人工智能時代的法律精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的人工智能時代的法律主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：人工智能時代的法律范文
當我們談論人工智能（Artificial Intelligence，AI）時，很大程度上受到源自20世紀想象的影響，例如，直接把人工智能和機器人聯系起來，甚至是人形機器人。這可能也會影響法律人對人工智能的想象，包括是否承認人工智能作為具有自我意識的法律主體地位（或至少是人類行為的人），從而保護其特定權利（言論自由、著作權）、劃定責任（締約、侵權），甚至強調可能的毀滅性風險。這種想象遠非受到科幻作品影響那樣簡單，深層次中還反映出人工智能在技術和應用上不同的發展路徑：早期人工智能研究更集中于對人腦的仿真模擬，探究意識、理性等更為宏大的哲學問題，但應用性較少;當下的人工智能走出了實驗室，借助互聯網服務直接影響到普通人的生活，在技術上并不執著于創造一個完美的智能體，而是依靠算法（如機器學習和神經網絡）不斷優化，對海量數據自動挖掘與預測，通過無所不在的傳感器實時更新數據，動態掌控著人類社會各個方面的運轉，并把從某個特定領域升級為通用人工智能作檳勘輟4誘飧鲆庖逕纖擔人工智能并不神秘，它出現在日常生活中，不僅是工業社會生產自動化的延續，也是互聯網商業化的必然結果和新階段。時至今日，歐美國家紛紛出臺政策，推動人工智能發展，力求提升經濟效率和競爭力。 互聯網公司正逐漸主導實體經濟和金融生產
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。
[27]法律的人工智能化是本文另一個沒有討論的問題，與此相關的是大規模監控、智能警務、犯罪預測等問題。
第2篇：人工智能時代的法律范文
毫無疑問，以ALphaGo為代表的人工智能在進步。柯潔兩戰告負，曾經傲氣十足的柯潔都表示，AlphaGo是太厲害了，我輸得沒什么脾氣。不同于李世石對陣的機器人ALphaGo，這一代的AlphaGo迎來了進一步的升級。據了解，新版的AlphaGo產生大量自我對弈棋局，可以循環往復地為下一代版本提供訓練數據。
比賽相當精彩，新一代的AlphaGo也確實厲害。然不論賽況如何精彩，阿爾法狗如何厲害，這始終只是一場游戲的博弈，人狗大戰之后，人工智能何去何從?
人工智能高速發展，拐點到來
人工智能的發展經歷了大半個世紀，從1943年人工神經網絡和數學模型建立，到1956年達特茅斯會議召開，標志人工智能的誕生，及2012年，深度學習算法在語音和視覺識別上實現突破，同時，融資規模開始快速增長人工智能商業化高速發展，根據風投調研機構CB insights統計的數據，截止2016年12月20日，全球人工智能領域融資時間數已達636宗。種種跡象無一表明，互聯網發展給全球互聯網科技企業帶來了豐厚的營收，而隨著資本參與度的提高，人工智能的發展走上了新的高度!
不知大家是否關注到，在阿爾法狗與柯潔首戰的同一天，百度公司CEO李彥宏宣在2017百度聯盟大會上表示，互聯網是前菜，人工智能才是主菜。一句話驚起萬千波瀾，我們可以清晰地看到，未來百度公司將不再是互聯網公司，而是一家人工智能公司。不止百度，騰訊去年也宣布成立AI實驗室，進行AI基礎理論研究及工程實現，推出機器人開放平臺，將騰訊的計算機視覺等AI核心技術共享給伙伴并且于今年的5月，騰訊宣布成立美國西雅圖AI實驗室。除此之外，阿里也曾在云棲大會透漏，阿里正在演進，將會變成云計算、人工智能的公司。三大互聯網巨頭代表中國最頂尖的互聯網企業，我們有理由相信，人工智能的發展是大勢所趨，拐點已到來!
人工智能應用到實際場景才是王道
騰訊集團董事長馬化騰曾表示，沒有場景支持的AI研究是空中樓閣。的確，不論人工智能如何發展，應用到實際生活當中才是王道!
事實上，隨著人工智能技術在語音、語意、計算機視覺等領域的不斷突破，人工智能在金融、安防、醫療健康等生活領域早已得到了一定的應用。從金融領域來看，智能投資顧問、智能客服以及服務型的機器人等都是金融企業較為關注的熱點，而應用常見的應該是智能客服了。作為金融行業的佼佼者招商銀行信用卡中心早在2012年就率先利用云軟ImCC在線客服系統，實現智能客服服務，大幅解放人力，提高工作效率，為企業實現降本增效。
沒有形態支撐的人工智能也許大家還是覺得虛擬，作為人工智能的容器，機器人相信大家應該會有概念了吧!人工智能在安防領域應用所衍生的巡邏機器人，可實現自主移動、自主巡邏、自主預警等安防行為，改善了攝像頭監控死角，人手不足等問題，賦予了智能安防新的血液，給傳統安防服務行業迎來了新的發展契機。
人工智能會不會取代人類?
在面對人工智能發展如此迅猛的同時，關于人工智能會不會取代人類這類質疑的聲音一直都存在，世界著名物理學家霍金就多次發表過人工智能威脅的言論。且不論人工智能未來到底能否真正代替人類，單從生產力的角度，人工智能所帶來的效應是正面的，積極的。以中國為例，老齡化日益加劇的問題相信大家耳熟能詳，據推測，中國的勞動年齡人口最早將在2024年達到峰值，并在之后的50年中減少五分之一。這意味著我國的缺乏的勞動力將難以維持經濟增長，生產力的提升刻不容緩，而人工智能則是加快生成力增長的重要機遇。
正如前面所提到的招商信用卡中心所用的云軟ImCC在線客服系統一樣，智能客服系統可通過輔助人類勞動，幫助人類更有效率地完成現有工作，甚至替代簡單重復性的工作，解放部分勞動力，從而提升生產力。據麥肯錫全球研究院預測，根據應用速度的不同，基于人工智能的自動化為中國帶來的生產力提升每年可貢獻0.8至1.4個百分點的經濟增長。并且除提升生產力外，相信隨著人工智能技術的發展，也能不斷創造新的產品和服務，提供新的崗位和業務。就像互聯網發展之前，我們誰也不曾想到互聯網所催生的新職業，帶給人類的福利和巨大進步。所以擔心人類會不會被人工智能所取代是完全沒有必要的。
人工智能+時代不可避免，我們更應該關注的是什么?
第3篇：人工智能時代的法律范文
[關鍵詞]人工智能；商業銀行；效率
當代社會，人工智能技術對各大領域的發展帶來沖擊。商業銀行作為金融行業科技創新的前沿領域，應主動求變，積極應對人工智能對商業銀行經營模式帶來了嚴峻的挑戰，將人工智能技術帶來的壓力內生為自身改革的動力，理智看待人工智能的發展，堅持技術創新，全面推進產品創新與服務創新，以順應信息化潮流。發展情況不同地區的商業銀行也要客觀認識自身在“客戶資源、網絡構建、社會信譽”等方面的優勢，取長補短。鄉鎮地區一般不如城市地區發展快，鄉鎮人員在接受科學技術進步帶來的發展同樣可能會比城市人員接受得慢，因此需通過匹配當地發展情況來適當的、逐步地在商業銀行引入人工智能。各大商業銀行在當地人員可接受的程度引入一定的人工智能技術，搭建多樣化平臺服務模式，不僅為前臺工作人員減輕工作負擔，而且能快速響應市場需求，為商業銀行自身的改革發展打基礎、存實力，不斷提高綜合實力全力進軍智能化領域。另外，政府應對積極引進人工智能的商業銀行提供大力的支持，包括資金及技術上的支持。為商業銀行提供暢通的援助流程，確保人工智能技術的發展不受基礎設施滯后的干擾，推進我國商業銀行智能化改革的進程；政府應從行業規范入手，適當干預，及時推出有關人工智能的法律法規和管理條例，促進商業銀行人工智能的健康可持續發展，避免有心之人假借人工智能技術破壞商業銀行管理經營秩序，為人工智能技術的發展做好基礎性工作。隨著科學技術的進步和時代的發展，人工智能技術正在逐步進入大家的視野。無論是上班打卡的人臉識別技術，還是回家后掃地機器人的智能自動清掃技術，都為大家帶來不少便利，成為現代科技生活不可或缺的一部分。新一代人工智能正在全球范圍內蓬勃興起，商業銀行作為金融科技的重要行業，自然要積極引入人工智能技術來提高行業的工作效率，改善自身管理與成本問題，以提高整體運營水平，使其在激烈的金融市場中更具競爭力。
1.商業銀行對人工智能引入的主要方面
據我們觀察了解，目前商業銀行對于人工智能的主要應用在智能人工客服、大數據分析以及簡單的私人理財顧問三方面。首先，智能人工客服的生物識別、自然語言處理技術能夠高效的為商業銀行的前臺人員減少不必要的業務量，使人工客服以客戶能夠理解的方式傳達信息和解決問題，提高了商業銀行客服方面的辦事效率，從而提升了客戶對商業銀行辦理業務的新鮮感和好感度。人工智能技術的引進對于商業銀行執行層人員的分工更加專業化，有利于提高工作效率，減少因工作變化而損失的時間；可以減少人員培訓的要求，降低成本；另外人工智能的引進激勵商業銀行員工改變自身缺陷，提高自身應變能力，向好的方面發展自己，進一步推進了商業銀行優勝劣汰制度，降低了商業銀行的管理難度。另一方面，智能客服還可以將客戶需要處理的業務和所詢問的信息進行合理分類，通過挖掘客戶關注熱點問題，為商業銀行開展潛在業務提供科學性的支持。其次，人工智能的大數據分析功能已經小范圍應用到商業銀行中的風險控制及智能數據采集，這點與智能客服歸類客戶詢問信息，為商業銀行挖掘潛在業務的功能有異曲同工之妙。大數據分析與商業銀行運行模式結合，可以增加商業銀行本身的風險管理數據變量及觀測視角，豐富商業銀行的風險數據來源，打破傳統商業銀行風險數據結構的不完善，傳統銀行與新型銀行運行模式對比，如圖1，還可以提升數據準確性和客戶甄別度，優化商業銀行內部測評，建立安全的風險防范機制，相對實現風險管理的有效性和獨立性，提升評估精準度。另外，大數據分析結合智能理財顧問，通過對客戶及風險數據的分析、分類、整合，打造商業銀行客戶與風險管理信息精準靈活的技術平臺。該技術平臺以先進的數字模型為基準，代替人們的主觀判斷。通過在數據中篩選的“大概率”事件，為客戶制定收益最大化的策略，減少客戶在情緒波動的情況下作出的非理性投資決策。這使商業銀行的風險管控清晰可見，在為客戶帶來相當的收益以及良好的服務體驗的同時，也為商業銀行帶來較好的聲譽，利于突出商業銀行現有的優勢，在一定程度上促進商業銀行的轉型升級。
2.不同發展地區商業銀行的人工智能的發展及后期經營
