人工智能的投資邏輯匯總十篇

序論：好文章的創作是一個不斷探索和完善的過程，我們為您推薦十篇人工智能的投資邏輯范例，希望它們能助您一臂之力，提升您的閱讀品質，帶來更深刻的閱讀感受。

篇（1）

通聯數據是萬向集團旗下子公司，成立后一直低調運作，萬向集團斥資3億元初期投入，前博時基金創始人肖風出任董事長，前博時基金股票投資部總經理王政擔任CEO。

近年來資管行業蓬勃發展，有著深厚金融基因的通聯數據的管理團隊卻沒有跟風去做“掘金者”，而是選擇“賣水”，為資產管理機構提供金融信息服務。致力于將云計算、大數據和人工智能技術與先進的投資理念相結合，為資產管理行業打造創新、高效的金融服務云平臺。

迎接資產管理行業新時代

在陸家嘴的萬向大廈，通聯數據所在的樓層新增加的座位又坐滿了，大家以互聯網公司的高效率、快節奏忙碌著，這群具有金融、計算機、算法等各種背景的精英正全力投入Fintech時代，他們正在做一件對資管行業具有革命性意義的事件。

隨著互聯網的快速發展，海量的數據爆炸式增長，通聯數據應運而生，從最底層做起，建立了強大的數據平臺。

“只有做好數據端的質量，做到別人都做不到的數據，才是成功，這一過程就持續了3年。”肖風表示。

“通聯數據現在的數據來源分為三部分，一是自己搜集整理，二是從第三方購買，三是數據商把數據整合過來放在云平臺，未來會有更多數據商的數據接入進來。”通聯數據CEO王政介紹說。

打好數據的地基后，就需要用最新的金融科技建造資產管理的大廈，因為Fintech的核心就在于科技與金融的深度融合。

在底層數據庫之上，通聯數據又構建了兩個平臺，蘿卜投研和優礦，其中蘿卜投研是針對基金經理和研究員提供智能投資研究服務的平臺，而優礦則是一個眾包的、分享式的量化平臺。

王政表示，通聯數據將使投資更趨智能化，更加依靠模型和數據去尋找規律，效率得到飛速提升，這將重構資產管理行業的生態。

據了解，目前已經有數十家機構在試用通聯數據的產品，包括公募、私募、保險等資管機構，也包括非資管機構。

Fintech的前沿是人工智能

除了資深的基金業人士外，通聯數據還吸引了來自阿里、百度、騰訊、微軟等公司的技術骨干加盟，眾多IT工程師在探索將智能搜索、自然語言處理、機器學習等人工智能技術應用于投資管理行業。

肖風表示：“人工智能是Fintech里最核心的東西之一，人工智能正對我們的社會發生深刻影響，人工智能將幫助研究員、交易員、基金經理提升工作效率，這是未來的一個方向。”

人工智能是一項戰略性前沿技術。近年來，人工智能產業發展迅猛，進入高速創新期。將人工智能和金融投資深度融合，使金融智能化也成為大勢所趨。

通聯數據打造的蘿卜投研就是一個智能平臺，收集海量信息，然后通過自然語言處理和機器學習等技術，高效而專業地提煉出對研究有用的信息，幫助投資人從大量重復、繁雜的底層數據處理過程中解脫出來，有針對性地幫助投資者提高投研效率。

例如，在底層數據收集層面，先對數據進行清洗；在數據整理層，會對數據進行專業分類，對信息進行初步智能處理；然后是機器學習的層面，通聯數據專門訓練了一個垂直搜索引擎，用人工智能模擬人類的思維方式，使它理解交易員、基金經理有什么樣的需求。讓計算機對大量數據進行提取、整理、分析，把精煉后的信息，或初步發現的邏輯線索呈現給用戶。

以大數據創建知識圖譜

篇（2）

人工智能首先我想起了長期資本（LTCM）的故事。套利之父、債券之王、諾貝爾獎獲得者一群精英的夢幻組合，于1994年創立了美國長期資本管理公司，主要活躍于國際債券和外匯市場，利用私人客戶的巨額投資和金融機構的大量貸款，專門從事金融市場炒作。它與量子基金、老虎基金、歐米伽基金一起被稱為國際四大對沖基金，一度取得驕人業績。它以“不同市場證券間不合理價差生滅自然性”為基礎，制定了“通過電腦精密計算，發現不正常市場價格差，資金杠桿放大，入市圖利”的投資策略。最后因為俄羅斯金融風暴、公債違約導致公司幾乎瀕臨破產。有人分析，它的問題出在歷史數據統計的模型不能代替未來方向。實際上，我覺得，從更高層面來說，這是一種對社會現象能否進行數理分析的根本哲學問題。

篇（3）

1、人工智能的概念

人工智能（Artificial Intelligence，簡稱AI）是計算機科學的一個分支，它探究智能的實質，并以制造一種能以人類智能相類似的方式做出反應的智能機器為目的。人工智能的產生和發展首先是一場思維科學的革命，它的產生和發展一定程度上依賴于思維科學的革命，同時它也對人類的思維方式和方法產生了深刻的變革。人工智能是與哲學關系最為緊密的科學話題，它集合了來自認知心理學、語言學、神經科學、邏輯學、數學、計算機科學、機器人學、經濟學、社會學等等學科的研究成果。過去的半個多世紀以來人工智能在人類認識自身及改造世界的道路上扮演了重要角色。一直以來，對人工智能研究存在兩種態度：強人工智能和弱人工智能，前者認為AI可以達到具備思維理解的程度，可以具有真正的智能；后者認為研究AI只是通過它來探索人類認知，其智能只是模仿的不完全的智能。

2、人工智能的發展

對于人工智能的研究一共可以分為五個階段。

第一個階段是人工智能的興起與冷落，這個時間是在20世紀的50年代。這個階段是人工智能的起始階段，人工智能的概念首次被提出，并相繼涌現出一批科技成果，例如機器定理證明、跳棋程序、LISP語言等。由于人工智能處于起始階段，很多地方都存在著缺陷，在加上對自然語言的翻譯失敗等諸多原因，人工智能的發展一度陷入低谷。同時在這一個階段的人工智能研究有一個十分明顯的特點：對問題求解的方法過度重視，而忽視了知識重要性。

第二個階段從20世紀的60年代末到70年代。專家系統的出現將人工智能的研究再一次推向。其中比較著名的專家系統有DENDAL化學質譜分析系統、MTCIN疾病診斷和治療系統、Hearsay-11語言理解系統等。這些專家系統的出現標志著人工智能已經進入了實際運用的階段。

第三個階段是20世紀80年代。這個階段伴隨著第五代計算機的研制，人工智能的研究也取得了極大的進展。日本為了能夠使推理的速度達到數值運算的速度那么快，于1982年開始了“第五代計算機研制計劃”。這個計劃雖然最終結果是以失敗結束，但是它卻帶來了人工智能研究的又一輪熱潮。

第四個階段是20世紀的80年代末。1987年是神經網絡這一新興科學誕生的年份。1987年，美國召開了第一次神經網絡國際會議，并向世人宣告了這一新興科學的誕生。此后，世界各國在神經網絡上的投資也開始逐漸的增加。

第五個階段是20世紀90年代后。網絡技術的出現和發展，為人工智能的研究提供了新的方向。人工智能的研究已經從曾經的單個智能主體研究開始轉向基于網絡環境下的分布式人工智能研究。在這個階段人工智能不僅僅對基于同一目標的分布式問題求解進行研究，同時還對多個智能主體的多目標問題求解進行研究，讓人工智能有更多的實際用途。

3、人工智能可否超過人的智能

那么人工智能可否超過人的智能呢？關于這個問題可以從下面幾個方面來分析：

首先，從哲學量變會引起質變的角度來說，人工智能的不斷發展必定會產生質的飛躍。大家都知道，人工智能從最初的簡單模擬功能，到現在能進行推理分析 （比如計算機戰勝了國際象棋世界冠軍），這本身就是巨大的量變。在一部科幻電影中，父親把兒子生前的記憶輸人芯片，裝在機器人中，這個機器人就與他的兒子死去時具有相同的思維和記憶，雖然他不會長大。從技術的角度來說，科幻電影中的東西在不久的將來也可以成為現實。到那個時候，真的就很難辨別是人還是機器了。

