美國的人工智能戰(zhàn)略布局與發(fā)展格局系統(tǒng)性強、步驟清晰，對洞悉世界人工智能發(fā)展最新動向具有十分重要的現(xiàn)實意義。

1.美國人工智能的發(fā)展

當前，全球人工智能領導地位爭奪賽已進入白熱化階段。近年來，英國、法國、德國、加拿大、日本、印度、新加坡等國陸續(xù)發(fā)布了人工智能戰(zhàn)略，積極推動人工智能研究開發(fā)和產(chǎn)業(yè)應用。隨著現(xiàn)代科學與技術的迅猛發(fā)展，機器的算力、算法和海量場景數(shù)據(jù)等方面獲得重大突破，使人工智能重獲新生，呈現(xiàn)出井噴爆發(fā)之勢。盡管美國因最早運用大數(shù)據(jù)、云計算、物聯(lián)網(wǎng)等先進技術在數(shù)字經(jīng)濟領域占據(jù)領導地位，但美國要在人工智能領域中保持領導力，還需要根據(jù)自身的政治經(jīng)濟軍事的發(fā)展需要而制定相應的人工智能戰(zhàn)略。

1.1 美國人工智能戰(zhàn)略性政策

美國聯(lián)邦政府先后出臺多個重要的報告文件，引領和助推人工智能國家戰(zhàn)略發(fā)展。2016年，奧巴馬政府針對人工智能發(fā)展現(xiàn)狀、應用領域以及社會公共政策問題，在10月推出了《為人工智能的未來做好準備》，之后發(fā)布《國家人工智能研發(fā)戰(zhàn)略計劃》提出優(yōu)先發(fā)展的人工智能七大研發(fā)戰(zhàn)略及兩大建議，2016年12月在《人工智能、自動化與經(jīng)濟報告》文件中對人工智能驅(qū)動的自動化對美國就業(yè)市場和經(jīng)濟的影響以及建設性的政策回應等方面進行系統(tǒng)研究與深入分析。2019年2月，特朗普總統(tǒng)簽署了《保持美國在人工智能領域的領導地位》，啟動了美國人工智能倡議行動，標志著美國正式將人工智能上升為國家戰(zhàn)略。特朗普政府強調(diào)，要繼續(xù)保持美國在人工智能領域的領導地位，就必須齊心協(xié)力促進技術和創(chuàng)新的進步，保護美國的技術、經(jīng)濟安全和國家安全，加強與外國伙伴和盟國之間的合作。2021年3月1日，美國人工智能國家安全委員會(NSCAI)向國會遞交了一份長達756頁的建議報告。該報告的主要建議包括為美國人工智能領域的發(fā)展設定2025年目標，以實現(xiàn)“軍事人工智能準備就緒”;在白宮成立一個由副總統(tǒng)領導的技術競爭力委員會，幫助提升人工智能在各個領域的地位并大力培養(yǎng)技能人才等。

奧巴馬、特朗普和拜登政府的人工智能國家政策雖有所側(cè)重，但總體上呈現(xiàn)承前啟后的關系，都強調(diào)保持美國在人工智能領域的領導地位，通過匯集資源優(yōu)先推動人工智能研發(fā)，促進國家經(jīng)濟繁榮，加強經(jīng)濟安全與國家安全。

1.2 推動人工智能的軍事化應用

美國政府認為，人工智能將影響到國防部的每一個角落，包括人員招聘培訓、行動實施、武器升級、設備維護、醫(yī)療保健等許多方面。人工智能將改變作戰(zhàn)方式和未來戰(zhàn)爭的特點。通過開發(fā)人工智能的潛力來全面轉(zhuǎn)變國防部的職能，美國聯(lián)合部隊能夠更好地保護美國軍人、公民、盟友和伙伴的利益，并提高部隊的行動能力和效率。為了維護美軍在人工智能領域的領導地位，國防部將努力推動人工智能的技術進步和實際軍事應用。

