封面新聞記者 楊晨 張想玲
人工智慧（AI）正深刻改變社會與經濟形態，有望成為新一輪經濟發展的核心驅動力之一。
就在今年9月，成都高新區、美國卡內基梅隆大學和美國The LAB矽谷加速器在成都簽署了合作協議，“卡耐基梅隆-成都研究院專案”初步落地，瞄準世界科技前沿，開展人工智慧前瞻性基礎研究。10月28日，在成都舉行的“人工智慧 通向人類未來之路——2017天府軟體園高峰論壇暨第十一屆四川網際網路大會”上，The LAB矽谷加速器執行長劉中也作為嘉賓之一，繼續聊起這個專案，並分享自己對於人工智慧發展運用前景的看法。
看好成都
有人才資源優勢
卡耐基梅隆大學憑藉著世界一流的計算機以及機器人技術專業，吸引並培養了眾多人工智慧人才以及技術。就在今年9月，這個研發高地宣佈落地中國首個研究院於蓉城。成都高新區、美國卡耐基梅隆大學和美國矽谷加速器於當天在成都簽署合作備忘錄，三方將以人工智慧技術為基礎，在智慧基礎設施技術和系統研究、科技成果轉化等方面展開廣泛合作。
為什麼是成都？成都基礎設施發展快是重要原因之一。“最直觀的感受就是地鐵，很難得看到有這麼多在建地鐵專案的城市。”而成都的創業環境更是加分。“成都開放的大環境是重要原因。而做這種跨境技術的轉讓和合作，是很看重智慧財產權的保護。而在成都的自貿區，對智慧財產權的保護很重視。”
眾多高校資源聚整合都，也能夠為專案提供人才支援。“而且成都不僅人才資源好且穩定，生活成本相對不高，對於創業者尤其是初創團隊來說有利。”劉中補充。
雖然落地成都，但劉中也表示研發技術的發展運用能夠輻射到全國。“至於這些技術的具體運用，近期我們也希望在城市建設專案中能夠參與，不只是停留在理論上。比如交通控制，樓宇智慧化管理或城市災害響應與預測等。”
AI應用
怎麼和傳統行業結合是關鍵
人臉識別，自動駕駛，戴VR頭盔做手術……人工智慧成果近幾年取得一次又一次突破，在醫療，金融以及汽車行業都存在著巨大的價值。
“在中國，人工智慧的應用市場很大，很多行業都可以運用到人工智慧。比如晶片設計，影象識別，以及現在成都街頭出現的無人超市等，都有運用到這塊技術。”劉中強調，和一些擁有強大資料，演算法精準的國際大公司相比，行業內的小公司要發展人工智慧運用，必須要找到與傳統行業結合的點。“如果光研究演算法或者做純理論的東西，相當於閉門造車。”
隨著人工智慧的火熱，未來其是否就能替代人類也被人津津樂道。“我認為人工智慧替代不了人，它只是能夠在這種大量的資料，重複性的操作下，如何去代替人讓事情做得更有效率，減少錯誤率。”
人工智慧的時代早已來臨，只是你沒有感受到。大多數時候，人工智慧擔任的是幕後工作者的角色，不被人們所知。
在醫學領域，人工智慧系統解讀X光片的正確率遠比經驗豐富的醫生要高；法律領域，查詢法律證據的效率遠遠高於職業律師；人工智慧剎車系統比老司機的判斷更加精確；人工智慧Alphago連續戰勝李世石和柯傑，更是證明了其在圍棋領域的學習能力。
人工智慧已經走進了人們的生活，它在帶給我們便利生活的同時也埋下了一顆隨時會爆炸的炸彈！
WiFi安全漏洞已在網際網路上鬧得沸沸揚揚，只要你的裝置支援WiFi，那麼這個名叫“KRACK”的病毒就會影響到你，因為其基於WPA2保密協議，macOS、Windows、iOS、Android和Linux系統都不能躲避這個漏洞。那麼人工智慧系統能不能避免漏洞事件再次發生呢？思索再三，細思極恐！
根據調查，目前超過50%的安卓裝置都受到了WPA2漏洞的影響，形式非常危急。駭客透過這一漏洞根本不需要密碼就可以獲取使用者的信用卡卡號、密碼、電子郵件和其它通訊工具的內容。
現在造成的無非是經濟上的損失，如果是人工智慧頂替半邊天的未來，那樣的損失我們能承受的了嗎？
醫院，人工智慧機器人正在給患者做“心臟搭橋手術”，突然間被駭客控制……
高速公路上，無人駕駛汽車飛速行駛，被不法人員控制人工智慧系統……
軍區，上萬武裝完備的人工智慧機器人暴動……
未來，人工智慧機器人犯罪率遠超人類！！！
(2017-10-17)
論人工智慧的民事責任：以自動駕駛汽車和智慧機器人為切入點
2017-08-09
騰訊研究院
司 曉 騰訊研究院院長
曹建峰 騰訊研究院未來科技中心高階研究員
摘要
隨著自動駕駛汽車等智慧機器人的自主性、學習和適應能力不斷增強，一方面很難將其看作是人類手中的簡單工具；另一方面伴隨而來的可預測性、可解釋性、因果關係等問題將使得證明產品缺陷責任等既有侵權責任變得越來越困難，可能帶來責任鴻溝，使得被侵權人的損害難以得到彌補。
面對可預期的責任挑戰，侵權法、合同法等法律規則的不充足性和侷限性將逐漸顯現出來，對新的法律規則的需求也將變得越來越迫切。為此，歐盟、英國、美國等已經開始探索新的責任框架。
為了更合理、有效地對智慧機器人造成的損害分配法律責任，嚴格責任、差別化責任、強制保險和賠償基金、智慧機器人法律人格等都是潛在的法律方案；但立法者或者法院最終選擇何種方案，需要進行全方位的論證，以便實現法律的利益平衡目的。
一
引言
“計算機僅能執行強制的指令——對其程式設計不是為了使其作出判斷。”紐約一家法院曾經如是說。這或許可以代表公眾對計算機和機器人的固有看法。但是，人工智慧技術的進步，正使這一觀點變得陳腐，甚至可能成為一個偏見。2010年以來，受到大資料、持續改進的機器學習和更強大的計算機這三個相互加強的因素推動，人工智慧技術在ICT領域快速發展，不斷被應用到自動駕駛汽車、醫療機器人、護理機器人、工業和服務機器人以及網際網路服務等越來越多的領域和場景。國外一些保險和金融公司以及律師事務所甚至開始用具有認知能力的人工智慧系統置換人類僱員。從國際象棋、智力競賽（比如“Jeopardy!”），到圍棋、德州撲克，再到醫療診斷、影象和語音識別，人工智慧系統在越來越多的領域開始達到甚至超過人類的認知水平，讓其輔助甚至代替人類進行決策，不再是空中樓閣。
現在有理由預見，在不遠的將來，交通運輸、醫療、看護、工業和服務業等諸多領域的各式各樣的智慧機器（Intelligent Machine）或者智慧機器人（Smart Robot）將成為人類社會中司空見慣的事物。與此同時，智慧機器人的民事責任（當然也有行政責任和刑事責任，但不在本文討論之列）將日益浮出水面，成為一個不容迴避的法律問題，需要法律和法院認真對待並回應。當高度自主、脫離人類控制且獨立運作並作出判斷的智慧機器人造成人身或者財產損害，如何分配並承擔法律責任？當前以人類行為者為中心的侵權責任和以產品生產者為中心的產品責任，在應對這一問題時，暴露出侷限性。本文旨在對此進行論證並提出初步的建議。
為了討論的方便，下文將不使用人工智慧、人工智慧系統等模糊性概念，
轉而採用智慧機器人這一概念，並將其界定為具有以下特徵的實體：
（1）透過感測器、與其環境進行資料交換以及資料分析等方式獲得自主性（Autonomy）的能力；
（2）從經歷和互動中學習的能力；
（3）具有可見形體；
（4）隨其環境而調整其行為和行動的能力。按照這一定義，自動駕駛汽車、醫療機器人、護理機器人等都可以被智慧機器人涵蓋，而自主性（包括自主進行決策）和學習能力則是其核心特徵；而且在某種意義上，已經沒有很強的理由將其繼續看作是供人類驅使的被動工具。
二
智慧機器人對侵權責任、產品責任等傳統責任框架提出的挑戰
傳統的機器，無論多麼先進，在評定法律責任時，存在一個決定性的共同特徵。在每一個案件中，機器的功能和決策總是可以直接追溯到假借人類之手嵌入到其中的設計、程式設計和知識，或者存在對機器施加控制的人類行為者。這些機器，無論多麼複雜，終歸是為人類所使用的工具而已。以汽車等工具性機器為例，當發生事故、造成人身或者財產損害，要麼可以以未盡到合理注意義務為由追究使用者的過錯侵權責任，要麼可以以產品具有缺陷為由追究生產者的產品缺陷責任。這意味著，傳統的機器不具有法律人格的屬性，僅僅是個人、公司或者其他法律上的“人”的工具或者代理，這些法律主體在既有法律之下對其各自的行為負責。
但是，在不遠的將來，完全自主的機器將被推向市場，自動駕駛汽車有望成為最早的一批。為此，社會將需要考慮，在就自動駕駛汽車等智慧機器人的侵害行為分配法律責任時，既有的責任規則是否可以遊刃有餘。畢竟，未來的自主智慧機器將有能力完全自主行為，不再是為人類所使用的被動工具；雖然人類設計、製造並部署了它們，但它們的行為卻不受人類的直接指令約束，而是基於對其所獲取的資訊的分析和判斷，而且，它們在不同情境中的反應和決策可能不是其創造者可以預料到或者事先控制的。完全的自主性意味著新的機器正規化：不需要人類介入或者干預的“感知-思考-行動”。
（一）過錯侵權責任難以適用於智慧機器人
在實際運作過程中脫離人類的控制，是智慧機器人的一個核心特徵。這一現象使得以人類行為者的注意義務為前提的過錯侵權責任難以適用於因智慧機器人的使用而產生的加害行為，因為智慧機器人是獨立自主地運作的，缺乏對其進行直接操作或者控制的特定個人。
以自動駕駛汽車為例，國際汽車工程師協會（SAE International）將自動駕駛技術劃分為六個等級：非自動（Level 0），駕駛員輔助（Level 1），部分自動（Level 2），有條件自動（Level 3），高度自動（Level 4），以及完全自動（Level 5）。本文不討論在駕駛員輔助和部分自動這兩種模式下，駕駛員和汽車製造商之間的責任分配，僅討論當人類使用者完全不參與駕駛時的責任承擔。當自動駕駛汽車達到四級（高度自動）或者五級（完全自動）時，人類使用者的角色從駕駛者轉變為乘客，不再需要對行車狀況和環境進行監視或者在緊急情況下進行操作。因此，當四級以上的自動駕駛汽車發生事故、造成損害時，即使人類使用者處在駕駛位上，也無法訴諸過錯侵權，讓人類使用者承擔民事責任。在此種情形下，加害行為、因果關係和過錯都不能歸咎於人類使用者。
不參與駕駛使得人類使用者不必負擔駕駛者在汽車駕駛過程中所應盡到的合理注意義務，只要不干擾自動駕駛系統，他甚至可以在駕駛位上隨心所欲，包括睡覺、玩手機等。當乘客乘坐的是自動駕駛出租車時，情況就更是如此，缺少人類駕駛者使得過錯侵權責任無從適用。但在另一個層面，注意義務的承擔者從人類駕駛者轉移到了自動駕駛系統；可以肯定的是，適用於自動駕駛汽車的注意義務標準必然不同於適用於人類駕駛者的注意義務標準。
半個多世紀以前，美國法院在Arnold訴Reuther案中對此進行了論證。在該案中，原告Arnold女士在不遵守交規的情況下橫穿馬路時，被被告Reuther先生駕駛的汽車撞傷，Arnold於是指控Reuther過失侵權。Arnold主張，Reuther有“最後明顯機會”（Last Clear Chance）來避免車禍，但其未能做到，因而應為此承擔責任。法院對這一觀點不予認可，認為：“一個人無論多麼高效，都不是一個機械的機器人，不擁有像雷達機那樣，在危險具體出現之前將其發現的能力。必須為人類的弱點和反應留出一定的餘地，而如果這樣的餘地必須要求人類在零點幾秒內作出反應，並且不能像現代機械裝置那樣，以機械的速度和精度作出反應，那麼就必須承認，Reuther作為一個普通人，再怎麼做也不能避免因Arnold的過失而給她本人招來的不幸。”
因此，在涉及自動駕駛汽車的第一起事故案件中，法院將不會問自動駕駛汽車是否像一個理性人一樣行為。Arnold訴Reuther案的核心問題有關過失：Reuther在當時的情況下是否作出了合理的行為？但是對於自動駕駛汽車，由於沒有人對其施加直接控制，問題的核心將是汽車自身的表現是否達到應然的狀態，比如是否達到既定的行業標準。由於自動駕駛汽車不是有效的法律主體，詢問汽車自身是否盡到所應負擔的注意義務，將是不切實際的；於是，需要訴諸產品責任，尋找讓自動駕駛汽車的生產者承擔責任的事由。
（二）智慧機器人的產品責任及其挑戰