第二，有的人會說，人工智能不會超過人的智能，因為人工智能是人制造出來的，所以不可能超過人的智能。對于這個觀點，我們這樣想一想，起重機也是人造出來的，它的力量不是超過人類很多嗎？汽車也是人制造出來的，它的速度不也遠超過人類的速度嗎？從科學技術的角度來說，智能和力氣、速度一樣，也是人的某個方面的特性，為什么人工智能就不能超過人類的智能呢？

第三，還有的人認為，人工智能是人制造的，必有其致命的弱點，所以人的智能勝于人工智能。我認為這一點也不成立，因為人與機器人比較，也可以說有致命弱點，比如說人如果沒有空氣的話，就不能生存，就好比是機器人沒有電一樣。再比如，人體在超過一定的溫度或壓力的環境下，不能生存，在這一點上，機器人卻可以遠勝于人類。因此，在弱點比較方面，我認為人工智能的機器人并不比人差，在某些方面還遠勝于人類。

第四，隨著科學技術的發展，人工智能不單需要邏輯思維與模仿。科學家對人類大腦和精神系統研究得越多，他們越加肯定情感是智能的一部分，而不是與智能相分離的，因此人工智能領域的下一個突破可能不僅在于賦予它情感能力。

4、結束語

人工智能一直處于計算機技術的前沿，其研究的理論和發現在很大程度上將決定計算機技術、控制科學與技術的發展方向。今天，已經有很多人工智能研究的成果進入人們的日常生活。將來，人工智能技術的發展將會給人們的生活、工作和教育等帶來更大的影響。

參考文獻：

篇（4）

機器人參加高考來源于“類人答題機器人項目”的規劃。該項目是中國“十二五”規劃的重大專項，集合了超過30家主要科研院校共同研發，目標是研制出能參加高考并考上重點大學的“類人答題機器人”。

從2015年科技部立項到2017年參加高考，這款高考機器人僅有兩年的“備戰”時間。在此前進行的測試中，“高考機器人”解答近幾年的高考北京卷，最難的一道壓軸題能在兩分鐘之內解出。林輝對“高考機器人”明年數學考上一本很有信心。“普通學生一天做100道題，人工智能可以一天做幾萬道題。它在這個過程中不斷學習，分析人類看不出來的規律。”

根據計劃，中國的高考機器人計劃在2020年考上北大、清華。林輝介紹說，人工智能機器人的核心是將老師的教學智慧和經驗轉化為機器認知。

機器人能精準采集學生書寫的原始筆跡，對筆跡進行自動識別，利用構建的知識庫，及時對學生答案正誤、錯誤知識點、錯誤原因進行智能判定，將前后答題步驟進行邏輯推理證明，實現一題多解下的判定和評測，甚至是對初等數學主客觀題的自動評測。

篇（5）

第一，人工智能在特定約束條件下已具備超越人腦某個方面的能力，但綜合來看僅僅相當于蠕蟲的智能水平。近期，谷歌研發的人工智能AlphaGo圍棋程序在與世界圍棋九段李世石的對局中以4：1取勝。AlphaGo采用更為優化的深度學習神經網絡，在規則已知和邏輯可控的棋類競技中實現了對人類的超越。IBM的沃森機器人能夠在幾秒之內篩選數十年癌癥治療史中的100多萬份患者病例記錄，為醫生提供可供選擇的循證治療方案。但無論是AlphaGo還是沃森都需要由人類預先進行知識分類和設計上的干預，并且“智能”的高低很大程度上取決于所學習先驗樣本的數量和準確性。因此，通用意義上的人工智能依然是一個漫長而復雜的過程，目前能夠做到的更多是特定場景下人類某項大腦能力的延伸和對人類思維決策進行輔助。

第二，人工智能發展可分為不同層次，目前部分技術分支在行業中的應用已取得突破。人工智能發展層次可分為感知智能（語音、圖像識別，自然語義理解，機器翻譯，機器搜索等），認知智能（神經元芯片、深度學習算法、行為規劃等）和自主智能（機器推理、決策和聯想等）。感知智能方面，國外的谷歌、IBM、臉書、微軟和國內的百度、科大訊飛等在語音和圖像識別、機器翻譯、大數據搜索等細分技術領域推出了一批有顯著創新性的技術產品。認知智能方面，對神經元芯片、深度學習算法的開發主要集中在IBM、高通、谷歌為首的國際巨頭以及美國“類人腦芯片”（SyNAPSE）、歐洲“歐腦項目”納入的高校和科研機構中。由IBM主導的SyNAPSE項目預計在2016年內能夠完成100億神經元規模的計算機原型，但距離通用型、成熟型產品問世尚需較長時日。

第三，我國應積極應對人工智能發展新浪潮，以產學研用協同創新打造國際競爭新優勢。近年來，美歐等國家在人工智能領域不斷加大投入，開展專利布局，以技術和應用為紐帶構筑產業生態。我國在人工視覺、語音語義識別等細分產業領域并不落后，但從全局來看，在人工智能基礎理論、核心算法和產品成熟度、產業投資和人才隊伍儲備等方面與國外對比還存在明顯差距。國外大企業重點攻關認知智能和自主智能，我國企業目前多集中在感知智能的低級階段。

當前階段，人工智能技術產業化發展應當從以下四個方面著手改進：

一是加強人工智能核心技術研發和產業化。制定人工智能產業技術發展路線圖，在客觀分析、科學研判的基礎上，找準產業未來發展的薄弱點和趕超點。加大資金投入力度，重點突破自然語音語義識別、機器學習、智能搜索等關鍵技術，完善核心芯片、顯示器件、智能傳感器、開發工具與集成環境等產業鏈配套。

篇（6）

中圖分類號：TM73 文獻標識碼：A 文章編號：2095-1302（2013）01-0032-05

0 引 言

智能電網是當今世界電力系統發展的重大變革，也是21世紀電力系統的重大科技創新和發展趨勢。2003年，美國“未來能源聯盟”首次提出智能電網的概念。同年，美國能源部了“Grid　2030”設想[1]，將美國的未來電力系統描述為一個完全自動化的電力傳輸網絡，能夠監視和控制每個用戶和電網節點，保證從電廠到終端用戶整個輸配電過程中所有節點之間的信息和電能的雙向流動。2005年，歐洲技術論壇（ETP）提出了“Smart　Grid”概念[2]，計劃通過智能電網的建設，向所有用戶提供高度可靠、經濟有效的電能，充分開發利用大型集中發電機和小型分布式電源，提高電網公司運營效率，降低電能價格，加強與客戶的互動，應對來自市場、安全和電能質量、環境等方面的壓力。

國內也高度重視智能電網建設。2010年6月7日，總書記在兩院院士大會上的講話中提出，要“構建覆蓋城鄉的智能、高效、可靠的電網體系”。國家科技部于2009年11月24日的《關于加快我國智能電網技術發展的報告》中提出了明確的目標和任務。國家電網公司于2009年5月了“堅強智能電網”愿景及建設路線圖。南方電網有限責任公司在2010年7月提出了“建設一個覆蓋城鄉的智能、高效、可靠的綠色電網”的目標。2011年2月，陜西省地方電力（集團）有限公司作為專業的配電網公司，聯合清華大學提出了建設“多指標自趨優”智能配電網的目標。

智能電網涉及能源、環境、社會、經濟和管理等多個學科，由于其具備系統工程和創新技術的特點，目前智能電網的研究趨向發散，對智能電網的認識多從企業自身出發，尚未收斂到智能電網本質的研究，影響和干擾了對智能電網發展方向的研判。本文在分析國內外智能電網相關研究的基礎上，結合實踐應用，溯源了智能電網的本質——智能，提出了智能電網分代標準，建立了智能電網分代模型，探討了智能電網分代的社會經濟意義。

1 國外智能電網分代研究狀況

分代研究在計算機和戰斗機等領域已經取得了共識。計算機按照所采用的電子元件，歷經了電子管計算機、晶體管計算機、集成電路計算機、大規模集成電路計算機，現在正在研發信息獲取、存儲、處理、通信與人工智能相結合的第五代計算機。20世紀40年代中期，以噴氣式發動機為動力的戰斗機出現后，按時代和技術水平，戰斗機歷經三代，目前正在研制第四代戰斗機。

由于智能電網尚未大規模應用，與計算機、作戰飛機等其他領域分代研究更注重“回頭看”的方法不同，智能電網分代更注重“向前看”，這個特點導致智能電網分層次、分步驟、分階段的研究異彩紛呈，莫衷一是。國外智能電網分代的相關研究綜述如下。

