bat365中文官方网站金融科技概论 课件第4章• 最后一个方面同时也是当前引起最多争议的一个方面——人工智能对人类及其未来的影 响。现如今人工智能不仅用于工作，而且开始对我们经济bat365中文官方网站、和日常生活都产生深远 的影响，但面对人工智能的蓬勃发展，我们却不免陷入迷茫当中，因为我们无法准确地 预测到人工智能未来的趋势，无法准确判断人工智能的飞速发展是好事还是坏事，其背 后究竟是机遇还是挑战。认为人工智能不具有主体地位、提议自上而下的方式“嵌入” 人类的伦理道德和价值观的大部分学者对此持乐观态度;而认为人工智能具有主体地位、 倾向于使人工智能自主习得人类的伦理道德和价值观的学者则普遍是悲观的态度。目前 来说，人工智能对人类及其未来影响只能从实践的角度去看, 只有随着科技和社会的发 展我们才能看清人工智能和人类的未来。

　　他、她、它的背后，都有一个共同的名字：人工智能。人工智能到底是什么？ 能为人类做什么？我们该如何使用？它与金融是如何结合的？这些问题你都可以从 本章中获得答案。

　　• 最后，在人工智能是否可能具有“人性”方面学界依然存在争论。古往今来，不少学者 都对人具有社会性这一特点极为关注，许多学者认为人工智能只是一堆金属，即使最终 会有思考的能力，但也不可能会有社会性，他们不可能会像人一样具有丰富的情感，不 会懂得喜怒哀乐，也不会产生与追求，不会理解人类的情感，通俗来说即没有“人 性”，也因此无法和人类一样拥有主体地位。而不少学者却并不这样认为，他们提出这 个问题完全可以在技术发展到一定程度之后加以克服，现今虚拟技术日益发达，以后可 以将人工智能放入虚拟时空，人工智能可以在经过加速之后的时间里获得与人类相同的， 真实的社会经历，从而产生和人类一样的情感，此时人工智能便可以完全的融入人类社 会。

　　McCarthy）等人在达特茅斯学术会议上首次提出，并正式采用了“人工智能AI”这一术 语 • 1969年的举办的国际人工智能联合会议则标志着人工智能已得到了国际的认可。

　　• 人工智能是关于知识的学科, 是怎样表示知识以及怎样获得知识并使用知识的科 学。 ——尼尔斯·约翰·尼尔逊（Nils John Nilsson）

　　• 机器学习（Machine Learning, ML)是一门多领域交叉学科，其内容涉及概率论、 统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习是人工智能的 核心，是使得计算机能够具有智能的根本途径，其主要研究对象为如何设计算法 使得计算机能够模拟或实现人类的学习行为以获取新的知识和技能，并且在学习 过程中能够重新组织已有的知识结构使自身不断优化。其应用遍及人工智能的各 个领域，主要使用归纳、综合而不是演绎的方法。

　　• 大量优秀的学者的投入掀起人工智能发展的第一个，但也正因为这些发展初期的大 量突破性进展，学者们对人工智能期望被大大的提升了bat365中文官方网站，然而，接二连三的失败和预期 目标落空带来的沮丧使人工智能发展步入低谷。

　　• 于是从二十世纪七十年代中期开始，人工智能研究进入了“知识期”。在这一时期，大 量“专家系统”问世，这些发明在很多应用领域都取得了显著的成果，如在医疗、化学、 地质等领域都取得巨大的成功，推动人工智能走入应用发展的新，费根鲍姆 （Feigebaum）作为“知识工程”之父于1994年获得图灵奖。由此，人工智能实现了巨大 的突破，完成了从理论研究走向实际应用、从一般推理策略探讨转向运用专门知识的重 大转变。

　　• 卡内基梅隆大学的汤姆米切尔（Tom Mitchell）教授在其于1997年出版的书籍 《Machine Learning》中对机器学习给出了一个非常专业且在学界内被多次引用 的定义。这个定义如下：如果一个程序可以在任务T上，随着经验E的增加，效果 P也可以随之增加，则称这个程序可以从经验中学习。

　　首先从多个方面描绘中国人工智能的发展面貌： • 论文产出方面。中国人工智能领域的论文总量世界第一，但引文影响力指标（FWCI）相

　　对落后于美国，但从占比角度来说人工智能领域论文全球占比从1997年4.26% 增长至 2017年的27.68%，遥遥领先其他国家。

　　• 二十世纪五十年代到七十年代初，人工智能研究处于“推理期”，那时人们着力于赋予 机器逻辑推理能力，那时认为具有这一能力的机器即具有“智能”。这一阶段的代表性 工作主要有纽维尔（Newell）和西蒙（Simon）的“逻辑理论家”(Logic Theorist)程序 以及此后的“通用问题求解”(General Problem Solving)程序等，并且这些工作在当时 取得了令人振奋的结果。例如，“逻辑理论家”程序证明了《数学原理》中的全部定理， 甚至有定理比原作者罗素（Russell）和怀特海（Whitehead）证明得更巧妙，纽维尔和 西蒙也因此获得了1975年图灵奖。

