人工智能與人類生活研究報告

2030年的人工智能與人類生活2014年秋季，人工智能百年研究（OneHundredYearStudy）項目啟動，這是一項對人工智能領(lǐng)域及其對人類、社區(qū)、社會影響的長期學(xué)術(shù)研究。這項研究包含使用人工智能計算系統(tǒng)的科學(xué)、工程和應(yīng)用實現(xiàn)。監(jiān)督該「百年研究」的常務(wù)委員會（StandingCommittee）組建了一個研究小組（StudyPanel）來每五年評估一次人工智能所處的狀態(tài)——這是本項目的核心活動。本研究小組要回顧從上次報告到現(xiàn)在這段時間人工智能的進展，展望未來潛在的進展并且描述這些進展對于技術(shù)、社會的挑戰(zhàn)與機遇，涉及的領(lǐng)域包括：道德倫理、經(jīng)濟以及與人類認知兼容的系統(tǒng)設(shè)計等等?！赴倌暄芯俊苟ㄆ谶M行專家回顧的首要目標是：提供一個隨著人工智能領(lǐng)域發(fā)展的關(guān)于人工智能及其影響的收集性的和連通的集合。這些研究希望能在人工智能領(lǐng)域的研究、發(fā)展以及系統(tǒng)設(shè)計方面、以及在幫助確保那些系統(tǒng)能廣泛地有益于個人和社會的項目與政策上提供專業(yè)推斷上的方向指南及綜合評估?！赴倌暄芯俊故欠抡找粋€早期的被非正式地稱為「AAAIAsilomarStudy」的項目。在2008到2009年期間，當(dāng)時的美國人工智能協(xié)會（AAAI）的主席EricHorvitz聚集了一群來自這個領(lǐng)域不同機構(gòu)與方向的人工智能專家以及認知科學(xué)、哲學(xué)與法律相關(guān)的學(xué)者。參與者在分布的小組中研究近期人工智能的發(fā)展、長期的發(fā)展前途以及法律與道德上的影響，之后他們在Asilomar一起開了三天的會議，分享并討論了他們的發(fā)現(xiàn)。會議給出了其中密集討論的內(nèi)容的一份短的書面報告，并且由參與者與其他同事在后續(xù)的討論中充實；這份報告在領(lǐng)域內(nèi)以及之外引起了廣泛的關(guān)注與爭論。Asilomar會議的巨大影響以及人工智能的重要進展（包括人工智能算法與技術(shù)在全球范圍內(nèi)開始進入到日常生活中）刺激產(chǎn)生了對人工智能及其對人們與社會的影響進行長期反復(fù)研究的想法。這個百年研究項目隨后在一所大學(xué)中開始，這是為了延伸深度思考以及跨學(xué)科的學(xué)術(shù)研究，激勵創(chuàng)新并且給政府機構(gòu)與產(chǎn)業(yè)提供明智的建議。這篇報告是計劃持續(xù)至少100年的研究系列中的第一篇。常務(wù)委員會在2015年的暑期成立了一個研究小組來負責(zé)組建現(xiàn)在這個初始的研究小組，并任命了得克薩斯大學(xué)奧斯汀分校的教授PeterStone擔(dān)任該小組的主席。這個包含了17名成員的研究小組由人工智能學(xué)術(shù)界、公司實驗室以及產(chǎn)業(yè)界的專家與了解人工智能的法律、政治科學(xué)、政治以及經(jīng)濟方面的學(xué)者組成，并于2015年秋季中期啟動。參與者代表著不同的專業(yè)、地區(qū)、性別以及職業(yè)階段。常務(wù)委員會廣泛討論了StudyPanel相應(yīng)的責(zé)任，包括人工智能最近的發(fā)展與在工作、環(huán)境、運輸、公共安全、醫(yī)療、社區(qū)參與以及政府的潛在社會影響。委員會考慮多種聚焦研究的方式，包括調(diào)查子領(lǐng)域及其狀態(tài)、研究特定的技術(shù)（例如機器學(xué)習(xí)與自然語言處理）以及研究特定的應(yīng)用領(lǐng)域（例如醫(yī)療與運輸運輸）。委員會最終選擇了「2030年的人工智能與生活（AIandLifein2030）」為主題以強調(diào)人工智能的各種用途與影響的發(fā)生不是獨立于彼此，也不獨立于其他許多社會和技術(shù)上的發(fā)展。意識到了城市在大多數(shù)人類生活中的核心作用之后，我們將專注重點縮小到大多數(shù)人居住的大都市。常務(wù)委員會進一步將專注重點縮小到具有很好可變性的城市環(huán)境以及世界性文化的典型的北美城市，從而限制研究小組的工作量。常務(wù)委員會期望該研究中的預(yù)測、評估和預(yù)先的指導(dǎo)將具有廣泛的全球性的實質(zhì)作用；另外，委員會正在制定將這個項目擴展到國際上的未來研究計劃。既然做出了關(guān)注北美城市生活的決定，那么軍事項目就不在這篇最初的報告范圍中。這不是忽視細致監(jiān)控與審議人工智能在國防與戰(zhàn)爭（包括潛在地使發(fā)展和部署不平衡）上產(chǎn)生的影響的重要性。這篇報告計劃展現(xiàn)給四種讀者。對于公眾，本報告的目的在于提供一個可獲取的、在科學(xué)和技術(shù)上準確的對于人工智能當(dāng)前狀態(tài)及其潛力的描述。對于產(chǎn)業(yè)界，本報告描述了相關(guān)技術(shù)、法律以及道德上的挑戰(zhàn)，可能幫助指引資源再分配。本報告也可以幫助地區(qū)、國家、國際政府更好地規(guī)劃人工智能在政府中的應(yīng)用。最后，本報告能幫助人工智能的研究者以及他們的機構(gòu)和資助者設(shè)置優(yōu)先級，以及考慮人工智能研究及其應(yīng)用所產(chǎn)生的道德與法律上的爭議?？紤]到「百年研究」在人工智能上的獨特本質(zhì)，我們期望未來的常務(wù)委員會與研究小組，以及研究科學(xué)家、政策專家、私人與公共部門的領(lǐng)導(dǎo)以及普通民眾，在對人工智能的未來進行評估時能想到該報告。不管是否成功準確預(yù)測了人工智能的發(fā)展軌跡和影響，我們都希望這個系列中這一份初次成果是有用的。目錄概述電影和小說中描繪的人工智能主宰的可怕未來塑造了大眾對人工智能的想象，但這些都是虛構(gòu)的。在現(xiàn)實中，人工智能已經(jīng)在改變我們的日常生活了，而且基本上都是在改善人類健康、安全和提升生產(chǎn)力等好的方面。和電影不一樣，現(xiàn)在并沒有什么超人類的機器人正待到來，這甚至完全不可能。而且盡管濫用人工智能技術(shù)的可能性應(yīng)該得到承認和解決，但其中它們更大的可能性是讓駕駛更安全、幫助孩子學(xué)習(xí)和擴展及增強人類的生活。事實上，有益的人工智能應(yīng)用已經(jīng)在學(xué)校、家庭和醫(yī)院里開始了加速增長。大多數(shù)研究型大學(xué)也劃出了單獨的人工智能研究科系，蘋果、Facebook、谷歌、IBM和微軟等科技公司也在探索人工智能應(yīng)用上投入了巨資——他們將其視為未來發(fā)展的關(guān)鍵。即使好萊塢在將他們的反烏托邦人工智能幻想故事搬上熒幕時也用到了人工智能技術(shù)。基于計算機的視覺、語音識別和自然語言處理方面的創(chuàng)新是這些變化的驅(qū)動力，同時也將推動相關(guān)領(lǐng)域的科學(xué)和技術(shù)的發(fā)展。人工智能也正在改變?nèi)藗兣c技術(shù)的交互方式。許多人已經(jīng)習(xí)慣上了在他們的智能手機上進行觸控和對話。隨著人工智能系統(tǒng)學(xué)習(xí)對個人特點和目標的適應(yīng)，人機關(guān)系的未來將會變得越來越微妙、流暢和個性化。這些人工智能應(yīng)用將幫助監(jiān)控人們的生活狀態(tài)、警告人們前面的風(fēng)險以及提供人們想要的或需要的服務(wù)。比如，在北美一座城市的未來15年里——正是這份報告的時間框架和范圍——人工智能應(yīng)用將很有可能將交通交由自動駕駛汽車接管，實現(xiàn)人與貨物的實時接取和運送。光這一項就足以改變城市的整體面貌，因為再也不會有交通堵塞和停車困難的難題了。本研究刻意重點關(guān)注了典型的北美城市，旨在突出人工智能對城市中居住的數(shù)百萬居民的日常生活的影響。研究小組還進一步將調(diào)查范圍縮小到了8個人工智能可能將帶來最大影響的領(lǐng)域：交通（transportation）、醫(yī)療（healthcare）、教育（education）、低資源社區(qū)（low-resourcecommunities）、公共安全（publicsafetyandsecurity）、就業(yè)和工作場所（employmentandworkplace）、家庭/服務(wù)機器人（home/servicerobots）和娛樂（entertainment）。盡管人工智能技術(shù)來自于常見的研究資源，但這些技術(shù)已經(jīng)影響并將繼續(xù)影響這些不同的領(lǐng)域。其中每個領(lǐng)域都面臨著各種不同的與人工智能相關(guān)的難題，包括難以創(chuàng)造安全可靠的感知和作業(yè)硬件（交通和服務(wù)機器人）、難以獲得公眾的信任（低資源社區(qū)和公共安全）、難以克服對人類被邊緣化的恐懼（就業(yè)和工作場所）、以及還存在減少人際交往的風(fēng)險（娛樂）。其中一些領(lǐng)域主要是在商業(yè)方面，如交通和醫(yī)療，而另一些則更面向消費者，例如娛樂和家庭服務(wù)機器人。一些還是跨領(lǐng)域的，例如就業(yè)/工作場所和低資源社區(qū)。在每一個領(lǐng)域，即使人工智能在不斷帶來重要的好處，但同時也帶來了道德和社會上的問題，其中包括隱私問題。機器人和其它人工智能已經(jīng)在一些機構(gòu)里面替代人類工作了。作為一個社會，我們現(xiàn)在正處在一個確定如何部署基于人工智能的技術(shù)的緊要關(guān)頭，從而提振而不是阻礙民主的價值觀——例如自由、平等和透明。對于個人而言，我們生活的質(zhì)量和我們的貢獻所獲得的價值很有可能會逐漸發(fā)生轉(zhuǎn)變，但這些改變會很明顯。在接下來的幾年中，人工智能研究、系統(tǒng)開發(fā)和社會與監(jiān)管框架將會塑造人工智能的好處與其代價和風(fēng)險之間的權(quán)衡，以及這些好處如何散布的方式。人工智能的準確和精細的未來圖景——一個與其流行的描述相競爭的圖景——一開始就受到了難以精確定義「人工智能」這一問題的阻礙。在研究小組所考慮過的所有定義方法中，沒有一個認為現(xiàn)在存在某種「通用的」人工智能。盡管使用了共同的研究和技術(shù)，但人工智能系統(tǒng)都專注于完成特定的任務(wù)，而且其中每一種應(yīng)用都需要數(shù)年的專注研究和精心獨特的構(gòu)建。