1.1 智能電網演進模型

2010年1月，加拿大學者Hassan　Farhangi從功能和投資回報率（ROI）兩個維度，提出了如圖1所示的智能電網的演進模型[3]。他認為，由于化石燃料的成本猛增，電力公司無法擴大發電能力以滿足用戶對電能不斷上升的需求，只有從配電網著手，加強需求側管理，才能保障電力公司擁有較高的ROI水平。模型表示，智能電網最初的投資用來滿足計量設備由機電式到單向自動抄表（AMR）的功能轉變，AMR具有節約人力以及時間成本的優勢，但是由于其只具有單向通信能力，無法支持電力公司依據從電表獲取數據采取調控措施。高級計量架構（AMI）能夠提供雙向的通信系統，旨在為電力公司提供實時的能耗數據，允許客戶以價格為基礎，對能源使用做出選擇。智能電網演進的最終目標是分布式控制與微網相結合的互聯電網。

1.2 智能電網持續發展理論

2011年7月，美國GridNet公司執行副總裁兼首席戰略官Andres　Carvallo和能源與IT行業學者John　Cooper合作出版了“The　Advanced　Smart　Grid　—　Edge　Power　Driving　Sustainability”一書，提出了智能電網持續發展理論[4]。書中認為第一代智能電網（Smart　Grid　1.0）實現了發電廠到終端計量設備的電流與信息流的傳輸，典型的第一代智能電網是美國科羅拉多州博爾德市智能電網的建設。下一代智能電網（Smart　Grid　2.0）將是一個集成的、先進的智能電網體系，從戰略上進行頂層設計，在組織、運行、系統集成與建模等多個維度進行柔性規劃，下一代智能電網的一些技術已經在美國奧斯汀市智能電網研究項目Pecan　Street中浮現。書中對第三代智能電網（Smart　Grid　3.0）進行了展望，并將其定義為一個基于互聯網絡的重新設計的能源系統。

1.3 智能電網層次理論

IBM高級電力專家Martin　Hauske認為智能電網的基本概念有3個主要元素：首先是廣泛連接資產與設備的傳感器；其次是數據的搜集與整合體系；最后是依據數據進行相關分析，以優化運行和管理的能力。與之對應，智能電網也就有三個層面的含義[5]：首先是利用傳感器對發電、輸電、配電、供電等關鍵設備的運行狀況進行實時監控；然后將獲得的數據通過網絡系統進行收集、整合；最后通過對數據的分析、挖掘，達到對整個電力系統運行的優化管理。因此，智能電網可以被認為是通過傳感器把各種設備、資產連接到一起，形成一個客戶服務總線，通過對信息進行整合分析，從而降低成本，提高效率和可靠性，促進管理和運行達到最優化。

1.4 智能電網成熟度模型

智能電網成熟度模型是IBM、美國生產力和質量中心（APQC）及全球智能電網聯盟（GIUNC）合作研究的成果[6]。智能電網的成熟度分為5個階段：第1階段，只有對智能電網的設想，主要工作是對技術的試驗和評價，以及建立業務模型；第2階段，企業在至少一個智能電網的重要業務領域進行投資和實施；第3階段，企業對智能電網的組成部分進行重新配置，實現業務領域整合或產業鏈升級；第4階段，實現企業范圍的跨業務綜合觀測及綜合控制，力爭形成新的經濟或商業模式；第5階段，企業有能力在新的業務、運行、環境等機會出現時，充分利用并發展壯大。

綜觀國外的相關研究，智能電網演進模型以計量系統為主線，沒有加入交易環節，同時忽視了人工智能在電網中的應用。智能電網持續發展理論有對智能電網分代以及各代相應功能的描述，但是缺乏對智能電網本質的分析，特別是對三代智能電網核心的描述。智能電網層次理論以傳感器為基礎，觸及到智能電網的基本，但是數據收集與整合體系等沒有體現人這一重要因素的參與，理論闡述不夠全面。智能電網成熟度模型實質上是智能電網的推進步驟。因此，上述研究都沒有涉及智能電網的本質。

2 智能電網的本質——智能

對國外智能電網的研究和實踐進行分析，能夠為國內的相關研究帶來啟示和借鑒。從人類認識事物的基本方法來看，對智能電網進行分代研究，必然要從智能電網的本質著手。智能電網可以認為是人工智能在傳統電網中的應用，而人工智能又起源于人類智能，因此，必須從人類智能出發，探求智能電網的本質——智能。

2.1 人類智能的發展階段

人類智能經歷了從初級到高級、從簡單到復雜的演化過程。這種過程只在個體的前十幾年表現得尤為突出，正是這一過程決定了每個人一生智能水平的高低，也決定了人類群體智能水平的多樣性。

1983年，美國學者Howard　Gardner提出多元智能理論，將智能分為語言智能、數學邏輯智能、空間智能、身體運動智能、音樂智能、人際智能、自我認知智能、自然認知智能等8個方面。瑞士心理學家Jean　Piaget從時間維度對人類智能演化規律做出經典總結，提出了人類智能發展理論[7]，將個體從出生到青年時期的智能發展水平分為感知運動階段、前運算階段、具體運算階段和形式運算階段。

雖然多元智能理論并不著眼于各個智能在個體層面的發展順序，但是結合Jean　Piaget的認知發展理論，同時根據Howard　Gardner對每種智能概念的描述，可以對智能的8個組成部分以發展為時序，在多元維度上進行歸類。在感知運動階段，空間智能和音樂智能是人類智能重點發展的部分；到了前運算階段，語言智能和身體運動智能在兒童身上表現較為明顯；數學邏輯能力和自我認知能力在具體運算階段得到了迅速發展；最后，從青少年階段開始，終其一生，對自然的認知，人際交往能力隨著閱歷的豐富、經驗的積累而日趨成熟。

2.2 人工智能是對人類智能的模擬、延伸和擴展

人類智能的演進規律遵循著Jean　Piaget的人類智能發展理論，這些研究成果也深刻地影響著另一個與之緊密相關的學科，即以計算機為基礎的人工智能的研究。人工智能最初被定義為“讓機器的行為看起來就像人所表現出的智能行為一樣”，到后期逐漸演變為讓機器擁有自己的思維。對比人類智能發展的歷程，人工智能的演進呈現出與之相似的路徑。

（1） 人工智能發展的初級階段是對人類智能的模擬。通過傳感器遠程傳送信號，需要操作者通過計算機終端控制機器執行動作，這類似于人類智能的感知運動階段，具體的應用如排爆機器人、勘探機器人等。

（2） 人工智能發展的中級階段是對人類智能的延伸。著眼于通過程序算法實現機器的邏輯運算和自我認知能力，類似于人類智能的前運算和具體運算階段。智能機器人通過處理器分析傳感器收集的信息，在無人操控的狀態下執行動作。有些智能機器人還能通過對人類語言的識別和模擬實現與人類的語言交流，如日本的ASIMO智能機器人，可以通過“腦—機”系統達到人類思維直接控制機器人的效果。

（3） 人工智能的更高階段，智能將成為一種系統層面的應用。人工智能體現出自我思維和機器情感等人類特有的能力，通過自我思維產生對外部環境的認識，通過機器感情與外部環境產生更為復雜的交互，這些能力使得人工智能發生了從模擬、延伸到擴展人類智能的突破。

2.3 智能電網是人工智能在傳統電網中的應用

智能電網建立在電力電子技術、傳感與測量技術、控制仿真決策技術、信息與通信技術、人工智能技術等基礎技術之上，以實現發電、儲能、輸電、配電、用電等環節的智能化為目的。其中，人工智能技術在推動智能電網發展中起著重要作用。

（1） 人工智能的應用能夠推動整個電力系統的發展。傳統電網存在大量非線性的、模糊的、不確定、不精確、不完全真值的問題，人工智能技術應用的目的就是解決上述問題。基于人工智能的電網故障檢測與診斷、具有靈活自愈功能的配電自動化等技術的應用表明，在期望能取得低代價的解決方法和魯棒性方面，人工智能的應用顯著改善了傳統電網對不確定、高度非線性環境的適應能力。