　　1. 了解人工智能的发展历程及现状； 2. 掌握人工智能的基本概念； 3. 熟悉人工智能的常用算法和底层技术； 4. 深入理解人工智能的相关案例。

　　有这样一位“学习达人”，“他”的学习速度是人类的几万倍，数小时便可以 获得常人一生才能获取的知识量，仅数月的学习训练就能战胜当今最强的围棋棋手！ 有这样一位“翻译专家”，“她”能够高速同步地将他人所述翻译成任何语言，无 论是准确性还是流畅度都不逊色于学习多年的专业翻译！ 有这样一双未卜先知的“眼睛”，城市里错综复杂的十字路口和成千上万的路段都 在“它”的视野里，并能提前告诉你5分钟后、10分钟后，乃至1小时后的路况信息！ 路况预测准确率在 91%以上！ ……

　　• 产品应用方面。中国人工智能市场增长迅速，这其中计算机视觉市场规模最大，应用范 围最为广泛，语音和视觉类产品也最为成熟。伴随着算法、算力的不断演进和提升，有 越来越多基于语音、自然语言处理和视觉技术的应用和产品落地。

　　接下来对国外人工智能发展动态进行介绍。 世界主要发达国家均把发展人工智能作为提升国家竞争力，维护的重

　　• 专利申请方面。中国已经成为全球人工智能专利布局最多的国家，在数量上略微领先于 美国和日本。

　　• 人才投入方面。近些年，在总量以及杰出人才比例上，中国都显得不够出色。根据领英 于2020年发布的《全球AI领域人才报告》显示，中国的人工智能相关人才总数也超过5万 人，位居全球第七，与榜首英国的85万人以上相差甚远。

　　大战略，自2013年以来，美、德、英、法、日等国都纷纷出台人工智能战略和政策。 各国人工智能战略各有其侧重点，美国的主要关注点集中在人工智能对国土安全、 经济发展和科技领先等方面的影响；欧盟国家更为关注人工智能带来的安全、隐私、 尊严等方面的伦理风险；日本则希望能够利用人工智能技术推进其超智能社会的建 设。

　　• 随着人工智能的应用规模不断扩大，专家系统存在的推理方法单一、缺乏常识性知识、 应用领域狭窄、缺乏分布式功能、难以与现有数据库兼容等问题逐渐被暴露出来，一些 学者由此想到，如果机器能够像人类一样具有自主学习知识的功能该多好，之后机器学 习便开始走上了历史的舞台。

　　• 二十世纪九十年代中至2010年，由于网络技术特别是互联网技术的发展，加速了人工智 能的创新研究，促使人工智能技术进一步走向实用化。2011年至今，随着大数据、云计 算、互联网、物联网等现代化信息技术的发展，图形处理器和泛在感知数据等计算平台 不断推动以深度神经网络为代表的人工智能技术飞速发展.

　　• 人工智能的思想萌芽最早可以追溯到十七世纪由帕斯卡（Pascal）和莱布尼茨（Leibniz） 提出的有智能的机器的想法

　　• 英国科学家巴贝奇（Babbage）于1834年发明了分析机，是第一架“计算机器”，它被认 为是现代电子计算机的前身，也被认为是人工智能硬件的前身

　　• 世界上第一台电子计算机“ENIAC”由莫克利（Mokley）和艾克特（Act）于1946年发明 • 作为一门学科，人工智能于1956年诞生，由“人工智能之父”约翰·麦卡锡（John

　　• 针对人工智能伦理设计不同方式这一方面，对人工智能是否具有主体地位这一问题的不 同看法导致了对人工智能伦理设计不同方式的争论:认为人工智能同样具有主体地位的学 者倾向于人工智能应采用自主学习、自下而上的方式学习人类的伦理道德和价值观；而 对 对人工智能是否具有主体地位这一问题持否定态度的学者则认为人工智能伦理设 计应采取自上而下的方式“嵌入”人类的伦理道德和价值观。学界至今针对于这两种不 同的方法仍未得到一个统一的答案，现今无论是自下而上自主学习的方法和自上而下 “嵌入”式的方法都面临着重重苦难与挑战。因此将自主学习和“嵌入”式的方法结合 起来, 吸收二者的优点的同时避免二者的缺点, 看起来是目前较好的选择了。

　　• 人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。 ——帕特里克·温斯顿（Patrick Winston）

　　• 1950年，阿兰·图灵提出了图灵测试，据此来判定计算机是否智能。图灵测试认为：如 果一台机器能够通过电传设备与人类展开对话的时候而不被辨别出其机器身份，那么称 这台机器具有智能。

　　• 企业规模方面。中国人工智能企业数量为全球第二，北京是全球人工智能企业最集中的 城市。截至2018年6月，全球共监测到人工智能企业总数达4925家，其中美国人工智能企 业数2028家，位列全球第一。

　　• 风险投资方面。中国已成为全球人工智能投融资规模最大的国家，根据2013年到2018年 第一季度全球的投融资数据显示，中国在人工智能投融资规模上已经超越美国成为全球 最“吸金”国家bat365中文官方网站，但是在投融资笔数上，与美国仍有一定差距。