作 者 | BT財經(jīng)

來 源 | 麥肯錫了解更多金融信息 | BT財經(jīng)數(shù)據(jù)通

本文旨在推動更多的人工智能信息從中國回流到西方。 

麥肯錫全球研究院（McKinsey Global Institute）研究員兼ChinAI Newsletter創(chuàng)始人Jeffrey Ding就中國和西方在人工智能方面的信息不對稱性發(fā)表了自己的看法，他的觀點主要涵蓋了為什么數(shù)據(jù)不能像石油、中國產(chǎn)品和平臺等等一樣。 

現(xiàn)在有很多關(guān)于人工智能的討論，以及人工智能對全球競爭的意義，特別是在美國和中國等地區(qū)。最近，麥肯錫全球研究院研究了人工智能對商業(yè)和更廣泛領(lǐng)域的影響。

MGI研究表明，雖然人工智能在世界各地都在深入發(fā)展，但有兩個地區(qū)的人工智能進展最快、創(chuàng)新最多，那就是美國和中國。 

然而，有趣的是，雖然很多中國的人工智能開發(fā)者都在閱讀甚至合作撰寫英文論文，但很少有西方的人工智能從業(yè)者能夠跟上中文的信息流、并用中文閱讀相關(guān)文獻，即使其中很多都是公開發(fā)表的文章。然而，中國在人工智能領(lǐng)域的成就不容忽視，甚至在牛津大學(xué)成立的人工智能中心，他們在尋找對人工智能感興趣的志愿者的資格要求中，也列出了“中文專業(yè)優(yōu)先”。 

就信息流動的方式而言，這幾乎就像一面單向的鏡子，同時這絕對是一種信息“不對稱”，在當(dāng)前這個很多工作都可以在互聯(lián)網(wǎng)上公開的領(lǐng)域，這看起來很奇怪。 

1

數(shù)據(jù)保護

在Jeffrey Ding 看來，“數(shù)據(jù)是新的石油”。中國擁有世界上最多的人口，因此中國擁有最多的數(shù)據(jù)。首先，數(shù)據(jù)總是特定于某個應(yīng)用程序的。擁有最多的手機用戶這并不意味著能轉(zhuǎn)化為自動駕駛汽車應(yīng)用的數(shù)據(jù)。因此，當(dāng)我們談?wù)撜l擁有最多的數(shù)據(jù)時，總是針對特定的應(yīng)用程序。

這說明了一個更廣泛的觀點，即人工智能是一種通用技術(shù)。但人工智能的不同應(yīng)用場景，無論是智能制造、交通還是自然語言處理，都將有不同的數(shù)據(jù)需求。

隨著人工智能應(yīng)用中數(shù)據(jù)的重要性逐漸提高，技術(shù)領(lǐng)域也在發(fā)生變化。因此，在某些情況下，模擬數(shù)據(jù)變得越來越重要。例如，在去年的自動駕駛汽車應(yīng)用中，Alphabet旗下子公司W(wǎng)aymo模擬的行駛里程比實際的道路行駛里程要多。

通過閱讀大量的中文文獻，以及已經(jīng)出版的大量英文報道，人們越來越認(rèn)識到，在隱私和數(shù)據(jù)保護免受濫用的相關(guān)話題下，實際上存在非常激烈的隱私和個人信息保護議論。

Jeffrey Ding認(rèn)為，這必須做出區(qū)分，因為每個人都不希望他們的個人信息在互聯(lián)網(wǎng)上泄露，也不希望他們的銀行記錄被泄露。在中國相關(guān)報道中，接受調(diào)查的數(shù)千名中國成年人中，絕大多數(shù)人反對共享面部數(shù)據(jù)，并認(rèn)為人工智能對隱私構(gòu)成了重大威脅。

如今，加強隱私保護的勢頭正在增長，這可以從中國科技公司的反應(yīng)中可以看出來。例如，聯(lián)邦學(xué)習(xí)（federated learning）是一種訓(xùn)練數(shù)據(jù)的技術(shù)，它以一種更保護或?qū)﹄[私問題更敏感的方式訓(xùn)練數(shù)據(jù)�，F(xiàn)在，至少有華為、京東等部分中國科技巨頭在聯(lián)邦學(xué)習(xí)技術(shù)方面進行了投資。 

2

競爭格局

此外，在談到人工智能時，還有一個經(jīng)常出現(xiàn)的話題：那就是“競爭”，尤其是美國和中國之間在人工智能領(lǐng)域的競爭。這將不是十項全能的競賽，這甚至可能是一場奧運會。因為兩個國家競爭的方式不同，而且競爭的領(lǐng)域也不同。