（2） 人工智能技術的應用體現了智能電網的本質。智能電網的本質是智能，現代人工智能技術是對人類智能的模擬，因而人工智能的應用是電網“智能化”的根本體現，人工智能技術應用使智能電網回歸到了它的本質——智能。從這種意義上說，人工智能技術是否應用是評價一個電網是不是智能電網的基本依據。

（3） 人工智能技術在電網中的應用程度體現了智能電網區別于傳統電網的特征。傳統電網未能完整地體現人工智能“感知、思維、行為”三要素，導致人的參與程度較低，傳統電網始終徘徊在由工業化主導的階段，在信息化與工業化融合時，遇到了重重困難。智能電網中，人工智能技術的廣泛應用將使得電網逐步具有模擬人類智能的能力，從而減少人的參與程度。

（4） 未來智能電網的發展中，人工智能是推動智能電網躍進發展的革命性力量。未來智能電網將是一個具有自預測、自診斷、自愈、自組織和自管理特性的電網。智能電網的躍進發展將主要依靠電網的自學習能力，人的干預將退居其次。人工智能的應用，使得電網的自學習成為可能。在可以預見的將來，除了人工智能技術，其他技術均無法有效增強電網的自學習能力。

3 智能電網分代原則、標準與模型

以上分析了智能電網的本質，以下在智能電網的本質基礎上提出智能電網分代的原則、標準以及智能電網分代模型。

3.1 智能電網分代原則

智能電網分代必須遵循以下原則：

（1） 惟一性原則：下一代和上一代的智能電網必須按照智能電網的本質進行劃分。

（2） 革命性原則：下一代智能電網必須在整體，而不是局部取得標志性進展和突破。

（3） 連續性原則：下一代智能電網發展的關鍵要素必須蘊含在上一代智能電網的發展過程中。

3.2 智能電網分代標準

智能電網的本質是智能。人工智能是人類智能應用于傳統電網的紐帶，人工智能將人類智能的8個方面歸納為“感知、行為、思維”3個要素，上述3個要素也是智能電網分代的標準。

感知是客觀事物通過感覺器官在大腦中的直接反映。在多元智能的8個方面中，感知體現語言智能、空間智能、音樂智能。感知在人工智能技術中的體現有語音識別、機器視覺等。

行為是器官對外界刺激所產生的反應。行為體現身體運動智能，行為在人工智能技術中的體現有機器人學、智能控制等。

思維是主體處理信息及意識的活動。思維體現數學邏輯智能、人際智能、自我認知智能、自然認知智能，思維在人工智能技術中的體現有知識系統、專家系統、神經網絡、進化計算等。

3.3 智能電網分代模型

智能電網發展的各階段均須具備人工智能3個要素的全部或部分，不具備3個要素的電網屬于傳統電網。依據3個要素在傳統電網中滲透與融合的深度和廣度，建立智能電網分代模型如圖2所示。

圖2中將智能電網劃分為具有以下特征的三代智能電網：

（1） 第一代智能電網：自感知智能電網（Self-sensing　Smart　Grid）。第一代智能電網在傳統電網的基礎上具備自主感知能力，是人工智能在電網中應用的初級階段。智能電網關鍵設備能夠自主感知電屬性（負荷等）和電相關屬性（溫度等）的變化，需要人參與進行決策并采取行動，第一代智能電網只具備簡單的自主決策和初級的自主行為能力。典型的自感知智能電網設備及系統如電子式及光學式互感器、智能環網柜、智能在線監測系統、智能終端等。

（2） 第二代智能電網：自適應智能電網（Adaptive　Smart　Grid）。第二代智能電網在第一代智能電網自主感知能力的基礎上，具備一定的自主決策能力和自主行為能力，是人工智能在電網中應用的中級階段，較少需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是獨立的，即只在單一設備或系統局部的感知域內進行決策并根據決策結果驅動單一設備或系統局部采取行動，以達到局部最優。典型的自適應智能電網應用系統如智能調度系統、智能自愈系統等。

（3） 第三代智能電網：自趨優智能電網（Self-approximate-optimization　Smart　Grid）。第三代智能電網在第二代智能電網自主決策和自主行為能力的基礎上，是人工智能在電網中應用的高級階段，更少需要或不需要人參與就能根據感知結果進行決策并采取行動。這種感知、決策和行為是系統的、全局的，即在整個系統感知域（或子集）內進行決策并根據決策結果驅動相關（部分或全部）設備采取行動，使得電網自身狀態趨向最優。目前，已經提出來的自趨優智能電網如智能廣域機器人（Smart　Wide　Area　Robot，Smart-WAR）[8]。

4 智能電網分代的社會經濟意義

技術創新與人類解放之間的歷史發展進程表明，人的勞動方式在逐漸變化，技術創新使人在生產勞動中逐漸從事必躬親的執行者演變成監督者、命令者，這種角色的演變，反映出技術創新在人的實踐過程中所具備的強大能動作用。智能電網作為當前電網行業最重要的技術創新形式，同樣發揮著著解放人類勞動的作用，亦即電網運行中人的參與程度不斷減弱。

第一代智能電網通過技術創新實現自我感知，不但極大地拓展了認知的深度和廣度，而且還使人的身體在一定程度上獲得了解放。

第二代智能電網通過技術創新實現自我行為，將會極大地減輕人的勞動強度，甚至取代了勞動者在電網運行過程中僅有的操作、監督和控制工作，使人得以在很大程度上從體力勞動中解放出來。

第三代智能電網通過技術創新實現自我思維，“電腦”開始代替“人腦”控制電網運行，機器人勞動取代人的勞動，使人的活動逐漸從電網運行中淡出，這將使人的思維勞動強度得以極大的減輕。

以智能電網建設為標志的技術創新為電力產業提升運行管理水平，開發新產品和服務，以及延伸整個產業鏈奠定了堅實的技術基礎。隨著技術手段的革新與經營管理模式的轉變，電力產業尤其是電網企業的供給可能性邊界將極大擴展，不僅能夠滿足目前存在的潛在需求，而且還能在未來引領和創造新的需求，在供需雙方良性互動的作用下，電力產業將不斷優化升級，產業整體影響力和競爭力都會獲得顯著的提升。

5 結 語

智能電網分代是一個全新的課題，但是分代研究在計算機等其他領域并不鮮見，對這些領域進行分代的目的是通過研究“上一代是什么”來推測“下一代是什么”，因此有必要通過分代研究來預測和引導智能電網的發展方向。與其他領域分代研究更注重“回頭看”的方法不同，智能電網尚未大規模應用，分代更注重“向前看”，正是人類智能與人工智能的發展規律，奠定了我們“向前看”的基礎。未來，伴隨智能電網的深入推進，實踐應用總結出的成果和經驗，將有助于深化對智能電網本質的認識，理論的可行性與實踐的迫切要求，也必將對智能電網分代研究起到促進作用。

參 考 文 獻

[1]　US　Department　of　Energy.　Grid　2030：　A　national　vision　for　electricity's　second　100　years[R].USA：　US　Department　of　Energy　Initiative，　2003.

[2]　European　Commission.　European　technology　platform　smartgrids：　vision　and　strategy　for　Europe's　electricity　networks　of　the　future[EB/OL].　[2012-09-20].　http：//ec.europa.eu/research/energy/pdf/smartgrids_en.pdf.

[3] FARHANGI　Hassan.　The　path　of　the　smart　grid　[J].　IEEE　Power　and　Energy　Magazine，　2010，　8（1）：　18-28.

[4] CARVALLO　Andres，　COOPER　John.　The　advanced　smart　grid：　edge　power　driving　sustainability　[M].　Boston：　Artech　House　Publishers，　2011.

[5]　IBM論壇2009.　點亮智慧的地球[EB/OL].　[2012-09-25].　http：///cn/forum2009/wisdom.shtml.

