政治、媒體和工業高度重視“人工智能”，人們既對它寄予厚望，也討論它的風險和應對風險的政治措施。

機械類企業是人工智能技術的主要用戶，同時為工業解決方案的供應商，他們也是在產業價值鏈中推廣和應用人工智能的核心環節。機器和設備以嵌入式人工智能的形式，將人工智能技術帶給用戶，帶進各行各業，機械工程在機器人、自動化、傳感器技術等人機協作的高效整合和責任設計中積累經驗。德國機械設備制造業聯合會必須支持會員企業應用，但是在政治領域和社會環境中，想要擴大人工智能技術接受范圍并形成社會體系，以事實為依據進行理性討論也很重要。

機械工程：用戶和人工智能技術的放大效應

對于機械工程而言，人工智能首先是獲得保持世界領先地位的機會。人工智能有助于提高工作效率，開發出新型商業模式，嵌入式人工智能解決方案的智能化功能還可以優化生產流程，擴大機器的使用和服務范圍。人工智能將決定機械工程未來產品和流程的影響力。因此，構建卓越人工智能的基礎既要依靠現有技術專長，也要依靠應用領域專長，機械工程以此為基礎，在跨行業和跨部門人工智能的應用中都將發揮舉足輕重的作用。這不僅對機械工程類企業及其客戶有好處，在節約材料和能源，完善決策，控制資源短缺和氣候變化等問題上也有巨大潛力。另一方面，如果不能成功利用人工智能帶來的機會，歐洲工程類企業的領先地位肯定會下滑，輸給世界其他地方的競爭對手。因此，企業、機械研究機構和政策制定者必須把人工智能整合到機械工程中。

機械工程還必須勇敢承擔引進新技術的責任——不論是保障機械安全，還是與社會的溝通合作。但是德國機械設備制造業聯合會認為，人工智能并非獨立的全新政策，而是有橫向意義的關鍵技術。不僅數據管理、數字平臺、網絡安全、IT基礎設施等數字化主題要關注它，產品安全、機械安全、運行環境設計、標準化等“傳統”行業活動領域也要關注它。舉例來說，產品安全和歐盟協調法規的法律規定早已涵蓋了機械人工智能應用。

為了考慮周全，充分利用機會，客觀分析風險，必須在機械工程和行業用戶的參與下，以事實為依據進行社會對話。

“人工智能”的概念和應用

如果“人工智能”是指自主能力無限的類人系統，那么切實可行的數字政策就不應以它為主。通過實事求是展開討論通用人工智能和狹義人工智能之間的概念差別非常重要：通用人工智能是指試圖模擬類人智能——在不確定狀態下或追求復雜目標時有計劃、決策等能力，但這什么時候能實現，或者是否可能實現仍然眾說紛紜，完全沒有定論。另一方面，在具體應用過程中，現在已經在開發利用狹義人工智能——例如語音識別、模式識別、誤差分析等。況且法律規定這種“人工智能”僅限于目標用途，并且規定了對開發人員的具體要求，而物理過程、操作要求和技術標準也明確限制將人工智能用于工業流程。機器制造商非常想控制機器的所有功能，特別是人工智能產生或改變的功能。因此，實際政策討論只能以人工智能目前的狹義形式——在具體應用中有一定的自主能力，但是沒有類人智能——作為基礎，本文中的“人工智能”均指狹義人工智能。

“機器學習”是狹義人工智能的一種形式。它已經實現，可以具體客觀地評估。機器學習以統計算法為基礎，讓軟件應用程序可以在模式識別的基礎上，獨立進行學習。目前的工業和機械工程已經在用機器學習解決特定的技術問題或經濟問題，例如，質量保證領域已經通過圖像處理方法，用機器學習檢查表面情況，圖像處理效率的提高潛力也很大。另一個例子是復雜機器的流程優化：基于傳感器數據的機器學習，可以提供寶貴信息，縮短調試時間，發現未知的錯誤來源。預見性維護是以提高操作、維護和維修流程效率為目標的數據評估，它對算法的成功應用幾乎成了行業典范。關鍵指標通過評估ERP等數據，可以幫助優化內部生產結構和流程，例如產品在使用階段提供數據，從而為創新和流程改進提供信息，幫助改善產品開發和管理。在銷售和規劃中，人工智能工具對機器進行智能配置，可以發揮相當大的業務價值潛力。

