这份报告是“人工智能百年研究”（AI100）系列中的第一份，旨在调查人工智能（AI）领域及其对人类、社区和社会的影响。报告关注2030年北美典型城市的人工智能及其影响，并评估了人工智能在过去15年中的进展，展望了未来15年的潜在发展，同时描述了这些进步所带来的技术和社会挑战和机遇。

主要发现：

• 人工智能的定义和演变：人工智能被定义为“致力于使机器智能化，而智能是使实体在其环境中适当地、有远见地发挥作用的品质”的活动。人工智能领域不断发展，新的技术不断涌现，一旦技术变得普遍，它就不再被认为是“人工智能”，这种现象被称为“AI效应”或“奇怪的悖论”。


• 当前进展与未来展望（2030年）：


• 交通：自动驾驶交通将变得普遍，并可能重塑城市景观，减少对私家车的需求，并改变通勤模式。例如，报告指出，“随着汽车比人类驾驶员更擅长驾驶，城市居民将拥有更少的汽车，住得离工作更远，并以不同的方式利用时间，从而带来全新的城市组织。”


• 家庭/服务机器人：家用机器人（如扫地机器人）的功能将通过更好的芯片、低成本3D传感器、基于云的机器学习和语音识别得到增强。然而，技术限制和可靠机械设备的高成本将限制其在可预见的未来仅限于狭义应用。


• 医疗保健：人工智能应用有望显著改善健康结果和生活质量，主要通过临床决策支持、患者监测、辅助设备和医疗系统管理。关键在于获得医生、护士和患者的信任，并消除政策、监管和商业障碍。


• 教育：人工智能将通过提供大规模的个性化教学来增强各级教育，例如智能辅导系统和在线学习平台。报告提到，“虽然高质量的教育始终需要人类教师的积极参与，但人工智能有望在各个层面提升教育，特别是通过大规模的个性化。”


• 低资源社区：人工智能可以通过数据挖掘和机器学习提供解决方案，帮助政府机构有效利用有限的预算解决铅中毒预防、食品有效分配等社会问题，但需要建立社区信任。


• 公共安全与安保：城市将越来越多地依赖人工智能技术进行监控、金融欺诈检测和预测性警务。然而，这引发了关于公民自由和偏见系统化的担忧。报告强调，“预测性警务工具引发了无辜者被不公正地针对的幽灵。”


• 就业与工作场所：人工智能将替代某些任务而非全部工作，并创造新的就业机会。报告指出，“人工智能可能在短期内替代任务而不是工作，并且还会创造新型工作。”但对劳动力的整体影响（包括对技能需求的转变和财富分配）需要社会政策的响应。


