家弗兰克?陈（Frank Chen）打破了人工智能的问题空间，并把它分为五类：逻辑推理、知识表示、规划与导航、自然语言处理和感知。人工智能研究员佩德罗?多明戈斯（Pedro Domingos）基于人工智能的使用的方法把它分为五类：“符号理论学派”，使用基于抽象符号的逻辑推理；“类神经网络学派“，建立来自于人类大脑灵感的架构；“进化论学派”，使用方法受达尔文进化论的印象；“贝氏定理学派”，使用概率推理；以及“类比推理学派”，根据先前看到的案例进行推算。人工智能这种多样性的问题和解决方案，以及人工智能在人类评估性能和算法准确性的基础，使得它很难在什么构成人工智能和什么不会构成人工智能之间划出清晰的界线。举例来说，许多用于分析大量数据的技术是由人工智能研究人员开发的，如今被确定为“大数据”算法和系统。在某些情况下，意见可能会转变，这意味着一个被认为需要人工智能解决的问题已经被解决了，但一旦解决方案是众所周知的，它就会被认为是常规的数据处理。尽管人工智能的边界可以是不确定的，并往往随着时间的推移而延伸，但重要的是多年来，人工智能研究和应用的核心目标，一直是自动化或复制智能行为。人工智能的当前状况被称为狭义人工智能的领域已取得显著的进步。狭义人工智能涉及特定的应用领域，如玩战略游戏，语言翻译、无人驾驶汽车、图像识别等。狭义人工智能支撑了许多商业服务，如旅行计划、购物系统、广告定位，并在医学诊断、教育和科学研究中被广泛使用。这些都有显着的社会效益，并对美国的经济活力做出了贡献。强人工智能（AGI）指的是名义上的未来人工智能系统，表现为明显的智能行为，至少和人类在全方位的认知任务中一样先进。一个广阔的鸿沟似乎把如今的狭义人工智能与强人工智能的许多困难挑战划分了开来。过去许多年通过扩展狭义人工智能解决方案来达到强人工智能的努力收效甚微。当前私营领域的专家们一直认为，实现强人工智能仍只是需要数十年时间。人们早已推测计算机将会被人类更聪明。有人预测，一个足够聪明的人工智能能够被赋予完成开发更优秀、更智能的系统的任务，而这些反过来又可以用来创建更聪明的系统 ，导致原则上出现一个“智力爆炸”或“奇点”，届时机器的智力将会远远超过人类。在该进程反乌托邦式的愿景中，这些超级智能的机器将会超出人性理解或控制的能力。如果计算机能够施加控制许多至关重要的系统，结局将会是一场浩劫，因为人类不再控制自己的命运，在最坏的情况下可能会灭绝。这种情况长期以来一直是科幻小说的主题，最近一些有影响力的行业领袖在声明中也强调了这种担忧。许多研究人员对未来更积极的看法，不是开发用于带有人工智能技术的助手、助理、教练和队友，而是让人工智能技术在安全、道德下运行。国家科学技术委员会的评估结果认为，对超级智能强人工智能的长期担忧应当不会给当前的政策构成太大影响。如果这些担忧是有道理的，那么联邦政府就应当在中短期对政策进行调整；如果无道理，联邦政府就应当采用相同的政策。建立解决长期猜测风险能力的最佳途径，是处理如今已经看到的不那么极端的风险，如当前的安全、隐私风险，同时投资于长期能力的研究，以及他们的挑战是如何管理的。此外，随着研究和应用领域不断走向成熟，人工智能在政府和企业的从业人员应以适当的考虑长期的社会和伦理问题。虽然需要谨慎注意未来可能成为有害的超级智能技术，但这些问题不应当成为公共政策的主要驱动力。机器学习机器学习是通向人工智能的最重要的技术方法之一，也是许多进展和商业应用的基础。现代机器学习是一个统计过程，始于数据体和试图派生出一个解释数据或可预测未来数据的规则和程序。这种方法--从数据中学习--不同于过去从数据中对比人工智能，让程序员与人类领域的专家坐下来学习规则和标准，用于作出决定，并翻译成软件代码的“专家系统”方法。专家系统的目的，是模仿人类专家所使用的原则，而机器学习依赖于统计方法来找到一个决策程序，在实践中能够良好运作。机器学习的一个优点，是它在不可行或难以写下明确规则来解决一个问题的情况下依然能够使用。举例来说，一家网络公司可能使用机器学习来检测用户登录的尝试是否是欺诈性的。该公司在开始阶段可能会使用一个用户过去登录尝试的大数据集，每一次登录都被标记为欺诈或不可使用后见之明。基于该数据集，这家公司可以利用机器学习制定出规则，应用于未来的登录试图，预测哪些尝试更容易被欺骗，应该受到额外的安全措施。从某种意义上讲，机器学习不是解决特定问题的算法，而更像是通过数据寻求获得许多不同问题解决方案的通用方法。&要运用机器学习，从业人员始于的数据集，把它划分为训练集和测试集。从业人员选择一个模型或数学结构，通过一系列可调整的参数来描述一系列可能的政策制定规则。一个普通的比喻是，该模型是一个“盒子”，把规则和参数放置在可调旋钮上，用来操控盒子。在实践中，一个模型可能有数以百万计的参数。