相比印度裔，为何美国科技公司华裔高管寥寥无几？

[访谈/科技力量程小康]

观察者网络:人工智能的核心技术是什么？目前的技术水平离“强大的人工智能”还有多远？

采访团队:目前，人工智能的核心技术主要是机器学习和大数据。大数据是人工智能的基础，将大数据转化为知识或生产力离不开机器学习，机器学习是机器拥有与人类相似智能的根本途径。从本质上说，人工智能的发明是模仿人类思维的逻辑，以便自主解决问题。弱人工智能赋予人类特征的决策权。人类预先选择特征，然后通过函数逼近来拟合特征曲线，从而找到输入和输出之间的映射函数。强大的人工智能抛弃了人为因素，试图自己修复这些特征。该算法通过自身发现输入和输出的特征，然后通过自身建立映射函数，从而产生真正的自主智能。然而，只要有一个算法，就一定有一个人为因素，除非这个算法符合智能诞生的原始状态，并且自己进化。简而言之，强人工智能是一种具有意识、意识、推理和解决问题的智能机器。然而，人工智能在这个阶段，无论任务有多复杂，本质上都是实现向量空之间的映射，没有思考能力。大多数现有的创新都停留在算法模型的框架级别。它们都是由人类创造和规定的。性能比较也停留在快速计算和精确计算上。对人工智能的创造力从来没有任何评价。然而，不可排除的是，随着技术形式的变化和替代，以及脑科学和其他学科的深入发展，强大的人工智能将会以目前无法想象的状态出现，这将促使人工智能机器从“特殊智能”向“一般智能”转变。

《人工智能的全球模式:未来趋势和中国的潜力》，由国务院发展研究中心技术经济研究所人工智能研究小组参与编写。

观察者网络:中国在人工智能基本算法方面的投入和产出是什么？

采访组:一方面，我们需要肯定中国在人工智能算法研究方面的突出成就。2019年，中国人工智能的论文和专利申请数量已经位居世界第一。以中国科学院、清华大学、中国科技大学和Xi交通大学为代表的科研机构在机器学习和深度学习算法方面贡献了大量高质量的论文。以百度、阿里巴巴、腾讯为代表的科技巨头，以汤唯、HKUST迅飞、申兰为代表的独角兽企业，在语音识别、自然语言处理、计算机视觉、智能驾驶等人工智能算法的发展上取得了显著的成绩。毫无疑问，中国在人工智能算法方面取得了显著的进步，具有很高的输入和输出效率。但另一方面，我们也需要检查中国在核心算法和基础技术方面的不足。2019年的“许匡迪问题”在业内引起了广泛的共鸣。在中国，很少有人工智能领域的科学家真正从事算法研究。缺乏基本的核心算法将成为未来中国人工智能发展的“瓶颈”。相比之下，美国、欧洲和日本的数学基础更为坚实，在研究人工智能算法时可以在基础理论上实现“突破”。举一个不恰当的例子，谷歌在软件上有张量流，在硬件上有TPU，在算法上有AlphaGo和AlphaZero。它对人工智能技术的理解和对人工智能基本算法的投资是目前任何中国企业都无法比拟的。总的来说，中国的人工智能在数据规模和工业应用方面很强，但在核心算法和基本计算能力方面很弱。

应该指出，人工智能的发展还处于非常早期的阶段，正如长征只走了一小步一样。人工智能新理论出现后，现有的优势或劣势可能会变得无关紧要。在这条超长的技术轨道上，我们必须密切关注脑科学、神经科学和数学中最低级的理论研究。人工智能最具竞争力的时刻总是在未来。

观察者网络:政府、技术巨头、风险投资机构和初创企业在促进人工智能发展中扮演什么角色？

采访组:政府主要承担“探路者”的角色。2020年1月，美国白宫提出了管理人工智能开发和应用的监管原则，要求政府尽可能少地干预。与美国不同，我国不仅要“少干预”，还要“强引导”、“重和谐”、“强帮助”。“强有力的领导”要求政府在人工智能的发展规划、法律法规和产业政策的制定中充分发挥整体领导作用，给予整体领导。我们不仅应该为工业发展创造机会，而且应该保护它。“少干预”只是不干预技术细节和开发模式。政府在发展方向和法制道德建设方面仍然处于领先地位。“强调和谐”是指需要调和企业之间过度激烈的竞争，保护有序和高质量的市场竞争。至于“强力救济”，目前，外部力量想要压制中国人工智能产业的发展势头。只有政府有能力站出来，发挥保护和救济作用，保护中国人工智能产业发展的能力储备。