在我國，《侵權責任法》《產品質量法》《消費者保護法》等法律對產品責任作出了規定。具體而言，因產品存在缺陷造成他人損害的，被侵權人可以向產品的生產者或者銷售者請求賠償。通說認為，產品責任屬於無過錯的嚴格責任，只要產品存在缺陷，生產者就應當承擔侵權責任，無需證明其存在過錯。雖然被侵權人可以選擇向生產者或者銷售者請求賠償，但這兩個主體之間實際上構成不真正連帶責任，向被侵權人承擔侵權責任的一方可以向有過錯的另一方進行追償。因此，當無人進行操作的自動駕駛汽車等智慧機器人造成人身或者財產損害時，被侵權人可以向缺陷產品的製造商主張產品缺陷責任，需要證明：產品有缺陷，損害事實的存在，以及產品缺陷和損害事實之間存在因果關係。
產品缺陷是產品責任的一個核心概念，各國通說一般認為缺陷主要包括設計缺陷、製造缺陷和警示缺陷，我國關於產品缺陷的認定標準體現在《產品質量法》第46條，包括“不合理危險”標準和產品質量標準。此外，《產品質量法》還為產品生產者提供了免責事由，包括：未將產品投入流通；產品投入流通時，引起損害的缺陷尚不存在；以及將產品投入流通時的科學技術水平尚不能發現缺陷的存在。只要產品生產者能夠證明存在免責事由，就不承擔賠償責任。
在法律考慮賦予自動駕駛汽車等智慧機器人法律地位之前，其在法律上的地位就依然是物，落入產品的範疇是不成問題的，產品責任自然也就有適用的餘地，只要被侵權人可以證成產品缺陷責任。為了討論的方便，筆者將分兩種情況來論證。
1.智慧機器人涉及人為（非操作者）失誤
證明產品存在缺陷可能是困難且受爭議的，但如果被侵權人的損害能夠歸因於因製造商的人為失誤而造成的產品缺陷，那麼自動駕駛汽車等智慧機器人的自動化程度再怎麼高，也不會給既有的產品責任制度帶來大的挑戰。
按照我國的《產品質量法》，不符合國家標準或者行業標準的產品被認為具有缺陷。以Arnold訴Reuther案為例，假設Reuther先生乘坐的是一輛自動駕駛汽車，坐在後排，該汽車在距離Arnold女士15英尺時檢測到了她並採取了緊急制動，但未能避免碰撞。再假設自動駕駛汽車行業存在一個“碰撞避免”標準：如果障礙物（包括人類）在距離汽車12英尺時被檢測到，那麼自動駕駛汽車必須能夠在其行進路線上檢測到障礙物並避免碰撞。
顯然，在這種情況下，該自動駕駛汽車不符合這一行業標準，具有不合理危險，因為按照這一行業標準，碰撞本應避免。如果我們將這一行業標準換為15英尺，而將該自動駕駛汽車檢測到Arnold的距離換為12英尺，此時證明缺陷的存在將很困難，即使依據《美國侵權法第三次重述》中的“消費者期待”標準（主要是指產品存在“不合理危險”缺陷）和風險-效用標準（產品的可預見的風險可以透過採取合理的替代性設計予以消除），情況也是如此。
此外，證明存在製造缺陷（比如部件失靈）或者警示缺陷（比如未能合理告知消費者如何操作智慧機器人；在部分自動駕駛的情況下需要人類駕駛者保持警惕並進行操作的，如果製造商未能告知消費者如何進行操作，就需要承擔產品缺陷責任），同樣可以使被侵權人獲得賠償。
但問題是，人工智慧技術的發展使得自動駕駛汽車等完全獨立自主的智慧機器人的出現成為可能，這帶來的直接結果就是，一方面，證明缺陷尤其是人工智慧系統層面的缺陷將變得異常困難，另一方面，事故的發生可能無法合理因歸於智慧機器人的設計或者製造缺陷。這將給產品責任帶來直接的挑戰。面對自主智慧機器人，人們將需要開始審視既有的產品責任制度能否在製造商利益和消費者利益之間實現平衡。
2.智慧機器人涉及無法解釋的事故
產品責任只能讓製造商對因產品存在缺陷而造成的侵害行為承擔民事責任，但問題是，智慧機器人的一些新特徵可能使得無法將事故的責任分配給生產者等既有法律主體，尤其是當出現不能合理推斷出事故是由設計或者製造缺陷造成的情形之時。雖然自動駕駛汽車普遍被認為比人類駕駛更安全，比如，麥肯錫公司的一份研究報告發現，自動駕駛汽車將使交通事故減少90%；但是自動駕駛汽車對交通事故並非具有完全的免疫力，而自主性、可預測性、可解釋性、因果關係等因素將極大增加事件的無法解釋性，帶來責任鴻溝。具體論證如下。
第一，自主性與可預測性（Foreseeability）。如前所述，自動駕駛汽車等智慧機器人區別於傳統的機器的最大特徵在於具有高度的甚至完全的自主性。無論採用何種機器學習方法，當前主流的深度學習演算法都不是一步一步地對計算機程式設計，而是允許計算機從資料（往往是大量資料）中學習，不需要程式設計師作出新的分步指令。因此，在機器學習中，是學習演算法（Learning Algorithm）建立了規則，而非程式設計師；其基本過程是給學習演算法提供訓練資料，然後，學習演算法基於從資料中得到的推論生成一組新的規則，稱之為機器學習模型。這意味著計算機可被用於無法進行手動程式設計的複雜認知任務，比如影象識別、將圖片翻譯成語音、汽車駕駛等。
回到自動駕駛汽車，自動駕駛系統利用一系列雷達和鐳射感測器、攝像頭、全球定位裝置以及很多複雜的分析性程式和演算法等，像人類一樣駕駛汽車，而且做得更好。自動駕駛汽車“觀察”路況，持續注意其他汽車、行人、障礙物、繞行道等，考慮交通流量、天氣以及影響汽車駕駛安全的其他所有因素並不斷調整其速度和路線。而且自動駕駛汽車被程式設計來避免與行人、其他車輛或者障礙物發生碰撞。所有這一切都是機器學習的結果。因此可以說，在每一個現實情境中，都是自動駕駛汽車自身在獨立判斷和決策，雖然是程式設計師設定了學習規則。學習能力和適應能力的存在使得預測自動駕駛汽車在特定情境中的行為成為一個問題。
此外，人類決策系統與現代人工智慧系統存在一個本質上的區別，正是這一區別使得人類無法準確預知人工智慧系統針對某個問題的解決措施。受限於人類大腦的認知能力，為了作出決策，人類無法在有時間限制的情況下分析所有的相關資訊，所以人類常常退而求其次，選擇一個自己滿意的解決方法，而非一個最佳化的解決方法，經濟學家Herbert Simon稱之為“滿意法”。
電腦計算能力和機器學習方法的不斷提高，使得現代人工智慧系統能夠在有限的時間內精確計算所有的可能性，而且人工智慧系統本質上不受提前預置的概念、經驗法則、傳統智慧等因素的限制，從而使其能夠選擇人類完全沒有考慮過或者可能會實施的解決方案。正是這種能夠作出獨特決策的能力或者說自主性，讓人工智慧系統能夠應用於更加廣泛的領域，同時也讓人工智慧系統的設計者具有賦予人工智慧系統這項能力的經濟動力。
所以，儘管人類設計並製造了自動駕駛汽車等智慧機器人，但卻可能無法預見其具體決策，然而這種無法預見性可能正是系統的設計者所期待的。隨著更加通用化的人工智慧的發展以及機器學習技術的進步，人工智慧的行為和決策的不可預見性問題將會更加頻繁地出現，而且程度會不斷加深。
更進一步，自動駕駛汽車可能“打破”預先設定的規則，大大超出其設計者的預期。人們一直擔心，賦予機器自主“思考”的能力可能導致其有能力違反被給予的“規則”，以人們意想不到的方式行為。這不純粹是想象，已經有證據表明高度“智慧”的自主機器可以學習“打破”規則以保護其自身的生存。以自動駕駛汽車為例，儘管模擬測試對其行為和決策意味重大，美國交通部在其釋出的《聯邦自動駕駛汽車政策》中也強調模擬能夠代表複雜的現實環境的測試環境的重要性；但是自動駕駛汽車脫離製造商控制、進入流通領域之後的學習和經歷同樣影響其行為和決策。新的資料輸入可能使自動駕駛汽車進行調整和適應，導致其行為和決策超出預先設定的規則，這在理論上並非不可能。
再者，測試環境並不能窮盡所有的現實可能性，當異常情況（Novel Situation）出現時，自動駕駛汽車必須在缺乏預先設定的規則的情況下，依據其自己建立的規則，真正獨立自主地作出決策。對於這種偏離預期的行為，以產品缺陷這一事由讓生產者承擔責任，難以在侵權法上得到證成。
第二，可解釋性（Interpretability）。通常，當人類駕駛者造成交通事故，訴訟雙方透過舉證、質證等程式性手段，完全可以還原並查明事故發生的過程，從而決定人類駕駛者是否履行了合理的注意義務。事故的可解釋性使得因傳統的交通事故而產生的法律糾紛可以按照既有法律框架得到有效解決。但是，現代人工智慧系統越來越成為一個“黑箱”，所有決策都存在於這個“黑箱”中，自動駕駛汽車等智慧機器人也不例外。
而且，雖然學習演算法可能是公開和透明的，但它產生的模型可能不是，因為機器學習模型的內部決策邏輯並不總是可以被理解的，即使對於程式設計師也是如此。因此，即使設計者可能也無從知曉系統如何進行決策，更別提普通公眾了。行為和決策的不透明性和不可解釋性帶來的直接結果就是，當自動駕駛汽車造成交通事故時，人們將很難查明事故背後的原因。即使法律要求演算法必須公開、透明，或者可以在法庭上對智慧機器人的算法系統及其決策進行交叉詢問，當事人也會面臨技術性障礙，在成本上並不經濟。此時，誰來承擔法律責任，將成為一個大大的問題。
第三，因果關係（Causality）。一方面，如前所述，人工智慧系統的一些新特徵使得事故的可解釋性大打折扣，帶來歸因難題；另一方面，由於自動駕駛汽車等智慧機器人自帶學習能力和適應能力，其“後天的”（區別於“先天的”系統設計和訓練）學習和經歷可能成為此類系統造成的任何損害的一個替代原因（Superseding Cause），足以使侵權行為事實上的行動者免於承擔責任。
替代原因之所以可能出現，是因為一個能夠自主學習的人工智慧系統的行為部分依靠其後天的經歷，即使最細心的設計者、程式設計者以及製造者都沒有辦法控制或者預期人工智慧系統在脫離他們之後將會經歷些什麼。
因此，當自動駕駛汽車等智慧機器人發生事故、造成損害，而事故本身又難以解釋或者不能合理追溯到設計缺陷或者製造缺陷，或者損害是因人工智慧系統難以為設計者所預測到的特殊經歷造成的，此時，讓設計者承擔責任將會導致不公平和非正義，但這樣卻會導致被侵權人難以獲得賠償。於是，法院面臨的挑戰是，為了保證被侵權人能夠得到賠償，就必須解決人工智慧系統的可解釋性、可預見性以及因果關係等問題。
（三）替代責任的適用可能性
如果智慧機器人實際上“代理或者代表”某個法律主體從事行為或者進行決策，那麼可以比照父母對未成年人子女的責任或者說監護人對被監護人的責任，或者僱主對僱員的責任，讓部署智慧機器人的人承擔替代責任。其實在合同領域，智慧軟體、程式化交易、智慧合約等現象就給合同責任帶來挑戰，引起學界討論，但是對於演算法和程式做出的交易，各國一般將智慧軟體看作是通訊方式，而非認為智慧軟體和部署智慧軟體的人之間存在代理關係或者僱傭關係。因此，藉助智慧軟體形成的所有合同法律關係都歸屬於部署智慧軟體的人，由其享有合同權利並承擔合同義務。
按照這一思路，在某些情況下，可以讓部署智慧機器人的人承擔替代責任。比如，如果一個公司利用無人機送貨，或者利用自動駕駛出租車運送乘客，或者利用服務機器人提供家政、酒店、外賣等領域的服務，那麼其就必須對智慧機器人的行為負責。但是，如果我們類比僱主對僱員的責任，僱主的替代責任以僱員在從事僱傭活動中造成的損害為限，不對僱員的職務範圍以外的或者非職務的加害行為負責，那麼如何確定部署智慧機器人的人對智慧機器人的責任限度和範圍，將是法律必須回應的一個問題。更進一步，如果將智慧機器人看作是事實上的僱員，為了明確僱主的責任，就必須提出判斷智慧機器人的職務行為和非職務行為的標準。本文僅提出這麼一種可能性，這裡不做進一步探討。
三
歐盟開始為智慧機器人探索新的民事責任規則
面對人工智慧的快速發展，一些國家開始探索相關立法和監管。
在美國，美國交通部2016年9月出臺的《聯邦自動駕駛汽車政策》雖未涉及責任問題，但其中提出的自動駕駛汽車安全標準卻可以為舉證產品責任提供必要的參考；此外，佛羅里達州、密歇根州等涉及自動駕駛的立法均規定，車輛在被第三方改造為自動駕駛汽車後，車輛的原始製造商不對自動駕駛汽車的缺陷負責，除非有證據證明車輛在被改造為自動駕駛汽車前就已存在缺陷，這一規定實際上有利於釐清各方的法律責任。
在德國，監管機構開始考慮出臺新規，要求汽車廠商在自動駕駛汽車中安裝黑匣子，以便在事故發生後判定法律責任，開展保險理賠工作，這表明德國已經開始關注自動駕駛汽車的透明性、可解釋性以及可追溯性問題。
