与人工智能技术的长处之道
近年来，以深度学习、强化学习为代表的人工智能技术从语言翻译、图像识别、工业自动化等工程技术领域，拓展到智能生产、智能农业、智能物流、大数据宏观经济监测、量化投研等经济、金融范畴，可谓应用广泛。如何发展引领这一战略性行业成为当下的重中之重——我们需要思考如何在经济智慧化转型期间发挥好政府的社会兜底功能，如何在私营行业的算力和科技水平超过监管机构时规范其运行等问题。
加强研发投入，统筹行业发展、实现核心行业引领，把握人工智能技术主导权。当前，我国人工智能发展在基础研究、技术体系、应用生态、创新发展等方面仍存在不少问题。因此，以学科交叉、应用转化为抓手带动人工智能领域的基础研究，加大相关研究财政投入力度、优化支出结构，对投入基础研究的企业实行税收优惠等措施，均有助于统筹行业发展。集中力量加强人工智能核心领域（如算法和芯片）的原创性、引领性攻关，可以更好地把握人工智能技术主导权。
前置化、专业化、灵活化行业与技术监管，可以更好规范行业发展，营造良好数字环境。一方面，实现底层算法监管可以有效防范不透明自动化决策、隐私侵犯等人工智能相关与衍生风险。另一方面，当前人工智能行业的监管框架和思路也要随之调整。此外，我们需要配备更加专业的行业监管队伍，以人工智能技术赋能人工智能监管，灵活制定监管框架和执行规范。
深度融合实体经济，发展数字经济、探索新型业态。深度融合实体经济应是人工智能行业发展的一大目标。基于人工智能技术探索新业态、发展新模式，推动传统产业转型升级从而加快生产要素跨区域流动、融合市场主体，畅通国内外经济循环，也是充分立足并发挥我国全产业链优势、布局数字经济优势行业的必然需求。
充分发挥市场能动性，实现人工智能行业的产、学、研并举。人工智能行业需要大量研发工作并培养大批专业技术人员。因此，以市场需求为主导，有机结合企业、高校、科研机构，形成职能和资源优势上的互补协同，为智能行业发展提供基础配套。以经济效益为抓手，调动高校科技人员积极性，促进科技成果向现实生产力转化，打造人工智能行业的健康可持续发展生态。
完善社会保障体系，推进个体发展与技能培训再就业系统。在传统劳动力供给与新兴劳动力需求之间依然存在技术鸿沟。如何切实推进个体发展与技能培训再就业系统，如何调整社会保障体系使之对跨部门再培训、再就业更具适用性等问题，值得我们进一步思考、探索。
【作者为北京大学中国金融研究中心副主任王熙，摘编自《光明日报》】