【采訪/科工力量 程小康】
觀察者網：人工智能的核心技術有哪些？目前的技術水平離“強人工智能”還有多遠？
受訪團隊：當前人工智能的核心技術主要是機器學習和大數據。大數據是人工智能的基礎，而使大數據轉變爲知識或生産力，離不開機器學習（Machine Learning），它是使機器具有類似人的智能的根本途徑。從本質上來說，人工智能的發明是爲了模仿人類思考問題的邏輯，從而能自主解決問題。弱人工智能把特征的決定權交給了人，由人類事先選擇好特征，然後通過函數逼近來擬合特征曲線，從而找到輸入和輸出之間的映射函數。強人工智能則是擯棄人的因素試圖自己搞定特征，由算法自己找出輸入對應輸出的特征，然後自行建立映射函數，從而誕生真正的自主智能。但是只要存在算法，必然就存在人的因素，除非算法符合智能誕生的原始狀況，自行演進。簡而言之，強人工智能是有知覺、有意識、能推理、能解決問題的智能機器。而現階段人工智能，無論完成多複雜的任務，本質均是實現向量空間中的映射，並沒有思維的能力。現有的創新多停留在算法模型框架層面的創新，都是人爲創造和規定的，性能比較也停留在算得快、算得准，從未有關于AI創造力如何的評價。但是，不排除隨著技術形式的變化和更替、腦科學等學科的深度發展，強人工智能會以怎樣一種目前無法想象的狀態出現，促使AI機器從“專用智能”走向“通用智能”。
由國務院發展研究中心技經所人工智能研究團隊參與編制的《人工智能全球格局：未來趨勢與中國位勢》
觀察者網：中國在人工智能基礎算法上的投入和産出如何？
受訪團隊：一方面，我們需要肯定中國在人工智能算法研究上取得的優異成績。2019年，中國人工智能論文數量、專利申請量都已經高居全球第一。以中科院、清華大學、中國科技大學和西安交通大學等爲代表的科研院所，在機器學習和深度學習算法研究上貢獻了大量高質量論文。以百度、阿裏巴巴和騰訊爲代表的科技巨頭和以商湯、科大訊飛和深蘭爲代表的獨角獸企業，在語音識別、自然語言處理、計算機視覺和智能駕駛等AI算法開發中取得了不俗成績。毫無疑問，中國在人工智能算法上的進步速度十分顯著，投入和産出效率非常高。但另一方面，我們也需要審視中國在核心算法、底層技術上的不足。2019年“徐匡迪之問”引發了業界的廣泛共鳴，中國人工智能領域真正搞算法的科學家鳳毛麟角，基礎核心算法的缺失未來或將成爲中國人工智能發展的“瓶頸”所在。比較來看，美、歐、日的數學基礎更加紮實，在人工智能算法研究時更能從基礎理論上實現“突破”。舉個不太恰當的例子，谷歌公司軟件有TensorFlow，硬件有TPU，算法有AlphaGo、AlphaZero，其對人工智能技術的理解、對人工智能基礎算法的投入，是當前任意一家中國企業所不能比擬的。總體而言，中國人工智能強在數據規模、産業應用，而弱在核心算法、基礎算力。
在此需要特別指出的是，人工智能的發展仍處在非常初期的階段，正如萬裏長征只邁出了一小步。當前存在的優勢或者劣勢，在人工智能新理論出現後，很可能會變得無關緊要。在這一超長期的科技賽道上，我們必須高度關注腦科學、神經科學和數學等最底層的理論研究，人工智能競爭最激烈的時刻永遠在未來。
觀察者網：在推動人工智能發展的過程中，政府、科技巨頭、風投機構和初創企業各扮演什麽角色？
受訪團隊：政府主要承擔“開路人”的作用。2020年1月，美國白宮就管理人工智能的發展及應用提出監管原則，要求政府盡量少幹預。與美國不盡相同，我國除了“少幹預”，也要做到“強引領”、“強調和”、“強救濟”。“強引領”要求政府發揮好總領全局的抓手作用，在人工智能發展規劃、法律法規制定和産業政策上進行總體引領。既要爲産業發展創造機會，也要爲産業發展保駕護航。“少幹預”只是對技術細節和發展模式的不幹預，對于發展方向和法律、道德建設上的引領，政府還是居于主導地位。“強調和”指的是要調和企業之間過于激烈的競爭，保護市場競爭有序、高質量進行。至于“強救濟”，時下，外部勢力欲打壓我國AI産業發展勢頭，只有政府有能力站出來發揮保護、救濟作用，保護我國AI産業發展能力儲備。
