美国人工智能发展及政府发展战略

　【 内 容 提 要 】

　最 近 十 余 年 ， 人 工 智 能 在 美 国 得 到 快 速 发 展 。

　目 前美 国 的 人 工 智 能 在 研 发 方 面 居 于 全 球 领 先 地 位 。

　学 术 机 构 是 美 国人 工 智 能 研 发 的 主 力 ， 企 业 界 的 作 用 也 在 不 断 增 强 。

　人 工 智 能 已在 美 国 商 业 领 域 得 到 广 泛 应 用 ， 催 生 了 众 多 新 兴 产 业 ， 并 提 升 了传 统 行 业 的 智 能 化 水 平 ， 从 而 产 生 了 可 观 的 经 济 效 益 。

　美 国 也 在积 极 深 化 人 工 智 能 在 政 府 部 门 特 别 是 军 事 领 域 的 应 用 。

　目 前 ， 美国 政 府 已 经 制 定 了 较 为 完 整 的 人 工 智 能 战 略 ， 进 入 了 快 速 实 施 阶段 。

　特 朗 普 政 府 为 美 国 人 工 智 能 发 展 设 立 了 目 标 和 原 则 ， 成 立 了指 导 和 实 施 机 构 ， 注 入 了 大 量 资 金 ， 并 积 极 推 动 数 据 开 放 、 标 准制 定 、 人 才 培 养 、 政 府 与 企 业 合 作 以 及 风 险 管 控 。

　然 而 ， 美 国 人工 智 能 发 展 仍 面 临 资 金 不 足 、 人 才 短 缺 和 政 策 执 行 效 率 低 下 等 问题 。

　美 国 政 府 在 制 定 人 工 智 能 发 展 战 略 时 ， 一 直 把 中 国 当 作 首 要的 比 较 和 防 范 对 象 ， 把 中 国 在 人 工 智 能 领 域 里 的 竞 争 视 为 争 夺 世界 领 导 权 的 战 略 竞 争 ，密 切 关 注 中 国 在 发 展 人 工 智 能 方 面 的 动 向 ，竭 力 防 止 中 国 在 人 工 智 能 领 域 获 得 领 先 地 位 。

　人 工 智 能 的 发 展 将使 中 美 在 军 事 与 安 全 、 贸 易 和 政 治 方 面 的 矛 盾 进 一 步 加 深 。

　】

　【关键词】

　人工智能；高科技；战略竞争；中美关系

　人工智能是一个迅速发展的高科技领域，它影响到一个国家政治、社会和经济生活的许多方面，对国际关系也具有潜在的重大影响。美国是最早发展人工智能的国家，目前它在人工智能方面处于全球领先地位。近年来，为了保持本国的经济竞争优势，美国政府尤其重视人工智能的发展，制定了详尽的促进政策。这些政策不仅关乎美国自身，其影响还会传导到国际关系和国际贸易领域。美国在高科技领域对中国的打压就体现了这一点。因此，我们在国际关系和外交领域应当对美国人工智能的发展及政府发展战略给予足够的重视。

　一 一

　人工智能定义与重要相关概念 目前人工智能没有普遍认可的定义。一种简要的定义是:人工智能是“对思想和智能行为背后的计算原理的科学研究”。也可将人工智能定义为“能够执行通常需要人类智能，如视觉感知、语音识别、决策和语言翻译任务的计算机系统的理论与发展”。因此，一般在提到人工智能时，可以把人工智能通俗地理解为“机器学习、自动推理、机器人、计算机视觉和自然语言处理（NLP）的总称”。

　关于对人工智能更具体的描述，可以参考美国《2019 财年国防授权法》给出的定义: （1）任何在变化的、不可预测的情况下执行任务而无须重大的人为监督的人工系统，或者在接触数据集时可以从经验中学习并改善性能的任何人工系统；（2）在计算机软件、物理硬件或其他环境中发展起来的一种人工系统，用于完成需要类似于人的感知、认知、计划、学习、交流或身体动作的任务；（3）一种被设计成像人一样思考或行动的人工系统，包括认知结构和神经网络；（4）一组技术，包括旨在用于近似认知任务的机器学习；（5）一种旨在采取合理行动的人工系统，包括一个智能软件代

