導語
《人工智能+法律 加速新質生産力發展》一日主題專題講座。
楊浦區圖書館“靜思講壇”活動正式啟動，此次專題講座的主講人便是楊浦區領軍法師團成員、上海政法學院資訊法律研究所教授徐偉。
講座活動正式開始，徐偉教授以獨到的視角對人工智能和法治發展之間的關系進行專業性探讨，也為在場的市民讀者開啟了人工智能與法治之間的新思路。
随着此前人工智能領域的各類成果和技術創新不斷湧現，人工智能不僅作為一種新生産力受到諸多關注，同時也開始落入法律的視野，是以，有些人推斷出可能未來還會有一些人工智能相關的立法出台。
在活動現場，徐偉教授便分享講解了人工智能技術背景，随後又着重探讨了目前人工智能技術中尚待完善的法律制度，并就此對未來的發展進行了展望。
人工智能技術路徑。
人工智能（Artificial Intelligence）這個專業名稱在20世紀50年代便已經開始出現，從此以後便成為了全球各國科研院所和研究人員們經久不衰的研究方向之一。
人工智能技術的核心，正是在于其使用仿生性的方式，将一個系統中大量的資訊處理單元整合起來，經過各種輸入處理，最終能夠生成人類能夠接受的輸出，進而完成了一定的任務。
人工智能這一研究領域之是以如此受到熱捧，是由于人們發現，在一些特殊的環境或場景下，傳統的計算機系統和程式已經不再能夠勝任任務，而人工智能系統卻能夠在此類場景中發揮出很好的作用，是以開發出人工智能系統能夠大大提高系統的靈活性和智能化程度。
但在人工智能研究的同時，人們也發現，想要真正的實作一個人工智能系統的研發并非易事，這一巨大的挑戰困難在于人工智能這一領域牽扯的太多，人工智能的技術路徑不僅非常複雜，而且相關研究領域也有很多。
簡單來說，人工智能的技術路徑可以大緻歸結為兩類，一類是符号主義路徑，另一類便是聯結主義路徑。
而在接下來的講解中，徐偉教授通過對兩類路徑進行對比，為在場人們解讀了人工智能系統中的技術難點，也為進一步讨論目前人工智能發展中需要改進的法律制度方向打下基礎。
聯結主義路徑是一種從仿生學角度出發的人工智能發展思路，聯結主義模式從人腦中的神經元開端，将其作為研究基礎，建構起人工神經網絡，通過在神經網絡中大量并行處理資訊、提取特征等方式工作，來模拟人腦的工作原理。
聯結主義模式的人工智能系統在工作時，大多會選用具有各種各樣的輸入元，對其進行處理和解析，進而獲得最後期望的輸出結果，這就是聯結主義模式下人工智能系統工作的基本原理。
但在實際搭建工作中，研究人員們發現，盡管神經網絡的機制和大腦神經元的工作機制在結構上很相似，但神經網絡模型在工作過程中，卻很難真正模仿出大腦的智能特征，是以很難完全符合人們對人工智能系統的要求。
是以，聯結主義路徑的人工智能系統在實際應用過程中，經常會出現結果不太理想的情況，甚至存在一些重大的缺陷和不足，這也不斷加大了人工智能系統研發的難度。
人工智能發展中的法治難題。
聯結主義的基礎問題主要在于：人腦大腦神經元的結構和工作機制，遠沒有人們原本設想的那樣簡單，是以建構一個完美的神經網絡，将很難在人工智能系統中實作人腦的智能能力。
另一類人工智能技術路徑，符号主義路徑則相對于聯結主義路徑而言更受歡迎，這種模式下的人工智能系統工作原理，更優先從抽象理性角度出發，通過推理和邏輯等形式處理資訊，進而最終得出正确的結果。
相對于聯結主義，符号主義路徑在工作時不再依賴于數學和機率處理，而是直接建構起了能夠直接處理邏輯推理、符号運算等資訊的人工智能系統，在實際應用中，符号主義路徑的人工智能技術工作效率和結果普遍更為優秀，是以也更受科研人員們重視。
但與此同時，符号主義也并非完美的，符号主義人工智能系統非但比聯結主義人工智能系統更難調試和維護，甚至還有可能因為某一個不經意的操作而導緻系統崩潰。
最終，随着人們對兩類技術系統的深入探索，人們開始逐漸意識到，人工智能的發展，不是聯結主義和符号主義兩種技術路線中的争論問題，而是兩種技術路線的結合問題。
聯結主義人工智能系統模仿人腦神經網絡的工作，無疑使其在處理資訊等方面擁有了強大的能力，但是也是以，聯結主義的人工智能系統在處理資訊時通常需要依賴機率等處理手段，以及從資訊中猜測推理的手段。
這無疑給聯結主義人工智能系統帶來了一個非常嚴峻的挑戰，而這個挑戰就是，聯結主義的人工智能系統在工作中會因為使用機率等“猜測”手段，而且無法確定結果一定正确，是以也就無法做到保證輸出結果的正确率。
