人工智能治理应当起步

发布时间:2019.10.18来源:中国经营报浏览量:351次标签:数据治理

人工智能正在以前所未有的速度发展,大大超出了人们的预期,目前全球活跃人工智能企业达到了5000家左右。据相关预测,到2022年全球人工智能相关产品、服务和基础设施的价值将达到4万亿美元,将广泛地应用于汽车、医疗、交通、制造、金融等多个领域。
人工智能治理应当起步
我国人工智能起步早、发展快,预计到2020年我国人工职能产业规模将突破1600亿元,带动相关产业突破1万亿元。人工智能正在深刻地改变世界的方方面面,需要认真审视。

人工智能的本质是用机器模拟人的智能,人工智能的载体是机器,但其反映的是人的能力,是人类智慧的复制、衍生、升级。

毫无疑问,人工智能是新一轮科学技术的重大进步,从人类发展的历史来看,前几次重大的技术创新都无一例外加快了人类文明的进程,蒸汽、电气、计算机革命很大程度上延伸了人的体力和脑力,提升了人类的生活,增进了社会的福利。人工智能为社会描绘出了一幅美好的前景,机器的学习、思考、行动代替了人类的大部分活动,人们的休闲时间大大增加,一周工作3天,一天工作4小时,世界上再也没有“血汗工厂”,工人基本摆脱了工作时间的束缚,实现了高度自由。

但是人工智能出现后,伴随着兴奋的还有质疑和恐惧,因为人工智能不再是人的延伸,而是可以自我演进的,是相对独立的。这就决定了人工智能发展面临着巨大的挑战,除了技术上的挑战,更多的则是经济社会上的变革的挑战。

人工职能的前景是美好的,但要经历的阵痛也是不可避免的。一是结构性失业。如果说此前的科技革命中机器对人的取代是部分的,那么人工智能对人类的取代将是全面的。这就决定了人工智能所带来的机器对人的替代将是更广泛的,一些专门的、简单性的脑力劳动工作岗位将会在人工智能第一波发展中迅速被取代,《美国工厂》中的福耀玻璃已经在行动,可以预计,一些相对复杂的工作也将逐渐被取代,最后剩下来的只有一些需要创新思维的岗位。与这个过程相伴随的将是大量岗位的消失与失业,人工智能相关产业将会空前发达,吸纳越来越多的聪明的人在这个行业就业,但由于要求很高,就业数量将会受限,还需要探索一些全新的产业领域来开辟新的岗位。

二是贫富差距拉大。人工智能发展需要“烧钱”,其投入是巨大的、长期的,需要资本的持续注入,但是,在人工智能行业的资本将轻而易举地获得巨额回报,人工智能行业将会更多地获得社会整体利润的分配,财富迅速向少数人手上集中。《21世纪资本论》中所描述的“富者更富”的大趋势将得到空前加强。

三是数据治理。人工智能需要大数据来“训练”。机器如果没有捕捉到足够大的数据量,那么很难真正发挥人工智能的作用。当前人工智能的大量增长是由谷歌、百度、腾讯等消费互联网公司推动的,这些公司都有数亿的用户数据。这些海量数据如何保证用于正当的商业活动,如何保证不会被泄露和滥用,对数据治理提出了挑战。据预计,2019~2023年智能手机出货量将达到73亿,手机将成为日常生活中体验AI的方式,如何规范数据的产生、使用,将是一个重大的挑战。换脸应用“ZAO”热背后折射出了数据治理的缺失。

四是安全可控。由于人工智能具有自我学习、行动的功能,如何保证人工智能能够足够快地修复自身漏洞,如何保证人工智能不会“变坏”,从而真正实现安全、稳定与可靠。

虽然专用人工智能已经突飞猛进,但通用人工智能还处在起步阶段,从“专才”向“通才”发展还有很长的路要走。在人工智能的各种影响逐渐显现的时候,加强人工智能治理正当其时,我国应当抓住有利的“窗口期”,边发展边规范,为人工智能创造更加阳光的环境,注入更加强大的动力。

一是规划。规划不能仅仅停留在产业发展层面,要从整个社会宏观视角来规划。在国家层面上成立专门指导人工智能发展的委员会。选择人工智能行业的科学家、企业家,以及法律、经济领域的专家组成,对人工智能的发展进行规划和指导,形成具有中国发展特色的规范,定期向社会发布,引导人工智能发展的方向。目前,各地都成立了人工智能的发展基金,也出台了大量的支持政策,必须对支持的企业有明确的界定,支持的必须是有社会责任的企业,防止人工智能滥用从而偏离正常轨道。