• 娱乐：人工智能已经通过社交网络和内容推荐改变了娱乐，并将在未来提供更具互动性、个性化和引人入胜的体验。然而，这也引发了对人际互动减少的担忧。


• 政策与伦理考量：


• 信任与接受度：人工智能系统必须以建立信任和理解的方式引入，特别是对于自动驾驶汽车和医疗保健等关键领域。


• 偏见与公平：人工智能应用及其所依赖的数据可能反映设计者和用户的偏见，从而加深现有的社会偏见，例如语音识别技术对女性或特定口音用户的表现不佳。


• 隐私与监控：广泛的监控和预测能力引发了对个人隐私的担忧。


• 责任与问责制：当人工智能系统造成损害（例如自动驾驶汽车发生事故或智能医疗设备失灵）时，如何分配责任是一个复杂的法律问题。


• 就业与社会安全网：人工智能对就业的影响将需要社会政策来保护受影响的工人，并考虑如何公平分配人工智能创造的财富。

第一节：什么是人工智能？

过去15年，人工智能取得了显著进展，从学术研究领域转变为影响日常生活的技术。主要驱动因素包括：

• 机器学习的成熟：特别是“深度学习”的进步，它基于人工神经网络，能够处理海量数据集并进行大规模计算。


• 云计算资源的兴起：为大规模数据处理提供了必要的计算能力。


• 传感器技术的进步：提高了基本操作（如感知和物体识别）的硬件性能。


• 数据驱动产品的新平台和市场：以及经济激励刺激了研究进展。

当前热门研究领域：

• 大规模机器学习：致力于处理超大规模数据集的算法设计和扩展。


• 深度学习：在计算机视觉（如图像、视频识别）、音频、语音和自然语言处理方面取得突破。


• 强化学习：将机器学习的重点从模式识别转向经验驱动的序列决策，并在AlphaGo击败人类围棋冠军的案例中展现了实际成功。


• 机器人学：关注如何训练机器人以通用且可预测的方式与世界互动，以及如何实现物体操作和人机交互。


• 计算机视觉：深度学习的兴起极大地改变了这一领域，使计算机在某些视觉任务上能够超越人类。


• 自然语言处理（NLP）：与自动语音识别相结合，正迅速成为主流语言的通用技术，研究正转向开发能够进行对话而非仅仅响应程式化请求的系统。


• 协作系统：研究使自主系统能够与人类和其他系统有效协作的模型和算法。


• 众包与人机协作：探索利用人类智能来解决计算机无法很好解决的问题，例如维基百科和Amazon Mechanical Turk。


• 算法博弈论与计算社会选择：关注人工智能的经济和社会计算维度，例如如何处理可能不一致的激励机制。


• 物联网（IoT）：研究如何互联各种设备（如电器、车辆、摄像头）以收集和共享感官信息，用于智能目的。


• 神经形态计算：旨在模仿生物神经网络以提高计算系统硬件效率和鲁棒性的技术。

第二节：人工智能在各领域的影响

本节详细阐述了人工智能在北美典型城市八个重点领域（交通、家庭/服务机器人、医疗保健、教育、低资源社区、公共安全与安保、就业与工作场所、娱乐）中的影响和未来趋势。

交通：

• 进展：GPS、车载传感器和高级驾驶辅助系统（如自动泊车、自适应巡航控制）已广泛应用。自动驾驶汽车（如Google和Tesla）已在城市道路上行驶，在感知任务上接近或达到人类水平。


• 未来展望：2030年，自动驾驶汽车将普及，包括卡车和飞行器。这将减少交通事故死亡和受伤，改变通勤习惯，并可能重塑城市规划（例如减少停车需求）。共享出行服务也将利用自动驾驶汽车。


• 挑战：确保自动驾驶技术安全可靠，防止网络攻击，解决事故责任归属的伦理和法律问题。此外，大规模数据的使用也引发了隐私担忧。

家庭/服务机器人：

• 进展：扫地机器人（如Roomba）已进入家庭，其AI能力（导航、充电、障碍规避）随处理器性能提升而增强。


• 未来展望：未来15年，家庭机器人将受益于片上系统（SoC）的进步、云端机器学习和低成本3D传感器。特种机器人将用于包裹递送、办公室清洁和安保。


• 挑战：可靠机械设备的高成本和技术限制仍将商业机会限制在狭义应用。新的伦理和隐私问题可能随着机器人与人类互动增多而出现。

医疗保健：

• 进展：个人监测设备、移动应用和电子健康记录（EHR）提供了海量数据。外科机器人（如达芬奇系统）已广泛应用，提供了手术过程的新数据平台。


• 未来展望：人工智能将通过临床决策支持、患者监测和教练、自动化医疗设备以及医疗系统管理来改善健康结果。人口层面，人工智能能够实现更精细、更个性化的诊断和治疗。


• 挑战：需要获得医护人员和患者的信任；过时的法规和激励结构阻碍了创新；隐私保护的缺乏；FDA审批创新诊断软件的速度缓慢；医疗机构之间数据共享的障碍。

教育：

• 进展：教学机器人套件（如Lego Mindstorms）普及。智能辅导系统（ITS）用于语言、数学等学科的个性化教学。自然语言处理和机器学习推动了大规模开放式在线课程（MOOCs）和在线学习。