从业人员还定义了一个目标函数，用于评估从一个特定参数选择中得出的结果的可取性。培训模型是调整参数的过程，以最大限度地发挥目标函数。培训是机器学习中的困难技术步骤。数以百万计的参数模型，将将拥有比热河算法尝试都多天文数字般的结果，所以成功的训练算法，能够聪明的在如何探索参数空间中寻找一个可行的计算水平设置。一旦模型进行了培训，从业者可使用测试集来评估模型的准确性和有效性。机器学习的目标是建立一个训练有素的模型，它可以归纳为--它将是准确的，不仅在训练集的例子，而且也存在于未来从未见到的情况下。虽然许多模型可以在狭窄的任务，如图像标记中实现更好的比人类的表现，但即使是最好的模型也会以不可预知的方式失败。使用机器学习的另一个挑战，是它通常不可能对为什么一个特定训练的模型是有效这一问题提取或产生一个简单的解释。因为受过训练的模型拥有数量众多的可调参数--往往动辄上百万甚至更多--训练可能会产生一个“工作”模型，它更像是匹配数据，而不是最简单的模型。在人类的决策过程中，任何不透明度通常是由于没有足够关于为什么做出一个决定的信息，因为决策者可能无法阐明为什么决定“感觉是正确的”。机器学习、了解决策过程都是精确已知的，但也有可能是因为信息过多，导致无法解释清楚。深度学习近年来，机器学习中的一些最令人印象深刻的进步主要来自于子领域深度学习，它也被称为深层网络学习。深度学习使用由人的大脑松散的结构，由一组单位（或“神经元”）组成。每个单元结合了一组输入值，来产生一个输出值，这反过来又传递给下游的其他神经元。举例来说，在图像识别应用中，第一层单元可能结合图像的原始数据来识别在图像中的简单模式；第二层的单位可能结合的第一层的结果，以一个个识别模型；第三层可能结合第二层的结果；凡此种种，不一而足。深度学习网络通常使用多个层，有时超过100个层，并经常在每一层使用大量的单位，使识别变得非常复杂，精确数据中的模式。&近年来，如何构建和训练深度网络的新理论已经出现，更大、更快计算机系统的出现，让使用更大深度学习网络成为可能。这些非常大的机器学习网络取得的成功，给一些专家带来了惊喜，也是目前人工智能研究人员和从业者中掀起机器学习热情的主要原因。自主性与自动化人工智能经常被应用到可以控制物理执行器或触发在线行动的系统中。当人工智能与日常世界接触时，自主性、自动化和人机交互的问题将出现。&自主性指的是系统在减少或没有人控制这种不断变化的情况下的运行和适应能力。例如，一辆无人驾驶汽车可以驱动它前往目的地。尽管从字面上看重点是汽车和飞机，但自主性是一个更广泛的概念，包括自动金融交易和自动化内容管理系统。自主性还包括可以在自己操作中故障和修复故障的系统，如识别和修复安全漏洞。当一台此前一直被人操控的机器能够自主工作时，自动化就会出现。自动化不仅与体力劳动相关，也同可以被人工智能替代的脑力或认知工作相关。至少从工业革命开始，自动化及其对就业的影响，就一直是显着的社会和经济现象。人工智能能够自动化一些工作这一观点当前已被广泛接受，但在这是否只是自动化历史的下一章，或人工智能能否比过去自动化的浪潮更影响经济这些问题上，仍存有着大量的争论。人机协作与一台机器代替人类工作的自动化形成对比的是，在某些情况下，一台机器将补充人类的工作。这可能给人工智能的发展产生副作用，或专门开发一款目标是创建人机团队的系统。该系统旨在补充人类的认知能力，有时被称为智能增强。在许多应用中，人机团队能够补强各自的弱点，比任何单独的个体更具有优势。举例来说，在下棋的时候，如果较弱的计算机是给一个人的队友，那么这台较弱的计算机就有可能击败一个更强大的计算机玩家。这是真的，即便是顶级计算机比任何人类棋手更强。另一个例子是放射。在最近的研究中，观察淋巴结细胞图像并要求确定是否含有癌细胞，基于人工智能的方法有一个百分之7.5的错误率，在人类病理学家有百分之3.5的错误率；结合人工智能和人力投入，错误率将会降低至百分之0.5，意味着误差率减少了百分之85。━━━━━人工智能在公共物品中的应用&人工智能和机器学习非常乐观的一个领域是它们帮助解决一些世界上最大的挑战和效率低下，改善人们生活的潜力。人工智能的前景，一直同先进移动计算变革产生的影响相提并论。公共和私营部门在人工智能基本和应用的投资，已经开始在公共领域，如医疗、交通运输、环境、刑事司法和经济融合等当中收获重大成果。在沃尔特?瑞德医学中心，退伍军人事务部是使用人工智能来更好地预测并发症和改善重型战斗创伤的治疗，提高患者的治疗效果，快速愈合，以及减少支出。相同的预防性治疗方法，也在约翰?霍普金斯大学用于研究减少医院获得性感染。考虑到当前正在向电子记录转型，健康数据的预测分析可能会在许多健康领域，如精密医学和癌症研究发挥关键作用。