澳机构发布《人工智能与科学——应用和发展趋势》报告

20世纪三四十年代，人工智能概念开始萌芽。1943年，沃尔特·皮茨和沃伦·麦卡洛发表关于人工神经元如何执行逻辑功能的论文。1950年，“人工智能之父”艾伦·图灵发表了人工智能领域一篇关键论文，列出了人工智能要解决的未来挑战。1956年，人工智能在达特茅斯研讨会上得名，会议由约翰·麦卡锡、马文·明斯基、纳撒尼尔·罗彻斯特和克劳德·香农组织，汇集了当时主要的人工智能专家。20世纪50年代，人工智能领域投资和活动不断升级，60年代进入人工智能第一个繁荣期。在自然语言处理、自动推理、计算建模、自主系统和机器人领域都取得了重大进展。美国国防部高级研究计划局（DARPA）、美国国家研究委员会和英国政府大力投资人工智能。1974—1980年，人工智能研发应用进入“寒冬期”，所幸20世纪80年代重回繁荣期。日本政府通过第五代计算机项目大力资助人工智能，英美政府随之效仿，再次向一系列人工智能研究计划注入大量资金，并撬动私人企业投资。1987—1993年商业投资减弱，人工智能研发应用进入第二个“寒冬期”。20世纪90年代，随着互联网、数据和计算能力迅速增长，人工智能又开始强劲增长，出现了新的范式、工具、理论和应用，研究、投资、能力和应用持续扩大，人工智能对科研的影响比以往任何时候都要显著。

今天的人工智能浪潮在不同的科学领域、行业部门、地理位置、政策领域和人口统计领域具有更大的技术渗透深度和广度，已进入到几乎所有地方的所有领域。人工智能已进入人们日常生活。数十亿人频繁使用人工智能，日益依赖人工智能。无数企业使用人工智能技术为客户提供商品和服务，人们通过智能手机、智能汽车和智能音箱与强大的人工智能互动。2021年，人工智能研究已经覆盖了几乎所有科学领域，即全科学期刊分类系统（ASJC）第三层333个类别，而1960年这一比例只有50%。

加拿大是2017年首批致力于国家人工智能战略的经合组织国家之一。从那时起，60个国家和地区相继制定了700多项人工智能政策和战略举措。截至2019年底，各国已宣布的人工智能计划资金超过860亿美元。2021年，全球人工智能产品和服务支出同比增长15.2%，达到3418亿美元。预计2022年增长18.8%，到2024年，预计总支出每年超过5000亿美元。

2020年，尽管发生新冠疫情，对人工智能企业的私人投资仍然同比增长9.3%，创历史新高，高于2019年的5.7%，超过400亿美元，美国、中国、英国和以色列投资位居前列。人工智能领域风险投资也在增长。据经合组织数据，2020年，人工智能初创企业风险投资占所有风险投资的20%，而2012年为3%。2012—2020年，人工智能企业风险投资交易数量每年增长34%，从2012年的500笔增至2019年的3900笔。

The Lens数据库（澳大利亚昆士兰科技大学与布里斯班非营利公司Cambia合作开发的科学数据库）显示，全球人工智能论文在过去5、6年显著增长，每年从159,426篇增加到344,265篇，增长了2.2倍，占所有论文比例从2016年的2.9%上升到2022年的5.7%。在大多数研究领域，近几年人工智能的采用量相当于过去总和。在所有研究领域中，近7年，同行评议人工智能论文达到160万篇，超过了过去55年总和（150万份篇）。仅2021一年，就发表了34.4万篇（本）关于人工智能主题的期刊论文、书籍和会议论文。2020年，谷歌学术搜索报告称，人工智能的被引次数比任何其他研究领域都多，七篇被引最多的论文中有五篇是关于人工智能主题。

人工智能专利也在急剧增加，The Lens数据库显示，全球关于“人工智能”主题的已发布专利从2017年的1.1万项增至2021年的5.7万项，过去5年年均增长率为84%。

作为一项通用技术，人工智能可提高所有科研领域的生产率，进而提高整个经济的生产率和增长率。人工智能提高了科研效率和有效性，使科学发现更快、更安全、成本更低。例如，澳大利亚联邦科学与工业研究组织（CSIRO）一团队开发了一个自动机器人系统，可在24小时内测试1.2万块太阳能电池，而此前，研究团队每天手动测试最多也就20块太阳能电池。在另一案例中，CSIRO研究人员使用机器学习来寻找疾病基因，可在15小时内处理1000万个基因组变体，而用传统方法估计需10万年。