這也造成了這8個領(lǐng)域內(nèi)進展的不平衡。交通是其中一個典型的例子——其中一些關(guān)鍵技術(shù)讓人工智能以驚人的速度得到了廣泛的采用。自動化交通很快就將無處不在，并將成為大多數(shù)人與嵌入了人工智能系統(tǒng)的物理實體的第一次經(jīng)歷，并將極大地影響公眾對人工智能的感知。隨著汽車自己變成了比人類更好的司機，城市居民的私家車將會更少，也將住得離工作場地更遠，花費時間的方式也將發(fā)生改變，從而帶來一種全新的城市組織形式。在2030年一座典型的北美城市，嵌入了人工智能應(yīng)用的物理實體將不僅限于客車，還將包含貨車、飛行器和個人機器人。安全和可靠硬件的改進將會刺激未來十五年內(nèi)的創(chuàng)新，也將帶來更好的家庭/服務(wù)機器人——它們已經(jīng)進入了人們的家庭，目前主要是以真空吸塵器的形式。更好的芯片、低成本3D傳感器、基于云的機器學(xué)習(xí)和語音理解的進步將提升未來的機器人服務(wù)和它們與人類的交互。專用機器人將能夠遞送包裹、清潔辦公室和增強安全性。但在可預(yù)見的未來里，技術(shù)限制和可靠的機械設(shè)備的高成本將繼續(xù)將商業(yè)機會限制在定義狹窄的應(yīng)用范圍內(nèi)。在醫(yī)療保健方面，在收集用于個人監(jiān)控設(shè)備和移動應(yīng)用的有用數(shù)據(jù)上已經(jīng)出現(xiàn)了巨大的飛躍，這些數(shù)據(jù)來自醫(yī)療機構(gòu)的電子病歷（EHR），以及小范圍的用于輔助醫(yī)療手術(shù)的手術(shù)機器人和支持醫(yī)院運營的服務(wù)機器人。未來幾年，基于人工智能的應(yīng)用將能夠改善數(shù)百萬人的健康狀況和生活質(zhì)量。盡管臨床應(yīng)用從實驗室到真實世界的過程一直都較為緩慢，但有希望的跡象表明創(chuàng)新的步伐將得到提升。通過共享數(shù)據(jù)的激勵和機制以及去除無理的政策、法規(guī)和商業(yè)障礙，可以促進醫(yī)療保健領(lǐng)域的進步。對于許多應(yīng)用，人工智能系統(tǒng)必須緊密地與醫(yī)護人員和病人密切合作才能獲得他們的信任。改善智能機器與醫(yī)護人員、病人和病人家庭的自然交互方式是很關(guān)鍵的。為人類和有前途的人工智能技術(shù)帶來更流暢的交互同樣也是教育領(lǐng)域的一大關(guān)鍵難題，這個領(lǐng)域在這段時間也出現(xiàn)了一些可觀的進展。盡管素質(zhì)教育總是需要人類教師的活躍參與，但人工智能有望改善所有層次的教育，尤其是通過大規(guī)模提供個性化教育。交互式機器導(dǎo)師現(xiàn)在已經(jīng)被用于根據(jù)匹配的學(xué)生教授科學(xué)、數(shù)學(xué)、語言和其他學(xué)科。自然語言處理、機器學(xué)習(xí)和眾包也已經(jīng)極大地促進了在線學(xué)習(xí)，讓教育水平更高的教師可以將他們的教室擴大很多倍，同時還能應(yīng)對單個學(xué)生的學(xué)習(xí)需求和風(fēng)格。在接下來的十五年的典型北美城市里，這些技術(shù)在教室和家庭里的應(yīng)用將很有可能得到極大的擴展，只要它們能夠有意義地和面對面的學(xué)習(xí)進行整合。除了教育方面，在協(xié)助低資源社區(qū)上，人工智能方法也存在很多機會——通過為各種社會問題提供緩解方案和解決方案。傳統(tǒng)上，投資者對缺乏商業(yè)應(yīng)用的人工智能研究投資不足。有了針對性的激勵和資助重點，人工智能可以幫助解決低資源社區(qū)的需求，這方面一些新興的工作是很有希望的。比如，使用數(shù)據(jù)挖掘和機器學(xué)習(xí)，人工智能可以創(chuàng)造預(yù)測模型來幫助政府機關(guān)解決防止兒童鉛中毒和高效食物分配等問題。這些萌芽中的工作認為還有更多的事情要做，尤其是當(dāng)機構(gòu)和組織也能參與進來并與這些社區(qū)建立起信任時。獲取公眾信任也是公共安全領(lǐng)域內(nèi)人工智能應(yīng)用的一大難題。北美城市和聯(lián)邦機構(gòu)已經(jīng)開始在邊境管理和執(zhí)法部署人工智能技術(shù)。到2030年，他們將在很大程度上依賴于它們，包括用于偵察的改進過的相機和無人機、用于檢測金融詐騙的算法和預(yù)測性警務(wù)。后者帶來了對無辜的人進行無理的監(jiān)控的問題，我們必須小心謹慎不要給系統(tǒng)引入人為偏見，并保護公民自由。部署良好的人工智能預(yù)測工具有望給數(shù)據(jù)和推斷帶來新形式的透明，并可能被應(yīng)用于檢測、刪除和減少人類偏見，而不是增強它。在人工智能對就業(yè)和工作場所的影響上的社會和政治決策也是類似，比如需要安全網(wǎng)來保護人們免受經(jīng)濟結(jié)構(gòu)變化的影響。人工智能有望在一些特定類型的工作中取代人類，比如駕駛汽車或卡車。但是，在許多領(lǐng)域，人工智能在短期內(nèi)很有可能將取代很多任務(wù)，但不能取代工作崗位，而且還將創(chuàng)造新類型的工作。但這些將會出現(xiàn)的新型工作目前還比將可能失去的工作更難預(yù)想。人工智能還將降低許多貨物和服務(wù)的成本，有效地使每個人都過得更好。更長期來看，人工智能可能會被視為一種非常不同的財富創(chuàng)造機制，其中每個人都應(yīng)該從全世界的人工智能所創(chuàng)造的財富中分一杯羹。對于人工智能技術(shù)的經(jīng)濟成果的分配方式，不久之后已經(jīng)就應(yīng)該會有相關(guān)的社會爭論出現(xiàn)了。娛樂已經(jīng)被社交網(wǎng)絡(luò)和其它用于共享和瀏覽博客、視頻和照片的平臺轉(zhuǎn)變了；這些平臺依賴于NLP、信息檢索、圖像處理、眾包和機器學(xué)習(xí)等領(lǐng)域內(nèi)正被活躍開發(fā)的技術(shù)。一些傳統(tǒng)的娛樂資源已經(jīng)開始擁抱人工智能，包括譜曲、創(chuàng)作舞臺表演、甚至根據(jù)自然語言文本生成3D場景。人們對人工智能驅(qū)動的娛樂的熱情讓人驚嘆。和人工智能的許多方面一樣，在技術(shù)對社交的替代或增強方面也一直存在著爭議。人工智能能讓娛樂越來越交互式、越來越個性化、越來越有參與感。應(yīng)該引導(dǎo)一些研究來理解如何利用這些性質(zhì)為個人和社會利益服務(wù)。人工智能接下來的研究？助力人工智能革命的研究也在快速發(fā)展。其中最重要是機器學(xué)習(xí)的成熟，它受到了數(shù)字經(jīng)濟崛起的部分影響。數(shù)字經(jīng)濟和機器學(xué)習(xí)都提供并利用大量的數(shù)據(jù)。其他因素包括云計算資源的崛起，以及消費者對語音識別和導(dǎo)航支持這樣的技術(shù)服務(wù)的需求。機器學(xué)習(xí)由于人工神經(jīng)網(wǎng)絡(luò)的成功經(jīng)驗前進了一大步，如今能夠使用大型數(shù)據(jù)集和大規(guī)模計算對其進行訓(xùn)練。這一方法也就是我們所熟知的深度學(xué)習(xí)。信息處理算法的性能也因為傳感、感知、目標識別等這些基礎(chǔ)操作的硬件技術(shù)的重大進步，而取得了跳躍性進展。數(shù)據(jù)驅(qū)動產(chǎn)品的新型平臺和市場以及經(jīng)濟激勵發(fā)現(xiàn)新的產(chǎn)品和市場，也刺激著研究的發(fā)展，如今，隨著它稱為了社會的核心力量，人工智能領(lǐng)域轉(zhuǎn)向了建立能與人高效合作的、具有更廣泛人類意識的智能系統(tǒng)，包括開發(fā)人教機器人的交互與可延展方式的創(chuàng)造性方法。這些趨勢引發(fā)了如今人工智能基礎(chǔ)方法與應(yīng)用領(lǐng)域研究的熱門：大規(guī)模機器學(xué)習(xí)涉及到學(xué)習(xí)算法的設(shè)計，延展已有的算法，在極大型的數(shù)據(jù)集上做研究。深度學(xué)習(xí)是一類學(xué)習(xí)方法，促進了在圖像、視頻標記和運動中的目標識別，并且在其他感知領(lǐng)域都有重大影響，比如音頻、語音和自然語言處理。強化學(xué)習(xí)是一個框架，能將機器學(xué)習(xí)的重點從模式識別轉(zhuǎn)變到經(jīng)驗驅(qū)動的序列決策上。它有望推動人工智能應(yīng)用的前進，在現(xiàn)實世界中做出決策。雖然在過去數(shù)十年，強化學(xué)習(xí)限制于學(xué)術(shù)界，但如今我們也看到了一些實際的成果。機器人目前主要涉及到如何訓(xùn)練機器人以一種更泛型的、預(yù)測性的方式與周圍世界進行交互，如何在交互環(huán)境中促進對目標的操控，以及如何與人進行交互。機器人的進步將依靠相應(yīng)的技術(shù)進步，從而改進計算機視覺和其他形式的機器感知的可靠性與普遍性。計算機視覺是目前機器感知中最突出的形式。它是受到深度學(xué)習(xí)崛起影響最大的人工智能子領(lǐng)域，實現(xiàn)了史上第一次計算機能夠比人類更好的完成視覺任務(wù)。如今更多的研究集中在圖片和視頻的自動化文字描述上。自然語言處理通常與自動語音識別相結(jié)合，快速成為有大型數(shù)據(jù)集的普遍使用的口語語言上的一種商品。目前的研究轉(zhuǎn)向了開發(fā)能夠與人通過對話交互的精致、可用的系統(tǒng)，而不僅是對程式化的問答做回應(yīng)。在多種不同語言間進行機器翻譯也已經(jīng)取得了重大進展，在不遠的將來將有更多的實時的個人到個人交流。協(xié)作系統(tǒng)研究主要是研究幫助開發(fā)能與其他系統(tǒng)或人類協(xié)作的自動化系統(tǒng)的模型和算法。眾包和人類計算研究是研究增強計算系統(tǒng)的方法，增強方式是通過自動調(diào)用人類經(jīng)驗，解決計算機不能單獨解決的問題。算法博弈論（Algorithmicgametheory）和計算社會選擇（computationalsocialchoice）吸引了人工智能經(jīng)濟和社會計算領(lǐng)域的注意，比如系統(tǒng)如何處理潛在的不恰當(dāng)激勵機制，包括自私的人類參與者或公司以及代表他們的自動化人工智能代理。物聯(lián)網(wǎng)（IoT）研究專注于將大量設(shè)備（包括家電、汽車、建筑、攝像頭）連接起來，收集并共享各自豐富的傳感信息從而達到智能目標。