【 內(nèi) 容 提 要 】

　最 近 十 余 年 ， 人 工 智 能 在 美 國 得 到 快 速 發(fā) 展 。

　目 前美 國 的 人 工 智 能 在 研 發(fā) 方 面 居 于 全 球 領 先 地 位 。

　學 術 機 構 是 美 國人 工 智 能 研 發(fā) 的 主 力 ， 企 業(yè) 界 的 作 用 也 在 不 斷 增 強 。

　人 工 智 能 已在 美 國 商 業(yè) 領 域 得 到 廣 泛 應 用 ， 催 生 了 眾 多 新 興 產(chǎn) 業(yè) ， 并 提 升 了傳 統(tǒng) 行 業(yè) 的 智 能 化 水 平 ， 從 而 產(chǎn) 生 了 可 觀 的 經(jīng) 濟 效 益 。

　美 國 也 在積 極 深 化 人 工 智 能 在 政 府 部 門 特 別 是 軍 事 領 域 的 應 用 。

　目 前 ， 美國 政 府 已 經(jīng) 制 定 了 較 為 完 整 的 人 工 智 能 戰(zhàn) 略 ， 進 入 了 快 速 實 施 階段 。

　特 朗 普 政 府 為 美 國 人 工 智 能 發(fā) 展 設 立 了 目 標 和 原 則 ， 成 立 了指 導 和 實 施 機 構 ， 注 入 了 大 量 資 金 ， 并 積 極 推 動 數(shù) 據(jù) 開 放 、 標 準制 定 、 人 才 培 養(yǎng) 、 政 府 與 企 業(yè) 合 作 以 及 風 險 管 控 。

　然 而 ， 美 國 人工 智 能 發(fā) 展 仍 面 臨 資 金 不 足 、 人 才 短 缺 和 政 策 執(zhí) 行 效 率 低 下 等 問題 。

　美 國 政 府 在 制 定 人 工 智 能 發(fā) 展 戰(zhàn) 略 時 ， 一 直 把 中 國 當 作 首 要的 比 較 和 防 范 對 象 ， 把 中 國 在 人 工 智 能 領 域 里 的 競 爭 視 為 爭 奪 世界 領 導 權 的 戰(zhàn) 略 競 爭 ，密 切 關 注 中 國 在 發(fā) 展 人 工 智 能 方 面 的 動 向 ，竭 力 防 止 中 國 在 人 工 智 能 領 域 獲 得 領 先 地 位 。

　人 工 智 能 的 發(fā) 展 將使 中 美 在 軍 事 與 安 全 、 貿(mào) 易 和 政 治 方 面 的 矛 盾 進 一 步 加 深 。

　】

　【關鍵詞】

　人工智能；高科技；戰(zhàn)略競爭；中美關系

　人工智能是一個迅速發(fā)展的高科技領域，它影響到一個國家政治、社會和經(jīng)濟生活的許多方面，對國際關系也具有潛在的重大影響。美國是最早發(fā)展人工智能的國家，目前它在人工智能方面處于全球領先地位。近年來，為了保持本國的經(jīng)濟競爭優(yōu)勢，美國政府尤其重視人工智能的發(fā)展，制定了詳盡的促進政策。這些政策不僅關乎美國自身，其影響還會傳導到國際關系和國際貿(mào)易領域。美國在高科技領域對中國的打壓就體現(xiàn)了這一點。因此，我們在國際關系和外交領域應當對美國人工智能的發(fā)展及政府發(fā)展戰(zhàn)略給予足夠的重視。

　一 一

　人工智能定義與重要相關概念 目前人工智能沒有普遍認可的定義。一種簡要的定義是:人工智能是“對思想和智能行為背后的計算原理的科學研究”。也可將人工智能定義為“能夠執(zhí)行通常需要人類智能，如視覺感知、語音識別、決策和語言翻譯任務的計算機系統(tǒng)的理論與發(fā)展”。因此，一般在提到人工智能時，可以把人工智能通俗地理解為“機器學習、自動推理、機器人、計算機視覺和自然語言處理（NLP）的總稱”。

