当约翰.麦卡锡（John McCathy）在1956年的达特茅斯会议上首次提出“人工智能”概念时，只是想让电脑像人一样智能的去完成一些繁琐的任务，从而让我们有更多的时间去做喜欢做的事情。

而在60多年之后，人工智能已经开始帮助我们去解决那些人类社会面临的最为重大的问题。

2019年，约书亚.本吉奥（Yoshua Bengio）、戴密斯.哈萨比斯(Demis Hassabis)、吴恩达等22位专家共同发表了名为《利用机器学习应对气候变化》（Tackling Climate Change with Machine Learning）的文章。文章将机器学习的目标指向气候变化这一人类社会最大的挑战，并提出了多达13个机器学习能够在其中发挥的领域，包括能源生产、减少碳排放、教育和金融等等。

与其说这是一篇论文，更不如说是一篇应对全球气候恶化的檄文。

“气候变化是人类面临的最为重大的挑战之一，我们，作为机器学习的专家，会思考如何去帮助解决这一问题。”文章的引言中写道，“从智慧电网到自然灾害管理，我们去定义那些能被人工智能解决且影响重大的问题，我们的建议既有那些令人振奋的研究课题，也包括蕴含其中的商业机会，我们呼吁整个机器学习社区都加入到抗击气候变化的全球行动中来。”

这篇文章正是全球人工智能研究合作体系的一个缩影。

自本世纪人工智能复兴以来，全球人工智能开发者之间不断建立起更深层的互连协作，开源社区就是其中的典型代表。

根据 GitHub 2019 年度报告（2018年10月1日至2019年9月30日）：机器学习语言Python在这一年首次击败Java成为了Github上第二受欢迎的开发语言（仅次于JavaScript）；数据科学成为了Github上的行业焦点，越来越多的数据软件仓库出现了深度学习、自然语言处理、机器学习等主题；由谷歌大脑开发和维护TensorFlow成为了焦点项目。

GitHub在这一年中共创建了4400万个代码仓库，其中包含着众多人工智能方面令人振奋的开源项目，包括将机器学习用于药物研发或将人工智能应用于各种类型的机器人等等。GitHub 上每个代码仓库的依赖包高达200个，每个开源项目背后都是数百个其它开源项目所提供的支撑。微软亚太研发集团将此称为：全球人工智能与软件界已经在开放开源平台深刻互联。

企业一方面将开源社区纳入到自己的研发体系中，而另一方面也为开源做出贡献并加入开发人员社区。商业力量与科学家智慧正汇集在一起，共同迈向人工智能的星辰大海。

当人工智能拥有足够力量去改变世界的时候，人们需要依靠自身的价值观去规范发展的方向。

公共卫生是人工智能近期发展的一个热门领域。在抗击新冠疫情中，人工智能被广泛应用于排查病患、追踪密切接触者，而在经济重启中，数字技术的应用也被视为是一个关键。

“我们需要有一种简单方法在未来的一年半到两年的时间内既让人们保持社交距离，同时又让经济重启。因为我们可能需要这么多时间进行疫苗临床试验和大规模疫苗接种。”UiPath首席战略官 Vargha Moayed和图灵奖得主本吉奥5月份在《新冠肺炎中的点对点人工智能追踪》（Peer-to-peer AI-tracing of COVID-19）一文中指出，“同时我们需要避免开发出的工具在未来对被政府和公司滥用，从而被用于追踪和控制我们自己。”

在他们看来，基于数据科学开发的工具的目标不应该是用来指责或鉴别，而是给予公众足够的信息尽可能减少被感染或者感染给他人的风险。

人工智能的伦理准则被视为是规范人工智能发展的纲要性规范。

2019年，欧盟委员会的欧盟人工智能高级别专家组起草发布了人工智能伦理准则，提出发展“可信赖的人工智能”，并宣布启动准则的试行阶段。“可信赖的人工智能”应尊重基本人权、规章制度、核心原则及价值观，同时需要确保人工智能在技术上安全可靠，避免因技术不足而造成无意的伤害。中国科技部也正通过成立国家新一代人工智能治理专业委员会、发布新一代人工智能治理八项原则等措施来发展负责任的人工智能。

从某种意义上，道路的选择比前进的速度更为重要。

一个典型的例子是如何在人工智能时代应对人类社会另一个重大挑战--贫富差距扩大。选择不同的道路会让人工智能带领我们走向两个截然不同的方向。

桥水基金创始人瑞. 达利欧（Ray Dalio）认为人工智能和自动化在提升总生产力的同时也在消灭工作岗位，这将导致巨大的财富和机遇差距从而引发民粹主义。另外还一些人担心，制造业智能化的进程可能导致企业间更大的不平等，因为相对于大企业，规模较小的企业可能因为难以完成智能化转型从而陷入更大的劣势。

但如果我们善用人工智能，结局就可能完全不同。