　理或嵌入式机器人，它通过感知、计划、推理、学习、交流、决策和行动来实现目标。

　哲学家约翰·塞尔（John Searle）区分了强人工智能和弱人工智能的区别。他提出了一个问题:计算机是否可以有头脑，还是它们只能模拟头脑-强人工智能要求计算机对其所做的事情有更深入的理解，确实是在思考而不只是模拟思考，塞尔认为强人工智能是不可能实现的。而弱人工智能虽然可能看起来像是智能的，但是它们对自己做的事情缺乏更深入的理解，也不具有自主意识。从这个意义上说，强人工智能与弱人工智能的区别同通用人工智能与专业人工智能的区别相类似。通用人工智能具有类似人类的思维和智能，“能够执行目前需要人类智能的任何认知任务或操作任务”，而专业人工智能是为一个特定目的而训练的，很少有完成其他任务的能力。例如，2016 年 3 月谷歌公司研发的击败人类世界围棋冠军李世石的阿尔法狗就属于专业人工智能的范畴，它不能进行人脸识别。迄今所有的人工智能应用都是以专业人工智能的形式出现的。人们普遍认为，目前人类距离开发出通用人工智能还十分遥远。

　人工智能成为热门是最近十几年的事情，但它并不是一种新现象。人们公认，1956 年美国“达特茅斯学院人工智能夏季研究项目”研讨会是人工智能概念形成的起点。项目主持人约翰·麦卡锡（锡（John McCarthy）邀请了包括语言模拟、神经网络和复杂性理论等在内的各个学科的研究人员参加会议，澄清并提出与“思维机器”（thinking machines）相关的概念。会议的提案指出，“这项研究应当基于这样的推测:原则上可以精确地描述学习的各个方面或智能的任何其他特征，以便制造出模拟它的机器”。早期的人工智能研究激发了人们巨大的热情和期望，曾在 20 世纪 60 年代和 80 年代掀起两次发展高潮，但由于受到算法、数据量、数学理论和计算机运算能力等因素的限制，所取得的成果有限，发展势头也两次跌入低谷。至 2010 年左右，随着互联网时代大数据的积累和可获得性、机器学习方法的改进以及机器处理能力的提高，人们重新燃起对人工智能的兴趣，从而刺激了专业人工智能的发展。前两轮人工智能热潮是学术研究主导的，而新一轮热潮主要是商业需求驱动的，并且产生了成熟的商业模式、广泛的市场应用和可观的经济效益。

　要了解人工智能的发展现状，首先要了解以下几个关键概念以及它们之间的关联。

　（1）机器学习。人工智能最重要的进步之一是机器学习，它是引领当前人工智能大发展的革命性技术突破。机器学习是获得人工智能的一种方法，其重点是赋予机器学习的能力，这是通过数据和算法的结合来完成的。机器被输入数据，之后使用算法来“研究”这些数据以发现模式，机器从这些数据中“学习”，目的是能够执行任务。一般来说，机器学习可以帮助研究者对数据进行分类、聚类和预测。在此基础上，计算机能够检测恶意软件、预测住院情况、检查法律合同是否存在错误、防止洗钱、通过鸣叫声来识别鸟类、预测基因功能、发现新药、预测犯罪并适当安排警察巡逻、识别最适宜种植的农作物、测试软件以及标记文章等。

　（2）算法。在机器学习中，算法是关键。算法是用机器语言一步步地描述如何执行任务或计算。算法的目的是解决问题。至关重要的是，在输入相同的条件下应当反复产生相同的结果。不同的算法适用于完成不同的任务。

　（3）深度学习。深度学习是机器学习的一个领域，它受人脑结构的启发，依赖于所谓的神经网络。这种机器学习神经网络可以从数据中学习，而无须外部指导。机器之所以能够做到这一点，是因为它们可以通过调整部分编程来获得更好的结果。深度学习是解决某些问题的绝佳工具，特别是涉及感知分类的问题，如识别音节和宾语。深度学习意味着系统“正确处理”的可能性增加了，它是基于该系统经过多次迭代来识别图像中的特定元素并根据识别是否成功而进行调整来完成的。这与人们通常理解的智能有很大不同。

