未来二十年科技发展

据雷锋网《AI技术评论》报道:随着AI技术的不断发展和应用，我们似乎陷入了一个尴尬的境地:我们相信AI有巨大的潜力，可以在社会的很多层面提供帮助，同时我们也陷入了AI的安全、隐私、与他人共存、长期发展等问题的争议中。

如果想让AI技术继续发展，让AI造福人类，未来几十年整个领域需要做什么？这个问题很难回答，特别是要给出具体的操作建议。但现在一些学术机构给出了一个深思熟虑的答案，美国。计算社区联盟和AAAI学会联合发布了一份108页的报告“美国人工智能研究20年社区路线图”。对未来20年，当前AI遇到的挑战，未来AI的前景，解决关键问题所需的科研重点，以及一系列具体的操作建议进行了详细的讨论。

这份路线图报告的领导者是AAAI协会主席约兰达·吉尔(Yolanda Gil)和候选主席巴特·塞尔曼(Bart Selman)。参加研讨会讨论的还有俄勒冈州立大学教授汤姆·迪特里奇和斯坦福大学教授李菲菲。

《雷技术评论》将本报告的主要内容概括如下。

序

几十年来，学术界和产业界一直在共同探索人工智能，这些探索也给产业界、政府和社会带来了巨大的回报。今天的AI系统可以进行多种语言的翻译，识别图像和视频中的对象，优化生产流程，控制汽车，等等。AI系统的发展不仅创造了一个万亿美元的工业领域，也表明了人们对公平、可解释、可信和安全的AI系统的需求。人们希望未来的AI系统能够有效地理解它们存在和影响的世界，有效地、合乎道德地处理复杂的任务和责任，与人类建立有意义的交流，并通过经验积累的过程增强认知。

如何充分发挥AI技术的潜力是一个重大的科研挑战，这需要对AI科研活动进行实质性的改革，并辅以大规模、持续的投入。以下是CCC和AAAI对AI未来发展的主要建议，将形成未来二十年AI研发的路线图。

艾的社会影响力

人工智能技术有潜力为社会的所有组成部分带来变革、持续创新和经济增长。然而，与此同时，人们对具有这些功能的系统的安全性和可靠性有许多担忧。在未来AI将发挥巨大作用的世界，也存在对人类工作变化的担忧。该路线图描述了人工智能在以下六个方面的优势:

改善人类健康和生活质量，提供终身教育和培训，重新设计商业创新和竞争力，加速科学发现和技术创新，扩大基于证据的社会机会和政策创新。国防和安全路线图还通过清晰的故事介绍了AI创新将如何影响个人、组织和整个社会。潜在的人工智能创新包括健康监测和咨询、精神和行为健康教练、更好的远程教育、更快和有效的自然灾害响应、更快的矿产资源勘探、水资源的精确模型、敏捷的跨学科医学研究、个人设备的商业创新、供应链延迟的解决方案和自我修复的互联网系统。所有这些创新都需要在人工智能的关键领域取得广泛的基础科学研究进展。

实现社会效益所需的优先科研目标

智能，包括:定制组合模块化AI技能所需的基本规范，开发针对特定用户需求确定所需通用能力的方法，构建机器可以理解的开放世界知识库，理解人类智能，以激发更多AI创新，构建人类认知的模型。

有意义的交互，包括:探索可以在人类和机器的混合团队之间有效合作的技术，在保护隐私、负责任和值得信任的行为以及由用户直接引导的同时结合多种不同的通信模式，并允许人类和AI系统在网络和现实世界中充分交互。

自我学习:发展稳健可靠的学习，量化不确定性和可持续性，从小数据学习，根据指令学习，将先验知识融入学习，从数值数据和观察建立因果模型和操作模型，学习内部感知和行为的实时动作。

当前人工智能发展面临的挑战

对于路线图中的活动，我们可以列举几个挑战。

首先，这一领域已经从最初的学术关注算法和理论，推进到持续收集数据+交互式社会实验+大规模世界知识的产业化阶段。在此基础上，科技产业利用大规模资源推动了许多创新。

然而，需要有适当的资源来满足上述优先科研目标，而且有必要能够支持前瞻性和实验性科研。没有适当的资源，学术人工智能研究将受到限制；如果学术界不能对基本问题给出答案，AI在工业中的应用所能做出的创新将是有限的。他们面临的约束、激励和时间表也大相径庭:该行业在很大程度上是由实用和短期的解决方案驱动的，而学术界则在寻找许多基本和长期问题的答案。

除此之外，这些AI挑战不仅可以在计算机科学和计算机工程的各个领域看到，还可以在认知科学、心理学、生物学、数学、公共政策、伦理学、教育、通信和其他领域看到。人才短缺也是当前人工智能生态系统中的一个关键问题:对人工智能专家的需求已经远远超过了供应，如果我们不做点什么，缺口只会越来越大。许多AI教职员工被企业中独特的数据和丰富的资源所吸引，离开了学校。亚洲和欧洲数十亿美元的人工智能投资也吸引了美国的博士毕业生就业。

