人工智能带给东南亚的机遇与未来

近些年，由于数据收集和整合、算法以及计算机处理能力的进步，使得科学家和工程师在开发人工智能（AI）方面取得了长足的进步。突然之间，机器已经能够完成那些曾经需要具备人类认知能力才能完成的任务。而在过去，计算机只能执行那些已经编写好的固定程序。而现在，人们可以提供一个可供计算机学习的通用策略，使它们能够在无需被重新编程的情况下处理新的数据。目前，许多类似这样的“机器学习”系统已经投入商业使用。在金融、医疗保健和交通等领域，“机器学习”系统的应用越来越广泛。这些体系已经开始在十个东盟（东南亚国家联盟，英文名称 ASEAN）国家产生影响。

人工智能开发的两个全球主要中心是美国和中国。美国已经率先开发出许多应用程序，中国仍位居第二，但发展势头迅猛。相比之下，东盟国家处于落后地位，但其每个成员国在人工智能方面都有一些进展。其中，新加坡的研究成果最丰富，而在马来西亚和越南等地，也能看到一些早期成果，这非常令人鼓舞。尽管人工智能工具正在被在交通、金融服务、医疗保健和媒体等行业采用，但科技行业仍然处于发展的最前沿。

由于人工智能技术能够显著提高生产率，它可能会对东南亚地区的经济以及那里的工人产生破坏性影响。之前发布的MGI研究估计，目前已有的人工智能技术有可能使东盟四大经济体现有工作活动的一半走向自动化：印度尼西亚（52％），马来西亚（51％），菲律宾（48％）和泰国（55％）。这些工作目前产生的工资超过9000亿美元。

然而，值得注意的是，技术可行性并非是影响工作岗位自动化的唯一因素。企业还将考虑购买和实施技术的成本、劳动力市场动态、商业利益、监管以及社会认可等因素。但似乎许多现有工作的性质都将发生改变，并且越来越多的工作需要与机器进行互动，为此东南亚地区将需要发展新型的劳动力技能。

如果以正确的方式利用AI技术，就有可能为东盟国家带来积极的社会影响。例如，机器学习创新可以改善信用模型，增强金融包容性。人工智能解决方案能够提供新型预防性医疗和远程医疗，协助疾病诊断，还可以加快新药的开发。自适应学习算法可以在实现虚拟教育和个性化教学中发挥作用。为了实现这些用途，东南亚的大部分地区将需要建立基础的数字设施和数据生态系统。

对于东盟的大多数企业来说，它们都将需要对其管理文化做出根本性的改变，包括采用数据驱动的决策方式；其中最重要的是，与专业公司建立创新的合作关系，孵化人工智能领域所需的稀缺技能。此外，企业需要优先投入资金和人力，制定出加强数据基础设施建设的有效方法。

尽管市场将成为人工智能发展和普及的推动力量，但政府仍需要发挥关键作用，为整个社会带来好处。综上所述，共有三个重点事项：建立支持人工智能发展和普及的区域政策框架；发展人工智能人才，并鼓励地方层面的使用；将公共舆论聚焦于人工智能有助于实现包容性增长、带来积极的社会影响。

图：人工智能全球性投资正急速增长

图：人工智能技术给东南亚地区带来众多机遇

人工智能技术得到大规模应用后将带来的潜在社会效益：第一是机器学习创新可以改善信用模型，增强金融包容性；第二是人工智能解决方案能够提供新型预防性医疗和远程医疗，协助疾病诊断，还可以加快新药的开发；第三是自适应学习算法可以在实现虚拟教育和个性化教学中发挥作用。

图：在公司内部采用人工智能的五项基本要素

一、对人工智能未来的展望

人工智能（AI）指的是机器展现类人智慧的能力。例如，在不需要详细的、人工开发的软件辅助的情况下解决问题的能力。通过查阅大量的模式数据集，机器可以“学习”执行任务，比如识别图像、识别语音、识别文本中的相关信息、整合信息、得出结论和作出预测。随着人工智能技术的迅猛发展，其实用性也在越来越多的领域得到了提升。

人们对于人工智能的组成结构并没有普遍一致的定义。目前这个领域正在快速发展，开发者经常将现有的各种技术结合起来，以解决特定的问题。因此，“人工智能”这个术语涵盖了广泛的技术和应用程序，其中一些是较早技术的扩展（如机器学习），其余的则是其它一些全新的技术。事实上，并不存在被人们普遍接受的“智能”理论，人工智能的定义也随着人们对当前进展的认识而不断改变。尽管人们对于如何在这个领域划定界限存在分歧，但有一件事是有广泛共识的：人工智能将带来下一波数字颠覆浪潮。

人工智能以及它带来的就业机会

人们越来越认识到（并且为之焦虑），人工智能可能会对劳动力市场产生破坏性影响。之前发布的MGI研究项目表明，目前几乎一半的工作活动都有实现自动化的可能，这一点可以通过调整现有的技术来实现。目前60%的职业中30%的活动都可以通过自动化技术来实现（见图表1）。由于自动化的应用是在任务级别上，人工智能似乎会改变越来越多的职业，但不会彻底消除它们。这可能会对东南亚地区对某些劳动力技能的需求产生深远影响，并可能加剧劳动力市场的动荡。