　（4）人工神经网络。人工神经网络为深度学习提供了动力。它们由多层次的“像一个大脑一样的一组相互连接的模拟神经元”组成。人们通过算法来模拟各个层次的神经元。人工神经网络非常适合于识别图像，它们从少量的图像中学习，这些图像已被手动标记为“猫”或“非猫”。网络可以由此识别出一组特征，从而能够识别图像中的猫。同样的原理也可用于分析卫星图像。

　在训练方面，可以区分有监督的、无监督的和强化的学习。阿尔法狗是通过与人类对弈来训练的。借助于强化学习，其后继者阿尔法元可以在没有人工输入的情况下通过与自己对弈来学习。强化学习现在被用来训练精通多个棋盘游戏的人工智能。目前深度学习为语音识别、图像识别和自然语言处理等领域带来了突破性进展，语音识别的准确率在过去 10 年内从65%提升到 95%。这些技术进步催生了广泛的实际应用，如自动驾驶、机器翻译、智能生活、数据挖掘、灾害预测、辅助医疗和精准营销等。

　（5）大数据。人工智能离不开大数据。人工智能和机器学习建立在大数据的可获得性不断提高和计算能力不断增强的基础之上。机器学习是借助以前所未有的数量、种类和速度提供的数据培养起来的。近年来大多数机器学习进步背后的促进因素就是大数据和深度学习。

　二 二

　美国人工智能发展现状 状 （一）美国人工智能研发现状 2019 年一份对美国、中国、欧洲人工智能发展的比较研究报告显示，在六项指标——人才、研究、开发、采用、数据和硬件中，美国处于绝对领先地位，中国位居第二，欧洲则位居第三。根据对 2018 年在 21 个主要人工智能国际会议上发表论文的作者获得博士学位情况的调查，其中有 44%的人在美国获得博士学位，比在欧盟（估计为 21%）和中国（11%）的总和还多。这在很大程度上为美国提供了人工智能人才的优势。根据人工智能论文和专利记录，在雇用人工智能人才最多的 20 家公司中，2017 年有一半

　设在美国。这 10 家美国公司合计拥有 1623 名人工智能人才。相比之下，欧盟有 6 家这样的公司，总共有 522 名人工智能人才。排名前 20 位的唯一一家中国公司是华为，拥有 73 名相关人才。

　美国在人工智能方面的研究成果在全球处于领先地位。根据全球最大的引文数据库 Scopus 的检索结果，2018 年美国共发表了 16233 篇与人工智能有关的同行评审论文。论文数量的快速增长主要发生在 2013 年之后，5 年内增长了 2.7 倍。同一时期中国和欧盟的人工智能论文数量也有类似的快速增长，而且每年发表论文的数量明显超过美国，两者 2018 年的发表数量分别高达 24929 篇和 20418 篇。不过，美国人工智能论文的质量一直大幅度领先于其他地区，2018 年其平均每篇论文被引用的次数为 2.23 次，而中国为 1.36 次。美国每个作者被引用的次数也比全球平均水平高出 40%。

　美国在深度学习领域发表的论文数量远超过其他国家，2015—2018 年共在预印本文库网站 arXiv 发表了 3078 篇相关论文，是中国同期的两倍。最近几年，美国每年取得的人工智能专利数量都占到全球总量的一半左右，专利引证数量占到全球的 60%。在全球最大的软件源代码托管服务平台GitHub 上，美国各机构贡献的人工智能软件库受到最多的关注。仅谷歌公司主导的机器学习开源软件库 TensorFlow 的累积点赞数就超过 15 万次，接近所有其他主要相关软件库的总和。然而，中国与美国在这方面的差距正在缩小。艾伦人工智能研究所 2019 年对人工智能论文进行的分析发现，在被引用最多的 10%的人工智能论文中，美国所占份额从 1982 年的 47%下降到 2018 年的 29%，中国从 1982 年的几乎为 0 增长到 26.5%。

