科技暢談:人工智慧能夠拓展新業務、開闢新市場和催生新的產品

引言

科技暢談:人工智慧能夠拓展新業務、開闢新市場和催生新的產品——人工智慧廣泛應用於工業部門,直接影響工業部門的生產和管理等環節。

人工智慧具有智能滲透效應,能夠推動行業實現智能自動化(在信息技術發展之前,技術進步的過程表現為逐步自動化,信息革命以來,自動化進程的變化集中體現在標準化上,而人工智慧則通過智能化和高度的標準化促進了自動化程度提升,因此,本文將人工智慧給行業帶來的自動化稱為“智能自動化”)。

图片alt

比如人工神經網路技術廣泛用於產品製造、採掘探測、信號分析等方面,專家系統的應用實現了製造業的科學生產和智能化管理,大量工業機器人進入生產領域,實現了智能化生產,加速傳統製造業轉型升級。其次,人工智慧具有了“智能”特性,加速了其與服務業的滲透融合。比如人工神經網路技術廣泛應用於人臉識別、醫療行業中疾病分析和識別、監測地鐵站人的擁擠度、天氣預報以及金融行業風險評估和收益預測分析

專家系統則在輔助醫療診斷、教育、科學、軍事等方面發揮了重要作用。機器人向服務業領域滲透,使服務範圍更為廣泛。比如掃地機器人、學習機器人、陪護機器人等,乃是人工智慧所新波及的行業。最後,與近代技術創新明顯不同,人工智慧還直接影響農業部門。基於結構上的模擬可實現對農產品特徵進行分類和評價,以及農業預測和建模分析。基於功能上的模擬則廣泛應用於農作物病蟲害管理、動植物營養管理、農場管理、溫室環境監測,基於行為上的模擬可以用於農業耕作、播種、灌溉以及採摘等工作任務。

邊界延展效應

邊界延展是指某種技術創新與經濟社會融合帶來社會工作任務邊界擴展,並引發工作任務層次提升的一種潛能,是通用目的技術另一項最基本的效應。作為新一輪產業變革的核心驅動力,從整個經濟社會範圍而言,人工智慧不斷向經濟社會滲透融合,將不斷催生新產品、新技術、新業態、新產業等,與此同時,帶來部分傳統的、落後的產業被淘汰,退出市場,實現傳統產業的轉型升級。

图片alt

從企業或行業層面而言,人工智慧能夠拓展新業務、開闢新市場和催生新的產品,同時淘汰舊的、過時的產品,部分傳統生產崗位消失。綜上所述,人工智慧的邊界延展效應表現為:人工智慧極大地延展和補充了人類的體力和腦力,進而人類所能完成的工作任務範圍擴大,工作任務上界得以拓展,與此同時,帶來生產舊的、過時產品的低端工作任務逐漸被淘汰,進而工作任務下界得以提升,整個社會或行業生產任務實現調整升級。就社會生產任務上界而言,人工智慧通過不斷延伸人類的體力和智力,拓展人類可以完成的任務範圍,整個社會或行業生產任務上界得以拓展。

主要表現在以下兩個方面:一是從整個經濟社會而言,人工智慧相關技術的開發、擴散和應用能夠帶來新產業、新部門的興起,進而帶來產業邊界的拓展。近年來,隨着人工智慧技術創新的不斷深入發展,中國的人工智慧及其他新一代信息技術產業正在發展壯大,行業邊界迅速擴張。

二是從企業或行業層面而言,人工智慧技術創新應用於傳統產業部門,能夠延伸人類勞動力的體力和腦力,行業能夠實現的生產任務邊界不斷拓展,原來人類勞動難以實現的工作任務,在人工智慧技術創新的加持下能夠實現了,新的工作任務便應運而生,傳統產業的工作任務範圍得以拓展,如人工智慧在傳媒行業的滲透,傳統的傳媒業工作崗位被淘汰,但受眾分析員、參與編輯、應用技術創新引領員、社交媒體和社區編輯等新的崗位也不斷涌現

知識創造效應

知識創造效應是技術創新促進科學知識生產的一種能力。自古以來,技術進步長河中的每次技術創新都是人類智慧的新結晶,也是人類知識生產的新成果,同時,對科學知識的生產也會產生直接影響。