在英國，自動駕駛汽車中心（Centre for Connected and Autonomous Vehicles，縮寫為CCAV）曾釋出兩份報告，在其中對保險和產品責任提出建議；報告提議將強制性的機動車保險延伸到自動駕駛汽車以便將產品責任囊括進去；新的保險框架旨在保護自動駕駛汽車事故中的受害者，受害者將可以直接向汽車保險人請求賠償，而保險人將有權向依據既有法律負有責任（比如產品責任）的主體進行追償。
在智慧機器人民事立法方面，當屬歐盟動作最大。早在2015年1月，歐盟議會法律事務委員會（JURI）就決定成立一個工作小組，專門研究與機器人和人工智慧的發展相關的法律問題。
2016年5月，法律事務委員會發布《就機器人民事法律規則向歐盟委員會提出立法建議的報告草案》，同年10月釋出《歐盟機器人民事法律規則》。在這些研究和報告的基礎上，2017年2月16日，歐盟議會投票表決透過一份決議，在其中提出了一些具體的立法建議，要求歐盟委員會就機器人和人工智慧提出立法提案（在歐盟只有歐盟委員會有權提出立法提案，但歐盟委員會並無義務遵守這一要求，不過如果其拒絕這麼做，就必須陳述其理由）。
法律事務委員會提出的立法建議涉及多個方面，主要包括：成立一個專門負責機器人和人工智慧的歐盟機構；確立人工智慧倫理準則；為智慧機器人重構責任規則；長期來看，考慮賦予複雜的自主機器人法律地位（所謂的“電子人”）的可能性；智慧財產權方面應明確人工智慧的“獨立智力創造”；注重隱私和資料保護；推進標準化工作和機器人的安全可靠性；針對具有特定用途的機器人和人工智慧系統（主要包括自動駕駛汽車、護理機器人、醫療機器人、無人機、人類修復和增強等）出臺特定規則，進行特殊監管；關注人工智慧的社會影響；以及加強法律政策領域的國際合作。
（一）需要新的責任規則
在法律事務委員會看來，如今的機器人已經具有自主性和認知特徵，也即，具有從經歷中學習並獨立自主地作出判斷的能力，而且可以實質性調整其行為，從機器人的侵害行為中產生的法律責任由此成為一個重大問題。機器人的自主性越強，就越難將其當成是其他主體（比如製造商、所有人、使用者等）手中的簡單工具，這反過來使得既有的責任規則開始變得不足，因而需要新的規則。新的規則著眼於如何讓一臺機器為其行為或者疏忽而部分或者全部地承擔責任。結果就是，解決機器人是否應當擁有法律地位這一問題將變得越來越迫切。最終，法律需要對機器人的本質問題作出回應，其是否應當被當成是自然人、法人、動物抑或物，或者法律應當為其創設新型別的法律主體，在權利、義務、責任承擔等方面具有其自身的特性和內涵。
在目前的法律框架下，機器人自身不對因其行為或者疏忽而給第三方造成的損害承擔責任。而且，既有責任規則要求機器人的行為或者疏忽能夠歸因於製造商、所有人、使用者等特定法律主體，並且這些主體能夠預見並避免機器人的加害行為。更進一步，關於危險物品的責任和產品責任可以讓這些法律主體為機器人的行為承擔嚴格責任。
但是，如果機器人自主地作出決策，傳統的責任規則就將不足以解決機器人的責任問題，因為傳統的規則將可能不能確定責任方並讓其作出賠償。此外，現有法律框架的缺點在合同責任方面更是顯而易見的，因為機器人現在能夠選擇合同當事人，磋商合同條款，締結合同並決定是否以及如何執行所達成的合同，這些現象使得傳統的合同規則無法適用。在非合同責任方面，既有的產品責任規則僅能涵蓋因機器人的製造缺陷而造成的損害，同時受害人必須能夠證明存在實際損害、產品缺陷且缺陷與損害之間具有因果關係。
但是，目前的法律框架無法完全涵蓋新一代機器人所造成的損害，因為它們具備適應性和學習能力，具有一定程度上的行為不可預測性，因為這些機器人將從其自己的變幻莫測的經歷中自主學習，並且以獨特且不可預見的方式與其所處環境進行互動。
（二）構建新的責任規則
對於智慧機器人帶來的責任挑戰，法律事務委員會從歐盟自身的法律體系出發，提出了一些可供參考的立法建議。具體論證如下。
第一，對於智慧機器人，有損害，必有責任。無論選擇什麼樣的法律方案來解決機器人的責任問題，在涉及財產損害之外的損害案件中，都不應該限制可以被彌補的損害的種類或者程度，也不應該基於損害是由非人類行動者（即智慧機器人自身）造成的這一理由限制受害人可能獲得的賠償。對於智慧機器人造成的損害，未來的立法應當規定嚴格責任，僅要求機器人的侵害行為和受害人的損害之間具有因果關係即可。
第二，如果最終負有責任的主體得到確認，其所應承擔的責任應與其給予機器人的指令級別以及機器人的自主性程度相稱。因此，機器人的自主性或者學習能力越強，其他主體的責任就越低；機器人的“教育”持續的時間越長，“教育者”所應負擔的責任就越大。此外，當將機器人的侵害行為歸咎於特定主體時，不應將透過“教育”機器人產生的技能與嚴格依賴於其自身學習能力的技能相混淆。
第三，為自主智慧機器人造成的損害分配法律責任是一個複雜的問題，一個可能的解決方案是適用於智慧機器人的強制保險制度。但是該保險制度與當前的機動車保險不同，因為後者僅覆蓋人類行為和差錯。適用於機器人的保險制度可以基於要求製造商為其生產的機器人購置保險的義務。除了製造商，也可以讓機器人的所有人購買此類保險。
第四，可以考慮建立賠償基金，作為強制保險制度的一個補充。一方面，賠償基金可以確保未被保險覆蓋的損害可以得到彌補，這是設立賠償基金的首要目的；另一方面，允許機器人牽涉到的多個利益相關方的投入，比如向智慧機器人作出的投資、捐贈或者支付，被轉移到該基金。此外，賠償基金可以作為限制製造商責任的一個條件，即，對於被賠償基金覆蓋的智慧機器人，其製造商僅承擔有限責任，即，財產損害的賠償責任以該基金為限度，其他型別的損害的賠償則不受此限。
第五，與保險、賠償基金等相配套的機器人登記制度和機器人法律地位。機器人登記制度基於機器人分類。確保機器人與其賠償基金之間的關聯在機器人登記中得到體現，以便任何人都能知曉基金的性質、財產損害的責任限制以及其他相關資訊。此外，對於最複雜的自主智慧機器人，可以考慮賦予其法律地位，在法律上承認其為“電子人”（Electronic Person），具有明確的權利和義務，包括對其造成的損害作出賠償，以及在智慧機器人作出決策或者獨立自主地與第三方交往時，適用電子人格（這可以幫助解決合同責任、侵權責任等問題）。
四
智慧機器人民事責任的幾種方案
如前所述，智慧機器人的出現和發展將給產品責任等既有侵權責任規則提出挑戰。法院未來在審理第一起涉及真正完全的自動駕駛汽車或者智慧機器人的損害案件時將需要面對這些挑戰，可預測性、可解釋性以及因果關係等將可能成為彌補損害的最大障礙。與此同時，這些挑戰一方面可能使終端使用者的損害無法得到補償，另一方面給製造商帶來法律責任的不確定性，最終可能影響技術發展和進步，自動駕駛汽車等智慧機器人所能帶來的諸多好處因此可能延遲普及。
歐盟、英國、美國等都已經意識到既有的民事責任規則在應對智慧機器人的法律責任時具有侷限性，這種侷限性進而會影響各方對其合理行為的預測可能性，進而破壞法律的可預測性，最終會限制行業發展的步伐；這些國家和地區為此已經開始探索新的責任規則或者法律方案，目的在於在製造商、終端使用者等法律主體之間實現新的法律平衡，同時為智慧機器人民事責任的確定提供更為清晰、明確和有效的規則。
為了更合理、有效地對智慧機器人造成的損害分配法律責任，筆者結合各國的探索，試圖提出幾種可供參考的方案；但立法者或者法院最終選擇何種方案，需要從法經濟學、實證主義、功用主義等角度進行全方位的論證，以便實現法律平衡各方利益的價值。
第一，借鑑《侵權責任法》上關於危險責任的規定，讓智慧機器人的製造商或者使用者承擔嚴格責任（Strict Liability）。但智慧機器人的嚴格責任的出發點不是“異常危險”或者“不合理危險”。如前所述，當真正完全的自主智慧機器人發生事故、造成損害，證明缺陷、因果關係等事項將成為受害人難以逾越的法律障礙。在這種情況下，法律或者法院可以強令執行保險制度以解決侵權法的不充足性。
支援建立智慧機器人的嚴格責任的理由如下：
其一，為不是因其自身過錯而遭受損害的個人提供救濟是一項重要的價值，在因果鏈條無法解釋的情況下讓一個個體自己承擔所遭受的損失，與公正、分配正義、風險分擔等基本觀念背道而馳；
其二，不同於受害人，智慧機器人的製造商處在了消化成本的有利位置，可以透過定價等方式廣泛分散損失負擔；
其三，嚴格責任制度可以節約所有相關的交易成本，尤其是在缺陷、因果關係等難以證明的情況下，訴訟成本將會非常高昂；從成本-效率的角度來看，智慧機器人的複雜性和自主性呈幾何級數增長，產品責任訴訟的成本亦將呈指數級增長，與其為律師、專家等投入高昂成本，倒不如來更多賠償受害者；
最後，相比於一個預測性低的法律制度，一個可預測的責任機制將能更好地促進創新。
第二，差別化責任規則。差別化責任制度的前提是針對於自動駕駛汽車等智慧機器人的審批機制。未來有必要由統一的人工智慧監管機構或者行業主管機構對智慧機器人進行必要的監管，審批制度是潛在的監管措施之一。
審批制度可以發揮兩方面的作用，一方面，審批制度有利於保障面向終端使用者的智慧機器人的安全可靠性，增進公眾對智慧機器人的信任；另一方面，審批制度可以成為智慧機器人的差別化侵權責任的基礎。
對於透過監管機構審批的智慧機器人，製造商實質上將只承擔有限的侵權責任，對監管規則的遵守換來的是有限的侵權責任，而非完全排除其侵權責任。在涉及透過審批的智慧機器人的訴訟中，被侵權人需要按照傳統的產品責任進行舉證。否則，製造商等法律主體將只承擔有限責任，方式可以是保險、賠償基金（比如監管機構可以拿審批費用的一部分或者政府財政預算來設立賠償基金）等。
對於沒有經過審批的人工智慧系統，製造商等法律主體應當承擔嚴格責任，而且該責任是連帶的，以便讓智慧機器人涉及到的多個相關主體都承擔責任，以實現最大化救濟被侵權人的目的。但是為了不不利地影響技術創新和產業發展，審批制度可以是自願性的。
第三，強制保險制度和賠償基金。如前所述，在涉及智慧機器人的訴訟中舉證產品缺陷、因果關係等事項將變得越來越困難，為了能夠對無辜的受害人進行賠償，可以考慮針對智慧機器人提出由製造商或者所有人負擔的強制性的保險機制，以覆蓋產品責任；由市場主導的一個保險機制將不需要對既有法律制度作出大的調整或者變革。賠償基金可以作為有限責任承擔或者賦予智慧機器人法律人格的配套措施，已如前所述，不再贅述。
第四，可以像歐盟那樣，考慮賦予某些智慧機器人法律人格。歷史地看，法律可以賦予公司等法人地位，甚至承認非法人組織（比如合夥）也可以享有一定的法律地位，未來在時機成熟時賦予智慧機器人法律地位，也未嘗不可。到那時，如果賦予智慧機器人電子人格（Electronic Personality），讓其可以享有特定的權利和義務，並可以對其行為承擔法律責任，包括對其造成的損害的賠償責任，人們現在擔心的很多責任問題都可以得到較好的解決。
五
結論
制定的法律在制定之時便已落後於時代。誠然，技術進步總是會給法律提出這樣或者那樣的挑戰，但是法律的可預測性和張力使得法院通常可以依循法律解釋學，得心應手地應對新出現的情況，而不需要對既有法律規則做出較大變動。
但是，法律解釋學並非一顆靈丹妙藥，不但有其侷限性，而且也會失靈，在一些新情況下難以確保法律的利益平衡目的之實現。完全自主的自動駕駛汽車等智慧機器人的出現和發展，將會帶來這樣的新情況。屆時，侵權法、合同法等法律規則的不充足性和侷限性將逐漸顯現出來，對新的法律規則的需求將變得越來越迫切。
究竟什麼樣的規則最適合應對未來的智慧機器人帶來的責任挑戰，筆者在上文提出的幾種方案並非蓋棺之言，而是希望能夠引起人們的關注和探討，共同尋找並論證恰當的規則。最終目的是希望在促進新技術發展的同時，也對可能被新技術影響或者侵害的人提供法律救濟，無論這些影響或者侵害能否被既有的法律所覆蓋。
參考文獻
〔1〕曹建峰.人工智慧：機器歧視及應對之策〔J〕.資訊保安與通訊保密，2016，（12）：15-16.
