青少年 |科學|生活|心智| 綜合素養(yǎng)強健計劃-S.A.M.

PROMOTION

摘要：本文節(jié)選自斯坦福大學「人工智能百年研究」的首份報告：《2030 年的人工智能與生活》，這篇報告是計劃持續(xù)至少 100 年的研究系列中的第一篇。該報告描述了目前人工智能相關(guān)技術(shù)、法律以及道德上的挑戰(zhàn)，并對產(chǎn)業(yè)界、學界、政界三方人士提供了人工智能技術(shù)、應用、政策上的指導與建議。

序言：文章很長，但價值非凡

2014 年秋季，人工智能百年研究（One Hundred Year Study）項目啟動，這是一項對人工智能領(lǐng)域及其對人類、社區(qū)、社會影響的長期學術(shù)研究。這項研究包含使用人工智能計算系統(tǒng)的科學、工程和應用實現(xiàn)。監(jiān)督該「百年研究」的常務委員會（Standing Committee）組建了一個研究小組（Study Panel）來每五年評估一次人工智能所處的狀態(tài)——這是本項目的核心活動。

本研究小組要回顧從上次報告到現(xiàn)在這段時間人工智能的進展，展望未來潛在的進展并且描述這些進展對于技術(shù)、社會的挑戰(zhàn)與機遇，涉及的領(lǐng)域包括：道德倫理、經(jīng)濟以及與人類認知兼容的系統(tǒng)設(shè)計等等。

「百年研究」定期進行專家回顧的首要目標是：提供一個隨著人工智能領(lǐng)域發(fā)展的關(guān)于人工智能及其影響的收集性的和連通的集合。這些研究希望能在人工智能領(lǐng)域的研究、發(fā)展以及系統(tǒng)設(shè)計方面、以及在幫助確保那些系統(tǒng)能廣泛地有益于個人和社會的項目與政策上提供專業(yè)推斷上的方向指南及綜合評估。

這篇報告是計劃持續(xù)至少 100 年的研究系列中的第一篇。常務委員會在 2015 年的暑期成立了一個研究小組來負責組建現(xiàn)在這個初始的研究小組，并任命了得克薩斯大學奧斯汀分校的教授 Peter Stone 擔任該小組的主席。這個包含了 17 名成員的研究小組由人工智能學術(shù)界、公司實驗室以及產(chǎn)業(yè)界的專家與了解人工智能的法律、政治科學、政治以及經(jīng)濟方面的學者組成，并于 2015 年秋季中期啟動。

參與者代表著不同的專業(yè)、地區(qū)、性別以及職業(yè)階段。常務委員會廣泛討論了 Study Panel 相應的責任，包括人工智能最近的發(fā)展與在工作、環(huán)境、運輸、公共安全、醫(yī)療、社區(qū)參與以及政府的潛在社會影響。委員會考慮多種聚焦研究的方式，包括調(diào)查子領(lǐng)域及其狀態(tài)、研究特定的技術(shù)（例如機器學習與自然語言處理）以及研究特定的應用領(lǐng)域（例如醫(yī)療與運輸運輸）。

委員會最終選擇了「2030 年的人工智能與生活（AI and Life in 2030）」為主題以強調(diào)人工智能的各種用途與影響的發(fā)生不是獨立于彼此，也不獨立于其他許多社會和技術(shù)上的發(fā)展。意識到了城市在大多數(shù)人類生活中的核心作用之后，我們將專注重點縮小到大多數(shù)人居住的大都市。

第一部分：什么是人工智能？

本節(jié)介紹了研究人員和從業(yè)者如何定義「人工智能」以及目前正在蓬勃發(fā)展的人工智能研究和應用領(lǐng)域。它提出了人工智能是什么和不是什么的定義，并介紹了一些當前人工智能研究的「熱點」領(lǐng)域。

本節(jié)為第二部分的內(nèi)容奠定了基礎(chǔ)，第二部分闡述了人工智能在八個領(lǐng)域和在第三部分中的影響與未來，第三部分介紹了涉及人工智能設(shè)計和公共政策的問題，并提出在保護民主價值的同時如何鼓勵人工智能創(chuàng)新的建議。

1.定義人工智能

奇怪的是，人工智能缺乏一個精確的、被普遍接受的定義，這或許有助于該領(lǐng)域的加速成長、繁榮以及前進。雖然人工智能的從業(yè)者、研究人員和開發(fā)人員由一種粗略的方向感和一個「與它相處」的命令所引導，人工智能的定義仍然很重要，而 Nils J. Nilsson 就提供了一個有用的定義：「人工智能就是致力于讓機器變得智能的活動，而智能就是使實體在其環(huán)境中有遠見地、適當?shù)貙崿F(xiàn)功能性的能力?！?

從這個角度來看，對人工智能的表征取決于個人愿意「適當?shù)亍共ⅰ赣羞h見地」為功能性提供合成軟件和硬件的信用。一個簡單的電子計算器比人類大腦進行的計算要快得多，而且?guī)缀鯊膩聿怀鲥e。

電子計算器智能嗎？像 Nilsson 一樣，研究小組以一種寬泛的視角來看待此問題，認為智力取決于一個多維頻譜。根據(jù)這一觀點，算術(shù)計算器和人腦之間的區(qū)別不是某一類，而是規(guī)模、速度、自主性和通用性的區(qū)別。

同樣的因素可以用來評估智能的其他各例——智能語音識別軟件、動物大腦、汽車巡航控制系統(tǒng)、圍棋程序、自動調(diào)溫器——并將它們放置在頻譜中的適當位置。雖然我們的寬泛解釋把計算器列在了智能頻譜中，但是如此簡單的設(shè)備與今天的人工智能相比幾乎沒有相似之處。

從這個角度看，對人工智能的表征取決于個人愿意「適當?shù)亍共ⅰ赣羞h見地」為功能提供合成軟件和硬件的信用。一個簡單的電子計算器比人腦計算快得多而且?guī)缀鯊牟怀鲥e。

人工智能的邊界已經(jīng)遠遠走在前面，而計算器可以實現(xiàn)的功能只是當下的智能手機的百萬分之一。目前人工智能開發(fā)人員正在改進、推廣和擴大從當下的智能手機中所建立起來的智能。事實上人工智能領(lǐng)域是一個不斷努力推動機器智能向前發(fā)展的過程。