二是转型。目前,国内很多大学都设立的人工智能专业,可以从招生上进一步增加数量,把更多的新就业人口转移到人工智能产业。同时,要加快改革再就业制度,加大财政投入,建立起更加完备的社会技能培训体系,编织就业安全网,把从人工智能替代的失业人员逐渐转移到其他就业岗位。

三是治理。对数据的生产、存储、使用、分析进行规范,在更高层次上建立制度,防止数据滥用,创造更加透明、开放、阳光的环境。对人工智能研究和应用方向从制度上逐渐予以明确,建立负面清单,及时动态更新管理,确保人工智能的发展始终围绕为了人类社会的幸福这个终极目标。
(部分内容来源网络,如有侵权请联系删除)
立即免费申请产品试用 预约演示
相关文章推荐
  • 谈谈工业企业数据治理建设的趋势

    谈谈工业企业数据治理建设的趋势

    工业企业数据环境复杂,数据类型多、产生速度快、数据量大、数据质量不高、数据人才匮乏,因此如何发挥和挖掘数据要素的价值成为当代企业关注的话……查看详情

    发布时间:2022.06.28来源:互联网浏览量:1027次

  • 着力提升工业数据资源管理能力,加快工业互联网创新发展步伐

    着力提升工业数据资源管理能力,加快工业互联网创新发展步伐

    工业互联网是第四次工业革命的重要基石,作为数字化转型的关键支撑力量,正在全球范围不断颠覆传统制造模式、生产组织方式和产业形态,推动传统产……查看详情

    发布时间:2019.03.07来源:数据管理浏览量:430次

  • 构建有效的数据科学团队

    构建有效的数据科学团队

    随着数据科学和人工智能几乎进入阳光下的每个行业,建立一个能够建立成功的AI项目的团队的挑战也是如此。对统计学家,程序员和沟通者完美融合的……查看详情

    发布时间:2019.03.15来源:亿信华辰浏览量:459次

  • 数据质量和数据治理之间有什么区别?

    数据质量和数据治理之间有什么区别?

    跟上无穷无尽的技术术语可能是一项艰巨的任务。松散定义的术语和行业特定的白话使水更加泥泞。特别是在数据管理方面,似乎许多单词也可以互换使用……查看详情

    发布时间:2019.07.04来源:知乎浏览量:569次

  • 金融行业数据治理的问题与对策

    金融行业数据治理的问题与对策

    银行数据治理工作不是个别部门或少数人员能够妥善完成的,而是需要各部门之间、各层级之间的相互支持与协作,尤其需要加强科技部门与业务部门之间……查看详情

    发布时间:2019.10.16来源:知乎浏览量:412次

  • 数据治理的重点领域:关注管理层调整

    数据治理的重点领域:关注管理层调整

    当管理者发现由于其对运营或合规工作的潜在影响而难以做出“常规”数据相关的管理决策时,这种类型的程序通常会存在。……查看详情

    发布时间:2019.03.19来源:亿信华辰浏览量:435次

  • 数据集成的原理

    数据集成的原理

    在Experian Data Quality上多次使用这个类比,但这仅仅是因为它在引用数据标准化时非常有意义。 数据标准化只是构建……查看详情

    发布时间:2018.12.29来源:数据治理浏览量:434次

  • 数据标准迎来“大考”,一个数据治理工具教各行各业轻松应对

    数据标准迎来“大考”,一个数据治理工具教各行各业轻松应对

    2020年6月22日-7月3日,国际电信联盟第十六研究组(简称ITU-TSG16)召开全体会议,来自中国、美国、德国、日本、韩国、巴西、……查看详情

    发布时间:2020.07.23来源:头条浏览量:433次

  • 数据质量问题的影响因素

    数据质量问题的影响因素

    数据质量反映的是数据的“适用性(fitness for use)”,即数据满足使用需要的合适程度。数据质量通过完整性、一致性、准确性、及……查看详情

    发布时间:2020.04.09来源:百度浏览量:890次

  • 2019—开启你的数据治理道路

    2019—开启你的数据治理道路

    如今,数字系统正在生产越来越多具有公认价值的数据,数据治理正变得越来越受欢迎和必要。然而,并非所有数据都被视为相同。……查看详情

    发布时间:2019.06.28来源:知乎浏览量:385次

相关主题
您点击 “提交”,表明您已理解并同意接受本网站隐私政策和用户协议