【国家人工智能战略】国家人工智能战略的聚类分析

James S.Denford、Gregory S.Dawson和Kevin C.Desouza

2023年12月13日

• 作者分析了不同国家的国家人工智能战略，将其包含的六个不同属性（如数据管理、能力发展）分为高、中或低。
• 然后，作者能够创建国家集群，这些国家的人工智能战略在所选属性中处于净高、中或低水平。
• 这一分析表明，某些国家正在优先考虑实现人工智能的承诺，而另一些国家则更关心减轻其风险。
• 作者发现，美国拥有最完整的人工智能战略之一，但其执行成功与否还有待观察。

2018年3月29日，法国总统埃马纽埃尔·马克龙在法兰西学院发表了关于“人工智能造福人类”的演讲，他在演讲中介绍了法国在人工智能方面的战略。法兰西学院，法国巴黎。来源：Arthur Nicholas Orchard/Hans Lucas通过路透社

 

在一系列论文中，作者探讨了各国在人工智能技术的设计、部署和治理方面的比较差异。我们之前的论文探讨了不同国家如何看待他们对人工智能的采用，他们在技术和人力资本方面的相对支出，以及美国需要做些什么才能赢得人工智能竞赛。在我们最近的一篇论文中，我们将分析重点转移到了各国不同计划的共性上。我们想确定文化相似的国家是否采取了类似的方法来解决人工智能问题。在那篇论文中，我们发现文化相似的各国之间的相似之处相对较少，并推测这可能是由于人工智能的相对不成熟。

然而，我们确实发现了西方国家和中国在处理人工智能方面的惊人差异。在西方，以美国为首的国家主要关注人工智能的危险，并正在努力确保适当的“护栏”到位，以确保从一开始就对这项技术进行适当的管理。相比之下，中国几乎完全专注于研发，很少投入精力来约束人工智能发展可能带来的负面结果。这就造成了这样一种局面，即已经在人工智能方面处于领先地位的中国有能力进一步扩大其领先地位，而美国和其他国家则在建造护栏。

在本文中，我们继续揭示不同国家如何处理人工智能发展的不同方面的相似之处，并研究哪些国家的方法最相似（也最不相似），然后将这些集群与国家人工智能绩效联系起来。

我们聚类分析的重点

与我们最近的博客文章一样，我们已经包括了制定和发布国家人工智能战略的34个国家：澳大利亚、奥地利、比利时、加拿大、中国、捷克、丹麦、爱沙尼亚、芬兰、法国、德国、印度、意大利、日本、韩国、立陶宛、卢森堡、马耳他、墨西哥、荷兰、新西兰、挪威、波兰、葡萄牙、卡塔尔、俄罗斯、塞尔维亚、新加坡、西班牙、瑞典，阿联酋、英国、乌拉圭和美国。

在我们之前的论文中，我们研究了数据管理、算法管理、人工智能治理、研发能力发展、教育能力发展和公共服务改革能力发展。在本文中，我们使用了前三个战略方面，将三种形式的能力发展分组为一个单一的指标，并增加了单独的行业和公共服务措施。因此，在当前的研究中，我们考察了每个人工智能战略计划的以下六个方面：

• 数据管理是指国家设想如何捕获和使用人工智能数据。数据管理由政府实体之间、与其他利益相关者以及与其他国家之间的数据交换、交换法规、数据隐私和数据安全的子要素组成。
• 算法管理是指一个国家对算法问题或算法伦理的认识。算法管理有四个组成部分：道德、偏见、透明度和信任。
• 人工智能治理指的是人工智能的包容性、透明度和公众信任，以及适当监督的必要性。人工智能治理涉及人工智能安全、法规、社会不平等影响、风险、知识产权保护和互操作性。
• 能力发展是指每个国家将用于发展其人工智能的来源。发展这些人工智能技能有14个来源：多部门研发、研发资金、研发机构、中小学教育来源、高等教育、终身学习、职业、中小企业和初创企业、税收优惠、采购、商业模式创新、试点项目和吸引专家。
• 行业反映了作为国家人工智能努力目标的私营部门行业。战略规划中提到了八个行业：金融、制造业、国防、技术、能源和自然资源、农业、医疗保健和旅游业。
• 公共服务是指人工智能旨在解决的公共服务的行政职能。计划中总共提到了11个公共服务重点：移民、法院、公共安全、收入/税收、教育、环境、国防、交通、医疗保健和信息通信技术。