&在交通运输中，人工智能能够让交通管理应用变得更睿智，从而减少等待时间、能源使用和碳排放量最多减少25%。当前，美国的城市已经开始利用打车服务使用的响应调度和路线，并把它与为公共交通提供的调度和跟踪软件连接在一起，提供通常更快、更便宜的便利公共交通。在许多情况下，此类服务更容易被公众接受。&一些研究人员利用人工智能，通过使用人工智能图像分类软件来分析公共社交媒体网站的旅游照片，来改善动物的迁徙跟踪。该软件可以识别照片中的单个动物，并使用照片中的数据和位置建立一个迁徙数据库。在白宫科学技术办公室的人工智能在社会公益活动中的应用研讨会中，研究人员谈论了一些迄今为止规模最大的数据集，如鲸鱼和大型非洲动物的数量和迁移，以及关于推出“海龟网”追踪项目，从而对海洋生物获得新的见解。其他演讲者描述了使用人工智能来优化反偷猎巡逻队的策略，并设计栖息地保护策略，最大限度地提高濒危种群的遗传多样性。搭载复杂传感设备的无人驾驶帆船和船只，早已开始在海洋中航行，收集北极冰面的变化数据，以及敏感的海洋生态系统变化数据。对于载人船只而言，此类活动可能代价高昂，且非常危险。无人驾驶船只比载人船只便宜得多，未来一天可能被用于天气预测、气候监测、或非法捕鱼巡逻。人工智能也可以被用于改善刑事司法系统的方方面面，如犯罪报告、治安、保释、量刑和假释决定等。政府正在探讨如何让人工智能能够从当前的举措中受益，如寻求提供执法和公众数据的数据推动司法（Data Driven Justice）和警方数据倡议（Police Data Initiative），从而更好地告知在刑事司法系统的决策，同时尽量减少可能会引入偏见或不准确，弥补现有数据中的不足。美国学术机构发起了利用人工智能解决经济和社会挑战的举措。例如，芝加哥大学创建了一个使用数据科学和人工智能解决失业和辍学等公共挑战的学术项目。南加州大学推出了人工智能社会应用研究中心，致力于研究如何利用计算博弈论、机器学习、自动规划和多智能体推理技术帮助解决无家可归等社会相关问题。同时，斯坦福大学的研究人员正通过使用人工智能分析可能是贫困地区的卫星图像，确定哪里最需要帮助，通过使用机器学习技术来解决全球贫困问题。许多公共物品中人工智能的应用依赖于可用性的数据，用于训练机器学习模型和测试的人工智能系统的性能。拥有数据的机构和组织可以发布不影响个人隐私和商业机密的数据，通过把这些数据提供给研究人员，帮助确保人工智能的发展。规范数据架构和格式。可以降低使新数据集的成本和难度。━━━━━人工智能与监管&人工智能已在诸如汽车和飞机等众多的产品中得到了使用，对此进行监管的目的是为了保护公众免受伤害，并确保经济竞争的公平性。纳入到这些产品的人工智能将如何影响相关的监管方法？在一般情况下，监管人工智能产品，保护公共安全应告知增加人工智能可能减少的风险因素，以及可能会增加的风险。如果风险在现有监管制度范围内，政策讨论应着眼于考虑是否现有的规定已能够充分解决风险，或是否需要为加入人工智能进行调整。此外，政策制定者应该考虑如何降低成本和减少创新的阻碍，而不会影响安全或市场公平。RFI的评论者普遍的共识是，人工智能的研究或实践广泛的监管将是不明智的在这个time.34相反，评论者说，目标和结构现有的法规是不够的，和评论者呼吁现有的法规，以适应需考虑人工智能的影响。例如，评论家认为，机动车调节应该发展到占到自主汽车的预期的到来，并在车辆安全的当前结构内进行必要的进化调节。在这样做时，机构必须保持铭记的基本目的和目标的监管，以保障公众的利益，同时创造人工智能的创新和增长空间。信息请求批评者的普遍共识，是目前对人工智能的研究或实践广泛进行监管将是不明智的。相反，评论者认为，现存监管的目标和结构是重组的，并呼吁现有法规应通过调整来考虑人工智能的影响。举例来说，评论家认为，机动车规章制度应进行调整，为无人驾驶汽车时代的到来进行准备，同时车辆安全制度的现行结构也需要调整。在这种情况下，机构必须铭记监管的基本目的和目标，以保障公众的利益，同时创造人工智能的创新和增长空间。有效的监管技术，如人工智能需要机构拥有内部技术专长，以帮助指导监管决策。高级专家参与的必要性存在于监管部门和机构，并在监管过程的各个阶段。一系列的人员分配和交换模式，可以用来开发一个对当前技术发展状况有不同观点的联邦劳动力人口。举例来说，政府间人事法流动计划，为联邦政府、州政府、地方政府、高校、印第安土著政府、联邦资助研发中心和其他符合条件的组织当中的人员临时分配任务提供了指导。如果使用战略，政府间人事法可以帮助机构满足他们难填补职位需求，和提高他们从不同的技术背景招聘人选的能力。举例来说，机构工作人员可以被派往学院和大学，作为教师激励学生考虑成为政府公务员。