具有諷刺意味的是，人工智能正在遭受失去話語權(quán)的長期災難，最終不可避免地會被拉到邊界內(nèi)，即一個被稱為「人工智能效應（AI effect）」或「奇怪悖論（odd paradox）」的重復模式——人工智能將一種新技術(shù)帶到了普通大眾中去，人們習慣了這種技術(shù)，它便不再被認為是人工智能，然后更新的技術(shù)出現(xiàn)了。

同樣的模式將在未來繼續(xù)下去。人工智能并沒有「交付」一個驚雷般改變生活的產(chǎn)品。相反人工智能技術(shù)以一個連續(xù)的、進步的方式正在繼續(xù)更好的發(fā)展。

2.人工智能研究趨勢

直到本世紀初，人工智能的吸引點主要在于它所傳遞的承諾，但在過去的十五年里，大多這樣的承諾已經(jīng)得到兌現(xiàn)。人工智能技術(shù)已經(jīng)充斥了我們的生活。當它們成為了社會的一股中心力量時，該領(lǐng)域正在從僅僅建立智能系統(tǒng)，轉(zhuǎn)向了建立有人類意識的、值得信賴的智能系統(tǒng)。

幾個因素加速了人工智能革命。其中最重要的是機器學習的成熟，部分由云計算資源和廣泛普及的、基于 Web 的數(shù)據(jù)收集所支持。機器學習已經(jīng)被「深度學習（deep learning）」急劇地向前推進了，后者是一種利用被稱作反向傳播的方法所訓練的適應性人工神經(jīng)網(wǎng)絡(luò)的一種形式。

信息處理算法的這種性能飛躍一直伴隨著用于基本操作的硬件技術(shù)的顯著進步，比如感覺、感知和目標識別。數(shù)據(jù)驅(qū)動型產(chǎn)品的新平臺和新市場，以及發(fā)現(xiàn)新產(chǎn)品和新市場的經(jīng)濟激勵機制，也都促進了人工智能驅(qū)動型技術(shù)的問世。

所有這些趨勢都推動著下文中所描述的「熱門」研究領(lǐng)域。這種編輯只是想要通過某個或另一個度量標準來反映目前比其他領(lǐng)域得到更大關(guān)注的領(lǐng)域。它們不一定比其他領(lǐng)域更重要或更有價值。事實上目前的一些「熱門」領(lǐng)域在過去幾年中并不怎么流行，而其他領(lǐng)域可能在未來會以類似的方式重新出現(xiàn)。

大規(guī)模機器學習

許多機器學習的基本問題（如監(jiān)督和非監(jiān)督學習）是很好理解的。目前努力的一個重點是將現(xiàn)有算法擴展到更龐大的數(shù)據(jù)集上。例如鑒于傳統(tǒng)方法能夠負擔得起若干次數(shù)據(jù)集的處理，現(xiàn)代方法是為單次處理所設(shè)計；某些情況只認同非線性方法（那些只關(guān)注一部分數(shù)據(jù)的方法）。

深度學習

成功訓練卷積神經(jīng)網(wǎng)絡(luò)的能力非常有益于計算機視覺領(lǐng)域，比如目標識別、視頻標簽、行為識別和幾個相關(guān)變體的應用。深度學習也在大舉進軍感知方面的其他領(lǐng)域，如音頻、語音和自然語言處理。

強化學習

鑒于傳統(tǒng)機器學習主要關(guān)注于模式挖掘，強化學習將重點轉(zhuǎn)移到?jīng)Q策中，這種技術(shù)將有助于促進人工智能在現(xiàn)實世界中更深入地進入相關(guān)研究和實踐領(lǐng)域。作為一種經(jīng)驗驅(qū)動型的序貫決策框架，強化學習已經(jīng)存在了幾十年，但是這個方法在實踐中沒有取得很大成功，主要是由于表征和縮放的問題。然而深度學習的出現(xiàn)為強化學習提供了「一貼強心劑」。

由谷歌 DeepMind 開發(fā)的計算機程序 AlphaGo 在五次對抗比賽中擊敗了人類圍棋冠軍，它最近所取得的成功在很大程度上要歸功于強化學習。AlphaGo 是通過使用一個人類專家數(shù)據(jù)庫來初始化一個自動代理的方法被訓練的，但隨后提煉的方法是通過大量地自我對抗游戲以及應用強化學習。

機器人

至少在靜態(tài)環(huán)境中，機器人導航在很大程度上被解決了。目前的努力是在考慮如何訓練機器人以泛型的、預測性的方式與周圍世界進行交互?；迎h(huán)境中產(chǎn)生的一個自然要求是操縱，這是當下所感興趣的另一個話題。

深度學習革命只是剛開始影響機器人，這在很大程度上是因為要獲得大的標記數(shù)據(jù)集還很困難，這些數(shù)據(jù)集已推動了其他基于學習的人工智能領(lǐng)域。

免去了標記數(shù)據(jù)需求的強化學習可能會有助于彌合這一差距，但是它要求系統(tǒng)在沒有錯誤地傷害自己或其他系統(tǒng)的情況下能夠安全地探索出一個政策空間。在可信賴的機器感知方面的進步，包括計算機視覺、力和觸覺感知，其中大部分將由機器學習驅(qū)動，它們將繼續(xù)成為推進機器人能力的關(guān)鍵。

計算機視覺

計算機視覺是目前最突出的機器感知形式。它是受深度學習的興起影響最大的人工智能子領(lǐng)域。直到幾年前，支持向量機還是大多視覺分類任務所選擇的方法。但是特別是在 GPU 中的大規(guī)模計算的匯合，使得更大數(shù)據(jù)集的可獲得性（尤其是通過互聯(lián)網(wǎng)）以及神經(jīng)網(wǎng)絡(luò)算法的改進導致了基準任務中能的顯著提高（比如 ImageNet 中的分類器）。計算機首次能夠比人類更好地執(zhí)行一些（狹義定義的）視覺分類任務。目前的研究多是關(guān)注于為圖像和視頻自動添加字幕。

自然語言處理

自然語言處理是另一個通常與自動語音識別一同被當做非?；钴S的機器感知領(lǐng)域。它很快成為一種擁有大數(shù)據(jù)集的主流語言商品。谷歌宣布目前其 20% 的手機查詢都是通過語音進行的，并且最近的演示已經(jīng)證明了實時翻譯的可能性?，F(xiàn)在研究正在轉(zhuǎn)向發(fā)展精致而能干的系統(tǒng)，這些系統(tǒng)能夠通過對話而不只是響應程式化的要求來與人互動。