　学术机构是美国人工智能研究的主力。1998—2018 年，美国共发表了32 万篇各类关于人工智能的论文，其中有 27 万篇来自学术机构，比例达到85%。这与中国和欧盟的情况类似，后两者的比例还要略高，分别高达 93%和 91%。2013—2017 年发表人工智能论文最多的 5 个美国机构是卡内基梅隆大学、麻省理工学院、微软、IBM 和斯坦福大学。根据 2018 年 3 月 6 日的科研论文影响力（FWCI）评分，这五个机构加在一起为 4.0，显著高于欧盟前五名（1.9）和中国前五名（1.4）的评分。人工智能迅速成为美国计算机科学中最热门的博士生专业，远超过传统的信息安全、计算机网络、软件工程等专业。2018 年美国毕业的 1251 个计算机科学博士中有 266 人主修人工智能，比例超过 21%，比 5 年前增加了 10 个百分点。

　企业界也在美国的人工智能研发中发挥了很大作用。从 1998 年到 2018年，来自企业的各类人工智能文章共有 3.8 万篇，占总数的 12%，而该比例在中国和欧盟分别只有 2.2%和 3.6%。目前，企业界已经成为美国人工智能人才的最大就业场所。

　2018 年，超过 60%的人工智能博士毕业生进入企业界，比 2004 年高出40 个百分点。人工智能教师离开学术界进入工业界的速度也在加快，2018年有 40 多人离职，比 2012 年多 25 人。

　美国的人工智能研究在许多关键技术领域居于世界领先地位。在计算机视觉领域，谷歌公司和卡内基梅隆大学开发的 Noisy Student 方法对图片进行分类的 Top-1 准确率达到 88.4%，比 6 年前提高了 35 个百分点；在云基础设施上训练大型图像分类系统所需的时间已经从 2017 年的 3 个小时减少到 2019 年的 88 秒，训练费用也从 1112 美元下降到 12.6 美元。自然语言处理的进展也非常迅速。2012 年以来，人工智能系统的计算量一直呈指数式增长，平均每 3.4 个月就翻一番，远远超过摩尔定律限定的每两年翻一番的增长速度。谷歌公司的阿尔法元每天能进行 1020 次浮点运算，远超出任何其他人工智能系统。

　然而，当前由深度学习主导的人工智能发展有其应用范围和理论上的瓶颈。深度学习在语音和图像识别、自然语言处理等领域拥有其他人工智能技术无可比拟的优势，但也具有易受攻击、学习效率低、应用不稳定、缺乏可解释性等局限。2011 年图灵奖得主、人工智能专家朱迪亚·珀尔（Judea Pearl）认为，深度学习是一种非常通用和强大的曲线拟合技术，它可以识别以前隐藏的模式，推断出趋势，并预测出各种问题的结果，但除非算法和由它们控制的机器能够推出因果关系，否则它们的效用和通用性永远不会接近于人类。

　根据高德纳咨询公司提出的技术成熟度曲线，新科技从诞生到成熟应用通常要耗费十余年时间或更久，其间要经历五个阶段:科技诞生的促动期、过高期望的峰值期、泡沫化的低谷期、稳步爬升的光明期和实质生产的高峰期。该公司对当前人工智能的各种技术和应用进行了评估，认为只有语音识别达到了实质生产的高峰期，其他都仍处于前三个时期。例如，自动驾驶正处于泡沫化的低谷期，计算机视觉、智能助手、自然语言处理、机器学习和深度神经网络等都处于从高峰期向低谷期下降的阶段。因此，对于绝大多数人工智能技术及其应用来说，至少还需要数年时间才能达到实质生产的高峰期。

　（二）美国人工智能产业的发展 美国人工智能产业对劳动力的需求在迅速增长。2010—2019 年，与人工智能相关的工作岗位占总工作岗位的比例从 0.26%上升到 1.32%。其中机器学习所占的比例最高，占到总工作岗位的 0.51%。各个行业都需要人工智能人才，其中信息产业的需求量最大，其次是高科技服务业和金融保险业。

