隨著 AI 技術的不斷發(fā)展和應用，我們似乎開始陷入一種尷尬的局面：我們既相信 AI 還有很大的潛能、可以在社會的許多層面起到幫助，同時我們也在 AI 的安全性、隱私、與人共處、長期發(fā)展等問題上陷入紛爭。

如果想讓 AI 技術持續(xù)發(fā)展、并讓 AI 為人類造福，整個領域需要在未來的幾十年里做什么？這個問題很難回答，尤其很難給出具體的操作建議。不過現(xiàn)在已經(jīng)有學術組織給出了一份深思熟慮的答案，US. Computing Community Consortium（美國計算社區(qū)聯(lián)盟，CCC）與 AAAI 學會共同發(fā)布了一份長達 108 頁的《A 20-Year Community Roadmap for Artificial Intelligence Research in the US》（未來二十年美國人工智能科研社區(qū)路線圖）報告，針對未來二十年的時間段，嚴肅、詳細地討論了當前 AI 遇到的挑戰(zhàn)、對未來 AI 遠景的展望、解決關鍵問題所需的科研重點，以及提出了一系列具體可執(zhí)行的操作建議。



這份路線圖報告的負責人是 AAAI 學會主席 Yolanda Gil 和候選主席 Bart Selman，參與 workshop 討論的更包括俄勒岡州立大學教授 Tom Dietterich 以及斯坦福大學教授李飛飛。

雷鋒網(wǎng) AI 科技評論把這份報告的主干內容總結如下。

前言

學術界和工業(yè)界已經(jīng)共同探索人工智能（Artificial Intelligence）長達幾十年的時間，這些探索也為工業(yè)界、政府、社會帶來了巨大的回報。當今的 AI 系統(tǒng)可以執(zhí)行多種語言的翻譯、識別圖像和視頻中的物體、優(yōu)化生產(chǎn)流程、控制汽車，等等。AI 系統(tǒng)的發(fā)展不僅僅創(chuàng)造了一個萬億美元產(chǎn)值的工業(yè)領域（預計這個領域在 3 年后還會翻 4 倍），也展現(xiàn)出了人們對公平的、可解釋的、可信任的、安全的 AI 系統(tǒng)的需求。人們希望未來的 AI 系統(tǒng)能有效地理解它們（和人類一同）存在并影響的世界，能有效地、符合道德地處理復雜任務和責任，能和人類建立有意義的溝通，并且通過經(jīng)驗積累的過程提升它們的認知。

如何完全發(fā)揮出 AI 技術的潛力是一個重大科研挑戰(zhàn)，它需要 AI 科研活動進行大幅改革，輔以大規(guī)模、持續(xù)的投資。下文就是 CCC 和 AAAI 對于未來 AI 發(fā)展的主要建議，隨之形成了未來二十年 AI 科研和發(fā)展路線圖。

AI 的社會影響

AI 技術有潛力為社會的各個組成部分帶來變革、持續(xù)的創(chuàng)新以及經(jīng)濟增長。但同時，具備這些能力的系統(tǒng)的安全性、可靠性如何，人們還有許多擔憂；在未來 AI 發(fā)揮巨大作用的世界中，人類的工作將會有何變化也有擔憂。這份路線圖中分以下六個領域描繪了 AI 帶來的益處：

1. 提高人類健康水準、提升生活品質
2. 提供終身的教育與培訓
3. 重新設計商業(yè)創(chuàng)新與競爭力
    
4. 加速科學發(fā)現(xiàn)和技術創(chuàng)新
5. 拓展基于實證的社會機遇與政策
6. 革新國防與安全

路線圖中也通過清晰的小故事介紹了 AI 創(chuàng)新將會如何影響個人、組織團體以及整個社會。潛在的 AI 創(chuàng)新包括健康監(jiān)控及顧問、精神與行為健康教練、更好的遠程教育、更快捷有效的自然災害響應、更快的礦物資源勘探、水資源的準確模型、敏捷的跨學科醫(yī)學科研、個人設備的商業(yè)創(chuàng)新、供應鏈延遲的解決方案，以及有自我恢復能力的互聯(lián)網(wǎng)系統(tǒng)。所有這些創(chuàng)新都需要在 AI 的關鍵領域做出大范圍的基礎科研進步。