图表1：虽然几乎没有什么职业能够实现完全自动化，但当前60%的职业中都包含至少30%可以通过自动化技术来完成的活动。5%的职业可100%由自动化完成，大约60%的职业包含至少有30%可由自动化完成的工作。

那些工作内容中包含大量的数据收集、处理或固定程序的职业将会首先被波及。这些职业包括食品加工、办公室管理和工厂化生产。这对劳动力市场的影响可能是巨大的。在东南亚，MGI发现，目前已有的技术可以使印度尼西亚、马来西亚、菲律宾和泰国一半以上的工作活动实现自动化，其比例分别为52%、51%、48%和55%。这些工作目前产生的工资超过9000亿美元。但这并不意味着，仅仅因为技术上可行，企业就会在一夜之间用机器取代工人。企业实现自动化的速度和范围将取决于它们如何看待商业案例，权衡这些技术系统的成本以及易用性、劳动力市场动态、可能创造的价值、客户体验、自身能力、监管和社会接受度等。

由于过去曾经出现的技术中断，人工智能有潜力大幅提升生产率，而生产率一直以来都是创造收入增长和促进经济繁荣的关键。据MGI估计，假定被取代的人类劳动力可以被重新部署到仍能像2014年一样有效率的岗位上，那么人工智能的普及每年将会给全球GDP带来0.8%到1.4%的增长。但这个机会不仅仅是在今天提高了效率，它还为未来的增长创造出了新的途径。在我们对“人工智能”高管的调查中，他们中的20%将劳动力成本节约作为他们采用人工智能的主要动机。但更多的人（25%）表示，他们引入人工智能是为了扩张业务。

人工智能技术正在接近一个临界点

人们对人工智能的预期正在飙升。随着成本的下降，计算机的计算能力正呈指数级增长，这使得企业和组织能够在大规模数据集上运行复杂的算法。如今，对大型数据集进行操作的算法已经在图像和语音识别等领域超越了人类自身的能力。或许最重要的是，随着移动设备的普及，大量的新数据正在产生，这些数据反映了消费者的生活方式和服务消费方式的方方面面。事实上，世界每天都会产生大约2.2?EB（22亿GB）的新数据。这些趋势已经促成了人工智能领域的重大进步——并且这些进步已经走出实验室，进入了真实的商业应用领域（见图表2）。

机器学习是当前大多数人工智能用例的基矗它基于算法，这些算法通过识别大数据集合中的模式进行更新，而无需基于规则的编程来操作或得出结论。在实践中，机器学习可用于研究项目成果，如消费者需求或公共卫生需求。它还可以优化设备维护，调整价格，调整营销信息，以及提供个性化的零售体验。

图表2：由于各种有利条件的出现，人工智能的普及正达到一个临界点。互联设备和数据可用性（单位：十亿），改进的算法和训练方法（错误率，%）。

另外：与信息处理（比如计算机视觉和自然语言）和驱动技术（机器人和自动驾驶汽车）相结合，机器学习技术有可能改变我们日常生活的许多方面（见图表3）。

图表3：人工智能将改变我们的日常生活习惯，以提高生活质量和人类生产力。

Tuti是一位母亲，她的女儿名叫Andira，她还是一家总部位于雅加达的绿色能源公司的中层经理。

（1）早上，她的虚拟助手帮助她预览当天的计划，其中包括：医生给她的健康提示。确认当天晚上要送达的食品杂货订单。Andira的学校发送了家庭作业相关通知，以及Tuti如何基于机器学习与她互动。

（2）Tuti和Andira在乘坐无人驾驶汽车去学校的路上一起阅读，比开车更安全、更流畅、也更快，这归功于智能路线规划和交通监控。

（3）在公司，Tuti是一个风力发电场的总工程师。她的虚拟助手为她提供了这个领域的最新信息。它帮助Tuti整理出当天需要优先处理的任务，因为它已经了解了Tuti在何时、如何工作是最有效率的。系统的输出模式出现异常，将她的注意力吸引到其中一台发电机上;但机器人能够远程检查和修复它，最大限度地降低生产效率损失和安全隐患。

（4）下班后，Tuti去健身房进行快速锻炼。虚拟助手参照Tuti的健康通知，对她的锻炼日程提出修改建议。

（5）回到家，Tuti帮助Andira完成家庭作业，旁边有一个虚拟家庭教师，这个家庭教师的授课内容来源于一个虚拟教师还会在指导Andira的过程中收集数据，并将其纳入一个匿名的国家级数据库，以提高印度尼西亚的整体教学质量。

虽然发生改变的速度还不确定，但变化确实在发生，而且已经开始渗透传统的非技术行业，如制造业。例如，富士康在其中国工厂中部署了4万台机器人，使工厂变得不再那么劳动密集。事实上，富士康还在进一步计划，目标是在公司内部生产1万台机器人，以实现其工业自动化目标。

不断下降的成本、技术组件的模块化特性以及用户友好的工具和界面的开发，正迅速使人工智能成为越来越多的公司的一项可行且必要的运营资产。他们现在可以将现成的数据管理平台连接到他们最重要的资产上，以获得最低的前期成本。