科技巨頭主要承擔“風向標”的作用。頭部企業有意願、有實力、有能力長期創新，這些企業在技術、商業模式上都有極強的創造能力。作爲市場的標杆，其對市場的帶動作用不可小觑。因此，如果企業願意通過開源或創建産業聯盟的方式，孵化、推動技術創新，將形成對市場形成正向激勵。如微軟、谷歌、阿裏巴巴、騰訊等公司已廣泛開展並貫徹如此的理念，對企業本身來說也帶來許多好處，如可以吸收優秀技術、建立廣泛普及的生態，進一步加快生態建設、促進科技創新、提高盈利能力。
風投機構則主要發揮 “補給站”的作用。風投機構不能因技術炒作而過度聚焦某一技術，也不能因爲利益對某些企業進行惡意做空。風投機構發揮好了自身作用，能刺激市場增長；若發揮不好，則可能影響整個産業發展進程中的資金流動，甚至導致馬太效應，不利于技術創新。因此，投資也相當于“投票”，風投機構要把握好手裏的“投票權”，不可利用資本和關系脈絡強行操縱市場。而在這方面還尚有許多灰色地帶，監管無法觸及。
初創企業則要起到排頭兵的作用，利用好中國創業成本低、政策寬松的優勢，穩紮穩打進行技術創新，同時發揮體量小的優勢，實現創新成果快速商業化。
總而言之，各界各方都要發揮好我國制度優勢，集中力量辦大事，才能共同推動人工智能産業又好又快發展。
觀察者網：與美國科技巨頭相比，中國科技公司在人工智能領域存在哪些優勢和不足？
受訪團隊：我國AI領域的科技公司具有較強的應用創新能力，以應用程序爲主的AI應用風靡全球，尤其是攝影攝像類的應用程序深受全球用戶青睐。且我國AI初創公司發展勢頭良好，吸引了業界大量關注。根據美國CB Insights智庫2019年發布的《AI 100》報告，全球100家最有前景的AI初創公司中，有11家“獨角獸”公司，其中5家爲中國公司。由此可見中國AI科技公司獲得了廣泛的認可和支持，未來這一趨勢將繼續擴大。
同時，中國AI科技公司賴以生存發展的政策環境更爲寬容、開放。我國在2017年將發展人工智能定位爲國家戰略，而美國國家級的人工智能戰略直到2019年才姗姗來遲。現有的政策環境和扶持力度是其他國家難以比擬的。拿深圳舉例，深圳是AI創新的重要基地，當地政府對企業的支持力度很高，公司注冊、審批等辦事流程非常簡潔，政府部門甚至開辟輪流進駐企業現場辦公的工作模式；深圳政府在中小企業融資方面的保障能力也走在全國前列。
再者，中國作爲世界上最大的單一市場，用戶數量的優勢對AI企業也是重大利好。龐大的用戶數量每天將産生大量的數據，而人工智能的開發、訓練很大程度上依賴大數據。從用戶行爲中總結出規律和需求，AI應用的效能可依此強化升級。
但是，我們也要認識到現存的差距。一方面，我國科技企業起步晚、基礎研發能力差，美國的IT行業起步早、技術積澱深厚。全球開發者廣泛使用的計算機、操作系統到開發平台，都是美國研發的，其中英特爾、英偉達和谷歌等公司處在壟斷地位。這方面的差距不是短期內能夠追趕的。另一方面，美國企業與高校聯系緊密，企業的許多項目與高校合作進行，創新能力強。在這方面，我國企業與高校的合作尚沒有形成遍地開花的局面。值得注意，美國的AI專利多來源于企業，而中國的AI專利多來源于高校。因此，高校的研發實力不容小觑，與高校合作從而加速創新，是企業需要考慮和把握的潛在機遇。再者，中國AI企業的應用面較爲狹窄，多專注于單一垂直行業。而美國的谷歌、Facebook和微軟等頭部企業都擁有非常多的業務部門，業務覆蓋面廣。舉例來說，微軟的AI業務跨度之大，從機器作畫到解決氣候問題不一而足，學科的交叉産生大量的前沿性成果。對企業來說，拓展業務將擴大成果創新的可能性，也將提高企業生存的能力，若垂直行業不景氣或者新興行業崛起，企業將有能力進行業務的轉型。