同样，通过不同的工作和部门轮换员工的计划，可以帮助政府员工获得知识和经验，以告知监管和政策，特别是因为它涉及到像人工智能的新兴技术。&案例研究：无人驾驶汽车和飞机监管挑战的一个相关案例，是考虑到交通运输部正着手无人驾驶汽车和无人驾驶飞机系统的相关工作，监管机构需要对年老的监管规则进行调整，对基于人工智能的新技术进行解释。在交通运输部内部，无人驾驶汽车划归国家公路交通安全管理局（NHTSA）管理，无人驾驶飞机划归美国联邦航空管理局管理。无人驾驶的希望人工智能在车辆和飞机上的应用已超出公众的想象。如今所有的新汽车，都带有类似自动停车，和让汽车在其车道行驶、根据周围车辆调整速度的和调整速度的先进导航控制，它们均为基于人工智能的辅助程序。由人类监测的试验无人驾驶汽车如今已上路行驶。专家的一致意见是未来无人驾驶汽车技术将逐渐比人类驾驶员更加安全，未来将有助于消除每年发生在美国公路和高速公路上的数十万起交通事故。无人驾驶汽车也为可能无法驾驶的美国老年人和残疾人士提供了更大的移动性。第一和最后一英里的运输，以及新的交通工具可以向社区提供基本服务，如就业机会、医疗保健和食品隔离这些前所未有的机会。一个设计良好的无人驾驶汽车，能够预测和避免碰撞的可能性，还能显着减少运输中的排放量和能源消耗。政府正在采取措施，让这一愿景成为现实，其中包括拟议中的39亿美元总统2017财政年度（FY）中的预算，由交通运输部主导无人驾驶汽车的研发和部署工作，确保美国在无人驾驶汽车技术上保持领先。就航空领域而言，上世纪90年代初，商业无人机已有限的在运行。直到最近，无人机系统主要支持政府的运作，如和边境安全行动。不过近年来，潜在的应用已迅速扩大到包括航拍、测量土地和作物、监测森林火灾、应对灾害、检查关键基础设施等领域。一些政府部门已经操作无人机来完成自己的工作，根据今年8月联邦航空局批准的“小型无人机规则”，以及去年12月发布的小型无人机注册服务，成千上万的美国人已从联邦航空管理局（FAA）商业无人机运营许可。联邦航空局估计，到2017年8月，美国注册使用的无人机数量将超过60万架。把无人机整合到航空领域的经济影响预期之一，是无人机将在整合的前三年创造出超过136亿美元的经济价值，且随后保持稳定的增长预期。国际无人机系统协会在2013年的一份预测报告中指出，在未来10年的时间中，商用无人机产业将为美国经济带来超过820亿美元的收入，以及超过10万个新工作岗位。在整合的第一个十年，美国各州的税收预计将增加4.82亿美元以上。确保安全实现这些有前途的技术的潜在好处，需要政府采取措施，确保领空和道路的安全，同时继续培育创新与成长文化。美国拥有最安全和最复杂的世界性航空系统，公众依赖于联邦航空局监督来建立安全标准。联邦机动车辆安全标准（FMVSS）将要求制造商开发安全的地面车辆，且国家公路交通安全管理局有权根据不合理的安全风险召回车辆。虽然有相当大的机会来减少道路和公路上的死亡人数，但目前的做法会让机动车每行驶1亿英里导致约一人死亡。让无人驾驶汽车达到或超过这样的成绩是一个艰巨的挑战。人工智能技术在安全攸关环境中的应用提出了几点挑战。首先，在由软件驾驶或飞行时需要翻译人类的责任。不同于狭义人工智能已经取得的一些成功，目前还有没有简洁的任务描述来地面或空中的车辆与飞机。这些行动是多方面的，责任包括指导车辆、检测和避免障碍，并处理轮胎漏气等机械故障。导航等子任务和某些看法，可能与现有的狭义人工智能解决方案相匹配，但不可能集成和优先这些任务。它似乎是简单的遵守所有的交通法规，但一位熟练的人类司机可能会穿越一个双黄色的道路边界，以避免意外或避开并排停靠的车辆。虽然这种情况可能是罕见的，但它们不能被忽略，简单的算术命令是为了避免人类驾驶员可能出现的失败，系统必须处理许多这样罕见的情况，确保没有失败。对于依赖于机器学习的系统，为了正确应对概率极小的事件，需要对系统进行设计和测试。如果类似案例存在于训练集当中，机器学习方法可以更自信的正确处理。面临的挑战是如何开发一个数据集，把足够多导致交通事故风险的罕见情况均包含在内。商业航空在整个行业已建立起安全事件和数据共享机制，但对于最近获得牌照的无人机运营商而言，他们对安全和航空产业的传统责任文化了解甚少。汽车行业目前还不存在可比较的系统--除了死亡事故会被报告，各州或地方会采集交通安全信息之外。缺乏持续报道的事件和数据，增加了建立系统安全的英里数或是必要的操作时间，这也给需要大量测试验证的特定人工智能方法带来了障碍。为方便安全测试，联邦航空局已在全美指定六个无人机测试场地，并为这些场地测试的无人机提供整体授权。这些场地中的活动，包括把美国国家航空和宇宙航行局多年无人机交通管理的项目延伸至低海拔视觉线空域。同样，地面车辆测试场包括了连接车辆驾驶员项目，以及在俄亥俄州哥伦布部署的无人驾驶汽车。