聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
“乙类乙管”后是否会有第二轮感染？疫情信息如何统计？总台独家专访吴尊友******
1月8日起新冠病毒感染实施“乙类乙管”，对于疫情监测数据通报、病毒变异是否会引发新一轮感染，我国又将采取怎样的措施继续实施监控，总台央视记者独家专访中国疾控中心流行病学首席专家吴尊友，他就公众关心的问题进行了解答。
总台央视记者 史迎春：大家都在担心在国际上的奥密克戎BQ系列，然后包括XBB系列的变异株，它们在我们实行“乙类乙管”，出入境打开以后，进入国内会掀起第二轮的感染，这是大家普遍担心的一个问题，您认为这个问题应该怎么看。
中国疾控中心流行病学首席专家 吴尊友：我们也对国际社会的各个国家流行的新毒株的情况进行了解追踪，那么同时对国内发生的疫情也进行了毒株变异的监测，特别是从境外回国人员当中也检测到这些毒株。会不会造成新一轮的疫情，取决于变异的毒株和我们刚刚流行的这些毒株之间，在结构上面有多大的相似性，或者说它的变异差异有多大。从目前来看，因为它的变异也是奥密克戎亚型里面的分支的变异，马上造成新一轮传播的这种风险的话，应该说不会太大。
总台央视记者 史迎春：还有一种担心是认为中国人口基数比较大，感染的人口基数也大，会不会产生新的变种，从而影响整个世界的病毒序列，或者说整个世界的病毒的进程。
中国疾控中心流行病学首席专家 吴尊友：优化防控策略以后，本地传播的疫情病例数在有一定的水平和规模的情况下，确实存在着新的变异毒株的可能性，我们也密切关注。所以在“乙类甲管”调整为“乙类乙管”的疫情监测方案当中，就专门提到了新冠病毒变异毒株的监测，在现阶段，每天都在进行新的毒株的样本收集和测序，来对它的变化进行监测。从目前的结果来看，我们现在发现的所有的毒株，都是已经在国际共享平台上分享的毒株，也就是说在国外已经报告了，或者说主要是从境外流行以后传入中国，到目前为止还没有发现国内新出现的变异毒株。
为指导全国各地做好当前新型冠状病毒感染疫情监测工作，国务院联防联控机制印发了《新型冠状病毒感染“乙类乙管”疫情监测方案》，及时动态掌握人群感染发病水平和变化趋势，科学研判和预测疫情规模、强度和流行时间，动态分析病毒株变异情况，以及对传播力、致病力、免疫逃逸能力及检测试剂敏感性的影响，为疫情防控提供技术支撑。
总台央视记者 史迎春：对于之前疫情通报的数字和自己本身的感受，很多公众觉得差距比较大。我们国家一直的疫情统计和发布的疫情信息，是如何去监测和统计报告的？现在有没有相应的调整？
中国疾控中心流行病学首席专家 吴尊友：在武汉疫情控制以后，到我们优化防控方案这期间，是叫严格管控时期。每一起疫情的源头、造成感染的毒株，几乎每一个感染者都能够被诊断管理，所以我们采取的是一个计数统计。现阶段由于防控方案的调整，报告病例数和公众感觉的数字，存在着一定的差距。造成这种差距有两个方面的原因，一个是不再实行行政区的大规模核酸检测了，除了重点机构重点人群以外，采取的方法是愿检尽检的方法，这样的话检测的人数、报告的人数就有明显的下降。第二个方面，疫情的感染者主要以轻症为主，多数人还在家庭自我休息调整、进行抗原检测，这一部分也没有纳入到传染病报告，这就造成了这样的差距。为了更好地做好统计工作，联防联控机制制定下发了新冠病毒感染“乙类乙管”疫情监测方案，采取的是多种渠道的监测，包括住院病例的报告监测、核酸抗原检测的数字统计，还有重点机构像养老福利机构的监测，再有像学校学生的呼吸道症状的监测，以及对部分病人的检测。还有我们在全国设立500多个流感哨点监测。我们采用了多种统计方法综合运用，也能够相对准确评估疫情的发生发展趋势，能够对于疫情的发病，流行的强度，流行的趋势，流行的时间做出研判，对防控效果作出评价。在过去几年，欧美国家和全球其他的国家实际上也是采取这样一个统计方法，它主要就是通过抽样的方法来反映总体情况。(央视新闻客户端)