然而，在調查研究過程中，我們發現，發展情況不同的地區的商業銀行在應用人工智能方面的廣泛度不同。由此看來，很多城鎮銀行不能盲目地擴大自身人工智能化程度。當發展狀況不太好的地區的商業銀行一股腦的引進人工智能設備，很有可能會造成當地人員對新技術的抵抗、反感心理。久而久之，就會導致的人工智能技術在其業務進展時的應用效率低、自身管理與成本問題沒有得到改善，整體運營水平沒有提高這些“徒有其表”的現象。當前，人工智能技術與商業銀行運營的結合還沒有達到最佳效益組合，城鄉發展不平衡的問題導致人工智能技術的應用在這些地區之間存在一定的差異。人工智能技術在商業銀行中的運用僅限于經濟較發達的一、二線城市和部分城市的繁華市區。很顯然，這部分地區經濟發展迅速，人群的接受和適應新型科技的能力強，人工智能技術應用相對廣泛。一般當顧客進入銀行大廳就有自助系統進行服務，人工智能的數據存儲和分析功能也可以將客戶所要開展的業務加以準確地分類分析，為客戶提供準確高效的服務；同時，人工智能技術和大數據分析可以定期監測客戶風險、為客戶提供相對合理的理財建議，提高客戶體驗感；除此之外，人工智能技術的引入和高效應用使柜臺繁雜的人工業務減少很多，工作相對集中，人機協同，有效地提高了銀行的運營效率。然而，在一些小城市和不發達的城鎮地區，人工智能技術在商業銀行運營中的應用存在著低級、不廣泛等問題。很顯然，農村地區經濟發展較為緩慢，人群的接受和適應能力相較落后于城市人群，人工智能技術在商業銀行開展業務過程中的應用不是很廣泛；在調研中發現，這類地區商業銀行對于人工智能的應用僅限于ATM機和最基本的智能客服，人工智能技術還未充分的發揮作用。
前臺人工的業務比較多，即使是有客戶通過人工智能機器進行業務服務，也需有前臺工作人員進行輔助指導。這種發展緩慢與發展不充分問題提高了商業銀行引入人工智能的成本，而且超過一半的農村人口沒有城市人口的理財觀念，人工智能的風險監控和個人理財管理建議等系統在此就無法涉獵，導致“大材小用”。然而正是這種農村地區發展不平衡不充分問題更能給商業銀行的人工智能的應用帶來機遇。對于農村商業銀行來說，農村地處發展緩慢的地區，“三農”根基堅固，人員思想意識落后，對于商業銀行積極宣傳的金融服務不感興趣，各家各戶對現代化的金融服務沒有概念，人工智能在商業銀行中的發展會受到一定的制約。所以，這些地區的商業銀行應小部分引入人工智能服務，比如，可以先引入前臺服務的智能語音機器人，通過對話的方式解決客戶的需求，指導客戶順利完成所辦理的業務，適量地減少前臺工作人員的工作強度，投入到人工智能無法涉及的領域，物盡其用，減少商業銀行引入人工智能的成本，使當地客戶慢慢適應人工智能帶來的便捷。當地商業銀行也應加大人力資本投資，建立培育人工智能技術人才的新機制，加大員工培訓學習人工智能的力度，提高他們的應用能力素質，培養一支專業知識全面、業務嫻熟的隊伍，為人工智能在當地的普及提供專業的服務，促進人工智能在當地的發展，適應時代的變化。本專業隊伍也要憑借專業知識積極探索服務農村的新機制和新模式，使自己的產品或服務有別于城市商業銀行，形成自己獨特的經營特色。其次，還可以根據農村需求，在人工智能技術創新的基礎上，設立有特色的地方性商業銀行服務產品。一是開發出貼近農戶需求的金融產品，同時加大產品營銷宣傳力度，尤其是在掌上營業廳等方面著重從農村年輕客戶入手，提供差別化、個性化服務，通過便利高效的服務來吸引潛在客戶。二是加強對于農村小微產業金融服務的創新，利用其發展需要融資服務的特點，將大數據分析與風險管控聯系起來，使其產品、存貨、經營權作抵押擔保，開展涉農小微產業聯保貸款；對于個體戶，通過人工智能技術的數據分析組合，開發各種低風險個人理財套餐。三是在金融環境上，農村商業銀行作為地方性金融機構，其業務范圍和技術水平都相當有限，因此應積極創新，與城市等較發達地區的各類金融機構達成全方位的合作，憑借人工智能拓展經營領域，創新經營模式，擴大營銷渠道。發展較好的地區就可以積極引入人工智能技術，不管是前臺大廳的智能服務還是對客戶的信息識別、智能理財推薦服務都可以提上日程，滿足客戶的需求，為客戶解決理財方面的問題。協調城鄉發展不平衡情況，簡便人工智能的操作步驟，升級語音控制的人工智能技術實現人工智能與客戶良好的互動，使客戶感受到人工智能帶來的方便。另外，利用人工智能檢測客戶的風險水平，為客戶提供相應的銀行理財產品，即使客戶不接受理財產品，也提高了城鎮客戶的認知，對銀行理財有了一定的認識，對錢財的管理有了相應的理解。這樣一來，商業銀行在加大人工智能的宣傳力度的同時也能響應號召，改善城鎮地區發展落后的情況。
3.人工智能大勢所趨
第4篇：人工智能時代的法律范文
機器和人類、現實和科幻、邪惡和美好的分界從來沒有像今天這樣如此模糊。眺望未來30年，智能革命的壯闊波瀾，將改寫人類社會對智商的理解和定義。
從AlphaGo說起：Have to win
關于這場圍棋大賽，先引用一段博士老板Alan Yuille教授(美國頂級機器智能科學家，霍金理論物理學博士)的判斷：
Go is a complex game but still it is finite so with enough computer power，and clever algorithm，the computers will have to win(if not this year，then next year)。(圍棋是一套復雜但有內在邏輯和明確計算量的游戲，所以只要計算機遵循圍棋的推演路徑并擁有充裕的運算能力就必然能夠贏得人類、取得勝利，AlphaGo的勝利對于計算機而言只不過是時間問題。)
AlphaGo戰勝人類，美國學術界早有準備
伴隨著摩爾定律的不斷實現和幾十年來人工智能的軟硬件技術積累，人工智能其實已經悄然改變了我們生活中的許多方面，當我們還在感慨電影中各種AI的強大時，未來已經悄然而來，AlphaGo只是這場人工智能大浪潮中的一朵璀璨浪花。
在過去的5年里，人工智能已經在語音識別、計算機視覺、語言理解、醫療健康等領域取得了巨大進展，并在某些領域里超過了人類，比如語音識別、人臉識別等等方面。
以計算機視覺為例，人工智能已經發展出了突破肉眼精度的圖像識別技術并已被廣泛的應用于公安、金融、信息安全等領域，產生了巨大的價值。而這些進展之所以沒有引起社會轟動，是因為社會中大部分非專業人員會通過直覺和自身感受而推論出機器識別“人臉”、識別“蘋果”等圖像信息是一件容易的任務，是一件不同年齡、不同教育背景、不同文化背景的人都能勝任的任務，在這其中體現不出人工智能的“智能”來。
但站在人工智能發展的角度，從圍棋和圖像識別的復雜性和不確定型來說，圖像的變化比棋盤的變化要大得多。
圍棋是有可遵循的邏輯、可衡量的計算量的游戲，對于人類大腦的難度在于龐大的計算量和對棋盤宏觀形勢的敏感度；而圖像識別則會在信息抓取和邏輯分析層面呈現出更廣泛意義上的隨機性和不確定性。
通過機器學習將圖像中的信息進行分類解析、最終提取有價值的結構化數據是極難的科研課題，從學術界到工業界的轉化耗費了幾十年的時光。
然而相比于計算機視覺、語言語音理解等其他的進步，AlphaGo的劃時代意義在于它不僅僅縮短了機器與人的智能距離，還將顛覆人與人智商差異的感知。
未來人與人的智商差距不再會是不可彌補的先天差距，而將成為一種可以通過工具而后天獲取的能力，這帶來的會是人類自我價值評估的一次大顛覆，智商對于人的意義將會在一定程度上有所下降。這就像從前算術不好的，現在用計算器就能補上；未來下棋不好的，可能只是加個AlphaGo就能補上。“智商”這個詞的定義可能會被迫從形容人和動物差異，變成由人和機器的差異所定義。
第一個十年的變化：The rich get richer(富人更富，強者更強)
從短期來看，讓我們暢想一下在這場大浪潮中，誰會成為最大的受益者呢？
當我們回顧推動人工智能發展的關鍵因素時，有三個要素極為重要：數據、算法和計算。
AlphaGo這次在全社會范圍內對人工智能進行了一場大面積的認知普及，會使得擁有成熟商業模式和海量數據優勢的BAT等巨頭重金投入這片市場，彼此間的互相追趕將在市場中形成像google收購deep mind一樣的并購風潮。
同時伴隨著計算能力的不斷提升和算法的持續優化，這將帶來人工智能史上的第一次大規模應用實踐，各巨頭的業務將因為人工智能帶來的效率提升而加速拓展，他們相較其它競爭者的優勢也會因此不斷加大，這就正如今天的google相對于其他公司一樣。
當資本成為這場競逐游戲的驅動力時，獲得先發優勢的公司雪球也必將越滾越大，優勢將在成長中愈發明顯，The rich get richer。
未來的思考：人類將重新理解知識、智慧、人性
從遠期來看，人工智能的進步將改寫人類對自我、知識和教育的理解。
倘若，90%的醫生、律師、教師、程序員能被機器所代替，人們將需要重新開始討論“人”的自我定義和“知識”的新時代價值。
當舊時代下的知識已成為機器人僅需拷貝和執行的簡單命令，而“為什么要學法律、學編程等”的疑問及背后對自我價值的疑惑就必將引發社會教育結構的變革。
過往人與人之間通過知識組合的不同而形成的差異將被人工智能抹平，“高考”等考試測評手段作為廣義上的游戲(game)，就像圍棋一樣，將不再能作為準確評價智慧和學識的方式而被修正。
當在體力勞動和腦力勞動里獨立的人類相對于機器都不再具備經濟優勢時，人的存在形態、存在價值和機器的交互融合將成為未來前沿學術研究的重要課題，這會是一次人類社會的集體迷思、也會是人類價值的再次追尋。
人類的希望？
有人曾說，機器和人的差異是藝術的創作和欣賞。但這對于人工智能而言，已經并不是什么特別難的事情，大概在10年前就已有成熟的學術成果來用計算機創作梵高風格的作品，在這背后的藝術風格提煉、學習和再造并不是什么新鮮的技術。
也有人說，機器和人的差異是情感。但我不確定現今的人類社會對情感的定義是否像對智商一樣，有著廣泛的共識而能成為人類獨特性的特征。情感誕生于本能和動物性，只是在人身上閃爍出了更加多彩的光芒，悲歡喜樂、嬉笑怒罵，這本就是人性中最難以捉摸而妙不可言的部分。
所以，機器和人的區別最終會是什么呢？在這個恐怕哲學家也難以回答的終極問題下，我想起了最近讀到的這樣一句話，“如果機器認為這場戰斗必敗，那么機器會選擇投降；如果人認為這場戰斗必敗，那么有人會選擇義無反顧的戰斗，直至戰死為止。”
或許，這句話里已經輕輕道出了我們與機器的區別。
第5篇：人工智能時代的法律范文
人工智能（Artificial Intelligence，縮寫AI）是一門研發用于模擬、延伸和擴展人的智能的人類智能的理論、方法、技術及應用系統的新的技術科學。人工智能早在1956年就已被提及。隨著近幾十年來計算方法的革新、硬件水平的提高和云計算大數據的共同驅動，人工智能得到了各行業的廣泛關注和研究。尤其是在2016年Google的Alpha Go戰勝李世石，隨后Alpha Go升級版Master持續挑戰人類頂尖圍棋高手，保持了60場不敗的紀錄，使得人工智能名噪一時。