　關于對人工智能更具體的描述，可以參考美國《2019 財年國防授權法》給出的定義: （1）任何在變化的、不可預測的情況下執(zhí)行任務而無須重大的人為監(jiān)督的人工系統(tǒng)，或者在接觸數(shù)據(jù)集時可以從經(jīng)驗中學習并改善性能的任何人工系統(tǒng)；（2）在計算機軟件、物理硬件或其他環(huán)境中發(fā)展起來的一種人工系統(tǒng)，用于完成需要類似于人的感知、認知、計劃、學習、交流或身體動作的任務；（3）一種被設計成像人一樣思考或行動的人工系統(tǒng)，包括認知結構和神經(jīng)網(wǎng)絡；（4）一組技術，包括旨在用于近似認知任務的機器學習；（5）一種旨在采取合理行動的人工系統(tǒng)，包括一個智能軟件代

　理或嵌入式機器人，它通過感知、計劃、推理、學習、交流、決策和行動來實現(xiàn)目標。

　哲學家約翰·塞爾（John Searle）區(qū)分了強人工智能和弱人工智能的區(qū)別。他提出了一個問題:計算機是否可以有頭腦，還是它們只能模擬頭腦-強人工智能要求計算機對其所做的事情有更深入的理解，確實是在思考而不只是模擬思考，塞爾認為強人工智能是不可能實現(xiàn)的。而弱人工智能雖然可能看起來像是智能的，但是它們對自己做的事情缺乏更深入的理解，也不具有自主意識。從這個意義上說，強人工智能與弱人工智能的區(qū)別同通用人工智能與專業(yè)人工智能的區(qū)別相類似。通用人工智能具有類似人類的思維和智能，“能夠執(zhí)行目前需要人類智能的任何認知任務或操作任務”，而專業(yè)人工智能是為一個特定目的而訓練的，很少有完成其他任務的能力。例如，2016 年 3 月谷歌公司研發(fā)的擊敗人類世界圍棋冠軍李世石的阿爾法狗就屬于專業(yè)人工智能的范疇，它不能進行人臉識別。迄今所有的人工智能應用都是以專業(yè)人工智能的形式出現(xiàn)的。人們普遍認為，目前人類距離開發(fā)出通用人工智能還十分遙遠。

　人工智能成為熱門是最近十幾年的事情，但它并不是一種新現(xiàn)象。人們公認，1956 年美國“達特茅斯學院人工智能夏季研究項目”研討會是人工智能概念形成的起點。項目主持人約翰·麥卡錫（錫（John McCarthy）邀請了包括語言模擬、神經(jīng)網(wǎng)絡和復雜性理論等在內(nèi)的各個學科的研究人員參加會議，澄清并提出與“思維機器”（thinking machines）相關的概念。會議的提案指出，“這項研究應當基于這樣的推測:原則上可以精確地描述學習的各個方面或智能的任何其他特征，以便制造出模擬它的機器”。早期的人工智能研究激發(fā)了人們巨大的熱情和期望，曾在 20 世紀 60 年代和 80 年代掀起兩次發(fā)展高潮，但由于受到算法、數(shù)據(jù)量、數(shù)學理論和計算機運算能力等因素的限制，所取得的成果有限，發(fā)展勢頭也兩次跌入低谷。至 2010 年左右，隨著互聯(lián)網(wǎng)時代大數(shù)據(jù)的積累和可獲得性、機器學習方法的改進以及機器處理能力的提高，人們重新燃起對人工智能的興趣，從而刺激了專業(yè)人工智能的發(fā)展。前兩輪人工智能熱潮是學術研究主導的，而新一輪熱潮主要是商業(yè)需求驅動的，并且產(chǎn)生了成熟的商業(yè)模式、廣泛的市場應用和可觀的經(jīng)濟效益。

　要了解人工智能的發(fā)展現(xiàn)狀，首先要了解以下幾個關鍵概念以及它們之間的關聯(lián)。

�。�1）機器學習。人工智能最重要的進步之一是機器學習，它是引領當前人工智能大發(fā)展的革命性技術突破。機器學習是獲得人工智能的一種方法，其重點是賦予機器學習的能力，這是通過數(shù)據(jù)和算法的結合來完成的。機器被輸入數(shù)據(jù)，之后使用算法來“研究”這些數(shù)據(jù)以發(fā)現(xiàn)模式，機器從這些數(shù)據(jù)中“學習”，目的是能夠執(zhí)行任務。一般來說，機器學習可以幫助研究者對數(shù)據(jù)進行分類、聚類和預測。在此基礎上，計算機能夠檢測惡意軟件、預測住院情況、檢查法律合同是否存在錯誤、防止洗錢、通過鳴叫聲來識別鳥類、預測基因功能、發(fā)現(xiàn)新藥、預測犯罪并適當安排警察巡邏、識別最適宜種植的農(nóng)作物、測試軟件以及標記文章等。