篇（7）

一、當前經濟形勢下智能制造發展宏觀分析

1.基礎技術的應用和發展

隨著我國需求市場的蓬勃發展，一大批企業的快速跟進，使我國在計算機視覺、中文語音識別和無人駕駛等典型應用方面進入全球前列，具備了加速發展的市場條件和產業基礎。在新一代信息技術接力式創新的驅動下，萬物互聯和智能化趨勢越發明顯，預計2035年全球聯網設備數量將突破千億件，將快速推動智能制造快速發展。近年來在算法、數據和算力三方面的突破下，新一代人工智能開始成為新的競爭焦點。人工智能在看、聽、理解等關鍵指標上已經媲美甚至趕超人類。在機器識別圖像、語音和自然語言等開始廣泛應用，類似技術已廣泛嵌入呼叫中心、客服系統、智能助手、聊天機器人等產品中。人工智能蘊含著無可估量機遇，各路企業爭相涌入布局。從2013年到2017年，全球人工智能投資事件從310件增長到1349件，投資額從17億美元增長到152億美元，安防、醫療、交通、制造等數據豐富的行業成為重點投資領域。

2.我國智能制造發展情況

隨著我國智能制造發展的快速推動，依托用戶規模、應用場景、風險資金和科技論文等優勢，我國在一些基礎技術的應用方面進入全球前列，一大批骨干企業快速發展，在智能制造產業各個環節積極布局，為我國智能制造的快速發展，實現彎道剎車提供有利條件。數據資源是發展人工智能的關鍵要素，主要來自用戶和聯網設備。從用戶數看，到2017年底，我國有3.49億固定寬帶用戶，是美國的3.5倍，占全球38%。從數據量來看，我國已占全球13%，據高盛報告預測，隨著用戶數和在線時長增長，這一指標到2020年預計提升至20%—25%。我國有用戶規模的先天優勢。我國有近4億的年輕用戶，他們對新科技、新產品的接受度比較高，所以廣泛的行業分布、多樣的用戶需求為拓展人工智能應用提供了廣闊市場。在這一輪人工智能剛興起時，國內一批公司深耕計算機視覺技術，目前從算法水準和應用情況看，人臉識別、安防監控等領域已獲得全球認可。總體上，智能應用開始進入快速擴展期，我國有望在更多領域形成自身優勢。

二、我國智能制造發展當前階段面臨的問題

1.芯片產業發展有待提升

高端芯片產業的發展是智能制造的重要前提，但是芯片關鍵技術方面還有很大的提高空間，目前處于“受制于人”的情況。當前芯片產業關鍵技術方面美國還是占主導地位，首先，圖形處理芯片方面，英偉達、超威和英特爾三強主導市場方向。其次，可編程邏輯陣列芯片方面，賽靈思和英特爾兩強主導市場。第三，專用集成電路(ASIC)芯片方面，谷歌的張量處理芯片(TPU)性能優勢明顯。目前，由于價格和關鍵技術的制約我國還處于芯片進口階段，孫然有部分企業可以進行芯片的定制，但是由于資本投入和商業化推廣的弊端還處于初級階段。

2.人工智能的基礎技術依舊不能形成單獨生態體系

人工智能的算法框架依附于國外巨頭開源生態體系。當前我國人工智能產業必須降低人工智能產品或應用開發成本，進而吸引世界各地開發者入駐生態。從高盛報告看，谷歌Tensorflow算法框架聚集了6.8萬名明星開發者；而百度Pad-dlePaddle平臺僅有5330位，不到前者1/10。我國當前大部分都機遇谷歌的基礎算法框架進行開發，很難自主建立內生性的生態系統。3.專業技術人才的缺失異常嚴重智能制造的重要核心就是專業技術人才的集聚，但是我國智能制造相關人才總量和人才結構上還處于比較落后的階段。如全球最大招聘網站領英2017年《全球AI領域人才報告》顯示，全球人工智能人才數量190萬人，其中美國85萬人，我國5萬人，位列印度、英國、加拿大、澳大利亞、法國之后，排第七位。從專業化人員從業時間來看，與美國相比我國專業化從業人員，從業超過十年以上的不足40%，而美國卻超過了70%，我國大部分關鍵技術人員和管理人員都是海外引進，我國在智能制造的核心技術方面，尤其是人工智能的底層算法方面與美國還是有很大的距離。

4.我國關鍵技術創新相關的政策法規落后于技術創新的需求

數據開放、隱私管理、算法歧視、網絡攻擊等方面需要新的監管法規。以智能影像診斷為例，美國2017年采取先上市后批準的模式助推產業創新；我國則按照醫療器械監管，要求經過器械檢測、臨床評測、器械技術審批、政府發放批文等四個環節，企業反映總耗時30個月，且準入制度、收費模式、醫保對接等尚是空白。所以，首先數據開放是我們必須要解決的問題，我國政府數據開放排名全球靠后，而在科技巨頭之間創建標準統一、跨平臺分享的數據生態系統要落后于美國。其次數據隱私管理方面問題，海量數據的采集不可避免涉及個人隱私，如何避免濫用是各方關切點。最后是網絡攻擊問題，防御網絡攻擊、保障安全是客戶最為關心的主要問題。

三、推動我國智能制造發展的路徑及建議

1.建立核心技術研發標準，加大產業上下游銜接

我國智能制造雖然全面推廣，但是在芯片產業方面還是短板，想要借助人工智能的機會實現彎道超車必須要放長戰線，做好基礎研發工作。我國消費市場具有一定的優勢，要做好開放合作的準備，加強學習的強度，縮短學習的周期。避免資金、人才等資源的浪費，推進強強聯合，鼓勵走差異化技術路線。優化產業鏈條，加強上下游的銜接，利用好國內良好的消費市場，產業鏈相關企業要積極抓住這個機會，積極實現商業化應用。

2.建立標準化產業鏈條平臺

篇（8）

如果我們擺脫簡單的擬人思維，把人工智能看作互聯網智能演進的新階段，為理解其法律規則，就有必要理解互聯網法律在過去20年中形成的路徑和推動力，從而探討人工智能是否有任何特殊性以至于需要新的規則。本文將從網絡法的兩個視角――實證性和生產性――切入，將它們延伸至人工智能語境下分別討論。“實證性”視角是我們觀察和應用任何規則的慣常思維方式，例如人工智能行為的具體規則如何確立、如何規制等，本文將討論支撐人工智能的兩個構成性要素――算法與數據――可能帶來的法律問題，以及法律人處理人工智能的兩種路徑;“生產性”視角則深入規則背后，探索規則形成的政治經濟因素，特別是經濟生產方式的內在要求。人工智能本質上是一套復雜的代碼設計，既是影響社會行為的強力規范，也是產生新價值的生產機制;它驅動整個社會朝向更智能的方向變化，從而要求法律做出相應調整，尤其是確認新型經濟利益的合法性。

限于篇幅，本文姑且將人工智能看成法律上的客體，暫不討論賽博格（cyborg）之類的人體轉向機械體或通過基因技術改變身體的問題（仍是法律上的人），也不討論人工智能作為一種人造物的自我意識問題（一個難以達成共識的哲學問題）。

理解網絡法的變遷

網絡法在中國的變遷大致遵循兩類邏輯：外生性的政治/監管邏輯和內生性的商業邏輯。政治/監管邏輯體現為對“實證性規則”的追求，這些規則集中在國家（包括法院和監管機構）如何對互聯網的內容和行為進行規制，包括對網絡和信息安全的追尋。這集中反映了國家權力如何試圖介入新技術帶來的問題與挑戰。這一視角最早由美國法學界引出，特別是Lawrence Lessig的代碼理論將代碼（架構）和法律并列。由此，所謂的網絡法不僅要約束社會主體在網絡空間中的行為，也要對架構的變化本身做出回應。

首先，就規制主體行為而言，出現了是否按照傳統線下行為規則的思路約束線上行為的討論。這一討論的核心是，互聯網問題是否具有任何特殊性，需要某些新規來解決。我們已經看到，中國的互聯網行為監管在很大程度上延續了傳統規則和管理方式，采取漸進的方式，這不僅成本較小，也給予監管者一定的學習和探索空間。其次，就架構變化本身而言，國家在宏觀上主張網絡空間中仍然需要，不能成為法外之地，在微觀上相應出現了國家與平臺權力/責任二分的討論。例如，政府權力何時需要介入平臺治理，加強平臺的行政管理責任或安全保障責任，還是由后者根據自身情況自我規制，實現治理目標。政治/監管邏輯要么遵循管理者的路徑依賴效應，要么堅持既有社會穩定、意識形態安全價值。問題在于，監管者在多大程度上能夠認識到代碼及其商業模式的特殊性，從而使監管行為和行業特性相互協調融合。