神經(jīng)形態(tài)計算是一系列尋求模擬生物神經(jīng)網(wǎng)絡(luò)從而改進計算機系統(tǒng)硬件效率和穩(wěn)健性的技術(shù)，它取代了用獨立的輸入/輸出、處理指令、存儲模塊的舊方法。現(xiàn)在與未來的人工智能政策人工智能應(yīng)用是否成功的標準是他們?yōu)槿祟悇?chuàng)造的價值。在此角度看，設(shè)計人工智能應(yīng)用應(yīng)該使得人們成功的理解人工智能系統(tǒng)，參與到其使用中并建立對它們的信任。公共政策應(yīng)該幫助社會輕松采納人工智能應(yīng)用、擴展其收益，并緩和它們的難免的錯誤和失敗。對人工智能如何開展的爭論包括對隱私保護和人工智能收益公平分配的憂慮，這種憂慮是該被鼓勵的。在人工智能技術(shù)如此快的實現(xiàn)速度之下，也伴隨著對其應(yīng)用的擔(dān)心。研究小組建議所有的政府律師掌握人工智能技術(shù)知識。此外，要通過移除障礙并增加私營和公共支持，鼓勵在人工智能系統(tǒng)公平性、安全性、隱私和社會化應(yīng)用上的研究。目前在美國，至少有16個獨立的經(jīng)濟相關(guān)的政府部門涉及到人工智能。人工智能研究，特別是其應(yīng)用的快速進展，需要這些部門的專家開發(fā)新的法律、政策概念與隱喻（metaphor）。當(dāng)自動駕駛汽車發(fā)生車禍、醫(yī)療設(shè)備事故時誰該負責(zé)？如何避免人工智能應(yīng)用宣傳種族歧視或者金融詐騙？誰該得益于人工智能技術(shù)帶來的效率？對技術(shù)過時的人群應(yīng)該提供什么樣的保護？隨著人們在產(chǎn)業(yè)流程和消費產(chǎn)品中更廣、更深的融入人工智能，更好的實踐需要被鋪開，也須要有更適合的政府制度。研究小組沒有考慮近期人工智能系統(tǒng)會自動選擇對人造成傷害，可能的是人們使用基于人工智能的系統(tǒng)做好的以及壞的目的。而且盡管人工智能算法可能比人類做出一些較少偏見的決策，保證用于人工智能決策的數(shù)據(jù)沒有偏見仍是一項技術(shù)挑戰(zhàn)，這些偏見可能導(dǎo)致基于種族、性別以及其他因素的歧視。面臨人工智能技術(shù)產(chǎn)生的重大變革，逼迫生成更多、更嚴格的條例也可能使不可避免的。錯誤理解什么是人工智能可能刺激人們反對有益于每個人的這些技術(shù)。不合適的條例可能造成悲劇。信息貧乏的條例會而扼殺創(chuàng)新，或者將其轉(zhuǎn)移到其他司法權(quán)可能是達不到預(yù)期目標的。幸運的是，領(lǐng)導(dǎo)產(chǎn)生如今數(shù)字技術(shù)成功條例的原則為我們提供了起點。在私營條例中，寬泛的法律規(guī)定配合強硬的透明度需求和有意義的強制措施（而非嚴格的控制）能夠鼓勵公司開發(fā)流程，鼓勵職業(yè)人員實施隱私控制，與外部利益相關(guān)者結(jié)合，并將實踐適應(yīng)于技術(shù)發(fā)展。這反過來也能支持專業(yè)貿(mào)易協(xié)會和標準委員會在開展最好的實踐上的發(fā)展。在人工智能中，監(jiān)控著也能加強內(nèi)部和外部問責(zé)、透明度、專業(yè)度之間活動的良性循環(huán)。我們急需一場重要的、有力的、信息豐富的討論會，討論如何以一種豐富我們生活與社會的方式最好的控制人工智能，同時鼓勵該領(lǐng)域的創(chuàng)造性。由于高計算能力和大規(guī)模數(shù)據(jù)是很多人工智能技術(shù)的燃料且不平等的分布于社會，這使得人工智能技術(shù)把機遇不平等性變得更寬。這些技術(shù)將促進有機會接觸數(shù)據(jù)和計算能力的那群人的能力和效率。在政策是否培養(yǎng)民主價值觀、公平共享人工智能收益，或者是否將力量和收益聚集于少數(shù)幸運的人手中，我們要對政策進行評估。就像本報告記錄的那樣，人工智能相關(guān)的重大進展在過去15年中已經(jīng)對北美城市造成了影響，而且在接下來的15年中將會發(fā)生更多大量的進展。近期的進步主要是由于互聯(lián)網(wǎng)帶來的大型數(shù)據(jù)集的增長和分析、傳感技術(shù)的進步，以及深度學(xué)習(xí)的應(yīng)用。在接下來幾年，隨著公眾鼓勵在交通、醫(yī)療這些領(lǐng)域的人工智能新應(yīng)用，它們肯定會以一種建立可靠的、理解的方式被引入，并且還要尊重人權(quán)與公民權(quán)利。在鼓勵創(chuàng)新的同時，政策和流程應(yīng)該解決道德、隱私和安全影響，還應(yīng)該保證人工智能技術(shù)的收益公平、廣泛的分配。如果人工智能研究與應(yīng)用到2030年以及更遠的未來在北美城市生活發(fā)揮積極的影響，做上面提到的事情是很重要的。第一部分：什么是人工智能？本節(jié)介紹了研究人員和從業(yè)者如何定義「人工智能」以及目前正在蓬勃發(fā)展的人工智能研究和應(yīng)用領(lǐng)域。它提出了人工智能是什么和不是什么的定義，并介紹了一些當(dāng)前人工智能研究的「熱點」領(lǐng)域。本節(jié)為第二部分的內(nèi)容奠定了基礎(chǔ)，第二部分闡述了人工智能在八個領(lǐng)域和在第三部分中的影響與未來，第三部分介紹了涉及人工智能設(shè)計和公共政策的問題，并提出在保護民主價值的同時如何鼓勵人工智能創(chuàng)新的建議。定義人工智能奇怪的是，人工智能缺乏一個精確的、被普遍接受的定義，這或許有助于該領(lǐng)域的加速成長、繁榮以及前進。雖然人工智能的從業(yè)者、研究人員和開發(fā)人員由一種粗略的方向感和一個「與它相處」的命令所引導(dǎo)，人工智能的定義仍然很重要，而NilsJ.Nilsson就提供了一個有用的定義：「人工智能就是致力于讓機器變得智能的活動，而智能就是使實體在其環(huán)境中有遠見地、適當(dāng)?shù)貙崿F(xiàn)功能性的能力?！箯倪@個角度來看，對人工智能的表征取決于個人愿意「適當(dāng)?shù)亍共ⅰ赣羞h見地」為功能性提供合成軟件和硬件的信用。一個簡單的電子計算器比人類大腦進行的計算要快得多，而且?guī)缀鯊膩聿怀鲥e。電子計算器智能嗎？像Nilsson一樣，研究小組以一種寬泛的視角來看待此問題，認為智力取決于一個多維頻譜。根據(jù)這一觀點，算術(shù)計算器和人腦之間的區(qū)別不是某一類，而是規(guī)模、速度、自主性和通用性的區(qū)別。同樣的因素可以用來評估智能的其他各例——智能語音識別軟件、動物大腦、汽車巡航控制系統(tǒng)、圍棋程序、自動調(diào)溫器——并將它們放置在頻譜中的適當(dāng)位置。雖然我們的寬泛解釋把計算器列在了智能頻譜中，但是如此簡單的設(shè)備與今天的人工智能相比幾乎沒有相似之處。從這個角度看，對人工智能的表征取決于個人愿意「適當(dāng)?shù)亍共ⅰ赣羞h見地」為功能提供合成軟件和硬件的信用。一個簡單的電子計算器比人腦計算快得多而且?guī)缀鯊牟怀鲥e。人工智能的邊界已經(jīng)遠遠走在前面，而計算器可以實現(xiàn)的功能只是當(dāng)下的智能手機的百萬分之一。目前人工智能開發(fā)人員正在改進、推廣和擴大從當(dāng)下的智能手機中所建立起來的智能。事實上人工智能領(lǐng)域是一個不斷努力推動機器智能向前發(fā)展的過程。具有諷刺意味的是，人工智能正在遭受失去話語權(quán)的長期災(zāi)難，最終不可避免地會被拉到邊界內(nèi)，即一個被稱為「人工智能效應(yīng)（AIeffect）」或「奇怪悖論（oddparadox）」的重復(fù)模式——人工智能將一種新技術(shù)帶到了普通大眾中去，人們習(xí)慣了這種技術(shù)，它便不再被認為是人工智能，然后更新的技術(shù)出現(xiàn)了。同樣的模式將在未來繼續(xù)下去。人工智能并沒有「交付」一個驚雷般改變生活的產(chǎn)品。相反人工智能技術(shù)以一個連續(xù)的、進步的方式正在繼續(xù)更好的發(fā)展。人類尺度值得注意的是，作為頻譜的智能表征并不授予人類大腦以特殊地位。但到目前為止，即使人類擁有著「推理、實現(xiàn)目標、理解和生成語言、感知和響應(yīng)感官輸入、證明數(shù)學(xué)定理、玩具有挑戰(zhàn)性的游戲、合成和總結(jié)信息、創(chuàng)造藝術(shù)和音樂甚至撰寫歷史」的能力，人類智力在純粹的多功能性上與生物的和人工的世界并不相匹配。這使得人類智能成為檢測人工智能進步的一個自然選擇。它甚至可能是作為一個經(jīng)驗法則被提出來，認為計算機能夠執(zhí)行的、以及人們曾經(jīng)實現(xiàn)了的任何活動，都應(yīng)該算作智力的一個實例。但是對于任何人類能力的匹配只是一個充分條件而非必要條件。至少在速度上，已經(jīng)存在許多超越人類智力的系統(tǒng)，比如對機場成千上萬的航班進行每日往返行程的調(diào)度。對人工智能在國際象棋游戲中打敗人類玩家的長期探索以及最終的成功為人類和機器智能之間的比較提供了一個高知名度的實例。人們已經(jīng)被國際象棋吸引了數(shù)百年。當(dāng)建立計算機的可能性即將來臨時，被許多人認為是計算機科學(xué)之父的阿蘭圖靈「提到了以國際象棋作為范例來展示智力的計算機概念?！箾]有對強大的計算機的訪問，「圖靈玩了一個模擬計算機的游戲，他每走一步棋大約花半個小時?！沟皇窃诹推呤甏?，由來自卡耐基-梅隆大學(xué)、斯坦福、麻省理工學(xué)院、莫斯科的理論和實驗物理研究所以及西北大學(xué)的小組所貢獻的一長串改進之后，國際象棋游戲程序開始取得成果。終極推動是來自IBM的一個長期項目，DeepBlue程序于1997年以3.5-2.5的成績打敗了國際象棋冠軍GarryKasparov。奇怪的是，在人工智能趕上了它的難以捉摸的目標之后沒多久，DeepBlue被描繪成一個「蠻力方法（bruteforcemethods）」集合，而不是「真正的智能（realintelligence）?！故聦嵣?，IBM關(guān)于DeepBlue的后續(xù)出版物提供了有關(guān)其搜索和評價程序的豐富內(nèi)容，完全沒有提及「智能的（intelligent）」一詞！DeepBlue是否智能？又一次，邊界移動了。一個可操作的定義人工智能也可由其研究人員的工作來定義。本報告主要將人工智能視為通過合成智能以研究智能特性的計算機科學(xué)的一個分支。雖然人工智能的出現(xiàn)是依靠著硬件計算資源的快速發(fā)展，但是這里對于軟件的關(guān)注反映出人工智能界的一個趨勢。