�。�2）算法。在機器學習中，算法是關鍵。算法是用機器語言一步步地描述如何執(zhí)行任務或計算。算法的目的是解決問題。至關重要的是，在輸入相同的條件下應當反復產(chǎn)生相同的結果。不同的算法適用于完成不同的任務。

�。�3）深度學習。深度學習是機器學習的一個領域，它受人腦結構的啟發(fā)，依賴于所謂的神經(jīng)網(wǎng)絡。這種機器學習神經(jīng)網(wǎng)絡可以從數(shù)據(jù)中學習，而無須外部指導。機器之所以能夠做到這一點，是因為它們可以通過調(diào)整部分編程來獲得更好的結果。深度學習是解決某些問題的絕佳工具，特別是涉及感知分類的問題，如識別音節(jié)和賓語。深度學習意味著系統(tǒng)“正確處理”的可能性增加了，它是基于該系統(tǒng)經(jīng)過多次迭代來識別圖像中的特定元素并根據(jù)識別是否成功而進行調(diào)整來完成的。這與人們通常理解的智能有很大不同。

�。�4）人工神經(jīng)網(wǎng)絡。人工神經(jīng)網(wǎng)絡為深度學習提供了動力。它們由多層次的“像一個大腦一樣的一組相互連接的模擬神經(jīng)元”組成。人們通過算法來模擬各個層次的神經(jīng)元。人工神經(jīng)網(wǎng)絡非常適合于識別圖像，它們從少量的圖像中學習，這些圖像已被手動標記為“貓”或“非貓”。網(wǎng)絡可以由此識別出一組特征，從而能夠識別圖像中的貓。同樣的原理也可用于分析衛(wèi)星圖像。

　在訓練方面，可以區(qū)分有監(jiān)督的、無監(jiān)督的和強化的學習。阿爾法狗是通過與人類對弈來訓練的。借助于強化學習，其后繼者阿爾法元可以在沒有人工輸入的情況下通過與自己對弈來學習。強化學習現(xiàn)在被用來訓練精通多個棋盤游戲的人工智能。目前深度學習為語音識別、圖像識別和自然語言處理等領域帶來了突破性進展，語音識別的準確率在過去 10 年內(nèi)從65%提升到 95%。這些技術進步催生了廣泛的實際應用，如自動駕駛、機器翻譯、智能生活、數(shù)據(jù)挖掘、災害預測、輔助醫(yī)療和精準營銷等。

�。�5）大數(shù)據(jù)。人工智能離不開大數(shù)據(jù)。人工智能和機器學習建立在大數(shù)據(jù)的可獲得性不斷提高和計算能力不斷增強的基礎之上。機器學習是借助以前所未有的數(shù)量、種類和速度提供的數(shù)據(jù)培養(yǎng)起來的。近年來大多數(shù)機器學習進步背后的促進因素就是大數(shù)據(jù)和深度學習。

　二 二

　美國人工智能發(fā)展現(xiàn)狀 狀 （一）美國人工智能研發(fā)現(xiàn)狀 2019 年一份對美國、中國、歐洲人工智能發(fā)展的比較研究報告顯示，在六項指標——人才、研究、開發(fā)、采用、數(shù)據(jù)和硬件中，美國處于絕對領先地位，中國位居第二，歐洲則位居第三。根據(jù)對 2018 年在 21 個主要人工智能國際會議上發(fā)表論文的作者獲得博士學位情況的調(diào)查，其中有 44%的人在美國獲得博士學位，比在歐盟（估計為 21%）和中國（11%）的總和還多。這在很大程度上為美國提供了人工智能人才的優(yōu)勢。根據(jù)人工智能論文和專利記錄，在雇用人工智能人才最多的 20 家公司中，2017 年有一半