经合组织近期做了一项人工智能人才分布研究，该研究使用2015—2020年的领英（LinkedIn）会员档案，分析不同职业人工智能技能普及率。研究发现，人工智能技能在美国普及率最高，其次是德国和以色列。美国保尔森基金会（Paulson Institute）旗下MacroPolo机构发布的《全球人工智能人才追踪》报告显示，全球人工智能科学家大都居住在美国（59%），其次是中国（11%）和欧洲（10%）；他们本科学习大都在中国完成（29%），其次是美国（20%）和欧洲（18%）。

美国信息技术咨询公司Gartner最近一份报告显示，全球云计算市场从2020年的2700亿美元增长到2022年的3970亿美元（预测值），在2021年增长了23%。法国市场调查公司Report Linker一项市场研究预测，2021—2026年，云的年复合年增长率将达到16.3%，每年将达到9480亿美元。

经合组织人工智能政策观察站数据显示，2018—2021年，全球人工智能课程（英语授课）增加了80.1%，大学和技术学院本科生和研究生人工智能培训学位和课程呈增长态势，目前人工智能占所有计算机科学和信息技术课程的比例高达27.3%。

未来，人工智能伦理道德的标准可能会更高、更严格。目前的自愿原则和准则将来可能成为法律。社会对人工智能伦理道德问题的认识和预期可能会提高。要满足复杂的伦理道德要求，需要提高科学知识和技术能力，需要人工智能劳动力队伍提升技能和能力。

2021年4月，欧盟提出第一个关于人工智能的法律框架，其中有公司若违规则会被处以高达公司收入6%罚款的条款。欧盟2018年5月出台的《通用数据保护条例》（GDPR）也有限制使用自动决策系统的类似条款，包括与可解释性和可竞争性相关的要求。在全球范围内制定人工智能适用法律，就人工智能透明度、公平性、可解释性和隐私等原则达成普遍一致，还有相当长的路要走。金融和零售等行业可能处于这些法规的前沿，因为这类行业广泛而经常地处理客户保密数据。未来，人工智能政策、法规和法律可能会增加，研究机构需确保自身活动合规。

英国国家科学、技术和艺术基金会近期一项研究发现：在大多数学术机构中，人工智能研究人员只有不到25%是女性；自1990年以来，全球人工智能研究论文作者中女性仅占13.8%；技术公司的人工智能研究论文的女性作者占比相对较少，如谷歌为11.3%、微软为11.95%、IBM为15.7%。

除性别问题外，STEM（科学、技术、工程和数学）劳动力队伍（近似反映人工智能劳动力队伍）缺乏文化和种族多样性。例如，澳大利亚科学与技术专业机构发现，“工作年龄原住民或托雷斯海峡岛民每200名仅有一人拥有STEM学位，而非土著工作年龄居民每20名就有1人拥有STEM学位”。

硬件方面，专门为机器学习设计的处理器[如张量处理单元（TPU）、数据中心芯片等]性能将不断优化，广泛用于自动驾驶汽车、语音识别、自然语言处理和视频目标检测等领域，使人工智能系统开发更具时间效率和成本效益。此外，量子计算机有望带来计算能力变革性飞跃，解决传统计算机无法解决的人工智能问题，人工智能开发人员将大量使用量子计算服务，人工智能将迎来范式转变。

软件方面，支持人工智能操作的软件框架（如PyTorch、TensorFlow、微软Azure和亚马逊Web服务等平台及无代码人工智能软件工具等）快速增长，研究人员可相对快速地设计和/或调整机器学习算法，而无需深入研究算法底层细节，从而更容易开发和应用人工智能。

小数据即质量更高、精心策划、来源可靠的数据。提升人工智能需将对投资聚焦于符合目的、来源可靠、经过验证、最新且符合伦理道德要求的高质量数据。研究机构需向数据驱动方向转型，变革业务流程、基础设施、技能和组织文化，以形成强大的获取、分析、解释、保护、存储、共享和传递数据的能力，以数据辅助决策，推动实现机构目标。

人类与人工智能协作可显著提高生产率，扩大人类能力范围，未来人机协作将日益普遍。世界知名信息技术公司埃森哲估计，2018—2022年，投资于人类与人工智能协作的机构可增收38%，增加就业10%。在快速处理和分析大量信息以及识别模式或关系方面人工智能优于人类，而人类长于复杂联想、主观判断及专业知识运用，科学研究需要创造力、判断力、逻辑和沟通能力，这是当前和未来短期内人工智能所无法企及的，所以人类和人工智能既有各自独特优势，又能互补，相互协作，突破自身局限性。在人类与人工智能协作场景下，科学家可委派人工智能系统更高效地完成任务，从而使科学家将更多时间和资源投入到依赖人类独特认知能力的任务中，提高科学生产率。

报告最后指出，科学机构迫切需要提升人工智能能力，以保持未来竞争力和能力。这就需要升级教育、培训、硬件和软件，开发数据资产，改变工作方式，成为数据驱动型组织，同时确保人工智能开发和应用符合伦理道德规范，符合社会预期、法律和法规。