科技巨头主要扮演“风向标”的角色。总公司有长期创新的意志、力量和能力。这些公司在技术和商业模式上有很强的创造力。作为市场的基准，它对市场的推动作用不可低估。因此，如果企业愿意通过开源或创建产业联盟来培育和促进技术创新，它们将形成对市场的积极激励。如微软、谷歌、阿里巴巴、腾讯等公司都广泛开展和实施了这样的理念，这也给企业本身带来了诸多好处，如吸收优秀技术，建立广泛流行的生态，进一步加快生态建设，促进科技创新，提高盈利能力。

风险投资机构主要扮演“供应站”的角色。风险投资机构不能因为技术炒作而过分关注某项技术，也不能因为利益而恶意对某个企业做空的事情。风险投资机构在刺激市场增长方面发挥了作用。如果发挥不好，可能会影响整个产业发展过程中的资本流动，甚至导致马太效应，不利于技术创新。因此，投资也相当于“投票”。风投应该掌握顶级投资者的“投票权”，不应该利用资本和关系来强行操纵市场。然而，这一领域仍有许多监管无法触及的灰色地带。

初创企业应发挥主导作用，充分利用中国启动成本低、政策宽松的优势，稳步推进技术创新，同时充分发挥规模小的优势，实现创新成果的快速商业化。

总之，各行各业都必须充分发挥我国系统的优势，集中力量解决重大问题，共同促进人工智能产业又好又快发展。

观察者:与美国科技巨头相比，中国科技公司在人工智能领域的优势和劣势是什么？

采访团队:中国的人工智能技术公司有很强的应用创新能力。由应用程序主导的人工智能应用在全世界都很流行，尤其是摄影和视频应用受到全世界用户的青睐。此外，人工智能初创公司在我国发展良好，吸引了业界的广泛关注。根据世邦魏理仕智库2019年发布的“人工智能100”报告，在全球100家最有希望的人工智能初创公司中，有11家“独角兽”公司，其中5家是中国公司。这表明中国人工智能技术公司已经赢得了广泛的认可和支持，并且这一趋势在未来还将继续扩大。

同时，中国智能科技公司赖以生存和发展的政策环境更加宽容和开放。中国将在2017年把发展人工智能作为国家战略，而美国的国家人工智能战略要到2019年才会出台。现有的政策环境和支持是其他国家无法比拟的。以深圳为例。深圳是人工智能创新的重要基地。当地政府非常支持企业。公司注册和批准的程序非常简单。政府部门甚至建立了企业现场轮岗的工作模式。深圳政府在确保中小企业融资方面也走在了全国的前列。

此外，作为世界上最大的单一市场，中国在用户数量上的优势也是人工智能企业的一大优势。大量用户每天都会产生大量数据，人工智能的发展和训练在很大程度上依赖于大数据。规则和需求是从用户行为中总结出来的，人工智能应用的有效性可以相应地得到增强和升级。

然而，我们也必须认识到现有的差距。一方面，中国科技企业起步晚，基础研发能力差，而美国信息产业起步早，技术积累深。全世界开发者广泛使用的计算机、操作系统和开发平台都是在美国开发的，英特尔、Avida和谷歌等公司处于垄断地位。这方面的差距短期内无法弥补。另一方面，美国企业与高校联系紧密，许多项目是与具有强大创新能力的高校合作实施的。在这方面，我国企业与高校的合作尚未形成遍地开花的局面。值得注意的是，美国的人工智能专利大多来自企业，而中国的人工智能专利大多来自大学。因此，高校的研发实力不可低估。与高校合作加快创新是企业思考和把握的潜在机遇。此外，人工智能企业在中国的应用范围相对狭窄，主要集中在单一的垂直行业。在美国，谷歌、脸书和微软等领先公司都有许多业务部门，业务覆盖面很广。例如，微软的人工智能业务从机器绘图到解决气候问题，学科交叉产生了大量前沿成果。对企业来说，拓展业务将扩大成就创新的可能性，提高生存能力。如果垂直行业不景气或新兴行业正在崛起，企业将能够转型。