實現(xiàn)社會益處所需的優(yōu)先科研目標

智慧集成（Integrated intelligence），包括：訂制組合模塊化 AI 技能所需的基礎規(guī)范，開發(fā)為特定用戶需求確定所需通用能力的方法，建立機器可以理解的開放世界知識庫，以及理解人類的智慧，以便啟發(fā)更多的 AI 創(chuàng)新以及建立人類認知的模型。

有意義的交互（Meaningful interaction），包括：探索能讓混合組隊的人類和機器之間進行有效合作的技術，在保護隱私的同時合并多種不同的溝通模態(tài)（語言、視覺、感情），負責任、可被信任的行為，而且可以被用戶直接引導，以及讓人類和 AI 系統(tǒng)在網(wǎng)絡中和真實世界中都可以充分互動。

自我認知學習（Self-aware learning）：發(fā)展魯棒的、可信賴的學習，量化不確定性和可持續(xù)性，從小數(shù)據(jù)中學習、根據(jù)指導學習，把先驗知識集成到學習中，從數(shù)值數(shù)據(jù)和觀察中建立因果模型和可操作模型，為內部感知和行為學習實時動作。

當前 AI 發(fā)展狀況中的挑戰(zhàn)

針對路線圖中的活動，我們可以列舉出面臨的幾個挑戰(zhàn)。

首先，這個領域已經(jīng)從最初對算法和理論的學術性關注前進到了持續(xù)數(shù)據(jù)收集+交互社會實驗+大規(guī)模世界知識的工業(yè)化階段。在此基礎上，科技工業(yè)界利用大規(guī)模資源（包括數(shù)據(jù)集、知識圖、專用計算機以及大批 AI 工程師）推動了許多創(chuàng)新。

然而，應對上述的優(yōu)先科研目標需要適當?shù)馁Y源，需要能夠支持能具前瞻和實驗性的科研。如果沒有合適的資源，學術 AI 研究將會受到限制；而如果學術界無法給基礎問題給出回答，工業(yè)界的 AI 應用所能做出的創(chuàng)新也會很有限。它們面對的限制、激勵和時間表也大有不同：工業(yè)界很大程度上由實際的、短期的解決方案驅動，而學術界追尋的是很多基礎性的、長期問題的答案。

除此之外，這些 AI 挑戰(zhàn)不僅可以在計算機科學、計算機工程學的各個部分看到，也為認知科學、心理學、生物學、數(shù)學、公共政策、道德、教育、溝通等更多領域帶來了挑戰(zhàn)。人才短缺也是當前 AI 生態(tài)系統(tǒng)中存在的一個關鍵問題：對 AI 專家的需求已經(jīng)遠遠超過了供給，而且如果我們不做點什么的話這個缺口只會越來越大。許多 AI 教職人員都已經(jīng)被企業(yè)里獨特的數(shù)據(jù)和豐富的資源吸引而離開了學校，亞洲、歐洲的數(shù)十億美元規(guī)模的 AI 投資也吸引了美國的博士畢業(yè)生前去工作。

最后，關于 AI 系統(tǒng)的安全性、易被攻擊、AI 道德以及 AI 對未來人類工作的影響也有許多擔憂。

建議

克服這些挑戰(zhàn)需要 AI 科研活動進行重新創(chuàng)新，創(chuàng)造更加綜合性的國家級 AI 基礎設施，并且重新思考 AI 時代的勞動力應當如何培養(yǎng)。以此為目標，本路線圖提出以下的具體措施建議：

一，創(chuàng)建并運營一個國家級的 AI 基礎設施，它通過下面四種緊密連接的能力服務學術界、企業(yè)界以及政府：

• 開放 AI 平臺以及資源：收集大量可以 AI 所需的資源，包括準確的高質量數(shù)據(jù)集、軟件、知識庫、軟件測試環(huán)境、機器人測試環(huán)境，可以隨時供學術科研使用，也可以供企業(yè)和政府使用
   
• 持續(xù)的群體驅動的 AI 挑戰(zhàn)：AI 科研群體自發(fā)提出的、不斷更新、不斷升級的科研問題，這同時也是對開放 AI 資源庫的持續(xù)更新和升級
   