根據艾媒咨詢的《2017中國人工智能產業報告》顯示，2016年中國人工智能產業規模以43.3%的增長率達到100.6億元，預計2017年將達到152.1億元，并于2019年增至344.3億元。
二、人工智能在金融領域的變革情況
一直以來，金融行業差別化的服務都是基于“人”的服務。然而，近年來，機器人的出現在一定程度上模擬了人的功能，批量而且更個性化的服務正嘗試取代人的位置。依托互聯網金融的興起，計算機視覺、自然語音處理、機器人、語音識別等人工智能技術在金融行業中得到了廣泛的應用。在“第二屆中國金融科技大會”中，百度高級副總裁朱光指出金融是人工智能最好的落地場景，因為它的核心就在于數據和數據處理。
（一）人工智能在銀行服務領域中的應用
第一，征信助手。從傳統金融到“互聯網+金融”，無論是傳統的信貸審批還是互聯網產品，如P2P、現金貸等征信的搜集，風險防控一直是銀行類金融機構的重要課題。在過去，對貸款人貸前識別、貸中監控、貸后反饋，一般會單純地依靠大量的信貸工作人員的實地考察，這就極大地增加了信用風險評估的片面性和失誤性。目前，借助人工智能和大數據搜集和認證客戶信息。通過多渠道、多維度地獲取客戶信息數據，實現智能化征信和審批，可極大地加快銀行信貸速度和限制增量風險，減少信息不對稱。傳統銀行信貸風控模型中，變量覆蓋只有20～30個，而基于用戶數據累計和人工智能技術建立的智能化風險控制體系模型可超過萬級單位。澳大利亞證券及投資委員會（ASIC）、新加坡貨幣當局（MAS）、美國證券交易委員會等多家機構已將AI引入風險管理。
第二，客戶服務。在銀行客戶服務中，用戶的咨詢問題具有重復性特征。人工智能利用深度學習系統，通過前端客戶數據搜集，如用戶信息、行為動態等方面進行捕捉，而后結合客戶性別、年齡、愛好等進行多維度、標準化營銷。首先，各大銀行通過推出可互動的高科技機器人代替大堂經理，提升客戶體驗，降低成本。例如，交通銀行的“嬌嬌”、民生銀行的“ONE”、農業銀行的“智慧小達人”。其次，近年來建設銀行、中國銀行等多家銀行先后建立“智慧銀行”，顛覆了傳統的銀行模式。客戶將在智能機器人的引導下辦理各項業務，增強銀行的科技感和服務的體驗感。
（二）人工智能在投資顧問中的應用
相比傳統的投資顧問，智能顧問通過機器學習與神經網絡技術，能夠通過數據分析處理、構建和完善模型，利用采集的經濟數據提供更加快速、可信、客觀、可靠的投資方案。同時，人工智能還可以通過搜集資料，進行數據分析，自動撰寫各類報告。比如，招股說明書、行業研究報告、盡調報告和投資意向書等。投資顧問先行者Ken-sho能夠在兩分鐘內基于歷史數據判斷歷年來美聯儲加息前，標準普爾和道瓊斯指數的趨勢，判斷利好行業和潛力公司，而過去依靠人類分析師幾天幾夜都是很難達到的。花旗銀行數據顯示2012―2015年年底，智能顧問管理資產規模從0發展到290億美元，未來將高達5萬億美元。北京資配易投資顧問公司人工智能系統（SIAI）可根據市場信號判斷買賣時機和倉位規模。除此之外，國內外還有京東金融推出的智投、小金所的機器人投資顧問。2016年下半年，全球最大的資產管理公司――萊德基金（Black Rock）花費1.5億～2億美元收購理財初創公司“未來顧問”（Future Advisor）、德意志銀行推出的機器人投顧“Anlage Finder”等。
（三）人工智能在保險行業的應用
近年來，隨著大數據、云計算、人工智能等新技術的發展和應用，保險業進入了一個更高效、更快捷的時代。首先，一直以來在傳統保險行業中，如何存儲大量的紙質或者影像的保單、證照、票據等數據是保險公司的一大難題。據統計，一個100人的數據錄入團隊一年的人力成本在200萬元～600萬元。然而，人工智能通過參與大數據和深度算法，數據構造后，存儲空間可節約90%。其次，如何對存儲數據進行傳輸、搜索和剖析的問題也日益突出。而人工智能通過數據積累和算法迭代，就可以為保險公司的產品定價提供精確數據。同時，通過機器識別參與保險理賠，可降低風險。目前，國內外多家保險公司已經開始布局人工智能。例如，泰康人壽保險智能機器人“TKer”、平安人壽“智能機器人”、合眾人壽人工智能“小Ai”、太平洋保險智能運維機器人、弘康人壽引入“人臉識別技術”、日本富國生命保險人工智能平臺“Watson Explorer”、臺灣國泰人壽的“Pepper”等。
（四）人工智能在互聯網金融領域的應用
互聯網金融作為傳統金融的補充，通過依托互聯網技術和工具提供資金融通和支付結算等業務行為。目前，我國互聯網金融發展經歷了兩個階段。最初階段，互聯網金融僅僅只是為傳統金融業務提供網絡化服務，即把保險、理財、基金、信托等金融產品搬到網絡進行營銷。現在，互聯網金融則覆蓋第三方支付、P2P網絡借貸、大數據金融、眾籌和第三方金融服務平臺等多種模式。首先，人工智能提高了互聯網金融的效率。通過自動問答機器人實現智能客服，在過去兩年的“雙十一”期間，螞蟻金服95%的客服均由智能機器人通過語音識別完成了遠程客戶服務、業務咨詢和辦理。其次，隨著《關于促進互聯網健康發展的指導意見》《非銀行支付機構網絡支付業務管理辦法》和《最高人民法院關于審理民間借貸案件適用法律若干問題的規定》等一系列政策的出臺，不難發現，互聯網金融在理財顧問、征信助手、智能風控和防范金融系統風險等方面被逐步規范化和法制化。例如，長期以來，由于缺乏有效的管理，信息安全、風險控制、資金調節等問題日益突出。根據《2016年全國P2P網貸行業快報》，僅2016年12月，“跑路”的平臺就有69家。人工智能的出現可有效地進行監管，規避風險。根據阿里巴巴螞蟻金服的數據顯示，網上銀行在花唄和微貸業務中，將虛假信貸交易降低了10倍。利用OCR系統，支付寶證件審批由1天降低到1秒。百度利用大數據和人工智能實現教育信貸秒批。
第6篇：人工智能時代的法律范文
摘要：在“金融科技紅利”擴大與“人口紅利”衰減的背景下，效率和成本兩種力量共同驅動著金融智能化發展。與互聯網金融主要在營銷渠道創新不同，區塊鏈、大數據、人工智能等金融科技的發展正在深入到風險管理、資產定價等金融核心領域，推動著金融業向智能化方向發展。在肯定金融智能化發展所帶來積極意義的同時，也不能忽略其蘊藏的潛在風險。在推進金融智能化發展過程中，若發生突發性金融風險事件，往往會波及眾多金融機構和投資者，造成較大的社會影響，對于造成的損失，事后監管往往于事無補。為此，要研究金融智能化發展過程中“替代”風險的類型、風險度量與風險特征，運用監管沙箱、監管科技等新理念、新方式，打造“穿透式”智慧監管新機制，構建應對金融智能化發展的監管新體系，強化事前監管，促進金融與科技融合共生，形成智能化時代金融發展新秩序。
關鍵詞：金融科技；大數據；區塊鏈；互助保險；監管科技；監管沙箱
一、金融智能化發展的進程與現狀
（一）金融智能化的主要階段。技術進步一直是驅動金融業發展與變革的重要力量。金融穩定理事會FSB（2016）將金融科技（FinTech）定義為“技術帶來的金融創新”，其創造出新的金融模式、技術應用、產品和服務等，從而對金融市場、金融機構和金融服務的提供與獲取方式產生重大影響。技術驅動金融業升級可分為三個階段：一是金融1.0時代。該階段通過計算機替代手工計算及賬簿，進一步提升金融運行效率。二是金融2.0時代。在該階段，技術由工具轉向通過業務、產品創新的方式驅動金融變革，使得新興互聯網企業有機會運用互聯網技術將金融產品與服務的供需雙方相連接，成為傳統金融的有效補充。三是金融3.0時代。在該階段，大數據、區塊鏈、人工智能等新興科技引領金融業全方位變革，通過虛擬方式替代物理方式，使得金融業的邊界日益模糊（中國人民銀行廣州分行課題組，2017）。當前，一系列以“廉價、即時、可得”為特征的智能化金融形式，如智能證券、智能投顧、區塊鏈互助保障平臺等金融新業態層出不窮，為數量龐大的消費者提供數字化、自動化、智能化在線基礎金融服務。區塊鏈使得互聯網上進行的金融交易可通過嵌入智能合約，自動執行價值交換、權屬轉讓；大數據、人工智能的發展使得智能投顧成為現實，金融智能化水平不斷提升。
（二）金融智能化的主要業態。
1．基于區塊鏈技術的跨境支付。區塊鏈技術使高效、快捷的跨境支付系統成為現實。區塊鏈本質上是統一的分布式記賬系統，跨境支付系統只需要通過許多節點、以共識機制來驗證交易并記賬，不需要任何信任中心，交易雙方點對點支付得以實現，交易流程簡便、快捷。全球已有不少初創企業致力于拓展跨境支付。最令人矚目的是Ripple公司，其構建了一個沒有中心節點的分布式支付網絡，全球排名前50的銀行中已有包括渣打銀行、西班牙國際銀行等15家銀行與Ripple公司建立了合作關系。截至2016年末，在Ripple系統的支付交易中，由中國發起的交易額占比最大。
2．基于區塊鏈技術的證券發行與交易。證券發行公司運用區塊鏈技術生成的智能合約，在理想狀態下可以實現私人定制化證券發行，上市或擬上市的公司可結合自身的實際需求發行異質化資產憑證。通過區塊鏈實現24小時全天候運作，買賣雙方能夠通過智能合約實現自動配對，并通過分布式數字化登記系統，自動實現清算、結算。目前，全球各大金融機構和交易清算所正積極開展證券發行與交易領域區塊鏈技術的應用研究，Overstock已成功銷售首個區塊鏈上的加密債券。
3．基于區塊技術的資產托管。資產托管從業機構可以運用智能合約和共識機制將投資合規校驗整合在區塊鏈上，確保每筆交易都是在滿足合同條款、達成共識的基礎上自動運行。與此同時，區塊鏈具有自動記錄和加密認證的屬性，實現多個參與方之間信息實時共享，免去重復進行信用校驗的過程，可將原有業務環節時間縮短約60%到80%，使得信用交易更加高效，賬戶信息更加安全。中國郵政儲蓄銀行區塊鏈資產托管系統上線成為中國銀行業將區塊鏈技術應用于銀行核心業務系統的首次成功實踐。
4．基于區塊鏈技術的互助保險服務平臺。目前，互助保險在全球保險市場的份額達27%，為將近10億人提供保險保障服務。區塊鏈點對點技術的優勢適合于互助保險平臺的開展。在智能合約運行中，當一人出險時，其他人自動向其賠付款項。同時，區塊鏈的共享透明和歷史可追蹤特點減少了保險市場的信息不對稱，在一定程度上降低了道德風險和逆向選擇現象出現的概率。國內首家應用區塊鏈技術的互助保險服務平臺“眾托幫”，其首款保險保障計劃——“眾托1號抗癌互助醫療計劃”上線僅1個月，參保人數就迅速擴大到40萬人。