综合来看，这六个要素大致反映了一个国家如何处理人工智能治理和管理（数据管理、算法管理和人工智能治理），他们打算如何发展自己的人工智能技能（能力发展），以及他们如何部署或集中人工智能工作（行业和公共服务）。因此，这六个要素为每个国家提供了人工智能几个不同阶段的快照。

在本文的分析中，我们对感兴趣的国家进行了聚类，以确定哪些国家使用了类似的方法。首先，我们确定每个元素的组成部分。例如，算法管理由四个组成部分组成——道德、偏见、透明度和信任——每个国家都根据是否存在讨论进行评级。就这一因素而言，加拿大和中国在所有四个组成部分中都较低，而印度和美国在所有四个中都较高。其次，我们分别对每个元素进行分析。在每次分析运行中，我们计算每个国家是高、中还是低进行分析，然后对相似的国家进行分组。例如，在算法管理中，存在所有四个组件都存在的高集群，不存在任何组件的低集群，以及仅存在偏见和透明度的中等集群。计算每个国家与每个集群的距离，并将其分配给最接近的集群。最后，我们对集群为什么有助于改善人工智能治理提供了一些评论。

我们的集群范围从高（美国）到低（加拿大）。只有三组国家拥有相同的概况（比利时和英国、法国和塞尔维亚、瑞典和阿联酋）。我们的总体地图如下所示。

作者将34个国家的国家人工智能战略的六个属性分类为高、中或低。

数据管理聚类

我们的高集群特征是政府实体与其他利益相关者之间数据交换频繁、有交换法规并专注于数据隐私和安全的国家。这些国家，包括中国、印度、日本、西班牙和美国，与其他国家的数据交换很少。换言之，这些国家看到了数据的价值（其内部对数据的关注证明了这一点），但考虑到数据的价值和敏感性，它们也不愿意与其他国家分享数据。简言之，他们可能将自己的数据视为特定国家的资产，必须加以保护。

中等集群的特点是，机构之间、与其他利益相关者以及与其他国家的数据交换量高、有数据交换法规、关心隐私但不关心安全的国家。这些国家，包括比利时、芬兰、墨西哥和英国，比高集群国家更有可能在国际上共享数据，但并不十分重视数据安全。简言之，他们看到了数据交换的价值，但并不认为这是需要保护的东西。

第三个集群的特点是除了数据隐私之外，其他方面都很低的国家。这些国家包括奥地利、加拿大、瑞典和阿联酋。与我们分析的其他国家不同，它们似乎对数据管理不感兴趣，但确实认为有必要保护自己的数据。我们推测，这些国家在人工智能发展方面明显不够成熟，还没有看到其全部价值。

算法管理

包括澳大利亚、俄罗斯和美国在内的高集群在所有四个数据元素中都很高，这反映出人们对拥有清晰已知和理解的算法的价值有着清醒的认识。虽然这个高集群中的大多数国家都以这些子元素的价值而闻名，但我们惊讶地发现，俄罗斯也属于这一类，因为俄罗斯似乎对确保算法不存在偏见和透明度不太感兴趣——鉴于俄罗斯的独裁倾向，这些通常与俄罗斯无关。

中等集群仅包括爱沙尼亚、卡塔尔和西班牙，其偏见和透明度较高，道德和信任度较低。鉴于该集群中总共只有三个国家，这表明大多数国家要么强烈重视人工智能算法的想法，要么根本不重视它。

包括奥地利、加拿大和中国在内的低集群在所有子元素中都很低。考虑到它们的非民主取向，我们预计会在这一集群中找到像俄罗斯和中国这样的国家，事实上也找到了中国。尽管如此，我们还是感到相当惊讶的是，一些以关注类似事情而闻名的国家，如加拿大、瑞典和日本，却没有出现在这一集群中，因为我们预计，它们对民主原则的遵守将导致它们采取措施，防止滥用人工智能，从而威胁民主。

