麦肯锡报告中国人工智能的未来之路Word文件下载.docx
《麦肯锡报告中国人工智能的未来之路Word文件下载.docx》由会员分享，可在线阅读，更多相关《麦肯锡报告中国人工智能的未来之路Word文件下载.docx（13页珍藏版）》请在冰豆网上搜索。
这一概念长期以来只存在于人类幻想和科幻小说中，直至20世纪五六十年代，有关人工智能的理论初步形成后，才开始引发普遍乐观情绪和第一波热潮。
但由于技术未能实现突破性进展，人工智能无法达成预期效果，因此陷入了一段沉寂期。
往后数十年间虽然不乏成功案例，但因为人工智能在现实世界的成功案例太过孤立，所以不足以支撑大规模商业化。
让我们快进至21世纪。
数据收集及整理、算法、机器学习，以及高性能计算等技术的突飞猛进促成了革命性进步。
例如，在以往被认为无法取胜的围棋比赛中，AlphaGo成功击败人类世界冠军，从而赋予了这场获胜历史性的意义。
而变革不仅发生在理论前沿。
金融、医疗、制造等行业应用发展迅速，人工智能领域的全球风投也从2012年的5.89亿美元猛增至2016年的50多亿美元。
麦肯锡预计，至2025年人工智能应用市场总值将达到1270亿美元。
理解AI以及它能做什么
传统上，我们已经使用计算机的处理能力来更有效地产生输出（例如，比人类可以执行更快更复杂的计算）。
传统的软件程序一直以特定的指令编写需要执行的任务。
AI系统采取非常不一样的方法。
它们可以通过巨大的“大数据”集，挖掘出模式，联系和见解，而且它们也采用广义的学习策略，这使得它们能够适应新的数据输入而不需要明确地重新编程。
利用机器学习的系统具有归纳和决策能力，深度学习的出现更是将这种能力的边界扩展得更远。
现在的机器学习系统能够自己学习、发现和适应规则。
虽然深度学习最近的突破已经产生了可以在某些关键功能中匹配或超越人类智力的人工智能系统，但是我们离“通用AI”-或者说可以像人类一样执行全面的认知任务的机器还有一段距离。
许多机器学习系统已经被用于特定的商业用途，并且应用程序是非常多样的。
他们可以为客户提供服务，管理物流，监控设备，优化能源消耗，分析医疗记录。
最近麦肯锡全球研究所（MGI）的研究表明，机器学习技术在几乎每个行业都有广泛的应用。
要认识AI的能力，从下面四个维度是一个不错的方法：
∙感知
∙预测
∙指导方法（prescription）
∙综合解决方案（与机器人、自动驾驶等技术的结合）
目前的商业化程度因各种AI功能而异。
虽然具有感知和预测能力的系统已经投入市场，但更多的规范性工具和集成解决方案仍在开发中（图1）。
图1：
AI技术当下的商业化，麦肯锡认为，IBM和讯飞的商业应用属于感知技术。
而XX和亚马逊则是结合硬件的解决方案。
AI的未来：
艰难的挑战与可能性
过去的技术进步主要是增强执行清晰划定生产任务的能力。
但是现在，AI使机器能够做出反应和调整，以优化结果。
结合物联网（IoT）和机器人技术，它可以创建一个综合的信息物理世界。
目前的发展趋势表明，AI技术最终将在更广泛的环境和行业范围内被全球接受，而最重要的成果之一就是处理长期以来一直由人类来完成的各种任务。
麦肯锡的报告分析了全球经济800多个职业的2000多个工作活动。
在技术上看来，现在50％的工作活动都可以使用当前演示的技术进行自动化。
但技术可行性只是影响自动化步伐和程度的一个因素。
其他还包括开发和部署具体应用，劳动力市场动态，经济利益以及监管和社会接受的成本。
考虑到这些因素，麦肯锡对自动化的研究表明，直到2055年，现在的一半工作活动才能实现自动化，但在这个时机上存在相当程度的不确定性。
在积极采用的情况下，这种自动化程度可能早于20年，而在较晚的采用情况下，可能会在20年后发生。
