评论
作者：Alex D. Stern 和 Eugene Sidorin，Evolution One。
2 月 11 日，特朗普总统签署了一项行政命令，概述了美国人工智能计划。该命令讨论了美国需要维持在人工智能领域的现有领导地位。随后，在 2 月 12 日，国防部又发布了另一个公告，公布了其关于人工智能的战略概要。
然而，有人可以争辩说，持续的美国领导地位远未确定：特别是，正如我们在“对人工智能现状的反思：2018”中讨论的那样，中国在人工智能初创公司的投资方面已经超越了美国，接近 50%的人工智能投资资金流向了中国初创公司（按交易数量来看，美国仍然领先，尽管来自美国的人工智能初创公司在过去几年中所占比例稳步下降）。
中国现在也在挑战美国，无论是在专利数量还是领域内的出版物方面。的确，一些出版物的质量可能仍落后于美国，但中国一直在追赶，而且近年来在该领域的进步速度令人惊叹。
对于主导人工智能领域的渴望是可以理解的——毕竟，人工智能有一天将开启全新可能性的想法已经存在了几十年。然而，直到最近，这一想法主要还停留在科幻和少数研究者及未来学家的作品中。所有这一切在 2010 年代初开始发生变化，当时技术以及同样重要的计算资源终于赶上了，我们首次获得了能够解决实际问题的人工智能（或者说，机器学习）。
然而，正如任何具有颠覆性的进展常常发生的情况一样，不同国家发现自己面临着人工智能带来的新机会和挑战，这些情况各不相同。
对于富裕的西方民主国家来说，机器智能的出现提供了探索新领域、建立新一代成功公司的机会，并进一步改善其社会。然而，这也意味着必须面对 AI 可能对公民造成的危险，尤其是在应用不当的情况下。在过去几年中，这意味着在制定 AI 政策时越来越优先考虑“无害”原则——西方国家，尤其是美国，在 AI 方面相比其他地区，可能面临更多的风险和更少的收益。虽然西方，尤其是美国，可能仍在 AI 研究方面领先，但实施 AI 将更加困难和具挑战性，因为它面临着不同的伦理和隐私问题的期望。
相对而言，中国面临着完全不同的挑战：鉴于其历史背景和经济发展阶段，AI 可能带来的机会往往大于滥用的危险，这反过来导致了对 AI 的拥抱以及积极的投资和部署战略。
值得注意的是，在广泛的 AI 部署中，中国和西方可能会优化不同的结果。在中国，AI 通常会被优化为对整个社会产生最佳效果，即使这意味着在过程中无意中伤害少数群体。相反，西方注重人权和对每个人的公平对待，包括任何少数群体，这反过来为 AI 的采用创造了独特的挑战。
对于其他国家来说，如今大多数国家处于西方和中国所代表的极端之间的某个位置。
现在，让我们深入探讨将决定当前全球 AI 军备竞赛领导者的关键因素。
基于我们上面讨论的内容，我们建议将世界划分为 3 个主要组：西方、中国和其他国家。显然，这种划分是相当主观的，但我们认为它以一种有用的方式框定了关于 AI 政策的讨论。
现在，当考虑任何可以通过机器学习解决的问题时，有三个构建块需要考虑：数据、人员和资金。
来源： Evolution One
注意： 这里每种资源的数量是主观的，仅用于说明目的；我们将在下面的每一节中详细阐述我们如何得出这些数量。
过去几十年间，数据生成量取得了巨大的增长，并且没有放缓的迹象——相反，近几年，由于我们生成信息的能力不断提高，以及新数据来源的爆炸性增长，无论是在硬件还是软件方面，这一增长趋势实际上在加速。
来源： 世界数字化从边缘到核心
根据 IDC 的数据，今天每天与数据互动的消费者已超过 50 亿，预计到 2025 年这一数字将增加到 60 亿。尽管在 2010 年代初期，智能手机对数据量的增长贡献最大，但未来增长将越来越多地由物联网设备推动，这些设备预计到 2025 年每年生成超过 90 泽字节的数据——占所有预测数据的 50%以上。
需要强调的一点是，设备数量与它们生成的数据量之间的关系从未是线性的，但现在这一点尤其明显。虽然在 2000 年代末和 2010 年代初，数据量的增长是由智能手机的普及和数据传输与存储成本的下降推动的，并且智能手机的使用数量有明显的上限。然而，如今在全球有30 亿部智能手机，增长正在放缓，但数据量却仍在迅速增长。
来源： 2018 年物联网现状
这里有两个关键因素。
首先，虽然智能手机的全球增长正在放缓，但物联网的情况则大相径庭。截至 2018 年，至少有70 亿台物联网设备（其他估计数字显著更高），预计到 2025 年将增长到 215 亿台，超过所有其他类别的总和。或许比设备的具体数量更重要的是，物联网设备的数量没有自然限制：可以想象一个世界，其中每个人都有几十台甚至几百台设备，测量从道路交通到我们公寓的温度（而且这还未包括企业使用的物联网设备）。
其次，现有数据的量在很大程度上取决于我们收集、分享和存储数据的意愿和能力（无论是暂时的还是永久的）。在这里，我们在选择收集和保留什么类型的数据时变得至关重要——任何今天未被捕获的数据都被定义为丢失，这种效应会随着时间的推移而积累。
