农e金服,运营推广,入驻会员

[专访]李勇坚:推动人工智能和实体经济深度融合

  推动人工智能和实体经济深度融合

  ——专访中国社会科学院财经战略研究院互联网经济研究室主任、研究员李勇坚

  中国社会科学网讯(记者 潘玥斐)党的十九大报告指出,建设现代化经济体系,必须把发展经济的着力点放在实体经济上,把提高供给体系质量作为主攻方向,显著增强我国经济质量优势。加快建设制造强国,加快发展先进制造业,推动互联网、大数据、人工智能和实体经济深度融合,在中高端消费、创新引领、绿色低碳、共享经济、人力资本服务等领域培育新增长点、形成新动能。围绕人工智能和实体经济深度融合的相关问题,记者专访中国社会科学院财经战略研究院互联网经济研究室主任、研究员李勇坚。
人工智能,实体经济,数字经济

[专访]李勇坚:推动人工智能和实体经济深度融合

  记者:在您看来,为何要推动人工智能和实体经济深度融合?

  李勇坚:2017年7月20日,国务院印发《新一代人工智能发展规划》。根据规划,到2020年,人工智能核心产业规模超过1500亿元,带动相关产业规模超过1万亿元。到2030年,人工智能核心产业规模超过1万亿元,带动相关产业规模超过10万亿元。2017年12月,工信部发布的《促进新一代人工智能产业发展三年行动计划(2018-2020年)》(以下简称《行动计划》)也强调了人工智能对相关产业,尤其是智能制造的带动作用。《行动计划》指出,人工智能具有显著的溢出效应,将进一步带动其他技术的进步,推动战略性新兴产业总体突破,正在成为推进供给侧结构性改革的新动能、振兴实体经济的新机遇、建设制造强国和网络强国的新引擎。

  从规划目标可以看出,我国人工智能产业发展的重点在于其带动性,到2030年,核心产业与相关产业的比重要达到1:10。因此,人工智能和实体经济深度融合,是发挥人工智能产业对相关产业带动的重要途径。

  在理论上,Erik Brynjolfsson(2017)认为,人工智能是一种通用技术(General Purpose Technologies,GPT)。GPT作为一个明确的经济学概念,由Bresnahan and Trajtenberg(1992)首先引入。在他们的定义里,技术具有一种树状结构,几个主要的技术位于顶部,其他所有技术均由他们派生出来。他们定义GPT具有三个重要特征:普遍使用、创新互补以及技术动力性(pervasiveness in use, innovational complementarities, and technological dynamism)。普遍性意味着一种GPT能够在许多下游领域使用,因为其提供了一种基础性的功能(generic function)。技术动力性是指GPT支持持续的创新活动与学习,而后者又导致GPT的生产效率随时间而大大增加。创新互补是指下游领域的许多研究与开发活动的生产率随GPT的创新递增。

  人工智能作为GPT,对各个行业的渗透潜力非常大,而且,经济发展的历史证明,GPT的渗透是一个漫长的过程,这意味着人工智能在各个行业的渗透,将是一个持续的过程。这也是人工智能和实体经济深度融合发展的理论基础。

  记者:人工智能和实体经济深度融合可以从哪些方面展开?要实现两者的深度融合,还有哪些亟待解决的问题?

  李勇坚:人工智能和实体经济深度融合,从产业发展视角看,主要是人工智能与农业的深度融合,以及人工智能与制造业的深度融合。

  在与农业的深度融合方面,人工智能主要在以下几个方面展开:第一,利用人工智能技术更好地解决农产品需求预测等方面的问题,避免农业生产的产量与价格波动。农产品价格波动大,给生产者与需求方都带来了不利影响,其中核心的问题在于需求预测。而利用人工智能技术,可以根据动态发展的数据,提供更精准的预测,解决农产品的产量与价格波动。第二,提高农业生产的智能化水平,提升农业整体生产效率,确保农产品质量安全。《国务院关于印发新一代人工智能发展规划的通知》(国发〔2017〕35号)就明确对人工智能在农业生产领域的应用做出了非常具体的安排。第三,建立智能化的农业生产服务体系。十九大报告明确提出,要“健全农业社会化服务体系”,就是根据农业生产的新方向与新现象做出的战略安排。而人工智能技术在农业社会化服务体系建设方面大有可为。

  在与制造业的深度融合方面,人工智能主要在以下几个方面展开:第一,市场销售层面:利用人工智能,更好地了解客户的需求,制造出更加符合客户需求的产品,为客户创造更大的价值;尤其是通过与客户的联系建立,实现大规模定制化生产;第二,生产研发制造层面:人工智能技术有利于大幅度提升研发效率,例如,利用人工智能技术,研发出各种制造业使用的工业机器人,有利于提升生产效率;又如,利用计算机视觉,能够在质量检验、过程控制方面做得比人更好;而人工智能在生产制造过程中的节能降耗、管理绩效等方面也将大有可为;人工智能技术也将对企业的生产流程进行再造,打造适应定制化的生产流程,提高生产线的灵活度与适应能力;第三,物流与售后服务层面:通过人工智能技术加快产品的流通速度,让产品更快地传递到客户手上。例如,智能化仓库,自动补货系统等。而人工智能售后服务不但能够节省人力,更能够将售后服务数据化。