協(xié)同系統(tǒng)

協(xié)同系統(tǒng)方面進行的是對模型和算法的研究，用以幫助開發(fā)能夠與其他系統(tǒng)和人類協(xié)同工作的自主系統(tǒng)。該研究依賴于開發(fā)正式的協(xié)作模型，并學習讓系統(tǒng)成為有效合作伙伴所需的能力。能夠利用人類和機器的互補優(yōu)勢的應用正吸引到越來越多的興趣——對人類來說可以幫助人工智能系統(tǒng)克服其局限性，對代理來說可以擴大人類的能力和活動。

眾包和人類計算

在完成許多任務方面由于人類的能力是優(yōu)于自動化方法的，因而在眾包和人類計算方面，通過利用人類智力來解決那些計算機無法單獨解決好的問題，該領(lǐng)域研究調(diào)查了增強計算機系統(tǒng)的方法，這項研究的提出僅僅是在大約 15 年前，現(xiàn)在它已經(jīng)在人工智能領(lǐng)域確立了自己的存在。最有名的眾包例子是維基百科，它是一個由網(wǎng)絡(luò)公民維護和更新的知識庫，并且在規(guī)模上和深度上遠遠超越了傳統(tǒng)編譯的信息源，比如百科全書和詞典。

眾包專注于設(shè)計出創(chuàng)新的方式來利用人類智力。Citizen 科學平臺激發(fā)志愿者去解決科學問題，而諸如亞馬遜的 Mechanical Turk 等有償眾包平臺，則提供對所需要的人類智力的自動訪問。通過短時間內(nèi)收集大量標記訓練數(shù)據(jù)和/或人機交互數(shù)據(jù)，該領(lǐng)域的工作促進了人工智能的其它分支學科的進步，包括計算機視覺和自然語言處理?；谌祟惡蜋C器的不同能力和成本，目前的研究成果探索出了它們之間理想的任務分離。

算法博弈理論與 (基于) 計算機 (統(tǒng)計技術(shù)的) 社會選擇

包括激勵結(jié)構(gòu)、人工智能的經(jīng)濟和社會計算維度吸引到了新的關(guān)注。自 20 世紀 80 年代初以來，分布式人工智能和多代理（multi-agent）系統(tǒng)就已經(jīng)被研究了，于 20 世紀 90 年代末開始有顯著起色，并由互聯(lián)網(wǎng)所加速。一個自然的要求是系統(tǒng)能夠處理潛在的不恰當激勵，包括自己所感興趣的人類參加者或公司，以及自動化的、基于人工智能的、代表它們的代理。

備受關(guān)注的主題包括計算機制設(shè)計（computational mechanism design）（一種激勵設(shè)計的經(jīng)濟理論，它尋求激勵兼容的系統(tǒng)，其中輸入會被如實報告）、(基于) 計算機 (統(tǒng)計技術(shù)的) 社會選擇（computational social choice）（一種有關(guān)如何為替代品排列順序的理論）、激勵對齊信息獲?。╥ncentive aligned information elicitation）（預測市場、評分規(guī)則、同行預測）和算法博弈理論（algorithmic game theory）（市場、網(wǎng)絡(luò)游戲和室內(nèi)游戲的平衡，比如poker——它在近幾年通過抽象技術(shù)和無遺憾學習（no-regret learning）已經(jīng)取得了顯著的進步）。

物聯(lián)網(wǎng)（IoT）

越來越多的研究機構(gòu)致力于這樣一個想法：一系列設(shè)備可以相互連接以收集和分享它們的感官信息。這些設(shè)備可以包括家電、汽車、建筑、相機和其他東西。雖然這就是一個技術(shù)和無線網(wǎng)絡(luò)連接設(shè)備的問題，人工智能可以為了智能的、有用的目的去處理和使用所產(chǎn)生的大量數(shù)據(jù)。目前這些設(shè)備使用的是令人眼花繚亂的各種不兼容的通信協(xié)議。人工智能可以幫助克服這個「巴別塔」。

神經(jīng)形態(tài)計算

傳統(tǒng)計算機執(zhí)行計算的馮諾依曼模型，它分離了輸入/輸出、指令處理和存儲器模塊。隨著深度神經(jīng)網(wǎng)絡(luò)在一系列任務中的成功，制造商正在積極追求計算的替代模型——特別是那些受到生物神經(jīng)網(wǎng)絡(luò)所啟發(fā)的——為了提高硬件的效率和計算系統(tǒng)的穩(wěn)定性的模型。

目前這種「神經(jīng)形態(tài)的（neuromorphic）」計算機尚未清楚地顯示出巨大成功，而是剛開始有望實現(xiàn)商業(yè)化。但可能它們在不久的將來會變成尋常事物（即使僅作為馮諾依曼所增加的兄弟姐妹們）。深度神經(jīng)網(wǎng)絡(luò)在應用景觀中已經(jīng)激起了異常波動。當這些網(wǎng)絡(luò)可以在專門的神經(jīng)形態(tài)硬件上被訓練和被執(zhí)行，而不是像今天這樣在標準的馮諾依曼結(jié)構(gòu)中被模擬時，一個更大的波動可能會到來。

總體趨勢以及人工智能研究的未來

數(shù)據(jù)驅(qū)動型范式的巨大成功取代了傳統(tǒng)的人工智能范式。諸如定理證明、基于邏輯的知識表征與推理，這些程序獲得的關(guān)注度在降低，部分原因是與現(xiàn)實世界基礎(chǔ)相連接的持續(xù)挑戰(zhàn)。規(guī)劃（Planning）在七十和八十年代是人工智能研究的一根支柱，也受到了后期較少的關(guān)注，部分原因是它強烈依賴于建模假設(shè)，難以在實際的應用中得到滿足。

基于模型的方法——比如視覺方面基于物理的方法和機器人技術(shù)中的傳統(tǒng)控制與制圖——已經(jīng)有很大一部分讓位于通過檢測手邊任務的動作結(jié)果來實現(xiàn)閉環(huán)的數(shù)據(jù)驅(qū)動型方法。即使最近非常受歡迎的貝葉斯推理和圖形模式似乎也正在失寵，被數(shù)據(jù)和深度學習顯著成果的洪流所淹沒。

研究小組預計在接下來的十五年中，會有更多關(guān)注集中在針對人類意識系統(tǒng)的開發(fā)上，這意味著它們是明確按照要與之互動的人類特點來進行建模與設(shè)計的。很多人的興趣點在于試圖找到新的、創(chuàng)造性的方法來開發(fā)互動和可擴展的方式來教機器人。