觀察者網：中、美、歐、日、韓在制定人工智能發展政策方面有什麽異同點？
受訪團隊：共同點來說的話，應該是大家都把人工智能納入了頂層設計，都提升到了國家戰略的高度，基本對人工智能技術的應用前景研判、技術的投入、人才的培養以及相關的制度保障等方面給予了關注，戰略眼光和布局比較長遠和宏大。
差異也是明顯存在的，每個國家肯定會根據自己的發展狀況與需求在政策上劃出側重點。
比如，我國17年頒布的《新一代人工智能發展規劃》以及後續的系列規劃文件中，都能體現出我們發展人工智能的重點是落在技術的應用上，更加注重技術的落地，要搶占科技制高點，推動整個産業的變革，來推動我們經濟的發展。
而美國戰略的目的就是維持其在全球人工智能的領導者地位，焦點在于如何面對人工智能全面發展的大趨勢，著眼于對國家長期安全與社會穩定的影響與變革，在技術研發和完善保障體系之外，對人工智能可能伴隨而來的風險給予了關注，更重視提高人工智能的可信賴度。
歐盟的戰略除了大家都有的推動AI研發與應用以外，將重頭戲放在了人工智能價值觀上，強調人工智能倫理、道德、法律體系的研究，他們想要在這一方面制定人工智能倫理准則，樹立全球標准，形成典範。確實在AI倫理與道德方面的建設上，歐盟是走在前面的。我國17年提出的《規劃》裏對這一塊的關注度就不太夠，不過後續也開始重視這方面的研究，倫理道德方面的影響也會隨著AI的發展更加凸顯出來，這是我們必須要直面，要解決的問題。
就日本和韓國而言，他們的人工智能戰略有更加明確的目標與抓手，側重于利用自己長期以來的優勢産業打頭陣，比如日本，從其強大的機械制造與機器人産業入手，充分發揮優勢，以此來推動機器人革命和人工智能技術，想要在解決面臨的人口老齡化，勞動力短缺問題的同時實現長足的發展。韓國也是如此，重點在努力把信息通信技術、半導體、電子原配件制造技術等優勢發揮到最大，推動韓國從“IT強國”發展爲“AI強國”。
觀察者網：最近幾十年應用物理發展很快，但基礎理論並沒有重大突破，人工智能是否能加速基礎理論突破？
受訪團隊：人工智能將推動數據密集型科學研究的革命。我們知道，基礎物理學中無論是研究宏觀尺度的天體物理學，還是研究微觀尺度的粒子物理學都十分依賴實驗觀測，實驗過程中往往會産生海量的數據。大數據處理正是當前人工智能爆發式發展的基礎，因此越來越多的物理學家正在借助人工智能探索物理學前沿。
例如：爲了處理大型三維宇宙學數據集，美國勞倫斯伯克利國家實驗室與英特爾、克雷公司合作，利用深度學習技術開發出物理科學應用程序CosmoFlow，並且在暗物質N體模擬實驗中得以應用。又如：世界上最大的粒子加速器是歐洲核子研究中心（CERN）的大型強子對撞機（LHC），其每秒可産生百萬GB的數據。研究人員通過機器學習技術來實時決定哪些數據需要保存，哪些數據可以丟棄。目前機器學習算法可以替代實驗人員70%工作量，大大提高了數據處理效率。
物理前沿正在向著多體問題、複雜模式等方向探索，這一切的推進離不開海量的數據支撐，隨著人工智能與科研數據處理深入結合，數據之下埋藏的新模式新規律將逐步揭示出來，基礎物理學將會迎來新一輪的理論突破。
觀察者網：在“變革生産力”與“調整生産關系”兩個方面，人工智能各起到什麽作用？
受訪團隊：生産關系的變革依托于生産力的躍進。人類在18世紀第一次工業革命機械化，到19世紀第二次工業革命實現電氣化，再到20世紀第三次工業革命實現信息化。人類物質生産能力得到跨越式發展。21世紀的第四次工業革命正在孕育之中，人類也朝著智能化方向闊步向前，促進這次變革的核心力量正是人工智能。