5．大數據風險控制。大數據風險控制是利用大數據分析技術和模型進行風險評估，對資金需求者進行信用評分，以此預測還款人的履約能力以及違約風險。與傳統風險控制手段相比，大數據風險控制具有信用評價更為精準、數據涵蓋范圍更廣以及更具時效性等優勢。以螞蟻金服推出的信用服務體系芝麻信用為例，芝麻信用通過搜集與分析大量的網絡交易等行為數據，對用戶進行信用評級，信用評級信息可以幫助金融科技公司甚至金融機構對用戶的還款意愿及還款能力做出更為精準的判斷，繼而為客戶提供相應的金融服務。
6．智能投顧。智能投顧是提供智能化資產投資組合管理服務的在線理財顧問，由計算機基于現資組合理論等投資分析方法，排除人為因素自動提供資產投資組合建議。智能投顧根據服務對象的特征和偏好，給出個性化投資交易決策建議，還可以提供交易服務。從2010年開始，一些提供在線資產管理及投資咨詢服務的金融科技公司相繼成立，在線專業投資顧問迅速興起。隨著大數據、人工智能技術的逐漸成熟，智能投顧勢必將迎來新的增長勢頭。
二、金融智能化發展的主要動因
（一）效率驅動。Bazot（2013）等學者的研究發現，當前金融體系仍存在低效率的問題。金融中介活動的單位成本并未隨著信息技術進步而呈現顯著下降的趨勢。Philippon（2016）提出，低效率使得金融體系有進一步改善的空間。金融科技驅動金融智能化主要基于以下兩條路徑：一是金融機構利用金融科技整合長尾市場、減少信息不對稱，從而提高資金配置和管理金融風險的效率。金融主要功能是完成資金盈余者和資金需求者之間的融通，有效配置資金。傳統金融機構因信息不對稱、風險控制等諸多因素制約而忽視了基數龐大的個人借款者及中小微企業這類“長尾客戶”，金融機構通過大數據技術，將提高對長尾客戶金融服務的可得性，在一定程度上改善金融服務，提升資金供求的配置效率。大數據、人工智能等金融科技被廣泛應用于高速網絡化的信息處理，大幅降低信息不對稱的程度，提高資本資產定價和管理金融風險的效率。二是金融機構利用金融科技大幅縮短金融業務辦理所需的時間，提高運營效率。以商業銀行為例，按傳統方式去獲取客戶、核準貸款，由于效率較低，銀行不得不放棄借款金額較小的長尾客戶。銀行利用大數據技術可以快速、大規模地獲取客戶，并可以通過客戶標簽，更加精準地找到目標客戶，提高客戶轉化率。由于使用大數據技術審批貸款，供需雙方無需見面即可實現審貸、放貸，因此，銀行審貸、放貸的效率提高。利用區塊鏈分布式賬本和點對點實時交易的功能，還能夠有效縮短金融交易的時間，提高轉賬筆數和轉賬總金額，提升銀行處理跨境支付結算的效率。
Kensho、Dataminr、Antuit等系統基于大數據、人工智能的智能金融分析工具，能夠在極短時間內抓取、整理并分析網絡上所有公開信息、圖像甚至非結構化數據，并以此作出投資、借貸、風險管理決策。依靠深度學習的人工智能機器對歷史交易記錄進行快速、海量的學習，其決策水平將遠遠高于人類。在高速運算和海量數據的支持下，智能化金融分析工具可以提供差異化金融服務，同時通過機器聯網形成網絡效應，提升金融運行效率。（二）成本驅動。傳統銀行業成本主要由資金成本和運營成本兩部分構成。資金成本由社會平均融資成本和風險溢價構成，大數據、區塊鏈等技術使得銀行能夠精準識別和控制風險，風險溢價降低，資金成本降低。人工智能、人臉識別等技術能夠使得機器替代人工實現全方位感知客戶的需求，為客戶提供交互服務。這就使得傳統金融操作的人工成本變得非常低且邊際成本遞減，推動著銀行運營成本降低。在成本驅動下，銀行業正在向無實體化智能形態轉變。中國銀行業協會的數據顯示，2016年，銀行業金融機構離柜交易筆數達1777億筆，同比增長63.68%；離柜交易金額達1622.54萬億元，銀行業平均離柜率高達84.31%。同時，國有五大銀行僅在2016年柜員減員率就已超過10%，這意味著銀行的薪酬支出等運營成本大幅降低。總之，金融科技并未改變金融的資金融通、配置資金的本質。互聯網等信息技術帶來的是效率提升與成本降低，智能機器將在一定程度上替代重復性體力勞動甚至知識型腦力勞動。在“金融科技紅利擴大”與“人口紅利衰減”的背景下，效率和成本兩種力量共同驅動著金融智能化發展。傳統金融業首先與互聯網等信息通訊技術融合，形成了區別于利用銀行進行間接融資、借助資本市場進行直接融資的“互聯網金融”這一新金融模式，但是其仍主要停留在產品層面，如余額寶、互聯網證券等。互聯網金融與區塊鏈、大數據、人工智能等金融科技進一步融合，對信息搜集、信用中介、風險定價、投資決策等金融核心業務帶來更大的沖擊。金融機構運用金融科技，依托技術內部驅動和網絡效應外推，使得交易效率更高、交易成本更低，從而促進了金融加快向智能化方向發展。
三、金融智能化發展中面臨的主要挑戰
（一）監管法律法規等制度建設滯后。目前，我國對金融科技監管法律法規等制度建設還停留在互聯網金融的層面。人民銀行和其他金融管理部門雖然在多個場合提及關于金融科技的監管思路，但是系統性、規范性法律法規仍然處于探索階段，尚未出臺。金融科技領域眾多智能化業態只能參照傳統金融及互聯網金融領域的法律法規進行管理，整個行業處于監管制度和法律法規空白之中。互聯網金融監管實踐表明，我國對顛覆性金融創新的監管主要靠事后監管，監管措施主要是針對風險事件的被動響應。與互聯網金融主要在營銷渠道創新不同，區塊鏈、大數據、人工智能等金融科技的發展正在深入到風險管理、資產定價等金融核心功能與業務領域，對金融產品和服務的各個方面產生重大而深刻的影響。在金融智能化進程中，若發生突發性金融風險事件，往往會波及眾多金融機構和投資者，造成較大的社會影響，對于造成的損失，事后監管往往于事無補。
（二）金融風險越來越復雜且難以管控。金融智能化發展并未改變金融業原有風險屬性和類型，但是風險特征更加復雜和難以識別。一是金融風險更加復雜。金融智能化利用區塊鏈、大數據、人工智能等新興技術推動金融業變革，新產品、新業務、新模式層出不窮。比如，余額寶等“寶寶類產品”將支付、基金、存款等不同領域的業務整合起來，增加了金融風險的復雜程度，使得金融風險交叉感染成為常態。二是風險可控性降低。在區塊鏈、人工智能等金融科技的影響下，金融交易發生即清算，風險傳播將以更快的速度和更廣的范圍覆蓋金融市場，金融監管機構進行救市和風險隔離的難度增加。若2013年的“錢荒”事件再度發生，金融市場擠兌風險將被迅速放大，加劇市場中參與主體的恐慌。三是金融風險更加隱蔽。金融智能化發展使得金融活動參與主體可能同時具有多重身份，金融風險更容易隱藏，對金融智能化監管的缺失也使得金融風險難以被識別。此外，金融智能化發展使得金融業務的進入門檻降低，金融機構從事高風險經營活動的動機強化，整個金融系統的風險偏好更加凸顯。
四、促進金融智能化健康發展的若干建議
（一）正確看待金融智能化發展進程。金融智能化既是經濟金融發展的必然趨勢，也是科技進步的必然結果。社會各界要正確看待金融智能化發展進程，在肯定金融智能化所具有積極意義的同時，也不能忽略其蘊藏的潛在風險。人工智能、數字金融等技術模糊了科技公司與金融機構的界限。金融科技公司提供“廉價、即時、可得”的智能服務對傳統金融業帶來較大的沖擊，“替代、脫媒、失業”將使傳統金融業在一段時期內面臨轉型的陣痛。金融智能化帶來不確定性較大的替代風險與社會成本，在一定程度上沖擊現有金融秩序。面對金融智能化替代所帶來的風險，社會各界應積極應對，以研究金融智能化進程中“替代”風險的類型、風險度量與風險特征，構建應對金融智能化的監管體系，促進智能科技與金融融合共生，形成智能化時代金融發展新秩序。
（二）加強金融智能化基礎設施的建設及運用。金融科技可能帶來的風險不容忽視，同時金融智能化在推進過程中面臨的障礙也不可低估。但是，不能因為金融智能化對傳統金融領域造成沖擊而對此進行抵制。遺憾的是，我國傳統意義上的“主流”金融機構并未在金融科技驅動的金融智能化第一輪發展中占據主導地位，這與國際上知名大型金融機構及金融科技公司積極合作推進金融智能化發展形成較大的反差。國內金融系統要積極研究金融科技在智能化金融交易中的應用實踐，加強智能化金融交易基礎設施建設，強化金融科技自主創新，積極搶占戰略制高點。在推進智能化金融交易應用落地的過程中，優先選擇容易突破的領域，先易后難，先后核心，先市場化程度高后壟斷性強的領域，推動智能化在金融業全領域落地應用。
（三）在金融智能化推進過程中確保風險可控。可控是保證金融智能化替代過程中金融體系安全與穩定的前提，可控意味著可以更快地識別和防范智能化金融風險。同時，在金融智能化推進過程中，監管當局必須及時發現漏洞并加以修補；反之，若金融智能化發展風險失控，就會擾亂金融市場秩序，甚至威脅到整個金融體系的穩定。要做到金融智能化替代進度可控，具體來說主要包括以下幾個方面：一是要確保金融科技技術自主可控。這意味著要有若干掌握核心技術的金融科技公司，目前國內部分金融科技公司正積極布局并已形成示范效應，國家應加大對此類金融科技公司創新和研發的支持力度。二是要著眼金融智能化長期發展。近年來，雖然中國金融科技發展較快，但是主要仍是P2P借貸、第三方支付等典型互聯網金融業態，后續更高層次金融創新比較乏力。金融機構和金融科技企業應充分認識到金融科技驅動金融智能化發展是大勢所趨，積極布局大數據風控、智能投顧、智能證券保險等智能化程度較高的新業態。
（四）打造“穿透式”智慧監管新體制。金融科技的創新速度和影響力要求監管部門創新監管機制。一是監管部門要強化信息技術在金融體系治理中的應用，建設基于大數據模型的金融風險實時監測處置平臺，實現智能監管、自動預警、快速響應。二是充分考慮金融科技對金融行業發展的影響，以及各部門在技術革新情境下金融行為可能發生的變化，堅持積極引導和依法監管并舉的理念，積極運用監管沙箱、監管科技等新理念、新方式加強監管。對于復雜的新型金融業務要進行“穿透式”監管，透過業務的表象探究其本質，用業務的本質屬性來確定監管要求和監管分工，實現全覆蓋式監管，不留監管空白和套利空間。三是要形成自我規范、自我協調的行業自律機制，促進金融智能化健康發展。最終建立起包含政府監管、行業自律、市場約束三位一體的管理體制，為促進金融智能化有序發展提供保障。
參考文獻：
[2]中國人民銀行廣州分行課題組.中美金融科技發展的比較與啟示[J].南方金融,2017,(5).