没有任何一个子要素是所有国家都认为重要的。忽略少数处于中间地带的国家，很容易得出这样的结论：尽管许多国家意识到算法管理的问题，但其他国家对此几乎没有兴趣或担忧。

AI治理

高集群包括德国、英国和美国等预期国家，也包括中国和俄罗斯等一些意想不到的国家。该集群在每个子元素中都很高。虽然并非完全如此，但这个集群似乎由有人工智能经验的国家组成，这些国家理解强大的人工智能治理的价值，但可能不打算完全遵循它。这表明了一种标准驱动的方向。

包括澳大利亚、波兰和瑞典在内的中等集群在安全、法规、社会不平等影响和风险方面较高，但在知识产权保护和互操作性方面较低。这表明了一种控制方向。

包括奥地利、加拿大和日本在内的低集群仅在法规方面较高，这表明人们只对基本治理感兴趣，或者对总体治理缺乏投资。

能力发展

第一个集群包括印度、墨西哥和美国，计划利用除商业模式创新之外的所有能力发展来源。第二组包括澳大利亚、中国和波兰，计划使用其中七个来源，通常侧重于教育，而不是研发。第三个集群由加拿大、俄罗斯和新加坡组成，主要专注于研发，只对提供基础教育感兴趣。

集群之间有相当多的共同点。在所有计划中都找到了几个子要素，包括多部门研发、研发资金、小学/中学教育和高等教育。各国很可能将这些视为启动新创新的相对传统的方式——在这种情况下，即人工智能。商业模式创新，即实体底层结构的变化，在任何战略计划中都没有出现，我们推测这是因为人工智能还太年轻，各国还不了解如何将商业模式创新应用于它。

 

工业

包括中国、西班牙和美国在内的高端集群计划在国防和旅游业以外的所有行业部署人工智能。包括澳大利亚、印度和俄罗斯在内的中等集群专注于技术、能源和自然资源、农业和医疗保健。第三个集群包括加拿大、墨西哥和瑞典，不打算专注于任何行业。

没有国家报告计划使用人工智能来支持旅游业（这是意料之中的，因为旅游业不是人工智能的典型用例）或国防（考虑到包括美国在内的许多国家在国防人工智能支出上的投资金额，这是出乎意料的）。我们有理由对缺乏对国防支出的关注提出质疑，因为至少在美国，正如我们在前一篇文章中报道的那样，2022年，美国国防部约占联邦人工智能支出总额的85%。我们怀疑，在这种支出方式中，美国并不是一个异类。

公共服务导向

在包括澳大利亚、西班牙和美国在内的高集群中，大多数公共部门重点都包括在计划中，仅不包括移民、法院、收入/税收和教育。在中等集群中，重点是医疗保健、运输和信息通信技术。低集群国家只注重医疗保健。

所有人的共同点是缺乏对移民和法院的支持以及医疗保健。低集群只显示了教育和医疗保健——这些可以被视为社会福利国家。中等集群侧重于基础设施，包括交通和信息通信技术——这可能是以适度增长为导向的。高集群为这个基地增加了能源、防御、安全和自然资源——这可能都是以增长为导向的，包括防御态势。

 

讨论

在所研究的每一类中都有明显的领导者和落后者，我们可以看到，许多人并没有像我们预期的那样分组，例如邻国、盟友以及七国集团成员国美国和加拿大之间的差异。需要进一步的分析来解释这些差异，并了解这些国家如何随着人工智能战略的成熟而演变。根据计划的复杂程度而不是地理位置来划分国家，我们可以看到谁领先，谁落后。了解人工智能战略成熟度的差异，可以让各国确定他们需要在哪里投资，可以向哪些盟友学习，以及他们在人工智能领域最接近的竞争对手是谁。