另一種看待規則產生的方式遵循商業邏輯。這種生產性視角關注微觀權力運作，綜合將代碼、法律與社會規范放在一起，不單純從社會學意義上觀察社會主體行為如何受到影響，而是在政治經濟學意義上將網絡空間的生成和擴散看成是一個由商業力量推動主導的生產性過程，關注價值由誰產生、如何分配，由此推動對新規則的內生需求。按照這一視角，無論是法律還是架構，在具有實證性規制功能的同時，也是一種“生產性規則”。互聯網的生產模式決定了其對社會范圍內生產資料的創造性生產和再利用，需要法律確認其生產方式的合法性，重塑關鍵法律制度，并解決和傳統生產模式的利益沖突。這一視角無疑幫助厘清新經濟主張的例外特性，不僅展示出架構和相應的法律改變，更指明了背后的政治經濟原因，是更好地理解實證性規則的基礎。

兩類不同的邏輯在過去20年中交替出現，相互制約，共同塑造了中國網絡法體系，也推動了中國互聯網的整體發展。總體而言，鑒于國家有意促進新經濟，需要推動傳統的屬地化、分口治理，事后運動治理模式發生轉變，認清互聯網商業模式和價值產生的根源，有利探索適應新經濟性質的管理體制。從這個意義上說，信息資本主義不斷要求對法律內核進行改造，取代其中的傳統經濟要素，打破限制生產要素自由流通的各類規則。

人工智能法律的實證性視角

如前所述，人工智能的本質在于算法和數據處理，物理形體不必然是人工智能的構成要素，因為即使是人形機器人，也不過是一個算法主導的硬件系統，它實時收集信息，并按照算法的要求做出決定，繼而行動。更重要的是，具有物理形體的人工智能可以推動群體智能發展，通過分布式終端收集更多數據加以處理，并不斷傳輸至云端“大腦”，提升整體網絡的智能水平。 人工智能巳深度介入醫療領域

根據算法的復雜性和學習/運算能力對強人工智能和弱人工智能進行區分，這在技術認知上沒有問題，但在法律上很難按照智能程度給出精確的標準。法律應對復雜世界的方式是確立一般性的簡單規則，在概念上對社會個體進行抽象假定（如行為能力），而非針對特殊主體，否則規則體系本身將變得異常復雜，難于理解和操作。而人工智能從單一的自動化服務向多元通用服務轉變的過程可能是一個相當長的光譜，法律需要針對其本質特征進行約束，并探索一套應對未來的方案。當我們說社會變得越來越智能的時候，事實上指由于數據搜集、儲存和處理的能力不斷增強，所有軟件/算法都可能朝向自動收集數據，做出決定或判斷的趨勢，由于算法的復雜性，算法帶來的結果可能無法預測，并在更大范圍內帶來系統性的不利后果。這種后果未必是毀滅性的風險，甚至只是在某領域的制度設計問題，但人工智能恰好將這類社會問題具象化，掩藏在外表華麗、高效、更多是私人控制的“黑箱”中，就會引發一系列問題。

如果放在一個更大范圍內觀察，在歷史上，人類社會隨著復雜性的增加，不可避免地產生以組織和技術形態出現的各類“黑箱”，它們的決定影響著社會發展和大眾福利，但仍然保持著某種秘密性。這一隱喻未必是陰謀論，其核心問題在于信息不對稱。為平衡相關當事人和社會大眾的知情權、避免恐慌、保持某種預測能力，人們不斷設計出某種程度的信息公開和透明化機制，例如政治辯論的公開化，法院訴訟程序透明化甚至公開庭審，上市公司強制信息披露等等。而人工智能不過是信息技術時代的新型黑箱，帶來更加嚴重的系統化影響。互聯網在興起過程中，通過降低信息成本，推動了開放政府、庭審直播，使信息公開透明更加便利，將生產性資源不斷解放出來，在更大社會范圍內重新配置，產生新價值。然而，這一過程在消除一個又一個傳統黑箱的同時，產生了更為復雜的新黑箱，進而主導整個社會的生產過程。生產資料之間的信息變得越來越對稱，甚至可以實時互通信息，但作為信息匹配中介的人工智能卻變得更不透明，其規則設計和運作從屬于用戶甚至開發者無法理解的秘密狀態，這回到了法律如何處理與代碼的關系問題。

一個類似的比較是人類自身：人腦經過上百萬年的進化，演變成十分復雜精致的系統。盡管當代神經科學不斷改變我們對人腦的認知，甚至每個人的大腦都不完全一樣，但就法律而言意義不大，這只能在邊際上改變個案判決。即使無從了解人腦的運轉機制，或者依據某種更加先進的科學知識解釋社會主體行動的具體理由，人類還是有能力形成社會規范，并演進成更加理性化的規則。這套規則只需要假定一般社會主體是（受限）理性的，由少數概念界定不同情形的心理狀態（故意、過失），并集中對人的外在行為進行約束，確定權利與義務，就足以以簡單規則應對（而非認識）這一紛繁復雜的世界。類似地，在處理算法的負外部性時，也可以有兩種不同的路徑：（1）關注算法的外部行為與后果，（2）關注算法內部的設計規則。

大部分現有規則關注算法導致的（未意料）結果，例如內容分發算法未經審查造成非法或侵權內容傳播，這一般由信息傳播者（即內容服務商）承擔責任，算法本身并無法律地位，在造成不利后果的過程中只是一個工具。這類責任假定內容服務商應當知道非法內容的存在，并有能力通過算法設計或人力（比如人工審查）加以阻止。在諸多侵權場合，內容服務商可以通過“避風港”規則免責，只要無法證明它實際知曉狀態。更復雜的是，如果軟件開發者聲稱自己無法控制信息的生產和傳播，卻造成一定社會危害的情形。無論是在快播案還是BT案中，軟件開發者都無法因這一原因而逃脫責任，法院的理由仍然是，開發者有能力知曉非法內容的輸出（如果不是故意的話，例如快播向推廣該播放器）。類似地，如果一個具有物理形體的人工智能由于處理信息不當造成了外在損害，按照這一邏輯仍應由算法開發者負責。

而且，還有必要將算法產生的錯誤和算法缺陷本身區分開。長期以來，軟件行業一直通過拆封合同（shrink-wrap）解決缺陷軟件造成的短時崩潰或重啟問題，這種格式條款旨在確認這樣一種事實：沒有任何軟件是百分之百完美的，只要在用戶拆封使用該軟件時運行正常即可，服務商并不為軟件崩潰或死機造成的消費者損失負責，因為前者無法預料到缺陷帶來的風險。這就是為什么消費者需要接受軟件生產商不停的更新和補丁，軟件/應用不受產品責任的約束，被視為一種可以不斷升級改進的服務，這在免費軟件時代更是如此。按照這一思路，似乎有理由認為，無人駕駛汽車因算法計算錯誤導致車禍（何況造成事故的概率遠遠小于人類司機的錯誤）是這類軟件的正常的缺陷，消費者應當容忍這類錯誤。但無論是監管者還是潛在的受害人都無法接受這種比擬。聲稱有潛在缺陷的交通工具（也包括醫療設備和其他與生命財產直接相關的算法）一旦投入使用就需要為此造成的后果負責。無論如何，這類思路仍然是通過后果施加事后責任，監管者或法院并不想深入算法內部了解造成事故的技術原因是什么。只要法律認定這一黑箱應當在合理范圍內得到控制，事故可以避免，黑箱提供者就應當承擔責任。在這種情況下，保險（甚至是強制險）就成為確保這類發生概率小但潛在損失巨大的不二選擇，航空、醫療保險市場十分發達，可以預見將會延伸至更多由人工智能驅動的服務行業。 現實與虛擬的界限不斷模糊化

如果說事后救濟還無法確保安全，事前干預算法設計則是另一種選擇，同時帶來的問題也更復雜。早在20世紀，阿西莫夫就試圖為機器人立法，盡管他從未討論技術上的可行性。安全可能是人工智能服務的首要問題之一：一個中心化的入侵可能會導致所有終端都變得極度不安全。行業監管者在不同行業為特定服務中的人工智能設定安全標準（如醫療器械、交通工具、自動化武器），實行安全保護等級制度，甚至要求被認定為重要設施的源代碼（如windows系統）供監管者備案，或在設計自動化交易程序時控制報單頻率的閾值等。又例如，在魏則西事件后，聯合調查組在整改意見中要求落實以信譽度為主要權重的排名算法，對商業推廣信息逐條加注醒目標識，予以風險提示。如果說這些監管手段針對的是作為商業秘密的私人算法，諸如Open人工智能這樣的倡議則意在延續開源軟件運動路徑，確保軟件漏洞能夠得到更大范圍內的監督和修補。至少在中國，信息披露機制尚未成為算法監管的重要手段，無論是強制性披露還是第三方披露。

