全球人工智能战略集群分析

通过一系列论文，研究人员探讨了各国在人工智能技术的设计、部署和管理方面的差异。之前的论文探讨了不同国家如何看待人工智能应用、各国在技术和人力资本方面的相对投入，以及美国需要做些什么才能赢得人工智能竞赛。在最近的论文中，研究人员将分析重点转移到了各国人工智能计划的共性上，想确定文化相似的国家是否采取了类似的方法来解决人工智能问题。研究人员发现，文化相似的国家采取类似方法以解决人工智能问题相对较少，并推测这可能是由于人工智能技术相对不成熟的缘故。该研究将已制定并发布国家人工智能战略的34个国家包括在内，将对人工智能战略计划的以下6个方面进行研究：数据管理、算法管理、人工智能治理、能力发展、行业和公共服务。综合来看，这6个要素大致反映了一个国家如何对待人工智能治理和管理（数据管理、算法管理和人工智能治理），如何打算发展其人工智能技能（能力发展），以及如何部署或集中其人工智能工作（行业和公共服务），因此，这6个要素是每个国家人工智能不同阶段的缩影。

（一）高度集群的特点：政府实体之间、与其他利益相关者之间的数据交换频繁，有交换法规，注重数据隐私和安全。包括印度、日本、西班牙和美国在内的这些国家仅在与其他国家的数据交换方面处于较低水平。换句话说，这些国家看到了数据的价值（从其内部对数据的重视程度可见一斑），但考虑到数据的价值和敏感性，它们也不愿意与其他国家共享数据。简而言之，这些国家可能将其数据视为特定国家的资产并予以保护。

（二）中等集群的特点：机构之间、与其他利益相关方以及与其他国家的数据交换频繁，有数据交换规定，关注隐私但不关注安全。这些国家包括比利时、芬兰、墨西哥和英国，与高分组国家相比，它们更有可能在国际上共享数据，但并不十分重视数据安全。简而言之，这些国家看到了数据交换的价值，但并不认为数据交换是需要保护的。

（三）低等集群的特点：除数据隐私外，其他方面都较低。这些国家包括奥地利、加拿大、瑞典和阿联酋。与本文分析的其他国家不同，这些国家似乎对数据管理兴趣不大，但认为有必要保护其数据。

（一）高等集群包括澳大利亚、俄罗斯和美国，在所有数据要素中的得分都很高，这反映出这些国家非常重视拥有明确的算法价值。虽然这个高分组中的大多数国家都以这些子要素的价值而闻名。

（二）中等集群包括爱沙尼亚、卡塔尔和西班牙，其偏见和透明度较高，道德和信任度较低。鉴于该组中总共只有三个国家，这表明大多数国家要么非常重视算法的理念，要么根本不重视。

（三）低等集群包括奥地利和加拿大在内，在所有子要素方面都很低。一些以关注类似问题而著称的国家，如加拿大、瑞典和日本，却没有出现在这一分组。

（一）高等集群包括德国、英国、美国、中国和俄罗斯等国家。这个群组在每一个子要素中都很高。这些国家了解强有力的人工智能治理的价值，但也许并不打算完全遵循它。这表明了一种标准驱动的取向。

（二）中等集群包括澳大利亚、波兰和瑞典，在安全法规、社会不平等影响和风险方面水平较高，但在知识产权保护和互操作性方面水平较低。这表明了控制导向。

（三）低等集群包括奥地利、加拿大和日本仅在法规方面较高，这表明它们只对基本治理感兴趣，或总体上缺乏对治理的投资。

（一）高等集群包括印度、墨西哥和美国，它们计划利用所有资源进行能力发展，但商业模式创新除外。

（二）中等集群包括澳大利亚和波兰，一般侧重于教育，而不是研发。

（三）低等集群包括加拿大、俄罗斯和新加坡，主要侧重于研发，只对提供基础教育感兴趣。

（一）高等集群包括中国、西班牙和美国，计划在除国防和旅游以外的所有行业部署人工智能。

（二）中等集群包括澳大利亚、印度和俄罗斯，重点关注技术、能源和自然资源、农业和医疗保健。

（三）低等集群包括加拿大、墨西哥和瑞典，不计划重点发展任何产业。

（一）高等集群包括澳大利亚、西班牙和美国，其大多数公共部门的重点都被纳入了计划中，只有移民、法院、收入/税收和教育除外。

（二）中等集群的重点是医疗保健、交通和信息与传播技术。

（三）低等集群只关注医疗保健。

通过计算每个国家与理想群组的接近程度（低、中、高），将群组与结果指标联系起来，然后将这一距离与全球人工智能指数（Global Al Index）相关联，该指数由111项指标构成，这些指标收集自28个不同的公共和私人数据库以及62个政府，包括除塞尔维亚以外的所有样本国家。这些指标分为3大支柱：实施、创新和投资，以及7个子支柱：人才、基础设施、运营环境、研究、发展、政府战略和商业。在实施方面，人才主要关注人工智能解决方案中熟练从业人员的可用性；基础设施评估从电力和互联网到超级计算能力等接入基础设施的可靠性和规模；运营环境主要关注人工智能的监管环境和公众舆论。在“创新”方面，“研究”评估专业研究和研究人员，包括在可靠学术期刊上发表的论文数量和被引用的次数；“发展”则关注创新人工智能项目所依赖的基础平台和算法的发展。在“投资”方面，“政府战略”衡量各国政府对人工智能的承诺深度，调查支出承诺和国家战略；而“商业”则关注基于人工智能的初创企业活动、投资和商业计划的水平。

第一，在“影响”方面，中等治理集群与“基础设施”呈正相关，在这一维度上的表现优于高或低集群。三个群组都强调法规和社会不公平，其中的区别在于高、中群组强调安全性，而高群组还强调知识产权和互操作性。此外，研究人员认为，基础设施能力较强的国家，政府会更加重视安全和风险，以确保这些系统的安全，而基础设施略显滞后的国家，要么注重广泛的政策，为基础设施发展创造条件（高分组），要么基础设施严重滞后，缺乏技术深度，无法为确保系统安全创造条件（低分组）。中等产业集群与基础设施呈负相关，形成互补。中等产业集群主要集中在能源、农业和医疗保健领域，而高等产业集群则包括技术、金融和制造业。换句话说，要做出明智的政策决定，就必须在人工智能领域，特别是在合适的部门拥有最基本的技术基础。

第二，同样是在“实施”方面，高算法管理集群和低算法管理集群分别与运营环境呈负相关和正相关。这表明，与监管制度较弱、国民对人工智能的看法较为激烈的国家相比，监管制度较强、国民对人工智能的看法普遍积极的国家在人工智能的使用和控制方面需要投入的政策制定精力较少。

第三，在创新和投资方面，研究人员看到了政府对人工智能部署采取积极行为模式的强烈迹象。具体而言，政府公共服务的低发展与研究、开发、政府战略和商业领域呈负相关。这表明，政府需要在采用和资助人工智能方面发挥领导作用，因为政府在这一领域的领导作用将鼓励更广泛的公共和私营部门对人工智能进行创新和投资。

布鲁金斯学会研究发现，中国在人工智能投资和研发方面几乎与美国平起平坐。虽然美国目前拥有一个较为完整的计划，但这并不意味着它有能力完全执行该计划。事实上，试图把所有事情都做好可能会有一些弊端：它可能会抑制对最优先事项的关注。