美國國防部十分重視人工智能對關鍵任務的支持。美國政府認為，人工智能對于美軍增強態(tài)勢感知能力、提高操作設備安全性、實施預測性維護和簡化業(yè)務流程意義重大。人工智能的圖像分析能力可以從大量原始數(shù)據(jù)中提取有用的信息，增強軍事指揮官的態(tài)勢感知能力和決策能力。人工智能可以幫助指揮官選擇最佳行動方案，從而最大限度地降低部署軍隊的風險。通過警告操作人員潛在的危險，人工智能可以增強在復雜情況下人類操作飛機、艦船和車輛的安全性。人工智能可以自動預測關鍵軍事部件的故障，并根據(jù)相關數(shù)據(jù)和設備狀況提供維修保養(yǎng)方案。這不僅可以預防因設備突發(fā)事故而影響軍事行動，而且可以優(yōu)化零部件的庫存水平，有利于指揮官以較低的成本快速部署部隊。

1.3 人工智能相關人才培養(yǎng)

各國間的人工智能競爭，核心是人才存量與人才質(zhì)量競爭，這涉及人才培養(yǎng)能力、人才培養(yǎng)水平和各類人才的持續(xù)輸出能力。當前，各國都缺少高水平、領軍型的人工智能人才，如何在短時間內(nèi)培養(yǎng)出高水平人工智能人才，是各國正共同思考的問題。美國的人工智能政策中，將專業(yè)人才培養(yǎng)和人才隊伍打造持續(xù)作為重點任務，通過資金扶持、研發(fā)投資、平臺建設等措施加以支持。2019年發(fā)布的《維護美國人工智能領導地位的行政命令》要求，提供教育補助金被視為現(xiàn)有聯(lián)邦獎學金和服務計劃的優(yōu)先事項，提高傳統(tǒng)意義上在計算機及相關領域中代表性不足群體的參與度，培養(yǎng)跨學科和技能類別的人工智能研發(fā)人員的專業(yè)人才等。同時，美國提出了“全方位培養(yǎng)一批多元化、有道德的人工智能隊伍，維持美國領導地位”的人才培養(yǎng)目標。

2.美國人工智能的問題

2.1 現(xiàn)場智能性沒有解決

所謂現(xiàn)場智能性就是將自主系統(tǒng)嵌入環(huán)境中，具有感知或測量環(huán)境的能力，能夠評估態(tài)勢，思考態(tài)勢，做出決策以達到目標，然后對環(huán)境采取行動，從而形成一個反復和交互式的“觀察/思考/行動”閉環(huán)。能夠使用幾種不同的“思考”模式來解決問題(例如，評估、推理和決策)，從低級別規(guī)則到高級別規(guī)則的推理和規(guī)劃，取決于問題的難度，具有足夠的靈活性來處理意外情況。

現(xiàn)場智能性能夠適應當前的關注重點，即增強人類表現(xiàn)和減輕任務等級、任務時間、環(huán)境等相關的壓力下的人類限制因素。Johnson在2013年提出感知-評估-增強(SAA)，感知人類的身體、生理和心理狀態(tài)，考慮特定任務目標下的人類情況，根據(jù)績效目標評估整理的狀態(tài)，通過各種方式，包括人機交互、決策輔助甚至生化增強劑的變化，基于所評估的狀態(tài)來增強人類的各種能力。顯然，如果適當增強人類能力，那么就應該減少壓力源的影響，因此對人類狀態(tài)的最終感知和評估應該反應這一點，隨著時間的推移僅需要較少量地增強人類能力，這個過程的閉環(huán)特性很清晰明了。

2.2 人機信任機制問題還在路上

信任是一種基本的社會心理學概念，并且是自主之外許多領域的關鍵因素，包括人際關系、經(jīng)濟交流、組織生產(chǎn)力、跨學科和跨文化合作，以及電子媒介交易。信任有許多不同的定義，被廣泛引用的定義是，一方的意愿容易受到另一方的行為的傷害，因為期望另一方對信任采取特別重要的行動，而不管是否有能力去監(jiān)督和控制這一方。自主系統(tǒng)解決方案的透明度和可追溯性低，根據(jù)假設條件，考慮使用的數(shù)據(jù)、推理方法等方面因素，自主系統(tǒng)缺乏“解釋自己的能力”，自主系統(tǒng)很難證明其解決方案集的合理性，進而獲得人類的信任。系統(tǒng)缺乏自我意識和環(huán)境意識，自我意識包括自主系統(tǒng)的健康和部件故障模式，環(huán)境意識包括環(huán)境壓力或敵方攻擊。兩者都可能在不知不覺中影響性能和熟練性，并夸大基于自主系統(tǒng)的解決方案在其名義“工作范圍”之外的置信度。

