【智庫】麥肯錫 | 中美人工智慧競爭力比較研究

本文轉載自微信平台：智選堂

麥肯錫最近一篇長達20頁PDF的報告對AI當下的發展狀態進行了全面而細緻的介紹。文章從學術研究、演算法、數據、計算能力四個角度分析的AI實力。文章指出，AI 對發展事關重大，但是目前的致命要害是人才。文章最後為AI的發展提出了5個戰略建議：建立健全的數據生態系統；擴大傳統產業內 AI 的採用比例；加強專業 AI 人才的輸送等。作為頂級諮詢機構，麥肯錫的建議合不合理，歡迎留言評論。

人工智慧，或者說，讓計算機系統能完成那些一般與人類心智相關聯的任務的概念，已經從未來學家們的想象變成了當下的現實。2016年，AlphaGo擊敗李世石，向世界宣告了這樣一個信號——讓機器像人一樣思考，甚至在能力上超過人類，確實是可能的。

由於數據的收集和聚合，演算法以及處理能力的進步，計算機科學家在人工智慧上獲得了顯著的進步。此前，在這一領域，計算機系統此前只能經由編程來完成僵化的定義任務，現在，可以給它們一個更加通用的學習策略，讓它們可以開始使用新的數據輸入，而不需要經過專門的編程。如今，許多機器學習系統已經被用於商業應用。其應用數量巨大，並且採用率在各行各業，比如金融、醫療和製造業等，都有非常快速的上升。

由於能急劇地促進生產力的提高，AI 技術可能會對的經濟增長和其勞動力產生顛覆性的影響。麥肯錫今年早些時候預測，國內有一半的工作活動都會被自動化，這也讓成為世界上自動化潛力最大的國家。

數以億計的工人可能受到影響，由循規蹈矩的工作和可預測、可編程任務組成的工作特別容易受到衝擊。雖然對勞動力市場的影響在整體上會是漸進的，但在特定工作上，卻可能會帶來突變。AI 可能會讓一些工作崗位迅速消失。總體而言，人工智慧將凸顯數字技能的優勢，同時降低對中低技能工人的需求，從而可能會加劇收入不平等。

另一方面，AI 對生產力和對未來經濟的增長影響可能會和人口老齡化一樣重要。根據麥肯錫全球研究院的報告，AI驅動的自動化可以給經濟一個推動力，根據採用的速度可能會有所變化，但是每年基本可以增加0.8到1.4個百分點的GDP增長。

隨著的科技巨頭公司在研發上投入大量投資，已經成為全球領先的AI開發中心之一。其優勢包括大量的人口和多樣化的行業組合，具有產生大量數據和提供巨大市場的潛力。但需要聚焦在發展自己的創新能力。美國和英國目前正在進行更多有影響力的AI研究，而更強大的美國生態系統培育出了更有競爭力的AI創業公司。實現 AI 在的經濟潛力也取決於其實際應用 ：不僅僅是科技巨頭，還在於的傳統產業。實現這一目標需要在企業領導層形成戰略意識，提供技術指南，預測實施成本。

AI 本身的能力是讓人興奮的，並且潛力巨大，通過改進醫療、環境、安全和教育，能提升人類的生活。同時，AI同時也混合著複雜的道德、法律、安全問題，伴隨有隱私、歧視、信任和監管等難題。隨著逐漸AI引入社會，應該對此進行更廣泛的審慎治理。

雖然市場本身會推動AI的發展和採用，但正確的政策框架可以為增長創造一個健康的環境。有五大重要舉措可以構成 AI 戰略的基礎：1. 建立健全的數據生態系統; 2. 促進傳統行業對AI 的採用; 3. 加強專業AI人才管理; 4. 針對挑戰設立教育和培訓制度; 5. 並在公民和全球社會之間建立道德上和法律上的共識。

技術行業正在日益全球化。在AI的發展和治理領域具有領導國際合作的能力和機會，以確保這一突破性技術對全人類的普遍福利作出積極的貢獻。

計算機科學家在機器學習和深度學習方面取得了重大突破，為機器提供了認知和預測能力。今天，這些系統已經在現實世界中部署。

AI 被定義為能夠模仿通常與人類心智相關的認知功能的機器。這個概念長期以來一直都被認為只存在於想象和科幻小說中，在20世紀50年代和60年代獲得了一些初步的理論進展之後，圍繞其的樂觀心態開始上升。但那波動動力面臨著技術上的障礙。