最后，还有很多关于安全性、脆弱性、AI伦理以及AI对未来人类工作的影响的担忧。

建议

克服这些挑战需要人工智能研究活动的再创新，创建更全面的国家人工智能基础设施，并重新思考如何在人工智能时代培养劳动力。本着这一目标，路线图提出了以下具体措施和建议:

首先，创建和运营一个国家人工智能基础设施，通过以下四个紧密相连的功能为学术界、企业和政府服务:

开放的AI平台和资源:收集AI所需的大量资源，包括精确优质的数据集、软件、知识库、软件测试环境和机器人测试环境，可随时用于学术研究，或供企业和政府使用持续的群体驱动的AI挑战:AI研究群体自发提出的研究问题，不断更新升级，同时，也是开放AI资源库的不断更新升级。国家人工智能研究中心(National AI research center):由多所大学建立的科研机构，提供必要的资金和基础设施，支持数百名教员、200+人工智能工程师和500+学生进行长期的人工智能研究。也可以成为学生的培训场所，学术界、产业界、政府人员的学术访问目的地。目标驱动的人工智能实验室:属于不同社区的人工智能实验室有很大的潜力产生巨大的社会影响。人工智能研究人员可以在这里访问独特的数据和领域知识，如人工智能医疗、人工智能家具和人工智能学校。这些实验室可以与国家AI研究中心建立紧密的合作关系，可以提出请求，协助科研，转化科研成果。这些实验室可以在人工智能技术研发、人工智能传播和劳动力培训方面发挥关键作用。政府可以提供资金支持50名长期AI研究人员、50名访问学者、100-200名AI工程技术人员、100名领域专家和普通工作人员。第二，重新思考和培养AI时代的劳动力。在上述国家人工智能基础设计的基础上:

在AI基础设施层面开发AI课程:设计能够激发早期对AI的兴趣和理解的课程，从幼儿园开始并不断扩展，继续在本科和研究生课程中建立高级AI学位的就业和保留机制:允许有才华的学生获得更高的学位，为拥有博士学位的研究人员设计保留机制。为人工智能课程教学人员设立额外资源，以支持弱势群体的活力:将更多有潜力的人才引入人工智能研究领域，以鼓励新兴的跨学科人工智能学科；鼓励学生和研究领域考虑更多跨学科的AI研究，如AI安全工程、AI社会影响分析等；与此同时，它也可以帮助建立一支能够充分理解AI各个方面的劳动力队伍和一个强调AI伦理和政策的科研生态。在人工智能系统的设计和运行中，应注意引入人类伦理和相关责任规则，以培养熟练的人工智能工程师和技术人员。在国家人工智能基础设施的基础上，应支持不同层次的人工智能人才培训系统，包括社区学院、在职培训、职业资格证书和在线学位III。AI基础研究的核心规划很重要。本路线图中描述的资源和行动不应取代当前AI研究基金的开源模式。这些核心计划为人工智能研究提供了成熟和广泛的支持，培训了年轻的研究人员，整合了人工智能研究和教育，并汇集了不同领域的合作，是这一路线图中描述的更多行动的关键组成部分，它们本身需要更全面的支持。

以上都需要政府在这个路线图描述的20年内进行大规模、持续的投资，但收益也将是革命性的。这些建议不仅为跨学科、面向未来的RD提供了立足点，还考虑到了安全性、可靠性、政策、伦理等。这份路线图中的建议还可以帮助最优秀的人才在科学研究的沃土中停留更长的时间，在这一至关重要的技术领域创造丰富的人类智慧成果——这是对社会和经济的另一个重要益处。

摘要

这份路线图试图从多个视角和相关学科指出未来20年优先的AI研究目标，也是小组合作的结果。这些优先AI研究目标的判断，来自于对AI在健康、教育、科研、创新、公平、安全等领域潜在利益的详细分析。整个路线图文档的布局围绕三个关键领域:系统的智能集成、对有意义的交互的支持以及自我认知学习的发展。该路线图中提出的方案将引领该领域进入人工智能研究创新的新时代，以解决长期存在的跨学科问题。

连同这些科学研究焦点，来自AI社区的发现和讨论带来了具体的操作建议。这些发现揭示了基础设施、教育、劳动能力等方面的主要障碍。，还提出了新的国家人工智能基础设施和劳动力培训计划的建议，这将对人工智能研发的整体图景带来重大和变革性的影响。这些投资将大大加快人工智能技术的发展和应用，并对整个社会的各个方面产生长期影响。

这份长达108页的报告已经同步发表在arXiv上，欢迎有兴趣的读者下载阅读。

雷技术回顾报告。