聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛,12月5日在清华大学以线上线下结合方式举行,中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题,发表主旨演讲建言献策,并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为,大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练,难以开发出具有可解释性的算法框架,深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外,由于数据可以带来巨大的规模效应,当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中,因此,未来对“机器换人”的预测非常具有挑战性,需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题,使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出,由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性,导致当前人工智能研究中面临着一系列挑战,因此,需要加强人工智能基础研究工作,这需要跨领域、跨学科的共同努力。当前,理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面,理解人工智能机理需要构架“感知-思考-行动”的智能模型,加强对大脑思维机理的理解,建议借鉴神经科学研究联合体的有益经验,建立全球性的人工智能研究数据库,形成全球共享的研究社区。另一方面,构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上,建议建立类似于自由协作式的知识库,通过全民民众参与,推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示,由于深度学习等算法存在不可解释性,导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法,开发安全、可信、可靠、可扩展的人工智能技术,以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台,赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导,并需要政策法规对数据使用的正确规范,充分利用知识、数据、算法和算力四个要素结合,推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为,当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段,至2030年,中国人工智能发展总体要达到世界领先水平。从战略问题看,中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈,当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势,而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看,人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求,鼓励各种可能的强人工智能探索,“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图;在安全问题层面,强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性,人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护,重视探索人工智能伦理问题,并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示,AI已经应用于生活和工作的方方面面,目前甚至在法律上也具有一定的应用,比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑,包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”,应该打开“黑箱”,探究和理解其中的具体内容和因果关系,我们一定要做可解释性的AI。同时,他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点,作为新兴领域,还需要向其他领域学习,从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出,“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择,又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网,智联网可以赋能绿色计算,助力“碳中和”。智联网助力“碳中和”主要包括三个环节:首先,由数据驱动和人工智能优化引擎来实现智能决策。其次,多参数全链系统配置优化。最后,通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架,该平台包括人工智能驱动节能减排和高能效人工智能系统,应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办,清华大学人工智能国际治理研究院承办,国际支持机构为联合国开发计划署。论坛为期两天,设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
美大幅增加新财年国防预算******
美国2023财年国防预算计划为阿利伯克级驱逐舰提供22亿美元。图为正在维修的阿利伯克级“菲兹杰拉德”号驱逐舰。
近期,美国国会参众两院先后批准通过2023财年《国防授权法案》。根据这份法案,美国明年的国防预算将达到8580亿美元,创历史新高。分析人士认为,在当前经济状况不佳、财政赤字面临失控的情形下,美国仍大幅增加国防预算,不仅充分暴露其穷兵黩武的本质,也将对未来国际安全形势产生不容忽视的影响。
加大前沿军事技术研发力度
据悉,美国此次国防预算投入的重点领域包括人工智能、军用5G技术、量子计算与加密运用等,这些也是构成美军“联合全域指挥控制”作战概念的关键性技术。通常情况下,美国的国防预算开支包含两大部分。一部分由美国国防部支配,用于保持美军内部运转、维持美军全球军事行动、采购武器装备、开展颠覆性军事技术研发等,另一部分由美国能源部等单位支配,主要用于美核武库的维护和升级改造等。在此次公布的2023财年国防预算中,美国将用于颠覆性军事技术研发的经费提升至1301亿美元,比2022财年的1120亿美元增加181亿美元,增幅超过16%。
此外,由于美国拥有庞大的核武库,在2023财年国防预算中,核武器预算依然处于历年最高。美国计划投入63亿美元建造哥伦比亚级战略导弹核潜艇,投入50亿美元打造B-21轰炸机,投入36亿美元研制新一代陆基洲际弹道导弹,以不断提升“三位一体”核打击能力。同时,美国计划投入48亿美元用于升级核指挥控制系统,强调发挥战术核武器潜在的实战运用可能。
借口“大国竞争”提升战备能力
近期以来,美国先后发布《国家安全战略报告》《国家防务战略报告》等一系列战略文件,声称由于竞争对手的综合国力不断发展,导致美国的相对优势不断缩小,并强调应对“大国竞争”仍将是美国未来一段时期的主要任务目标。
从2023财年国防预算的分配可以看出,美国借口“大国竞争”提升战备能力的举措具有明确针对性。例如,为加强对俄罗斯的军事遏制,2023财年国防预算中专门列出一项“欧洲威慑倡议”,用以支撑对俄军事遏制活动,其中包括投入47亿美元用于高超音速武器研发,以弥补与俄罗斯“匕首”高超音速导弹的差距。此外,2023财年国防预算为所谓“太平洋威慑倡议”拨付61亿美元,以确保美国在亚太地区拥有足够战略资源和军事能力,具体包括提升驻太平洋地区美军导弹防御能力、部署陆基远程精确打击武器及增强驻太平洋地区美军的前沿部署态势等。
同时,美国还进一步优化美军装备结构体系,重点加大对远近程火力、各军种作战平台、作战网络、防空反导及战场基础设施等针对性战备能力的投入。例如,2023财年国防预算专门拨款80多亿美元采购高优先级弹药,包括1.2万余枚AGM-179空对地导弹、2万余枚精确制导火箭弹、1700余枚MGM-140“陆军战术导弹”、4000余枚远程反舰巡航导弹、2600余枚“鱼叉”反舰导弹、3500余枚“爱国者”防空导弹、6000余枚AIM-120空对空导弹及1500余枚“标准”-6中程防空导弹等。
穷兵黩武危害世界和平
纵观历史,美国一直痴迷于通过武力等手段扩张势力范围,谋求世界霸主地位。过去几十年里,美国一直在制造“假想敌”,幻想自己受到某种威胁,并以此为借口不断制造事端。例如,美国以“反恐”之名,将阿富汗、伊拉克、利比亚、叙利亚等国相继推向战场;美国不顾俄罗斯强烈反对,积极推进北约东扩,频繁对俄进行挑衅,最终引发俄乌冲突。
美国日益频繁的军事活动自然需要庞大的军费作为支撑。事实上,自2018财年起,美国的国防预算一直呈上升趋势,并逐渐进入增长“快车道”。拜登政府执政后,更加强调以技术优势获取装备和作战优势,扩大与竞争对手的军事代差,导致军费开支大幅提升。历史和现实都证明,穷兵黩武是破坏世界和平的最大祸源。可以预见,在持续高额军费开支的支撑下,未来美国的全球军事活动还将更加频繁。而美国这种通过无限增加军费开支来追求霸权和所谓绝对安全的做法,无异于缘木求鱼,不仅无益于地区安全形势,还会引发“连锁反应”,导致新一轮军备竞赛,给未来国际安全形势发展带来极大隐患。
(作者:方晓志,为国防科技大学国际关系学院副教授)
(文图:赵筱尘 巫邓炎)