交通运输部为2016年小型城市挑战赛赢家提供的4000万美元奖金，将为人工智能研究人员提供丰富的底线和数据交流。&适应当前的规则虽然国家的领空和高速公路的监管方法不同，整合无人驾驶汽车和无人机的管控有一个共同的目标：美国联邦航空局和美国国家公路交通安全局正在制定灵活的框架，确保安全同时鼓励创新。美国联邦航空局尚未宣布允许完全无人驾驶飞行的清晰路径。虽然无人驾驶飞机进入空域的安全整合将一个复杂的过程，美国联邦航空局正准备在不远的将来接纳该技术，让无人驾驶飞机和飞机在一个无缝集成的空域系统同时飞行。&空域管理的新方法也可能包括增强基于人工智能的空中交通管制系统。因为当前对空中/地面集成电的限制，以及依赖人类在空中和地面操作，预计未来的空中交通密度和多样性在目前的空域管理架构中是不可行的。根据最新的可靠公众数据，美国空中交通延误成本在2007年预计为312亿美元。随着乘客数量的增加，此数据预计已大幅增长。虽然因为天气和其它方面的限制，一些航班延误的增加是不可避免的，不过采用新的航空技术、使政策和基础设施升级，可以显着提高美国航空业的工作效率。这些方案包括人工智能和机器学习的基础架构，以更好地适应更大范围的空域用户的潜力，并在不破坏安全的前提下更有效地使用空域。这种技术的发展和部署，将有助于确保空域用户和服务的全球竞争力，同时提高安全性和降低成本。关于地面运输，目前建立共同的框架的最重要一步，是日颁布的联邦无人驾驶汽车政策。该政策包括了几个部分：? 为制造商、开发者和其他组织者罗列15点“安全评估”指南，用于安全设计、开发、测试和部署高度自动化机动车；? 州政策范本，明确区分联邦与州的职责和建议政策领域，目的是创出始终如一的测试和运营无人驾驶汽车全国性框架，并给各州留下试验空间；? 分析国家公路交通管理局当前使用的监管工具，帮助无人驾驶汽车的安全部署，如解释当前的政策，准许在设计上拥有适当的弹性；提供有限的豁免权，准许测试非传统机动车设计；确保不安全的无人驾驶汽车被清理出公路；? 讨论新工具，当局应考虑在未来部署安全、有效的新救生技术，确保部署在公路上的技术是安全的。交通运输部打算指导和模拟国策，通过定期更新作为完成学习和研究的新数据。━━━━━研究与劳动力&在研发，以及扩大熟练、多样化劳动力来提升人工智能这一方面，政府同样也扮演着重要的角色。在发布该报告的同时，联邦资助的人工智能研发战略计划也随之发布。该计划讨论了联邦研发，鉴别了机会领域，建议如何协调研发以最大限度地提高效益，并提出建立一个训练有素的劳动力队伍。监督人工智能的进展由于人工智能的潜在影响，社会将受益于人工智能发展带来的准确及时的监测和预报。几个项目都已尝试预测人工智能的未来。2009年总统委员会关于《人工智能长期未来》，以及2015年举行的未来人工智能大会，把人工智能领域的专家汇聚一堂，来预测他们领域的未来。此外，斯坦福大学人工智能百年研究计划，将对人工智能如何影响自动化、国家安全、、伦理，法律、隐私、民主和其他问题进行“系列定期研究”，这些研究的首批成果已于2016年9月发布。&一个潜在实用的研究路线是随着时间的推移调查专家的判断。举例来说，一项对人工智能研究人员的调查发现，百分之八十的受访者认为，人工智能最终将达到人类的一般智力；一半人认为这一点在2040年至少有百分之五十可能实现。大多数受访者还认为，强人工智能将最终超过人类的一般智力。虽然这些特定的预测存在高度的不确定性，但正如上面所讨论的那样，类似的专家调查是有用的，尤其是当他们经常随着时间的推移对判断做出变化。单方面经常性判断就像是“预测比赛结果”，做出准确预测的参与者能够获得奖励。其它研究发现，技术的发展往往可以通过趋势分析准确地预测出出版和专利数据。目前，在人工智能领域大多数的基础研究由学者和商业实验室完成。他们会定期公布研究结果，并发表研究文献。如果竞争推动商业实验室增加保密，监控就可能会变得更加困难，而公众的关注也可能会增加。一个特别有价值的研究路线是确定可以代表或预示着人工智能将会有重大飞跃的里程碑。当在研讨会和各类会议中被问及政府如何认识到该领域取得进步的里程碑，特别是那些表明强人工智能可以被接受时，研究人员往往给三个不同、但相关类型的答案：1、在更广泛、少结构的任务中取得成功：在这个观点中，从目前的狭义人工智能转向最终的强人工智能，将通过逐步扩大狭义人工智能系统的能力，使一个单一的系统可以涵盖范围较广的、结构化简单的任务来实现。该领域的里程碑将可能是像人类一样能够完成所有家庭清洁任务的家政机器人。2、统一不同“类型”的人工智能方法：在这个观点中，当前的人工智能依赖于一套独立的方式或做法，每个方法对于不同类型的应用程序都是有用的。通往强人工智能的路径，将涉及逐渐统一这些方法。