沿着这一思路，AI可以成为一个强大的工具，适用于一些社会的核心挑战。
在医疗方面，AI将大大增强我们分析人类基因组的能力，并为每个患者开发个性化和更有效的治疗方法。
它可以大大加快治愈癌症，阿尔茨海默病和其他疾病的过程。
人工智能系统可以大范围分析天气模式，提高能源效率，提高我们监测和应对气候变化的能力。
其可能性甚至是我们想象不到的，比如，AI系统可以有一天开拓对火星和外太空层的探索。
AI对中国的意义：
算法、数据、计算能力与其他国家的横向对比
随着中国的大科技企业纷纷推动在AI方面的研发，中国成了全球领先的AI研发中心。
中国庞大的人口基数和多样化的行业组合具有产生大量数据和形成巨大市场的潜力。
广泛采用人工智能技术对中国未来的经济增长至关重要，因为全国人口老
龄化加快了对生产率增长的需求，包括更开放的数据环境和受到良好训练的数据科学人才。
但AI同时也提出了更复杂的社会和经济问题，需要审慎的思考。
中国在AI发展中的位置
中国和美国目前是全球AI发展的领导者。
仅在2015年，两国在学术期刊上发表的AI相关的论文接近10,000篇，而英国，印度，德国和日本加起来才约相当于中美的半数。
（数据来源：
SCImagoJournal&
CountryRank,2015）
中国AI发展大部分是由私营的高科技企业推动的。
在海量的搜索数据及多样化的产品线的帮助下，中国的一些互联网巨头公司在图像和语音识别等技术领域处于领先的地位。
而且这些技术已经被融入它们的新产品中，包括智能助理，自动驾驶汽车，等等。
中国有理由对其在AI定义的未来的作用感到乐观。
中国庞大的人口能够产生海量的数据，这是“训练”AI系统的先决条件。
中国也具有“范围经济”（economiesofscope）的优势：
广泛的行业为产品在市场部署提供了沃土。
但是，为了在这个迅速发展的领域保持前沿地位，中国仍需不遗余力地努力，并最大限度地发挥这些技术的经济潜力。
中国需要专注于增强创新能力。
例如，虽然中国学者比美国研究人员发表的AI相关的论文更多，但他们的论文产生的影响力并不及美英的研究者（见表2）。
表2：
左图按AI相关的论文数量排名，右图按H-index排名。
虽然中国发表了大量被广泛引用的AI相关的论文，但论影响力仍是美英更大。
中国在绝对引用方面排名第一，但去除自引（self-citation）后，美国更有优势。
此外，中国还没有形成如美国那样的有生机的AI生态，体现在美国拥有比中国多得多的AI创业公司（见表3）。
美国的生态系统是大型、创新而且多元化的（包括研究机构、大学以及私营企业），它的形成得益于硅谷的科技行业，具有难以复制的优势。
表3：
美国的AI创业生态系统比中国更强大。
上图显示中国和美国在50家最大（按总融资额排名）AI创业公司中的占比，数据来自CBInsight发表的AI100榜单。
via：
CBInsights;
McKinseyanalysis
数据
正如人类通过食物得到能量，AI也不能在没有稳定的数据来源的情况下运行。
这些系统必须要有大量的数据，以供它们“训练”，不断改进和完善产出的结果。
在数据方面，存在几个问题可能阻碍中国的AI发展。
首先，中国的大技术公司通过它们专有的平台收集数据，中国在创建数据友好（data-friendly）的生态系统方面落后于美国，缺少统一的标准和跨平台的共享。
第二，世界各国都发现，开放政府数据有助于私营部门的创新，但中国的公共部门开放的数据相对少（见表4）。
最后，限制跨国的数据流动（dataflows）也使中国处于全球合作中的不利地位。
表4：
政府数据的开放度，中国在全球排名第93位。