此外在考慮社會和經(jīng)濟維度的人工智能時，物聯(lián)網(wǎng)型的系統(tǒng)——設(shè)備和云——正變得越來越受歡迎。在未來的幾年中，對人類安全的、新的感知/目標識別能力和機器人平臺將會增加，以及數(shù)據(jù)驅(qū)動型產(chǎn)品數(shù)量與其市場規(guī)模將會變大。

研究小組還預計當從業(yè)者意識到純粹的端到端深度學習方法的不可避免的局限性時，會重新出現(xiàn)一些人工智能的傳統(tǒng)形式。我們不鼓勵年輕的研究人員重新發(fā)明理論，而是在人工智能領(lǐng)域以及相關(guān)領(lǐng)域（比如控制理論、認知科學和心理學）的第一個五十年期間，保持對于該領(lǐng)域多方面顯著進展的覺察。

第二部分：人工智能在各領(lǐng)域的應用

雖然人工智能的很多研究和應用會基于一些通用技術(shù)，比如說機器學習，但在不同的經(jīng)濟和社會部門還是會有所區(qū)別。我們稱之為不同的領(lǐng)域（domain），接下來的這部分將介紹人工智能研究和應用的不同類型，以及影響和挑戰(zhàn)，主要有八個方面：交通、家庭服務機器人、醫(yī)療健康、教育、低資源社區(qū)、公共安全、工作和就業(yè)、娛樂。

基于這些分析，我們還預測了一個有代表性的北美城市在未來 15 年的趨勢。與人工智能的流行文化中的典型敘述不同，我們尋求提供一個平衡的觀點來分析，人工智能是如何開始影響我們?nèi)粘Ｉ畹?，以及從現(xiàn)在到 2030 年，這些影響將如何發(fā)展。

1.    

交通

交通可能會成為首批幾個特定應用領(lǐng)域之一，在這些領(lǐng)域，大眾需要對人工智能系統(tǒng)在執(zhí)行危險任務中的可靠性和安全性加以信任。自動化交通會很快司空見慣，大多數(shù)人在嵌入人工智能系統(tǒng)的實體交通工作的首次體驗將強有力的影響公眾對人工智能的感知。

智能汽車

交通規(guī)劃

即時交通

人機交互

2.    

家庭服務機器人

過去十五年中，機器人已經(jīng)進入了人們的家庭。但應用種類的增長慢得讓人失望，與此同時，日益復雜的人工智能也被部署到了已有的應用之中。人工智能的進步常常從機械的革新中獲取靈感，而這反過來又帶來了新的人工智能技術(shù)。

未來十五年，在典型的北美城市里，機械和人工智能技術(shù)的共同進步將有望增加家用機器人的使用和應用的安全性和可靠性。特定用途的機器人將被用于快遞、清潔辦公室和強化安全，但在可預見的未來內(nèi)，技術(shù)限制和可靠機械設(shè)備的高成本將繼續(xù)限制狹窄領(lǐng)域內(nèi)應用的商業(yè)機會。至于自動駕駛汽車和其它新型的交通機器，創(chuàng)造可靠的、成熟的硬件的難度不應該被低估。

3.    

醫(yī)療

對人工智能而言，醫(yī)療領(lǐng)域一直被視為一個很有前景的應用領(lǐng)域?；谌斯ぶ悄艿膽迷诮酉聛淼膸啄昴軌驗榍О偃f人改進健康結(jié)果和生活質(zhì)量，但這是在它們被醫(yī)生、護士、病人所信任，政策、條例和商業(yè)障礙被移除的情況下。主要的應用包括臨床決策支持、病人監(jiān)控、輔導、在外科手術(shù)或者病人看護中的自動化設(shè)備、醫(yī)療系統(tǒng)的管理。

近期的成功，比如挖掘社交媒體數(shù)據(jù)推斷潛在的健康風險、機器學習預測風險中的病人、機器人支持外科手術(shù)，已經(jīng)為人工智能在醫(yī)療領(lǐng)域的應用擴展出了極大的應用可能。與醫(yī)學專家和病人的交互方法的改進將會是一大挑戰(zhàn)。

至于其他領(lǐng)域，數(shù)據(jù)是一個關(guān)鍵點。在從個人監(jiān)護設(shè)備和手機 App 上、臨床電子數(shù)據(jù)記錄上收集有用的數(shù)據(jù)方面，我們已經(jīng)取得了巨大的進展，從協(xié)助醫(yī)療流程和醫(yī)院運行的機器人那里收集的數(shù)據(jù)可能較少一些。但使用這些數(shù)據(jù)幫助個體病人和群體病人進行更精細的針對和治療已經(jīng)被證明極其的困難。

研究和部署人工智能應用已經(jīng)被過時的條例和激勵機制拉扯后腿。在這樣大型的、復雜的系統(tǒng)中，貧乏的人機交互方法和固有的難題以及部署技術(shù)的風險也阻礙了人工智能在醫(yī)療的實現(xiàn)。減少或者移除這些障礙，結(jié)合目前的創(chuàng)新，有潛力在接下來幾年為千百萬人極大的改進健康結(jié)果和生活質(zhì)量。

臨床應用

醫(yī)療分析

醫(yī)療機器人

移動健康

老年看護

4.    

教育

在過去的十五年間，教育界見證了為數(shù)眾多的人工智能科技的進步。諸如 K-12 線上教育以及大學配套設(shè)備等等應用已經(jīng)被教育家和學習者們廣泛利用。盡管素質(zhì)教育還是需要人類教師的活躍參與，但人工智能在所有層面上都帶來了強化教育的希望，尤其是大規(guī)模定制化教育。如何找到通過人工智能技術(shù)來最優(yōu)化整合人類互動與面對面學習將是一個關(guān)鍵性的挑戰(zhàn)，這一點醫(yī)療行業(yè)也是如此。

機器人早已經(jīng)成為了廣為歡迎的教育設(shè)備，最早可以追溯到 1980 年 MIT Media Lab 所研制出的 Lego Mindstorms。智能輔導系統(tǒng)（ITS）也成為了針對科學、數(shù)學、語言學以及其他學科相匹配的學生互動導師。

