Francesca Rossi教授认为，人机共生是未来人类使用AI的最好方式，医疗将是短期内被人工智能改变最大的行业。
明星IBM Watson计算机成名于2011年的智力答题节目《危险边缘》(Jeopardy)，当年它击败了两位最成功的人类选手，在人机对决中取得胜利。沃森从最初使用英语接受“训练”，发展到现在用德语、韩语、西班牙语、日语、阿拉伯语等9种语言接受“训练”。预计2017年，沃森将间接服务10亿消费者。据 IDC预测，到2018年，75％的消费者将定期使用基于认知计算的服务。到2020年，在认知解决方案方面的支出将超过400亿美元。
IBM Watson可能对人类产生哪些深远影响？AI的优势与挑战在哪里？未来人与机器将会是一种什么样的关系？通过与IBM Watson研究中心的科学家、人工智能领域最主要的学术会议之一——国际人工智能联合大会（IJCIA）前主席Francesca Rossi教授交流，希望带来一个不同的视角。
人与机器的共生关系
由于深度学习算法、海量数据和计算能力的发展，AI的应用领域变得非常广泛。交通、教育、医疗、金融、制造、法律、零售、物流等几乎大部分行业将受到AI的深刻影响。人工智能技术带来的产业革命，将是自工业革命之后最大的革命。Francesca Rossi教授认为，医疗将是短期内被人工智能改变最大的行业。在发达国家，AI能阅读更多的数据及资料，帮助医生提高决策准确率。在医疗条件欠发达的发展中国家，人工智能则可以发挥更大作用，在缺乏信息、数据的情况下协助医生做出诊断，或者帮助没有经过完善培训的医生使之更专业。沃森与世界卫生组织、纪念斯隆-凯特琳癌症中心、梅奥医院等机构合作进行癌症方面的研究。同时，IBM在非洲开展“露西”项目，旨在通过AI技术和大数据手段解决非洲发展问题，诸如改善教育、医疗，帮助农民用更少的水来改善作物产量等。
Francesca Rossi教授认为，人机共生是未来人类使用AI的最好方式。人机各有所长，互为补充。人类非常擅长于问自己一些有趣的问题，擅长于常识推理、理解世界的运作方式，在理解的基础上推理。同时可以基于情感处境进行价值判断。但是，在另一些方面机器又做的比我们好。机器更擅长于专利发现、统计推理、大规模计算推理等等，它们能够在我们不那么擅长的方面帮助我们，因此人类形式的智能和机器形式的智能可以共同探索以做出更好的决定。由于Francesca Rossi教授看到越来越多在不同领域已经实施的AI系统通过人机合作的方式取得了最好的应用效果，她认为未来是人与机器共同创造，而不是机器自己。人机合作，可以通过更多的数据获得更多、更深刻、更有洞察力的知识，用更少的资源做更好的决定。
“人工智能将重构几乎所有行业”施米德胡贝教授认为，一旦产生动物级AI，就可能有人类级AI，届时每个企业都会改变，所有文明都会改变，一切都会改变。
Francesca Rossi教授给出了几个实例，说明人类如何在机器的帮助下，做更好的决定：关于渐冻症（肌萎缩性脊髓侧索硬化症（ALS））的研究，医生需要检测基因是否与ALS相关，机器基于人类提供的所有数据和信息，无序的检测所有基因与ALS的相关性，给出它认为与ALS相关的前10位基因排序，经过医生确认，机器选出的10种基因中，有8种是与ALS真正相关的基因，而这其中的5种是人类之前所不知道的。机器不仅能够帮助人类处理数据，还可以帮助艺术家进行创作。机器看过所有建筑大师高迪在巴塞罗那的建筑和艺术作品之后，理解了高迪的风格，给出关于雕塑的形状、形式和材料的建议。艺术家根据这些建议做出了高迪风格的雕塑作品。
人工智能的能与不能