观察者网络:中国、美国、欧洲、日本和韩国在制定人工智能发展政策方面有哪些相同点和不同点？

采访团队:一般来说，每个人都应该将人工智能融入到顶级设计中，并将其提升到国家战略的高度。他们基本关注人工智能技术的应用前景、技术投入、人才培养及相关制度保障等。战略愿景和布局是相对长期和宏大的。

差别也很明显，每个国家肯定会根据自己的发展情况和需要制定政策。

例如，我国17年来颁布的《新一代人工智能发展规划》及随后的一系列规划文件都表明，我国人工智能发展的重点是技术应用，更加注重技术落地，抢占科技制高点，促进整个产业转型，促进经济发展。

美国战略的目标是保持其作为人工智能全球领导者的地位。重点是如何面对人工智能全面发展的大趋势，关注对国家长期安全和社会稳定的影响和变化。除了技术研发和安全系统的改进，美国更加关注人工智能可能带来的风险，更加关注提高人工智能的可靠性。

除了促进人工智能的研究、开发和应用之外，欧盟的战略侧重于人工智能的价值，强调对人工智能的伦理、道德和法律制度的研究。他们想在这方面制定人工智能的伦理标准，建立全球标准并形成一个模型。诚然，欧盟在人工智能伦理道德建设方面走在了前列。我国17年来提出的“计划”没有对这一领域给予足够的重视。然而，下面的研究也开始关注这一领域。随着人工智能的发展，伦理道德的影响将更加突出。这是我们必须正视和解决的问题。

就日本和韩国而言，他们的人工智能战略有着更明确的目标和目的，并着眼于利用他们的长期优势。例如，日本从其强大的机械制造和机器人产业开始，充分发挥其优势，推动机器人革命和人工智能技术，并希望在解决人口老龄化和劳动力短缺问题的同时实现大发展。韩国也是如此，该国专注于最大限度地发挥其在信息和通信技术、半导体和电子元件制造技术方面的优势，并推动韩国从“信息技术大国”向“人工智能大国”发展。

观察者网络:近几十年来，应用物理学发展迅速，但在基础理论方面没有重大突破。人工智能能加速基础理论的突破吗？

采访团队:人工智能将推动数据密集型科学研究的革命。我们知道，基础物理学中的宏观尺度天体物理学和微观尺度粒子物理学都严重依赖于实验观察，而且在实验过程中经常会产生大量数据。大数据处理是当前人工智能爆炸性发展的基础，因此越来越多的物理学家正在用人工智能探索物理学的前沿。

例如，为了处理大规模三维宇宙学数据集，美国劳伦斯·伯克利国家实验室与英特尔和克莱公司合作，利用深入学习技术开发了物理科学应用宇宙流，并将其应用于暗物质N体模拟实验。另一个例子:世界上最大的粒子加速器是欧洲核研究中心(CERN)的大型强子对撞机(LHC)，它每秒能产生数百万GB的数据。研究人员使用机器学习技术来实时决定哪些数据需要保存，哪些数据可以丢弃。目前，机器学习算法可以代替70%的实验人员的工作量，大大提高数据处理的效率。

物理学的前沿正在向多体问题和复杂模型的方向探索，所有这些都离不开大量的数据支持。随着人工智能与科学研究数据处理的深入结合，埋藏在数据下的新模式和新规律将逐渐显现，基础物理学将迎来新一轮的理论突破。

观察者网络:人工智能在“转变生产力”和“调整生产关系”中的作用是什么？

采访团队:生产关系的变化取决于生产力的飞跃。人类在18世纪实现了第一次工业革命的机械化，在19世纪实现了第二次工业革命的电气化，在20世纪实现了第三次工业革命的信息化。人类物质生产能力得到了突飞猛进的发展。21世纪的第四次工业革命正在酝酿之中。人类也在朝着智能的方向大步前进。人工智能是推动这场革命的核心力量。