• 國家級 AI 科研中心：多所高校合作建立的科研機構，提供必需的資金和基礎設施支持數(shù)百名教職員工、200+位 AI 工程師、500+位學生進行長期的 AI 科研研究。這里也就可以同時成為學生的訓練場所以及學術界、工業(yè)界、政府人事的學術訪問目的地。
• 目標驅動的 AI 實驗室：社會中不同歸屬的 AI 實驗室有極大潛力產(chǎn)生巨大的社會影響。AI 科研人員可以在這里接觸到獨特的數(shù)據(jù)和領域知識，比如 AI 醫(yī)療、AI 家具、AI 學校。這些實驗室可以和國家級 AI 科研中心建立緊密合作，可以提出要求、協(xié)助科研并轉化科研成果。這些實驗室對于 AI 技術研發(fā)、AI 傳播、勞動力訓練都能起到關鍵作用。可以由政府提供資金，支持 50 位數(shù)量級的長期的 AI 研究員、50 位訪問學者、100-200 位 AI 工程師與技術人員，以及 100 位領域專家和普通工作人員。

二，重新思考以及訓練 AI 時代的勞動力。在上述的國家級 AI 基礎設計基礎上：

• 開發(fā) AI 基礎設施級別的 AI 課程：設計能激發(fā)對 AI 的早期興趣以及了解的課程，從幼兒園開始并不斷拓展，持續(xù)到本科以及研究生課程中
• 為高等 AI 學位建立雇傭和留存機制：允許有才干的學生獲得較高的學位，為博士學歷的研究人員設計留任機制，為 AI 課程教職人員設立額外的資源支持
   
• 增強弱勢群體的活力：為 AI 科研領域引入更多潛在人才
• 激勵正在萌生的跨領域 AI 學科：鼓勵學生和科研領域更多地考慮跨學科的 AI 研究，比如 AI 安全工程、AI 社會影響分析；這同時也能幫助建立能完全理解 AI 方方面面影響的勞動力群體以及科研生態(tài)
• 強調 AI 道德和政策：在 AI 系統(tǒng)的設計和運行中注重引入人類道德以及相關的責任準則
• 訓練技術熟練的 AI 工程師及技術人員：在國家級 AI 基礎架構的基礎上對不同級別的 AI 人才培訓體系提供支持，包括社區(qū)大學、在職培訓、職業(yè)資格證以及在線學位

三，基礎 AI 科研的核心規(guī)劃非常重要。這個路線圖中描繪的資源和行動不應該取代當前的 AI 科研資金開源模式。
這些為 AI 科研、為培養(yǎng)年輕研究員、為集成 AI 科研和教育、為集結不同領域合作提供成熟廣泛的支持的核心規(guī)劃是本路線圖中描繪的更多行動的關鍵組成部分，而它們本身也需要更全面的支持。

以上所有都需要都需要在本路線圖描繪的二十年間有大規(guī)模的、持續(xù)的政府投資，不過收益也將會是革命性的。這些建議不僅僅是為跨領域、面向未來、推動科學技術與經(jīng)濟進步的研發(fā)提供了落腳點，也考慮到了安全、可靠性、政策、道德等等問題。這個路線圖中的建議還能夠幫助最優(yōu)秀的人才們更長期地留在富饒的科研土壤中，在這個至關重要的技術領域里創(chuàng)造豐富的人類智慧成果 —— 這也是對社會、經(jīng)濟的又一個重要好處。

總結

這個路線圖嘗試從多個角度、多個相關學科視角指出未來二十年中的優(yōu)先 AI 科研目標，也是團體合作的成果。這些優(yōu)先 AI 科研目標的判斷來自于 AI 在健康、教育、科研、創(chuàng)新、公平、安全等領域的潛在益處的詳細分析。整個路線圖文檔的編排圍繞著三個重點領域：智慧集成系統(tǒng)、支持有意義的互動、以及發(fā)展自我認知學習。本路線圖中提出的方案將領導這個領域走向用于創(chuàng)新的 AI 科研新時代，以便解決長期存在的以及跨學科的問題。

與這些科研重點一同，來自 AI 界共同體的發(fā)現(xiàn)和討論帶來了具體的操作建議。這些發(fā)現(xiàn)揭示了基礎設施、教育、勞動力能力等方面的重大阻礙因素，也為新的國家級 AI 基礎設施、勞動力培訓方案提出了建議，它們將能夠為 AI 研發(fā)的整體圖景帶來顯著的、變革式的影響。這些投入將極大地加速 AI 技術的發(fā)展和應用，并對整個社會的方方面面產(chǎn)生長遠的影響。

這份長達 108 頁的報告已經(jīng)同步公開發(fā)表在 arXiv（1908.02624），歡迎感興趣的讀者下載閱讀。
雷鋒網(wǎng) AI 科技評論報道。

來源 | 雷鋒網(wǎng)
作者 | 楊曉凡