　从地域来看，美国各州对人工智能人才的需求都在快速增长，但需求量最大的仍是加利福尼亚州、纽约州、得克萨斯州、马萨诸塞州、华盛顿州和弗吉尼亚州等高科技产业聚集的州。2018—2019 年，加利福尼亚州对人工智能人才的需求超过 9.3 万人，占该州工作需求总量的 1.3%。德勤会计师事务所评出的全球前 20 个人工智能创新和应用城市中，有 5 个位于美国，分别是旧金山、波士顿、纽约、洛杉矶和达拉斯。相对而言，人工智能更容易对高技能工作造成冲击，而中低技能工作更容易受到软件和机器人的冲击。拥有学士学位的人受到人工智能冲击的程度是高中学历者的 5 倍，

　这是因为人工智能更容易完成白领擅长的规划、推理、预测和解决问题等任务。

　美国与人工智能相关的公司数量以及对这些公司的投资也在快速增长。美国的人工智能初创企业超过 5000 家，数量远超过其他国家。排名第二的英国大约有 1000 家，中国大约有 300 多家。全球排名前 100 的人工智能初创公司中的 77 家位于美国。2018 年，美国人工智能初创公司共获得 187 亿美元的私人投资，相当于 2013 年的 7.6 倍，大约占全球总量的 46%。这些美国初创公司虽然获得了大量投资，但目前很少进行上市和公开募股活动，更多是被高科技巨头收购。例如，苹果公司共收购了 20 家，谷歌收购了 14家，微软收购了 10 家。美国人工智能初创公司涉及的领域非常多样化，其中数据工具领域得到了最多的投资，接下来是医疗技术、零售、文本分析、聊天机器人和广告营销等。这与中国的情况有明显不同:中国的投资主要流向自动化、人脸识别、教育技术和自动驾驶等领域。

　在人工智能公司的风险资本和私募股权融资方面，美国也居于首位。2017—2018 年，美国的风险投资和私募股权融资数额约为 169 亿美元。其次是中国，约为 135 亿美元。排第三的是欧盟，约为 28 亿美元。再看涉及人工智能公司的风险资本和私募股权融资交易数量，2017—2018 年，美国人工智能公司获得的投资最多（1270 项），超过欧盟（660 项）和中国（390项）。知名的初创公司及投资机构生态数据库 Crunch-Base 上列出了 2000年 1 月到 2019 年 5 月按地区划分的人工智能类别组中的公司收购数量，美国拥有此类公司 1727 家，超过欧盟（拥有 762 家）和中国（拥有 224 家）的总和。

　美国在发展世界一流的人工智能公司中处于领先地位。美国公司在专利和主导性人工智能收购方面表现强劲，例如，在 15 个机器学习子类别中，微软和 IBM 在 8 个子类别中申请了比其他任何实体公司都更多的专利，包括监督学习和强化学习类。美国公司在 20 个领域中的 12 个领域的专利申请处于领先地位，包括农业（迪尔公司）、安全（IBM 公司）以及个人设备、计算机和人机互动（微软公司）。中国科学院则在深度学习方面申请了最多的专利，德国的西门子公司在神经网络方面申请了最多的专利。

　此外，2012—2016 年，IBM 的人工智能专利申请为 3677 项，居全球之首。Alpha-bet 公司有 2185 项，微软有 1952 项，均位列全球前五名。1960—2018 年，专利申请人在美国专利数据库（USPTO）中申请了 28031项高引用率专利，这大大超过了欧盟的 2985 项和中国的 691 项。虽然此项指标显示的是申请人在哪里提交专利，而不是他们的所在地，但大多数申请人通常会首先选择在其居住的国家/地区提交专利。此外，世界知识产权组织（WIPO）追踪了 1960—2018 年首次作为《专利合作条约》（Pa-tent Cooperation Treaty）专利申请的知识产权专利的数量。在这方面，美国有1863 项，领先于中国的 1085 项和欧盟的 1074 项。