自然語言處理，尤其是在與機器學習和眾包結(jié)合以后，有力推進了線上學習，并讓教師可以在擴大教室規(guī)模的同時還能做到解決個體學生的學習需求與風格。大型線上學習的系統(tǒng)所得的數(shù)據(jù)已經(jīng)為學習分析產(chǎn)生了迅速增長的動力。

但是，學院與大學采用人工智能技術(shù)的步伐依然很緩慢，主要是由于資金的缺乏，以及其可以幫助學生達成學習目標的有力證據(jù)。一個典型美國北部城市的未來五十年，智能導師與其他人工智能技術(shù)幫助教師在課堂或家中工作的規(guī)模很有可能會顯著擴大，因為意愿學習是基于虛擬現(xiàn)實的應用。但是計算機為基礎(chǔ)的學習系統(tǒng)將無法完全替代學校里的教師們。

教育機器人

智能輔導系統(tǒng)（ITS）與線上學習

學習分析

挑戰(zhàn)和機遇

更廣大的社會成果

難以獲得教育的國家的人民，如果這些群體有可以獲取在線教育的工具，那么在線資源將會產(chǎn)生重要的積極影響。在線教育資源的發(fā)展應該能讓支持國際教育項目的基金會可以通過提供工具和相對簡單的使用培訓來更輕松地提供素質(zhì)教育。比如說，針對 iPad 開發(fā)出了大量的、且大部分免費的教育應用。

在消極的一面，現(xiàn)在學生已有把自己的社會接觸限制在電子設(shè)備上的趨勢了，他們在網(wǎng)絡(luò)程序的互動上花費了大量時間，卻沒有進行社會接觸。如果教育也越來越多地通過網(wǎng)絡(luò)進行，那么在學生的社會發(fā)展階段缺乏與同齡人有規(guī)律的面對面接觸會帶來怎樣的影響呢？特定的技術(shù)已經(jīng)表明這會產(chǎn)生在神經(jīng)方面的影響。另一方面，自閉癥兒童已經(jīng)開始從與人工智能系統(tǒng)的互動中受益了。

5. 低資源社區(qū)

人工智能存在許多機會去改善生活于一個典型北美城市的低資源社區(qū)中的人民生活狀況——事實上在某些情況下已經(jīng)有所改變。了解這些人工智能的直接貢獻也可能會激發(fā)對于發(fā)展中國家最為貧窮的地區(qū)的潛在貢獻。在人工智能的數(shù)據(jù)收集過程中并沒有對這個人群的顯著關(guān)注，而且傳統(tǒng)上人工智能資助者在缺乏商業(yè)應用的研究中表現(xiàn)得投資乏力。

有了有針對性的激勵和資金優(yōu)先次序，人工智能技術(shù)可以幫助解決低資源社區(qū)的需求。萌芽中的努力是有希望的。人工智能可能會有有助于對抗失業(yè)和其他社會問題帶來的恐懼，它或許會提供緩解措施和解決方案，特別是通過受影響的社區(qū)以與其建立信任的方式來實現(xiàn)。

6. 公共安全與防護

城市已經(jīng)為公共安全和防護部署人工智能技術(shù)了。到 2030 年, 典型的北美城市將在很大程度上依賴它們。這些措施包括可以檢測到指向一個潛在犯罪的異?，F(xiàn)象的監(jiān)控攝像機、無人機和預測警務應用。與大多數(shù)問題一樣，好處與風險并存。

獲得公眾信任是至關(guān)重要的。雖然會存在一些合理的擔心，即與人工智能合作的警務可能會在某些情況下變得霸道或是無處不在，而相反的情況也是可能的。人工智能可能使警務變得更有針對性并只在需要時被使用。而且假設(shè)經(jīng)過仔細的部署，人工智能也可能有助于消除一些人類決策中固有的偏見。

對于人工智能分析學更成功的一個應用是檢測白領(lǐng)犯罪，比如信用卡詐騙罪。網(wǎng)絡(luò)安全（包括垃圾郵件）是一個被廣泛關(guān)注的問題，而機器學習也對其有所影響。

人工智能工具也可能被證明有助于警察管理犯罪現(xiàn)場或是搜索和救援活動，它可以幫助指揮官排列任務的優(yōu)先次序以及分配資源，盡管這些工具還沒有為這些活動的自動化做好準備。在一般的機器學習尤其是在轉(zhuǎn)換學習中的改進——在新情境中基于與過去情況的相似性而加快學習——可能有利于這樣的系統(tǒng)。

7. 就業(yè)與勞資

盡管人工智能很有可能會對典型北美城市的就業(yè)和工作場所產(chǎn)生深遠的影響，但對當前的影響我們目前還難以作出評估——是積極的還是消極的。在過去十五年，由于經(jīng)濟衰退和日益的全球化，尤其是中國參與到了世界經(jīng)濟中，就業(yè)狀況已經(jīng)發(fā)生了改變，非人工智能的數(shù)字技術(shù)也發(fā)生了很大的變化。自 1990 年代以來，美國經(jīng)歷了生產(chǎn)率和 GDP 的連續(xù)增長，但平均收入?yún)s停滯不前，就業(yè)人口比率也已經(jīng)下降。

有一些數(shù)字技術(shù)有重大影響（好的影響或壞的影響）的行業(yè)的顯著案例，而在一些其它的行業(yè)，自動化將很有可能能在不久的將來發(fā)生重大的改變。許多這些改變已經(jīng)得到了「例行的」數(shù)字技術(shù)的推動，其中包括企業(yè)資源規(guī)劃、網(wǎng)絡(luò)化、信息處理和搜索。理解這些改變應該能為人工智能影響未來勞動力需求的方式（包括技能需求的改變）提供見解。

到目前為止，數(shù)字技術(shù)已經(jīng)給中等技能的工作（比如旅行代理）帶來了更大的影響，而不是非常低技能或非常高技能的工作。另一方面，數(shù)字系統(tǒng)所能完成的任務的范圍正隨著人工智能的演進而提升，這很可能會逐漸增大所謂的「例行任務」的范圍。人工智能也正向高端的領(lǐng)域蔓延，包括一些機器之前無法執(zhí)行的專業(yè)服務。

為了獲得成功，人工智能創(chuàng)新將需要克服可以理解的人們對被邊緣化的恐懼。在短期內(nèi)，人工智能很有可能會取代任務，而非工作，同時還將會創(chuàng)造新類型的工作。但新類型的工作比將可能失去的已有工作更難以想象。就業(yè)領(lǐng)域的變化通常是漸進的，不會出現(xiàn)劇烈的過渡。

