Page 11 - 《国际安全研究》2020年第1期

2020 年第 1 期

及学习与交互系统，并结合多类交叉学科知识，根据环境的响应和优化规则来实现
自我算法的优化。因此，人工智能技术也是一种自感受、自处理、自反馈与自进化
的循环系统集成。

第三，技术的开源性，即人工智能技术以通用性较强的开源框架和分布式的数
据库为基础，并且广泛支持 Python、Java 和 Scala 等流行开发语言。当然，人工智
能技术的开源性主要集中在基础的开发技术上，多数的受训模型和数据库仍未实现

广泛的共享。目前来看，主流的开源机器学习框架有各公司开发的 TensorFlow（谷
歌）、Spark（阿帕奇）、CNTK（微软）以及 PyTorch（脸书）等。
第四，研发的系统性，即人工智能技术的研发对数据、人力以及资本有着一定
的前期要求，并且人工智能也具备很强的学科交叉性，涵盖知识抽象、学习策略以

及推理机制等主题。因此，技术强国往往在该领域具有一定的先行优势。
第五，数字性的依赖，即人工智能技术的核心驱动要素为算法、算力与数据，
并且这三者要素形成相互融合、优势互补的良好关系。这也意味着，哪个国家拥有

的计算资源越多、研发的算法越先进、掌握的数据越多，就越有可能在人工智能领
域获得更大的优势。
当然，人工智能技术的发展也存在着特定的阶段性。第一，根据学习方式的差
异可以将人工智能技术分为反应型的机器学习阶段（运用一系列初级算法从事实经

验中进行归纳学习）、有限记忆型的机器智能阶段（运用一系列高级算法从历史经
验中进行预测学习）以及自我意识型的机器自主阶段（不需要外部数据就能从经验
①
中进行自我学习）。 第二，根据技术解决问题的能力可以将人工智能技术分为弱
人工智能（又称“狭义人工智能”，Artificial Narrow Intelligence）、强人工智能（又
称“通用人工智能”，Artificial General Intelligence）。弱人工智能主要是指针对特
定任务而设计和训练的人工智能技术，强人工智能则是指具备足够的智能解决不熟
②
悉的问题以及具备通用化应用能力的人工智能技术。 第三，根据应用层级可将人
工智能技术分为推动社会生产力进步的通用技术、改革社会秩序的信息化技术以及
实现社会形态转变的智能化技术。当然，这一递进式的发展以人工智能技术在全行

① Ruslan Bragin, “Understanding Different Types of Artificial Intelligence Technology,”
Zeomag, October 18, 2017, https://www.zeolearn.com/magazine/understanding-different-types-of-
artificial-intelligence-technology.
② Max Tegmark, Life 3.0: Being Human in the Age of Artificial Intelligence, New York: Vintage
Books, 2017, pp. 50-51.
· 9 ·