盡管，最近在為基于神經(jīng)網(wǎng)絡(luò)計算建立定制硬件上取得的進展已經(jīng)促進了人工智能硬件和軟件之間的嚴格耦合?！钢悄埽╥ntelligence）」仍然是一個復(fù)雜現(xiàn)象，其不同方面已經(jīng)吸引了幾個不同研究領(lǐng)域的注意，包括心理學(xué)、經(jīng)濟學(xué)、神經(jīng)科學(xué)、生物學(xué)、工程學(xué)、統(tǒng)計學(xué)和語言學(xué)。人工智能領(lǐng)域自然是得益于所有這些相關(guān)領(lǐng)域的進步。比如人工神經(jīng)網(wǎng)絡(luò)，如今已成為若干基于人工智能的解決方案的中心，它最初是受生物神經(jīng)元中有關(guān)信息流的思想所啟發(fā)。人工智能研究趨勢直到本世紀初，人工智能的吸引點主要在于它所傳遞的承諾，但在過去的十五年里，大多這樣的承諾已經(jīng)得到兌現(xiàn)。人工智能技術(shù)已經(jīng)充斥了我們的生活。當(dāng)它們成為了社會的一股中心力量時，該領(lǐng)域正在從僅僅建立智能系統(tǒng)，轉(zhuǎn)向了建立有人類意識的、值得信賴的智能系統(tǒng)。幾個因素加速了人工智能革命。其中最重要的是機器學(xué)習(xí)的成熟，部分由云計算資源和廣泛普及的、基于Web的數(shù)據(jù)收集所支持。機器學(xué)習(xí)已經(jīng)被「深度學(xué)習(xí)（deeplearning）」急劇地向前推進了，后者是一種利用被稱作反向傳播的方法所訓(xùn)練的適應(yīng)性人工神經(jīng)網(wǎng)絡(luò)的一種形式。信息處理算法的這種性能飛躍一直伴隨著用于基本操作的硬件技術(shù)的顯著進步，比如感覺、感知和目標識別。數(shù)據(jù)驅(qū)動型產(chǎn)品的新平臺和新市場，以及發(fā)現(xiàn)新產(chǎn)品和新市場的經(jīng)濟激勵機制，也都促進了人工智能驅(qū)動型技術(shù)的問世。所有這些趨勢都推動著下文中所描述的「熱門」研究領(lǐng)域。這種編輯只是想要通過某個或另一個度量標準來反映目前比其他領(lǐng)域得到更大關(guān)注的領(lǐng)域。它們不一定比其他領(lǐng)域更重要或更有價值。事實上目前的一些「熱門」領(lǐng)域在過去幾年中并不怎么流行，而其他領(lǐng)域可能在未來會以類似的方式重新出現(xiàn)。大規(guī)模機器學(xué)習(xí)許多機器學(xué)習(xí)的基本問題（如監(jiān)督和非監(jiān)督學(xué)習(xí)）是很好理解的。目前努力的一個重點是將現(xiàn)有算法擴展到更龐大的數(shù)據(jù)集上。例如鑒于傳統(tǒng)方法能夠負擔(dān)得起若干遍數(shù)據(jù)集的處理，現(xiàn)代方法是為單次處理所設(shè)計；某些情況只認同非線性方法（那些只關(guān)注一部分數(shù)據(jù)的方法）。深度學(xué)習(xí)成功訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)的能力非常有益于計算機視覺領(lǐng)域，比如目標識別、視頻標簽、行為識別和幾個相關(guān)變體的應(yīng)用。深度學(xué)習(xí)也在大舉進軍感知方面的其他領(lǐng)域，如音頻、語音和自然語言處理。強化學(xué)習(xí)鑒于傳統(tǒng)機器學(xué)習(xí)主要關(guān)注于模式挖掘，強化學(xué)習(xí)將重點轉(zhuǎn)移到?jīng)Q策中，這種技術(shù)將有助于促進人工智能在現(xiàn)實世界中更深入地進入相關(guān)研究和實踐領(lǐng)域。作為一種經(jīng)驗驅(qū)動型的序貫決策框架，強化學(xué)習(xí)已經(jīng)存在了幾十年，但是這個方法在實踐中沒有取得很大成功，主要是由于表征和縮放的問題。然而深度學(xué)習(xí)的出現(xiàn)為強化學(xué)習(xí)提供了「一貼強心劑」。由谷歌DeepMind開發(fā)的計算機程序AlphaGo在五次對抗比賽中擊敗了人類圍棋冠軍，它最近所取得的成功在很大程度上要歸功于強化學(xué)習(xí)。AlphaGo是通過使用一個人類專家數(shù)據(jù)庫來初始化一個自動代理的方法被訓(xùn)練的，但隨后提煉的方法是通過大量地自我對抗游戲以及應(yīng)用強化學(xué)習(xí)。機器人至少在靜態(tài)環(huán)境中，機器人導(dǎo)航在很大程度上被解決了。目前的努力是在考慮如何訓(xùn)練機器人以泛型的、預(yù)測性的方式與周圍世界進行交互?；迎h(huán)境中產(chǎn)生的一個自然要求是操縱，這是當(dāng)下所感興趣的另一個話題。深度學(xué)習(xí)革命只是剛開始影響機器人，這在很大程度上是因為要獲得大的標記數(shù)據(jù)集還很困難，這些數(shù)據(jù)集已推動了其他基于學(xué)習(xí)的人工智能領(lǐng)域。免去了標記數(shù)據(jù)需求的強化學(xué)習(xí)可能會有助于彌合這一差距，但是它要求系統(tǒng)在沒有錯誤地傷害自己或其他系統(tǒng)的情況下能夠安全地探索出一個政策空間。在可信賴的機器感知方面的進步，包括計算機視覺、力和觸覺感知，其中大部分將由機器學(xué)習(xí)驅(qū)動，它們將繼續(xù)成為推進機器人能力的關(guān)鍵。計算機視覺計算機視覺是目前最突出的機器感知形式。它是受深度學(xué)習(xí)的興起影響最大的人工智能子領(lǐng)域。直到幾年前，支持向量機還是大多視覺分類任務(wù)所選擇的方法。但是特別是在GPU中的大規(guī)模計算的匯合，使得更大數(shù)據(jù)集的可獲得性（尤其是通過互聯(lián)網(wǎng)）以及神經(jīng)網(wǎng)絡(luò)算法的改進導(dǎo)致了基準任務(wù)中能的顯著提高（比如ImageNet中的分類器）。計算機首次能夠比人類更好地執(zhí)行一些（狹義定義的）視覺分類任務(wù)。目前的研究多是關(guān)注于為圖像和視頻自動添加字幕。自然語言處理自然語言處理是另一個通常與自動語音識別一同被當(dāng)做非?；钴S的機器感知領(lǐng)域。它很快成為一種擁有大數(shù)據(jù)集的主流語言商品。谷歌宣布目前其20%的手機查詢都是通過語音進行的，并且最近的演示已經(jīng)證明了實時翻譯的可能性?，F(xiàn)在研究正在轉(zhuǎn)向發(fā)展精致而能干的系統(tǒng)，這些系統(tǒng)能夠通過對話而不只是響應(yīng)程式化的要求來與人互動。協(xié)同系統(tǒng)協(xié)同系統(tǒng)方面進行的是對模型和算法的研究，用以幫助開發(fā)能夠與其他系統(tǒng)和人類協(xié)同工作的自主系統(tǒng)。該研究依賴于開發(fā)正式的協(xié)作模型，并學(xué)習(xí)讓系統(tǒng)成為有效合作伙伴所需的能力。能夠利用人類和機器的互補優(yōu)勢的應(yīng)用正吸引到越來越多的興趣——對人類來說可以幫助人工智能系統(tǒng)克服其局限性，對代理來說可以擴大人類的能力和活動。眾包和人類計算在完成許多任務(wù)方面由于人類的能力是優(yōu)于自動化方法的，因而在眾包和人類計算方面，通過利用人類智力來解決那些計算機無法單獨解決好的問題，該領(lǐng)域研究調(diào)查了增強計算機系統(tǒng)的方法，這項研究的提出僅僅是在大約15年前，現(xiàn)在它已經(jīng)在人工智能領(lǐng)域確立了自己的存在。最有名的眾包例子是維基百科，它是一個由網(wǎng)絡(luò)公民維護和更新的知識庫，并且在規(guī)模上和深度上遠遠超越了傳統(tǒng)編譯的信息源，比如百科全書和詞典。眾包專注于設(shè)計出創(chuàng)新的方式來利用人類智力。Citizen科學(xué)平臺激發(fā)志愿者去解決科學(xué)問題，而諸如亞馬遜的MechanicalTurk等有償眾包平臺，則提供對所需要的人類智力的自動訪問。通過短時間內(nèi)收集大量標記訓(xùn)練數(shù)據(jù)和/或人機交互數(shù)據(jù)，該領(lǐng)域的工作促進了人工智能的其它分支學(xué)科的進步，包括計算機視覺和自然語言處理?；谌祟惡蜋C器的不同能力和成本，目前的研究成果探索出了它們之間理想的任務(wù)分離。算法博弈理論與(基于)計算機(統(tǒng)計技術(shù)的)社會選擇包括激勵結(jié)構(gòu)、人工智能的經(jīng)濟和社會計算維度吸引到了新的關(guān)注。自20世紀80年代初以來，分布式人工智能和多代理（multi-agent）系統(tǒng)就已經(jīng)被研究了，于20世紀90年代末開始有顯著起色，并由互聯(lián)網(wǎng)所加速。一個自然的要求是系統(tǒng)能夠處理潛在的不恰當(dāng)激勵，包括自己所感興趣的人類參加者或公司，以及自動化的、基于人工智能的、代表它們的代理。備受關(guān)注的主題包括計算機制設(shè)計（computationalmechanismdesign）（一種激勵設(shè)計的經(jīng)濟理論，它尋求激勵兼容的系統(tǒng)，其中輸入會被如實報告）、(基于)計算機(統(tǒng)計技術(shù)的)社會選擇（computationalsocialchoice）（一種有關(guān)如何為替代品排列順序的理論）、激勵對齊信息獲?。╥ncentivealignedinformationelicitation）（預(yù)測市場、評分規(guī)則、同行預(yù)測）和算法博弈理論（algorithmicgametheory）（市場、網(wǎng)絡(luò)游戲和室內(nèi)游戲的平衡，比如poker——它在近幾年通過抽象技術(shù)和無遺憾學(xué)習(xí)（no-regretlearning）已經(jīng)取得了顯著的進步）。物聯(lián)網(wǎng)（IoT）越來越多的研究機構(gòu)致力于這樣一個想法：一系列設(shè)備可以相互連接以收集和分享它們的感官信息。這些設(shè)備可以包括家電、汽車、建筑、相機和其他東西。雖然這就是一個技術(shù)和無線網(wǎng)絡(luò)連接設(shè)備的問題，人工智能可以為了智能的、有用的目的去處理和使用所產(chǎn)生的大量數(shù)據(jù)。目前這些設(shè)備使用的是令人眼花繚亂的各種不兼容的通信協(xié)議。人工智能可以幫助克服這個「巴別塔」。