隨著人工智能進入工作場所，這很有可能是一個持續(xù)的趨勢。影響的范圍也將擴大，從少量的替代或增強到完全的替代。比如說，盡管大部分律師的工作還沒被自動化，但人工智能在法律信息提取和主題建模方面的應用已經(jīng)自動化了一部分第一年工作的律師新人的工作。在不遠的將來，包括放射科醫(yī)生到卡車司機到園丁等許多類型的工作都可能會受到影響。

人工智能也可能會影響工作場所的大小和位置。許多組織和機構(gòu)很龐大的原因是他們所執(zhí)行的功能只能通過增加人力來擴大規(guī)模，要么是「橫向」擴展地理區(qū)域，要么是「縱向」增多管理層級。隨著人工智能對許多功能的接管，擴展不再意味著會帶來大型的組織。

許多人已經(jīng)指出一些知名的互聯(lián)網(wǎng)公司只有很少數(shù)量的員工，但其它公司并不是這樣。人類企業(yè)可能存在一個自然的規(guī)模大小，在這樣的企業(yè)中，CEO 能夠認識公司里的每一個人。通過將創(chuàng)造有效地外包給人工智能驅(qū)動的勞動力市場，企業(yè)會傾向于自然的大小。

人工智能也將創(chuàng)造工作，特別是在某些行業(yè)中，通過使某些特定任務更重要，以及通過產(chǎn)生新的交互模型創(chuàng)造新類型的工作。復雜的信息系統(tǒng)可被用于創(chuàng)造新的市場，這往往會帶來降低門檻和增加參與的影響——從應用商店到 AirBnB 再到 taskrabbit。人工智能界有一個活躍的研究社區(qū)在研究創(chuàng)造新市場和使已有市場更高效地運作的進一步的方式。

盡管工作本身有內(nèi)在的價值，但大部分人工作是為了購買他們看重的商品和服務。因為人工智能系統(tǒng)可以執(zhí)行之前需要人力的工作，因此它們可以導致許多商品和服務的成本下降，實實在在地讓每個人都更富有。當正如當前的政治辯論中所給出的例子一樣，失業(yè)對人們的影響比對散布的經(jīng)濟效益的影響更顯著——尤其是那些直接受其影響的人；而不幸的是，人工智能常常被視作是工作的威脅，而不是生活水平的提升。

人們甚至在某些方面存在恐懼——害怕人工智能會在短短一代人的時間內(nèi)迅速取代所有的人類工作，包括那些需要認知和涉及到判斷的工作。這種突變是不太可能發(fā)生的，但人工智能會逐漸侵入幾乎所有就業(yè)領(lǐng)域，這需要在計算機可以接管的工作上替換掉人力。

人工智能對認知型人類工作的經(jīng)濟影響將類似于自動化和機器人在制造業(yè)工作上對人類的影響。許多中年工人失去了工廠里的高薪工作以及伴隨這個工作的家庭和社會中的社會經(jīng)濟地位。長期來看，一個對勞動力的更大影響是失去高薪的「認知型」工作。

隨著勞動力在生產(chǎn)部門的重要性的下降（與擁有知識資本相比），大多數(shù)市民可能會發(fā)現(xiàn)他們的工作的價值不足以為一種社會可以接受的生活標準買單。這些變化將需要政治上的，而非單純經(jīng)濟上的響應——需要考慮應該配置怎樣的社會安全網(wǎng)來保護人們免受經(jīng)濟的大規(guī)模結(jié)構(gòu)性轉(zhuǎn)變的影響。如果缺少了緩解政策，這些轉(zhuǎn)變的一小群受益者將成為社會的上層。

短期來看，教育、再訓練和發(fā)明新的商品和服務可以減輕這些影響。更長期來看，目前的社會安全網(wǎng)可能需要進化成更好的服務于每個人的社會服務，例如醫(yī)療和教育或有保障的基本收入。事實上，瑞士和芬蘭等國家已經(jīng)在積極地考慮這些措施了。

人工智能可能會被認為是一種財富創(chuàng)造的完全不同的機制，每個人都應該從全世界人工智能所生產(chǎn)的財富中分得一部分。對于人工智能技術(shù)所創(chuàng)造的經(jīng)濟成果的分配方式，相信不久之后就會開始出現(xiàn)社會爭議了。因為傳統(tǒng)社會中由孩子支持他們年老的父母，也許我們的人工智能「孩子」也應該支持我們——它們的智能的「父母」。

8. 娛樂

隨著過去十五年互聯(lián)網(wǎng)的爆發(fā)式增長，很少有人能想象沒有它的生活。在人工智能的驅(qū)動下，互聯(lián)網(wǎng)已經(jīng)將用戶生成的內(nèi)容作為了信息和娛樂的一個可行的來源。Facebook 這樣的社交網(wǎng)絡(luò)現(xiàn)在幾乎已經(jīng)無處不在，而且它們也成為了社會互動和娛樂的個性化渠道——有時候會損害人際交往。WhatsApp 和 Snapchat 等應用可以讓智能手機用戶與同伴保持「接觸」和分享娛樂和信息源。

在《第二人生》這樣的在線社區(qū)和《魔獸世界》這樣的角色扮演游戲中，人們想象在虛擬世界中有一個虛擬的存在。亞馬遜 Kindle 這樣的專用設(shè)備已經(jīng)重新定義了打發(fā)時間的要領(lǐng)?，F(xiàn)在只需手指點點劃劃幾下，就可以瀏覽和獲取書籍了；一個口袋大小的設(shè)備就可以存儲成千上萬本書，而閱讀體驗基本上可手持的紙質(zhì)書差不多。

現(xiàn)在我們有了共享和瀏覽博客、視頻、照片和專題討論的可信平臺，此外還有各種各樣用戶生成的內(nèi)容。為了在互聯(lián)網(wǎng)的規(guī)模上運行，這些平臺必須依賴現(xiàn)在正被積極開發(fā)的技術(shù)，其中包括自然語言處理、信息檢索、圖像處理、眾包和機器學習。比如，現(xiàn)在已經(jīng)開發(fā)出了協(xié)同過濾（collaborative filtering）這樣的算法，它可以基于用戶的人口統(tǒng)計學細節(jié)和瀏覽歷史推薦相關(guān)的電影、歌曲或文章。