隨著公眾對AI的期望破滅，當時的AI 經歷了一段漫長的黯淡時期。隨後的幾十年，人們又斷斷續續地獲得了一些成功（如IBM的「Deep Blue」超級計算機在國際象棋中擊敗了Gary Kasparov），但現實世界的用例過於孤立，無法支持大規模商業化。

進入二十一世紀。數據的收集和聚合，計算能力和演算法（特別是機器學習）的突破帶來了革命性的技術進步。在一個廣受關注的里程碑性的事件，Google的AlphaGo在圍棋上擊敗了人類世界冠軍，而這在傳統上被認為是機器無法做到的。

但是，在AI領域，進步不僅發生在理論層面。利用機器學習的分析工具是未來超智能系統的前身，其中許多已經出現市場上。在金融，醫療和製造等領域的採用正在迅速增長。全球 AI 風險投資資金從2012年的5.89億美元增長到2016年的超過50億美元。麥肯錫估計到2025年，AI 應用的總市場將達到1270億美元。

理解 AI 以及它能做什麼

傳統上，我們已經使用計算機的處理能力來更有效地產生輸出（例如，比人類可以執行更快更複雜的計算）。傳統的軟體程序一直以特定的指令編寫需要執行的任務。AI系統採取非常不一樣的方法。它們可以通過巨大的「大數據」集，挖掘出模式，聯繫和見解，而且它們也採用廣義的學習策略，這使得它們能夠適應新的數據輸入而不需要明確地重新編程。利用機器學習的系統具有歸納和決策能力，深度學習的出現更是將這種能力的邊界擴展得更遠。現在的機器學習系統能夠自己學習、發現和適應規則。

雖然深度學習最近的突破已經產生了可以在某些關鍵功能中匹配或超越人類智力的人工智慧系統，但是我們離「通用AI」 - 或者說可以像人類一樣執行全面的認知任務的機器還有一段距離。許多機器學習系統已經被用於特定的商業用途，並且應用程序是非常多樣的。他們可以為客戶提供服務，管理物流，監控設備，優化能源消耗，分析醫療記錄。最近麥肯錫全球研究所（MGI）的研究表明，機器學習技術在幾乎每個行業都有廣泛的應用。

要認識AI 的能力，從下面四個維度是一個不錯的方法：

• 感知

• 預測

• 指導方法（prescription）

• 綜合解決方案（與機器人、自動駕駛等技術的結合）

目前的商業化程度因各種AI功能而異。雖然具有感知和預測能力的系統已經投入市場，但更多的規範性工具和集成解決方案仍在開發中（圖1）。

圖1：AI 技術當下的商業化，麥肯錫認為，IBM 和訊飛的商業應用屬於感知技術。而百度和亞馬遜則是結合硬體的解決方案。

AI 的未來：艱難的挑戰與可能性

過去的技術進步主要是增強執行清晰劃定生產任務的能力。但是現在，AI使機器能夠做出反應和調整，以優化結果。結合物聯網（IoT）和機器人技術，它可以創建一個綜合的網路-現實世界。

目前的發展趨勢表明，AI技術最終將在更廣泛的環境和行業範圍內被全球接受，而最重要的成果之一就是處理長期以來一直由人類來完成的各種任務。 麥肯錫的報告分析了全球經濟800多個職業的2,000多個工作活動。在技術上看來，現在50％的工作活動都可以使用當前演示的技術進行自動化。

但技術可行性只是影響自動化步伐和程度的一個因素。其他還包括開發和部署具體應用，勞動力市場動態，經濟利益以及監管和社會接受的成本。考慮到這些因素，麥肯錫對自動化的研究表明，直到2055年，現在的一半工作活動才能實現自動化，但在這個時機上存在相當程度的不確定性。在積極採用的情況下，這種自動化程度可能早於20年，而在較晚的採用情況下，可能會在20年後發生。