　設在美國。這 10 家美國公司合計擁有 1623 名人工智能人才。相比之下，歐盟有 6 家這樣的公司，總共有 522 名人工智能人才。排名前 20 位的唯一一家中國公司是華為，擁有 73 名相關人才。

　美國在人工智能方面的研究成果在全球處于領先地位。根據(jù)全球最大的引文數(shù)據(jù)庫 Scopus 的檢索結果，2018 年美國共發(fā)表了 16233 篇與人工智能有關的同行評審論文。論文數(shù)量的快速增長主要發(fā)生在 2013 年之后，5 年內(nèi)增長了 2.7 倍。同一時期中國和歐盟的人工智能論文數(shù)量也有類似的快速增長，而且每年發(fā)表論文的數(shù)量明顯超過美國，兩者 2018 年的發(fā)表數(shù)量分別高達 24929 篇和 20418 篇。不過，美國人工智能論文的質(zhì)量一直大幅度領先于其他地區(qū)，2018 年其平均每篇論文被引用的次數(shù)為 2.23 次，而中國為 1.36 次。美國每個作者被引用的次數(shù)也比全球平均水平高出 40%。

　美國在深度學習領域發(fā)表的論文數(shù)量遠超過其他國家，2015—2018 年共在預印本文庫網(wǎng)站 arXiv 發(fā)表了 3078 篇相關論文，是中國同期的兩倍。最近幾年，美國每年取得的人工智能專利數(shù)量都占到全球總量的一半左右，專利引證數(shù)量占到全球的 60%。在全球最大的軟件源代碼托管服務平臺GitHub 上，美國各機構貢獻的人工智能軟件庫受到最多的關注。僅谷歌公司主導的機器學習開源軟件庫 TensorFlow 的累積點贊數(shù)就超過 15 萬次，接近所有其他主要相關軟件庫的總和。然而，中國與美國在這方面的差距正在縮小。艾倫人工智能研究所 2019 年對人工智能論文進行的分析發(fā)現(xiàn)，在被引用最多的 10%的人工智能論文中，美國所占份額從 1982 年的 47%下降到 2018 年的 29%，中國從 1982 年的幾乎為 0 增長到 26.5%。

　學術機構是美國人工智能研究的主力。1998—2018 年，美國共發(fā)表了32 萬篇各類關于人工智能的論文，其中有 27 萬篇來自學術機構，比例達到85%。這與中國和歐盟的情況類似，后兩者的比例還要略高，分別高達 93%和 91%。2013—2017 年發(fā)表人工智能論文最多的 5 個美國機構是卡內(nèi)基梅隆大學、麻省理工學院、微軟、IBM 和斯坦福大學。根據(jù) 2018 年 3 月 6 日的科研論文影響力（FWCI）評分，這五個機構加在一起為 4.0，顯著高于歐盟前五名（1.9）和中國前五名（1.4）的評分。人工智能迅速成為美國計算機科學中最熱門的博士生專業(yè)，遠超過傳統(tǒng)的信息安全、計算機網(wǎng)絡、軟件工程等專業(yè)。2018 年美國畢業(yè)的 1251 個計算機科學博士中有 266 人主修人工智能，比例超過 21%，比 5 年前增加了 10 個百分點。

　企業(yè)界也在美國的人工智能研發(fā)中發(fā)揮了很大作用。從 1998 年到 2018年，來自企業(yè)的各類人工智能文章共有 3.8 萬篇，占總數(shù)的 12%，而該比例在中國和歐盟分別只有 2.2%和 3.6%。目前，企業(yè)界已經(jīng)成為美國人工智能人才的最大就業(yè)場所。

　2018 年，超過 60%的人工智能博士畢業(yè)生進入企業(yè)界，比 2004 年高出40 個百分點。人工智能教師離開學術界進入工業(yè)界的速度也在加快，2018年有 40 多人離職，比 2012 年多 25 人。