在生産力變革方面，人工智能將完成體力和腦力勞動的逐步替代。曆次工業革命的主題都是人類對機器操縱使用方式的變革，在第四次工業革命中，從事生産的機器大規模全自動化將成爲此次革新的顯著標志。盡管經濟活動可能永遠需要人類作爲主導，但一個完全由機器運營的經濟形態正在形成。人工智能的自主感知、自主學習、自主決策不僅可以驅動機器自主運行，而且可以將機器運行在最優狀態。更重要的是，機器之間不再由人類調配協同，人工智能可以在各個層次合理配置資源，使整個物質生産過程以最優化方式進行。這意味著，機器不只是對體力勞動進行簡單替代，也在逐漸對部分腦力勞動進行替代。這一過程將徹底改變人類的生産方式，大大擴展人類的物質生産邊界。
在生産力關系調整方面，人工智能將促進生産資料和社會組織的平等化。由于人工智能促進了物質生産方式的革新，人類從事物質生産活動的時間將逐步降低，更多的時間可以從事創造性活動。人類會逐漸擺脫對機器的依附，成爲更獨立的人。很多人認爲，未來生産關系將變成人和機器，甚至人和機器人的關系。歸根結底，其實生産關系最終體現的還是人和人的關系。隨著人類社會智能化水平的提高，生産資料將更加難以集中掌握在某個群體，物質生産和社會組織的民主化將會把原有的生産關系徹底改變。現在我們還只能探討其中的趨勢，相信在不遠的將來，與智能化社會相適應的生産關系將會逐步産生。這一切需要我們一起參與，一起見證。
觀察者網：有觀點認爲“人工智能實際上就是統計學+概率論”，對此您怎麽看？
受訪團隊：當前人工智能的爆發，離不開大數據處理和機器學習技術的快速發展，而這兩者的根基正是概率論和統計學，因此很多人認爲人工智能就是統計學+概率論。
我認爲這種觀點是片面的。人工智能分爲兩個層級，分別是弱人工智能和強人工智能，兩者具有本質的區別。前者是單一方面的智能，例如AlphaGo在棋類遊戲中的表現，這是目前深度學習技術運用的經典範例，統計學方法確實這一層級智能的有效實現路徑。然而，強人工智能或者稱類腦智能，通俗來說就是擁有人造大腦、會思考、會學習的智能體。其本質上就是利用算法模擬神經元工作機制，像人腦一樣處理信息、做出決策。基于統計學路徑的深度學習方案目前來看是無法實現類腦智能的。究其根本，是因爲統計學在複雜感知數據中只能找到某一個層面的模式，難以形成多種認知功能，也就難以達到模擬人腦的效果。
長遠來看，人工智能的發展目標是實現強人工智能，也就是讓智能體能像人類一樣處理各種繁雜事務，且可以在多個場景中自由切換，這就離不開對人腦結構、認知模式的深入研究，以形成類腦信息處理模式。因此，人工智能的發展離不開統計學+概率論，但也絕不能將其簡單歸結爲統計學+概率論。
觀察者網：AI大規模應用必將裹挾諸多風險，如人工智能倫理、隱私數據保護等，中國AI治理觀念與歐美有何不同之處？
受訪團隊：近年來，得益于算法、算力及數據的提升，人工智能技術迎來了前所未有的發展，並逐漸成爲國際社會廣泛關注的話題，與此同時，人工智能技術的研發和應用也帶來一系列倫理挑戰。
近期我們看到有機構回顧了2019年全球十大人工智能治理事件，包括自動駕駛安全事故頻出、“監測頭環”進校園惹爭議、AI換臉應用引發隱私爭議、AI編寫假新聞足以亂真等內容。
目前，全球公開渠道可見的人工智能治理准則或指導方針方面的文件已超過80個，2019年4月8日，歐盟委員會以“建立對以人爲本AI的信任”爲題，發布歐洲版的AI倫理准則，期望建立“以人爲本、值得信任”的AI倫理標准，不斷促進社會公衆接受AI技術、應用AI技術。2019年5月22日，OECD成員國批准了人工智能原則即《負責任地管理可信賴的AI的原則》，該倫理原則總共有五項，包括包容性增長、可持續發展和福祉，以人爲本的價值和公平，透明性和可解釋，穩健性和安全可靠，以及責任。2019年5月25日在北京發布的《人工智能北京共識》針對人工智能的研發、使用、治理三方面，提出了各個參與方應該遵循的有益于人類命運共同體構建和社會發展的15條原則，將關注“服務于人”，將“和諧與優化共生”這一中國哲學和文化中的特色理念，融入人工智能治理原則當中。2019年6月17日，國家新一代人工智能治理專業委員會發布《新一代人工智能治理原則——發展負責任的人工智能》，強調和諧友好、公平公正、包容共享、尊重隱私、安全可控、共擔責任、開放協作、敏捷治理等八條原則。