〔2〕David C. Vladeck. Machines Without Principals: Liability Rules and Artificial Intelligence〔J〕. 89 Wash. L. Rev. 117, 150 (2014).
〔3〕劉家安.機動車交通事故責任的歸責原則及責任歸屬〔J〕.政治與法律，2010，（5）：15-16.
〔4〕張新寶，任鴻雁.我國產品責任制度: 守成與創新〔J〕.北方法學，2012，（3）:6-7.
〔5〕高聖平.論產品責任的責任主體及歸責事由——以 《侵權責任法》“產品責任”章的解釋論為視角〔J〕.政治與法律，2010，（5）：7-8.
〔6〕羅碧文.產品責任歸責原則研究〔EB/OL〕（2009-01-14）〔2017-05-05〕. http://old.chinacourt.org/html/article/200901/14/340255.shtml.
〔7〕Matthew U. Scherer. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies〔J〕. 29 Harvard Journal of Law & Technology. 354, 400 (2016).
〔8〕Nick Bostrom. The Superintelligent Will: Motivation and Instrumental Rationality in Advanced Artificial Agents〔J〕. 22 Minds & Machines. 71, 84 (2012).
〔10〕曹建峰.10大建議！看歐盟如何預測AI立法新趨勢〔J〕.機器人產業，2017，（2）：16-20.
〔11〕Susanne Beck. The Problem of Ascribing Legal Responsibility in the Case of Robotics〔J〕. 31 AI & Society. 473, 481 (2016).
轉載自《法律科學》2017年第5期
本文來自騰訊新聞客戶端自媒體，不代表騰訊新聞的觀點和立場
(2017-08-09)
人工智慧（Artificial Intelligence），英文縮寫為AI。它是研究、開發用於模擬、延伸和擴充套件人的智慧的理論、方法、技術及應用系統的一門新的技術科學。
人工智慧是計算機科學的一個分支，它企圖瞭解智慧的實質，並生產出一種新的能以人類智慧相似的方式做出反應的智慧機器，該領域的研究包括機器人、語言識別、影象識別、自然語言處理和專家系統等。人工智慧從誕生以來，理論和技術日益成熟，應用領域也不斷擴大，可以設想，未來人工智慧帶來的科技產品，將會是人類智慧的“容器”。
人工智慧可以對人的意識、思維的資訊過程的模擬。人工智慧不是人的智慧，但能像人那樣思考、也可能超過人的智慧。
人工智慧是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學。人工智慧是包括十分廣泛的科學，它由不同的領域組成，如機器學習，計算機視覺等等，總的說來，人工智慧研究的一個主要目標是使機器能夠勝任一些通常需要人類智慧才能完成的複雜工作。但不同的時代、不同的人對這種“複雜工作”的理解是不同的。
悄無聲息，人工智慧已經全面侵入人類生產生活
1、硬體機器人，代表：NAO機器人、優必選機器人
NAO機器人是目前全球最先進的類人機器人，也是在學術領域世界範圍內運用最廣泛的類人機器人。Aldebaran Robotics公司將NAO的技術開放給所有的高等教育專案，並於2010年成立基金會支援在機器人及其應用領域的教學專案。2007年7月，NAO被機器人世界盃RoboCup的組委會選定為標準平臺，作為索尼機器狗愛寶（Aibo）的繼承者。
目前國內圖靈機器人已實現對NAO機器人的技術支援，為NAO機器人接入了具有最佳中文語義識別能力的圖靈機器人，為其安裝了一顆更加智慧的“智慧大腦”。
國內這一領域的代表則是2016年的央視猴年春晚大放光彩的優必選公司，與孫楠同臺表演《心中的英雄》的跳舞機器人阿爾法，名為Alpha 1S，由深圳優必選科技有限公司研發。
2、虛擬機器人，代表：微軟小冰、“Tay”、Hidi語音助手等
2014年，微軟釋出了一款名為“小冰”的人工智慧伴侶虛擬機器人，並進入微博、微信、米聊等第三方平臺，透過與使用者的不斷聊天進行積累學習。據稱，“小冰”集合了中國近7億網民多年來積累的、全部公開的文獻記錄，藉助微軟在大資料、自然語義分析、機器學習和深度神經網路方面的技術積累，透過精煉的幾千萬條真實而有趣的語料庫（此後每天淨增0.7%），理解對話的語境與語義，從而實現超越簡單人機問答的自然互動。
時過兩年，微軟最近又推出一款名為“Tay”的推特線上聊天機器人，將其設定為一名19歲的美國少女，據說Tay能透過對話學習真實人類的說話方式，不斷完善自己，以更好地與人類交流。但就在Tay上線僅僅16小時之後，微軟就不得不將其緊急下線處理，甚至向公眾道歉，因為這款聊天機器人開始頻繁爆出粗口，其中不乏種族歧視、侮辱女性以及汙穢不堪的詞句。
HTC手機中內建的小hi也是一款非常智慧的語音服務軟體，能夠幫使用者開啟應用程式、訂日程、查詢生活資訊、傳送資訊等多種功能。此外還有小i機器人以及蘋果手機使用者熟悉的“聊天機器人”Siri，甚至Facebook不久前也對外宣稱將釋出自己的語音聊天機器人，並將在Messenger軟體中加入此類技術。
3、智慧家居，代表：Nest智慧溫控技術、海爾智慧傢俱控制系統等
Nest智慧溫控技術能透過不斷地觀測和學習使用者習慣的舒適溫度來對室溫進行動態調整，並節約能源，即Nest依託於強大的機器學習演算法，能自己學習控制溫度。此外Nest還會透過Wi-Fi和相關應用程式與室外的實時溫度進行同步，內建的溼度感測器還能讓空調和新風系統提供適宜的氣流。當用戶外出時，Nest的動作感測器就會通知處理器啟用“外出模式”。
而海爾U+智慧生活作業系統是全球首個智慧生活作業系統，它涵蓋了整套智慧家居解決方案。包括三大支撐：U+智慧家庭互聯平臺、U+雲服務平臺以及U+大資料分析平臺，透過這一系統，使用者只需12秒就可以實現與所有智慧家居終端跨品牌、跨產品的互聯互通。這是目前行業最快的連線速度，用時僅為行業平均水平的40%。
4、資訊機器人，代表：天機智訊、微信朋友圈廣告
“天機智訊”是智搜旗下的一款資訊類APP，以“資訊機器人”為核心技術，透過大資料探勘式分析和視覺化BI呈現的方式，可全自動化智慧聚合語義相關的資訊，透過主題閱讀的方式（天機智訊5.0版本設有“主題聚合”功能），能給使用者提供一種“更全面、更深入、更持續、更解渴”的閱讀方式，使用者更能深入還原事件本身，每家媒體的觀點、動態發展路徑一應俱全。另外“天機智訊”可基於使用者自定義的主題追蹤（天機智訊5.0設有“一鍵追蹤”功能），第一時間獲取感興趣的資訊，使用者不用到處檢索，只需看透過天機智訊為使用者追蹤的內容，就能找到使用者想要的答案。
微信朋友圈的資訊流（Feeds）廣告推送也是基於自然語言解析、影象識別和資料探勘技術，透過分析使用者朋友圈語言特性，以及朋友圈圖片內容，根據對使用者收入和消費能力的分析來刻畫使用者畫像，並決定投放何種廣告，依託的也是自然語言解析和影象識別等AI技術。
人工智慧先驅、未來學家雷·科茲威爾預言：到了2020年，我們將成功透過逆向工程製造出人腦。2030年末，計算機智慧將趕上人類。2045年，人工智慧會掌管全球科技發展。至此之後，人工智慧的摩爾定律被打破，科技將呈現爆炸式發展。人類文明已經被人工智慧所掌握，2045年以後的科技發展，已經無法被精確預測了。
(2017-10-26)
一直以來人類對於人工智慧機器人的出現褒貶不一，大部分科學家認為，人工智慧機器人將來將擁有著與人一樣的思維和性格並且 它們自己能夠不斷的進化，進化的過程中可能將我們這些原本的“造物主”全部毀滅，自己統治世界。
英國的物理學史蒂芬·霍金在早先的演講中就反覆強調，人工智慧機器人將不會只是冷冰冰的程式，在未來人工智慧機器人能擁有喜怒哀樂變得和人一樣。
但由於我們並不知道人工智慧機器人是否擁有和人一樣的道德倫理，所以它們的進化對於我們人類來說，很可能是一件糟糕的事情！
不過，現在有科學家認為，人工智慧機器人可能並非有那麼糟糕，甚至它們還能夠成為我們人類的幫手，來自美國UFO協會的專家提出了一些不同的看法。專家們表示，人類在未來要面對的不止是有智慧機器人，而且還有外星人，由於近些年世界各地的外星事件頻發，專家們認為，一些外星人可能把注意力放在了我們的星球之上！
相對於人工智慧機器人而言，它們是我們製造出來的，只要程式設計者們將一些人類的情感程式碼寫進去，那麼基本上大部分的人工智慧機器人將會成為我們的好朋友，與我們一起守護地球，但外星人就不一定了。雖然外星人並不一定會入侵我們地球，但是我們也需要有能夠共同抵禦外敵入侵的夥伴們，而當下，人工智慧機器人可能是人類最好的選擇！
以下為網友評論：
網友“存雲ok”：做一個嘿體嘿體的美女人體出來吧要和真人一樣的感受....