　美國的人工智能研究在許多關鍵技術領域居于世界領先地位。在計算機視覺領域，谷歌公司和卡內(nèi)基梅隆大學開發(fā)的 Noisy Student 方法對圖片進行分類的 Top-1 準確率達到 88.4%，比 6 年前提高了 35 個百分點；在云基礎設施上訓練大型圖像分類系統(tǒng)所需的時間已經(jīng)從 2017 年的 3 個小時減少到 2019 年的 88 秒，訓練費用也從 1112 美元下降到 12.6 美元。自然語言處理的進展也非常迅速。2012 年以來，人工智能系統(tǒng)的計算量一直呈指數(shù)式增長，平均每 3.4 個月就翻一番，遠遠超過摩爾定律限定的每兩年翻一番的增長速度。谷歌公司的阿爾法元每天能進行 1020 次浮點運算，遠超出任何其他人工智能系統(tǒng)。

　然而，當前由深度學習主導的人工智能發(fā)展有其應用范圍和理論上的瓶頸。深度學習在語音和圖像識別、自然語言處理等領域擁有其他人工智能技術無可比擬的優(yōu)勢，但也具有易受攻擊、學習效率低、應用不穩(wěn)定、缺乏可解釋性等局限。2011 年圖靈獎得主、人工智能專家朱迪亞·珀爾（Judea Pearl）認為，深度學習是一種非常通用和強大的曲線擬合技術，它可以識別以前隱藏的模式，推斷出趨勢，并預測出各種問題的結果，但除非算法和由它們控制的機器能夠推出因果關系，否則它們的效用和通用性永遠不會接近于人類。

　根據(jù)高德納咨詢公司提出的技術成熟度曲線，新科技從誕生到成熟應用通常要耗費十余年時間或更久，其間要經(jīng)歷五個階段:科技誕生的促動期、過高期望的峰值期、泡沫化的低谷期、穩(wěn)步爬升的光明期和實質(zhì)生產(chǎn)的高峰期。該公司對當前人工智能的各種技術和應用進行了評估，認為只有語音識別達到了實質(zhì)生產(chǎn)的高峰期，其他都仍處于前三個時期。例如，自動駕駛正處于泡沫化的低谷期，計算機視覺、智能助手、自然語言處理、機器學習和深度神經(jīng)網(wǎng)絡等都處于從高峰期向低谷期下降的階段。因此，對于絕大多數(shù)人工智能技術及其應用來說，至少還需要數(shù)年時間才能達到實質(zhì)生產(chǎn)的高峰期。

�。ǘ�）美國人工智能產(chǎn)業(yè)的發(fā)展 美國人工智能產(chǎn)業(yè)對勞動力的需求在迅速增長。2010—2019 年，與人工智能相關的工作崗位占總工作崗位的比例從 0.26%上升到 1.32%。其中機器學習所占的比例最高，占到總工作崗位的 0.51%。各個行業(yè)都需要人工智能人才，其中信息產(chǎn)業(yè)的需求量最大，其次是高科技服務業(yè)和金融保險業(yè)。

　從地域來看，美國各州對人工智能人才的需求都在快速增長，但需求量最大的仍是加利福尼亞州、紐約州、得克薩斯州、馬薩諸塞州、華盛頓州和弗吉尼亞州等高科技產(chǎn)業(yè)聚集的州。2018—2019 年，加利福尼亞州對人工智能人才的需求超過 9.3 萬人，占該州工作需求總量的 1.3%。德勤會計師事務所評出的全球前 20 個人工智能創(chuàng)新和應用城市中，有 5 個位于美國，分別是舊金山、波士頓、紐約、洛杉磯和達拉斯。相對而言，人工智能更容易對高技能工作造成沖擊，而中低技能工作更容易受到軟件和機器人的沖擊。擁有學士學位的人受到人工智能沖擊的程度是高中學歷者的 5 倍，

　這是因為人工智能更容易完成白領擅長的規(guī)劃、推理、預測和解決問題等任務。

　美國與人工智能相關的公司數(shù)量以及對這些公司的投資也在快速增長。美國的人工智能初創(chuàng)企業(yè)超過 5000 家，數(shù)量遠超過其他國家。排名第二的英國大約有 1000 家，中國大約有 300 多家。全球排名前 100 的人工智能初創(chuàng)公司中的 77 家位于美國。2018 年，美國人工智能初創(chuàng)公司共獲得 187 億美元的私人投資，相當于 2013 年的 7.6 倍，大約占全球總量的 46%。這些美國初創(chuàng)公司雖然獲得了大量投資，但目前很少進行上市和公開募股活動，更多是被高科技巨頭收購。例如，蘋果公司共收購了 20 家，谷歌收購了 14家，微軟收購了 10 家。美國人工智能初創(chuàng)公司涉及的領域非常多樣化，其中數(shù)據(jù)工具領域得到了最多的投資，接下來是醫(yī)療技術、零售、文本分析、聊天機器人和廣告營銷等。這與中國的情況有明顯不同:中國的投資主要流向自動化、人臉識別、教育技術和自動駕駛等領域。