该领域的里程碑将涉及找到单一方法，能够以前所需的多种方法才能够解决的一个更大领域的应用。3、解决特定的技术挑战，如学习迁移：在这个观点中，强人工智能的路径不在于范围的逐步扩大，也不在于现有方法的统一，而在于技术上的具体挑战，开拓新的途径。最常被引用的挑战是学习迁移。学习迁移可能允许一个模型被训练来翻译英语到西班牙语。使用这种方式，产生的模型可以“转移”知识，以完成类似的任务，如中文到法语的翻译，或用俄语撰写诗歌，让这些新任务更快速的被学习。联邦支持人工智能研究2015年，美国政府对非保密人工智能相关技术的研发投入约为11亿美元，初步估计2016年将增长至12亿美元。在白宫科技政策办公室为人工智能技术发展举办的研讨会和公众宣传中，政府官员听到了企业领袖、技术专家、经济学家要求政府加大对人工智能研发投入的呼声。&人工智能领域的主要研究人员目前对该领域持续取得的快速进步，以及在更广范围的应用保持乐观。与此同时，他们强调人工智能领域仍有许多未解答的问题，且通向强人工智能也没有清晰的路径。研究人员指出，最近几十年人工智能研究中的热情和投资一直处于低潮，这也被称为“人工智能的冬天”。他们强调鉴于历史上主要的计算机科学的进步需要15年甚至更长时间，才能从实验室的概念走向产业成熟，因此需要对人工智能领域进行持续的投资。一个强大的情况下，可以有利于增加联邦对人工智能研究的资金投入。经济顾问委员会的分析暗示，在整个人工智能研究领域，双倍或三倍投资能够对美国产生正面影响，因为结果能够加速经济增长。虽然可能不是增加所有研究的预算，但有针对性的在高经济和战略价值领域增加预算，可能会提供许多好处。研究机构在报告中指出，人工智能作为一个高杠杆领域，人工智能的研究社区能吸收大量资金增加生产力，推动人工智能更快的进步和更多的培训人工智能从业者。总统经济顾问委员会主席贾森?福曼（Jason Furman）在2016年7月纽约举办的人工智能研讨会中发表讲话时称，“过去十年，我们在机器人、人工智能和其他领域有着大量创新。但我们需要一个更快的步伐，在这些领域进行创新，真正推动生产力向前增长。”福曼强调，他对人工智能最大的担忧，是“我们还没有充分的使用人工智能。”可以肯定的是，私营公司将是人工智能发展的主要引擎。但是目前，部分的源自于私营公司对此类项目的投资回报要在合理的时间框架内，而此类投资的时间跨度非常大，因此他们对人工智能基础研究的投入依然不足。基础研究对每个人都有好处，但只有公司为研究支付了成本。文献表明，只有研发支出占到研发投资的四分之一至一半时，才能够产生最优的经济增长。员工发展与多元化人工智能的快速增长，极大地增加了对拥有相关技能的人员的需求，来支持和推进该领域的发展。人工智能的劳动力包括推动人工智能取得根本性进步的研究人员，数量众多为特定应用重新定义人工智能方法的专家，以及更多在特定设置内使用操作这些应用的用户。对于研究人员，人工智能训练本质上是跨学科的，往往需要在计算机科学、统计、数学逻辑和信息理论领域有着资深背景。对于专家而言，培训通常需要软件工程和应用领域的背景。对于用户来说，熟悉人工智能技术是必要的，能够让他们可靠的应用人工智能技术。政府的角色人工智能的劳动力挑战部分是科学，技术，工程和数学（STEM）教育的挑战，它是国家自然科学基金、白宫科研政策办公室和其它机构的优先重点项目。美国国家科学基金会和教育部正在与私营企业和各地政府推进教育质量、灵活性、和领域的影响，解决如经济持续发展等问题，增加包容性和多样性，并提高成果。国家科学技术委员会委员下属的科学、技术和数学交易委员会汇集了联邦机构支持的STEM教育计划，来协调包括人工智能教育在内的多个主题的教育。在联邦政府的教育计划中，人工智能的知识和教育越来越受到重视。联邦政府在人工智能劳动力发展的若干个主要作用包括，支持的研究生，资助人工智能课程设计和影响的研究经费，并授权人工智能教育计划。&学校和大学的角色学校和大学通过全美教育系统整合人工智能、数据科学和相关领域的角色是必不可少的，能够发展可以解决国家优先事项的劳动力。教育机构正在各个层次建立和培养人工智能。大学、学院、甚至中学，都正在扩大人工智能和数据科学课程，但该领域仍需要更多的课程和教师。学术机构的主要作用包括：? 打造和支持包括科学家、数据学家、数据库和软件开发人员、管理者、管理员和擅长数据科学的架构师在内的研究人员数量。? 通过强调软件开发过程中的人工智能方法、提供应人工智能课程应用、展示其它领域的人工智能应用。? 确保用户熟悉人工智能系统，满足整个产业、政府和学术界用户和机构的需求。? 通过种子基金、专业发展津贴、实习、奖学金和夏季研究经验支持培训。? 招聘和留住教师，因为工业工资增长速度比技术研究人员的工资更快。