經過梳理可以發現，圍繞透明、公正和公平、不傷害、責任、隱私這五個方面的倫理原則呈現出全球趨同的局面。然而，細細分析，也可以看出中西方在應對人工智能倫理問題上的一些差別，即西方強調“以人爲本”，而中國更關注“和諧包容”，治理理念區別的背後是中西方文化和價值觀的不同。
人工智能的研發應用具有跨國界、國際分工等特點，人工智能治理問題也特別強調國際協作與協調。隨著人工智能的進一步發展，人與機器的關系也將發生變革，那時西方“以人爲本”的價值觀未必能夠適應新型人機關系，而傳統中國智慧很可能成爲破解人工智能治理難題的解藥。
觀察者網：關于“人工智能泡沫”“深度學習遭遇寒冬”等的學術討論越來越多形成鮮明對比，對此如何解讀？
受訪團隊：在《人工智能全球格局：未來趨勢與中國位勢》新書中，筆者結合2000年左右的互聯網“泡沫”經曆，總結了當下“人工智能泡沫論”的主要論點：
人們對于人工智能改變生活的預期與AI現實能力不匹配。以自動駕駛爲例，汽車生産商對全自動駕駛（Level 4）的實現時間盲目樂觀。Delphi和MobileEye承諾于2019年實現Level 4自動駕駛系統，Nutonomy公司計劃于2019年在新加坡街頭部署無人駕駛出租車，特斯拉CEO馬斯克在2020年1月聲稱，特斯拉車型的“完全自動駕駛”功能即將到來。但加裏·馬庫斯等專家認爲，實現完全自動駕駛可能需要數年甚至數十年，屆時才能實現可以避免事故的自動駕駛系統。
資本界和媒體對人工智能的理解與AI現實能力不匹配。部分資本界人士和媒體對人工智能的理解較爲片面，對人工智能現階段的能力認識不足。扭曲的信息在網絡中多次傳導，逐級放大，最終導致社會整體認知的缺陷。
以人類智能爲基准，現有的人工智能技術或許連嬰兒的水平都達不到。以深度學習爲代表的機器學習技術，也僅僅是實現真正人工智能的一小步。在可以預見的未來，新型AI算法、算力和大數據技術或將不斷取得新突破，人工智能也仍將持續保持高速發展態勢。與前兩次AI浪潮相比，第三次AI浪潮可以解決的問題已大大拓展，我們對人工智能未來的發展應該持有樂觀的心態。但同時，資本的瘋狂追逐、誤導性的宣傳也會持續下去，人們對AI改變生活的預期和AI現實能力的不匹配，必將導致“AI泡沫”的産生。未來一段時間，人工智能的發展或將呈現冰火兩重天：有能力的公司加速擴張，沒能力的公司迅速潰敗。
曆史上，很多研究領域都經曆過萌芽期、發展期、泡沫期，最後回歸正常。2000年互聯網泡沫破滅後，互聯網的發展重新回到正軌，此後更是孕育谷歌、亞馬遜、Facebook等互聯網巨頭的崛起。一定程度的泡沫，對行業的發展是利好因素。泡沫的破滅，也只是去掉不合理、空虛的東西，而把合理地、有價值的事物給沉澱下來。在新一輪人工智能發展浪潮中，泡沫是一定存在的，但我們大可不必擔心人工智能的前景。新型算法、先進算力、大數據技術的發展，必將引領人工智能更新一輪熱潮的發展，泡沫也必將成爲人工智能理性發展的墊腳石。
觀察者網：近期《南華早報》報道“中國人工智能領域人才繼續留美，上升空間幾乎爲零”。一直以來，華人在美國科技公司中擔任高管的人數較少，是哪些原因導致的？
受訪團隊：當前在美國科技公司，尤其是硅谷，確實存在印度裔高管比比皆是，而華人則多偏向于工程師，但高管寥寥無幾的情況。造成這個問題的原因是多層次的。