這就為聯結主義人工智能系統帶來了難題：即便人們不斷的投入資源進行研發，聯結主義人工智能系統的結果可能依然難以讓人滿意，而且極有可能會出現嚴重的安全隐患，甚至造成不可彌補的損失。
是以，為了人工智能系統的發展不至于在聯結主義和符号主義兩類技術系統之間止步不前，更為深入的探讨就成為了目前人工智能發展方向中最為迫切需要解決的問題。
人工智能作為應用于技術領域的技術不僅能帶來巨大的利好，同時也會帶來相對應的挑戰和問題，而這些問題就需要通過法律體系去加以解決和應對。
徐偉教授對人工智能發展中面臨的法律難題進行了重點分析，根據人工智能技術系統的基礎，将其所面對的法律困境總結為了三個方面，分别是：資料擷取與利用難題、算法倫理與責任判定、以及算力資源部署。
資料擷取與利用難題指的便是，人工智能在進行工作時，最實質的任務離不開大量的資料支撐，也正是通過大量資料支撐，人工智能系統能夠進行資訊處理和分析，進而得到最終結果。
然而，随着人工智能系統不斷發展，目前人工智能系統使用的資料，主要是通過各種網際網路軟體和平台，通過使用者上傳獲得的，而這種模式，人們一般稱之為“資料池”模式。
徐偉教授認為資料池模式存在很多問題，其中最嚴重的問題就是使用者的隐私資料難以得到保證，盡管使用者上傳的資料可能是隐私資料，但是人工智能系統是無法識别資料内容的，是以完全有可能将使用者上傳的隐私資料，當作普通資料用于訓練和工作。
目前，法律對于隐私保護方面的規範仍然不完善，但随着人工智能的迅猛發展，使用者的隐私資料保護問題正逐漸凸顯，是以也有望在未來成為立法的重點方向。
算法倫理與責任判定方面，主要涉及到人工智能算法和系統所面臨的問題，盡管人工智能系統在工作中存在一大問題就是無法保證結果一定正确，但是現代社會中，仍然有許多人會将人工智能系統的結果當作指導決策使用。
是以，随着人工智能系統不斷被應用于社會生活中，算法産生的後果，将給社會帶來巨大的影響，但是在此過程中，人工智能系統無法對結果負責，也不能被追究責任，這就将為社會治理帶來極大混亂。
算力資源部署方面則依托于計算機技術，主要是指人工智能系統在工作過程中所依賴的計算資源，是網絡中的另一個非常重要的問題。
人工智能系統的龐大資料處理需要，通常會對伺服器負載造成極大壓力，同時也會耗費大量資源，這就為計算機系統中的資源部署帶來很大壓力。
但是在現實中，像是網際網路這種通用網絡，是很難真實應對人工智能系統的龐大需求的，是以，徐偉教授認為未來，人工智能系統的算力資源部署方向，也有望在法律中得到更多的規定和限制。
人工智能發展未來的法治需求。
人工智能作為未來的新興産業，無疑将會對人們的工作生活等各個方面産生深刻影響，是以在人工智能發展的同時，也要加強人工智能規範化的建設。
徐偉教授就在人工智能未來的發展方向中總結出一些法治需求，其中包括對開發者和使用者的權利規定、隐私保護設施的建設、算力基礎設施的建設、以及法律上對人工智能系統的應用做出明确規定等。
開發者和使用者權利規定方面，主要涉及到人工智能技術的知識産權問題，随着人工智能系統的不斷發展和應用，其知識産權問題也逐漸受到重視。
在人工智能知識産權問題中，既有技術成果的保護和使用權問題，也有使用者對上傳資料的使用權問題，徐偉教授認為在明天的法律體系中，将有望對這些問題做出規定。
算力基礎設施建設方面，則主要是為人工智能技術的發展提供技術支援，人工智能技術系統的發展離不開伺服器等計算資源，但是在實際中，人們發現目前的計算資源非但不能滿足人工智能系統發展的需要，甚至還給人工智能系統的開發帶來了諸多麻煩。
人工智能系統的開發過程中，計算資源的部署問題不僅極大耗費人力物力，而且還會因為資源短缺等問題，導緻人工智能系統的研發進展緩慢，也有可能因為伺服器資源不足，而導緻系統崩潰或出現其他重大問題。
是以，徐偉教授提出，将來有望在法律中對算力基礎設施提供支援，可能會有很多“雲計算”以此解決這一問題，這方面的法律法規出台後，将會使人工智能技術的發展變得更加順利。
結語
楊浦區圖書館“靜思講壇”專題講座的互動交流會，旨在為廣大市民讀者搭建一個與名家專家們互動交流的平台，在此次“靜思講壇”專題講座活動中，楊浦區營造出了一個專業與人性兼備的會場環境，受到了在場每一位讀者的青睐。
對于人工智能領域的發展，我們有必要認識和關注，同時也希望通過專家講座等互動交流的方式，能夠将更多資訊傳遞到公衆手中，進而引起更多人對人工智能領域的關注和思考。
人工智能的發展離不開法律的限制和保護，而法律本身也需要不斷完善和更新，以适應人工智能技術的快速發展，并解決新問題，