目前AI已经可以做很多事情，但也有很多事还做不到，其中之一，是AI怎样能够具有“常识”和推理、决策能力。除了在某些特定的知识领域和场景，AI的理解、感知、学习能力还有待提升。人类以看视频的方式来观察周围的世界，学习抽象概念。同一个概念，人类可以在不同场景下识别使用，这是AI系统做的还不够好的地方。我们对于人类怎样学习抽象概念还不是很清楚。目前科学家通过大量人为做过标记的数据对AI进行训练；而人类不需要用那么多图像就能分清楚什么是狗、什么是猫。当有人告诉我们猫和狗长什么样，两者之间有什么不同，然后无论狗和猫的图片朝什么方向摆出来，我们都能识别出来，而AI目前还做不到这一点。要实现从监督学习到无监督学习，首先要清楚怎样学习抽象概念。
增加人工智能系统的“透明度”
由于对机器的训练离不开大量的数据，目前人工智能的这种学习方式，使数据成为决策的中心资源。IBM近年来收购了天气公司（Weather Company）、Truven Health Analytics和 Merge Healthcare等数据服务公司，获得了相关垂直行业的海量数据。这个过程中不可避免的产生了如何使用数据、如何处理数据，数据的所有权、隐私、存储、分享等方面的问题。去年IBM提出了“透明性”原则，倡导采取可靠的方式使用数据训练机器学习系统，在训练中使用合规的数据。因为人类需要对系统保持控制，需要清楚系统是如何训练的。
AI政策制定中的“国际比较”
尽管不同的公司有不同的商业模式和发展方向，影响社会的方式各不相同。为了理解AI的影响，发展AI的应用的最佳实践，IBM、亚马逊、谷歌、脸书、微软、苹果决定共同成立非盈利组织“AI造福人类与社会合作伙伴关系”（the Partnership on Artificial Intelligence to Benefit People and Society），旨在研究AI对道德（包括隐私）、公平、包容、社会应用等方面的影响，给出解决相关问题的最佳实践。Francesca Rossi教授认为，人类需要加深理解AI对社会、组织、政府、政策制定方面的影响。同时，在AI的系统设计中要引入道德准则。价值准则，数据问题，数据隐私，政策等这些问题是相互关联的。探讨AI对世界的影响，需要在多学科环境下进行。产业方面可以传递用户的声音，产学研政以及民间组织共同参与讨论，为政策制定方提供建议。而正确的监管又可以推动AI产业良性发展。
Francesca Rossi教授认为政策制定者应该对人工智能的现状和未来有确切、客观的认识，了解人工智能的能力和潜力、限制与挑战。政府需要通过与产业界、学术界建立互动渠道，了解目前产业的位置，然后再思考未来的战略。政策既不应受媒体所宣传的“恐惧”所影响，又不能受某些过于乐观的预期影响，而应基于实际研究，制定政策将AI引导向对社会有益的方向，比如在医疗保健或者气候变化领域应用。美国政府与AI产业界专家经过一系列研讨会之后，去年10月白宫发布了关于AI未来的战略、AI对就业市场影响等前沿报告。美国政府目前的做法是了解清楚目前的状况、然后制定未来战略。欧洲经济和社会委员会在也在今年5月发布了人工智能对市场、生产、消费、就业影响相关的报告，意在给出政策建议。目前欧美在监管方面走的比较靠前，但还处于政策研究和立法方向探讨阶段。
对于AI在全球还没有统一的价值观，全球的政策监管者应基于不同的文化和有差异的社会需求建立起合作关系。各国的监管政策并不需要完全一致，但对于政策制定者而言，国际比较是有必要的。
作为国际人工智能联合大会前主席，Francesca Rossi教授认为，在科研方面，中国公司越来越多的参与AI研究。由于文化的差异，AI在不同社会的发展必然结合了本地的需求，带有地域特征。中国与美国及欧洲的产、学、研、政界需要更多的沟通、连接、比较，双方有很多东西可以互相学习，可以共同定义怎样才是AI最好的发展方式。
