在人工智能发展的下一阶段,英国希望主动塑造人工智能革命,而非被动等待其改变。为此,为英国政府制定了《人工智能机遇行动计划》。

本计划阐述了如何在社会市场经济框架下引导人工智能应用。将通过与全球领先的人工智能企业、英国顶尖学者与企业家、以及有意在英创业发展的人才密切合作实现这一目标。愿景是秉持共享经济繁荣、优化公共服务、拓展个人机遇的原则引领人工智能革命,具体包括:

• 人工智能驱动经济增长,为民众福祉与公共服务效能提供支撑;

• 通过改善医疗教育及政府服务交互方式,让人工智能直接惠及劳动者;

• 人工智能在工作场景中的普及将创造新机遇,而非单纯威胁传统工作模式。

英国政府已采取果断措施支持人工智能产业并扫除发展障碍。规划改革将简化人工智能时代核心基础设施——数据中心的建设流程。"英格兰技能计划"将确保国民为未来人工智能驱动型就业做好准备。设立的"政府数字中心"将推进国家技术转型,确保公共服务提供与私营部门同等的无缝体验。

人工智能能力正以惊人速度发展。若此趋势持续,人工智能可能成为政府实现五大核心使命(尤其是启动普惠经济增长目标)的最强杠杆。若不能把握人工智能机遇,英国恐难实现"保持七国集团中最高持续增长率"的雄心——以及由此衍生的无数生活质量提升效益。

任何国家人工智能战略均需立足对本国优势与短板的客观评估。英国具备(部分领域堪称全球领先)发展基础:

• 强大的人工智能基础研究能力,以及来自全球顶尖人工智能高校的高水平科研与工程人才储备;

• 充满活力的初创与成长型企业生态,拥有日益专业化与经验丰富的创业人才队伍,以及面向企业的成熟资本供给;

• 伦敦汇聚前沿人工智能领军企业,包括谷歌DeepMind总部,OpenAI、Anthropic、微软与Meta人工智能重要分部,以及本土新兴翘楚(如自动驾驶公司Wayve);

• 依托人工智能安全研究所在安全治理领域的全球领导地位,辅以适度灵活的监管框架。

这些要素是把握人工智能机遇的关键前提;缺失任何一环,本计划愿景都将失去可信度。要维持全球领先地位,必须在人工智能研发与应用两端同步领跑。目标应是构建繁荣的本土人工智能生态体系,在"人工智能技术栈"各层级培育重要参与者,推动人工智能产品服务在全经济领域广泛应用。

英国的现有基础使这一愿景具备可行性,但实现目标需要远见行动。政府必须:

• 夯实人工智能基础:建设世界级算力与数据基础设施,优化人才供给与监管体系(第1章);

• 强力推动全经济领域应用:公共部门应加速人工智能产品服务试点与规模化部署,并激励私营部门效仿。此举将提升公民服务体验与成果,驱动生产力跃升(第2章);

• 定位英国为人工智能创造者而非接受者:随着技术能力跃升,我们应成为前沿人工智能建设者的最佳政府合作伙伴。英国需在人工智能技术栈关键层级培育真正国家冠军企业,确保从技术进步中获取经济红利,并对未来人工智能价值观、安全与治理发挥影响力(第3章)。

本行动计划按上述三大目标分为三章,每章包含具体建议。制定过程中始终贯彻若干核心原则:

• 坚定支持创新者:政府需在每个决策环节自问:此举是否有利于在英开展创新实践的个人与机构?若非如此,将错失发展潜力。

• 投资成为卓越客户:政府采购力应成为改善公共服务、塑造人工智能新兴市场、提振本土生态的重要杠杆。但实现此目标需真正领导力与采购体系根本变革。

• 汇聚资本与人才:作为财政紧缩的中等规模国家,需吸引全球顶尖人才来英创业。成功实现此目标,国际顶级投资者将自然青睐英国初创企业与人工智能基础设施。

• 强化既有优势与战略新兴领域:英国在人工智能应用与集成层拥有优势企业群,具备强劲增长潜力。在科研与工程领域(特别是科学人工智能与机器人技术)的突破性优势,可能引发全经济领域变革,推进人工智能发展并释放创新潜能。

无人能精准预测十年后人工智能发展图景。综合专家意见,持续快速进步仍是大概率预期。相较过度投入风险,投资不足与准备欠缺的后果显然更为严峻。即便技术进步放缓,部署现有前沿能力与投资基础设施人才库仍将带来显著收益。

若人工智能能力持续突破,在尖端领域占据优势地位并成为其天然归属地,将决定能否塑造科技与工作未来,而非任由这些决策在境外形成。这是关键的非对称战略抉择。

成为VIP会员查看完整内容
22

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《人工智能(AI)与国防领域》最新报告
专知会员服务
18+阅读 · 4月16日
2024 人工智能安全报告
专知会员服务
75+阅读 · 2024年3月8日
人工智能企业技术岗位设置研究报告
专知会员服务
43+阅读 · 2022年2月26日
数据与机器学习,人工智能报告
专知会员服务
99+阅读 · 2022年2月21日
专知会员服务
85+阅读 · 2021年6月20日
专知会员服务
144+阅读 · 2021年3月13日
《人工智能安全测评白皮书》,99页pdf
专知
34+阅读 · 2022年2月26日
白皮书 | 工业智能前沿报告,35页pdf
专知
30+阅读 · 2021年3月9日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
40+阅读 · 2018年9月6日
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
26+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
Arxiv
166+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
452+阅读 · 2023年3月31日
Arxiv
76+阅读 · 2023年3月26日
Arxiv
166+阅读 · 2023年3月24日
Arxiv
24+阅读 · 2023年3月17日
VIP会员
相关VIP内容
《人工智能(AI)与国防领域》最新报告
专知会员服务
18+阅读 · 4月16日
2024 人工智能安全报告
专知会员服务
75+阅读 · 2024年3月8日
人工智能企业技术岗位设置研究报告
专知会员服务
43+阅读 · 2022年2月26日
数据与机器学习,人工智能报告
专知会员服务
99+阅读 · 2022年2月21日
专知会员服务
85+阅读 · 2021年6月20日
专知会员服务
144+阅读 · 2021年3月13日
相关基金
国家自然科学基金
3+阅读 · 2017年12月31日
国家自然科学基金
8+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
10+阅读 · 2015年12月31日
国家自然科学基金
26+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
8+阅读 · 2014年12月31日
国家自然科学基金
12+阅读 · 2013年12月31日
微信扫码咨询专知VIP会员