(2017-10-17)
內容重點：人工智慧機器人對人類社會帶來衝擊是不可抗拒的與不可逆轉的。首先對勞動力就業崗位衝擊最大。過去僅僅是對生產車間的標準化崗位的衝擊與替代，而現在與未來人工智慧的發展將代替製造業崗位與服務業、管理等崗位。這是對勞動力市場從整體上的顛覆。
機器人替代人工勞動力已經從車間走向了服務業了。人工智慧發展使得整個產業崗位都將發生鉅變，主要表現在所有工作崗位幾乎都可以被機器人代替。包括金融分析師、醫生、律師等這些高階金飯碗崗位。
人工智慧發展後，在推廣應用上將非常之快。一個最大因素是，資本有推動人工智慧的強烈慾望與積極性。從投入上看，機器人一次性投入或許大一些，但相比人力工薪以及福利勞保的持續性費用還是會大大減少。
從管理上來說，人工智慧機器人比勞動力管理的複雜程度要低得多。世界上最難處理的關係就是人際關係，最難管理的就是人，資本家在管理員工與工人上已經費勁了腦筋，傷透腦筋。
從工作質量與準確性上看，機器人的準確性、標準化程度以及差錯率等要比人力勞動力低得多。
基於以上三個方面，資本絕對有推動機器人普及的強烈慾望。只要資本有積極性，機器人就會很快普及開來。
人工智慧機器人對人類社會帶來衝擊是不可抗拒的與不可逆轉的。首先對勞動力就業崗位衝擊最大。過去僅僅是對生產車間的標準化崗位的衝擊與替代，而現在與未來人工智慧的發展將代替製造業崗位與服務業、管理等崗位。這是對勞動力市場從整體上的顛覆。
當然也不必過度懼怕與悲觀。因為現在往往的觀察與分析點都過度盯在衝擊與顛覆上，而忽略或者未知人工智慧誕生後創造的不可預知的工作崗位。第一次工業革命的蒸汽機動力出現後，也有這樣的憂慮；第二次工業革命的電力出現後也有同樣的擔心；第三次工業革命的資訊衝擊同樣擔憂者不少。工業4.0這個階段人工智慧的廣泛應用在嚴重衝擊現有工作崗位的同時一定會衍生出許多維護、陪護、護理、心理心靈撫慰等很多服務業的崗位。也許今天對人工智慧機器人衝擊的擔憂是多餘的。
對於每一個人來說，都應該結合自身崗位實際觀察就業情況的變化，觀察人工智慧最新發展趨勢特別是應用推廣情況。當然必須關心自己崗位被機器人取代的可能性。以人工智慧技術發展為鎖定目標，重新規劃自己的人生與理想和角色職業，提早做好應對準備。這才是明智的。
人工智慧機器人替代人工崗位特別是服務業崗位說來就來了。紐約最火漢堡店Shake Shack將於本月晚些時候在曼哈頓開新分店，該新店將用機器完全取代人工點餐和結賬。客戶可以在餐廳內的點餐機器、手機應用程式點餐，之後直接在店裡領取食物，整個流程無需人工結賬。
紐約最火漢堡店Shake Shack將於本月晚些時候在曼哈頓Astor Place區域開新分店。新分店依然提供Shake Shack的招牌食物，唯一不同的是該新店將用機器完全取代人工點餐和結賬，僱傭收銀員一直是餐廳支出的重要部分之一。這意味著在Shake Shack的新店，機器將取代人類。
該公司CEO Randy Garutti表示，客戶可以在餐廳內的點餐機器、智慧手機和平板電腦上的餐廳應用程式點餐，在收到確認簡訊後直接在店裡領取食物，整個流程無需收銀員結賬。
Garutti表示，新店作為測試自動化點餐系統的試點更像是一個遊樂場，可以測試和了解客人不斷變化的需求。Shake Shack致力於創新，希望在支援科技創新的同時能夠為客人提供最好的服務。
但是Shake Shack可不是第一家使用機器代替人工的餐廳，今年6月麥當勞就宣佈將用點單機器代替2500名收銀員。
此外，CaliBurger今年早些時候也宣佈將於2019年底前，在其全球50個地區餐廳用機器人廚房助手“Flippy”。
Caliburger表示，人造智慧的機器人系統令Caliburger餐廳運作更高效，食物製作更快更安全。投資Miso機器人是為了今後建立一個更為統一的操作體系，從而可以有效控制餐廳各方面運作——餐廳內互動娛樂遊戲、自動化訂餐和烹飪、智慧送餐和實時檢測食品安全等。
以下為網友評論：
網友“Mortar”：很好
(2017-10-05)
去年AlphaGo戰勝圍棋世界冠軍李世石，成為人工智慧發展的標誌性事件，之後人工智慧更是掀起一場史無前例的技術革命，谷歌，蘋果，BAT等國際大廠紛紛佈局人工智慧，並預測網際網路+過後，人工智慧將會席捲全球。
隨著各大巨頭的佈局，智慧機器人如雨後春筍般迅速崛起，在這之中最吸引我們的可以說是兒童陪護機器人，因為其開發兒童大腦的產品定位和萌萌的產品外觀受到了消費者的追捧。那智慧陪護機器人是否真的能做到開發兒童大腦？挑選兒童陪護機器需要注意哪些？
陪護型機器人發展史
隨著1968年，美國斯坦福研究所成功研發世界第一臺智慧機器人Shakey，使人工智慧進入到了人們的視野，1999年，日本索尼公司推出的犬型機器人愛寶(AIBO)進入普通家庭，2002年，丹麥iRobot公司推出了吸塵器機器人Roomba，家庭服務開始普及。
1999年日本索尼公司推出的犬型機器人愛寶(AIBO)成功進入普通家庭
2016年家庭智慧機器人迎來井噴式的爆發，從矽谷到北京，人工智慧熱悄然興起，從工業機器人到服務機器人，從單功能到多功能，從工業領域到多領域，人工智慧發展在不斷提升與完善，陪護機器人的產品和品牌也在逐漸增多，市場一片火爆。
陪護機器人為何這麼受歡迎？
1.產品定位:符合中國家長
對一向主張“教育先行”的中國家長來說，非常注重孩子的興趣教育與對邏輯思維的養成，而陪護機器人的語音互動可以集中性地提高孩子對話能力和邏輯思維，在一定程度上符合幼小兒童心智發育特點和對事物認知方式。
隨著社會的進步，家長從之前60、70後更多的變成了80、90後，相比之下家長更加能夠接受新鮮的事物和最新的科技玩具，而生活水平的提升，同樣使家長更有能力支付孩子素質教育的成本。據國外某權威機構預測，未來三年內個人/家庭用服務機器人的全球銷量將高達2590萬臺，市場規模高達到122億美元。
據國外某權威機構預測，未來三年
2.人工智慧風潮
隨著這場人工智慧史無前例的技術革命，許多傳統的產品紛紛登上了AI這條大船，智慧冰箱、智慧電視、智慧電飯煲等智慧產品紛紛出現在了我們的面前，方便我們的生活。兒童陪護機器人同樣在傳統玩偶的基礎上加入AI的元素投放市場開始售賣，在某電商平臺搜尋兒童智慧機器人發現店鋪有近萬家，而智慧陪護機器人佔其份額的3——5%左右。
西巢兒童陪護型智慧機器人小白
西巢兒童智慧機器人小白在外觀上看，採用人形設計，在配色方面有藍色和紅色可選，整體較為小巧，在其中間為操控介面，頭部配備了一塊螢幕，它的尺寸為125×93×175mm，機身重量為500g，孩子可以像抱洋娃娃一樣輕鬆抱起它。此外，它採用了食品級ABS+TPU材質，充分考慮到環保健康問題。
西巢兒童陪護型智慧機器人小白
西巢小白機器人重點打造的是親子教育和遠端親情交流功能，它結合手機APP可以實現雙向留言，孩子在機器人留言，手機端能收到資訊；機器人開機後，自動接收手機端傳送的留言，還可實現和機器人實時對講。孩子們可向機器人傳送語音指令，機器人做出對應反饋；還可以和機器人對話，聊天，學習講故事、唐詩、科普知識、算術運算等。
西巢兒童機器人—小白
(2017-10-21)
人工智慧成2017年手機行業主旋律，未來將是體驗至上時代？
2017-04-28
雷科技
傳播學者馬歇爾·麥克盧漢曾提出過一個著名的觀點——“媒介是人的延伸”。手機從最早期的人與人之間單純的通訊和溝通工具，到現在成為人們的私人助理，甚至成為人們身體器官的一部分。越來越全能的手機，在顛覆人們生活習慣的同時，也朝著高度智慧化的方向不斷邁進。而人工智慧技術就為未來手機智慧化體驗的發展起到了強力的助推作用。
人工智慧近幾年在手機行業的頻頻觸電
近幾年，手機行業不少產品都或多或少帶有人工智慧的影子。例如較早涉及智慧語音助手的蘋果Siri和微軟Cortana，融合了語音識別、語義識別等技術。2016年推出的谷歌Pixel系列內建的谷歌助理、今年的三星S8的Bixby等新型智慧助理又體現了情景感知、深度學習等技術，讓語音助手不再只是機械式地與使用者互動，而是能夠智慧化的分析和感知使用者思想。另外，近期釋出的樂視樂Pro 3雙攝AI版也引入了基於人工智慧的語音助手“小樂”。
此外，也有一些廠商嘗試在系統互動上引入人工智慧的元素，這裡面最具代表性就是榮耀Magic所執行的Magic Live系統。相比只是單純在系統中植入一個語音助手，Magic Live更像是讓手機構成一個賦予智慧的生態整體，使用者的每一步操作都能夠被機器所感知。
人工智慧對手機行業配置至上的論調造成強烈衝擊
人工智慧之所以如此被手機廠商們所青睞，很大程度上是因為廠商們的產品策略的著眼點從以往的瘋狂堆料、配置至上轉向實際體驗，更加關注使用者對產品的真實體驗感受。
1、為什麼手機價效比、配置至上等論調越來越站不住腳？
根據極光大資料所公佈的2017年Q1手機行業資料報告顯示，截至2017年3月份，在國內銷量位於前三名的手機廠商分別是華為、oppo和vivo，其中華為手機銷量1492萬臺，較2016年Q4上升4.0%，oppo銷量1449萬臺，較上季度上升10.6%，vivo銷量1388萬臺，上升9.8%。
由上述資料可以看出，佔據前三甲席位的都是長期深耕於線下的廠商。相對於網際網路崇尚所謂高性價比的輿論風氣，線下的消費者反而並不是特別在意手機配置的高低，更願意為實際體驗買單。相對的，一些網際網路廠商卻一味地強調硬體引數，罔顧使用者實際體驗，從而產生引數表和實際體驗不對等的窘境。與其冒著高風險去網上購買一款自己無法實際體驗的產品，為什麼消費者不自己去實體店實際操作一下機器呢？
另外，手機行業之所以長期堅持“配置至上”的風氣，除了有廠商自己宣傳噱頭上的需要外，很大一部分是由早期智慧手機系統體驗不佳，必須要靠較高的硬體配置才能夠支撐起使用者體驗的刻板印象所沿襲而來。但在硬體效能差距逐漸縮小、產品設計和功能越來越同質化的今天，這條法則早已不再適用。
2、人工智慧技術的引入，讓使用者越來越弱化硬體的概念
人工智慧技術是產品體驗的一部分，而在手機效能到達天花板的行業大環境下，越來越多的手機廠商開始積極打造差異化體驗，硬體配置反而不再那麼重要。在同等或相接近的硬體配置下，誰的體驗更好、更獨特、更有新意，誰就獲得了市場的主動權，就能夠抓住使用者的實際核心需求和訴求點。
真正的人工智慧手機，將會弱化使用者對於硬體的概念，這是因為它在真實體驗上具有唯一性和不可替代性。在人工智慧的世界，硬體幾乎都是相對統一的，使用者只需要利用手機去感知自己想法，提升操作的便捷性，融合現實場景的各種需求，甚至讓手機和現實生活互動等。等到人工智慧真正融入到現實生活中，使用者就不會產生“這臺手機有什麼（處理器、攝像頭）”的疑問，取而代之的則是“這臺手機能幫我幹什麼（功能）”的想法。