這些例子表明，人工智能用于工業應用，產生了許多機會，有望帶來可觀的效益。不過這也表明，倫理討論在很多情況下絕對有必要，但是每種應用情形的討論不完全相同；特別是在工業應用中，這類問題一般不太重要。因此，關于人工智能的倫理討論，不能急于一刀切，否則會過早限制或不必要地限制人工智能應用的創新范圍，無法將人工智能迅速用于有前途的應用。

行動和核心信息的政治領域

工業政策和經濟政策：工業利用人工智能捍衛領導地位

要在國際競爭中獲得成功，歐洲只有團結一致才能有競爭力。歐盟內部市場是歐盟成功的典范，將在這方面發揮核心作用。只有通過跨國計劃使市場協調一致，才能實現必要的規模效應，形成投資環境。各國的措施甚至法律必需避免東拼西湊，研究計劃也必須具有普遍性，進行協調溝通，避免重復，此外，匯聚科學界和工業界優秀人才也是重要舉措之一。因此，德國機械設備制造業聯合會要充分支持歐盟委員會相關人工智能計劃。

另一方面，也需著眼全球，注意國際競爭。歐洲要直面國際挑戰，不能限于防御性策略。解決方案包括以歐洲的優勢為基礎，利用獨一無二的專業知識和工業能力，制定工業政策愿景。盡管B2C領域的競爭對手可能領先于歐洲，但是只要制定的路線正確，工業和機械工程也可以成為這個領域開拓者。歐盟委員會提出人工智能的“全歐洲性措施”就是正確路徑。但重視“歐洲整體”的同時也不能與國際市場割裂，必須考慮國際標準可發揮的作用，避免形成敵對創新氛圍。必須繼續經營那些探討人工智能和必要準則的國際機構和平臺，另外制定國際數字化競爭“公平環境”和貿易數字化等政策也非常必要。

研究與創新：釋放創新的力量

為了發揮歐洲優勢，以及人工智能在競爭力和效率方面的潛力，人工智能研究必須既是橫向基礎研究，也要先面向商業和工業的具體應用。不僅要開發算法，也要針對具體問題進行調整。以根據具體情況獲取和選擇數據，并保證數據質量。在高度發達的工業技術體系中使用人工智能時，其安全性、流程可靠性、質量等方面也要達到高標準。

應優先考慮有望迅速擴散、有效放大的應用和行業——例如工業生產環節中把人工智能用于產品開發設計或新商業模式。人工智能是一個跨學科領域，需要數據專家或人工智能專家與其他學科的人密切合作。所以不應受國家或學科的限制，而是應該優先考慮促進合作的方式，歐盟在人工智能研究中也要發揮自身優勢，開展跨國合作。但是僅靠傳統研究資金，產生不了足夠強大的動力和廣泛的人工智能應用水平。所以，發揮小企業的靈活創新能力和創造力非常重要，必須制定相關策略，解除限制條件，釋放活力，為初創企業和創新性中小企業的動態發展提供工具。

促進向工業轉移

歐盟只有做到擴大人工智能的范圍，將其轉移給大量中小企業和中型工業企業，才能讓人工智能在歐洲取得成功。因此確保技術轉讓的高效率，降低獲取技術、項目、成果和網絡的門檻非常重要。其中一項基本措施是用測試中心和能力中心（例如“數字化創新中心”），對流程模型和商業模型進行實踐檢驗——只要它們處于工業環境中，提供面向實踐的精準形式。通過最優方法和高效工具，讓企業能夠得到必要的知識，解決企業可用信息技術專家短缺的問題，也非常重要。“人工智能自助服務”或“引導分析”有助于讓企業的專家更容易應用人工智能。企業可以與人工智能專家（可能來自企業外部，特定技術轉讓專業領域，并經過專業培訓）一起定義需求和評估解決方案。標準中寫入前沿技術的發展狀態，描述可能的應用形式，對于大面積轉讓技術也很重要。

就業形勢：人工智能需要人

人工智能的討論再一次助長了關于機器取代人的擔憂。不過新的商業機會將會涌現，生產力將會提高，歐洲的生產基地和技術基地地位并不會動搖，新的工作崗位將會出現。德國機械設備制造業聯合會認為，某些傳統崗位會消失，另一些新崗位會出現。但兩者的影響比例目前很難預測。大量研究的預測結果不一，有的認為新產生的崗位會完全補足消失的崗位，有的認為崗位格局整體上會徹底改變。不過回顧歷史，可以證明積極的觀點是合理的：盡管德國機器人應用率很高，但是就業人數空前高漲。就業形勢究竟如何發展取決于很多現在尚不明確的因素，但可以肯定的人工智能競爭因素之一是：全球各工業區都在研究人工智能，如果不參與研發，歐洲喪失的工作崗位，就會轉移到其他國家。