作者对34个国家的国家人工智能战略进行了可视化，从左到右按降序分组，从六个特定属性中最高的国家到最低的国家。

从这些雄心勃勃的初步计划中可以清楚地看出，每个集群都能深入了解每个国家目前和未来的治理和技术方向。例如，一些国家，如中国、印度和日本，在很大程度上关注人工智能的前景，而另一些国家，包括美国，则更关心人工智能的潜在危险，因此正在制定防范可能危险的战略。这两种方法都有充分的理由，但随着时间的推移，我们预计所有国家至少都会解决另一个方面的问题。

 

与全球人工智能指数的比较

接下来，我们将集群与结果指标联系起来，方法是计算每个国家与理想集群概况（低、中、高）的接近程度，然后将该距离与全球人工智能指数相关联。该指数由111项指标支撑，这些指标来自28个不同的公共和私人数据来源以及62个政府，包括除塞尔维亚以外的所有样本。这些项目分为三大支柱——实施、创新和投资——以及七个子支柱——人才、基础设施、运营环境、研究、发展、政府战略和商业。在实施过程中，Talent专注于人工智能解决方案中熟练从业者的可用性；基础设施评估接入基础设施的可靠性和规模，从电力、互联网到超级计算能力；《操作环境》关注人工智能的监管背景和公众舆论。在创新领域，研究着眼于专业研究和研究人员的范围，包括可信学术期刊上的出版物数量和引用次数；而Development专注于创新人工智能项目所依赖的基础平台和算法的开发。在投资领域，政府战略衡量各国政府对人工智能的承诺深度；调查支出承诺和国家战略；而Commercial专注于基于人工智能的创业活动、投资和商业举措的水平。我们在研究全球人工智能指数衡量的集群与人工智能绩效之间的关系时发现了三个主要发现。

首先，在实施过程中，中等治理集群与基础设施呈正相关，在这一维度上表现优于高集群或低集群。这三个集群都强调了监管和社会不平等，其区别在于，高级别和中等级别强调安全，而高级别也强调知识产权和互操作性。从相反的角度来看因果关系，我们认为，拥有更高的基础设施容量会导致政府更加关注安全和风险，以确保这些系统的安全，而基础设施落后的国家要么专注于为基础设施发展设定条件的广泛政策（高集群），要么基础设施严重落后的国家缺乏为其系统安全设定条件的技术深度（低集群）。与基础设施负相关的中等产业集群存在互补情况。中等集群侧重于能源、农业和医疗保健，而高集群则增加了技术、金融和制造业。我们认为，基础设施发展的人工智能驱动力在后一个领域。换言之，在人工智能领域，特别是在正确的行业，需要最低限度的现有技术基础，才能围绕这一点做出明智的政策决定。

其次，在实施过程中，高和低算法管理集群分别与操作环境呈负相关和正相关。这表明，与监管制度较弱、国家对人工智能的讨论更激烈的国家相比，监管制度较强、公民对人工智能普遍持积极看法的国家需要在人工智能使用和控制领域的政策制定上投入更少的精力。简言之，看到公民对人工智能的出现不满的政府需要投入更多的精力来影响叙事。

第三，在创新和投资领域，我们看到了强有力的迹象，表明政府对人工智能部署的积极行为进行了建模。具体而言，政府公共服务发展水平低与研究、发展、政府战略和商业领域呈负相关。这表明，政府需要在人工智能的采用和资助方面发挥领导作用，因为他们在这一领域的领导作用将鼓励更广泛的公共和私营部门对人工智能的创新和投资。

 

结论

虽然美国目前有一个更完整的计划，但这并不意味着它有能力完全执行。相反，用餐馆的比喻，美国有最完整的菜单，但这不意味着所有的菜肴（或能力）都一样好。事实上，努力做好所有事情可能会有一些负面影响：这可能会抑制对最高优先级的关注。包括本报告在内的我们的累积研究已经表明，中国是一个人工智能巨头，其在能力发展方面的投资战略可能会使其占据主导地位，并且在投资和研发方面与美国不相上下。那些落后的国家，如加拿大、奥地利和荷兰，如果尚未开始，将对政策和能力进行再投资，并认识到这一领域的潜在增长和影响。虽然我们怀疑任何国家都会实现其所有愿望，但在这第一批人工智能计划中，包括哪些和排除哪些对人工智能的未来道路具有启发性。