為什麼未來手機行業將是以人工智慧為核心的體驗至上時代？
1、人工智慧賦予手機行業怎樣的產品體驗上的創新形式？
儘管現在人工智慧在手機上的體驗相對零碎化，並不是很完善和很高階的形式，但是也有不少產品功能給予行業一些關於未來的思考方向。
以榮耀Magic Live系統為例，Magic Live的智慧引擎透過Tensor Flow深度學習、影象演算法、自然語言理解、智慧推薦系統和機器學習來感知、理解和判斷使用者的需求。智慧化的互動理念則能夠讓使用者的實際操作“化繁為簡”，搜尋等步驟一步到位，大大降低使用者對手機的學習和使用成本。生活服務方面也支援實時電影百科，提示最近熱映電影，自動推薦取票碼，支付寶指紋支付，自動彈出刷影評頁面等一系列功能，貼合大多數人的真實生活場景和流程。
從榮耀Magic Live的一系列智慧化功能，可以發現人工智慧在手機上的終極目的是讓人們的實際體驗乃至現實生活變得更簡單、更方便，更一氣呵成。而這也正是人工智慧出現在手機產品體驗層面上的實際原因。
2、為什麼越來越多的手機廠商將在2017年擁抱人工智慧？
可以預見，2017年的手機行業將迎來“人工智慧年”。不僅僅是因為廠商們在硬體軍備競賽後在品牌營銷、產品體驗上的一次創新，更是希望透過全新的智慧化體驗來搶佔更多的使用者和市場份額。有蘋果Siri、三星Bixby、榮耀Magic Live等珠玉在前，其他廠商必須也要迅速跟進才能獲得市場競爭優勢。
大資料、雲計算、物聯網的前沿技術的興起，對於手機在體驗創新方面有更為完善的技術儲備。現在都在說網際網路+，可見任何行業都不能避免新技術背景下的轉型浪潮。正如二維碼改變了人們的支付體驗，融合了新技術的人工智慧在手機上的應用，也將會明顯地影響和改變人們的生活習慣和效率，這可以說是一種不可逆的趨勢。
3、未來手機行業趨勢將會是人工智慧為核心的體驗至上時代
實際上，人工智慧的概念並非今年才形成，它已經經過了幾十年的歷史沉澱。去年穀歌的人工智慧AlphaGo大勝歐洲圍棋冠軍，也說明了目前人類在人工智慧的研究上取得了長足的進步，關於人工智慧的幻想越來越接近現實。如果說2016年是手機行業對於人工智慧的一次勇敢的嘗試，那麼到了2017年，各大手機廠商將會瞄準手機體驗來對人工智慧進行進階性的研究。在這一時期，積極嘗試並掌握了人工智慧技術的廠商就在行業內掌握了話語權，成為了這一領域的拓荒者，而身後則會出現越來越多的跟隨者。
由此可見，未來手機行業將會繼續圍繞消費者訴求進行體驗的再升級，各大廠商將展開以人工智慧為核心的產品體驗競賽，越來越多的消費者也會優先考慮在人工智慧領域把握制高點的手機品牌和產品，如今的“配置至上”終究也會轉向“體驗至上”。
本文來自騰訊新聞客戶端自媒體，不代表騰訊新聞的觀點和立場
(2017-04-28)
人工智慧機器人已經開始進入了一些產業的中心，工業機器人已經批次使用：
無人駕駛、無人倉庫、無人快遞、無人工廠、無人工客服、無人超市這些高科技的內容越來越多的走進我們的生活。許多低端、可重複、不需要高度思考的工作都被程式化，都被各種程式及機器人給替代，智慧機器人會隨著時光的發展，慢慢取代大部分人的工作，雖然人的思維暫時還不可以複製，人的情感還不可以複製，但是資料，資料確可以實實在在的積累，人可以隨著時光的變化，對有些資料給予忘卻，但是機器人不會。只要設定了既有的程式，在某些方面智慧機器人會比人更可靠，他不需要吃不需要穿，只需要一個電源以及相應的程式及龐大的資料庫來支撐。
客服已逐步進入了智慧機器人時代，實現了套路化言語及判別，如果你對這個智慧機器人理解沒有那麼深刻，建議你撥打10086就可以清晰瞭解到智慧機器人的能力。 這一條資訊使許多的移動聯通的客服人員走出了他們的大門，更換了工作，普通的客服人員會用來解決機器解決不了的問題！
在距離我們還算遙遠的地方，偉大的AlphaGO連勝已經這個世界的頂尖高手的傳奇繼續在創造著，倫敦當地時間10月18日18：00（北京時間19日01：00），AlphaGo再次登上世界頂級科學雜誌——《自然》，他竟然可以自己進行自主學習了！就像AlphaGo之父戴密斯·哈薩比斯（Demis Hassabis）說，“最終，我們想要利用它的演算法突破，去幫助解決各種緊迫的現實世界問題，如蛋白質摺疊或設計新材料。如果我們透過AlphaGo，可以在這些問題上取得進展，那麼它就有潛力推動人們理解生命，並以積極的方式影響我們的生活。”
在我們身邊，單機象棋軟體我們大部分普通人已經無法戰勝！
網路上講，人工智慧對惡性腫瘤的正確檢測機率比普通醫生提升50%；醫生會失業嗎？不會！因為智慧機器人只是會對資料分析，因為人是有需要交流的情感動物。除去智慧客服，也許哪一天智慧機器人比人更會更善於聊天，你不會知道在網路另一端的是一個人還是一個人的程式，這一天離我們已經不遠！
工業產業上，汽車早已大規模使用工業機器人，工人會全部下崗嗎？不會，因為機器人得需要人去維護維修，但是機器人確實取代了具有大規模相同屬性工作的人，第三產業中的服務員都已經開始使用機器人了，人的作用性更高的還是精神上的開拓。智慧機器人也已陸續進入各個行業；即時翻譯上，實現10種語言的翻譯功能。在這個偉大的時代，不要擔心你的語言不過關！只要你有正確的方法，就有合適的工具等你去使用。層出不窮的APP會產生奇蹟，智慧機器人能夠更好的服務與我們的生活。我們需要做的是什麼？是對大資料的積累，並且尋找合適的app。重複工作可以取代，紛繁情感無法複製，智慧機器人開啟了一個新的時代，這個時代我們需要做什麼？要學會頂層資料設計，跟上時代的步伐，享受這個偉大時代的科技所帶來的便利，宇宙很遠，我們終究會走的更遠。
原創/子鼠丑牛
(2017-10-25)
【鈦坦白】搜狗武健：從機器人看人工智慧
2017-05-25
鈦媒體
圖片來源：視覺中國
在鈦媒體線上課“鈦坦白”第40期，我們請來了三位鈦客，分享AlphaGo與柯潔“人機大戰”勝負之外的更多思考。本期鈦客之一、搜狗基礎平臺負責人、機器人負責人武健，畢業於清華大學，2009年加入搜狗，先後負責搜狗瀏覽器、機器人等公司級重大專案。其參與主導的“搜狗汪仔”機器人，在“一站到底”節目播出後引起行業關注與討論。
本文節選自武健在鈦坦白的分享。如果您還不是鈦媒體Pro使用者，希望檢視鈦坦白所有乾貨，進入鈦坦白九個專業群交流，並檢視更豐富的專業資料和資訊，可點選：http://www.tmtpost.com/pro 註冊。
以下根據武健在鈦坦白的分享實錄整理：
大家好，很高興今天晚上在鈦坦白跟大家聊聊人工智慧。我叫武健，畢業於清華大學。畢業之後一直在搜狗工作，從去年開始主導了搜狗汪仔機器人的專案，參加了“一站到底”，目前節目已經播出了半年時間，效果很好，引起了很多人的關注。
我相信在若干年前，當大家聊起機器人時，腦海裡浮現出來的可能是這樣的場景：
這些機器人看著都很炫酷，也非常高階，但感覺離我們的真實生活是非常遠的。今天，如果我再跟大家說機器人，大家可能想到的就是這樣的場景了：
誠然，工業機器人還在它所在的領域發揮著巨大的作用，這點是毋庸置疑的，但是人們的注意力已經轉移到各種聊天機器人、陪伴機器人、服務機器人以及教育機器人上面了。
對於機器人的定義與理解
在科技界，科學家會給每個科技屬一個明確的定義。機器人問世已經有幾十年了，但是對於它的定義仍然仁者見仁智者見智，沒有統一的意見，原因之一是機器人還在發展，新的機型和功能不斷的湧現出來。
但我覺得根本原因，是“機器人”涉及到了“人”的概念，成為一了個很難回答的哲學問題。機器人這個詞，最早誕生於科幻小說之中，人們對機器人充滿了幻想。也許正是因為對機器人定義的模糊，才給了人們充分的想象和創造空間。
不管怎麼樣，我姑且先把之前提到的這幾種機器人統稱為智慧機器人，即人工智慧機器人。可能有人會想到底什麼是人工智慧呢？我先在這裡賣個關子，咱們最後再來討論這個問題。
智慧機器人跟我們之前提到的這種工業機器人有什麼區別呢？在我來看，最重要的一點是智慧機器人是擁有非常發達的大腦的。
那麼我們可以接著往下繼續深入的思考一下，到底擁有什麼樣的能力才算擁有了大腦？因為不同的人對於大腦的理解也是不一樣的，我提一些個人的想法。
人工智慧機器人的關鍵能力
如果讓我來定義的話，我覺得人工智慧機器人至少要擁有兩個關鍵的能力：
輸入和輸出資訊的能力。當然這裡的輸入可以包含很多種了，有語音輸入、影象輸入、感測器輸入、超聲波輸入、鐳射器等等，我也看到咱們群裡有很多的朋友和老師都在相關的領域做著研究，我相信他們對這點有非常多的瞭解。輸出的方式也是有各種各樣的，有螢幕顯示、語音合成輸出、行為動作……
思考的能力。所謂思考的能力就是要求機器人根據自己的知識計算體系，結合到它收到輸入的資訊，經過一定程度上的計算或思考，得到一個結論，這個結論會被用合適的方式給透過輸出通道反饋出去。
基於剛才我提到的這兩點，一個是互動能力，一個是思考的能力，來重新思考這個機器人的定義，那麼滿足這兩個條件恐怕就不僅僅限於我剛才照片裡發的那些擁有真實物理形態的機器人了。
所以在我看來，智慧機器人重要的不是是否擁有運動能力，能舉起多重的東西，是否能跳起來，而是看這個東西在跟誰打交道，怎麼打交道。如果一個不是人類的東西能夠跟人類正常的交往，那麼我其實就很願意叫它為機器人。當然我想在這裡強調一下我並沒有提起是否要滿足圖靈測試這一點，我個人認為在現階段要滿足圖靈測試還是一個夢想，拿圖靈測試來做一個東西的評判標準還是不太合適的，所以說我們可以把這個標準放低一點，來看這個事情。
智慧機器人的互動能力
我剛才提到了智慧機器人的重點是要跟人類打交道，那麼跟人類打交道里面最重要的是什麼呢？大家來看機器人這個詞，把它拆開是機器+人來組成的，機器二字突出的是什麼呢？突出它的確是一個非人類，是一個物體。但是人字又體現出我們其實希望它是個人，更準確的說它像個人。那麼你在跟一個東西進行交流時，它怎麼樣才能像個人呢？
其實最基本的一點就是機器在跟人打交道時它要表現得很自然，我們把這種互動方式叫自然互動。怎麼樣的互動才叫自然的呢？是說這個學習成本越低越好，這個互動越接近人類的本能越好，還是說我們要從資訊的輸入和獲取的方式上來判斷呢？
我們回過頭來看過去幾十年計算機的發展以及人和機器互動方式的演化，從純文字的命令列視窗，到有圖形的視窗+滑鼠控制輸入，再到後來的視窗+接屏控釋，我們不難發現，其實人和機器之間的交流的學習成本在不斷的降低，人機互動變得越來越接近人的自然能力。
今天，語音其實正在成為一個最自然的互動方式。馬麗米克在2016年的網際網路趨勢報告就提到了："語音應當是最有效的輸入計算形式，在2015年，美國使用過語音助手的使用者比例已經達到65%。在這些使用語音的使用者中有43%的人是在家中使用。"隨著技術的進步和語音效果的提升，這兩年比例還在持續的擴大中。我相信在座一定都用過語音輸入這個方式。