　美国在每一项人工智能发展指标上都处于领先地位，这表明美国比中国和欧盟更有能力继续发展全球领先的人工智能企业。专利和收购数据也显

　示，美国在发展世界级人工智能公司方面已经居于显著的领先地位。但是，部分由于中国强大的风险投资和私募股权生态系统，中国正在赶上欧盟和美国。

　超级计算机是人工智能发展的关键基础设施之一。在超级计算机拥有量方面，根据 2019 年 11 月 Top500 公布的数据，在全球前 500 强的超级计算机系统中，美国拥有 117 台，占 23.4%，平均综合得分为 5223；中国（不含港澳台地区）拥有 228 台，占 45.6%，平均综合得分为 2333；欧盟国家（含英国）有 91 台，占 18.2%，平均综合得分为 3211。世界上最快的 10台超级计算机中有 5 台属于美国，世界上最快的两台超级计算机（Summit和 Sierra）就安置在美国能源部。

　此外，美国的英特尔公司开发了 500 强超级计算机中 94.8%的处理器。使用加速器或协处理器来增强计算机性能的超级计算机有 145 台，其中有141 台使用了来自美国的 Nvidia 或英特尔公司的加速器或协处理器，占总数的 97.2%。中国的超级计算机研发在某些方面正在赶超美国。2010 年 6月，全球 500 台性能最强的超级计算机中有 282 台安装在美国，但是到 2018年，美国拥有的台数下降到了 109 台的历史最低位。中美都在努力开发每秒百亿亿次浮点运算的计算机。2018 年《科学》（Science）杂志的一篇报道说，2018 年 6 月以前，中国在世界排名中最靠前的两台超级计算机太湖之光（排名第一）和天河 2A（排名第三）的算力总和比美国能源部当时拥有的 21 台超级计算机的总和还要强大。直到 2018 年 6 月美国田纳西州橡树岭国家实验室名为 Summit 的计算机付诸运行，它才为美国夺回了最强超级计算机的称号。目前美国能源部正在研发一台名为极光（Aurora）的超级计算机，其计算和分析能力是 Summit 的 50 倍。

　人工智能对美国经济将产生显著的促进作用。它不仅催生了图像识别、语音识别、机器翻译等新兴产业，其更广泛的应用是所谓的“AI+”，即人工智能为医疗、制造、运输、金融、零售、教育、农业等传统行业赋能，提高这些行业的智能化水平，推动传统经济结构转型升级，向“工业 4.0”转变，创造出新的经济增长点。普华永道会计师事务所预测，到 2030 年人工智能对全球经济的累积贡献可能高达 15.7 万亿美元，其中 6.6 万亿美元源自生产率的提升，9.1 万亿美元源自消费，今后对美国经济的累积贡献将达到 3.7万亿美元。埃森哲咨询公司预测，到 2035 年人工智能将每年为美国经济带来 2.6%—4.6%的额外增长。由于深度学习在美国发展得最早，它对美国经济的促进作用将很快显现出来，在 21 世纪 20 年代中期就能达到高峰，可能比中国要早 5 年。

　人工智能已经在美国多个行业中得到应用。获益最多的行业之一是医疗保健，主要应用范围是辅助诊断和治疗、医疗影像分析、传染病的早期识别和跟踪、新药研发等。仅 2018 年，美国食品药品管理局就批准了 16 款人工智能医疗产品，用于检测骨折、糖尿病、心脏和脑部疾病。自动驾驶是另一个人工智能技术正在快速走向实用的领域，美国在这方面也处于世界领先地位。根据毕马威对各国自动驾驶发展情况的评估，2019 年美国位列世界第四，其中在技术和创新方面位列世界第三，仅次于以色列和挪威。

　中国的综合排名是第 20 名，技术和创新位列第 19 名。美国汽车工程师学会将自动驾驶分成 L0 到 L5 共六个等级，特斯拉等美国量产车型的自动驾驶等级处于 L2 到 L3 之间，大约领先中国一个等级。在金融行业，人工智能将促进个人化理财规划和交易自动化，这有助于监控金融欺诈和洗钱活动。人工智能还将促进制造业自动化和个人定制生产，帮助销售行业预测消费者的需求、优化存储和物流，便于新闻和娱乐行业定制用户内容、精准投放广告。