從技術實踐角度看，沒有人的參與，人工智能技術勢必無法運行。人工智能是強大高效的工具，但仍然只是工具。人工智能分析只是提供預測和可能性，不能做出類似于人類的決策。人類仍然必須評估相互沖突的目標，衡量各種因素，最終做出重大決策，并承擔責任。隨著數據處理實現了智能化，信息技術為提高人類的創造力提供了更廣闊的空間。雖然人類不可替代，但工作內容和要求會變。與人工智能系統合作對員工協調溝通、高效交流、自負決策責任的要求前所未有地提高了。人類與系統能否融洽合作在很大程度上取決于法律、就業、教育政策框架條件會不會適應未來需求進而調整，有些領域的現有框架需要適當修訂，特別是現代勞動市場政策需要修訂以適應未來市場。

較為情緒化的觀點認為，人工智能很快會淘汰人類，甚至支配沒有技術基礎的勞動力。正確的政策措施是監測技術和社會的實際發展情況，為此政策制定者應在冷靜分析的基礎上做出進一步的決策。任何情況下，法律政策都不能草率地妨礙或阻礙人工智能應用，例如“機器人稅”等橫向規定或表面措施并不是解決問題之道。立法者在人工智能應用領域應處于輔助地位，如果直接參與者無法找到解決方案，法律政策才能直接干預市場，應重視企業和個人層面的開發設計空間。

教育培訓的總體規劃

即使不出現大規模失業，勞動力市場似乎也要徹底改變。人工智能和自動化會改變工作任務，需要學習新的技能知識，這不僅要推動前沿技術的研究與教育，培訓信息技術專家，也要向教育培訓領域大量投資，提供門檻低的應用型課程。人工智能大環境下，自身的教育培訓變得更為重要——因為機器學習（例如“監督學習”或“強化學習”）的應用不會取代人類，而是要求人類成為訓練者或管理者：人工智能系統是復雜的分析系統，需要開發人員和操作人員具備相應的技能。因此，不僅信息技術專家和編程人員要具備人工智能知識，應用人工智能的各層級、各職能、各部門員工，都要具備人工智能工作能力，這就需要制定數字化任職資格的總體規劃應對挑戰。

避免拼湊數字政策和數據政策

人工智能是數字化的一部分，需要為網絡連接和數據交換（例如共享機器數據）提供適當的系統條件。成功應用人工智能的核心前提之一，是既要提高商業合作伙伴之間的信任，也要提高政治框架的可靠程度。

人工智能需要整體性數字政策觀，避免孤立措施造成矛盾、障礙和法律模糊。明顯的是現有法律或在規劃的法律正以各種未必能夠成功的方式（《通用數據保護條例》、平臺、網絡安全、版權、電子隱私）干涉人工智能的應用。數據和數據交換對于開發人工智能應用尤為重要。只有全歐性跨國措施才是可持續的，因此，德國機械設備制造業聯合會支持歐盟全歐性、盡量自由化的數據領域工作。如果數據可以盡可能廣泛地共享，不隱藏于孤立模式或專有模式中，那么人工智能可以為宏觀經濟帶來更多好處。德國機械設備制造業聯合會支持促進和提高數據交換——例如公共資助研究中的開放數據措施（“盡量開放，按需保密”），或通過數據治理模式（以技術和合同條款的相互作用為基礎），既提高數據的應用，也提高對投資和知識產權的保護。

然而，原則上立法者應避免草率干預數據市場的發展。特別是B2B領域，商業模式和應用的多樣化和動態發展，需要盡可能提高靈活性和法律確定性，合同自由原則應進一步強化，限制自由的任何規則都要審查。只有市場失靈或集中趨勢導致談判不公平時，才有必要審查合同應用條件的公平性。

法規框架：從自由開始，而非從限制開始

為了讓人們接受并成功應用人工智能技術，必須實現人機合作。“以人為本的人工智能”，可能是一種方法，但是可能會誤導人們認為需要保護人類免受人工智能的傷害。不過人機和進步是緊密聯系的：人們造機器，用機器，用來改善生活或簡化生活。從這個意義上看，人工智能只是改善機器而已。因此，德國機械設備制造業聯合會原則上支持尋求機會并客觀分析風險的觀點，但是不支持濫用和錯誤應用——對其他技術也是如此。人工智能有不透明、歧視和受操縱的風險，有必要討論其透明度和易理解程度。
? ? ? 責任編輯：tzh