人們使用語音的場景有很多，比方說開車時候你的雙手雙眼都被佔用了，在客廳裡面，有些裝置可能就沒有傳統的這種鍵盤輸入，在戶外行走的時候打字很慢等等。說到這裡，我必須暫停一下，向偉大的蘋果公司致敬，剛才我們提到的每一個新的互動形態，都是由蘋果在工業界點燃的。透過自然語言來進行知識資訊獲取和服務的，蘋果可能不是第一家，但它一定是開啟時代的那一家。當然網際網路上有很多關於"為什麼只有蘋果才能做出如此創新"的文章，數不勝數，大家都有自己的理解，我們這裡就不再深入去聊了。
如何做好自然互動？
對於這種開放式的問題其實並沒有唯一的答案，我也只是結合搜狗在做的事情談一些心得和體會。
在我看來，自然互動的本質其實就是人工智慧，而有價值的人工智慧 = 技術 + 計算力 + 資料 + 產品。所以，自然互動= 技術 + 計算力 + 資料 + 產品。這裡的有價值的人工智慧，指的是能夠以真實的產品形態滿足使用者需求的，而決不是停留在實驗室裡面的那些原型。
技術
在我剛才提到的模型裡面，技術是很重要的，所以我們把它放在最前面。但是技術有一個問題，它是天然擴散的。因為網際網路的本質就是分享和傳播，Google在地球的另一端釋出一個新的技術，用不了幾天的時間，我們中國的各位選手就能馬上利用起來，來結合到我們現在的技術裡面。特別是在深度學習時代，技術已經很難成為公司之間的競爭壁壘。所以，在技術領域，我們要做到走在前面，跟住時代的步伐並且希望能夠一起參與進來，推動技術的本質進步。但在AI時代，想要依靠技術形成壁壘和壟斷我覺得已經不太現實了。
計算力
在這裡我特別想引用黃仁勳先生的一段話：“如果我們看電晶體的代進效能遞增確實速度是在放緩的，如果我們的創新只是依賴於晶片效能一代一代提升，這個速度也一定是會放緩的。但是，如果從系統、演算法、設計、架構等不同的方面去看效能的提升，我們還是可以有很大的機會的。比較我們這一代的GPU架構Pascal和上一代的GPU，效能在兩年之內已經有了十倍的提升，在4年時間有了65倍的提升。所以，我覺得現在可能已經進入了一個叫超級摩爾定律的時代了。”
我非常認同黃仁勳先生的觀點，計算力一直在穩步提升，甚至在加速提升。今天你引以為傲的計算力，可能沒多久就變成了大街貨，人人都可以擁有，所有參與到這方面的人都會享受到計算力提升帶來的紅利，只要你有足夠的投入。
產品與資料
所以說，技術是擴散的，計算力是指數性增長的。在當下時代，只有產品加資料才是你的私有財產，才能形成競爭的壁壘。
我們來看幾個例子，2005年，google的機器翻譯使用超過學術界一萬倍的資料，一舉成名，搞定了翻譯界多年都搞不定的翻譯的準確率難題。Google 2009年收購的reCAPTCHA，這個東西是透過一個巧妙的產品設計，讓使用者在網頁登入輸入驗證碼的同時，為OCR訓練提供了大量的訓練樣本，解決了疑難字的識別問題。在AI時代之前，不管是商品的推薦還是電影的推薦，都是基於item之間的相似性來實現的。但自從有了大量使用者產品，並且使用者在這些產品裡產生了足夠多的資料後，廠商們現在都是利用使用者行為建立推薦模型，商品的推薦進入了協同過濾時代。這是一個非常典型的透過產品上的資料積累改變了行業玩法的例子。
所以可以看出，要想做好AI，產品和資料才是重中之重。在產品和資料方面，要形成閉環，儘早讓一個功能上線到產品中去累積資料，進而不停去推動技術的進步。
我想再用搜狗舉一個真實的例子。搜狗目前語音識別能力和翻譯能力是非常出色的。在我們專案初期冷啟動階段，我們其實利用Google的語音識別API，做出了搜狗輸入法的語音輸入功能，並且投放上線。隨著使用者使用該功能的頻次逐漸增加，我們很快就積攢了一批原始資料，然後就開始了自己的建模和訓練工作，在很短的時間內就用自己的模型取代了Google API，完成了自主化。在接下來很短的時間內，隨著原始語料的不斷積累，技術模型的不斷演化，線上語音識別的正確率提升特別迅速。
目前，從技術方法本身上，搜狗沒有獨特的地方，訓練平臺我們有超過1000塊GPU的體量，據我瞭解百度大概有2000塊GPU的體量，但我們的優勢是什麼呢？就是線上量大。我們擁有優秀的產品，給我們帶來了大量優質的資料。現在搜狗輸入法每天語音輸入請求能達到2.5億次PV，每天產生20萬小時的語料，在這20萬小時的語料中，還包含著全國各個地區使用者的語料資料。
剛才提到的只是資料積累的部分，其實你結合使用者產品，我們完全可以做得更多，比如說去年搜狗輸入法上線了語音修改功能：當你說錯了一句話時，以前你要用手自己在螢幕上定位，然後刪除，輸入新的字，現在你就完全可以跟用語音修改功能說把什麼字改成什麼字，再哪哪加一個標點這個功能。最初我們用輸入法使用者的行為形成了一萬條修改的文法，這個語音糾錯功能剛上線的時候，修改的成功率僅僅只有40%，但是你可以透過不斷的迭代和資料反饋，所以我們僅僅用了一個月的時間就把成功率提升到了80%。可以看出：透過好的使用者產品形態和資料，我們就可以讓產品本身表現的更智慧，對映到自然互動上它就順理成章地變得更好了。
剛才我們提到了技術是擴散的，計算力是增長的，唯有產品和資料可形成壁壘，絕不是說技術是不重要的，產品和技術之間其實也是有非常大的關係的，因為新的技術一定可以給你帶來新的產品形態，同時好的產品形態一定會加速技術的進步，這兩個東西一定是相輔相成，一起往前推動了整個行業往前進步。
智慧機器人的思考能力
思考能力是一個很寬泛的定義，到底做到了什麼樣的程度才算有了思考能力？是滿足了加減乘除？還是滿足了一定的功能響應或圖靈測試？到現在也是沒有確定的範圍。在這裡我就想提出個人的一些看法，在我來看，在當下如果一個機器人有了問答能力，就可以算是有了思考能力，就可以被稱為智慧機器人了。
當然問答能力本身還是一種比較寬泛的說法，這裡我把問答分成三類：
命令執行。舉個最真實的例子就是蘋果的Siri，但它需要跟iOS結合來執行你的各種命令。我們可以把它比作一種遙控器，因為這種問答AI它不僅僅可以跟iOS結合，它可以和其他任何硬體在一起，各種不同的載體來結合，也可以和各種垂直的服務結合，但它執行的一定是一個有限集合裡的命令。你讓它幹什麼，它就幹什麼，它主要功能和能力就是對命令的理解和分類。
情感陪護。這裡面就是為代表作的就是微軟的小冰機器人，它主打的功能就是陪護。當你心情不好的時候去跟它聊一聊，或者閒著沒事幹，去和它聊一聊，我把這種關係比作人和人之間交往的這種蜜月期，這裡面蘊含的更多的是交往，建立情感上的互動，但是這裡面很少有資訊，有知識的獲取。你可以試著問小冰知識，它就回答的非常差。情感陪護這種需求人是肯定有的，但是目前在我來看，它未必是個高頻需求。
答案建議。當你在跟朋友聊天的時候，你除了有情感上的交流之外，更多的可能是一種知識、資訊的分享和交換。你希望從你的朋友那裡得到資訊，得到答案，或者得到建議，得到知識，這種問題在不同的場景下有不同的形式，比方說有定義型的，網路爬蟲是什麼？有意見型的，孕婦懷孕了能吃芒果嗎？還有what型，一站到底是哪個電視臺的節目？，還有how to型的，指尖陀螺怎麼玩？等等。
在以上三個問答的分類中，我認為這種答案建議的需求是目前來看是最高頻的，也是實現起來難度最大的。
為什麼說答案建議是最高頻的呢？理由就是人類是有強烈的求知慾的，我們不管是在學習，工作，生活，還是娛樂，其實都需要不停地獲取資訊。學習中你需要查資料，生活中你買東西要知道價格，工作中你要知道各種技能，娛樂方面你要想找一些內容，找一些花邊新聞，找電影看，找歌聽，人類求知慾的旺盛，也是網際網路這麼多年如此蓬勃發展的一個重要原因。
人工智慧與搜尋引擎
說到這裡，大家就可以停下來想一想，在我們現在人工智慧時代到來之前，網際網路時代中我們最需要、使用頻率最高的東西是什麼？我認為很多人的答案應該是搜尋引擎。為什麼搜尋引擎很重要？就是因為它滿足了人類的求知慾。那麼同樣都是要滿足了人類的求知慾，搜尋引擎和智慧問答機器人之間的關係到底是什麼呢？我們不妨花點時間來回顧一下搜尋引擎發展的歷史：
1996年-2012年，PC時代的搜尋引擎
這時候所有的搜尋行為都發生在個人電腦上，可能是家裡放著的一臺連著貓的PC，也可能是辦公室裡面的一臺膝上型電腦。使用者在使用搜索引擎的時候輸入的是關鍵字，其實本來大家用來交流的語言都是自然語言，但是由於那個時代技術的限制，大家用著就會發現，問搜尋引擎一個完整的問題往往得不到想要的答案，反而把問句裡面的關鍵字人工的提取出來，就能得到更好的結果，這實際上是人對機器的一種妥協。就像我之前談到的自然互動一樣，使用關鍵字來表達我的想法，這種互動方式它不自然。
同時在PC時代，所有資訊的載體是網頁，萬億級別的網頁承載著網際網路上整個世界的資訊，並且這些資訊基本都是公開的，誰都能看見。那麼在那個時代的搜尋引擎的主要挑戰有哪些呢？
第一個是全。看看誰能索引更多的網頁資訊，因為有萬億級的網頁不是隨便一個做搜尋引擎的公司都能把所有網頁都能索引下來的。
第二個是準。怎麼樣在這麼多個網頁中把最有價值的資訊提取出來，展現給使用者？Google的崛起也就是因為它發明了page rank演算法，變得特別準，才變成搜尋引擎的王者。
第三個是便捷。我怎麼統一入口，在第一頁的展現裡把各種不同的資訊都能很好的展現給使用者？到了PC時代的後期，搜尋引擎除了文字之外，還能提供富媒體的內容，再往後就有了開放平臺，直接接入各種服務商，提供垂直服務內容。比如說天氣這種東西，都能在搜尋引擎首頁上直接展現結果。
2013年-2016年，移動網際網路時代的搜尋引擎
從PC到移動發生了很大的變化，我們還是從裝置、輸入和載體這三個維度來看。
首先裝置上變化就很大，大家除了工作時用電腦，平常時間走路的時候休息的時候通勤的時候也會用手機，用pad等等，使用這些智慧裝置的時間變得更高頻，時間更碎片化。
輸入方面，除了pc時代的關鍵字，透過手機等智慧裝置，我們就可以輸入語音，輸入影象，而且這裡面每一次的輸入裡都蘊含著POI的資訊。
資訊的載體方面，除了公開的網頁之外，你會發現在各個垂直領域出現了大量優秀的APP，每個APP在它所在的垂直領域都非常好的解決了使用者在這裡面的需求。這些APP裡包含著大量的資訊，但它不像網頁是完全公開的，它在app裡面是私有資訊。
這個時代的搜尋引擎在做什麼呢？其實大家很容易發現，這個時代各個商業巨頭在做連線，試圖讓搜尋和APP結合起來。比方說Google推出了Deep Links，iOS底有Spotlight，deep links和universal links。還有一些戰略上的合作，比方說搜尋和社交的結合。Bing它收購了facebook 1.8%的股份，為的就是能讓Bing在網頁上展現出你的facebook好友對一條搜尋結果的評論。Google和facebook之間的合作，facebook允許google索引部分內容，就是為了讓google把使用者引流到facebook APP裡面來。再比方搜狗和騰訊之間良好的合作，使得搜狗可以直接連線微信裡的優質內容，推出了獨家的這種微信搜尋功能，在搜尋引擎中直接可以直接搜尋微信公眾號的內容。