首先，語言差異在一定程度上對華人融入美國文化造成了限制。盡管在海外華人工程師通常具有良好的英語基礎，可以熟練應付英語讀寫和編程操作，但與印度人將英語作爲官方語言從小訓練相比，我們在語言交流上還是存在一些障礙。而語言的障礙恰恰又會對華人融入美國文化形成一種無形的障礙，所以我們衆多華人工程師爲了避免這種沖突與隔閡，更傾向于埋頭鑽研技術問題，少有表達。但作爲公司高管，文化上的融入與語言交流的積極主動是必不可少的。
其次是文化差異。中國文化中的“內斂、實幹、低調、謙和”等特質是深深镌刻在每一位華人骨子裏的。例如，面對業務問題時，中國人講究“知者不言，言者不知”，偏向于先把自己所轄的業務領域吃透再去表達，而不樂于在研究過程中積極交流；面對工作安排時，中國人的思維方式強調“服從”，偏向于執行上級布置的任務；而硅谷科技公司往往鼓勵自由討論、主動提出想法、主動帶領團隊開展攻關，這本質上其實就是一種文化的差異。在這方面，印度人不論在表達溝通上，還是爭取資源、爭取利益的主動性上，都比華人具有更強的適應性。
再次是能力培養方面的偏好差異限制了華人的發展空間。在能力培養方面，華人更偏重于技術深造，而輕于商業能力和領導力方面的培養。與印度人相比，有一項調查顯示，印度裔在碩士畢業之後讀MBA的比例達28%，而華人讀MBA的比例則不足8%，但讀博士的比例則高達近30%。因此我們可以看出，華人往往信奉“技術才是硬實力”的原則，這條原則可以造就高級的工程師，但無法成就一名企業高管。因爲管理者最重要的能力素質並不是技術，而是如何發揮團隊的最大效力。
除了以上三大因素之外，影響華人高管比例的還有群體團結、種族認同，以及近年來尤其明顯的出于政治考量的簽證限制等。
觀察者網：人工智能在疫情防控和公共安全方面可以發揮哪些作用？
受訪團隊：現有的人工智能技術雖然無法達到強人工智能的水平，無法進行自主思考，但憑借近年來的研究積澱，人工智能技術已能通過大量數據的訓練習得許多技能，幫助人類完成許多複雜任務，提高工作效率、提高生産力水平。在此次抗疫工作中，人工智能發揮作用的場景主要集中在以下幾個方面：
一是預測與分析類工作。人工智能可以幫助我們對疫情發展與傳播的趨勢進行預測，從而改進防控措施，主動應對疫情影響；也可以幫我們完成病毒基因測序、新藥的開發工作。以上工作中都涉及大量數據及模糊數據，數據模型較爲複雜，難以用經典計算模式完成。人工智能可以一定程度上緩解算力壓力，同時尋找解決問題的捷徑。
二是檢測與監控類工作。依托于圖像識別與熱成像技術，AI檢測設備可幫助工作人員對人流量、人員體溫和口罩佩戴情況進行檢測，對體溫過高的人員和未按規定佩戴口罩的人員進行識別並發出警告。相關技術已經較爲成熟，識別准確度高，可同時進行多人檢測，且無需接觸體表，爲防疫管理提供了便捷。相關設備已在部分城市的車站、街道等人流相對密集的地點投入使用。圖像識別技術同樣可以幫助醫療工作者對患者醫療影像數據進行分析診斷，減輕醫療工作者的工作壓力。
三是智能客戶服務工作。近年來，自然語言處理技術的發展使得人工智能聊天機器人進步飛速，聊天機器人已能與用戶進行溝通。聊天機器人不僅可以運用于客戶服務和簡單問診工作，亦可爲用戶提供情感關懷。先進的聊天機器人更是可以識別語音、文字中的情感信息，並對用戶進行疏導、勸解。此技術有望爲長期奮戰在一線的醫護人員、隔離治療的患者以及在家中隔離的人群在一定程度上給予情感上的關懷，緩解緊張心情。
需要注意的是，自動化工具並不等于AI，替代簡單重複勞動是自動化工具要爲我們完成的任務，而AI則幫助我們解決更加複雜問題。
本文系觀察者網獨家稿件，文章內容純屬作者個人觀點，不代表平台觀點，未經授權，不得轉載，否則將追究法律責任。關注觀察者網微信guanchacn，每日閱讀趣味文章。