就生产力的变化而言，人工智能将逐渐取代体力和脑力劳动。以前所有工业革命的主题都是人类操纵和使用机器的方式的变化。在第四次工业革命中，从事生产的机器的大规模全自动化将成为这一创新的突出标志。尽管经济活动可能总是需要人类作为主导力量，但一种完全由机器操作的经济形式正在形成。人工智能的自主感知、自主学习和自主决策不仅能驱动机器自主运行，而且能使机器在最佳状态下运行。更重要的是，机器不再由人类来协调。人工智能可以合理分配各级资源，优化整个物料生产过程。这意味着机器不仅正在取代体力劳动，而且正在逐渐取代一些脑力劳动。这一过程将彻底改变人类的生产方式，极大地拓展人类物质生产的边界。

在生产力关系的调整中，人工智能将促进生产资料和社会组织的均等化。随着人工智能促进物质生产方式的创新，人类将逐渐减少在物质生产活动中的时间，增加在创造性活动中的时间。人类将逐渐摆脱对机器的依赖，变得更加独立。许多人认为，在未来，生产关系将变成人与机器的关系，甚至是人与机器人的关系。归根结底，事实上，生产关系最终反映了人与人之间的关系。随着人类社会智力的提高，生产资料将更难集中在某个群体中。物质生产和社会组织的民主化将彻底改变原有的生产关系。目前，我们只能讨论趋势。我相信在不久的将来，适合智能社会的生产关系将逐渐形成。所有这一切都需要我们一起参与和见证。

观察者网络:有人认为“人工智能实际上是统计学+概率论”。你觉得这个怎么样？

采访团队:当前人工智能的爆发离不开基于概率论和统计学的大数据处理和机器学习技术的快速发展。因此，许多人认为人工智能是统计学+概率论。

我认为这种观点是片面的。人工智能分为两个层次，即弱人工智能和强人工智能，两者有着本质的区别。前者是智力的单一方面，如AlphaGo在国际象棋游戏中的表现，这是目前应用深度学习技术的一个经典例子。统计方法确实是实现这种智力水平的有效方法。然而，强大的人工智能，或类似大脑的智能，通常是一种具有能够思考和学习的人工大脑的代理。本质上，它使用算法来模拟神经元的工作机制，像人脑一样处理信息和决策。目前，基于统计路径的深度学习方案不能实现类大脑智能。根本原因是统计只能在复杂的感知数据中找到一定程度的模式，这使得很难形成多种认知功能，达到模拟人脑的效果。

从长远来看，人工智能的发展目标是实现强大的人工智能，即使智能体能像人类一样处理各种复杂事务，并能在多种场景中自由切换，这与对人脑结构和认知模式的深入研究分不开，形成类大脑信息处理模式。因此，人工智能的发展离不开统计+概率论，但也不能简单地归结为统计+概率论。

观察者网络:人工智能的大规模应用不可避免地会带来许多风险，如人工智能伦理、隐私数据保护等。中国的人工智能治理理念与欧美有什么不同？

采访组:近年来，由于算法、计算能力和数据的改进，人工智能技术经历了前所未有的发展，逐渐成为国际社会普遍关注的话题。与此同时，人工智能技术的研发和应用也带来了一系列伦理挑战。

最近，我们看到一些组织对2019年十大人工智能治理事件进行了回顾，包括频繁发生的自动驾驶安全事故、“有争议的监控头环进入学校”事件、人工智能面临变更应用引发的隐私纠纷，以及人工智能撰写足以混淆事实的虚假新闻等内容。

目前，有80多份关于人工智能治理标准或指导方针的文件可以通过世界各地的开放渠道看到。2019年4月8日，欧盟委员会发布了以“建立对以人为本的人工智能的信任”为主题的欧洲版人工智能伦理标准，希望建立“以人为本、值得信赖”的人工智能伦理标准，不断推动人工智能技术被公众接受和应用。2019年5月22日，经合组织成员国批准了人工智能原则，即可信人工智能的负责任管理原则，该原则共有五项伦理原则，包括包容性增长、可持续发展和福祉、以人为本的价值观和公平、透明度和可解释性、稳健性和安全性和可靠性以及责任。2019年5月25日在北京发布的《北京人工智能共识》提出了15项原则，所有参与者都应遵循这些原则，以利于建设一个人类命运和社会发展的共同体，注重“为人民服务”，并将中国哲学和文化中“和谐与最佳共生”的特色理念融入人工智能治理原则。2019年6月17日，全国新一代人工智能治理委员会发布了《新一代人工智能治理原则——发展负责任的人工智能》，强调和谐、友谊、公平、包容、共享、尊重隐私、安全可控、共担责任、开放合作、敏捷治理等八项原则。