認知一致性和認知透明度有利于增進人機協(xié)同的可信賴性，認知一致性是指自主系統(tǒng)和人類在潛在的認知表征和認知過程中具有一致性的程度。它在某一個體內(nèi)部的認知或心理一致性概念以及當該個體必須處理認知失調(diào)時出現(xiàn)的問題延申。缺乏認知一致性會影響人類對自主系統(tǒng)理解當時態(tài)勢并采取行動所做的共同意義構建以及隨后的信任。這種方式類似于人類在相似態(tài)勢下的行為。認知透明度指的是即使沒有多少認知一致性，自主系統(tǒng)所采取的推理和行動對人類而言仍然是可以理解的。透明度為人類提供了一種跟蹤和驗證自主系統(tǒng)所做評估和推理的“審計軌跡”手段，并且即使自動自動解決問題的方法與人類方法不同，也將有助于建立信任。

2.3 人機混合智能問題沒有突破

當人和系統(tǒng)共同完成一項共同的任務時，如果對共同目標、任務約束、角色等的理解不足，那么就可能導致任務執(zhí)行過程中，人機決策功能分配的不協(xié)調(diào)。任何人機系統(tǒng)不協(xié)調(diào)的實質(zhì)問題在于如何把握“變”和“好”，而不是“快”和“演”。否則人不是人，機不是機，環(huán)境不是環(huán)境，各自的優(yōu)點都沒有發(fā)揮出來，該變的時候不變，不該變的時候亂變，另外人機混合的方式、時機、功能等應該是恰如其分的“好”，不早不晚、不快不慢，才能發(fā)揮出各自的優(yōu)點，實現(xiàn)最優(yōu)匹配，在開放的真實環(huán)境下，由此而產(chǎn)生的智能程度和主動效力才能最大。

人機混合智能中的功能分配是分工的一部分，另外一部分是能力分配。功能分配是被動的，外部需求所致;能力分配是主動的，內(nèi)部驅(qū)動所生。在復雜、異質(zhì)、非結構、非線性數(shù)據(jù)/信息/知識中，人的或者是類人的方向性預處理很重要，當問題域被初步縮小范圍后，機器的有界、快速、準確優(yōu)勢便可以發(fā)揮出來了;另外，當獲得大量數(shù)據(jù)/信息/知識后，機器也可以先把他們初步映射到幾個領域，然后人再進一步處理分析。這兩個過程的同化適應、交叉平衡體現(xiàn)的就是人機有機融合的過程。

美國人工智能領域在上述幾個人工智能關鍵問題方面依然沒有大的進展，所以沒有得到期望的應用效果。所以其研究核心——人機混合智能和態(tài)勢感知機理相對模糊、機制較為混亂，由此而產(chǎn)生的智能只描述了事實性計算，缺失了人的情感性、價值性和責任性。如人的智能千差萬別，能夠?qū)崿F(xiàn)高效人機協(xié)作的智能系統(tǒng)最可能的是個性化的智能系統(tǒng)。“個性化”的智能系統(tǒng)不是簡單的機器對人習慣的適應和遷就，而是應該建立一種人機溝通的框架和機制。如DARPA的智能輔助決策系統(tǒng)的決策建議有可能是對指揮員思路的補充，也有可能與指揮員的指揮風格完全相反，通過不斷實踐磨合獲得多次反饋，人機混合決策能力獲得迭代發(fā)展，最終實現(xiàn)個性化的輔助決策系統(tǒng)，達到人與機器的最優(yōu)匹配。

3.美國人工智能的未來趨勢

3.1 可解釋性人工智能

可解釋性的實質(zhì)是小數(shù)據(jù)信息的知識化，也是人類學習的秘密。人工智能方法發(fā)展至今，其取得的一系列重要突破歸根溯源為挖掘并應用了大量蘊含人類經(jīng)驗的知識庫。然而，針對很多典型應用，實際可采集數(shù)據(jù)的數(shù)量與質(zhì)量都無法滿足深度學習任務的需求，導致在學習實際復雜系統(tǒng)關鍵行為時的模型往往不具備可解釋性。近年來，深度學習推動了人工智能的跨越式發(fā)展，但技術上由于所構造的神經(jīng)網(wǎng)絡參數(shù)眾多、層級結構復雜、參數(shù)間深度耦合，導致神經(jīng)網(wǎng)絡的訓練學習過程、網(wǎng)絡層的構造機制、參數(shù)的特征屬性等可靠性存疑。人工智能的目標是從數(shù)據(jù)中學習復雜系統(tǒng)隱含的內(nèi)在規(guī)律，因此對人工智能方法的可解釋性、泛化性能、可重復性等深入研究是當前世界人工智能發(fā)展的核心關鍵科學問題，美國也沒有大的突破。