現(xiàn)在市場上很多人都將人工智能競爭比喻成一場“軍備競賽”。然而，在Jeffrey Ding看來，將AI領(lǐng)域的競爭比喻成軍備競賽并不恰當(dāng)。首先，在這個領(lǐng)域，并非所有技術(shù)都是平等的。人工智能等通用技術(shù)不同于武器裝備，就像我們不會說電力領(lǐng)域也有一場“軍備競賽”一樣，因為電力是典型的通用技術(shù)。

其次就是，在人工智能領(lǐng)域，人們?yōu)槭裁炊�競爭？�?dāng)人們談?wù)摰剿�謂的“人工智能軍備競賽”時，人們是在談?wù)撃膫�國家或哪個公司能最大限度地利用人工智能對軍事領(lǐng)域產(chǎn)生變革性影響？或者是在討論最終誰能從大規(guī)模采用人工智能中獲得最大的經(jīng)濟增長？我認(rèn)為通常當(dāng)人們談到這個話題時，每個人可能會想到不同的東西。

在學(xué)術(shù)界，很多工作就是提出這個空洞的問題——“你所分析研究的問題是為了什么？”而那些談?wù)?ldquo;人工智能軍備競賽”的人往往無法回答這個問題。

Jeffrey Ding認(rèn)為，人工智能對中美競爭最重要和最突出的方面是在經(jīng)濟領(lǐng)域。從歷史上看，通用技術(shù)會帶來生產(chǎn)率的大幅增長。最明顯的例子是20世紀(jì)20年代電力和美國生產(chǎn)率的增長。

中國目前面臨的主要挑戰(zhàn)是如何在人口紅利下降的情況下繼續(xù)保持經(jīng)濟增長，因此中國正努力在不同領(lǐng)域，尤其是制造業(yè)，向價值鏈上游提升。因此，像人工智能這樣的通用技術(shù)為中國繼續(xù)保持高水平經(jīng)濟增長提供了一種潛在的方式，因為人工智能可以滲透到所有其他領(lǐng)域。這是人工智能將如何影響中美發(fā)展的最重要的部分，至少在Jeffrey Ding看來是這樣。

與此同時，日本和德國的工人數(shù)量也在減少。美國也將面臨類似的挑戰(zhàn)。所以很多國家都面臨和中國一樣的問題，需要提高自己的生產(chǎn)力。 

3

何時普及

人工智能這個詞是在20世紀(jì)50年代出現(xiàn)的。而通用技術(shù)的普及具有一貫的模式：需要幾十年的時間，需要一個漫長的孕育期，在我們得到互補的創(chuàng)新之后，在我們對人力資本進行調(diào)整以適應(yīng)技術(shù)帶來的結(jié)構(gòu)變化之后。當(dāng)電力進入制造業(yè)時，一開始電力也只是用電動機來代替蒸汽機。最后，人們意識到提高生產(chǎn)率的最好方法，就是用電動機為單個機器提供動力，但這還要求工廠的布局方式徹底改變，這個過程需要很長時間。

人們往往習(xí)慣了一種事物的運作模式。人們必須學(xué)習(xí)新的技能。在電腦被發(fā)明出來以后，我們確實在一段時間后才看到了生產(chǎn)力的提高，而這正是日本在生產(chǎn)率方面從未完全超過美國的關(guān)鍵原因之一，因為美國在整個制造業(yè)和整個服務(wù)業(yè)都采用了計算機和信息通信技術(shù)。這可以保持良好的生產(chǎn)增長率。

對人工智能來說，問題也是同樣的。此前有文獻指出，為什么我們沒有看到想象的或期望的生產(chǎn)率增長，其中一個原因是，我們很難衡量人工智能領(lǐng)域正在發(fā)生的人力資本升級。因此，在未來幾十年左右的時間里，我們可能會看到生產(chǎn)率的提高。

總的來說，技術(shù)的研發(fā)和發(fā)展都處于行業(yè)的前沿，但如果想真正在經(jīng)濟中獲得價值，需要的是這些技術(shù)的部署和采用，而這需要很長時間。

文章系作者個人觀點如有疑問及任何意見反饋可直接在評論區(qū)留言或發(fā)送郵件

       原文標(biāo)題 : 人工智能行業(yè)研報：中國對AI比西方更具前瞻性？