经过梳理，我们可以发现围绕透明、公正和公平、无害、责任和隐私五个方面的伦理原则呈现出全球趋同的态势。然而，仔细分析也可以发现中西方在处理人工智能伦理问题上的一些差异，即西方强调“以人为本”，而中国更注重“和谐宽容”。治理理念的差异背后是中西文化和价值观的差异。

人工智能的研发应用具有跨境和国际分工的特点。人工智能的治理也特别强调国际合作与协调。随着人工智能的进一步发展，人与机器的关系也将发生变化。那时，西方“以人为本”的价值观可能无法适应新的人机关系，而中国传统智慧很可能成为人工智能治理问题的解毒剂。

观察者网络:关于“人工智能泡沫”和“深度学习遭遇冬天”的学术讨论日益形成鲜明对比。你怎么解释这个？

采访小组:在新书《人工智能的全球模式:未来趋势和中国的潜力》中，作者根据2000年前后互联网“泡沫”的经验，总结了当前“人工智能泡沫理论”的主要论点:

人们对人工智能改变生活的期望与人工智能的现实能力不符。以自动驾驶为例，汽车制造商对全自动驾驶(4级)的实现时间盲目乐观。德尔福和美孚国际承诺在2019年实施四级自动驾驶系统。Nutonomy计划在2019年在新加坡的街道上部署无人驾驶出租车。特斯拉首席执行官马斯克在2020年1月宣称，特斯拉车型的“全自动驾驶”功能即将问世。然而，像加里·马库斯这样的专家认为，要实现全自动驾驶可能需要几年甚至几十年的时间，才能实现一个可以避免事故的自动驾驶系统。

首都圈和媒体对人工智能的理解与人工智能的现实能力不符。首都圈和媒体中的一些人对人工智能的理解是片面的，对其目前的能力了解不够。扭曲的信息在网络中被多次传播，并逐步放大，最终导致整个社会认知的缺陷。

基于人类智能，现有的人工智能技术甚至可能达不到婴儿的水平。以深度学习为代表的机器学习技术只是实现真正人工智能的一小步。在可预见的未来，新的人工智能算法、计算能力和大数据技术将继续取得新的突破，人工智能将继续保持高速发展趋势。与前两次人工智能波相比，第三次人工智能波可以解决的问题有了很大的扩展。我们应该对人工智能的未来发展持乐观态度。然而，与此同时，对资本的疯狂追求和误导性宣传将继续下去。人们对人工智能生活变化的预期与人工智能现实能力的不匹配，必然导致“人工智能泡沫”。在未来一段时间内，人工智能的发展将呈现冰与火的双重局面:有能力的公司将加速扩张，而没有能力的公司将迅速崩溃。

在历史上，许多研究领域都经历了萌芽阶段、发展阶段、泡沫阶段，最终回归正常。2000年互联网泡沫破灭后，互联网的发展回到了正轨。此后，它催生了谷歌、亚马逊和脸书等互联网巨头的崛起。一定程度的泡沫是行业发展的一个好因素。泡沫的破灭只会去除不合理的和空洞的东西，并存放合理的和有价值的东西。在人工智能发展的新浪潮中，一定会有泡沫，但我们不必担心人工智能的前景。新算法、先进计算能力和大数据技术的发展必将引领新一轮人工智能的发展，而泡沫必将成为人工智能合理发展的垫脚石。

