网络安全检测|网络安全服务|网络安全扫描-香港墨客投资移动版

　　对于特定行业数据，政府可要求现有的监管机构制定必要规则。比如美国证券交易委员会在2009年出台规定，要求所有上市公司使用XBRL（可扩展商业报告语言）格式发布财报，确保所有公开数据的机器可读性。

　　其次，为了提升数据的多样性，政府应提高公共数据的开放程度，并带头建设行业数据库。这些举措同时能够提升公共服务质量、提供政策制定洞见，从而带来额外益处。比如纽约市政府就建立了公开数据门户网站，为市民提供经济发展、医疗、休闲、公共服务等领域的数据。

　　2012年纽约市还颁布了《开放数据法案》，要求政府部门使用机器可读取的数据并建立API（应用程序编程接口），方便软件研发人员直接连接政府系统并获取数据。

　　最后，中国政府还需考虑国际数据流的价值。麦肯锡全球研究院的调查表明，2014年，跨境数据流为全球经济创造了2.8万亿美元的价值，对经济增长的贡献已经超过实体贸易。此外，研究还指出，由于经济体需要接触全球的思想、研究、科技、人才和最佳实践案例，数据流入和流出都能十分重要。

　　数据是未来的货币。例如在医学研究中，如果没有全球海量临床数据的支持，人工智能的潜力就无法得到充分挖掘。过多的桎梏将会束缚中国的人工智能企业，导致其丧失开发具有全球竞争力产品的能力。

　　战略重点之二：拓宽人工智能在传统行业的应用

　　只有当人工智能技术在中国真正普遍的应用于传统行业，而不仅仅属于科技巨头时，其经济潜力才会充分彰显。提升各行各业的生产力水平将创造巨大的价值，但中国首先需要克服重重障碍。

　　第一重障碍是很多商业领袖还没有意识到改变现有业务运作方式的紧迫性。麦肯锡调查显示，目前在中国的传统行业中，超过40%的公司仍未将人工智能列入战略优先项。因此，许多公司仍未开始采集未来人工智能系统所需要的数据。

　　例如，农业公司鲜少记录如种植时间表或是气候对产出的影响，而这些信息正是人工智能生成洞见及提升效益所需要的。与此形成对比的是，英国、美国和日本都已建立了全国信息系统采集此类数据，将先进的分析技术引入现代农业管理。

　　第二重障碍是专业技术知识的缺失。如上文所述，中国需要培养更多的优秀数据科学家，特别是在一些需求紧迫的领域。而能将人工智能知识转化为商业应用创造价值的人才也同样紧缺。为了理解和应用数据，越来越多的企业决策者和中层管理者需要学习新技能。

　　与英特尔类似，一家中国芯片制造商已经意识到，分析在制造和测试过程中的大量数据将有助于改进生产流程并降低残次率。但由于缺乏既懂半导体技术，又懂人工智能的人才，这一想法仍然没能被付诸实施。

　　第三重障碍是实施成本较高。对中国企业而言，购买人工智能系统、高价聘用专业人才有时并不合算。当人工成本较低时，引入先进技术、精简人工流程的需求也并不那么迫切。

　　人工智能最大的价值在于引导传统产业的彻底变革。如果政府能够帮助克服人工智能发展初期面临的这些障碍，市场将有机会充分驱动人工智能未来的发展。

　　减税和补助等传统经济工具可以解决一些问题。同时，政府还应率先垂范应用人工智能系统。这将产生强有力的跟随效应，激活市场，助力服务供应商的发展，积累技术经验和人才，最终达到降低应用成本的目的。

　　此外，鼓励物联网（简称“IoT”）在传统行业的应用将有助于人工智能产生更多的价值。物联网通过传感器和网络实现各类设备间的联通，为人工智能提供了海量的真实世界数据。结合“互联网+”政策，政府可协助打造物联网在关键经济领域应用的成功案例，为其他行业树立典范。

　　教育政策框架

　　人才对人工智能的发展和应用至关重要。一个健康的人才结构应包括尖端的研究人员来推动人工智能基础技术的发展，开发人员以促进人工智能在现实环境中的应用，以及大量能够与人工智能系统在不同场景共事的劳动力。

　　战略重点之三：加强人工智能专业人才储备