沿著這一思路，AI 可以成為一個強大的工具，適用於一些社會的核心挑戰。在醫療方面，AI將大大增強我們分析人類基因組的能力，並為每個患者開發個性化和更有效的治療方法。它可以大大加快治癒癌症，阿爾茨海默病和其他疾病的過程。人工智慧系統可以大範圍分析天氣模式，提高能源效率，提高我們監測和應對氣候變化的能力。其可能性甚至是我們想象不到的，比如，AI系統可以有一天開拓對火星和外太空層的探索。

隨著的大科技企業紛紛推動在 AI 方面的研發，成了全球領先的 AI 研發中心。龐大的人口基數和多樣化的行業組合具有產生大量數據和形成巨大市場的潛力。廣泛採用人工智慧技術對未來的經濟增長至關重要，因為全國人口老齡化加快了對生產率增長的需求，包括更開放的數據環境和受到良好訓練的數據科學人才。但 AI 同時也提出了更複雜的社會和經濟問題，需要審慎的思考。

在 AI 發展中的位置

和美國目前是全球 AI 發展的領導者。僅在2015年，兩國在學術期刊上發表的 AI 相關的論文接近10,000篇，而英國，印度，德國和日本加起來才約相當於中美的半數。（數據來源：SCImago Journal & Country Rank, 2015）

AI 發展大部分是由私營的高科技企業推動的。在海量的搜索數據及多樣化的產品線的幫助下，的一些互聯網巨頭公司在圖像和語音識別等技術領域處於領先的地位。而且這些技術已經被融入它們的新產品中，包括智能助理，自動駕駛汽車，等等。

有理由對其在 AI 定義的未來的作用感到樂觀。龐大的人口能夠產生海量的數據，這是「訓練」AI系統的先決條件。也具有「範圍經濟」（economies of scope）的優勢：廣泛的行業為產品在市場部署提供了沃土。

但是，為了在這個迅速發展的領域保持前沿地位，仍需不遺餘力地努力，並最大限度地發揮這些技術的經濟潛力。需要專註於增強創新能力。例如，雖然學者比美國研究人員發表的 AI 相關的論文更多，但他們的論文產生的影響力並不及美英的研究者（見表2）。

表2：左圖按AI相關的論文數量排名，右圖按 H-index 排名。雖然發表了大量被廣泛引用的 AI 相關的論文，但論影響力仍是美英更大。在絕對引用方面排名第一，但去除自引（self-citation）后，美國更有優勢。

此外，還沒有形成如美國那樣的有生機的 AI 生態，體現在美國擁有比多得多的 AI 創業公司（見表3）。美國的生態系統是大型、創新而且多元化的（包括研究機構、大學以及私營企業），它的形成得益於矽谷的科技行業，具有難以複製的優勢。

表3：美國的 AI 創業生態系統比更強大。上圖顯示和美國在50家最大（按總融資額排名）AI 創業公司中的佔比，數據來自 CB Insight 發表的 AI 100 榜單。via： CB Insights; McKinsey analysis

數據

正如人類通過食物得到能量，AI 也不能在沒有穩定的數據來源的情況下運行。這些系統必須要有大量的數據，以供它們「訓練」，不斷改進和完善產出的結果。在數據方面，存在幾個問題可能阻礙的 AI 發展。

首先，的大技術公司通過它們專有的平台收集數據，在創建數據友好（data-friendly）的生態系統方面落後於美國，缺少統一的標準和跨平台的共享。第二，世界各國都發現，開放政府數據有助於私營部門的創新，但的公共部門開放的數據相對少（見表4）。最後，限制跨國的數據流動（data flows）也使處於全球合作中的不利地位。

表4：政府數據的開放度，在全球排名第93位。

說明：每個數據類別的評估要考慮對公共可得性（public accessibility）的10個因素，包括數據是否在線發布，是否免費，是否最新，以及是否機器可讀，等等。來源：Open Knowledge International, 2015; McKinsey Global Institute analysis

演算法

在應用層面，在演算法開發方面與其他國家相當。實際上，的研究者在開發用於語音識別和定向廣告的演算法方面已經取得突破。得益於全球的開源平台，企業能夠快速複製其他地方開發的最先進的演算法。

然而，在基礎研究方面落後於美國和英國。一個主要原因是人才短缺，招納人才對的 AI 發展至關重要。美國超過一半的數據科學家有10多年的工作經驗，而在，經驗不足五年的研究人員高達40％。