说明：
每个数据类别的评估要考虑对公共可得性（publicaccessibility）的10个因素，包括数据是否在线发布，是否免费，是否最新，以及是否机器可读，等等。
来源：
OpenKnowledgeInternational,2015;
McKinseyGlobalInstituteanalysis
算法
在应用层面，中国在算法开发方面与其他国家相当。
实际上，中国的研究者在开发用于语音识别和定向广告的算法方面已经取得突破。
得益于全球的开源平台，中国企业能够快速复制其他地方开发的最先进的算法。
然而，中国在基础研究方面落后于美国和英国。
一个主要原因是人才短缺，招纳人才对中国的AI发展至关重要。
美国超过一半的数据科学家有10多年的工作经验，而在中国，经验不足五年的研究人员高达40％。
中国目前拥有不到30个专注于人工智能的大学研究实验室，仅靠这些实验室无法输出足够的人才满足中国AI行业的招聘需求。
此外，中国的AI科学家在计算机视觉和语音识别等领域着力更多，相比其他专门领域不成比例。
大学的AI项目也能得益于更高的数学和统计学要求，为在该领域保持全球领先付诸努力。
此外也可以考虑改变提供科研经费的模式，以促进更多的创新。
计算力
计算力不是中国人工智能商业发展的直接的瓶颈。
随着微处理（microprocessors）在全球市场得到广泛使用，计算能力已经成为可以轻松获得的东西。
但中国仍然不能忽视发展自己的先进的半导体、微处理器和高性能计算技术的重要性。
计算能力是AI的基础之一，具有战略上的重要性。
中国历来严重依赖国外的微芯片供应商。
对某些类型的高价值半导体，中国几乎完全依赖进口。
但是，在2015年，美国政府禁止全球三大芯片供应商Intel，Nvidia和AMD向中国政府销售高端超级计算机芯片。
对核心技术供应实现更强的控制有助于提高中国在未来更广泛地部署人工智能系统的能力。
为了解决这个问题，中国政府在2014年发布了《国家集成电路产业发展推进纲要》和《中国制造2025》两份政策性文件，而且政府设立了一个超过200亿美元的基金做这件事。
这些举措已经开始取得一些成果。
专用处理器，例如可以进行大量复杂计算的图形处理单元，对AI来说尤其重要。
随着中国IC业的发展，也应该对这类处理器的开发给予足够的重视。
中国在人工智能方面的战略，重要的是要注意技术行业的日益全球化。
AI价值链的各个方面，从基础研究，到应用开发，到硬件的制造，都涉及全球的协作。
除了建立自己的数据生态系统，数据科学研究人才管道和半导体行业外，中国需要确保其AI行业建立在与全球市场融合的开放系统之上。
AI发展对经济的影响：
在中国可以带来0.8到1.4个百分点的GDP增长
AI是中国加速生产力发展的一个重要机遇，也是解决人口老龄化的一个关键。
但是，政策制定者也需要考虑AI可能带来的对劳动力市场的潜在破坏，并为此做好准备。
近几十年来，随着劳动力扩张推动经济增长，中国的发展得益于“人口红利”。
但随着人口老龄化，中国将会失去这种优势。
研究表明，该国的劳动适龄人口已经达到顶峰，并将在未来几十年内继续缩小。
这个人口趋势意味着中国在目前的生产力水平上将会很难维持经济增长所需的劳动力。
维持势头的唯一选择是大幅度提高生产力增长。
AI可以部分缩小这一差距。
AI系统可以通过帮助或替换人类来更有效地完成现有的工作活动来提高生产力。
例如，英特尔在其芯片制造过程的同时收集大量数据以进行改进，而在过去，如果发生错误，该公司则主要依靠人力来对数据进行根本原因分析。
但现在机器学习可以比人类快得多完成这个任务，算法可以筛选关于每个芯片的成千上万个数据点，以找出具有缺陷的
升级会员 