未来人工智能与中国经济发展的探究

周梓博 任书琪 齐恒嘉

摘要：“十四五”规划建议列举出的几大前沿科技中，人工智能位列第一，预示着其未来的良好发展前景。同时，在“双循环”新发展格局下，鼓励大众创业、万众创新，科技创新成为推动我国经济高质量发展的第一引擎。本研究使用神经网络预测模型，分析了未来人工智能产业逐年利好的发展趋势，这为 “十四五”关键时期，重点发展人工智能产业，集中力量发展技术创新、深入推进实体工业化与实体经济的战略提供有效支撑。

关键词：人工智能;经济发展;神经网络预测模型;新发展格局

在2020年“新基建”七大重点领域中，人工智能凭借“推动经济高质量发展的引擎”的头衔再次出现在大众的视野中。人工智能技术经过50多年的发展，已逐步成为21世纪的科技核心，尤其是在智慧驾驶、智慧医疗、智慧金融等民生科技领域。人工智能这一先进理念打破了许多传统产业的固有思维，帮助传统制造业生产进行以自动化、数字化、信息化为基础，逐步实现智能化的转型，如工厂无人化、教学智能化、作业标准化、物流链条化等。

这一科技转型为中国经济带来三点优势：

第一，人工智能将赋能多个传统产业领域，为其转型升级提供高效率方案——切实降低传统产业各项经济成本。

第二，生产过程由标准化向智慧化转变——精准预测未来市场需求。

第三，基于大数据建立产品质量检测监控新机制——确保中国产品经济高质量发展。

一、人工智能及其概念

（一）人工智能政策历程

自2015年至今，人工智能的发展和规划多次被列入国家发展政策，逐步确立人工智能技术在战略发展中的重要性。2020年4月，新基建七大领域建设政策发布出台，人工智能是新基建的一大主要领域;2020年6月，在全国人大常委会中提及人工智能相关法律法规问题，重视对人工智能、区块链、基因编辑等新技術新领域相关法律问题的研究。

（二）人工智能相关概念

人工智能研究的对象主要包括智能机器人、语音文字识别与处理、图像识别与处理、计算机视觉等，其核心问题在于建构能够跟人相似甚至超越人脑的推理、知识、规划、学习、工程作业的能力等。达到模拟人类的高级思维过程和实现人类的智能行为这一终极目标。

1. 机器学习

将机器学习比作人工智能的“心脏”恰到好处，因为它正是人工智能技术的关键核心。该技术由初始阶段、学习阶段、评估阶段、预测阶段等四部分集成，主攻如何使计算机模拟或实现人类的学习行为的难题。在机器学习的同时将不断储存习得知识并加以记忆，自动重组原有知识框架以及决策方式，由此不断自发性地改善自身的性能。

2. 深度学习

深度学习是挖掘样本初始数据的潜在规律和表现层次的学习方法。在学习过程中捕获的信息不仅有利于对文字，图像和声音等数据的归纳，还有助于对这些数据的合理解释以及挖掘数据背后的潜在信息。深度学习的最终目标是使机器的主机与人类的大脑无尽相似，甚至超越常人的本能。作为机器学习的一个复杂分支，深度学习在语音和图像识别处理方面具有得天独厚的优势和无与伦比的天赋，是其他相关技术无法比拟的。

二、人工智能与经济发展的探究

（一）人工智能赋能劳动

1. 代替“没人干”的劳动

自2000年来我国老龄化现象日益严峻，到2004年时则形成了一种“事很多，人很少”的“用工荒”局面。大多数缺少工作者的劳动，都属于制造业劳动密集型，具有劳动时间长、技术含量低、工作内容重复性高、工资报酬低的特点。但也正是因为这类工作的单一性，使得“人工智能工作者”获得就业机会。在人工智能技术相对完善，人工智能制造成本相对较低的情况下，大多数“没人干”的劳动，人工智能都能胜任。