同時值得一提的是什麼呢？在移動時代，搜尋的輸出形態也發生了變化，現在的一部分搜尋結果可以直接以語音播報的形式反饋給使用者，在這個互動形態上也會變得更自然了。
從2016年AlphaGo“人機大戰”開始，人工智慧時代的搜尋引擎
很多人把2016年定義為人工智慧元年。那麼在人工智慧時代又發生了什麼變化呢？從裝置上來看，輸入裝置變得更加多元化，不僅僅是手機，pad，任何可以聯網或以接入的裝置都可以，比如眼鏡，車載系統，音箱，機器人。大家現在講IoT，這些東西都是T，things。當面臨這些東西時，很多場景是不允許你輸入關鍵字的，使用者的輸入就必須是自然語言了， 伴隨著自然語言輸入，還有一些周圍的環境資訊，所以整個輸入維度會更多，更加立體化。在載體方面，之前的載體是網頁，是APP，在現在智慧時代，我們不缺資訊，資訊是爆炸的，我們缺少的其實是成體系的結構化的知識，所以我們在這個時代會強調知識計算。
那麼大家仔細體會這三個階段，你會發現，在滿足人類求知慾的這條路上，問答就是在AI時代搜尋的最終形態。輸入從關鍵字變成了一個完整問句，方式從鍵盤變成了語音，反饋從一堆網頁連結變成了一個直接的答案，但是它的職責永遠是不變的，就是要滿足人類的這個求知慾。
我粗淺的認為，在人工智慧時代，如果想做好問答機器人，那麼沒有搜尋的這個積累和底蘊其實是很難實現的，這也是為什麼現在搜狗正在做問答的原因之一。
在中文的知識類問答裡面，汪仔機器人其實已經完全超越人類了。從2011年IBM的Watson在危險邊緣中首次擊敗人類，到2016年AlphaGo戰勝李世石，當然圍棋是一個固定規則下的完全資訊博弈問題，再到現在汪仔在中文自然語言理解、搜尋、推理方面戰勝人類，每次新的超越所用的時間越來越短，我相信這也是人工智慧時代的特色之一吧。
汪仔與Watson的區別
我們在推出汪仔之後，總會有人會提到汪仔不就是個Watson麼，這個說法，所以我想在這裡花一點時間來對比一下，汪仔和Watson，來看看人工智慧時代的問答機器人和Watson相比到底有什麼區別：
語言。汪仔處理的是中文，Watson處理的是英文。其實在NLP屆大家都會有一個共識：中文的自然語言處理難度是最高的。處理好中文所需要的投入是要遠遠大於處理英文的。
問題輸入。汪仔接收輸入的方式是聽主持人念題，看圖片中的題目，這裡面用到了語音識別和影象識別技術，而Watson看過節目的人其實都知道，使用的是一種特殊的文字輸入。
問題範疇。汪仔是可以回答整個開放域的問題，問題沒有分類，沒有限制，而Watson回答的是一個封閉域的問題，它在進行答題之前他是要選問題的領域的，比方說文學，體育之類的，必須要提前選定問題的類別。
計算力。汪仔是聯網計算的，知識來源是整個網際網路，而Watson它是一個本地計算。同時汪仔是支援閒聊的，在答題之外可以和主持人以及參賽選手互動，而Watson只能答題，它並不能和人聊天。
賽制。Watson在比賽中是沒有搶答一說的，大家都是收到完整的題目之後，試圖去回答出正確的答案。但汪仔參加的一站到底，從賽制上是要求機器人和人類進行搶答，這也就要求汪仔在沒有收到完整的題目資訊的時候，試圖去預測問題是什麼，並且進行回答。同時按照節目的要求，答題者如果你答錯了反而會給對方送分，那麼就要求我們汪仔你猜還不能亂猜，機器人得有信心知道自己能答對才會去搶答，這就把整個問題的複雜度提升了另外一個量級上。
所以可以看出來，相比起Watson，汪仔是一個人工智慧時代是各種優秀技術結合起來的智慧問答機器人。
結合上述內容，這就是我對智慧機器人的兩大要素的理解，第一是自然互動，第二是問答能力。可能有很多人會有不同理解，甚至意見和我完全是相悖的，我覺得是好事，因為現在這個時代正是一個思想綻放，百花齊放的AI時代。
到底什麼是AI？
在AlphaGo出現之後，大家都在喊AI，就好像之前大家喊連線，喊“網際網路+”，喊大資料一樣。但是不管是連線、網際網路、大資料，都沒有任何一個東西像AI一樣讓我思考這麼久。我一直在想，到底什麼是AI？它到底有沒有一個標準的定義？
於是之前我就花了不少精力去搜索瞭解，去看書，看各種文章paper，我發現並沒有一家權威機構對什麼是AI做出明確的定義。然後我去和各種在AI領域工作的人聊天，我會問他們"你在搞什麼？"，他們會回答我"我在搞點和人工智慧有關的事情"，那我繼續問"那你覺得什麼是人工智慧"，得到的答案就千奇百怪了，甚至很多人都沒法用簡單幾句話給我描述清楚他心中的AI是什麼樣子。
各位不妨在心裡問問自己這個問題，能不能用簡單幾句話說清楚什麼是AI？
後來我又看一篇Stanford的一篇報告，對裡面的一些觀點非常認同，在這裡分享給大家。報告裡提到：這個世界的確對AI缺少一個精準的，統一的定義，但是就是因為缺少這麼一個精準統一的定義，反而讓AI在各個不同的領域大放光芒，開花結果。各方參與者、研究者，可能都在對AI有一個朦朧的認識的情況下，就開始搞AI了，所以說AI沒有一個準確的定義，它未必是一件壞事情。
大家想在很多年前，在計算器剛被髮明出來的時候，我相信那個年代的人一定會認為計算器是"智慧"的，但是按照我們當今這個時代的標準來看，計算器頂多算是一個小孩子的玩具罷了，和我們所提的AI相去甚遠。但你又不得不承認在當時那個年代，計算器就是智慧的。所以你仔細體會一下發展的過程，AI是不是能算做一種努力？
AI是一種不停的努力，試圖讓機器變得更智慧。更有意思的是什麼呢？AI這種努力會推進我們向更先進更智慧的領域前進，但是你一旦進入到這個領域之後，我們就會想方設法把AI從這個領域裡剔除出去。大家想想看，因為AI，我們把一個全新的科技帶入到一個common field裡面來，然後等人類熟悉這個東西之後，就不再覺得這個東西是個AI了，不覺得它智慧了，然後又會有更新的科技誕生。所以你從這方面來看AI也能算做一種趨勢，它永遠去追求更遠的進步。
就拿現在的下棋AI舉例子，當年深藍在初次戰勝卡斯帕羅夫的時候，我還是一個小孩，我守在家裡小小的電視前面看新聞，我就覺得電腦好神奇，簡直太智慧了，完全打破了我對計算機能做到的事情的理解。但現在你隨便對一個AI行業裡的人去說，說只會下國際象棋的深藍是AI的話，估計你會被嘲笑吧。但是現在大家又全部都同意說AlphaGo現在就是AI的代表作之一，那麼十年二十年之後，AlphaGo會不會陷入到現在深藍的境地，誰又知道呢？但我相信，不管在那個年代AlphaGo是怎麼樣的，AI還一定還在人類心中。
鈦坦白群友互動：
1、請問，使用人工智慧做內容推薦，如何解決推薦的內容會限制使用者視野的問題？
武健：其實推薦的便捷和限制使用者視野的問題，的確是長久以來推薦體系面臨的問題，也是整個推薦系統大家一直致力於解決的一個問題。我覺得要從兩個層面來解決這個問題：
從產品層面上來看，除了推薦的內容之外，其實你一定還是有按照類別來區分，然後還有別的熱點內容展現給使用者。不可能全是推薦的內容對吧，否則你就形成了一種過擬合。然後你按照類別區分，產生別的熱點內容。不管使用者感不感覺興趣，你都可以推給他，有些使用者願意點，有些使用者就不願意點，你會形成更精準的這種資料反饋，然後就讓模型變得更好。
從技術層面來看，剛才說的內容除了推薦內容，還有熱點內容之外，也屬於技術內容的一部分，你也可以進行一些協同過濾，讓這些跟你有關係的使用者，還有一些別的東西，也推薦進來，這樣的話可能會擴大這種興趣範圍。另外一方面就是隨著你對使用者各方面精準刻劃和全面收集，你的範圍就會越來越廣。然後你就會看到它有更多的所謂興趣源，能讓這個領域變得越來越大，然後能讓歷史上或者將來的資料逐步的放大，去形成正向的一種迴圈。
2、請問什麼產品能更好承載了語音視覺互動的問答，耳機還是眼鏡？
武健：這個東西我比較關注的兩個，一個是說問答機器人，剛才我詳細的已經解說過了。還有一個是翻譯機，你會發現現在的熱點就是翻譯，翻譯機的形態有很多。它可能是一個耳機，也可能是一個手持裝置。但是現在有很多的人都在集中力量來做這個事情，想實現多語言之間的這種互通，來方便出國旅遊或者會議這種翻譯場景的使用，像現在科大訊飛已經推出了2B的產品。
很好的實現了語音互動的系統，還有什麼呢？就是車載系統，剛才也提到了，比如現在的車載導航，我們正在致力於開發。首先它一定是在一個垂直領域裡面，然後它是基於多人對話的一種智慧語音系統，你可以說：“我要去機場”，它問你哪個航站樓，你說：“我要去T3”，或者直接告訴他航班號。在路途中間，如果你說：“我想去喝杯咖啡”，他會幫你計算在你去機場的路上哪兒有星巴克。它就是以很好的產品形態承載了語音視覺的互動，同時它還伴隨著後面有個知識體系。
3、請問您認為在知識推薦領域，何時能夠做到精準並民用？
武健：這個問題我還是想結合搜尋來回答。因為現在我們可以說搜尋引擎已經是解決了這個問題，但是形態上跟推薦不太一樣。因為搜尋上它給出的答案是十條，推薦上面它可能給你一個精準的答案。但是就像我之前說的，做這種精準的推薦一定是要基於搜尋來做的，它往後更多的發展可能是你的產品形態上的變化，一定要有一個非常好的產品形態，然後才能讓它去進入精準的民用級。以我個人粗淺的理解，我覺得兩三年的時間吧。兩三年之內，這種精準的民用級知識推薦，不能說在全領域，但是一定是在一些特定的垂直領域，我覺得就能實現得很好了，我不知道這樣回答是否你想要的答案。
4、請問剛才提到的就是說現在的這種人工干預還多嗎？
武健：其實現在的人工干預還是非常多的。現在不管是在語音識別，在語義理解還是需要大量人工標註的，就是你資料的積累是一部分。但是你前期的提升靠大量的資料來灌其實效果是很好的，到後面你想一個點一個點提升的時候，還是需要有大量的人工標註的。現在但凡在模式識別這個問題裡面，我們還沒有說能夠脫離人工標註來進行完美實現的一個方案，所以說現在有些人就會戲稱所謂人工智慧其實還是工人智慧。
（本文獨家首發鈦媒體，根據搜狗基礎平臺負責人、機器人負責人武健在鈦坦白上的分享整理）
…………………………………………
更多鈦坦白乾貨文章、下期預告可以點選：http://www.tmtpost.com/tag/1508094
更多瞭解人工智慧，你還可以看鈦媒體推薦的書單：http://www.tmtpost.com/2610569.html
本文來自騰訊新聞客戶端自媒體，不代表騰訊新聞的觀點和立場
(2017-05-25)