（作者單位：上海財經大學法學院）

注釋：

[1]當下的大眾媒體、文化產品和社會公共認知正努力將未來的人工智能塑造成具有獨立意識的逐漸演化的主體，這集中體現在諸如《終結者》《我，機器人》《西部世界》《2001銀河漫游》這類科幻影視作品中。盡管人們也有理由進一步想象，一旦人工智能具有了自我意識，就不再可能忠實地為人類服務，而更可能對人類生存構成威脅。其路徑和思維方式仍是20世紀的，和21世紀依托大數據機器學習迥然不同。事實上，按照日本學者森政弘提出的“恐怖谷理論”，人工智能不太可能在短時間內人形普及化，因為這會在消費者心理上引發不安甚至恐懼。像Siri和Cornata這樣的語音助手、像Tay和小冰這樣的聊天機器人則不會有這種負面效果，因為用戶知道自己在和一個尚未通過圖靈測試的算法對話，他們甚至樂于教Tay在推特上辱罵用戶、發表種族主義和煽動性的政治言論。另一個可能影響中文世界讀者想象的因素是，把robot翻譯成“機器人”先驗地賦予了這類客體某種擬人化主體地位，而人形機器人（android）卻沒有引起更多的關注。

[2]John Weaver， Robots are People Too： How Siri， Google Car， and Artificial Intelligence Will Force Us to Change Our Laws ，Praeger Publishers Inc， 2013; Ugo Pagallo， The Laws of Robots： Crimes， Contracts， and Torts ，Springer， 2015.一個更加有用的綜合文集是Ryan Calo， A. Michael Froomkin and Ian Kerr （ed.）， Robot Law ，Edward Elgar Publishing， 2016。Ryan Calo的研究將具有物理形體的機器人作為法律的對象，特別區分了信息性和物理性效果，見Ryan Calo， “Robotics and the Lessons of Cyberlaw”， Calif. L. Rev.， Vol.103（2015）.一個不同觀點，見Jack Balkin， “The Path of Robotics Law”， Calif. L. Rev.， No.6（2015），Circuit 45.把機器人視為人在法律上也有相當的歷史，見Samir Chopra and Laurence F. White， A Legal Theory for Autonomous Artificial Agents ，The University of Michigan Press， 2011; Ryan Calo， “Robots in American Law”， University of Washington School of Law Research Paper， No. 2016-04.

[3]吳軍：《智能時代》，中信出版社2016年版。

[4]例如阿西莫夫的機器人系列小說中，無一例外地設定機器人擁有一個“正子腦”（positronic br人工智能 n），但卻沒有給出任何解釋。見阿西莫夫：《機器人短篇全集》，江蘇文藝出版社2014年版。

[5]這被稱為終極算法（master algorithm），見佩德羅?多明戈斯：《終極算法：機器學習和人工智能如何重塑世界》，中信出版社2016年版。

[6]尼古拉斯?卡爾：《玻璃籠子：自動化時代和我們的未來》，中信出版社2015年版。在互聯網發展的每一個階段都有某種意識形態化的術語或熱詞吸引投資，例如寬帶、大數據、分享經濟、VR（虛擬現實）等，它們不過是互聯網形態的各類變種。例如，一個關于分享經濟和之前互聯網經濟的關聯，參見胡凌：《分享經濟的法律規制》，載《文化縱橫》2015年第4期。

[7]這種思維方式可追溯到霍布斯以來的法律實證主義。

[8]胡凌：《代碼、著作權保護與公共資源池》，載《騰云》2016年12月刊。

[9]關于兩類邏輯的具體表現，集中參見胡凌：《探尋網絡法的政治經濟起源》，上海財經大學出版社2016年版。

[10]這在眾多（特別是國外的）中國互聯網觀察者身上十分常見，人們的注意力全都轉向中國政府如何嚴格管理和控制互聯網。在政治學研究中自然而然地并入“國家與市民社會”傳統框架，并吸納了關于在線抗爭、集體行動的傳播學與社會學研究。

[11]勞倫斯?萊斯格：《代碼2.0》，清華大學出版社2008年版。

[12]一個概述，見胡凌：《馬的法律與網絡法》，載張平主編：《網絡法律評論》2010年第11卷。

[13]胡凌：《非法興起：理解中國互聯網演進的一個框架》，d《文化縱橫》2016年第5期。這體現在版權、隱私、財產、不正當競爭、壟斷、勞動法等一系列制度中。這種對法律制度的改變不單純是在既有工業生產背景下微型創新帶來的變化，而是社會生產的重塑。

[14]比如說，平臺責任議題的出現，和互聯網平臺更多轉向由第三方提供服務的信息中介模式直接相關。

[15]這一區分和觀察中國式資本主義興起的框架十分類似，政治經濟學家們爭論的焦點就在于如何解釋中國改革開放三十年的成功經驗，究竟是政府主導還是市場主導，但實質上是一個混合制經濟。

[16]由于科斯所說的企業信息成本和管理成本降低，調動生產要素的邊際成本趨近于零，企業組織形態本身將成為競爭的高成本。

[17]尼克?波斯特洛姆：《超級智能：路線圖、危險性與應對策略》，中信出版社2015年版。

[18]古代的政治過程、現代的企業決策都是黑箱，對外人而言如果不是神秘，也是除魅之后的國家/商業秘密。卡夫卡的小說《審判》就精確描述了作為黑箱的訴訟過程，同一時代的韋伯也描述了理性化的國家機器應當像自動售貨機一樣。

[19]Frank Pasquale：《黑箱社：掌控信息和金錢的數據法則》，中信出版社2015年版。

[20]帕伯斯：《差錯：軟件錯誤的致命影響》，人民郵電出版社2012年版。

[21]長久以來民用航空器已經由軟件深度介入駕駛過程，以至于人類駕駛員無法在短時間內預熱，形成另一種風險。

[22]阿西莫夫提出的“機器人三定律”（后來擴展至四點）雖然十分基礎，但仍然很難在具體情況下起作用，特別是當代倫理學上著名的“線車難題”之類的倫理困境。考慮到這些定律是為模擬人腦狀態下設計的，就更可疑;因為人腦并不總是按某些理性倫理原則行事的，在某些關鍵場合強烈依靠某些默認設置――直覺。

[23]由監管機構強制披露并審查事實做不到，只能依靠像蘋果這樣的平臺公司和軟件分發平臺幫助對成千上萬個軟件進行至少是安全審查。在臺式機時代，這一平臺責任幾乎不可能，自然狀態下的windows只能導致爭奪私人控制權的3Q大戰。但像烏云網這樣的第三方白帽黑客也被禁止探測和公開互聯網公司的漏洞。

[24]同注11。

[25]在筆者看來，法院應當將注意力放在知情同意的合同條款本身的適當性上，而不是一味接受黑箱的邏輯，因為后者確實無懈可擊。如果格式合同能準確反映代碼的設計，對其條款的審查是更好的選擇。百度引發的被遺忘權第一案反映的也是這個問題。

[26]一個補救方法還是盡可能地披露算法信息，允許用戶理性地生產/隱瞞個人信息，見戴昕：《自愿披露隱私的規制》，載蘇力主編：《法律和社會科學》第15卷第1輯，法律出版社2016年版。

篇（9）

作者簡介

余來文，江西財經大學應用經濟學博士后、博士生導師、創業導師、野文投資董事長、文字傳媒董事長，《商業智慧評論》和《創業管理評論》出品人，并任江西財經大學、江西師范大學、江西理工大學、香港公開大學、澳門城市大學、亞洲城市大學等外聘MBA課程教授或創業導師。曾在海王集團、遠望谷股份、飛尚集團等公司工作，歷任副總經理、總經理等職務，為大潔王集團、南華西集團、銅川礦務局、陜西煤業集團等公司提供管理咨詢。先后在《管理科學》《北大商業評論》《銷售與管理》《中國經營報》《CHINA DAILY》以及人大報刊復印資料轉載等雜志報紙200余篇。出版《智能革命：人工智能、萬物互聯與數據應用》《分享經濟：網紅、社群與共享》《共享經濟：下一個風口》《互聯網：商業模式顛覆與重塑》《商業模式創新》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式：互聯網思維的顛覆與重塑》等30多本圖書。林曉偉，江西財經大學管理學博士，現為閩南師范大學商學院副教授，福建省“新世紀”人才。先后在《系統管理學報》《經濟管理》《國際貿易》《當代財經》《中國社會科學報》《中央財經大學學報》《現代管理科學》等國內核心刊物20余篇，出版專著1部，參與編寫《智能時代：人工智能、超級計算與網絡安全》《電子商務：分享、跨界與電商的融合》《互聯網思維2.0：物聯網、云計算與大數據》《企業商業模式運營與管理》《物流學》《財務管理》和《會計學》等圖書。主持福建省級課題4項，先后參與國家自然科學基金項目等省部級以上課題9項，參與詔安縣農業和扶貧“十三五”規劃編制工作。主要研究方向為物流與供應鏈管理、產業互聯網、企業商業模式。