[3]喬海曙,謝姍珊.區塊鏈驅動金融創新的理論與實踐分析[J].新金融,2017,(1).
[4]程華,楊云志.區塊鏈發展趨勢與商業銀行應對策略研究[J].金融監管研究,2016,(6).
[5]巴曙松,侯暢,唐時達.大數據風控的現狀、問題及優化路徑[J].金融理論與實踐,2016,(2).
[6]云鶴,胡劍鋒,呂品.金融效率與經濟增長[J].經濟學(季刊),2012,(2).
[7]李繼尊.關于互聯網金融的思考[J].管理世界,2015,(7).
[8]謝平,鄒傳偉,劉海二.互聯網金融的基礎理論[J].金融研究,2015,(8).
[9]喬海曙,謝姍珊.區塊鏈金融理論研究的最新進展[J].金融理論與實踐,2017,(3).
[10]趙鷂.Fintech的特征、興起、功能及風險研究[J].金融監管研究,2016,(9).
[11]朱太輝,陳璐.Fintech的潛在風險與監管應對研究[J].金融監管研究,2016,(7).
第7篇：人工智能時代的法律范文
關鍵詞：人工智能；資產評估；企業兼并；問題對策
一、企業兼并中資產評估的問題
第一，無形資產難以準確評估。不同于有形資產的有形性和可觀測性，無形資產的核算給資產評估帶來了極大的挑戰。首先是無形資產的無形性，使得評估難以通過其本身得出精確的評估結果；其次，對于無形資產的評估還缺乏統一的核算標準，使得評估的結果差異較大，使得無形資產的評估結果得不到客觀公正科學的有效保證。第二，資產評估缺乏統一的行業標準。在市場經濟快速發展的今天，資產評估作為新興的行業具有突飛猛進的發展，且未來市場前景廣闊［1］。但其發展的速度超過資產評估的行業建設速度，使得在一些規章制度和行業準則方面發展還不健全，難以建立統一的資產評估準則。在企業兼并中，其評估結果存在無法避免的差異，影響資產評估的質量，因此在整個評估行業中就很難控制風險。
二、企業兼并中資產評估智能化
人工智能是一項新興的科學技術，它不是像人那樣通過思考來工作，而是通過搜集、統計某一工作的大量信息，模擬人的意識和思維處理信息的過程，并拓展延伸人的工作技術和方法。人工智能融入資產評估后，無論是資產評估工作內容還是與之相關的評估人員都有了一些變化。隨著人工智能對資產評估的多方面滲入，對企業資產評估來說，加快資產評估與人工智能的結合是必然選擇，代表了當今社會對人工智能運用的更高要求。快節奏時代，企業也在為高效率、高價值的生產發展，謀求與之匹配的智能化配置，人工智能與資產評估密切融合是大勢所趨。資產評估是為了便于確定企業價值，而形成一份準確無誤的資產評估報表是一項繁雜且艱巨的工作。資產評估人員需要將核算好的資產評估資料進行系統的清算和整合，通過人工檢查清算，制成報表，生成資產評估報表的過程中需要注意很多事項，稍有不慎就會給被兼并企業投資者的利益造成損失。傳統的資產評估清算是人工操作的，這種機械性的工作需要耗費資產評估人員大量的精力。引入大數據、云計算后，不僅提高了資產評估中某些工作流程的效率，還減少了部分資產評估人員中重復且單一任務，并能自動整理保留與資產評定相關的資料。但隨著人工智能化在提高效率的同時，也給資產評估增加了傳統行業沒有的一些風險和費用。
三、人工智能對資產評估發展的風險和挑戰
（一）智能化評估檔案保管的風險
傳統資產評估資料是手工編制的，因此直接保存即可。紙質的資產評估資料在保管期間一般需要防火防水，一旦丟失和損壞將很難找回。電子資產評估資料的存放雖然占據的空間小，但是存儲空間不僅要防火防水，還要注意空間內溫度的控制，溫度過高或者過低都會影響硬盤讀取信息的速度，損壞硬盤，進而導致儲存的資產評估資料丟失。防塵防潮也是硬盤存儲需要注意的問題。除了這些問題，硬盤的存放也不是永久的，不同的硬盤質量也有不同的保質期。電子資產評估資料要依托于計算機和網絡，才能傳輸、打印，沒有設備就不能查看資產評估資料。雖然工作效率提高了，但這些問題的出現也增加了企業財務管理的費用。
（二）智能化評估軟件的安全風險
一是外部。人工智能依托于計算機網絡技術，那么就有很多網絡安全風險問題。企業間的惡意競爭可能會從智能軟件下手，首先，智能化評估軟件會遭遇黑客非法入侵，黑客攻擊可能造成評估信息的泄露，對委托方和投資方造成不可逆的風險；其次，智能化軟件遭遇病毒侵襲、系統故障、線路故障等也會造成系統“癱瘓”和計算機線路中斷，輕微的會影響日常資產評估工作，嚴重的會使資產評估數據丟失。另外，電子檔案相對紙質的來說，竊取和泄露信息變得更加容易，短時間即可拷貝盜取大量評估信息。二是內部。每一位資產評估人員對應一個賬戶進行智能化軟件處理資產評估工作，每個賬戶都有各自的密碼和權限，賬戶使用者只能進行權限范圍內的工作，而權限又是按照資產評估人員各自的崗位職責設置的，這可以在一定程度上保證資產評估的正常進行，避免資產評估人員的越權操作。但網絡環境下，也不排除個別資產評估人員可能會濫用權限，利用系統漏洞泄露評估信息，造成被兼并企業和投資者的巨大損失。
（三）智能化對評估機構和評估人員的挑戰
第一，評估機構作為企業兼并過程中的中介，其評估過程需要大量的數據進行分析、預測。隨著人工智能化、互聯網數據、云計算等科技的不斷滲入，評估機構要提高抗風險能力，內部需要加強監管力度，建立、完善風險管理與防控體系，保持精益求精的工作態度，預防評估流程中存在的疏漏，采用智能化評估軟件，擬定科學合理的評估計劃，提高評估計算的準確性，編寫出高質量的評估報告［2］。并且，還需要注意政府介入風險，雖然企業兼并是一種市場經濟行為，但在社會主義市場經濟的發展下，政府的介入猶如一雙無形的手，為了達到特定的經濟目的，干預市場經濟，介入兼并行為，限制資產評估的過程，導致評估價值區間與客觀價值的偏離，影響評估結果的客觀準確性。使得評估結果的參考價值下降，從而給企業及其利害關系人造成重大經濟損失。第二，在企業兼并資產評估中，傳統資產評估在資產清查和資產價值評定估算等方面的工作需要安排大量的人員進行，企業因這些工作流程產生了很多評估崗位。高質量的資產評估不僅要對企業綜合資產有準確了解和評估，還要對資產各方面的利益要求和評估方法有很高的把握和知識武裝，這就需要有豐富的理論知識以及專業素養的綜合型評估人才。人工智能的引入使得企業資產評估的用人率降低，同一資產評估崗位的部分人員閑置，特別是那些只會簡單操作的初級資產評估人員，僅掌握了與資產評估工作相關的知識和技能，對現今的計算機網絡技術不了解、不熟悉，進而影響對智能化評估軟件的實際操作，這部分評估人員在競爭中更容易被淘汰出局。因此，人工智能的運用是這些資產評估人員適應社會發展的一大挑戰。第三，由于人工智能是設定好的一種“算法”。在資產評估里有很多重復性強、過程單一、不需要創新的工作，而人工智能在其中的運用，出錯率遠低于人類。例如，企業、銀行的發票、原始憑證就可以使用智能掃描功能，直接錄入電腦。這種方式有效地提高了發票信息的準確性，減少了在這方面投入的勞動力，但也造成了以這些工作為生的評估人員的失業。因此，評估智能化既是資產評估人員對計算機知識深度和廣度的再一次汲取，又是傳統資產評估人員就業升職的巨大挑戰。
四、企業兼并中風險和挑戰的應對措施
（一）科學客觀的評估兼并企業價值
無論是有形資產還是無形資產，都要根據國家的法律法規，并依據企業兼并的目的，運用智能化資產評估方法，科學準確地評定估算出資產的價值［3］。在評估資料硬盤保管方面要不斷地改善保存環境和加強評估檔案管理的安全防護性，提高環境條件，安排管理人員定期對電子評估資料進行整理和檢查，防止電子評估資料因客觀條件而損壞和讀寫空白。評估機構既要保存電子評估資料，還要保存紙質的評估資料，對電子評估檔案備份兩份以上，并且打印出紙質的同時保存，實現一旦其中一方損壞遺失，可以再次恢復評估數據的目標。
（二）建設良好的評估環境
建立統一的行業標準，制定統一行業規章制度，縮小核算差異，降低評估程序的復雜性。對系統外部的安全風險方面，企業需要對智能化評估軟件系統進行定期的維護和檢查，檢查計算機線路是否正常，定期檢查系統殺毒功能，進行系統維護，不斷升級軟件以應對新型攻擊手段，減少問題的發生。同時，要加強內部管理，建立良好的內部管理體制和運行機制。同級評估人員賬戶權限要相互牽制、相互監督，使得每項指令都有跡可循，避免評估人員產生違法行為。借助線上視頻課程和線下培訓相結合的模式，系統地學習相應的評估制度和智能化評估系統，可以此加強機構在評估風險層面上的預防和控制能力［4］。
（三）注意評估過程的流暢性
在計算機和網絡條件下，評估機構應盡快做好評估前資料準備工作，提前制訂好評估計劃，形成完整的評估體系，確保評估內容保持完整性，評估過程規范性，針對評估過程中可能出現的問題，及時做好預防風險應對處理方案，在減少安全風險的基礎上，選擇適當的評估方法和計算公式提高評估效率，使得評估業務更具有靈活性。注重企業的整體價值評估，準確把握被兼并企業的資產價值。同時，也要通過政府等各方的努力，建設規范統一的資產評估市場環境，充分發揮資產評估在企業兼并中的作用，降低評估風險，提高評估的有效性，使資產評估在企業兼并中做的工作更具可靠性。
參考文獻：
［1］劉麗芳.森林資源資產評估信息披露研究初探［J］.現代經濟信息，2014（19）：403-404.