  存在的问题:

  第一,目前人工智能在农业、工业生产领域的渗透率还很低,数据量小,各种数据不能共享,导致人工智能的作用无法充分发挥出来。例如,由于营销端的数据与研发端的数据无法完全共享,使人工智能在研发领域的应用并不充分。

  第二,人工智能在中小微企业的应用方面仍处于空白。目前人工智能对实体经济发展的作用方面,仍未能实现普惠,对中小企业发展不利。

  第三,人工智能在与实体经济的融合发展之后,必将带来新的商业模式。这些商业模式的配套政策与支持力度还不够。例如,无人驾驶将带来交通产业商业模式的创新,但是,这方面的政策基本还处于空白。

  第四,对人工智能与实体经济深度融合发展的特殊政策环境研究不够。人工智能与实体经济融合发展所需要的政策环境是一个复杂的系统。因为人工智能的应用,带来了非常复杂的社会经济问题。人工智能的应用并不是简单地提高效率式的应用,而是带来了全新的产品及人机关系或人-产品关系,这使其应用的政策体系需要涉及到更多的方面。例如,数据权利的问题,人工智能的测试环境问题、人工智能的责任体系问题等,这些都是在以往的政策之中很少出现的。

  记者:在您看来,要实现人工智能和实体经济深度融合,需要着力做好哪些方面的工作?

  李勇坚:第一,加大宣传力度。从调查数据看,我国大部分企业对在研发、生产、营销等领域全面应用人工智能的应用缺乏信心,对人工智能在生产领域应用的效果缺乏足够的认知。因此,应该加大宣传推广力度,让企业认识到,人工智能更大的应用空间是在企业的研发设计、制造、物流、售后服务等领域,使其有应用这些新技术的认知与动力。

  第二,在国家层面设立整合推进机构。人工智能的应用领域非常广泛,其技术研发、实际应用等诸多方面都涉及到多个政府主管部门。从政府主管部门看,涉及到工信部、商务部、发改委、科技部等诸多部门,这些部门对数字经济的某个部门或者某个环节进行管理。但是,从现有的政府架构看,缺乏一个统筹推进人工智能与实体经济融合发展的机构或部门,容易使这些新技术应用过程中形成碎片化,各个行业或环节之间数据缺乏共享机制。因此,应设立一个整合推进机构,统管人工智能与实体经济的深度融合,为这些技术发挥更大的作用创造良好的条件。

  第三,关注人工智能带来的安全问题。人工智能带来了一系列的安全问题,这也是妨碍人工智能大规模应用的一个重要方面。国家对人工智能安全问题高度重视。《行动计划》指出,针对智能网联汽车、智能家居等人工智能重点产品或行业应用,开展漏洞挖掘、安全测试、威胁预警、攻击检测、应急处置等安全技术攻关,推动人工智能先进技术在网络安全领域的深度应用,加快漏洞库、风险库、案例集等共享资源建设。

  但是,在实际运用过程中,不要把安全管理泛化。人工智能的应用给社会安全带来了新的挑战,这需要我们在政策体系上进行规制。但是,这种规制一定要是包容的,有利于产业持续发展的,不能以安全管理的名义对创新进行抑制,更不能盲目追求绝对安全,而是要基于动态的视角,建立更完善的政策制度。

  第四,鼓励各种商业模式创新。人工智能融入到实体经济之后,不但会带来各种各样的技术创新,而且也会带来各种业态创新与商业模式创新。这些业态创新与商业模式创新,会给传统的监管模式与机构带来新的挑战,因此,在国家层面对这些商业模式创新应出台激励政策,监管的原则应该是包容创新,先发展后监管。又如,利用人工智能技术对用户数据的挖掘,将产生大量的个性化定制。但是,对个体数据使用方面的规范,仍未能出台。

  第五,建立可实施、可落地、可操作的政策体系。当前,对人工智能产业出台的政策非常多,但是,从本质上看,这些政策宣示性、口号性的内容较多,实质性鼓励的、可落地、可实施的操作性政策较少。而且,很多政策之间相互不衔接,使人工智能的应用事实上存在着大量的政策障碍。

  第六,打造国家大数据中心,支持人工智能研发。人工智能的发展离不开数据的支撑。但是,目前的政策体系在数据的所有权归属、使用规范、责任追究等诸多方面,仍缺乏符合当下技术发展态势的政策,企业之间也缺乏良好的数据分享机制,这导致了大数据行业的很多乱象。因此,在大数据方面要加强顶层设计,有必要在国家层面建立一个大数据中心,实现数据的共享,以及加快对数据的研发利用,使数据成为人工智能快速发展的燃料与助推器。

0
收藏
农e金服,运营推广,入驻会员