神經(jīng)形態(tài)計算傳統(tǒng)計算機執(zhí)行計算的馮諾依曼模型，它分離了輸入/輸出、指令處理和存儲器模塊。隨著深度神經(jīng)網(wǎng)絡(luò)在一系列任務(wù)中的成功，制造商正在積極追求計算的替代模型——特別是那些受到生物神經(jīng)網(wǎng)絡(luò)所啟發(fā)的——為了提高硬件的效率和計算系統(tǒng)的穩(wěn)定性的模型。目前這種「神經(jīng)形態(tài)的（neuromorphic）」計算機尚未清楚地顯示出巨大成功，而是剛開始有望實現(xiàn)商業(yè)化。但可能它們在不久的將來會變成尋常事物（即使僅作為馮諾依曼所增加的兄弟姐妹們）。深度神經(jīng)網(wǎng)絡(luò)在應(yīng)用景觀中已經(jīng)激起了異常波動。當(dāng)這些網(wǎng)絡(luò)可以在專門的神經(jīng)形態(tài)硬件上被訓(xùn)練和被執(zhí)行，而不是像今天這樣在標準的馮諾依曼結(jié)構(gòu)中被模擬時，一個更大的波動可能會到來?？傮w趨勢以及人工智能研究的未來數(shù)據(jù)驅(qū)動型范式的巨大成功取代了傳統(tǒng)的人工智能范式。諸如定理證明、基于邏輯的知識表征與推理，這些程序獲得的關(guān)注度在降低，部分原因是與現(xiàn)實世界基礎(chǔ)相連接的持續(xù)挑戰(zhàn)。規(guī)劃（Planning）在七十和八十年代是人工智能研究的一根支柱，也受到了后期較少的關(guān)注，部分原因是它強烈依賴于建模假設(shè)，難以在實際的應(yīng)用中得到滿足?；谀Ｐ偷姆椒ā热缫曈X方面基于物理的方法和機器人技術(shù)中的傳統(tǒng)控制與制圖——已經(jīng)有很大一部分讓位于通過檢測手邊任務(wù)的動作結(jié)果來實現(xiàn)閉環(huán)的數(shù)據(jù)驅(qū)動型方法。即使最近非常受歡迎的貝葉斯推理和圖形模式似乎也正在失寵，被數(shù)據(jù)和深度學(xué)習(xí)顯著成果的洪流所淹沒。研究小組預(yù)計在接下來的十五年中，會有更多關(guān)注集中在針對人類意識系統(tǒng)的開發(fā)上，這意味著它們是明確按照要與之互動的人類特點來進行建模與設(shè)計的。很多人的興趣點在于試圖找到新的、創(chuàng)造性的方法來開發(fā)互動和可擴展的方式來教機器人。此外在考慮社會和經(jīng)濟維度的人工智能時，物聯(lián)網(wǎng)型的系統(tǒng)——設(shè)備和云——正變得越來越受歡迎。在未來的幾年中，對人類安全的、新的感知/目標識別能力和機器人平臺將會增加，以及數(shù)據(jù)驅(qū)動型產(chǎn)品數(shù)量與其市場規(guī)模將會變大。研究小組還預(yù)計當(dāng)從業(yè)者意識到純粹的端到端深度學(xué)習(xí)方法的不可避免的局限性時，會重新出現(xiàn)一些人工智能的傳統(tǒng)形式。我們不鼓勵年輕的研究人員重新發(fā)明理論，而是在人工智能領(lǐng)域以及相關(guān)領(lǐng)域（比如控制理論、認知科學(xué)和心理學(xué)）的第一個五十年期間，保持對于該領(lǐng)域多方面顯著進展的覺察。第二部分：人工智能在各領(lǐng)域的應(yīng)用雖然人工智能的很多研究和應(yīng)用會基于一些通用技術(shù)，比如說機器學(xué)習(xí)，但在不同的經(jīng)濟和社會部門還是會有所區(qū)別。我們稱之為不同的領(lǐng)域（domain），接下來的這部分將介紹人工智能研究和應(yīng)用的不同類型，以及影響和挑戰(zhàn)，主要有八個方面：交通、家庭服務(wù)機器人、醫(yī)療健康、教育、低資源社區(qū)、公共安全、工作和就業(yè)、娛樂?；谶@些分析，我們還預(yù)測了一個有代表性的北美城市在未來15年的趨勢。與人工智能的流行文化中的典型敘述不同，我們尋求提供一個平衡的觀點來分析，人工智能是如何開始影響我們?nèi)粘Ｉ畹模约皬默F(xiàn)在到2030年，這些影響將如何發(fā)展。交通交通可能會成為首批幾個特定應(yīng)用領(lǐng)域之一，在這些領(lǐng)域，大眾需要對人工智能系統(tǒng)在執(zhí)行危險任務(wù)中的可靠性和安全性加以信任。自動化交通會很快司空見慣，大多數(shù)人在嵌入人工智能系統(tǒng)的實體交通工作的首次體驗將強有力的影響公眾對人工智能的感知。一旦硬件做到足夠安全和穩(wěn)健，它進入日常生活的速度將使公眾所驚訝，這可能需要時間進行調(diào)整。隨著汽車逐漸取代人類成為更好的司機，城市居民擁有的車輛將減少，住所和工作地點的距離也會更遠，花費的時間也會發(fā)生變化。這會導(dǎo)致出現(xiàn)一種全新的城市組織架構(gòu)。再者，2030年在典型的北美城市中，人工智能帶來的改變將不僅限于車輛，還會影響各種飛行器和個人機器人，這將引發(fā)對社會、道德和政策等議題的討論。一些關(guān)鍵技術(shù)已經(jīng)催化了人工智能在交通領(lǐng)域的廣泛應(yīng)用。與2000年相比，智能手機的普及，各類傳感器成本的下降和性能的提升，使得我們今天能獲取的關(guān)于個人和群體交通數(shù)據(jù)的規(guī)模和多樣性獲得了驚人的增長。如果沒有這些數(shù)據(jù)、連接、實時傳感和交通預(yù)測等應(yīng)用、路線規(guī)劃，共享乘車和自動駕駛將不可能實現(xiàn)。智能汽車2001年，GPS被應(yīng)用于私家車用于定位，目前已經(jīng)成為交通系統(tǒng)的基礎(chǔ)部件。GPS在輔助司機進行駕駛時也將關(guān)于交通模式的大量數(shù)據(jù)提供給科技公司和城市部門。擁有GPS功能的智能手機的廣泛應(yīng)用也進一步增強了鏈接以及位置信息的共享。當(dāng)前的車輛還配備了各種傳感設(shè)備。根據(jù)估算，美國平均每一輛車上裝有70個傳感器，包括陀螺儀、加速器、億光環(huán)境光源傳感器和濕度傳感器。對于汽車來說，傳感器已經(jīng)不是什么新事物了。2000年之前制造的汽車已經(jīng)裝配了能夠獲取自身速度、加速和輪胎狀況的傳感器。這些車輛還擁有一些功能，能夠把實時傳感和決策（例如ABS）、氣囊控制、電氣牽引系統(tǒng)和控制和電子穩(wěn)定程序結(jié)合起來。自從2003年以來，一些自動化功能就已經(jīng)被引入了商用車，具體功能見下表。這些功能能夠協(xié)助司機，甚至完全取代司機的某些活動來增強安全性和舒適性。現(xiàn)在的汽車能夠自動破車，在高速路上可以自適應(yīng)巡航控制，變換車道時可以提示駕駛員盲區(qū)中出現(xiàn)的物體信息。視覺和雷達技術(shù)被引入到碰撞預(yù)防系統(tǒng)。深度學(xué)習(xí)也已經(jīng)應(yīng)用在了這些方向，通過對周圍環(huán)境的物體檢測和聲音識別來提升自動駕駛汽車的性能。不遠的未來，在用于駕駛的功能方面，感知算法將超過人類的水平。包括視覺在內(nèi)的自動化感知，在處理是被和跟蹤等任務(wù)時，已經(jīng)接近人類水平。除了感知方面的進步，隨之出現(xiàn)的還有算法的進一步提升所帶來的推理和規(guī)劃能力。近期一份報告預(yù)測，自動駕駛汽車將在2020年得到廣泛應(yīng)用。而自動駕駛功能的應(yīng)用也將不局限于個人交通。我們將看到自動駕駛汽車和遠程操控的運載車輛、飛行器、和自動駕駛卡車?；谟脩艄蚕淼慕煌ǚ?wù)也將充分利用自動駕駛汽車。此外，機器人技術(shù)的進步也將更有利于其他類型自動駕駛設(shè)備的創(chuàng)造和應(yīng)用，包括機器人、無人機等。現(xiàn)在還不明確的一點是，自動駕駛汽車需要發(fā)展到何種程度才能引起大眾的廣泛接受。半自動駕駛汽車中的人車合作與人類司機認知符合的潛在意義都還未能完全理解。但如果未來的自動駕駛汽車以可預(yù)測的速度走向應(yīng)用，且超越人類的駕駛水平，那勢必將帶來重要的社會變化。自動駕駛汽車消除了美國交通傷亡的一大原因，可以延長人們的平均壽命。美國一個通勤者的單程平均駕駛時間是25分鐘。當(dāng)有了自動駕駛技術(shù)之后，人們可以在通勤中有更多的時間來工作和休閑。自動駕駛汽車帶來的舒適度的提升和認知負擔(dān)的減少，再加上共享交通，將影響人們選擇居住地點。自動駕駛汽車和點到點交通服務(wù)可能消除對私人汽車的需要。對整體汽車產(chǎn)業(yè)的影響難以預(yù)測?？掌囈约叭藗?nèi)找嬖黾拥穆眯幸庠缚赡軐?dǎo)致更多的總駕駛里程。此外，共享自動駕駛汽車（人們使用汽車作為服務(wù)而非自己擁有汽車）可能減少總里程，特別是如果與好的結(jié)構(gòu)合理的激勵機制結(jié)合起來，比如通行稅或者折扣，就能鋪開旅行需求、拼車、減少擁堵。共享交通的實現(xiàn)可能取代對公共交通的需求，或者公共交通可能改變形式，邁向個人快速公交系統(tǒng)。這已經(jīng)在4個城市中實現(xiàn)了，它們使用小容量汽車在許多站臺間進行按需運輸與點到點運輸。隨著自動駕黑絲汽車變得更加普遍，安全上的問題將會出現(xiàn)，包括如何在發(fā)布前保證該技術(shù)是安全的、在不同的路況下有適當(dāng)測試的。自動駕駛汽車和連接交通基礎(chǔ)設(shè)施將為黑客創(chuàng)造一個新的犯罪地點。當(dāng)死亡不可避免時，汽車編程選擇犧牲什么人也會引發(fā)到的問題，特別是當(dāng)汽車需要瞬間做出選擇的時候。美國大部分州的法律系統(tǒng)沒有覆蓋自動駕駛汽車的條例。到2016年，美國的4個州（內(nèi)華達、弗羅里達、加州、密歇根）、加拿大的安大略、英國、發(fā)過、瑞典都已經(jīng)通過了在公共道路測試自動駕駛汽車的條例。甚至這些法律都沒有解決自動駕駛汽車和半自動駕駛汽車責(zé)任和事故問責(zé)的問題。交通規(guī)劃到2005年，城市開始投資交通基礎(chǔ)設(shè)施以為汽車和行人交通開發(fā)傳感能力。目前已經(jīng)使用的傳感器包括感應(yīng)線圈、視頻攝像頭、遠程交通微波傳感器、雷達和GPS。比如，2013年紐約市開始使用微博傳感器、攝像機網(wǎng)絡(luò)和流量計數(shù)器來檢測城市中的車輛交通。城市使用人工智能方法通過多種方式來優(yōu)化服務(wù)，比如公交車和地鐵規(guī)劃、跟蹤交通狀況以動態(tài)調(diào)整限速或在高速路、橋梁和HOV車道上采用智能定價。通過道路網(wǎng)中的傳感器和相機，他們可以優(yōu)化交通等定時以改善交通流和幫助自動執(zhí)法。