目前擁有不到30個專註於人工智慧的大學研究實驗室，僅靠這些實驗室無法輸出足夠的人才滿足AI行業的招聘需求。此外，的AI科學家在計算機視覺和語音識別等領域著力更多，相比其他專門領域不成比例。大學的 AI 項目也能得益於更高的數學和統計學要求，為在該領域保持全球領先付諸努力。此外也可以考慮改變提供科研經費的模式，以促進更多的創新。

計算力

計算力不是人工智慧商業發展的直接的瓶頸。隨著微處理（microprocessors）在全球市場得到廣泛使用，計算能力已經成為可以輕鬆獲得的東西。

但仍然不能忽視發展自己的先進的半導體、微處理器和高性能計算技術的重要性。計算能力是 AI 的基礎之一，具有戰略上的重要性。

歷來嚴重依賴國外的微晶元供應商。對某些類型的高價值半導體，幾乎完全依賴進口。但是，在2015年，美國政府禁止全球三大晶元供應商 Intel，Nvidia 和 AMD 向政府銷售高端超級計算機晶元。對核心技術供應實現更強的控制有助於提高在未來更廣泛地部署人工智慧系統的能力。

為了解決這個問題，政府在2014年發布了《國家集成電路產業發展推進綱要》和《製造2025》兩份政策性文件，而且政府設立了一個超過 200 億美元的基金做這件事。這些舉措已經開始取得一些成果。

專用處理器，例如可以進行大量複雜計算的圖形處理單元，對 AI 來說尤其重要。隨著IC業的發展，也應該對這類處理器的開發給予足夠的重視。

在人工智慧方面的戰略，重要的是要注意技術行業的日益全球化。AI 價值鏈的各個方面，從基礎研究，到應用開發，到硬體的製造，都涉及全球的協作。除了建立自己的數據生態系統，數據科學研究人才管道和半導體行業外，需要確保其 AI 行業建立在與全球市場融合的開放系統之上。

AI 發展對經濟的影響：在可以帶來0.8到1.4個百分點的GDP增長

AI 是加速生產力發展的一個重要機遇，也是解決人口老齡化的一個關鍵。但是，政策制定者也需要考慮AI 可能帶來的對勞動力市場的潛在破壞，並為此做好準備。

近幾十年來，隨著勞動力擴張推動經濟增長，的發展得益於「人口紅利」。但隨著人口老齡化，將會失去這種優勢。研究表明，該國的勞動適齡人口已經達到頂峰，並將在未來幾十年內繼續縮小。這個人口趨勢意味著在目前的生產力水平上將會很難維持經濟增長所需的勞動力。維持勢頭的唯一選擇是大幅度提高生產力增長。

AI可以部分縮小這一差距。 AI 系統可以通過幫助或替換人類來更有效地完成現有的工作活動來提高生產力。例如，英特爾在其晶元製造過程的同時收集大量數據以進行改進，而在過去，如果發生錯誤，該公司則主要依靠人力來對數據進行根本原因分析。但現在機器學習可以比人類快得多完成這個任務，演算法可以篩選關於每個晶元的成千上萬個數據點，以找出具有缺陷的那些中的常見模式。此外，AI 可以使工業機械，供應鏈，物流路線等過程更加有效。 AI應用程序可以通過預測故障，識別項目瓶頸以及將流程和決策自動化來創造卓越的效率。

經濟的很大一部分包括住酒店和飲食服務、製造業，農業和其他部門。根據MGI的報告，AI領導的自動化可以使經濟生產力提高，根據採用速度，每年可以增加0.8到1.4個百分點的GDP。

除了提升生產力以外，AI 的崛起還非常有可能會創造出新的產品和服務，進而催生出新的職業和生意。僅僅幾十年前，沒人可以想象，現在竟然有大量的工作與互聯網經濟有關，AI 也有類似的變革效應。

AI 有可能大幅度提高生產力增長，但這可能會帶來更大的收入差距。在客戶服務等角色中需要的人會越來越少。總體而言，人工智慧將會增加所謂「技能偏向型的技術變革」的趨勢，那就是數字技能將會有一個新的溢價，但與此同時，中低技能工人的需求就會減少。這可能會減少總勞動力需求。雖然平均收入可能會上升，但是兩極化會加大。 「數字鴻溝」可以表現為社會鴻溝。