2. 代替劳动者“干不好”的劳动

有些工作要求严格，具有强度高、时间长、精度高、速度快等特点，大多数劳动者难以胜任。但这些劳动并不具有难以理解、技术含量过高等必须由专业人士操作的特点，只是受制于我们人体的生理极限等。假设“不知疲乏、不知睡意”的机器人能够替代人工，那么不仅可以提高产品质量，还可以显著地提高劳动生产率。只要人工智能机器人拥有相较劳动者更低的成本优势，人工智能机器人就很可能替代劳动者从事这些活动。

（二）人工智能赋能三大产业

人工智能可以在三大产业中寻求一席之地，从而解放出某些纯粹体力劳动者的双手，提高三大产业的生产效率，推动我国三大产业经济高质量发展。

1. 人工智能赋能制造业

用机器自动制造代替人工手工制造，可以使制造业智能化、数字化，促进传统制造业转型升级，在降低管理难度、人工成本的同时，提高制造业生产效率。

其中，在我们的生活中应用最广泛的就是生产智能化的一个分支——产品智能化。从小灵通到智能手机，从人工客服到机器人客服，从现金付款到微信/支付宝收银等方方面面。在21世纪的今天，我们“足不出户、办事有序”的舒适生活已经离不开智能产品的帮助。

2. 人工智能赋能农业

农业发展是推进中国现代化进程的主要短板之一，要想实现质的突破，应用高科技武装农业是促进传统农业转型升级的必由之路。

目前，我国的智慧农业也取得了显著性成果。譬如，大型无人机企业广州极飞科技（XAG）公司开发出一款能够在综合考虑环境风向和土地形状条件的同时，进行高效且精准的农药喷洒工作的智慧机器人。在机器人作业的同时会精细拍摄农作物生长、病虫害和周边环境情况以及耕地形状，并测量土地肥力。科研人员根据这些大数据，便可以利用人工智能来分析农作物的生长情况和态势等，向农户提供施用农药和肥料的品种、数量和时间以及农作物的最佳收获期等建议。

3. 人工智能赋能服务业

近年来服务业飞速壮大，已超越制造业成为国内第一大产业。数据显示（国家统计局），在2013年服务业占GDP的比重为46.1%，2015年占比50.5%，2019年占比53.52%，该数据呈逐年上升趋势，并且从2013年开始，服务业就超越制造业成为国内第一大产业，这都预示着服务业的巨大潜力。在“人工智能+大数据”的辅助下，传统服务业将呈现“人不多，办事多”的高效率工作新局面。

每个人无时无刻不在享受着服务，譬如，发送短讯，呼叫快车，定点外卖等。此外，新冠疫情期间，人工智能线上教育展现出了无与伦比的工作能力。资料显示，借助互联网慕课（MOOC）平台，1名教师可以同时教授多名学生。譬如，在清华大学公开讲授的280多门慕课中，全国范围内总计有800多万名学生在线听课，经计算，1名教师可以教授3万名学生，达到“一次劳动，永久有效”的教学新思路。

不仅如此，人工智能的兴起为人们进行创新创作提供了空间，将劳动人民的双手从传统工作中解放出来，鼓励更多的人从事发明创造型工作。因此，这将有助于创新创业的发展，以促进创新型经济蓬勃发展。

（三）人工智能赋能政府

自2013年开始，我国一直在探索如何使市场在资源配置中更好地发挥其作用，但至今仍没有较好的方案。在人工智能时代的政府治理中，应达到以下四个目的：

第一，转变政府治理理念，建立新型新理念新格局的现代化政府

第二，确立合理的治理目标并努力实现

第三，应用大数据提高各地政府协同治理水平，整合优势资源并彻底消除“信息孤岛”现象。

第四，与时俱进地把握经济规律，优化我国整体经济结构，大力发展实体经济，以减少泡沫经济带来的风险。

三、中国人工智能市场经济活力的数据证实

中国人工智能市场在未来的五至十年内将保持高水平的经济活力，同时中国人工智能市场的经济规模也将受到正面反馈作用，从而表现出持续上涨的趋势。

为对此观点进行科学有效的证实，本段采用数据分析与数学模型相结合的证实方法，基于往年的原始数据，结合神经网络预测模型对人工智能核心产业规模进行预测，以佐证上述论点。（往年数据来源：中国信通院，前瞻产业研究院整理）