出于对隐私的担忧以及防止潜在滥用，限制数据收集可能是合理的，但在机器学习的狭义背景下，这些选择会影响用于训练模型的数据量。这反过来意味着，对隐私关注较少的国家（以中国为例——例如，参见其利用人工智能监控摄像头的实验来抓捕罪犯）在数据方面可能会获得优势。
尽管如此，也重要的是要认识到隐私问题并不适用于每一个问题，还有一些领域（例如无人驾驶汽车，或机器翻译——参见一些有趣的专家意见这里），在这些领域西方实际上会拥有更好的数据集。
人员代表了第二个关键构建块，因为正是他们定义了处理任何可以通过机器学习解决的问题的方法。
在这里，情况与我们在数据中看到的有些相反——西方，尤其是美国，具有天然优势，因为它仍然是最具吸引力的工作和生活地点之一，从而更容易吸引来自全球的人才。它也可能对非传统的想法更加包容，这为创造性环境提供了更多可能性，并有助于发现和培养创新思路。
在基础研究领域，美国也历史上具有优势，这得益于其成熟的研究型大学体系，更不用说其吸引全球顶尖人才的能力了。然而，近年来，中国建立了顶级研究型大学体系，并继续大力投资。如今，中国已经授予了更多的自然科学与工程领域的博士学位，并在同行评审期刊上发表的文章数量超过了美国，根据《经济学人》的报道。此外，在人工智能特定领域，美国的领先地位也不再那么确定，如前所述（有关详情请参见CB Insights 报告）。
最后，谈到专注于实施（而非纯研究）的从业者时，美国和中国各有独特的优势；评估这些优势的两个可能的指标是各自国家创办的初创公司数量以及加入这一领域的专业人士数量。
美国拥有最多的初创公司，并且有一个建立完善的大型科技公司生态系统，如谷歌、微软和脸书等公司正在投资该领域。然而，中国在这里排名第二（如果将整个欧洲视为一个整体则排名第三）；此外，它获得了前所未有的高额投资（更多内容见下文），并且也是少数几个能够与美国最大玩家（即阿里巴巴、腾讯和百度）竞争的公司之一的总部所在地。
然而，就劳动力而言，中国明显领先——如今，它培养的拥有 STEM 学位的大学毕业生是美国的三倍，而美国则面临着长期的合格人才短缺。与研究不同，在实践中，数字确实很重要，生产足够的工程和科学专业人才对于在该领域建立和维持领导地位至关重要。
根据 CB Insights，2017 年中国初创公司在全球 AI 初创公司投资中占据了 50%的份额，相比 2016 年的 11.6%显著增长。因此，2018 年资金最充足的前两家公司——SenseTime 和 Face++——都来自中国——我们已经在最近的文章中简要讨论了 2018 年的 AI 投资格局，并得出结论，中国在早期投资方面已经领先。
尽管如此，现在特朗普总统宣布了他的美国人工智能倡议，我们认为现在可能是回顾并考虑这一公告如何影响权力平衡的好时机。
然而，在我们这样做之前，让我们暂停片刻，考虑一个可以帮助分析投资策略效率并确定其最终成功或失败的漏斗模型。
来源： 进化一号
以下三个步骤可以帮助框定讨论：
-
首先，考虑一下拟议投资的总体规模，以及它是否足以在实现既定目标的情况下产生有意义的差异。
-
其次，考虑一下目前生态系统吸收资金的效率和发展程度。
-
最后，确定所提议的战略有多专注，以及它是否针对那些具有潜力带来最佳回报的领域（这些领域会根据总体目标的不同而有所不同——例如，支持一个已经建立并且发展成熟的生态系统可能需要不同的策略，与从零开始构建基本机构时的策略不同）。
现在，应用这一框架来评估特朗普总统的 AI 战略，可以安全地得出结论，它实际上没有改变任何事情，因为它过于模糊和泛泛而谈。这并不是说美国在投资方面落后于中国——相反，显而易见的是，两国在资金量、生态系统的稳健性和关注多个具有显著发展机会的领域方面都处于同等有利的位置。
尽管今天许多人将 AI 视为一种新的军备竞赛，各国准备相互激烈竞争（特朗普总统的宣布语气也没有帮助这一情况），我们相信，在 AI 领域的合作会带来持续更好的结果。
有趣的是，西方特别可能从促进全球合作中受益（比那些在封闭的世界中更具优势的对手更有可能），因为历史上正是思考和创造的自由使得美国等地对来自世界各地的人才具有吸引力。
西方实现 AI 可持续领导的途径可能依赖于：
-
专注于促进全球合作，包括来自中国等地的研究人员和公司
-
投资于 AI 伦理使用框架的发展，同时注意不要对私营企业的主动性施加不必要的限制
西方政府的角色应该集中在帮助制定和引导讨论上，而不是试图施加不必要的限制来扼杀创新。
简介：亚历克斯·D·斯特恩是产品战略师，曾在风险投资和初创企业中任职，目前在微软的云与企业部门工作。
尤金·西多林是企业家、物理学家和技术爱好者，目前在微软工作，专注于 Azure 财务和战略。
原文。经许可转载。
资源：
相关：
1. 谷歌网络安全证书 - 快速进入网络安全职业生涯的快车道
2. 谷歌数据分析专业证书 - 提升你的数据分析能力
3. 谷歌 IT 支持专业证书 - 支持你所在组织的 IT 工作