• 未来展望：人工智能技术将显著扩展智能辅导和虚拟现实在课堂和家庭中的应用。AI将帮助教师进行个性化教学，并模糊正式教育与自定进度学习之间的界限。


• 挑战：学校和大学缺乏资金和可靠证据证明技术有效性。在线学习可能减少面对面社交互动，引发社会发展担忧。

低资源社区：

• 进展：人工智能已被用于“数据科学造福社会”项目，例如预测性模型帮助政府机构解决儿童铅中毒预防和食物有效分配等问题。


• 未来展望：通过有针对性的激励和资金支持，人工智能有望解决低资源社区的需求，并可能帮助传播健康信息。


• 挑战：传统上，缺乏商业应用的人工智能研究投资不足。需要谨慎防止人工智能系统复制歧视性行为，并建立社区信任。

公共安全与安保：

• 进展：人工智能分析已被用于检测信用卡欺诈和网络安全。摄像机和无人机用于监控。预测性警务工具（如CompStat）已被许多警察部门使用。


• 未来展望：2030年，北美城市将大量依赖人工智能进行犯罪预防、调查和资源分配。人工智能有望帮助消除或减少人类决策中的偏见。


• 挑战：引发对隐私和公民自由的担忧，特别是预测性警务工具可能导致无辜者被不公正地针对。需要避免在数据集和算法中引入偏见。

就业与工作场所：

• 进展：数字技术（包括企业资源规划、信息处理等）已对就业产生深远影响，通常影响中等技能工作。


• 未来展望：人工智能将替代任务而非全部工作，并创造新型工作。报告预测，“人工智能将逐渐侵入几乎所有就业领域，要求人类劳动力转向计算机能够接管的工作之外。”这可能导致财富分配不均。


• 挑战：难以预测新工作类型，工人可能面临失业或技能过时。需要社会安全网、教育和再培训政策来应对经济结构性变化，并就人工智能创造的财富如何共享进行社会辩论。

娱乐：

• 进展：互联网的爆炸式增长（由AI驱动）使用户生成内容成为主流。社交网络、流媒体服务和推荐算法（如协同过滤）改变了娱乐消费。


• 未来展望：人工智能将使娱乐更具互动性、个性化和沉浸式。虚拟现实、触觉技术和具有情感、同理心、适应环境节奏的对话式伴侣机器人可能进入家庭。


• 挑战：引发对人际互动减少的担忧。内容个性化可能导致“大哥”式媒体集团对个人在线体验和观点进行微观控制。

第三节：人工智能公共政策前景与建议

人工智能应用的成功衡量标准是它们为人类生活创造的价值。政策应旨在促进人工智能的易用性和适应性，同时解决其固有的错误和失败。

关键政策考量：

• 理解与信任：设计能够解释决策并允许人类参与的AI系统有助于建立信任。管理好用户期望至关重要。


• 能力与适应：AI可能导致某些人类技能的萎缩，但也促使人类专注于机器不擅长的任务（如复杂推理、创造性表达）。年轻一代对AI的接受度可能高于老一辈。


• 公平与偏见：AI技术和数据可能加剧社会不平等，或反映设计者和用户的偏见（如性别或口音歧视）。然而，精心设计的AI工具也有潜力减少人类决策中的偏见。


• 隐私与监控：AI驱动的监控和预测能力引发了广泛的隐私担忧。关于偏见和隐私的辩论将持续并难以快速解决。


• 财富分配：AI创造的巨大财富可能集中在少数大型公司手中，引发关于人工智能经济成果如何共享的社会辩论。报告建议“人工智能可以被视为一种截然不同的财富创造机制，其中每个人都应该有权分享世界人工智能生产的财富的一部分。”

政策建议：

1. 在各级政府积累人工智能技术专长：有效的治理需要更多了解人工智能技术、项目目标和整体社会价值观之间相互作用的专家。缺乏专业知识可能导致错过有前景的应用或敏感应用未经充分审查就被批准。


2. 消除人工智能系统公平性、安全性、隐私和社会影响研究的障碍：应鼓励学术界、记者和其他研究人员对专有AI系统进行逆向工程和评估。现行法律（如《计算机欺诈和滥用法》和《数字千年版权法》的反规避条款）的某些解释存在歧义，阻碍了此类关键研究。


3. 增加对人工智能社会影响跨学科研究的公共和私人资金投入：社会在人工智能技术社会影响研究方面的投入不足。应将资金投向能够从多角度分析人工智能的跨学科团队，研究安全、隐私、公平等问题。