　在人工智能公司的風險資本和私募股權融資方面，美國也居于首位。2017—2018 年，美國的風險投資和私募股權融資數(shù)額約為 169 億美元。其次是中國，約為 135 億美元。排第三的是歐盟，約為 28 億美元。再看涉及人工智能公司的風險資本和私募股權融資交易數(shù)量，2017—2018 年，美國人工智能公司獲得的投資最多（1270 項），超過歐盟（660 項）和中國（390項）。知名的初創(chuàng)公司及投資機構生態(tài)數(shù)據(jù)庫 Crunch-Base 上列出了 2000年 1 月到 2019 年 5 月按地區(qū)劃分的人工智能類別組中的公司收購數(shù)量，美國擁有此類公司 1727 家，超過歐盟（擁有 762 家）和中國（擁有 224 家）的總和。

　美國在發(fā)展世界一流的人工智能公司中處于領先地位。美國公司在專利和主導性人工智能收購方面表現(xiàn)強勁，例如，在 15 個機器學習子類別中，微軟和 IBM 在 8 個子類別中申請了比其他任何實體公司都更多的專利，包括監(jiān)督學習和強化學習類。美國公司在 20 個領域中的 12 個領域的專利申請?zhí)幱陬I先地位，包括農(nóng)業(yè)（迪爾公司）、安全（IBM 公司）以及個人設備、計算機和人機互動（微軟公司）。中國科學院則在深度學習方面申請了最多的專利，德國的西門子公司在神經(jīng)網(wǎng)絡方面申請了最多的專利。

　此外，2012—2016 年，IBM 的人工智能專利申請為 3677 項，居全球之首。Alpha-bet 公司有 2185 項，微軟有 1952 項，均位列全球前五名。1960—2018 年，專利申請人在美國專利數(shù)據(jù)庫（USPTO）中申請了 28031項高引用率專利，這大大超過了歐盟的 2985 項和中國的 691 項。雖然此項指標顯示的是申請人在哪里提交專利，而不是他們的所在地，但大多數(shù)申請人通常會首先選擇在其居住的國家/地區(qū)提交專利。此外，世界知識產(chǎn)權組織（WIPO）追蹤了 1960—2018 年首次作為《專利合作條約》（Pa-tent Cooperation Treaty）專利申請的知識產(chǎn)權專利的數(shù)量。在這方面，美國有1863 項，領先于中國的 1085 項和歐盟的 1074 項。

　美國在每一項人工智能發(fā)展指標上都處于領先地位，這表明美國比中國和歐盟更有能力繼續(xù)發(fā)展全球領先的人工智能企業(yè)。專利和收購數(shù)據(jù)也顯

　示，美國在發(fā)展世界級人工智能公司方面已經(jīng)居于顯著的領先地位。但是，部分由于中國強大的風險投資和私募股權生態(tài)系統(tǒng)，中國正在趕上歐盟和美國。

　超級計算機是人工智能發(fā)展的關鍵基礎設施之一。在超級計算機擁有量方面，根據(jù) 2019 年 11 月 Top500 公布的數(shù)據(jù)，在全球前 500 強的超級計算機系統(tǒng)中，美國擁有 117 臺，占 23.4%，平均綜合得分為 5223；中國（不含港澳臺地區(qū)）擁有 228 臺，占 45.6%，平均綜合得分為 2333；歐盟國家（含英國）有 91 臺，占 18.2%，平均綜合得分為 3211。世界上最快的 10臺超級計算機中有 5 臺屬于美國，世界上最快的兩臺超級計算機（Summit和 Sierra）就安置在美國能源部。