現(xiàn)有人工智能是基于先驗經(jīng)驗和統(tǒng)計模型進行數(shù)據(jù)預處理和建模分析的，其數(shù)學本質(zhì)是基于統(tǒng)計的線性化動態(tài)建模與分析，大數(shù)據(jù)分析和人工智能學習過程是通過統(tǒng)計模型或線性化動態(tài)模型的演化與優(yōu)化，刻畫或逼近原復雜系統(tǒng)的性質(zhì)和行為。傳統(tǒng)人工智能發(fā)展的瓶頸根源于其基本理論框架是基于統(tǒng)計與動態(tài)線性化的建模思想，如機器學習、深度學習等技術都屬于這一范疇，很多針對非線性的探索雖然取得了一些進展，但均無法突破上述框架。

3.2 人機混合智能

人工智能只是人類智能可描述化、可程序化的一部分，而人類的智能是人、機(物)、環(huán)境系統(tǒng)相互作用的產(chǎn)物。人機功能/能力的匹配分級可按全部人工、人主機器數(shù)據(jù)性輔助、人主機器規(guī)則化計算性推理輔助、人主機器概率化計算性推理輔助、人主機器弱判定性輔助決策、人主機器強判定性輔助決策劃分，但無論如何在人機系統(tǒng)中人始終處于主導地位，即全過程人主機輔，以免造成系統(tǒng)失控的局勢。

人機混合智能機制機理的難點：算計的機理、智算(計算計)的機制、人機混合中信任、理解、意圖、適應等基本概念的定義、人機混合智能中功能與能力的劃界、適配、智算(計算計)關鍵在于如何實現(xiàn)計和算的辯證統(tǒng)一(而對于反計算計方面，反計可以悖論矛盾，反算可以無窮循環(huán))、態(tài)勢如何互生/感知如何共融、如何學會像敵人一樣思考并做出客觀的判斷和推論。

美國通過自上而下的政府政策(如防務政策)和自下而上的企業(yè)創(chuàng)新生態(tài)系統(tǒng)(如反壟斷法)，保持其在人工智能領域的全球領導地位。在價值引領方面，美國強調(diào)人工智能技術必須反映美國核心價值觀，如自由、人權保障、法治、體制穩(wěn)定、隱私權、尊重知識產(chǎn)權和人人有機會追求夢想等。這就要求人工智能技術是可理解的、可信的、健壯的和安全的，并且考慮人工智能對社會更廣泛的影響;在參與主體方面，聯(lián)邦機構、學術界、私營部門創(chuàng)新者和非營利組織等發(fā)揮著其獨特和必要的作用，同時這些利益相關者互惠合作，產(chǎn)生積極的協(xié)同效應;在數(shù)據(jù)資源方面，美國的政策是擴大專家獲取高質(zhì)量、有效和完全可追蹤的聯(lián)邦數(shù)據(jù)、模型和計算資源，用于聯(lián)邦資助的人工智能研發(fā)，提高美國人工智能專家的競爭力;在人機協(xié)同方面，強調(diào)人工智能系統(tǒng)對人類能力的補充與增強作用，通過“替代、增強、修改、重塑”等方式為人類賦能;

4.期待

4.1 全面加強人工智能基礎研究

根據(jù)人工智能基礎研究投入大、周期長、風險高的特點，從團隊組建、支撐平臺、經(jīng)費投入、運行機制和政策保障等方面，緊緊圍繞經(jīng)濟社會發(fā)展和國家安全的重大需求，集中力量攻克一批AI 相關的重大科學技術問題，實現(xiàn)前瞻性基礎理論研究、引領性原創(chuàng)成果重大突破。要突破應用基礎理論瓶頸，重點瞄準應用目標明確、有望引領人工智能技術升級的基礎理論方向，加強大數(shù)據(jù)智能、跨媒體感知計算、人機混合智能、群體智能、自主協(xié)同與決策等基礎理論研究。要布局前沿基礎理論研究，針對可能引發(fā)人工智能范式變革的方向，前瞻布局高級機器學習、自主智算系統(tǒng)、量子智能計算等跨領域基礎理論研究。