图片alt

回顧人類歷史上的歷次技術進步,技術創新對科學知識生產的影響主要體現在兩個方面:一是波及的科學研究領域不斷擴大,二是帶來知識生產方式不斷提升。

人工智慧作為新一輪技術進步的代表性技術創新,知識創造效應遠大於傳統技術創新,開啟了從自然科學到社會科學的知識生產嶄新階段。人工智慧以近代技術進步創造的信息基礎設施為基礎並取得了重大突破,與傳統技術創新一樣,首先表現在推動自然科學領域的進步,提高了物理學、醫學等自然科學研究效率,但不同的是,促進了從自然科學到社會科學知識生產方法、手段和工具的變革。一方面,人工智慧革新了自然科學知識生產的方法,為自然科學發展創造了巨大的推動力。

Baldi et al將機器學習應用於希格斯粒子發現的實驗中,在給定數據量下提高了估計值的置信水平Carrasquilla et al將神經網路技術應用於凝聚態物理研究,成功從高位數據中找出了影響物質宏觀性質的序參量Bouton et al運用機器學習技術成功使一名癱瘓病人恢復手臂運動功能。除此之外,機器學習和深度學習在生物醫藥領域的應用能夠比較準確地預測出藥物試驗的結果,進而減少一些不必要的檢驗。機器學習還應用於醫學數據處理,以及識別X光片、造影和斷層掃描圖等醫學影像。

另一方面,與傳統技術創新顯著不同的是,人工智慧在擴大社會科學研究內容的同時,正變革着社會科學傳統的知識生產方式、方法和工具,為社會科學的發展提供前所未有的巨大動力。機器學習尤其是深度學習在演算法和模型選擇等方面具有明顯的優勢,具體而言,在社會科學領域主要有三個方面的應用:一是利用機器學習技術擴展數據可得性。一方面,依靠機器學習技術挖掘文本數據。

图片alt

另一方面,利用機器學習技術進行圖像識別獲得數據。二是依靠機器學習技術進行預測。在微觀層面上,可以預測個人決策在宏觀層面上,可以對經濟指標進行預測。三是機器學習可以進行因果預測。主要體現在反事實估計、雙重差分法、斷點回歸方法以及工具變數法上與傳統方法相比存在優勢。人工智慧技術可直接用於科學知識生產,可謂“發明方法的發明”。

基於此,Aghion et al將自動化技術引入了知識生產函數,建立了包含人工智慧的經濟增長模型,描繪了自動化作為一種投入要素直接用於知識生產的場景。足見,人工智慧對科學理論研究與應用實踐存在強烈的沖擊,將科學研究尤其是社會科學的知識生產方式和效率提升到了一個新高度。正如王國成所言,人工智慧驅動知識生產方式的變革,將引發從自然科學領域到社會科學領域的全方位變革。

人類社會技術進步的過程,也是知識生產的過程。隨着技術進步不斷演進,其產生的技術創新所觸及的領域逐漸由自然科學拓展至社會科學。盡管人工智慧在社會科學研究中的應用仍然處於初級階段,無論是數據生成、預測還是因果識別,對整個社會科學研究範式的沖擊仍然有限。但長期而言,人工智慧將使知識生產方式邁上一個新台階,並開啟人類社會知識生產的新階段,帶來科學知識的指數級增長。

自我深化效應

正如上文所析,機器學習也即人工智慧技術使機器人能產生類似人的學習能力,賦予了人工智慧不斷學習,實現自我提升、自我深化的能力,由此引出了人工智慧技術創新特有的第四項經濟效應——自我深化效應。

图片alt

近年,作為“基礎設施”的移動互聯網、雲計算等新一代信息技術取得巨大突破,為機器學習和深度學習提供了計算能力保障,大數據迅速發展為機器學習和深度學習提供了海量的學習數據,機器學習取得了長足的發展,在一定程度上突破了人工智慧對人類程序員的依賴而實現了自我學習、自我更新,進而人工智慧的自我深化效應逐步發揮作用。

結語

自我深化效應主要表現在兩個方面,一是通過機器學習和深度學習,作為“學習結果”的各種電腦技術取得突破,賦予人工智慧更多的功能,智能機器、演算法或軟體等人工智能產品能夠完成的任務範圍實現拓展。