［2］申海霞.大數據時代資產評估業的機遇與挑戰［J］.企業改革與管理，2018（14）：211-212.
［3］鄧蕾.資產評估在人工智能時代所面臨的機遇和挑戰［J］.財稅研究，2018（17）：139-140.
第8篇：人工智能時代的法律范文
在他的論述中，一切都是數據處理。如果把每個人都想象成一個處理器，人與人之間的交流就是信息交流，那么整個人類社會就是一個數據處理系統。整個人類歷史，就是給這個系統增加效率的歷史。
未來真的如此驚悚嗎？事實上，未來已經到來，只是分布得不夠均勻。
如果你錯過了過去二十年間風起云涌的互聯網大潮，那么以下七大趨勢將是我們每一個人都無法忽視的未來，它們將在下個二十年內發生――
無處不在的傳感器
技術的突破將使傳感器體積微型化，它將出現在生產生活的每一個角落，甚至以靶向緩釋膠囊形態進入人體內部，監測化學環境及組織器官的細微變化。
成本降低后，傳感器不再需要回收，而像月拋隱形眼鏡般一次性使用，完成使命后自動廢棄，由新的傳感器源源不斷地補充數據源。
傳感器節點數將達到萬億級別，其數據量將超過人類日常總傳送數據量的百分之八十，新的低能耗無線通信標準誕生。
自來水般的數據服務
谷歌、百度、亞馬遜等巨頭將建立起完善的大數據服務基礎架構及商業化模式，從數據的存儲、挖掘、管理、計算等方面提供一站式服務，將各行各業的數據孤島打通互聯。
在用戶與數據服務商之間的是算法提供商，他們雇傭專業領域的精英人才與數據科學家，通過數據挖掘的方式，尋找事物間的聯系，如基因集與疾病的對應關系，大氣狀況如何影響農作物收成等等。
而用戶（無論個人或組織）所需要做的便是像今天下載手機App一樣，選擇相應的數據服務端，付費，享受“N=All”的實時數據所帶來的深刻洞察與行動指南。
大數據改變衣食住行
個人的生活數據將被實時采集上傳，飲食、健康、出行、家居、醫療、購物、社交，大數據服務將被廣泛運用并對用戶生活質量產生革命性的提升，一切服務都將以個性化的方式為每一個“你”量身定制，為每一個行為提供基于歷史數據與實時動態所產生的智能決策。
在傳統領域大數據同樣將發揮巨大作用：根據環境、氣候、土壤、作物狀況幫助農業進行超精細化耕作；在工業生產領域全盤把握供需平衡，挖掘創新增長點；交通領域實現智能輔助乃至無人駕駛，堵車與事故將成為歷史；能源產業將實現精確預測及產量實時調控……
大數據將成為國家間競合關系的最高依據，同時也是最高機密，針對數據中心及傳感器集群的黑客事件層出不窮，數據戰將成為戰爭的主要形式。
數據產權及隱私成為焦點
如《精益數據分析》作者Alistair Croll所說：數據驅動下的世界給人最大的威脅是在道德方面。我們以共享資源的方式分擔風險（如保險），越是能預測未來，我們越不愿意和別人分享。
個人數據資產所有權，屬于個人或是公司？隱私的邊界何在？當公共利益與個人隱私發生沖突時如何抉擇？數據是否具有地域性，如何處理跨國存儲及管理的數據服務案件等等。技術的發展將會促進國際社會制定并完善相應法律，而跨國企業將在其中扮演主導作用。
反過來，法律的制定也將推動數據安全技術的進步，智能程序將能根據不同情境啟用相應的隱私級別，隔絕數據采集的“私密空間”將成為新的服務熱點。
AI全面滲透人類生活
從蘋果的Siri到谷歌的機器翻譯，再到百度的深度學習及“百度大腦”，商業與技術的頻繁互動將極大提升人工智能的進化速度。機器將得以理解人類文字、語音、圖像、動作甚至表情背后的微妙含義，并以大數據為支撐，為人類提供效率與個性兼備的決策與服務。
想象一次旅行，人工智能分析你以往的出行記錄以及近期生活軌跡，結合對各大旅游景點、交通羈觥⑻炱預測等數據分析，給你提供最貼合心意的目的地。規劃好線路的無人駕駛車輛依照行程將你送至景點，并根據你的行程及時調配車輛接送。所有的酒店、餐飲、服務都已經依照你的生活數據進行深度訂制，機器甚至會提醒你將美好時刻記錄下來，發送給相關好友，提升關系的親密度。而你遇到的所有異國文字和語言，都將經由翻譯器實時轉化為你的母語。這只是諸多場景中較簡單的一個切片。
結合人工智能的機器人技術將取代從事簡單機械勞動的人類以及部分服務性行業，勞動力過剩將成為突出的社會問題。
由人工智能主導的娛樂產業將成為經濟支柱，結合虛擬現實技術的沉浸式游戲了解每一個玩家的神經刺激模式，并能帶來最極致的感官享受，電影《她》中愛上程序的故事將成為普遍現實。
社會關系將全面變革
傳統的勞動關系及組織形態將被打破，勞動者以液態形式自由流動結合，成為“液態公司”。通過大數據平臺，將客戶需求與人力資源進行精確匹配，個體能夠最大限度地發揮潛能，同時打破地域、語言及文化的障礙，全球協作成為大趨勢。
婚戀模式全面轉型，個體可根據不同關系需要由大數據服務商進行精確匹配，確保身心、經濟、價值觀及生活方式上真正的“Match”，并訂立有時效性的契約式關系。
傳統家庭模式進入重塑階段，人以群分變成人以“數”分，帶有相似數據特征的群體會以類似公社形式聚居，以實現資源整合與生活方式上的高效和諧。
國際化大品牌以深度數據分析，聚集忠實核心用戶群，并開發上下游生活方式產品服務，形成凝聚力極高的“品牌部落”概念，人群甚至會以品牌作為圖騰、姓氏或精神信仰。
人類文明進入全新紀元
科研領域由傳統的“現象觀察―理論假設―實踐驗證”范式，變遷為“數據挖掘―抽象模型―擴展應用”，由理念到實際應用的路徑將被大大縮短，全面提升技術進步速度。
人從機械重復的低級勞動中被解放出來，投身于更具價值的創造過程。大數據將幫助人類發現并激發創造力與幸福感的有效機制，社會由物質文明進入靈性文明的新紀元。
人工智能將逐步理解并模仿人類情感，機器與人類的共生成為進化趨勢，奇點降臨。
第9篇：人工智能時代的法律范文
2015年12月，微軟亞洲研究院首席研究員劉鐵巖博士去蒙特利爾參加了NIPS年會(Annual Conference on Neural Information Processing Systems)，這是人工智能領域的頂級學術會議。但與會期間，他印象最深的不是同行的專業進展，而是一位科學家告訴臺下的與會者，早些年，他的博士生根本找不到工作，今年卻被一搶而空。
這也是中國正在發生的故事。從硅谷到北京，人工智能都是熱浪滾滾。這個在上世紀50年代和80年代掀起過兩次的技術，現在似乎真的到了產業化的臨界點。互聯網時代的思想家和預言家凱文·凱利宣稱，人工智能是下一個20年里顛覆人類社會的技術，它的力量堪比電與互聯網。
人工智能(Artificial Intelligence)，縮寫為AI。它是研究開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學。該領域的研究包括機器人、語音識別、圖像識別、自然語言處理和專家系統等。
人工智能快速進入大眾視野，源于今年3月谷歌圍棋人工智能程序AlphaGo戰勝世界冠軍李世石。人機圍棋對弈只是普及人工智能的一個秀。它的背后是規模千億級的人工智能產業市場。BBC預測，2020年全球人工智能市場規模將達1190億元人民幣。
目前看，這一數據遠比不上2015年中國移動互聯網的產業規模。但人工智能的意義不僅于此，人工智能技術的發展，還將帶動云服務、大數據分析、移動互聯網和物聯網產業的升級迭代。它甚至將超越移動互聯網，全面改變人類的生活和工作方式。
離人工智能最近的IT互聯網公司敏銳嗅到了這一機遇。從2011年開始，包括深度學習算法、計算資源和大數據產業的成熟令人工智能技術實現飛躍，包括微軟、IBM、谷歌、Facebook、BAT在內的國內外企業都開始深度布局人工智能，試圖把握風口，成為下一個產業變革的巨擘。
已布局人工智能的IT和互聯網巨頭們，最有資格成為這一輪革命的獲益者。但這終究是一個漫長的耐力游戲，除了技術布局，產業布局和戰略視野也是決定成敗的關鍵因素，短視者將隨時出局。
BAT保守布局
中國的所有行業中，以BAT為代表的互聯網行業在人工智能研究和商業化探索方面走得最早，也看得最遠。其中，技術起家的百度走在最前端。
2012年10月，百度董事長兼首席執行官李彥宏參加了內部的一個基于深度學習的語音識別產品研究會。當時該產品的主導者余凱回憶，那是李彥宏第一次知道深度學習，他非常吃驚，并給全公司寫信，讓所有產品經理都要了解人工智能技術的發展。
當年12月，李彥宏開始和余凱討論成立深度學習研究院的可行性。次年7月，這個研究院成立，李彥宏任院長，余凱為常務副院長。這是中國公司里的第一個人工智能研究院。
李彥宏很快將相關技術投入到搜索的核心業務中。2014年的百度內部統計數據顯示，深度學習技術的應用，讓百度和競爭對手的Diff(different，內部叫Diff)指標提升了若干倍。
但人工智能的科研，尤其是基礎科學研究，是一個冗長寂寞的過程。此后，迫于財務數據和競爭壓力，百度的決策者們更加注重眼前的布局和資源。
“到了后期，太長遠項目，或是比較創新的項目，百度總部確實不太支持了。百度i站的項目、百度快搜這樣的項目沒了。”一位不愿具名的前百度人工智能研究崗位人士評價。一位現任百度相關人士對《財經》記者表示，百度前些年確實剔除了不少經過驗證沒有商業化前景的分支項目，但最近兩三年，百度明顯加大了在人工智能上的投入，包括無人駕駛汽車等長期項目。
