1. 首頁 > 生活經驗 > >

ChatGPT爭議不斷，關于AI，近年來我國出臺了多少政策

知識經驗


ChatGPT爭議不斷，關于AI，近年來我國出臺了多少政策

文章插圖
發文主題的因子結果如圖所示，因子1為公共因子，在公共因子1上賦值全為負數，說明在人工智能政策發展未能體現出某一主題的普遍性和重要性 。因子2和因子3都是特征因子，在特征因子中數值越大表現出發文主題在該因子下的特征性，場景創新在因子2上的負載值最大，可將其定義為“多領域因子” 。人工智能+X(試驗區)和人工智能+X(平臺)在因子3的負載值最大，可將其定義為“單領域因子” 。從發文主題的因子結果來看 ， 科技部在這兩個因子的負載值均為最高 ， 前者為0.839，后者為0.226，說明該部門不僅參與整體發展規劃，還對人工智能+X等具體領域負有相應的規范職責 ， 是促進人工智能場景創新、科學化發展、打造多領域智能等政策制定的主要部門 。另外，工信部和科技部在“創新因子”中的負載值都較高，工信部“創新因子”負載值為0.340 ， “人工智能+X因子”負載值為-0.425，這說明在人工智能示范應用場景的發展領域中，工信部和科技部可能存在職責交叉或者共商合作的情況 。
將SVD可視化處理后的二維散點圖能更加清晰地聚焦發文主題和發文主體的關系 ?？梢姡l文主體與發文主題之間并未存在強線性關系，而是存在一些明顯的聚類 。
2017年以來有關人工智能的政策可以分為三個階段，從政策的階段性來體現不同時間切片下發文主題的重點和演變 。2017年-2018年是新一代人工智能加速發展的初始期，這一時期的發文主題較少 ， 僅僅只有總體規劃性和學科領域性的文件出臺 。2017年7月國務院印發的《新一代人工智能發展規劃》作為我國第一個在人工智能領域進行系統部署的戰略規劃，提出了AI發展的總體思路、戰略目標、主要任務和保障措施 。同時 ， “人工智能+教育”的議題也被提上日程 。2019年-2020年，發文主題和發文主體較之前一個階段有明顯的增加，多部門齊頭并進 ， 圍繞人工智能建設標準和產業規范的主題逐漸增多 。“人工智能+X”的主題涌現，新模式、新樣態的《通知》層出不窮，相關部門先后兩年出臺針對“人工智能+試驗區”的工作指引，并根據實際情況進行調整修訂，“人工智能+教育”的發展主題也得以延續 。2021年-2022年這兩年，發文主體開始關注人工智能帶來的倫理安全問題，在兼顧發展主題的同時也不忘管控治理，可以看到這一時期出現了效力層級相對較高的司法解釋文件和法規制度 。但負責發展和治理主題的主體部門并未形成結構化的網絡，這說明目前我國尚未將治理融入到具體的沿革路徑里 ， 僅僅對人工智能的設計制造和使用范圍作出預先性的防范，并未在具體發展場景中介入調節和干預 。
我國人工智能相關政策的政策工具分析
政策目標的實現需要合理的政策工具支持，政策工具包括一系列的方法、機制和手段 ， 在不同學者對政策工具的論述中 ， Rothwell, Zegveld按照政策對科技活動的作用層次，將政策工具分為三種類型：一是供給型政策工具，即政府通過資金、人才、信息、技術等手段直接供給;二是環境型政策工具，即以法規制度等策略性約束來營造良好的發展環境;三是需求型政策工具，即要求政策拉動市場需求，增加市場的活力,消除不利于政策對象市場發展的因素 。[4]在對19個涉及到人工智能的政策文本進行分析后，總結出了促進人工智能發展的政策工具的具體維度 。
從政策工具的條文分布來看 ， 我國人工智能政策文本中涵蓋了三個主要的政策工具，最為主要的是環境型和供給型政策工具，主要占比為56%和27% 。其中，環境型政策工具以策略措施和目標規劃為主，“加強、構建、調整”為關鍵詞，對人工智能的基礎層面、應用層面、技術層面進行政策性策略引導，所涉及的措施較為全面但缺乏有針對性的政策 。供給型政策工具主要關注人才和財政投入，在人才投入方面，多以教育培訓 ， 加強人才資源保障來實現國家層面對人工智能領域的人才培養需求 。另外在財政方面 ， 政策鼓勵各地試驗區的創新發展并給予了一定的資金支持，并通過財政投入和政策傾斜 ， 激發企業積極性和行業活力 。需求型政策工具相對來說使用較少，目前僅僅依靠宣傳引導、開展公共活動來提高社會對人工智能的認知水平及拉動需求 。國際間的交流合作聚焦于推動制定人工智能領域相關國際標準和倫理規范 ， 補齊國內人工智能發展的短板 ， 這是兼顧人工智能監管和發展需求的重要維度，但該政策工具目前使用不足 。
結論與展望
自2017年《規劃》提出以來，人工智能的行業發展在國家政策的指引下已經初具規模，甚至小有成就，從剛開始的單一發文主體到建立發文主體間的內部合作網，有關人工智能的相關政策制定和頒布的體系已日漸成熟，主體責任日趨明晰 。政策發文主題逐漸“由模糊到聚焦”，從“整體規劃”到“人工智能+X”的具體領域發展 ， 再到對“科技倫理”的關注 ， 人工智能的政策文本正在與現實發生密切碰撞 。為了回應AI發展的現實關切，相關的政策里也體現出了多樣化的政策工具，其中環境型政策工具使用占據主導地位 ， 由于人工智能涉及到的類別、模式、場景繁多，因此大部分的政策都從“政策引領，行業自律”這一塊入手，給人感覺“整體有余，而細節不足” ， 自主解釋性較強，強制規范性較弱 。
為此，本文主要提出兩大建議：首先是優化政策主體網絡結構 。我們可以看到，人工智能的政策在一定程度上是多部門聯合商議的產物，因此 ， 我們有必要關注部門間的溝通是否暢通、是否透明;是否存在權責交叉的問題而考慮部門合并 ， 節約資源;是否需要專門建立相關小組，就人工智能的具體問題進行具體分析 。另外 ， 政策的效力問題也是有關部門需要考察的重點，要思考在什么情況下采用效力層級較高的政策文本來管理和規范，以及政策效力的約束時間規定 ， 以防政策成為無效的“故紙堆” 。
【ChatGPT爭議不斷，關于AI，近年來我國出臺了多少政策】其次是完善政策工具應用結構 。供給型政策工具的直接推動作用、環境型政策工具的間接引導作用以及需求型政策工具的拉動作用，是促進我國人工智產業發展的三駕馬車，三者缺一不可 。[5]但目前我國人工智能的政策工具存在環境型過溢 ， 而需求型不足的情況 。在生成式AI引發如此大的熱議之際，我們亟需正視機器生成內容的價值和人類作為主體的利益需求，通過更多樣的方式來加強監管，增加合法利用AI的社會需求，減少違法使用而牟取利益的非公共需求 。另外 ， 調整環境型政策工具的內部維度比例，在法律規范上保障人工智能發展環境穩定 。