這些動態(tài)策略的目標是更好地利用交通網(wǎng)中受限的資源，而且也因為數(shù)據(jù)的可用性和個體的廣泛連通性而成為了可能。在2000年代以前，交通規(guī)劃者被迫依賴受限于特定日期或時間的靜態(tài)定價策略來管理需求。隨著動態(tài)定價策略的采用，這會帶來涉及到公共利益公平分配的新問題，因為高需求環(huán)境的市場條件可能會讓公共部分無法使用這些服務(wù)。大規(guī)模數(shù)據(jù)的可用性也讓交通成為了機器學(xué)習(xí)的一個完美領(lǐng)域。自2006年以來，Mapquest、谷歌地圖和Bing地圖等應(yīng)用已經(jīng)廣泛地被公眾用來規(guī)劃旅行線路、使用公交系統(tǒng)、接收關(guān)于交通狀況的實時信息和預(yù)測、以及尋找某個地點周圍的服務(wù)。優(yōu)化搜索算法已經(jīng)被用于汽車和行人去往給定目的地的路徑規(guī)劃。盡管有這些進步，傳感和優(yōu)化技術(shù)在城市基礎(chǔ)設(shè)施上的廣泛應(yīng)用卻慢于這些技術(shù)在單獨的車輛或人上的應(yīng)用。盡管已經(jīng)有個別城市已經(jīng)部署了傳感和優(yōu)化應(yīng)用，但目前卻還沒有傳感基礎(chǔ)設(shè)施和人工智能技術(shù)的標準可用。基礎(chǔ)設(shè)施需要成本，各個城市的重點也不一樣，而且涉及到人工智能的各方之間協(xié)調(diào)的高額成本對城市基礎(chǔ)設(shè)施的影響也越來越大。個體行動、他們的偏好和他們的目標的準確預(yù)測模型會隨著更大的數(shù)據(jù)可用性而涌現(xiàn)。相關(guān)的道德問題將在本報告的第三節(jié)進行討論。美國交通運輸部在2016年發(fā)布了一份提案，要求中等規(guī)模的城市想象用于交通的智慧城市基礎(chǔ)設(shè)施。這一倡議計劃向展示了技術(shù)和數(shù)據(jù)可以如何被用于重構(gòu)人與貨物的流動方式的城市獎勵4000萬美元。一個愿景是實現(xiàn)車聯(lián)網(wǎng)，其可以通過車對車的通信實現(xiàn)高水平的駕駛安全。如果這一愿景成為了現(xiàn)實，我們預(yù)計在多代理協(xié)調(diào)、協(xié)作和規(guī)劃上的進步將極大地影響未來的汽車發(fā)展，并在打造更加可靠更加高效的交通運輸系統(tǒng)上發(fā)揮作用。機器人也可能會通過運輸個人和包裹來參與到交通中（比如，Segway機器人）。對于貨物運輸，人們對無人機的興趣越來越大，亞馬遜現(xiàn)在就正在測試使用無人機的快遞系統(tǒng)，盡管在合適的安全規(guī)則和監(jiān)管方面還存在著一些問題。傳感能力的提升、無人機的采用和互連的交通基礎(chǔ)設(shè)施也將引發(fā)對個人隱私和私密數(shù)據(jù)安全的擔(dān)憂。未來幾年，這些問題和相關(guān)的交通運輸問題也將需要得到解決——不管是通過部分行業(yè)內(nèi)先發(fā)制人的行動還是在法律的框架內(nèi)。正如第三節(jié)政策討論中所指出的那樣，這些行動的效果將會影響交通運輸行業(yè)內(nèi)人工智能相關(guān)進展的步伐和范圍。即時交通Uber和Lyft等即時交通服務(wù)已經(jīng)涌現(xiàn)成為了傳感、連接和人工智能的另一項關(guān)鍵應(yīng)用，這些技術(shù)可以使用算法根據(jù)位置和合適度（聲譽模型）來匹配司機和乘客。通過動態(tài)定價，這些服務(wù)可以通過支付意愿進行配給，動態(tài)定價還有利于估計司機數(shù)量的增長，這已經(jīng)成為了城市交通的一種流行的方法。隨著它們的快速發(fā)展，一些政策和法律問題也隨之出現(xiàn)了，比如和已有的出租車服務(wù)競爭以及對缺乏監(jiān)管和安全的擔(dān)憂。按需交通服務(wù)似乎很有可能成為自動駕駛汽車的一個主要推動力。拼車和駕乘共享一直以來都被視為有希望緩解交通擁堵的方法，而且還能更好地利用個人交通資源。Zimride和Nuride等服務(wù)將具有類似路線的人聚集到一起進行聯(lián)合旅行。但拼車的方法難以獲得大規(guī)模的推動力。人機交互幾十年來，人們一直在想象非常不同的、未來感十足的交通載具。盡管未來的車輛將會更加智能，無人機也將得到廣泛應(yīng)用，但在2030年之前我們不太可能會大規(guī)模地用上和現(xiàn)在已有的交通工具在外觀和功能上大相徑庭的交通載具。我們的研究小組并不指望可以海陸空穿行的無人機或四軸飛行器在這個時間范圍內(nèi)變成常用的交通運輸方式（盡管現(xiàn)在已有原型機出現(xiàn)了）。我們預(yù)計人類會成為自動駕駛汽車和無人機的訓(xùn)練、執(zhí)行和評估過程中的合作伙伴。這種伙伴關(guān)系可能是物理地，也可能是虛擬的。我們預(yù)計算法的進步將促進機器從人類輸入中的學(xué)習(xí)。我們還預(yù)計會出現(xiàn)建模人類注意機制、以及支持人機之間的通信和協(xié)作的模型和算法。這是未來汽車發(fā)展的一個組成部分。家庭/服務(wù)機器人過去十五年中，機器人已經(jīng)進入了人們的家庭。但應(yīng)用種類的增長慢得讓人失望，與此同時，日益復(fù)雜的人工智能也被部署到了已有的應(yīng)用之中。人工智能的進步常常從機械的革新中獲取靈感，而這反過來又帶來了新的人工智能技術(shù)。未來十五年，在典型的北美城市里，機械和人工智能技術(shù)的共同進步將有望增加家用機器人的使用和應(yīng)用的安全性和可靠性。特定用途的機器人將被用于快遞、清潔辦公室和強化安全，但在可預(yù)見的未來內(nèi)，技術(shù)限制和可靠機械設(shè)備的高成本將繼續(xù)限制狹窄領(lǐng)域內(nèi)應(yīng)用的商業(yè)機會。至于自動駕駛汽車和其它新型的交通機器，創(chuàng)造可靠的、成熟的硬件的難度不應(yīng)該被低估。真空吸塵器經(jīng)過許多年的開發(fā)之后，真空清潔機器人ElectroluxTrilobite在2001年成為了第一款商用家庭機器人。它有一個簡單的控制系統(tǒng)，可以做到避障和一些導(dǎo)航。一年之后，iRobot推出了Roomba，它的價格只有Trilobite的十分之一，只有512字節(jié)的RAM，運行著一個基于行為的控制器。其所能做到的最智能的事情是避免從樓梯上跌落。自那時起，已有1600萬臺Roomba被部署到了世界各地，現(xiàn)在也已有了其它一些競爭品牌。隨著低成本嵌入式處理器的處理能力和RAM容量在2000年時令人沮喪的狀態(tài)的基礎(chǔ)上實現(xiàn)的提升，這些機器人的人工智能能力也取得了顯著的提升。簡單的導(dǎo)航、自充電和處理垃圾箱裝滿的行為等已經(jīng)得到了解決，接著又解決了電線和地毯流蘇的問題，這些是通過機械改進和基于傳感器的感知的結(jié)合實現(xiàn)的。最近，全VSLAM（視覺同步定位和測繪，一種已經(jīng)存在了20年的人工智能技術(shù)）的加入讓機器人可以構(gòu)建它們所清潔的房屋的全3D世界模型，從而讓他們在他們的清潔范圍內(nèi)更加高效。人們早期預(yù)測過的一些家用機器人應(yīng)用還沒有實現(xiàn)。機器人真空吸塵器也僅限于局部的平坦區(qū)域，而真正的家里有大量的單級階梯甚至樓梯；在機器人在真實家庭中的運動上的研究還非常少。硬件平臺的構(gòu)建仍然很困難，人們只對很少的應(yīng)用有足夠的購買意愿。用于圖像標注和3D對象識別等功能的感知算法盡管在人工智能會議上很常見，但離產(chǎn)品化還仍有幾年的時間。家庭機器人2030盡管家庭機器人到來的速度緩慢，但仍有跡象表明在接下來的15年內(nèi)會發(fā)生改變。像AmazonRobotics和Uber這樣的公司正在使用各種聚合技術(shù)開發(fā)大規(guī)模經(jīng)濟。也包括：模塊內(nèi)系統(tǒng)（SysteminModule，SiM）和許多片上系統(tǒng)（SystemonChip，SoC）的子系統(tǒng)，如今都被手機芯片制造商拒之門外（高通的SnapDragon，三星的Artik等）。這些系統(tǒng)至少要比十年前的超級計算機更好，它們有著8~64核，配備密碼學(xué)的專門化硅片、攝像頭驅(qū)動、附加的DSPs，以及針對特定感知算法的硬硅片。這意味著低成本設(shè)備將能夠支持比我們15年前能夠想象到的更多的機載人工智能。云（其他人的計算機）將使得家庭機器人上的新軟件的快速迭代成為可能，共享更多的不同家庭內(nèi)收集的數(shù)據(jù)集，這反過來也能供給基于云的機器學(xué)習(xí)，然后進一步改進已經(jīng)部署了的機器人。由深度學(xué)習(xí)帶來的在語音理解和圖像標記上的巨大進步將增強機器人在家庭中與人的交互。低成本的3D傳感器受到游戲平臺的驅(qū)動，全球數(shù)千名研究人員已經(jīng)開始在3D感知算法上的研究，這也將加速家庭和服務(wù)機器人的開發(fā)和采用。在過去的3年中，低成本的安全機械臂在全球已經(jīng)被數(shù)百個研究實驗室引入，激起一波在家用機器人上的新型研究，這個日期可能是2025年。全球超過6家創(chuàng)業(yè)公司正在開發(fā)基于人工智能的家庭機器人，如今主要集中于社交互動。最后，新的道德和隱私問題可能會浮出表面。醫(yī)療對人工智能而言，醫(yī)療領(lǐng)域一直被視為一個很有前景的應(yīng)用領(lǐng)域?；谌斯ぶ悄艿膽?yīng)用在接下來的幾年能夠為千百萬人改進健康結(jié)果和生活質(zhì)量，但這是在它們被醫(yī)生、護士、病人所信任，政策、條例和商業(yè)障礙被移除的情況下。主要的應(yīng)用包括臨床決策支持、病人監(jiān)控、輔導(dǎo)、在外科手術(shù)或者病人看護中的自動化設(shè)備、醫(yī)療系統(tǒng)的管理。近期的成功，比如挖掘社交媒體數(shù)據(jù)推斷潛在的健康風(fēng)險、機器學(xué)習(xí)預(yù)測風(fēng)險中的病人、機器人支持外科手術(shù)，已經(jīng)為人工智能在醫(yī)療領(lǐng)域的應(yīng)用擴展出了極大的應(yīng)用可能。與醫(yī)學(xué)專家和病人的交互方法的改進將會是一大挑戰(zhàn)。至于其他領(lǐng)域，數(shù)據(jù)是一個關(guān)鍵點。