6月8日，在2016百度聯盟峰會上，李彥宏將百度無人駕駛汽車稱作“一臺帶輪子的電腦”。他現場播放了百度無人車路測的實況錄像，百度無人車已經可以像正常車輛一樣加速、并線、超車，他同時表示，三五年之內，無人駕駛一定可以成為現實。
從整體來看，百度仍是BAT三家中首先完成有關人工智能技術體系整合的公司。目前，百度研究院、百度大數據、百度語音和百度圖像等技術都已歸入人工智能技術體系。李彥宏多次向外界強調，百度未來的發展將嚴重地依賴人工智能。
IBM研究院一位人工智能專家告訴《財經》記者，百度是被他們列入競爭列表的唯一中國公司。
硅谷尤其關心“百度大腦”的進展。百度大腦是百度在人工智能領域的核心。百度此前的諸多人工智能產品，如無人駕駛、智能搜索等，都是基于百度大腦的能力。
百度高級副總裁、自動駕駛事業部總經理王勁稱，百度大腦已具備視、聽、說和預測、規劃決策以及行動控制的能力。在數據方面，百度有萬億級的網頁、移動和行為數據可供分析。在深度學習方面，百度的萬億參數排在世界第一。
2015年，百度的研發投入超過100億元。占百度2015年總營收663.82億元的15%。
百度正在計劃將百度大腦在金融、汽車、醫療等領域商業化。李彥宏稱，人工智能的“井噴式”創新，將推動互聯網進入第三幕，并將重構傳統產業。比如“人工智能+金融”，可以快速地實現征信升級，實現“秒放”貸款。
阿里巴巴和騰訊的布局則更加克制。或者說，它們更代表中國公司的普遍做法，從業務驅動開始，逐漸加大檔位。
阿里從2011年開始布局互聯網醫療，投資收購和戰略合作的公司數以百計。圍繞醫院、醫保、醫藥做了大量布局。最新的統計數據顯示，全國已經有超過400家大中型醫院加入阿里的“未來醫院”計劃，覆蓋全國90%省份。阿里云人工智能首席科學家閔萬里博士告訴《財經》記者，阿里在健康醫療領域的布局快慢，取決于阿里在人工智能領域的技術突破。
阿里的設想是，未來，在阿里遍布全國邊遠山村的醫院醫療點里，病患足不出戶，只需拍一張CT，通過遠程技術來完成專家級的診療過程。這種診療，依賴的就是基于阿里云的人工智能醫療系統。隨著學習數據的不斷增加，機器會變得越來越聰明，最終成為一個“永不退休的醫學專家”。
多位接受《財經》記者采訪的專家評價，阿里這個技術并不復雜，醫療診斷是基于經驗的專家型勞動，是機器擅長的經驗學習，三年內該技術便可成熟。
閔萬里告訴《財經》記者，要實現這個目標，除了技術平臺，還需要整個醫療體系的打通，需要政府和社會共同推動設備和資源的開放。一旦打通，聚合在一個人工智能服務平臺之上，就將衍生出更多的應用服務場景，從而實現“商業和技術互為驅動”。
阿里是目前中國所有公司里，數據生態最完善、最健全的公司。iPIN創始人兼CEO楊洋認為，阿里的MaxComputer數據通道，是非常健康的數據大動脈，可以將阿里的所有數據資源非常高效地結合在一起。
此外，阿里云也是目前世界上最接近AWS(亞馬遜云服務)的云計算平臺。數據生態體系是做人工智能的重要基礎。因此，在這場有關未來的布局中，阿里云的主導地位清晰。
阿里的人工智能研究分散在其各個業務分支之中，有待整合。閔萬里說，阿里希望在算法能力上有所突破，這需要一個集中的技術機構來整合阿里的所有相關技術資源。
騰訊和阿里的情況類似。騰訊在人工智能上的布局，以IM和SNS業務為基礎。例如語音識別主要是在微信部門、圖片識別主要是在QQ，支付和金融業務方面植入了人臉識別，搜索部門則關注自然語言識別。
其中一些技術已在騰訊內部實現產品化。SNG(社交網絡事業群)的優圖團隊聚焦圖象識別領域，推出了黃圖識別功能，并為騰訊內部產品如圖片優化工具“天天P圖”提供技術支持。WXG(微信事業群)則人機互動領域的拓展，也對圖像和語音識別進行了原發。WXG推出了智能機器人“小微”，用戶可以用自然語言與之溝通，解決此前語音助手智能機械應答的短板。對于未來，工程師希望“小微”成為一種“連接器”——與微信支付串聯起來，接入微信公眾號以及錢包內的各種生活服務，打造完整的微信內O2O閉環生態體系。
騰訊高級副總裁姚星在接受《財經》記者采訪時表示，騰訊越來越重視在人工智能領域的技術開發，這包括兩個路徑：一是整合騰訊自身的技術資源，形成體系和重點;二是加快對優秀公司的收購和合作步伐。
騰訊參與了多個人工智能項目的早期投資。騰訊投資并購部一直在為公司尋找需要的標的，服務于騰訊的整體戰略。騰訊日前與硅谷風投機構Felicis Ventures領頭了人工智能創業公司Diffbot 1000萬美元的A輪。這家公司通過人工智能技術，讓“機器”抓取網頁關鍵內容，并輸出軟件可以直接識別的結構化數據。
BAT的人工智能技術研發從第一天開始就是商業需求驅動的，他們從業務入手，收購甚至模仿別人的東西，這種做法避免了漫無目的研究和不必要的失敗，但也無法保證在下一輪的人工智能平臺大戰中勝出。
今年，阿里和騰訊均有組建人工智能研究院的想法。姚星對《財經》記者說，很快，騰訊人工智能研究院就會成立。
國際巨頭深入無人區
如果說BAT的人工智能布局處于對標和追趕的狀態，那么以IBM、微軟、谷歌、Facebook為代表的美國巨頭公司已經開始深入科技無人區。
這些公司技術和業務各有所長，面向的用戶也不同，但它們的目標一致：把人工智能機器做大、做強、再做沒。
IBM和微軟可能沒有谷歌、Facebook看起來那么酷，但在人工智能領域有深厚的技術底蘊，IBM甚至已經開始用人工智能賺錢。
IBM人工智能研究可以追溯到1997年“深藍”戰勝當時的國際象棋世界冠軍卡斯帕羅夫。2011年，代表著IBM在認知計算領域最先進技術的Watson在一個電視節目中一戰成名，被認為是人工智能歷史上的一個里程碑。
今天可以代表IBM在人工智能領域最高技術水平的，是不斷進化中的Watson系統，和已經可以量產的人腦模擬芯片SyNAPSE(超大規模神經突觸計算機芯片)。
Watson是一臺超級計算機，最初由90臺IBM的Power 7服務器并行組成。和Google、微軟的人工智能相比，它從硬件芯片構架就開始模擬人類神經元，基于IBM的“DeepQA”技術開發。2014年1月初，IBM宣布組建“Watson Group”，旨在進一步開發、商用和增強“Watson”及其他認知技術，此外還投入10億美元用于其他相關項目。
Watson已經開始為IBM賺錢了。法國農業信貸銀行預測，Watson系統創造的收入將在2018年占IBM總收入的12%以上。Watson已經被部署在IBM去年收購的云計算基礎設施業務Softlayer上，成為IBM與亞馬遜、谷歌、微軟等大型科技公司在云計算領域展開競爭的武器。
另一個代表性產品是IBM在2014年的人腦模擬芯片SyNAPSE。該芯片能夠模仿人腦的運作模式、低功耗，在認知計算方面要遠勝傳統計算架構。和其他芯片公司的紙上規劃不同，這款芯片已達到量產要求。
IBM將其技術和商業實力總結為“認知計算體系”。IBM大中華區副總裁、戰略部總經理郭繼軍向《財經》記者表示，IBM推動認知計算體系，目標是把IBM在人工智能、大數據、深度學習、模式識別等所有領域里所做的積累應用到各個行業中去，幫助各行各業客戶提升效率，解決他們所面臨的現實挑戰。
微軟人工智能技術的研究已超25年。1991年微軟成立研究院，最早的五個研究組，研究方向分別是人機交互、自然語言處理和機器學習、語音識別和語音合成、計算機視覺。這些恰恰是今天人工智能的幾個最重要的分支。
微軟的人工智能研究方向要寬泛很多，微軟研究院擁有超過1000位科學家，在包括深度學習的多個領域的技術布局處于世界頂端。
微軟最新的深度學習系統在2015年ImageNet計算機視覺識別挑戰賽中，將計算機視覺系統錯誤率降低至3.57%，相比于人眼辨識的5.1%，這是人工智能首次在識別圖像的錯誤率上超越人類水平。這些機器由微軟的Azure云服務提供支持。
微軟不僅將人工智能技術應用于如Windows、Azure等核心業務中，還構建開放的平臺，將多年的技術積累開放給產業界，它的目標是打造一個人工智能生態圈。
它在無人區走得最遠，在現實商業世界中隱蔽得最深。
和前輩相比，年輕的谷歌在人工智能領域做的事情更讓外界看得懂，也更興奮。谷歌一方面不知疲倦地做底層人工智能技術的積累，研發更加高級的深度學習算法，增強圖形識別和語音識別能力。另一方面親力親為布局了包括智能家居、自動駕駛、機器人(2013年收購了8家機器人公司)等領域，前者為后者帶來基礎技術支撐，后者為前者提供數據和反饋。
值得一提的是，谷歌在無人駕駛汽車領域的技術積累，已經遠遠超過傳統汽車廠商和其他互聯網公司。
更加年輕的Facebook，將人工智能視為未來的三大方向之一。Facebook天然擁有全球范圍內的海量社交數據，但在基礎科學的研究上依然不遺余力。2013年，Facebook在加州成立了Facebook AI Research (FAIR)。卡耐基梅隆大學機器人系博士、Facebook人工智能組研究員田淵棟稱，FAIR的研究方向自由寬松，研究所需的計算資源(如GPU)相對豐富，同時也沒有近期的產品壓力，可以著眼長遠做困難和本質的研究。他稱，這樣的學術氛圍在各大公司是極其少見的。