观察网:《南华早报》最近报道，“中国在人工智能领域的人才继续留在美国，增加了0+到几乎为零”。长期以来，美国科技公司的中国高管人数一直相对较少。这是什么原因？

采访团队:目前，美国科技公司中有很多印度高管，尤其是在硅谷，而中国人更倾向于工程师，但高管很少。这个问题有很多原因。

首先，语言差异在一定程度上限制了中国人融入美国文化。尽管海外华人工程师通常有良好的英语基础，能够熟练地处理英语阅读、写作和编程，但与从小就将英语作为官方语言训练的印度人相比，我们在语言交流方面仍然存在一些障碍。然而，语言障碍会对中国人融入美国文化形成无形的障碍。因此，我们的许多中国工程师更倾向于沉浸在技术问题中，很少表达自己，以避免这种冲突和障碍。然而，作为一名公司高管，文化融合和积极的语言交流至关重要。

第二，文化差异。中国文化的“内向、务实、低调、谦虚”等特点深深铭刻在每一个中国人的骨子里。例如，当面临商业问题时，中国人强调“知者不言，言者不知”。他们更喜欢在表达之前了解自己的业务领域，而不是在研究过程中积极沟通。面对工作安排，中国人的思维方式强调“服从”，倾向于执行上级分配的任务。硅谷科技公司通常鼓励自由讨论，提供想法，并主动带领团队解决关键问题。这实际上是一种文化差异。在这方面，印度人比中国人更善于表达和交流，也更善于争取资源和利益。

第三，能力训练中的偏好差异限制了汉语空的发展。在能力培养方面，中国人更注重高级技术学习，而不是业务能力和领导力的培养。与印度相比，一项调查显示，印度学生攻读硕士学位的比例为28%，而中国学生攻读硕士学位的比例不到8%，但攻读博士学位的学生比例高达近30%。因此，我们可以看到中国人经常相信“技术是硬道理”的原则。这个原则可以造就高级工程师，但不能造就企业高管。因为管理者最重要的能力不是技术，而是如何充分发挥团队的最大效能。

除了上述三个因素之外，中国高管的比例还受到群体团结、种族认同和出于政治考虑的签证限制的影响，这些因素近年来变得尤为明显。

观察网络:人工智能在防疫控制和公共安全中能发挥什么作用？

采访团队:虽然现有的人工智能技术不能达到强大的人工智能水平，不能独立思考，但随着近年来研究的积累，人工智能技术已经能够通过大量数据的训练获得许多技能，帮助人类完成许多复杂的任务，提高工作效率和生产力水平。在这次防疫工作中，人工智能发挥作用的场景主要集中在以下几个方面:

一个是预测和分析。人工智能可以帮助我们预测疫情的发展和传播趋势，从而改进防控措施，积极应对疫情的影响。它还能帮助我们完成病毒基因的测序和新药的开发。上述工作都涉及到大量的数据和模糊数据，数据模型比较复杂，很难用经典的计算模式来完成。人工智能可以在一定程度上缓解计算压力，找到解决问题的捷径。

二是检测和监控工作。人工智能检测设备依靠图像识别和热成像技术，可以帮助工作人员检测人体流速、体温和口罩佩戴情况，识别并警告高热患者和未按规定佩戴口罩的人员。相关技术成熟，识别准确率高。它可以在不接触身体表面的情况下同时检测多个人，为防疫管理提供了方便。相关设备已经在一些城市的车站、街道和其他拥挤的地方投入使用。图像识别技术还可以帮助医务人员分析和诊断患者的医学图像数据，减轻医务人员的工作压力。

第三，智能客户服务。近年来，自然语言处理技术的发展使得人工智能聊天机器人发展迅速，聊天机器人可以与用户进行交流。聊天机器人不仅可以用于客户服务和简单查询，还可以为用户提供情感关怀。高级聊天机器人可以识别语音和文本中的情感信息，并指导和说服用户。这项技术有望为长期在前线作战的医务人员、被隔离治疗的病人和被隔离在家的人提供情感关怀，并在一定程度上缓解紧张情绪。

应该注意的是，自动化工具并不等于人工智能。取代简单的重复性工作是自动化工具应该为我们完成的任务，而人工智能帮助我们解决更复杂的问题。

这篇文章是Observer.com的独家手稿。文章内容纯属作者个人观点，不代表平台观点，不得擅自转载，否则将追究法律责任。密切关注《观察家》微信博客，每天阅读有趣的文章。

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/4889.html。