社区学院、两年制大学和证书课程在为学生和专业人士提供获得必要技能的机会，为他们时间和金钱的适度投资发挥了重要作用。这些机会可以让工人扩展他们的相关相关，资深人士重返工作岗位，失业人员找到再就业的出路。启用人工智能的世界需要拥有数据素养的公民，能够阅读、使用、解释和沟通有关数据，并参与受人工智能影响的问题的政策讨论。在小学或中学开始数据科学教育，可以帮助提高全国范围的数据读写能力，同时也帮助学生在高中毕业后准备更高级的数据科学概念和课程。人工智能教育也是计算机科学的组成部分，总统发起授权美国从幼儿园到高中的所有学生在数字经济时代学习计算机科学和具备计算思维技能，是因为他们需要成为创造者，而不仅仅是消费者。美国经济正在迅速转型，教育和商业领袖越来越多地认识到，计算机科学是经济机会和社会流动性所需的全新“基本技能”。家长、教师、学区、国家与私营企业的领导人正在各个层面努力推进计算机科学教育，这也是为人工智能推动的经济准备所需人才的途径。多元化挑战各行各业都面临着如何让人工智能劳动力实现多元化的挑战。人工智能劳动力缺失性别和种族的多元性，反映出科技产业与计算机科学领域缺少多元性。释放美国人民的全部潜力，特别是在科学、技术、工程和数学、创业、科技领域是本届政府的优先事项。在科学、技术、工程和数学领域增加、种族、少数民族员工，是计算机科学和人工智能领域的主要挑战。目前，只有18%的计算机科学专业毕业生是女性，而1984年时的峰值数据为37%。虽然缺少人工智能劳动力的持续统计数据，但一些统计数据是可用的。在2015年举办的每年最大规模的人工智能会议之一神经信息处理系统（NIPS）大会中，女性只占到参会人员总数的13.7%。在随后举行的一场机器智能大会中，此类问题再度出现，在这次会议中，TEXTIO首席执行官、联合创始人是唯一的参会女性。这家科技初创公司分析了78768个工程工作岗位，发现在机器智能领域更青睐于男性员工。多元化的挑战不仅限于性别。相对于所占人口的比例，非裔美国人、西班牙裔，和其他种族和民族在科学、技术、工程和数学，计算机科学，以及包括人工智能在内的科技领域的就业人数极为稀少。&许多提交给白宫科技政策办公室信息问询都提到了多样性的挑战。评论者集中讨论了多元化人口给人工智能带来的重要性。此举有助于避免专注于人工智能发展产生的负面影响，包括利用更广泛的经验，背景，和意见，避免开发算法偏见的风险。这些主题在公共研讨会期间也被广泛讨论。虽然人工智能员工队伍的多元化取得了一些成绩，但仍未达到人工智能员工发展的需求。━━━━━人工智能，自动化与经济&人工智能在短期内的核心经济影响，将是自动化以前无法自动化完成的任务。我们可以从自动化的新浪潮中学习一些先例和方法，其中人工智能将是不同的。政府必须了解人工智能的潜在影响，让政策和机构支持人工智能的好处，并降低成本。像过去的创新浪潮一样，人工智能将创造效益和成本。过去自动化浪潮的主要收获是提高了生产力，如今自动化浪潮并无不同之处。例如，2015年对17个国家机器人的研究发现，在1993年至2007年，它们让这些国家的年均国内生产总值增加了约0.4个百分点，占这些国家这段时间整体国内生产总值增幅的十分之一。过去自动化浪潮掀起的重要顾虑之一，是自动化可能以不同的方式同样影响到特定类型的岗位，减少对某些能够自动化完成的技能的需求，同时增加对其他能够向人工智能提供补充的技能的需求。白宫经济顾问委员会的分析认为，自动化将给低收入岗位带来最大的影响，而且人工智能推动的自动化将会增加低学历与高学历员工之间的收入差距，无形中增加了经济上的不平等。公共政策可以解决这些风险，确保工人能够再培训，能够成功的在互补的行业，而不是竞争行业任职。公共政策也可以确保由人工智能创造出的财富被广泛分享，并确保人工智能负责把全球经济引入新时代。━━━━━全球的考虑与安全&除去人工智能的长期挑战和与公平、安全相关的特定问题外，人工智能提出的政策问题还涵盖国际关系与安全等众多领域。国际合作在最近的国际讨论中，人工智能一直是感兴趣的话题，因为国家、多边机构和其他国家利益相关者已经开始评估好人工智能的好处与挑战。这些实体之间的对话和合作，有助于促进人工智能研发和引导人工智能向好的方向发展，同时也能够共同解决面临的挑战。随着国家、跨国机构和其他利益相关方开始评估人工智能的好处与挑战，在最近的国际研讨会中，在人工智能领域开展国际合作一直是感兴趣的话题。这些实体间的对话，能够帮助人工智能在医疗、自动化生产、信息和通信技术等领域的应用。人工智能应用也有可能解决全球问题，如灾害防备和应对、气候变化、野生动物贩卖、数字鸿沟、就业机会、以及智慧城市等等。 美国国务院预计，就人工智能相关的政策而言，隐私顾虑、无人驾驶汽车的安全、以及人工智能对长期就业趋势的影响将是国际社会关注的重点。