4.2 打造高質(zhì)量發(fā)展的人工智能生態(tài)系統(tǒng)

人工智能生態(tài)系統(tǒng)是由核心價值、管理體制、參與主體、文化制度、產(chǎn)業(yè)應用、數(shù)據(jù)資源、支撐平臺等要素構成的具有自我調(diào)節(jié)、協(xié)調(diào)發(fā)展的動態(tài)開放系統(tǒng)。所謂高質(zhì)量發(fā)展是指通過系統(tǒng)要素之間的相互作用、相互協(xié)調(diào)、相互配合，共同促進每個系統(tǒng)要素和整個生態(tài)系統(tǒng)朝著“更高質(zhì)量、更有效率、更加公平、更可持續(xù)”的發(fā)展。為了加快人工智能與經(jīng)濟、社會、國防深度融合，需要構筑知識群、技術群、產(chǎn)業(yè)群互動融合和人才、制度、文化相互支撐的生態(tài)系統(tǒng)。

4.3 加強人工智能多方融合發(fā)展

不斷深化人工智能技術的多方融合發(fā)展，希望主導未來與許多傳統(tǒng)的高新技術不同，人工智能技術的最新一次發(fā)展高潮始于民用領域，并逐漸由民用領域轉(zhuǎn)向軍事應用。目前，掌握最前沿人工智能技術的機構基本都是民間高新技術企業(yè)，尤其是從事互聯(lián)網(wǎng)服務的企業(yè)，如谷歌、IBM、微軟、亞馬遜等公司。在這種情況下，不能只依靠軍方的研究。發(fā)達國家希望把這些技術長期控制在自己手中，阻礙技術擴散來主導新一輪的科技革命?；A較差的發(fā)展中國家將越來越少地獲得參與國際競爭和世界生產(chǎn)的機會。

4.4 其它建議

第一，人工智能頂層設計至關重要。

第二，未來人工智能科技戰(zhàn)略的快速發(fā)展面臨的一個關鍵是人機環(huán)境系統(tǒng)的協(xié)調(diào)發(fā)展，這里的“人”不但是指人工智能領域的專業(yè)人才，還將涉及更多的復合性人才;這里的“機”不但是指人工智能機器中的軟件、硬件，還將涉及更多專業(yè)/行業(yè)/領域之間協(xié)同的機制機理，其中人工智能基礎機制理論的理論的突破將是各國關注的重點熱點;這里的“環(huán)境”不但是指人工智能領域的研發(fā)環(huán)境，還將涉及更多領域的“政用產(chǎn)學研商”合作創(chuàng)新系統(tǒng)環(huán)境。

第三、破除五唯，實事求是，以人為本，建立真正的復合型人才/團隊的選拔、培養(yǎng)、發(fā)展生態(tài);在人工智能、計算機、自動化、人文社科等相關專業(yè)設立相關智能通識課程;鼓勵相關企業(yè)進行相關培訓、常設崗位招聘、產(chǎn)品預研介入等。

第四、人工智能產(chǎn)品或系統(tǒng)是人機環(huán)境系統(tǒng)的協(xié)同發(fā)展，而不是單一的人工智能產(chǎn)品或系統(tǒng)的生產(chǎn)或制造，同時還要分清自動化與智能化的區(qū)別，排除人為的智能化現(xiàn)象。

第五、倫理及價值觀在智能科技研究中的現(xiàn)實困難是利益與約束的矛盾(如人臉識別使用中個人隱私與公共安全的平衡)、解決方案為建立東方倫理道德與西方法律法規(guī)融合的理論體系，取長補短，相得益彰，實現(xiàn)倫理事前預防與法律事后懲戒相結合制度生態(tài)。

第六、未來人工智能的發(fā)展將不再是某個國家的事情，而是全球命運共同體的齊心協(xié)力，力爭打破“圍剿”，建立人類命運共同體新秩序。