目

錄

1 第1章 智能時代

2 開章案例

6 1.1開啟智能時代

7 1.1.1 Mr Smart——我的智能生活

13 1.1.2智能時代之認知顛覆

18 1.1.3人工智能——工作“終結者”

19 1.1.4新產業的催生——“智”家幫的興起

25 1.2迎接嶄新的智能社會

25 1.2.1“數字化”——智能社會的“快引擎”

26 1.2.2“信息化”——智能社會的“大動脈”

27 1.2.3“網絡化”——智能社會的“高速路”

28 1.2.4“集成化”——智能社會的“點金石”

29 1.2.5“公共化”——智能社會的“新時代”

32 1.3智能生態——智能時代的終極奧義

32 1.3.1傳統工業邏輯的顛覆式創新

36 1.3.2人人創造，智能時代新分子

37 1.3.3用戶“雙力”：參與力創造力

38 1.3.4“智”之大器之智能整合

39 1.3.5未來人工智能生態圈

42 1.4智能時代的內核

42 1.4.1人工智能之先發“智”人

45 1.4.2超級計算之千手“算”音

46 1.4.3云端服務之無上“云”法

47 1.4.4網絡安全之“安全”衛士

51 章末案例

56 第2章 人工智能

57 開章案例

62 2.1人工智能：讓機器更聰明

62 2.1.1人機大戰：阿爾法狗與柯潔

64 2.1.2人工智能與智能機器人

67 2.1.3機械思維向左，智能思維向右

68 2.1.4人機融合：超人類智能時代

72 2.2人工智能新認知

75 2.2.1解密人工智能

76 2.2.2重要的是數據，而非程序

77 2.2.3淘汰的不僅是工作，更是技能

80 2.2.4超人工智能時代

82 2.3大數據與人工智能

82 2.3.1數據驅動智能革命

85 2.3.2數據挖掘：從大數據中找規律

86 2.3.3大數據的本質：數據化

89 2.3.4大數據——人工智能的永恒動力

90 2.4人機融合：連接未來

93 2.4.1人工智能之“星際迷航”

95 2.4.2機器學習與人工神經網絡

96 2.4.3超越未來：人工智能之深度學習

101 2.4.4 人工智能之前世今生

102 2.4.5 人機融合：未來ING

104 章末案例

109 第3章 超級計算

110 開章案例

114 3.1大話超級計算機

114 3.1.1 超級計算知多少

115 3.1.2 從數據到超級計算的飛躍

117 3.1.3 大千世界，“數”在掌握

119 3.1.4 數據流——“超算流體”

122 3.2時代新寵——超級計算機

123 3.2.1 超級計算，未來國之重器

124 3.2.2 超算之不得不懂

126 3.2.3 大國超算之超常發展

132 3.3超級管理

132 3.3.1 數據收集——“超管”之“核基礎”

132 3.3.2 數據存儲——“超管”之“核聚變”

133 3.3.3 數據處理——“超管”之“核爆炸”

136 3.3.4 超級計算安全

137 3.4表演時間：超算之應用舞臺

137 3.4.1 互聯網應用：“互聯”的二次方

140 3.4.2 電子政務應用：政務“超算”跨時代

141 3.4.3 精準醫療應用：超算醫療，快，準，狠

145 3.4.4 智能交通應用：數據出行，悠哉，享哉

146 3.4.5 金融投資應用：“超算”致富經

149 3.4.6 新零售應用：“超”未來，“算”零售

153 章末案例

159 第4章 云端服務

160 開章案例

164 4.1云服務——“云”上境界

164 4.1.1 走進“云”化時代

168 4.1.2 享受云生活

172 4.1.3 幕后英雄——云計算推動“團隊”

173 4.2直擊云計算

174 4.2.1 云計算為何物

178 4.2.2 云計算從哪里來

179 4.2.3 虛擬化，一切皆有可能

181 4.2.4 云計算未來規模

183 4.3雙重界：云計算與虛擬網絡

183 4.3.1 云計算與虛擬網絡關系

184 4.3.2 云服務之“虛化”技術

189 4.3.3 虛擬服務器——“虛化”技術承載終端

193 4.3.4 多云大融通——云存儲設備

195 4.3.5 有備無患——云資源備份

198 4.4“三云”家族：公有云私有云混合云

199 4.4.1 公有云——“云”家必爭之地

201 4.4.2 私有云——私享“云端”之上

203 4.4.3 混合云：公私合并——“云端”最強音

207 4.5云應用——“云端”的機智強大

207 4.5.1 云應用：極致“云”風暴

210 4.5.2 云應用、云服務與云計算

211 4.5.3 AI云運用=“云端”最強音

212 章末案例

218 第5章 網絡安全

219 開章案例

223 5.1直擊網絡安全

223 5.1.1 計算機安全——21世紀的重點“安全區”

224 5.1.2 網絡安全：居安思危，嚴陣以待

227 5.1.3 安全攻擊之“四面”埋伏

228 5.2不得不知的網絡安全

229 5.2.1 網絡安全之認知“大充電”

232 5.2.2 網絡安全風險之危機四伏

236 5.2.3 網絡安全的“威脅危邪”

241 5.2.4 安全管理“六板斧”

242 5.3網絡“歪腦筋”：犯罪與黑客

243 5.3.1 網絡犯罪——犯罪“新境界”

246 5.3.2 黑客攻擊：高智商罪犯的攻擊

247 5.3.3 黑客攻擊“六”手段：智、快、狠

250 5.4無處不在的安全管家——網絡安全管理

250 5.4.1 網絡安全“密匙”：加密安全

254 5.4.2 保密系統：守口如瓶，從一而終

256 5.4.3 智能防火墻——安全防護之智能乾坤

260 5.4.4 網絡安全未來式：量子通信

264 章末案例

篇（10）

后互聯網+時代，或者說互聯網+的下半場又將是如何一種態勢？根據內爆理論（implosion）創立者、馬歇爾?麥克盧漢（Herbert Marshall Mcluhan，1911-19801在他的《理解媒介》（Understanding the Media，1964）一書中提出來的概念――“起初，我們塑造了工具，最后工具又反過來塑造我們”進行推導，互聯網+的下半場或是一個以技術“反向”于人類的趨勢，也就是人與技術的關系。

從生物學角度，人與技術的關系很像授粉與繁殖的關系。我們對技術授粉，技術就不斷的繁殖與生長，然后是技術不斷接管了我們的手、腳，甚至思維，進而塑造了我們的消費方式、娛樂方式、交通方式、金融方式等等。不知不覺中，人和技術融為一體，形成了新的依賴關系、新的物種。

這是一個進化的過程、結果。就像生物第一次進化出中樞神經系統一樣，將所有的技術連接在一起。剛開始，簡單的中樞神經系統只能做簡單的應激反應，后來適應性越來越好，神經結構越來越復雜，可以適應更加復雜的環境，卷入了更深刻的資源，當卷入的節點越多，會不會發生相變？

現在是50億+的節點，未來IOT，那是上萬億的節點數量，當量變發生一定程度的時候，會不會發生質變？就像當年生物的中樞神經系統演化過程一樣，當神經元細胞足夠多，連接足夠多，突觸足夠復雜的時候，結構進一步復雜，忽然誕生了高等社會性動物，再因一兩個意外而產生語言，產生群組內深度的協作，進而演化產生了經濟體一樣的生命體。

人工智能粉墨登場

新生命體叫什么？我們依然不很清晰，目前階段姑且稱之“人工智能”。人工智能已在悄悄接管我1門生活的操作系統――決定了我們在買什么、我們應該如何想、我們去哪兒玩、跟誰結婚等。