總的來說，的勞動力可以被自動化的程度比世界上任何其他國家都要高。 MGI估計，51％的工作可以自動化，相當於3.94億全職員工。然而，即使在早期採用的情況下，約90％的工作活動將自動化，到2055年，要實現4-5％國內生產總值增長目標，仍可能面臨所需勞動力不足的情況。這將使會尋求更多的方法來提高生產率。

常規工作和可預測的、可編程任務將特別容易受到AI的替換。由於成本效益，中等技能工人可能首當其衝，而支付低的職位可能會持續更長時間。然而，這並不是說今天的高技能工作將完全免受破壞。有專業知識和經驗的專業人士（如醫生）執行的許多任務可能會自動化，這些工作可能會改變，更多地側重於個人互動。許多工作不會消失，但是他們的活動組合會發生變化，教育和培訓系統將需要做出相應改變。

最近美國政府的一份報告提出了未來可能會普及化的AI相關工作，分為四類：需要與AI系統一起工作以完成複雜任務的參與工作（如使用AI應用程序進行常規的護士病人檢查）; 開發工作，創建AI技術和應用程序（如資料庫科學家和軟體開發人員）; 監控，許可或維修AI系統的監督工作（如維護AI機器人的技術人員）; 以及響應AI驅動的範式轉變的工作（例如律師圍繞AI創建法律框架，或創建可容納自主車輛的環境的城市規劃者）。

AI 技術可以改善醫療、環境、安全和教育水平，具有增強人類福祉的激動人心的潛力。同時，由於它模糊了物理、數字和個人領域之間的界限，也引起了複雜的倫理、法律和安全問題。在將 AI 引入社會的過程中，應該採取謹慎的監管。

許多案例已經說明了 AI 在解決社會問題方面的潛能。人工智慧系統可以幫助科學家預測環境變化；例如，康奈爾大學正在使用這種能力預測棲息地的變化，以保護某些鳥類。AI 在醫療方面也具有廣泛的適用性。荷蘭政府正在使用它來確定某些患者人群的最有效的治療方法，並通過對數字化健康記錄的分析減少醫療失誤。在美國，拉斯維加斯正在使用這種技術進行公共衛生監測，利用社交媒體追蹤來確定疾病爆發的起源。

人工智慧系統還可以提高公共交通和交通系統的安全性和效率。有證據表明，無人駕駛車輛可以減少交通事故。阿里巴巴與杭州市政府合作，通過整合了 AI 技術的交通信號燈使城市交通更加智能化，減少了擁堵，在特定區域提升了 11% 的交通流量。AI 也被用來預測能源需求並管理能源消耗。早期的案例包括谷歌降低大量數據中心的能源消耗以及英國政府管理其電網系統激增的需求，顯示了 AI 技術能為公司和消費者節省數十億美元的可能性。

這些前所未有的能力提出了許多需要認真考慮的倫理和法律問題。 阿西莫夫著名的機器人三定律是第一次嘗試製定機器人與人類互動的基本準則。但是，AI 的出現引發的倫理問題更加微妙，潛在的影響也更大。

首先，在感測器和各種 AI 系統無處不在的世界里，企業會不斷收集個人數據——不僅使用數字設備，而且通過公共和個人的空間收集。在某些情況下，例如醫院，這類個人信息是非常敏感的。這引起了對誰應該擁有這些個人數據，可以怎樣分享，以及如何保護數據免受網路安全漏洞風險的質疑。

其次，AI 在進行決策時可能無意識地出現歧視。由於「現實世界」充滿了各種種族主義、性別歧視和偏見，所以饋送到演算法中的現實世界數據也具有這些特徵——當機器學習演算法那從有偏見的訓練數據中學習是，它們會內化這些偏見。

除了這些倫理方面的思慮，被社會採用的 AI 也將帶來很多法律方面的影響。例如，假如由於 AI 的決策發生了意外甚至犯下罪行，該歸咎於誰？誰擁有 AI 系統創造的知識產權？針對 AI 的強大能力，應該制定什麼規則？AI 的開發者有什麼合法權利和義務。這些以及其他許多問題都需要進行全面的辯論，以創建一個合理的法律和道德框架。