為了跟上時代的步伐，傳統(tǒng)的娛樂資源也已經(jīng)開始擁抱人工智能。正如書和電影《點球成金》中給出的例子，職業(yè)運動現(xiàn)在已經(jīng)轉(zhuǎn)向了密集的量化分析。除了總體表現(xiàn)統(tǒng)計，賽場上的信號也可以使用先進的傳感器和相機進行監(jiān)控。用于譜曲和識別音軌的軟件已經(jīng)面世。

來自計算機視覺和 NLP 的技術(shù)已被用于創(chuàng)建舞臺表演。即使非專業(yè)用戶也可以在 WordsEye 等平臺上練習自己的創(chuàng)造力，這個應用可以根據(jù)自然語言文本自動生成 3D 場景。人工智能也已經(jīng)被用于協(xié)助藝術(shù)品的歷史搜索，并在文體學（stylometry）得到了廣泛的應用，最近還被用在了繪畫分析上。

人類對人工智能所驅(qū)動的娛樂的熱情是很令人驚訝的，但也有人擔心這會導致人與人之間的人際交互減少。少數(shù)人預言說人們會因為在屏幕上花費了太多時間而不再與人互動。孩子們常常更愿意在家里快樂地玩他們的設(shè)備，而不愿意出去和他們的朋友玩耍。人工智能會使娛樂更加交互式，更加個性化和更有參與感。應該引導一些研究來理解如何利用這些性質(zhì)為個人和社會利益服務。

第三部分：人工智能公共政策的前景與建議

人工智能應用的目標必須是對社會有價值。我們的政策建議也會遵循這個目標，而且即便這個報告主要關(guān)注的是 2030 年的北美城市，建議依然廣泛適用于其他城市，同時不受時間限制。一些提升解讀和人工智能系統(tǒng)能力并參與其使用的策略可以幫助建立信任，同時防止重大失敗。

在增強和提升人類能力和互動時需要小心，還有避免對不同社會階層的歧視。要強調(diào)多做鼓勵這個方向以及溝通公共政策探討的研究。鑒于美國目前的產(chǎn)業(yè)監(jiān)管，需要新的或重組的法律和政策來應對人工智能可能帶來的廣泛影響。

政策不需要更多也不要更嚴，而是應該鼓勵有用的創(chuàng)新，生成并轉(zhuǎn)化專業(yè)知識，并廣泛促進企業(yè)與公民對解決這些技術(shù)帶來的關(guān)鍵社會問題的責任感。長期來看，人工智能將會帶來新財富，整個社會也要探討如何分配人工智能技術(shù)帶來的經(jīng)濟成果的分配問題。

如今以及未來的人工智能政策

為了幫助解決個人和社會對快速發(fā)展的人工智能技術(shù)產(chǎn)生的憂慮，該研究小組提供了三個一般性政策建議。

1. 在所有層級的政府內(nèi)，制定一個積累人工智能技術(shù)專業(yè)知識的程序。有效的監(jiān)管需要更多的能理解并能分析人工智能技術(shù)、程序目標以及整體社會價值之間互動的專家。

缺少足夠的安全或其他指標方面的專業(yè)技術(shù)知識，國家或地方政府官員或許或拒絕批準一個非常有前途的應用?；蛘呷鄙僮銐蛴柧毜恼賳T可能只會簡單采納行業(yè)技術(shù)專家的說法，批準一個未經(jīng)充分審查的敏感的應用進入市場。不理解人工智能系統(tǒng)如何與人工行為和社會價值互動，官員們會從錯誤的角度來評估人工智能對項目目標的影響。

2. 為研究人工智能的平等、安全、隱私和對社會的影響掃清感知到的和實際的障礙。

在一些相關(guān)的聯(lián)邦法律中，如計算機欺詐和濫用法案（Computer Fraud and Abuse Act）和數(shù)字千年版權(quán)法的反規(guī)避條款（theanti-circumvention provision of the Digital

Millennium Copyright Act），涉及專有的人工智能系統(tǒng)可能被如何逆向向工程以及被學者、記者和其他研究人員評價的內(nèi)容還很模糊。當人工智能系統(tǒng)帶來了一些實質(zhì)性后果需要被審查和追究責任時，這些法律的研究就非常重要了。

3. 為人工智能社會影響的跨學科研究提供公共和私人資金支持。

從整個社會來看，我們對人工智能技術(shù)的社會影響的研究投入不足。資金要投給那些能夠從多角度分析人工智能的跨學科團隊，研究范圍從智能的基礎(chǔ)研究到評估安全、隱私和其他人工智能影響的方法。一下是具體問題：

當一輛自動駕駛汽車或智能醫(yī)療設(shè)備出現(xiàn)失誤時，應該由誰來負責？如何防止人工智能應用產(chǎn)生非法歧視？誰來享有人工智能技術(shù)帶來的效率提升的成果，以及對于那些技能被淘汰的人應該采取什么樣的保護？

隨著人工智能被越來越廣泛和深入地整合到工業(yè)和消費產(chǎn)品中，一些領(lǐng)域中需要調(diào)整現(xiàn)有的建立監(jiān)管制度以適應人工智能創(chuàng)新，或者在某些情況下，根據(jù)廣泛接受的目標和原則，從根本上重新配置監(jiān)管制度。

在美國，已經(jīng)通過各種機構(gòu)將監(jiān)管具體到各個行業(yè)。在設(shè)備中使用人工智能實現(xiàn)醫(yī)療診斷和治療由食品藥品監(jiān)督管理局（FDA）監(jiān)管，包括定義產(chǎn)品類型和指定產(chǎn)生方法，還有軟件工程的標準。無人機在管制空域中的使用由美國聯(lián)邦航空局（FAA）監(jiān)管。面向消費者的人工智能系統(tǒng)將由聯(lián)邦貿(mào)易委員會（FTC）監(jiān)管。金融市場使用的人工智能技術(shù)，如高頻交易，由證券交易委員會（SEC）監(jiān)管。

除了針對具體行業(yè)制定監(jiān)管的方法外，「重要基礎(chǔ)設(shè)施」中定義模糊和廣泛的監(jiān)管類別可能適用于人工智能應用。

鑒于目前美國行政法結(jié)構(gòu)，短期內(nèi)制定出全面的人工智能政策法規(guī)似乎不太可能。但是，可以根據(jù)人工智能在各種情境中可能出現(xiàn)的法律和政策問題，廣泛列出多個類別。