为支持美国在该领域的优先外交政策--包括确保美国的国际领先地位和竞争优势--美国政府一直在与包括日本、韩国、德国、波兰、英国和意大利等国的双边及多边谈判中，讨论了人工智能研发和政策问题。联合国、G7、世界经合组织、亚太经济合作组织同样也开始讨论人工智能的国际政策和经济影响等问题。美国政府预计，人工智能将成为国际社会的热门话题。美国一直致力于与行业和相关标准组织，以行业为主导的方式，通过自愿、共同驱动、透明、开放和市场需求的原则，促进人工智能国际标准的发展。人工智能与网络安全今天的人工智能在网络安全领域已有重要的应用，并预计在防御和进攻性的网络措施中扮演越来越重要的角色。当前，设计和操作安全系统需要大量的时间和专家的关注。部分或全部自动化专家工作，能够在更广的系统和应用程序中增加安全性，并大大降低了成本，而且可以提高国家网络防御的灵活性。使用人工智能够帮助识别不断变化的威胁，并做出快速反应。未来的人工智能系统能够通过浩如烟海、千变万化、往往是不完整的可用数据源，预测分析网络攻击产生动态威胁模型。这些数据包括网络节点、链接、设备、架构、网络协议和网络。人工智能可能是解释这些数据、主动识别漏洞并采取行动，预防或减轻未来攻击的最有效方式。美国国防高级研究计划局主办的“网络大挑战”竞赛结果展现了这一方法的潜力。举办“网络大挑战”竞赛的初衷，是为了加速发展先进、自主系统，来在黑客利用漏洞攻击之前检测、评估、和修补软件漏洞。“网络大挑战”决赛在日举行。在决赛中由无人系统编写的所有代码，都已作为开放源代码对外发布，准许其他人对这些代码就行修改或是从中学习。人工智能系统也有自己的网络安全需求。人工智能推动应用程序应实施完善的网络安全控制，确保数据和功能的完整性、保护隐私和保密性、并保持可用性。最近发布的联邦网络安全研发战略计划强调，需要开发和运行“可持续的安全系统。”在网络安全上取得进步，对确保人工智能解决方案的安全，防范恶意网络活动将是至关重要的。最后，人工智能应当在遵守所有使用法律法规的前提下，通过有效支持、协调、整合、同步、指导等活动，来运营和保护美国政府网络和系统，并对私营网络和系统的安全运营提供援助。人工智能在武器系统中的应用人工智能在武器系统中的潜在用途提出了具有挑战性的问题。几十年来，美国在某些武器系统上拥有自主权，允许武器使用更高的精度，以及更安全、更人道的军事行动。然而，远离直接的人类控制的武器系统涉及到一些风险，并可能引发法律和道德问题。把自动和半自动武器系统纳入美国的国防计划，是为确保美国政府实体总是按照国际人道主义法行事，采取适当的步骤来控制扩散，并与合作伙伴和盟友制定相关的发展和使用此类武器系统的标准。美国积极参加了持续进行的致命自动武器系统的国际讨论，并预计会继续投身这些潜在武器系统的国际讨论。美国政府的各个机构正努力开发单一、政府范围内的政策，该政策将与国际人道主义法中与自动和半自主武器相关的法规相一致。━━━━━总结&如果工业，公民社会，政府，和公众共同努力，全面考虑人工智能技术的潜力并管理其风险，支持人工智能技术的发展，该技术有可能成为经济增长和社会进步的主要推动力。美国政府能够发挥几个作用。它可以召集关于重要问题的对话，帮助制定公共辩论的议程；它可以在人工智能的发展过程中监控应用的安全性和公平性，并调整监管框架，以鼓励创新，同时保护公众；它可以提供公共政策工具，以确保中断的手段和方法，让人工智能提高生产力的同时，避免对某些部门的劳动力产生消极的经济后果；它可以支持人工智能在公务物品中的基础研究和应用；它可以支持熟练、多元化劳动力；政府还可以利用人工智能以较低的成本更快、更有效地为公众服务。许多领域的公共政策，从教育到经济安全网，到国防、环境保护和刑事司法，都将看到新的机遇和挑战，推动人工智能的持续进展。美国政府必须继续提升自身能力，以了解和适应这些变化。随着人工智能技术的不断发展，从业人员必须确保带有人工智能的系统是可支配的，它们都是公开的、透明的、和可以理解的；它们可以有效地与人合作；它们的行动将与人类的价值观和愿景保持一致。研究人员和从业人员应增加对此类挑战关注度，并应继续专注于它们。开发和学习机器智能，可以帮助我们更好地理解和欣赏我们人类的指挥。如果使用充分，人工智能可以增强人类的智慧，帮助我们绘制出更好、更睿智的未来蓝图。关注“AI世代”（tencentAI）回复“白宫”即可获得报告PDF中文版腾讯科技开通知乎机构账号了！你敢翻牌，我就敢答猛击下侧“阅读原文”在知乎等你↓
绝密报告流出!美国已经把人工智能上升到国家战...
免责声明：本站文章除注明来源“北京联盟”外的文章均来自网络和网友投稿，著作权归原作者所有。北京联盟不承担任何连带责任！