　（三）人工智能在美国政府部门与政治中的应用 人工智能已经在美国政府部门中得到广泛应用。至少有 142 个重要的联邦政府部门正在使用人工智能，其用途多种多样，包括在执法行动中精准识别和选择目标、收集和分析信息以制定决策，改进与公众交流的方式、提高内部管理效率等。证券交易委员会、社会保障管理局、海关和边境保护局、食品与药品管理局、联邦通信委员会是使用人工智能较多的机构。

　美国政府特别注重人工智能在军事和安全方面的应用。国防部建立了联合人工智能中心，并一次性拨给 6 年共 17.5 亿美元的预算，以推动国防部尽快使用人工智能、协调技术研发和应用、防止美国关键基础设置遭到网络攻击，其当前负责人是陆军中将约翰·沙纳汉。国防部设立了算法战跨职能小组，这是联合人工智能中心的第一个项目，负责把人工智能快速集成到国防部的现有系统中。人工智能在预计情报、监视和侦察方面特别有用。美国情报界正在开展一些公开的人工智能研究项目，仅中央情报局就有大约 140 个正在开发的项目，旨在利用人工智能在一定程度上完成图像识别和预测分析等任务。美国情报高级研究计划局正在资助几个人工智能研究项目，打算在未来 4—5 年内开发出相关分析工具，例如用于在嘈杂环境中进行多种语言语音识别和翻译的算法、在没有相关元数据的情况下对图像进行地理定位以及融合二维图像以创建三维模型等。

　空军使用人工智能来预测飞机的维修，它提取飞机传感器的数据，将数据输入预测算法，以确定技术人员何时需要检查飞机或更换零件；空军还在开发多域指挥控制系统，旨在集中规划和执行空中、太空、网络、海上和陆上军事行动。美国各军事部门都在努力将人工智能纳入战斗机、无人机、车辆和舰艇中，利用人工智能技术感知环境、识别障碍物、融合传感器数据、规划导航以及与其他设备通信。美国还在开发杀伤性自主武器系统，它能够独立识别目标，不需要与人类沟通就能利用机载武器系统发动攻击。鉴于美国企业通常不愿与国防部合作，国防部还在向企业施加更大压力，要求它们授予无限制使用数据和软件的权利。

　人工智能在美国政治生活中也得到广泛应用。它既为政治人物和普通民众提供了新的参与政治的手段，也加速了“后真相时代”的到来。通过分析网络用户的消费模式和社交关系，人工智能可以为每个用户建立独特的画像，并预测他们的政治倾向和投票行为，进而帮助竞选者精准投放竞选广告。人工智能也能帮助选民更精确地挑选自己喜欢的政治资讯，促进对特定议题和候选人的了解。奥巴马最早在选举中运用人工智能，他的竞选团队在

　2012 年使用大数据分析来精准投放竞选广告和 邮 件 ， 最 终 获 得 10 亿 美元 的 巨 额 捐 款 。

　2016 年 特 朗 普 竞 选 团 队 利 用 剑 桥 分 析 公 司 来 帮 他操 纵 和 引 导 社 交 媒 体 上 的 舆 论 风 向 。

　2018 年 该 公 司 被 揭 露 曾 以 不当 方 法 获 取 和 转 卖 脸 书 5000 万 用 户 的 数 据 。

　在 2018 年 的 美 国 中期 选 举 中 ， 一 项 令 人 警 惕 的 人 工 智 能 技 术 是 深 度 伪 造 ， 它 可 被 用来 逼 真 地 伪 造 政 治 人 物 的 声 音 或 视 频 ， 以 此 来 误 导 选 民 。

　2019 年6 月 13 日 ， 美 国 众 议 院 情 报 委 员 会 专 门 召 开 了 关 于 深 度 伪 造 的 听证 会 ， 讨 论 这 项 技 术 对 国 家 、 社 会 和 个 人 的 风 险 及 应 对 措 施 。

相关热词搜索：人工智能 美国 发展战略