在從個人監(jiān)護設(shè)備和手機App上、臨床電子數(shù)據(jù)記錄上收集有用的數(shù)據(jù)方面，我們已經(jīng)取得了巨大的進展，從協(xié)助醫(yī)療流程和醫(yī)院運行的機器人那里收集的數(shù)據(jù)可能較少一些。但使用這些數(shù)據(jù)幫助個體病人和群體病人進行更精細的針對和治療已經(jīng)被證明極其的困難。研究和部署人工智能應(yīng)用已經(jīng)被過時的條例和激勵機制拉扯后腿。在這樣大型的、復(fù)雜的系統(tǒng)中，貧乏的人機交互方法和固有的難題以及部署技術(shù)的風(fēng)險也阻礙了人工智能在醫(yī)療的實現(xiàn)。減少或者移除這些障礙，結(jié)合目前的創(chuàng)新，有潛力在接下來幾年為千百萬人極大的改進健康結(jié)果和生活質(zhì)量。臨床應(yīng)用十幾年來，人工智能臨床助手的觀點已經(jīng)成為了陳詞濫調(diào)。盡管在醫(yī)療領(lǐng)域已經(jīng)有了成功的人工智能相關(guān)技術(shù)的試點，目前醫(yī)療輸送系統(tǒng)仍非常不幸的因結(jié)構(gòu)病態(tài)難以吸收、應(yīng)用新進展。由平價醫(yī)療法案（AffordableCareAct）提供的激勵機制已經(jīng)加快了EHR在臨床實踐中的滲透，但執(zhí)行力度缺乏，破壞了臨床醫(yī)師對EHR作用的信心。一小撮公司控制著EHR市場，用戶界面普遍認為不合格，包括醫(yī)師通常不理會惱人的彈出窗口。使用來自EHR數(shù)據(jù)的新型分析技術(shù)的潛力，包括人工智能，就由于這些原因和其他的條例與架構(gòu)障礙而難以被意識到。展望下一個15年，人工智能在進步，如果配合足夠的數(shù)據(jù)與有的放矢的系統(tǒng)，這極有可能改變分配給臨床醫(yī)師的認知任務(wù)。醫(yī)師如今還是老一套的從病人那里聽取病癥描述，在腦海中關(guān)聯(lián)與已知疾病的臨床表征的模式。有了自動化助手，醫(yī)師反而能夠監(jiān)督這一流程，應(yīng)用自己的經(jīng)驗和直覺指導(dǎo)輸入流程，并評估機器智能的輸出。醫(yī)師文字版本的實地經(jīng)驗仍然很重要。一個主要挑戰(zhàn)是將人類方面的醫(yī)療與自動化推理流程最佳結(jié)合。為了在未來取得進步，臨床醫(yī)師必須從開始就參與其中，從而保證系統(tǒng)能很好建立且值得信任。新一代的熟悉技術(shù)的醫(yī)師已經(jīng)在手機設(shè)備上經(jīng)常使用專門化的App了。同時，初級保健醫(yī)師的工作量已經(jīng)增加到了尋求幫助的點。因此，開發(fā)新機器學(xué)習(xí)方法的機會，通過自動挖掘科學(xué)文獻創(chuàng)造推斷架構(gòu)模式的機會，以及通過支持自由形式對話的認知助手的機會，都是無比巨大的。鑒于這些進展并未受到條例、法律、社會障礙的阻礙，對醫(yī)療價值的巨大改進在我們的掌握之中。醫(yī)療分析在人口層次上，人工智能從數(shù)百萬病人臨床記錄挖掘結(jié)果的能力能使得精細的、更私人化的診斷和治療成為可能。隨著完全的、一生僅一次的基因序列成為病人常規(guī)，基因型-表型連接的自動發(fā)現(xiàn)也將成為可能。一個相關(guān)的（可能較早）能力將會是發(fā)現(xiàn)「像我的病人一樣的病人」，從而基于分析類似群體做治療決策。傳統(tǒng)的與非傳統(tǒng)的醫(yī)療數(shù)據(jù)，因社交平臺得以加強，可能導(dǎo)致自定義亞人口的出現(xiàn)，每個人受到周圍有自動建議和監(jiān)控系統(tǒng)的醫(yī)療提供商生態(tài)系統(tǒng)的管理。隨著醫(yī)療流程和數(shù)百萬個體的終身醫(yī)療記錄變得可用，這些發(fā)展有潛力從根本上轉(zhuǎn)變醫(yī)療輸送系統(tǒng)。類似地，可穿戴設(shè)備對個人環(huán)境數(shù)據(jù)的自動獲取將擴展個人醫(yī)療。隨著供應(yīng)商發(fā)現(xiàn)吸引大量人口（例如，共享醫(yī)療）的發(fā)現(xiàn)，然后創(chuàng)造出能挖掘產(chǎn)生個人分析與建議的大規(guī)模人工數(shù)據(jù)，這些活動將具有更大的商業(yè)化可行性。不幸的是，F(xiàn)DA在認可創(chuàng)造性診斷軟件上進展緩慢，在加速創(chuàng)新上也有遺留障礙。HIPAA（HealthInsurancePortabilityandAccountabilityAct）法案要求保護病人隱私，這導(dǎo)致了病人數(shù)據(jù)流應(yīng)用人工智能技術(shù)的法律障礙。已批準藥物的意外副作用可能要比今天出現(xiàn)的更快、更嚴厲，但分析藥物相互作用的手機APP可能受阻于應(yīng)用病人病例信息。更普遍的是，醫(yī)療領(lǐng)域的人工智能研究與創(chuàng)新因缺乏被普遍接受的隱私保護方法與標準而受阻。FDA認可創(chuàng)新軟件的速度緩慢，部分是因為不能清楚理解這些系統(tǒng)的成本/收益權(quán)衡。如果監(jiān)管者（主要是FDA）認識到有效的上市后報告是一個可靠的對安全風(fēng)險的對沖，對新的治療與干預(yù)措施的最初認可可能成為可能。自動圖像解析也是研究了數(shù)十年的課程。對大型弱標記圖像的解析進展是爆發(fā)性，比如來自網(wǎng)頁的大型圖片檔案。乍一看，你會很驚訝幾乎沒有變革類似于醫(yī)療圖像解析的。大部分生成醫(yī)療圖像的方式（CT、MR、超聲波）都是電子化的，圖像都是存檔的，而且也有大型的公司有專注于圖像的內(nèi)部研發(fā)機構(gòu)（比如，西門子、飛利浦、GE）。但目前為止，還有數(shù)個障礙限制了進展。在過去十年中，大部分醫(yī)院的圖像檔案都電子化了。更重要的問題是不知道圖片中的內(nèi)容（圖片中是肝臟還是腎臟？），更不要說做出精細判斷了（肝臟中的小黑點表明潛在的腫瘤？）。嚴厲的條例管理著這些高風(fēng)險判斷。即使有前沿的技術(shù)，放射科醫(yī)師仍然傾向于查看圖像，所以價值定位還并不引人注目。同樣，醫(yī)療條例阻礙了機構(gòu)間的數(shù)據(jù)聯(lián)合。因此，只有大型的整合醫(yī)療公司才能夠解決這些問題，比如KaiserPermanente。自動/增強圖像解析的發(fā)展開始加快。接下來的15年內(nèi)可能不會帶來全自動的放射學(xué)，但最初的圖像分類或者下一層的圖像檢查可能提高醫(yī)療圖像生成的速度的成本高效益。當(dāng)與電子病人記錄系統(tǒng)結(jié)合的時候，大規(guī)模的機器學(xué)習(xí)技術(shù)可能應(yīng)用于醫(yī)療圖像數(shù)據(jù)。例如，多專業(yè)醫(yī)療系統(tǒng)有百萬病人掃描檔案，每個都有相關(guān)的放射報告，而且大部分有相關(guān)的病人記錄。已經(jīng)有論文表明通過在這些數(shù)據(jù)上訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)，能產(chǎn)生基礎(chǔ)的放射性發(fā)現(xiàn)，有很高的可靠性。醫(yī)療機器人15年前，醫(yī)療機器人大多是科幻小說內(nèi)的形象。一家從IBM衍生出的名為Robodoc的公司為矯形外科手術(shù)開發(fā)機器人系統(tǒng)。技術(shù)是可用的，但公司難以商業(yè)化最終關(guān)閉，技術(shù)也被收購。盡管，近期外科機器人的研究與實際使用也開始爆發(fā)。在2000年，IntuitiveSurgical介紹了達芬奇系統(tǒng)，這是一個最初市場化的新技術(shù)，支持最低程度的心臟搭橋手術(shù)，然后在前列腺癌的治療上也獲得大量的市場吸引力，并在2003年與其主要的競爭對手ComputerMotion合并。醫(yī)院運行中的智能自動化方面的成果較少，它不像外科機器人。20年前，一家名為HelpMate的公司為醫(yī)院輸送（比如食物和醫(yī)療記錄的輸送）創(chuàng)造了一個機器人，但最終破產(chǎn)。最近，Aethon為基礎(chǔ)輸送引入了TUG機器人，但目前為止少有醫(yī)院投資該技術(shù)。然而，其他服務(wù)產(chǎn)業(yè)的機器人，比如酒店與倉庫，包括AmazonRobotics（前身為Kiva）的機器人都證明這些技術(shù)至少在大規(guī)模環(huán)境中是可用且具有成本效益的。此外，這些技術(shù)最終可能在醫(yī)療領(lǐng)域產(chǎn)生額外的創(chuàng)新。往前看，醫(yī)療領(lǐng)域出現(xiàn)的很多任務(wù)將增強而非完全的自動化。例如，機器人可能向正確的屋子輸送物品，但然后就需要人進行選擇，并放到最終位置。一旦一位病人站到步行器上，陪伴病人在走廊走動可能就相對簡單了（盡管面對術(shù)后或者老年病人，這個任務(wù)更瑣碎，特別是在走廊有大量器械和其他人的情況下）。在手術(shù)針準確放置的情況下，進行縫合對機器人而言也很簡單。這表明很多未來的系統(tǒng)將在人與機器之間親密交互，而且需要在兩者間建立協(xié)作的技術(shù)。自動化的成長將產(chǎn)生對醫(yī)療流程的新洞見。歷史上，機器人機器人不是非常受數(shù)據(jù)驅(qū)動或是面向數(shù)據(jù)的科學(xué)。隨著（半）自動滲透到醫(yī)療領(lǐng)域，這正在發(fā)生改變。隨著新型外科、輸送、以及病人看護平臺變成線上，量化以及預(yù)測分析開始建立到來自這些平臺的數(shù)據(jù)之上。這些數(shù)據(jù)將被用于評估性能質(zhì)量、識別缺陷、錯誤或者潛在的最優(yōu)方式，而且將被作為反饋改進新能。簡言之，這些平臺將促進在做什么與結(jié)果檔案間建立連接，使得真正的「閉環(huán)」醫(yī)療成為可能。移動健康目前為止，醫(yī)療上的循證分析依靠傳統(tǒng)的醫(yī)療數(shù)據(jù)，主要是上面討論過的電子醫(yī)療記錄。在臨床環(huán)境，有希望帶入新數(shù)據(jù)。例如，在人工智能代理的幫助下，Tele-Language使得醫(yī)師能夠同時與數(shù)個病人進行語言治療。而且從病人手機被動收集的數(shù)據(jù)中提取行為模式并發(fā)出警報的Lifegraph已被以色列的精神病醫(yī)師采納，用于檢測病人苦惱行為的早期跡象。