隱私

創(chuàng)新政策

責任（民事）

責任（刑事）

代理

認證

勞動力

稅務

政治

未來的指導原則

面對人工智能技術(shù)將帶來的深刻變化，要求「更多」和「更強硬」的監(jiān)管的壓力是不可避免的。對人工智能是什么和不是什么的誤解（尤其在這個恐慌易于散布的背景下）可能引發(fā)對有益于所有人的技術(shù)的反對。那將會是一個悲劇性的錯誤。扼殺創(chuàng)新或?qū)?chuàng)新轉(zhuǎn)移到它處的監(jiān)管方法同樣也只會適得其反。

幸運的是，引導當前數(shù)字技術(shù)的成功監(jiān)管原則可以給我們帶來指導。比如，一項最近公布的多年研究對比了歐洲四個國家和美國的隱私監(jiān)管，其結(jié)果卻很反直覺。西班牙和法國這樣的有嚴格的詳細法規(guī)的國家在企業(yè)內(nèi)部孕育出了一種「合規(guī)心態(tài)（compliance mentality）」，其影響是抑制創(chuàng)新和強大的隱私保護。

這些公司并不將隱私保護看作是內(nèi)部責任，也不會拿出專門的員工來促進其業(yè)務或制造流程中的隱私保護，也不會參與必需范圍之外的隱私倡議或?qū)W術(shù)研究；這些公司只是將隱私看作是一項要滿足規(guī)范的行為。他們關(guān)注的重點是避免罰款或懲罰，而非主動設(shè)計技術(shù)和采納實際技術(shù)來保護隱私。

相對地，美國和德國的監(jiān)管環(huán)境是模糊的目標和強硬的透明度要求和有意義的執(zhí)法的結(jié)合，從而在促進公司將隱私看作是他們的責任上做得更加成功。廣泛的法律授權(quán)鼓勵企業(yè)發(fā)展執(zhí)行隱私控制的專業(yè)人員和流程、參與到外部的利益相關(guān)者中并采用他們的做法以實現(xiàn)技術(shù)進步。對更大的透明度的要求使民間社會團隊和媒體可以變成法庭上和法庭外的公共輿論中的可靠執(zhí)法者，從而使得隱私問題在公司董事會上更加突出，這又能讓他們進一步投資隱私保護。

在人工智能領(lǐng)域也是一樣，監(jiān)管者可以強化涉及內(nèi)部和外部責任、透明度和專業(yè)化的良性循環(huán)，而不是定義狹窄的法規(guī)。隨著人工智能與城市的整合，它將繼續(xù)挑戰(zhàn)對隱私和責任等價值的已有保護。和其它技術(shù)一樣，人工智能也可以被用于好的或惡意的目的。

這份報告試圖同時強調(diào)這兩方面的可能性。我們急切地需要一場重要的辯論：如何最好地引導人工智能以使之豐富我們的生活和社會，同時還能鼓勵這一領(lǐng)域的創(chuàng)新。應該對政策進行評估，看其是否能促進人工智能所帶來的益處的發(fā)展和平等共享，還是說會將力量和財富集中到少數(shù)權(quán)貴的手里。而因為我們并不能完美清晰地預測未來的人工智能技術(shù)及其所將帶來的影響，所以相關(guān)政策一定要根據(jù)出現(xiàn)的社會難題和線索不斷地重新評估。

截至本報告發(fā)布時，重要的人工智能相關(guān)的進展已經(jīng)在過去十五年內(nèi)給北美的城市造成了影響，而未來十五年還將有更大幅度的發(fā)展發(fā)生。最近的進展很大程度是由于互聯(lián)網(wǎng)所帶來的大型數(shù)據(jù)集的增長和分析、傳感技術(shù)的進步和最近的「深度學習」的應用。

未來幾年，隨著公眾在交通和醫(yī)療等領(lǐng)域內(nèi)與人工智能應用的遭遇，它們必須以一種能構(gòu)建信任和理解的方式引入，同時還要尊重人權(quán)和公民權(quán)利。在鼓勵創(chuàng)新的同時，政策和流程也應該解決得到、隱私和安全方面的影響，而且應該確保人工智能所帶來的好處能得到廣泛而公正的分配。如果人工智能研究及其應用將會給 2030 年及以后的北美城市生活帶來積極的影響，那么這樣做就是非常關(guān)鍵的。

此文整理自網(wǎng)絡(luò)

我們?yōu)閳@區(qū)開發(fā)區(qū)、中小學幼兒園校、企事業(yè)單位、政府機關(guān)社區(qū)的職工及其子女提供STEAM創(chuàng)客創(chuàng)業(yè)教育、人工智能機器人創(chuàng)新教育、營地研學科普科創(chuàng)教育、家庭親子心理學教育一站式服務，有實體校區(qū)，有應用案例，有輸出資源，歡迎垂詢觀光考察采購我們的 S.A.M. 產(chǎn)品、課程和項目服務（steamersh）

關(guān)于我們-4009982178：

i-KP愛科普青少年創(chuàng)客教育實踐發(fā)展中心

是上海楊浦區(qū)社創(chuàng)科普產(chǎn)業(yè)研究院專門從事青少年科普教育及創(chuàng)客教育服務的二級機構(gòu)。

本中心致力于整合國內(nèi)外科普教育各方資源，通過開展各類形式多樣的科普科創(chuàng)活動，為提高廣大青少年的科學素養(yǎng)、提升科創(chuàng)能力而努力。目前已為全國多家中高職院校及中小學提供科普教育和創(chuàng)新實驗室配置等的服務和支持。

ZIB 智伴兒童教育陪伴機器人上海交流中心

本中心致力于智伴兒童教育陪伴機器人的產(chǎn)品推廣、市場通路建設(shè)和城市合伙人的招商加盟與團隊培育服務。

新奇樂科技營地研學

營地致力于提升青少年的生活能力和生活藝術(shù)，改善促進家庭親子關(guān)系，培育青少年的“人與自然和諧”的人生觀和世界觀，為中國培養(yǎng)世界美譽公民。

自閉癥 AI干預輔導中心

中心致力于將人工智能的應用創(chuàng)新與自閉癥的傳統(tǒng)心理干預和行為干預相結(jié)合，通過小批量樣本的長期臨床觀察和案例搜集，逐步探索人工智能機器人在自閉癥兒童的社交陪伴和情感交流方面的科技作用，為星星世界的孩子編織一面明媚的天空，為家長增加一絲希望的陽光。

目前中心已經(jīng)接待20多個孩子進行長期的干預輔導。