　此外，美國的英特爾公司開發(fā)了 500 強超級計算機中 94.8%的處理器。使用加速器或協(xié)處理器來增強計算機性能的超級計算機有 145 臺，其中有141 臺使用了來自美國的 Nvidia 或英特爾公司的加速器或協(xié)處理器，占總數(shù)的 97.2%。中國的超級計算機研發(fā)在某些方面正在趕超美國。2010 年 6月，全球 500 臺性能最強的超級計算機中有 282 臺安裝在美國，但是到 2018年，美國擁有的臺數(shù)下降到了 109 臺的歷史最低位。中美都在努力開發(fā)每秒百億億次浮點運算的計算機。2018 年《科學》（Science）雜志的一篇報道說，2018 年 6 月以前，中國在世界排名中最靠前的兩臺超級計算機太湖之光（排名第一）和天河 2A（排名第三）的算力總和比美國能源部當時擁有的 21 臺超級計算機的總和還要強大。直到 2018 年 6 月美國田納西州橡樹嶺國家實驗室名為 Summit 的計算機付諸運行，它才為美國奪回了最強超級計算機的稱號。目前美國能源部正在研發(fā)一臺名為極光（Aurora）的超級計算機，其計算和分析能力是 Summit 的 50 倍。

　人工智能對美國經(jīng)濟將產(chǎn)生顯著的促進作用。它不僅催生了圖像識別、語音識別、機器翻譯等新興產(chǎn)業(yè)，其更廣泛的應用是所謂的“AI+”，即人工智能為醫(yī)療、制造、運輸、金融、零售、教育、農(nóng)業(yè)等傳統(tǒng)行業(yè)賦能，提高這些行業(yè)的智能化水平，推動傳統(tǒng)經(jīng)濟結構轉型升級，向“工業(yè) 4.0”轉變，創(chuàng)造出新的經(jīng)濟增長點。普華永道會計師事務所預測，到 2030 年人工智能對全球經(jīng)濟的累積貢獻可能高達 15.7 萬億美元，其中 6.6 萬億美元源自生產(chǎn)率的提升，9.1 萬億美元源自消費，今后對美國經(jīng)濟的累積貢獻將達到 3.7萬億美元。埃森哲咨詢公司預測，到 2035 年人工智能將每年為美國經(jīng)濟帶來 2.6%—4.6%的額外增長。由于深度學習在美國發(fā)展得最早，它對美國經(jīng)濟的促進作用將很快顯現(xiàn)出來，在 21 世紀 20 年代中期就能達到高峰，可能比中國要早 5 年。

　人工智能已經(jīng)在美國多個行業(yè)中得到應用。獲益最多的行業(yè)之一是醫(yī)療保健，主要應用范圍是輔助診斷和治療、醫(yī)療影像分析、傳染病的早期識別和跟蹤、新藥研發(fā)等。僅 2018 年，美國食品藥品管理局就批準了 16 款人工智能醫(yī)療產(chǎn)品，用于檢測骨折、糖尿病、心臟和腦部疾病。自動駕駛是另一個人工智能技術正在快速走向實用的領域，美國在這方面也處于世界領先地位。根據(jù)畢馬威對各國自動駕駛發(fā)展情況的評估，2019 年美國位列世界第四，其中在技術和創(chuàng)新方面位列世界第三，僅次于以色列和挪威。

　中國的綜合排名是第 20 名，技術和創(chuàng)新位列第 19 名。美國汽車工程師學會將自動駕駛分成 L0 到 L5 共六個等級，特斯拉等美國量產(chǎn)車型的自動駕駛等級處于 L2 到 L3 之間，大約領先中國一個等級。在金融行業(yè)，人工智能將促進個人化理財規(guī)劃和交易自動化，這有助于監(jiān)控金融欺詐和洗錢活動。人工智能還將促進制造業(yè)自動化和個人定制生產(chǎn)，幫助銷售行業(yè)預測消費者的需求、優(yōu)化存儲和物流，便于新聞和娛樂行業(yè)定制用戶內(nèi)容、精準投放廣告。

　（三）人工智能在美國政府部門與政治中的應用 人工智能已經(jīng)在美國政府部門中得到廣泛應用。至少有 142 個重要的聯(lián)邦政府部門正在使用人工智能，其用途多種多樣，包括在執(zhí)法行動中精準識別和選擇目標、收集和分析信息以制定決策，改進與公眾交流的方式、提高內(nèi)部管理效率等。證券交易委員會、社會保障管理局、海關和邊境保護局、食品與藥品管理局、聯(lián)邦通信委員會是使用人工智能較多的機構。