AI 領域的發展是真正全球性的。更進一步的發展將需要國際合作，以促進更廣泛地獲取數據，演算法，資本和人才。但隨著全球經濟數字化的增長，全球性治理（global governance）的許多方面仍然是真空。具有超過人類智力的自動化系統所帶來的許多倫理和安全問題不僅需要在國家層面，而且需要通過國際合作來解決。

此外，正如 AI 驅動的自動化可能在個別經濟體內創造一個雙層的（two-tiered）勞動力市場一樣，它可能會擴大全球的「數字鴻溝」（digital divide），而技術進步較慢的國家將更加落後。由於人口大量失業，一些人口快速增長，而且依賴勞動密集型的經濟發展模式的國家甚至可能面臨新的社會動蕩。

最後，計算機模擬工具已經在一些戰爭遊戲中得到廣泛應用，AI 將進一步提高這種模擬的準確性和能力。AI 的武器化是一個備受關注的方面。美國海軍的一份報告認為，隨著軍事機器人變得越來越複雜，應該更重視其自主決策能力的影響。史蒂芬·霍金、伊隆·馬斯克等1000多名人工智慧和機器人研究者已經簽署公開信，呼籲禁止 AI 戰爭，警告「自主性武器」（「autonomous weaponry）將帶來可怕破壞的可能性。AI 系統，如核能和核武器一般，可能需要有強力的國際協定，以確保其和平使用，維護全球安全。

的 AI 戰略：5大戰略建議

把今天的技術創新變成長期的可持續增長引擎，需要採取精心思考的戰略。政府應該奠定堅實的基礎，為 AI 發展提供有啟發性的目標，刺激私企的創新和新技術應用。戰略由強大的工業和經濟框架，教育框架，以及社會和國際政策框架組成。

工業和經濟框架

雖然AI的發展還處於早期階段，但技術似乎不太可能遵循線性增長軌跡。快速上馬的可能性迫切需要確保健全的產業政策。否則，將面臨偏袒激勵、過度投資和供過於求的風險，所有這些都會破壞價值。雖然市場將推動 AI 技術及其應用的發展，但正確的政策框架可以為增長創造健康的環境。

戰略重點1：建立健全的數據生態系統

豐富的數據是訓練 AI 系統、吸引人才和加速創新的關鍵因素。為了建立更強大的數據生態系統，可以設定和實施數據標準，開放公共數據，用於個體研發，並鼓勵國際數據流交換。

標準化是系統廣泛的數據共享和互動操作性的重要前身，將提高物聯網和人工智慧技術的價值。鑒於全國各地有可用潛力的數據量巨大，具有獨特的地位，需要帶頭確保中文數據標準得以推行。

對於特定行業的數據，政府可以呼籲現有的監管機構制定必要的規則。例如在美國，證券交易委員會在 2009 年授權所有上市公司必須以 XBRL（可擴展業務報告語言）格式披露其財務報表，從而確保公共數據具有機器可讀性。

為了提高可用數據的多樣性來支持人工智慧開發，政府可以開闢更多的公共數據集，並帶頭建立一些行業特定的數據集。除了推動 AI 行業的發展之外，這些舉措在提高公共服務質量和解讀新的政策方面也會產生益處。例如，紐約市市政府啟動了自己的開放數據門戶，讓公民獲得有關經濟發展、健康、娛樂、公共服務等方面的數據。紐約還於 2012 年頒布了一項開放數據法，要求政府處理機讀數據並建立 API（應用程序編程介面），使軟體開發人員能夠直接連接到政府系統並收集數據。

最後但並非最不重要的是，政府將需要考慮國際數據的價值。 MGI 研究發現，跨境數據在 2014 年為全球經濟貢獻了 2.8 萬億美元，對增長的影響比商品貿易的影響更大。 此外，數據的流入和流出都很重要，因為它們反映了全球經濟體的思想、研究、技術、人才和最佳實踐。數據是未來的貨幣。例如，在醫學研究中，如果不從世界各地大量臨床資料中獲取數據，就不可能實現 AI 的全部潛力。過多的壁壘可能會妨礙 AI 企業，妨礙其在國際市場上開發具有競爭力的產品。

戰略重點2：擴大傳統產業內 AI 的採用比例

在，實現 AI 在經濟中的全部潛力，取決於 AI 系統在傳統企業中的實際應用，而不僅僅是技術巨頭的應用情況。通過提高廣大生產單位的生產力，可以解鎖大量的價值。 但需要解決幾個關鍵的障礙。

