Page 10 - 《国际安全研究》2020年第1期

人工智能时代背景下的国家安全治理：应用范式、风险识别与路径选择

二是深度学习（deep learning），主要是指一种基于对数据表征学习的机器学习方法，
强调使用特定的表示方法从实例中对机器进行训练。三是自然语言处理（natural
language processing），主要是指实现人与计算机之间用自然语言进行有效通信的理论

①
与方法。 四是计算机视觉（compute version），主要是指使机器能够对环境及其中
②
的刺激进行可视化分析的学科。 五是过程自动化（automation），是指采用自动化脚
本的方法实现机器的自我运作，并使表征其工作状态的物理参数尽可能接近设定值的

一项技术。六是机器人技术（robotics），主要是指具备一定程度的人工智能的多轴可
编程设备，是多项人工智能技术的集成与融合发展的结果。基于上述领域，人工智能
技术就形成了以纵向的计算芯片、数据平台技术与开源算法为代表的技术生态系统和
以横向的智能安防、智能制造、智能医疗与智能零售为代表的应用生态系统。

不同于其他领域的高新科技，人工智能技术具有更强的适用性和前瞻性，并具
有以下特性：
第一，通用目的性，即人工智能技术能够同其他各类技术以及物质力量相结合，

形成新型综合性集成解决方案（integrated solution）或场景化的一体化应用。因此，
作为一种底层的平台性技术，人工智能能够向各类创新性的应用场景和不同行业快
③
速渗透融合。
第二，自我学习与进化，即人工智能技术基于规则系统、思维逻辑模拟系统以

① 自然语言处理的研究主要包括自动摘要、指代消解、语篇分析、机器翻译、语素切分、命
名实体识别和词性标注等方向。关于自然语言处理的具体介绍，参见 Steven Bird, Ewan Klein and
Edward Loper, Natural Language Processing with Python, Sebastopol, CA: O’Reilly Media Press, 2009;
Daniel Jurafsky and James Martin, Speech and Language Processing, Upper Saddle River, NJ: The
Prentice Hall Press, 2018; 吴军：《数学之美（第二版）》，北京：人民邮电出版社 2012 年版。
② 英国机器视觉协会（BMVA）将计算机视觉定义为“一种对单张图像或一系列图像的有
用信息进行自动提取、分析和理解的技术”。常见的计算机视觉应用主要包括对数字化文档识别
的字符处理技术、对图像进行分析的图像处理技术（image processing）、从动态视频获取有效信
息的视频分析技术（video analysis）以及支持增强现实技术（AR）和虚拟现实技术（VR）的虚
拟智能技术。关于计算机视觉的具体介绍，可以参见 Simon Prince, Computer Vision: Models,
Learning, and Inference, Cambridge: Cambridge University Press, 2012; Richard Hartley and Andrew
Zisserman, Multiple View Geometry in Computer Vision (Second Edition), Cambridge: Cambridge
University Press, 2004。
③ 麦肯锡全球研究院的研究人员对涵盖 19 个行业以及 9 个业务功能中的 400 多个用例进行
了分析，发现人工智能可以在 69%的潜在用例中改进传统分析技术，并且能够为 16%的用例提
供“绿灯区”（greenfield）式的解决方案，即针对原有无法被解决的难题提供有效的解决方案。
参见 The McKinsey Global Institute, “The Promise and Challenge of the Age of Artificial
Intelligence,” Mckinsey, October 2018, https://www.mckinsey.it/idee/the-promise-and-challenge-of-
the-age-of-artificial-intelligence。
· 8 ·