神经（RBP）网络预测模型的具体构建步骤如下。

Step 1，输出层第k个神经元网络输出为：

式中：wik为m层（隐含层）第i个神经元与p层（输出层）第k个神经元的连接权值。

Step 2，Ri（X）为隐含层第i个神经元的作用函数，即：

式中： Ci与σi分别为第i个基函数的中心和宽度;X为n维输入向量;m为感知单元的个数;||X-Ci||为向量的范数。

Step 3，結合上两步，神经网络预测模型已建立完成，现应用SPSS软件中的神经网络预测模型进行数值预测，预测结果如下（图10）。

根据以上的数据分析：由图9可看出，从2015年至2020年中国的人工智能产业进入萌芽飞速发展阶段，人工智能产业规模呈爆炸式增长，复合平均增长率高达55.11%。基于此，使用神经网络预测模型对未来五年的数据进行预测，2021年至2025年复合平均增长率为17.2%，由此可见，人工智能产业规模逐渐进入平稳成熟发展阶段，产业规模仍呈逐年上涨趋势，并且到2025年预计将突破4000亿。据此可见，中国人工智能市场将在未来长时间内保持高水平的经济活力，具有极佳的发展前景。

四、结语

综上所述，人工智能在当今中国“双循环”模式的经济发展中的潜力是无限的。因此，在世界各国竞相发展的时代，人工智能的崛起或许就是“第四次科技革命”。

不过，尽管人工智能对经济发展有上述积极作用，但我们也要清醒地认识到人工智能也会给经济社会带来许多风险和挑战。就经济方面而言，人工智能代替人工这一行为虽然会提高社会整体工作效率，但会导致特定工种失业风险几率大幅度提高、加剧收入分配两极分化、社会居民生活稳定性下降等多项严重问题。

因此，我国不仅应该重视人工智能发展，重视人工智能为我国经济带来的蓬勃发展，更应该辩证地看待问题，在享受人工智能带给我们的美好生活的同时，认真反思人工智能可能给经济、政治、社会、文化、民生等方面带来的风险与挑战，积极探寻应对措施，确保人工智能能够真正地为人所用，能够真正地做到安全、可靠、安心。

参考文献：

[1]孙博伦.人工智能与经济发展探究[J].无线互联科技，2021，18（02）：86-87.

[2]陈先昌.基于卷积神经网络的深度学习算法与应用研究[D].杭州：浙江工商大学，2014.

[3]屈小博.机器人和人工智能对就业的影响及趋势[J].劳动经济研究，2019，7（05）：133-143.

[4]武军，谢英丽，安丙俭.我国精准农业的研究现状与发展对策[J].山东农业科学，2013，45（09）：118-121.

[5]程承坪.智能新技术助推中国经济中高速增长——基于高质量发展的视角[J].山东财经大学学报，2020，32（01）：16-25.

[6]徐星颖.服务业智能化发展的模式和趋势[J].竞争情报，2018，14（04）：51-57.

[7]程承坪，彭欢.中国人工智能的经济风险及其防范[J].人文杂志，2020（03）：30-39.

[8]曾晓娟.促进互联网大数据人工智能与实体经济深度融合研究[J].电脑知识与技术，2020，16（35）：182-183.

（作者单位：周梓博，山东大学机电与信息工程学院;任书琪，山东大学文化传播学院;齐恒嘉，山东大学澳国立联合理学院。周梓博为通讯作者）