需要克服的第一個障礙涉及到改變觀念，並創造一種需要改變業務運作方式的緊迫感。 根據麥肯錫調查顯示，AI 在傳統行業 40％以上的公司中尚不是戰略重點。因此，這些公司中有許多尚未掌握支持未來採用 AI 所需的數據。例如，農業類企業很少考慮記錄種植時間表或天氣對產出影響的詳細信息，但這正是 AI 系統可以用來發現寶貴見解和效用的信息。相比之下，英國、美國和日本已建設了全國信息系統，以捕獲這些數據，並將高級分析應用於現代農業管理。

第二個主要障礙是不懂技術。如上所述，將需要重點培養更多的數據科學家精英，特別是在 AI 技術短缺情況變得日益明顯的地區。但是，能夠將 AI 知識轉化為具有實際價值的真實應用的人才也不足。更多的企業領導和中層管理人員需要掌握技術技能，以及理解和應用數據的能力。一家類似英特爾這樣的晶元製造商認識到，製造和測試過程中產生的數據可以顯著改善操作並減少殘次品。但由於缺乏半導體和AI 知識方面的專家，該企業無法實施相應的戰略。

最後但並非最不重要的是，AI 的採用受成本的影響。 購買人工智慧系統並僱用需要發揮出最大價值的稀缺和專業人才，並不總是符合企業的成本效益。勞動力成本低的時候，使用技術來簡化人工流程就顯得不那麼緊迫了。

AI 能給帶來的最大經濟潛能是對傳統產業的革新。如果政府能夠幫助傳統行業降低採納 AI 技術的障礙，就能夠推動市場的增長。

為了促進 AI 技術的採用，決策者應著重幫助市場克服本文前面討論的三個主要障礙：缺乏戰略意識，AI 採用成本高於勞動力成本以及不懂 AI 技術。

其中一些問題可以通過傳統的稅收抵免和補貼手段加以解決。政府也可以考慮在政府機構內採用人工智慧系統。 這具有強大的後續效應，能夠助推市場啟動，對政府供應商產生支持效應，並通過積累技術經驗和人才，最終降低採用成本。

此外，鼓勵傳統產業採用物聯網（IoT）將為從 AI 採用中獲得更多價值奠定基礎，因為物聯網可以將感測器和設備的網路連接在一起，為 AI 系統提供大量現實世界的實時數據。政府可以重點在關鍵的經濟部門創造一些成功的物聯網故事，作為其「互聯網+」政策的補充，從而建立其他傳統行業可追隨的模式。

教育框架：人才對於開發和採用人工智慧至關重要。強大的人才金字塔應該有頂尖的科學家推動 AI 基礎技術的邊界，有許多開發人員能夠為現實世界環境創造人工智慧應用程序，還有大量能夠與在各種工作環境中與 AI 系統配合工作的工作人員。

戰略重點3：加強專業 AI 人才的輸送

為了解決 AI 人才的鴻溝問題，政府需要投資於 AI 相關的教育和研究項目，重新定位教育體系，更加註重創新和數字技能，制定移民政策，吸引全球最好的人才。

為了培養更多的計算機科學家精英，需要推進這項技術，政府可以投資創建人工智慧項目，並為頂尖大學的人工智慧研究實驗室提供資金。這可能包括在頂尖大學建立人工智慧中心，或贊助創新研究中心，促進大學、研究機構和私人公司之間的合作。韓國政府最近通過投資1萬億韓元（8.63億美元）與韓國領先的大企業聯合組建國家級公私合營 AI 研究中心，朝這個方向邁出了一大步。加拿大政府也做出了類似舉措，給蒙特利爾三所大學的 AI 研究計劃超過 2 億美元的投資。

我們採訪的很多專家認為，要重點建設更廣闊的創新文化，才能實現 AI 突破。解決這個問題的一個方法是引入大學課程，將 AI 與其他學科結合起來。頂尖的美國大學，如斯坦福大學和麻省理工學院，創建了將計算機科學與人文學科相結合的聯合專業，旨在開發新的世界觀，激發創造力。這一類型的計劃可以激發全球經濟領域的新型 AI 應用，涉及保健、法律、媒體等等領域。