如果說前述幾大巨頭都是從人工智能技術出發，結合云計算賦予技術更多勢能，那么亞馬遜的路徑正好相反。亞馬遜是全球第一大云服務提供商，它的云服務收入超過微軟、IBM、谷歌、Salesforce等所有對手的總和。但亞馬遜目前的人工智能技術，多數集中在提升購物體驗的深度學習領域。
人工智能技術有兩大要素：核心技術平臺和數據循環。只擁有技術是不夠的，需要業務和數據結合，才能打造好的技術。對循環數據的獲取，巨頭們也都不遺余力。
以最熱衷開源的微軟為例，去年，微軟了“牛津計劃”(現更名為“微軟認知服務”)，這是一個基于微軟云平臺的智能API(應用程序編程接口)，涵蓋了五大方向的人工智能技術，包括了計算機視覺、語音、語言、知識、搜索五大類API。去年夏天火爆的How-Old.net，就是借助該平臺快速開發出來的一款應用，一共只有20多行代碼。
類似的工具包微軟還有很多，例如深度學習工具包(CNTK)和微軟亞洲研究院主導的微軟分布式機器學習工具包(DMTK)等。
這些對于創業公司和中小企業來說相當實用。他們不用從底層技術一點點學，在小集群上或者是云服務上就可以直接調用。
對于巨頭來說，算法已經不再是競爭的障礙，數據和用戶習慣才是山頭。大量的初創企業會采用開源做很多垂直領域的業務，其中包括海量試錯和驗證，最終也會反饋回開源，而這正是巨頭們所期望的。
做B2B生意的IBM對數據的專業度要求更高，無法僅依賴搜索引擎和大量應用的交互來訓練Watson系統，因此通過深度合作和并購來獲取專業數據。
以醫療領域為例，IBM和多家世界級頂尖醫院合作，向醫院部署Watson的智能系統，通過分析這些醫院的病歷、專家的治療經驗、現有的學術研究等，幫助它們制定、觀察和調整癌癥患者的治療方案。在這一過程中，Watson也就有了這一領域的數據積累。
2015年4月，IBM收購了Explorys，它是一家可以查看5000萬份美國患者病歷的分析公司。類似的收購IBM還有不少，并且出手相當大方。
Watson已經可支持針對乳癌、肺癌和結腸直腸癌、皮膚癌等癌癥的初期診斷。在皮膚癌領域，在一項對3000幅皮膚鏡檢查圖像的研究中，Watson識別皮膚癌的準確率高達95%以上。而人類識別皮膚癌的準確率只有84%。
國內的一位人工智能業者調侃，國際巨頭在人工智能領域真正有價值的是它們的那些你看不見的、沒開源的、國際會議上含含糊糊一筆帶過的技術。“那些才是可以顛覆未來的彈藥。”
填補斷層
人工智能的產業結構可以分為三層：應用層、技術層和基礎層。應用層聚焦在人工智能和各行業各領域的結合;技術層是算法、模型和技術開發;基礎層則是計算能力和數據資源。
BAT擅長第一層。BAT手中，天然握有全球最大的數據資源。但在第二層和第三層嚴重斷層。中國在人工智能領域的科研水平停留在工程數學、物理算法等工程科學的創新層面，基礎理論研究領域的人才和資源很少。
多位接受《財經》記者采訪的中外業者認為，BAT的優勢在于海量數據，和國際巨頭的核心差距在技術。
騰訊高級副總裁姚星告訴《財經》記者，今年初，他和騰訊的投資并購部達成了一個共識，開始大量考察美國的機器學習平臺類創業公司。一則中國這類技術公司不多;二則收購這種公司可以快速補足騰訊在算法領域的不足。
姚星向《財經》記者分析，同樣提供10萬個樣本給機器，優秀的算法平臺可能只需要幾個小時，速度慢的可能需要幾天時間。
對于海外收購，搜狗公司CEO王小川則更加直白：“國內適合收購的標的公司很少，因為根是斷的，(技術和基礎研究)源頭在國外，要到國外看。”
在快速迭代的互聯網世界里，即便是互聯網巨頭，單打獨斗練獨門秘籍也會錯失良機。最佳方式，就是擁有數據和擁有技術的公司，通過各種結盟方式形成優勢互補，快速搶占市場。
2014年11月，螞蟻金服宣布和曠視科技戰略合作，利用后者的人臉識別技術Face++軟件去確認開立在線銀行賬號的用戶身份，即“人臉支付”。
Face++在人臉檢測的多項指標評測中接連拿下世界第一。2013年，在極難識別的互聯網新聞圖片上，獲得了97.27%的準確率，這個指標高于Facebook團隊。三年后，這一準確率已提高至99.5%。
進行面部識別，需要處理大量來自面部的數據信息，包括結構、五官以及肌肉等方面的數據分析。阿里云為這個合作注入自身的數據和分析能力。
“凡是花錢解決的問題都不是問題，阿里可以自己完成這些事情，但時間成本是相當昂貴的。”閔萬里對《財經》記者說，“阿里有1000件同級別的事情要做，能做好的只有其中幾件，剩下的用投資+合作，這是時間和資本效率最高的做法。”
技術和數據的結盟并不限于BAT，更多的公司希望通過結盟方式獲得未來，新的巨頭或許從中誕生。
搜狗CEO王小川的思路是社交化，做更多連接，通過建設社群關系，把人大腦里的智慧表達出來，從而解決目前搜索技術存在的內容不夠精準和實用性較差的問題。2013年騰訊入股搜狗后，先后向搜狗開放了微信公眾號數據和QQ興趣部落，為搜狗輸入數據資源。除此之外，搜狗還在去年11月戰略投資知乎1200萬美元，全面接入知乎內容。
王小川想讓搜狗的人工智能機器不斷學習社群數據，他對《財經》記者說，“人工智能下一個五年不在于人工智能本身，而是讓機器找到人。”
李彥宏稱，人工智能擁有廣泛的商業用途，人工智能的“井噴式”創新將重構傳統產業。
今天，技術和數據的天然開放性讓各公司之間的競爭變得“我中有你、你中有我”，最終的贏家是可以將技術和數據平衡利用，達到平臺效益最大化的公司。
微軟亞洲研究院常務副院長芮勇認為，橫向對比，中國和國際領先公司在核心技術上確實存在差距，國外更加注重基礎研究和技術研發，國內企業可以將國外的研發工具化、商業化;從縱向看，中國在人工智能領域的技術積累近幾年確實出現了飛躍，無論是最底層的計算機體系架構，還是智能硬件，或是上層軟件應用，都有質的進步。
“只要不太急于求成，持之以恒地投入，中國的人工智能產業相當值得期待。”芮勇說。
擠出泡沫
馬云在一次內部講話中強調：“全球都在講人工智能，到了風口浪尖，在創新面前，沒有第二只有第一，創新落伍了，你就輸了。”
焦慮的不僅是BAT，華為公司創始人任正非5月30日在全國科技創新大會上發言提到，“未來二三十年人類社會將演變成一個智能社會，其深度和廣度我們還想象不到。如果不能堅持創新，遲早會被顛覆。”
開放趨勢之下，人工智能也注定不是一場巨頭間的戰爭。
市場調研機構CB Insights的統計數據顯示，2014年風險資本對人工智能的投資增長302%，達到3.09億美元。
中國人工智能領域已有近百家創業公司，65家獲得投資，共計29.1億元人民幣，其中曠視科技、優必選、云知聲、SenseTime四家公司登上艾瑞獨角獸榜單。
更多初創公司只是打上了人工智能的標簽。它們本質上是用國際開源的平臺，用數據訓練一兩個模型，甚至照搬國際模型，這其實潛含危險，最大的風險是產品嚴重同質化，尤其在人臉識別、語音識別等成熟領域，這些公司的產品沒有突破性創新，根本沒有繼續走下去或被收購的價值。
姚星常常為投資人鑒定真偽人工智能公司。他說，辨識偽人工智能公司有兩個關鍵點：一是這家公司所采用的技術是否是最新、最前沿的技術，如果不是，則是用人工智能概念包裝的偽人工智能。
其二，這家公司的技術和業務是否具備可擴展性?若否，則是采用部分機器學習算法或淺層人工智能技術的商業公司，而非真正的人工智能公司。
iPIN是一家擁有文本認知智能技術的公司，從去年開始，iPIN收到了不少投資機構的投資意向，該公司創始人兼CEO楊洋告訴《財經》記者，到目前為止，他還沒有遇到真正有能力鑒別人工智能技術水平的投資機構。
“這對于做偽人工智能的公司絕對是一個好消息。”楊洋調侃說。
危險在于，就算是一些初創時期確實手握人工智能獨特技術和商業模式的公司，也在資本的脅迫下慢慢走形。
在資本的壓力之下，一些人工智能創業公司開始過早商業化，研發投入逐步降低，人員結構也發生變化，銷售開始主導公司，最終技術公司變成營銷公司，失去了被并購的價值。
投資人工智能公司，需要專業技術知識和長線投資眼光。根據Gartner的“智能機器炒作周期圖”，由人工智能驅動的應用中，語音識別產業化最高，自動駕駛汽車和智能顧問處于炒作最高點，智能機器人、自然語言處理/生成和虛擬個人助手則處于爬坡期。這些都屬于5年-10年內能廣泛普及的顛覆性技術。而神經形態硬件(如神經元芯片等)屬于10年以后才能普及的技術，但該技術可能還沒研發成熟就被淘汰了。
需要在這一輪變革中保持耐心和恒心的還有政府和高校。人工智能涉及計算機科學、生物學、社會學、哲學、材料學、工程學等多個學科，中國高校基礎學科的研究能力無法被充分利用，體制內缺乏一套產學研流暢對接的機制。這導致中國高校在這次產業變革中嚴重缺位。從美國的經驗來看，正是其從法律、機制上保證了產學研的平滑轉換，才令美國在這一輪的人工智能研究中占據上風。
一些樂觀的投資人認為，技術發展本身就是驅逐泡沫的手段，“不用很長，一年或一年半的時間，很多真實情況就會暴露出來，泡沫也將逐漸散去”。
