半岛聚焦｜“人工智能+”，+什么？怎么+？你知道答案吗

从AI语言模型ChatGPT到视频生成模型Sora，一系列AIGC利用人工智能技术生成内容相继问世、更新迭代，人工智能（AI）的影响面越来越广，让所有人直观地感受到未来已来。为了抓紧这把打开未来之门的钥匙，我国也在加紧布局。近两年，国家层面陆续出台《关于深入实施“人工智能+”行动的意见》《“人工智能+教育”行动计划》等文件，明确提出推进人工智能全社会通识教育。

人工智能+到底是什么？

人工智能通常指的是由计算机系统所表现出来的智能行为，这些系统通过深度学习、自然语言处理等技术和算法来模拟人类的智能。而“人工智能+”则是一个更加宽泛的概念，它指的是人工智能作为一种基础性、驱动性的技术力量，与制造、医疗、教育、交通、农业等多个领域进行深度融合，创造出新的产品、服务和商业模式，从而推动传统行业的转型升级和社会经济结构的变革。

中国信通院人工智能研究中心常务副主任 魏凯：人工智能强调技术本身，“人工智能+”更加强调的是跟行业、场景的融合，这是两者主要的区别。

通过专家的解读，可以简单理解为：“人工智能+”的“+”就是“各行各业+各种应用场景”，把人工智能有效应用到国民经济的方方面面。同时，“+”还可以让每个人站在人工智能肩膀上发挥想象力、创造力，成为更有竞争力、能够开拓未来的新人类。

人工智能+能干什么？

近年来，伴随AI技术的持续突破与迭代，“AI+”正以前所未有的广度和深度赋能千行百业，在越来越多的应用场景中落地开花。

不过，值得关注的是，诸如部分“AI填报志愿”工具，一些所谓的“AI+”产品或服务，只是简单地把AI技术叠加在原有产品和场景之上，使“AI+”浮于表面，甚至沦为营销噱头。比如，在医疗领域，有的“AI医生”仅根据患者描述的单项症状就开出诊方，容易造成误诊；在文旅领域，有的“AI导游”应用，号称自带语音讲解和拍照识景功能，讲解内容却如“背课文”，无法与游客进行深度互动，拍照识景也错误频出。

这类“AI+”产品和服务的出发点或许是好的，但其问题在于，大多只是实现了与AI大模型的浅层对接，既没有对行业数据进行充分挖掘，也没有针对特定场景和人群进行精细定制。其结果是，它们容易出现AI“幻觉”，难以真正融入实际场景，对于行业的真实痛点只能“隔靴搔痒”，难以实现深度有效赋能。

AI赋能千行百业，绝非简单做加法，将AI生硬嫁接于不同场景之上。推动“AI+”落地生根，应“吃透”各行各业的底层运行逻辑，聚焦行业转型升级需求，找准制约行业发展的痛点和堵点，深度梳理行业垂直数据，让AI无缝嵌入具体业务流程，从而实现真正的质效跃升。

以“AI+冶金”为例，需要深入研究烧结、炼焦、炼铁、炼钢等复杂的工艺流程，从智能配料、炉温智能控制、转炉火焰识别、钢材表面缺陷检测等高价值场景入手，破解钢铁行业目前面临的共性难题，让AI扎扎实实地推动钢铁行业的绿色化、智能化、高端化发展。

实际上，“AI+”在其他行业的成功尝试，正是遵循类似思路。在纺织领域，断丝容易使纺织品出现瑕疵，借助AI视觉技术进行断丝自动检测，显著提升了纺织品质量。在制药领域，新药研发周期长、成本高、成功率低，依托AI筛选致病靶点和设计药物分子，可缩短研发周期、节约成本并提升效率。毋庸置疑，只有让AI与各行各业实现内生协同，才能使“AI+”实现精准破局式的价值释放，而不仅仅是流于表层的蹭热点、玩概念。

人工智能产业发展有哪些风险？

当前，人工智能正以前所未有的速度催生以数据驱动、人机协同、跨界融合为特征的智能经济与智能社会新形态，为经济社会高质量发展持续赋能。然而，在人工智能产业蓬勃兴起、应用场景不断拓展的同时，其潜藏的技术伦理、数据安全、社会治理等多重风险与挑战也日益凸显，已然成为关乎国家安全、社会稳定和人民福祉的重大现实课题。经梳理分析，这些风险挑战主要集中在以下方面。

一是数据失当，管理风险升级。人工智能的稳定运行高度依赖海量高质量数据支撑，数据管理失当引发的安全风险，已从早期的个体权益侵害范畴逐步升级为关系行业的系统性安全威胁。当用户将敏感数据交付“龙虾”类AI智能体处理时，若智能体的防护体系被攻破，易引发隐私泄露与财产安全风险。科研机构、企业人员违规使用开源AI工具处理涉密数据，可能导致核心技术信息、商业机密等被境外IP窃取，造成重大损失。

二是技术滥用，干扰社会治理。从技术应用维度审视，人工智能若被不当使用，不仅会扰乱市场公平竞争秩序、消解社会治理效能，还可能对公民合法权益造成实质性侵害。在商业领域，部分市场主体为追逐短期利益，将AI技术异化为不正当竞争的工具，利用AI算法进行虚假宣传，扰乱正常市场交易秩序。在社会治理场景中，若AI技术被不法分子利用，可能侵犯公民个人信息与财产安全，还可能通过编造虚假信息扰乱社会公共秩序。

三是主体多元，责任划分复杂。在人工智能深度嵌入经济社会运行肌理的当下，其治理面临的核心挑战之一便是责任划分的模糊性与复杂性。人工智能的价值链贯穿数据采集标注、算法模型训练、系统开发部署、终端场景应用等多个环节，每个环节都涉及不同类型的参与主体，责任链条长且主体多元，传统侵权责任体系中的“过错责任”原则在这一复杂场景下往往面临适用困境，给司法实践带来了新的挑战。

综合整理，素材来源：人民法院报、中国政府网、央视新闻、科技日报等