向前看，受到移動計算革命的驅(qū)動，自然環(huán)境下生物統(tǒng)計學(xué)的驚人成長以及平臺的爆發(fā)和應(yīng)用是一個有希望且未曾意料到的趨勢。大量的手機App如今在提供信息、引入行為修改，或識別「像我一樣」的群體。這些結(jié)合更專門化的運動追蹤設(shè)備（比如Fitbit）趨勢的興起，加上家庭環(huán)境與健康追蹤設(shè)備之間的（內(nèi)部）連通性的興起，已經(jīng)創(chuàng)造出了一個驚人的新的創(chuàng)新領(lǐng)域。通過結(jié)合社交和醫(yī)療數(shù)據(jù)，一些醫(yī)療App能進行數(shù)據(jù)挖掘、學(xué)習(xí)與預(yù)測，盡管他們的預(yù)測相對基礎(chǔ)。數(shù)據(jù)的聚合與功能性的跨應(yīng)用可能將刺激出新的甚至更顯著的產(chǎn)品，比如不僅建議鍛煉日程甚至建議最佳鍛煉時間的App，并且還能為這些鍛煉日程提供輔導(dǎo)。老年看護在接下來的15年中，美國的老年人數(shù)量的增長將超過50%。美國國家統(tǒng)計局表示在接下來10年內(nèi)，家庭健康助手將增長38%。盡管該領(lǐng)域有廣泛的機會（基礎(chǔ)的深灰指出、交互以及通信設(shè)備，家庭健康監(jiān)控，各種簡單的戶內(nèi)身體助手，比如步行器、備餐助手），在過去的15年中發(fā)生過很少。但即將到來的時代轉(zhuǎn)變將伴隨著老年人對技術(shù)接受度上的改變。目前出生于1946年的70歲的老人可能在中年或者更晚的年紀才體驗到一些形式的個性化IT，然而如今50歲的老人對科技更親近也更熟悉。最終，對支持身體、情感、社交以及心理健康的可用的或者成熟的技術(shù)，老人將有更大的興趣，也將有更大的市場。以下是一些可能存在的例子：生活質(zhì)量與獨立性：自動化交通將為老人提供持續(xù)的獨立性以及更寬的社交界限。共享信息將幫助家庭與出門在外的家庭保持聯(lián)系，預(yù)測分析可能被用于推動家庭向積極行為發(fā)展，比如提醒往家打電話。家庭中的智能設(shè)備將在日常生活活動上提供幫助，比如做飯。如果機器人操作能力有足夠的改進，也能幫助老人穿衣服、如廁。健康保健監(jiān)控運動與活動的手機應(yīng)用配合社交平臺將能夠推薦保持心理與身體健康的建議。室內(nèi)健康健康和健康信息的接入將能夠檢測心態(tài)與行為的變化，并做出護理提醒。個性化健康管理將幫助消除與多合并病癥和/或治療作用之間關(guān)聯(lián)的復(fù)雜性。治療與設(shè)備更好的聽從助手與視覺輔助設(shè)備的建議將消除聽覺與視覺障礙上的影響，提高安全性以及與社會的溝通。個性化康復(fù)與家庭內(nèi)治療將減少去醫(yī)院以及護理中心的需要。身體輔助設(shè)備（智能步行器、輪椅、外骨骼）將拓展身體有限制的人的活動范圍。研究小組期望低成本傳感技術(shù)的爆發(fā)能為家庭內(nèi)的老人提供大量的能力。原則上，社會中實際存在（指人）以及有簡單身體能力（例如，有基礎(chǔ)交流能力的移動機器人）應(yīng)該為新的創(chuàng)新提供一個平臺。然而，如此做需要融合人工智能的多個領(lǐng)域（自然語言處理、推理、學(xué)習(xí)、感知、機器人），從而創(chuàng)造一個老年人可用的、合用的系統(tǒng)。這些創(chuàng)新將引發(fā)關(guān)乎多個圈子的隱私問題，包括朋友、家庭以及護理員。教育在過去的十五年間，教育界見證了為數(shù)眾多的人工智能科技的進步。諸如K-12線上教育以及大學(xué)配套設(shè)備等等應(yīng)用已經(jīng)被教育家和學(xué)習(xí)者們廣泛利用。盡管素質(zhì)教育還是需要人類教師的活躍參與，但人工智能在所有層面上都帶來了強化教育的希望，尤其是大規(guī)模定制化教育。如何找到通過人工智能技術(shù)來最優(yōu)化整合人類互動與面對面學(xué)習(xí)將是一個關(guān)鍵性的挑戰(zhàn)，這一點醫(yī)療行業(yè)也是如此。機器人早已經(jīng)成為了廣為歡迎的教育設(shè)備，最早可以追溯到1980年MITMediaLab所研制出的LegoMindstorms。智能輔導(dǎo)系統(tǒng)（ITS）也成為了針對科學(xué)、數(shù)學(xué)、語言學(xué)以及其他學(xué)科相匹配的學(xué)生互動導(dǎo)師。自然語言處理，尤其是在與機器學(xué)習(xí)和眾包結(jié)合以后，有力推進了線上學(xué)習(xí)，并讓教師可以在擴大教室規(guī)模的同時還能做到解決個體學(xué)生的學(xué)習(xí)需求與風(fēng)格。大型線上學(xué)習(xí)的系統(tǒng)所得的數(shù)據(jù)已經(jīng)為學(xué)習(xí)分析產(chǎn)生了迅速增長的動力。但是，學(xué)院與大學(xué)采用人工智能技術(shù)的步伐依然很緩慢，主要是由于資金的缺乏，以及其可以幫助學(xué)生達成學(xué)習(xí)目標的有力證據(jù)。一個典型美國北部城市的未來五十年，智能導(dǎo)師與其他人工智能技術(shù)幫助教師在課堂或家中工作的規(guī)模很有可能會顯著擴大，因為意愿學(xué)習(xí)是基于虛擬現(xiàn)實的應(yīng)用。但是計算機為基礎(chǔ)的學(xué)習(xí)系統(tǒng)將無法完全替代學(xué)校里的教師們。教育機器人今天，K-12線上教育學(xué)校能夠利用更加復(fù)雜和多樣化的設(shè)備，這些都來自于許多創(chuàng)造了可在多種語言中編程的新型傳感技術(shù)的公司。Ozobot是一個機器人，教孩子們編代碼以及邏輯分析去讓它跳舞或根據(jù)顏色代碼模型玩游戲。Cubelets幫助教孩子們通過組裝有著不同功能的機器人模塊以進行思考、行動或感知來學(xué)習(xí)邏輯思維。WonderWorkshop的Dash和Dot則有著廣泛的編程能力。八歲以及以上的孩子們可以利用一個虛擬編程語言Blockly創(chuàng)造簡單的動作，或者通過C語言或Java制造一些IOS或安卓的應(yīng)用。PLEO機器人是一個機器人寵物，幫助孩子們通過讓機器人根據(jù)環(huán)境的不同方面做出反應(yīng)反應(yīng)學(xué)習(xí)生物學(xué)。然而，盡管有些機器人的確參與其中并帶來樂趣，但是為了讓它們更加普遍被利用，我們還需要一些有著足夠說服性的證據(jù)以證明它們可以提高學(xué)生們的學(xué)術(shù)表現(xiàn)。智能輔導(dǎo)系統(tǒng)（ITS）與線上學(xué)習(xí)ITS由一些諸如Why-2Atlas的研究實驗室項目發(fā)展而來，后者幫助人-機對話在這個時代的早期解決物理問題。ITS從實驗室的試驗階段到實際應(yīng)用的迅速轉(zhuǎn)變十分驚人，但同時也是我們樂于見到的?？上螺d的軟件與線上系統(tǒng)，例如CarnegieSpeech或Duolingo提供了利用自動語音識別和神經(jīng)語言程序?qū)W技術(shù)來識別語言中的錯誤并幫助用戶修改的外語訓(xùn)練。輔導(dǎo)系統(tǒng)，例如CarnegieCognitiveTutor已經(jīng)在一些美國高校中有所應(yīng)用，幫助學(xué)生們學(xué)習(xí)數(shù)學(xué)。其他ITS也針對在圖像、電路、醫(yī)療診斷、計算機知識和編程、遺傳學(xué)、化學(xué)方面的訓(xùn)練進行了發(fā)展。認知輔導(dǎo)師軟件可以模仿一個優(yōu)秀的人類輔導(dǎo)師，例如在學(xué)生遇到某些數(shù)學(xué)問題時提供暗示等?；谒蟮陌凳九c提供的答案，輔導(dǎo)師可以提供詳細具體的反饋。這種應(yīng)用也在向更高的教育擴展。一個叫做SHERLOCK的ITS正在開始用來教空軍技師診斷飛行器中的電路系統(tǒng)障礙。南加州大學(xué)的信息科學(xué)學(xué)院已經(jīng)研發(fā)了更多先進的，基于avatar的訓(xùn)練模塊幫助訓(xùn)練被送往國際崗位的軍隊人員與有著不同文化背景的人們進行交流。對于個性化輔導(dǎo)的新算法，例如BayesianKnowledgeTracing，讓個體掌握學(xué)習(xí)和解決問題的次序。大部分的驚喜來自于MOOCs的爆炸式發(fā)展與其他各種線上教育的模型——包括像維基百科和KhanAcademy以及復(fù)雜的學(xué)習(xí)管理系統(tǒng)，建立于同步或異步教育和適應(yīng)性學(xué)習(xí)工具。自從上世紀九十年代后期，例如像EducationalTestingService和Pearson已經(jīng)在研發(fā)自動化的自然語言程序?qū)W估測工具，在標準測試中聯(lián)合評估論文。許多MOOCs課程非常受歡迎，還有EdX、Cousera以及Udacity都在利用自然語言處理、機器學(xué)習(xí)與眾包技術(shù)來評估較短的答案與論文中的錯誤以及編程作業(yè)。支撐專業(yè)生級別的教育和終生學(xué)習(xí)的線上教育系統(tǒng)也在迅速擴張。這些系統(tǒng)都具有很大的潛力因為面對面的交流需要對于專家和跳槽者并不是非常重要。盡管他們不是人工智能系統(tǒng)和應(yīng)用界的領(lǐng)導(dǎo)，但是他們會成為這些技術(shù)在經(jīng)歷測試和強化過程中的早期采用者?？梢哉J為人工智能是教師的秘密武器，特別是在高等教育中，可使用人工智能大幅度擴展他們的課堂級別。為了不斷測試不同年級的學(xué)生，自動生成問題也是有可能，比如評估單詞量的問題、多項選擇問題，使用到了WordNet、Wikipedia、和線上知識本體這樣的資源。隨著線上課程的爆發(fā)，這些技術(shù)無疑將被線上教育采納。盡管這些系統(tǒng)在教育系統(tǒng)中的長期影響還不明顯，人工智能社區(qū)在很短時間內(nèi)學(xué)習(xí)到了很多東西。學(xué)習(xí)分析從MOOC到KhanAcademy這些大規(guī)模線上學(xué)習(xí)系統(tǒng)以及較小的線上項目收集到的數(shù)據(jù)集，以及促進了學(xué)習(xí)分析領(lǐng)域的快速發(fā)展。線上資源不僅對普遍傳播有里，也是進行數(shù)據(jù)收集以及設(shè)備實驗的天然工具，它有助于科學(xué)發(fā)現(xiàn)并規(guī)?；母倪M學(xué)習(xí)質(zhì)量。SocietyforLearningAna