到 2030 年，我們的世界將不一樣。人工智能 (AI) 將進(jìn)一步發(fā)展智慧城市、物聯(lián)網(wǎng)、區(qū)塊鏈、醫(yī)療保健、量子計算、音樂、科學(xué)和擴展現(xiàn)實。 

未來超人的狹義人工智能應(yīng)用就在我們的內(nèi)部，在我們的智能網(wǎng)絡(luò)、設(shè)備、流程和服務(wù)中。這包括以下應(yīng)用： 特殊設(shè)計的自動化智能在戰(zhàn)略游戲、國際象棋/圍棋、視頻游戲、自動駕駛移動性、股票交易、金融交易、醫(yī)療診斷、NLP、語言翻譯、模式/對象/人臉識別方面的表現(xiàn)優(yōu)于人類、制造工藝等。

目前，只有狹義的人工智能 (AI)/機器學(xué)習(xí) (ML)/深度學(xué)習(xí) (DL) 碎片化應(yīng)用程序，專為比人類勞動更高效、更有效的類人任務(wù)和工作而設(shè)計。

當(dāng)前主要的存在問題是機器人/機器/計算機何時會成為通用的現(xiàn)實世界人工智能?

大多數(shù)人仍然看不到人工智能技術(shù)的顛覆性基本力量及其對我們未來的關(guān)鍵影響。

世界經(jīng)濟論壇要求其全球未來委員會的成員——學(xué)者、商界領(lǐng)袖和民間社會成員——想象 2030 年的世界更美好。

只有少數(shù)人提到了人工智能技術(shù)對未來生活的作用，比如“到 2030 年，空間技術(shù)和人工智能的結(jié)合將幫助我們應(yīng)對森林砍伐、石油泄漏、農(nóng)業(yè)、跨境恐怖主義和移民流動等全球挑戰(zhàn)”。如果我們在 2030 年把事情做好會怎樣?

大多數(shù)預(yù)測符合聯(lián)合國 2030 年可持續(xù)發(fā)展議程，忽略了先進(jìn)數(shù)字技術(shù)的顛覆性力量，如人工智能、機器學(xué)習(xí)、深度學(xué)習(xí)、機器人技術(shù)和其他新興技術(shù)。

有幾個前瞻性的人工智能世界場景，正面和負(fù)面，烏托邦和反烏托邦：

• 一個與萬物智能互聯(lián)的全球人機超級智能社會。
• 一個人形機器人的世界。到 2030 年，狹義的人工智能和機器人技術(shù)可能會接管世界，使人形機器人完全霸道。
• 世界領(lǐng)先的中國人工智能。到2030年，中國在人工智能方面將領(lǐng)先世界。到2030年：人工智能理論、技術(shù)和應(yīng)用均處于世界領(lǐng)先水平。屆時，中國應(yīng)該已經(jīng)成為全球人工智能技術(shù)和人工智能經(jīng)濟中心(人工智能核心產(chǎn)業(yè)產(chǎn)值超過1萬億元人民幣，人工智能相關(guān)產(chǎn)業(yè)產(chǎn)值超過10萬億元人民幣)，擁有深度融合的知識產(chǎn)權(quán)應(yīng)用生產(chǎn)板塊、社會治理、國家安全與國防等領(lǐng)域，擁有一系列一流的人工智能技術(shù)創(chuàng)新基地和全球領(lǐng)先的人才。新一代人工智能發(fā)展規(guī)劃(國發(fā)[2017]35號)。
• 狹義人工智能經(jīng)濟的世界。狹義的 AI/ML/DL/機器人將改變?nèi)蚪?jīng)濟的生產(chǎn)力和 GDP 潛力。到 2030 年，人工智能對全球經(jīng)濟的貢獻(xiàn)高達(dá) 15.7 萬億美元1，超過中國和印度目前的產(chǎn)出總和。其中，6.6 萬億美元可能來自生產(chǎn)率提高，9.1 萬億美元可能來自消費副作用。
• 強大的軍事人工智能世界。大多數(shù)軍隊將是具有致命自主武器系統(tǒng) (LAWS) 和殺手機器人的人形機器人軍隊。世界各地的軍隊已經(jīng)計劃到 2030 年在戰(zhàn)場上大幅擴大人工智能和機器人的使用。 英國軍方負(fù)責(zé)人預(yù)計，到 2030 年代，多達(dá)三萬名“機器人士兵”可以成為英國軍隊不可或缺的一部分。
• 一個沒有工作的世界。到 2030 年，人工智能創(chuàng)造的沒有補償效應(yīng)的技術(shù)失業(yè)將成為一個主要的社會問題。藍(lán)領(lǐng)工作，如汽車或卡車司機、設(shè)備操作員，以及白領(lǐng)工人、專業(yè)人士、律師、開發(fā)人員等，都將看到人工智能驅(qū)動的智能和自主性的巨大轉(zhuǎn)變，從而導(dǎo)致人類大量失業(yè)。

如果沒有 Real-World AI，I-World 2030 場景是不可能實現(xiàn)的，因此下一個挑戰(zhàn)是關(guān)于 AI 應(yīng)用程序的碎片化以及 AI 的可靠性和可信度。

為了解決狹義的 AI/ML/DL 和機器人碎片化問題，我們開發(fā)了通用的因果 AI 模型，不是與人類智能競爭，而是補充人類智能。

通用的 Human-AI 全球平臺旨在從海量數(shù)字?jǐn)?shù)據(jù)中提取知識，以在人類生活的各個方面取得突破，從政府到行業(yè)、教育、醫(yī)療保健再到全球安全。

這將有助于在統(tǒng)一的世界智能數(shù)據(jù)模型和因果算法中處理結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)字?jǐn)?shù)據(jù)，從監(jiān)督到自我監(jiān)督的真實學(xué)習(xí)轉(zhuǎn)變。 

在這些領(lǐng)域取得突破，將關(guān)系到人類未來的生死存亡。