　美國政府特別注重人工智能在軍事和安全方面的應用。國防部建立了聯(lián)合人工智能中心，并一次性撥給 6 年共 17.5 億美元的預算，以推動國防部盡快使用人工智能、協(xié)調(diào)技術研發(fā)和應用、防止美國關鍵基礎設置遭到網(wǎng)絡攻擊，其當前負責人是陸軍中將約翰·沙納漢。國防部設立了算法戰(zhàn)跨職能小組，這是聯(lián)合人工智能中心的第一個項目，負責把人工智能快速集成到國防部的現(xiàn)有系統(tǒng)中。人工智能在預計情報、監(jiān)視和偵察方面特別有用。美國情報界正在開展一些公開的人工智能研究項目，僅中央情報局就有大約 140 個正在開發(fā)的項目，旨在利用人工智能在一定程度上完成圖像識別和預測分析等任務。美國情報高級研究計劃局正在資助幾個人工智能研究項目，打算在未來 4—5 年內(nèi)開發(fā)出相關分析工具，例如用于在嘈雜環(huán)境中進行多種語言語音識別和翻譯的算法、在沒有相關元數(shù)據(jù)的情況下對圖像進行地理定位以及融合二維圖像以創(chuàng)建三維模型等。

　空軍使用人工智能來預測飛機的維修，它提取飛機傳感器的數(shù)據(jù)，將數(shù)據(jù)輸入預測算法，以確定技術人員何時需要檢查飛機或更換零件；空軍還在開發(fā)多域指揮控制系統(tǒng)，旨在集中規(guī)劃和執(zhí)行空中、太空、網(wǎng)絡、海上和陸上軍事行動。美國各軍事部門都在努力將人工智能納入戰(zhàn)斗機、無人機、車輛和艦艇中，利用人工智能技術感知環(huán)境、識別障礙物、融合傳感器數(shù)據(jù)、規(guī)劃導航以及與其他設備通信。美國還在開發(fā)殺傷性自主武器系統(tǒng)，它能夠獨立識別目標，不需要與人類溝通就能利用機載武器系統(tǒng)發(fā)動攻擊。鑒于美國企業(yè)通常不愿與國防部合作，國防部還在向企業(yè)施加更大壓力，要求它們授予無限制使用數(shù)據(jù)和軟件的權利。

　人工智能在美國政治生活中也得到廣泛應用。它既為政治人物和普通民眾提供了新的參與政治的手段，也加速了“后真相時代”的到來。通過分析網(wǎng)絡用戶的消費模式和社交關系，人工智能可以為每個用戶建立獨特的畫像，并預測他們的政治傾向和投票行為，進而幫助競選者精準投放競選廣告。人工智能也能幫助選民更精確地挑選自己喜歡的政治資訊，促進對特定議題和候選人的了解。奧巴馬最早在選舉中運用人工智能，他的競選團隊在

　2012 年使用大數(shù)據(jù)分析來精準投放競選廣告和 郵 件 ， 最 終 獲 得 10 億 美元 的 巨 額 捐 款 。

　2016 年 特 朗 普 競 選 團 隊 利 用 劍 橋 分 析 公 司 來 幫 他操 縱 和 引 導 社 交 媒 體 上 的 輿 論 風 向 。

　2018 年 該 公 司 被 揭 露 曾 以 不當 方 法 獲 取 和 轉 賣 臉 書 5000 萬 用 戶 的 數(shù) 據(jù) 。

　在 2018 年 的 美 國 中期 選 舉 中 ， 一 項 令 人 警 惕 的 人 工 智 能 技 術 是 深 度 偽 造 ， 它 可 被 用來 逼 真 地 偽 造 政 治 人 物 的 聲 音 或 視 頻 ， 以 此 來 誤 導 選 民 。

　2019 年6 月 13 日 ， 美 國 眾 議 院 情 報 委 員 會 專 門 召 開 了 關 于 深 度 偽 造 的 聽證 會 ， 討 論 這 項 技 術 對 國 家 、 社 會 和 個 人 的 風 險 及 應 對 措 施 。

相關熱詞搜索：人工智能 美國 發(fā)展戰(zhàn)略