投資大學項目會有長期的收益，因為人才是吸引國際企業的重要磁鐵。大型 AI 開發商越來越多地期望從學術界吸取人才。谷歌 DeepMind 的研究人員中有三分之二來自學術機構，例如倫敦大學學院、牛津大學和蒙特利爾大學。頂尖公司將自然會傾向於選擇擁有大量 AI 人才的城市。例如，蒙特利爾在 AI 領域聲名日隆，谷歌和微軟就都做出了回應，對該城市的大學 AI 實驗室進行了投資，並擴充了自己在當地的辦公室。

除了培養更多的本土人才外，還需要與來自世界各地的頂尖數據科學家合作，並參與到全球合作中區。 這包括積極招聘來工作的國際專家，鼓勵 AI 開發者走出去 ，吸收全球最新的研究成果。這可能要求政府放鬆一些居住和移民規定，並提供獎勵和支持。

戰略重點4：確保教育和培訓制度做好發展技術技能的準備，並重新培訓大量勞動力

雖然 AI 在整個經濟社會中被廣泛採用可能需要幾十年的時間，但需要為行業層面的快速顛覆做好準備。一些關鍵技術得到突破后的幾年內，某些工作可能會消失。大部分打字員、電話運營商和暗房膠片沖洗員已經消失，因為技術使這些崗位過時了。

幫助受影響較大的行業勞動力適應和獲得更多相關的新技能將成為維護公共福利和社會穩定的至關重要的持續挑戰。政府將需要主動確定最有可能自動化的工作，並確保向生活來源受到威脅的勞動力提供再培訓計劃。這些努力可能涉及與職業培訓學校密切合作，並向工人提供教育機會。

也將重點發展從長遠來看和 AI 相關的勞動力技能。這不僅包括構建未來數據科學家和工程師的輸送渠道，還要確保更多的員工能夠在各種業務和專業環境中與 AI 技術一起工作。必須在學校強調科學、技術、工程和數學; 即使是基礎教育和職業課程也需要培養數據素養。

由於許多常規工作的 AI 自動化有可能擴大數字鴻溝，因此政府更需要監管 AI 自動化對不平等現象的作用。其中一個方面是保證教育機會的平等獲得。這包括確保女學生和來自農村和內陸地區的學生能夠充分接收到 STEM 和 AI 的相關課程。

社會和國際框架：AI 的出現有可能深刻地改變社會。在國內和國際上都需要取得道德和法律上一些最緊迫問題的共識。

戰略重點5：建立公民和全球社會在道德和法律上的共識

在國內，達成共識需要透明、廣泛的磋商進程。這在一些法律領域，比如無人駕駛的車輛隱私保護和責任等，對於人工智慧的開發和採用是特別重要的。 立法機關需要提供一個框架來消除法律上的不確定性。

一旦制定了法律框架，政府就需要建立一個監督和監管人工智慧活動的監管機構。由於 AI 技術將被廣泛應用於各行業，這將需要多個行業的專業意見。例如，在衛生保健方面，不合理採納人工智慧技術的後果可能很嚴重; 國家衛生和計劃生育委員會在指導發展方面需要有強烈的聲音。

在國際上，可以帶頭組建一個理事會，促進 AI 技術的和平、包容和可持續發展。 這個國際機構的目標應該是監管人工智慧，建立標準和制定道德準則。

除了監管之外，也可以從經濟發展的角度出發。為了確保全球數字鴻溝不成為繁榮的永久性障礙，可以與弱勢國家分享其人工智慧技術和專業知識，從而形成一條 AI 的一帶一路。

AI 有可能從根本上塑造未來幾十年我們社會的樣貌。它是一個獨特的強大工具，能夠提高其生產力並保持增長勢頭。此外，有能力和機會在 AI 的發展和監管上引領國際合作，確保這一突破性技術為全人類的普遍福利做出積極貢獻。

《 召 集 令 》

身懷學術絕技的你速速前來！

1，有學術水準：一定的專業學術水準是必須的！

2，有獨到思想：具深度，廣度，銳度者為最佳！

3，內容範疇：自然科學，社會科學等等不設限！

4，資訊或翻譯類文章：符合上述條件的均可以。

聲明：版權歸原作者所有。文章觀點不代表本機構立場。