人工智能的早期采用者将占据更多优势

正如早期的数字技术浪潮所显示的那样，人工智能的早期采用者可以占据主要的竞争优势，并随着时间的推移继续保持这种优势——特别是如果他们将这种新技术视为一项关键的业务能力和未来的收入增长来源，而不仅仅是一种削减成本的手段。大公司在这方面做得更好，因为他们有能力对早期试验进行投资，并通过逐渐扩大业务规模来实现更高的投资回报。

我们估计的数据显示，2016年全球范围内的企业在人工智能领域的投资在200亿美元到300亿美元之间。这既包括内部研发投入，也包括稳定的收购流量。到目前为止，阿里巴巴、亚马逊、百度、Facebook和谷歌等科技巨头在人工智能领域的投资总额已经超过了该领域总投资的四分之三。从2011年到2017年2月，这些公司在美国完成了55宗大型并购交易中的29宗，在中国的10宗重大交易中的9宗。

积极的投资正在帮助这些公司获得关键的人才、技术和数据集，潜在地为其慢性竞争对手建立障碍。人工智能的早期采用者也得以将人工智能作为一种独特的优势来进军相关行业。像Siri、Alexa或Cortana这样的人工智能助手，可以在医疗保健等全新领域服务于应用程序，并实现一些功能的执行，比如根据个人的独特病史推荐医院或专家，或者实时监控慢性疾病指标。这些可能性的实现会使长期存在的行业界限变得越来越模糊。

原生的数字公司也有其独特的优势。他们懂得从核心业务获得的大量、干净的数据的价值所在。他们通常会在运营中采用敏捷的“测试并学习”的方法。他们对人工智能技术如何提升其核心业务有清晰的认识，无论是亚马逊的Kiva机器人还是Facebook的个性化机器人。现有的传统行业企业可以采用它们的技术，但会发现很难赶上它们。

在东盟，高科技行业（银行业和电信业）最精通数字技术的行业参与者已经开始采取行动，但他们正在做空。东盟的许多电信运营商已开始进军人工智能领域，以优化客户智能，但他们在扩大业务方面遇到了困难，这往往是由于他们缺乏数据科学和商业翻译方面的关键技能。在缺乏大胆干预的情况下，其他行业的参与者很可能会遇到同样的障碍，迫使他们对专业技术提供商产生依赖。最引人注目的例子可能是IBM的Watson系统（见资料1）。

资料1：IBM沃森，世界上最著名的人工智能系统

IBM公司通过其“沃森”（Watson）超级计算机向公众提出了人工智能的概念。“沃森”曾在美国智力问答节目《危险边缘》中击败所有人类选手。从那时起，IBM就开始向各行各业的客户展示“沃森”基于云端的预测分析能力。为了具备人类回答问题的能力，“沃森”使用8每秒80万亿次浮点运算来访问90个服务器，这些服务器的数据存储超过2亿页。它可以挖掘文本，对海量的非结构化数据进行复杂的分析，运行世界上最强大的搜索引擎。

“沃森”的基本认知计算技术适用于各种各样的应用，包括以下内容：

（1）医疗保健和医学研究：“沃森”可以处理大量的病人数据，寻找药物研究人员可能想不到的治疗方案，然后为进一步的评估提出新的假设。它的处理能力正被用于将患者与临床试验、诊断癌症并确定治疗方案、管理慢性病以及加快药物研发。

（2）教育：人工智能有巨大的潜力进行个性化教学，以适应每个学生的学习风格，并确保学生在掌握当前内容的情况下，再转向更高级的主题。“沃森”可以根据学生的人口特征、优势和不足来提出批判性见解，从而使教师能够制定有针对性的、动态的教学计划。

（3）公共安全：“沃森”被部署在智能城市控制中心，以预测犯罪活动，并协助公安部门合理地分配有限的资源。它现在还可以评估对网络威胁的抵挡能力，并采取相应的纠正措施。

（4）体育赛事分析：分析在职业体育中扮演了重要的角色，参赛者可以通过分析大量的性能指标和变量，以获得竞争优势。“沃森”曾被用来分析一个篮球队的比赛，确定队员的技能差距，并推荐谁应该被签约，谁应该在特定的情况下上常

（5）媒体广播：“沃森”已经能够自动编辑视频集锦，最近的一次是在温布尔登，这样的工作通常需要一个完整的内容运营团队来完成。有了这项技术，游戏中的转折点可以立即被捕捉，并自动在不同的社交媒体频道上发布，从而产生更大的轰动效应。

二、人工智能（AI）给东南亚带来的机遇和挑战

在世界范围内，人工智能的普及程度往往与数字化程度有关。在东盟，数字化的发展步伐正在不断加快。2011年，只有6%的亚洲大公司在年报中提到“大数据”、“高级分析”、“人工智能”、“机器学习”和“物联网”等术语。到2016年，这个比例已经达到了三分之一，这表明这些技术正在获得动力，并逐渐成为战略重点。

我们发现，在所有行业中，人工智能的早期采用者获得的利润率都高于他们的同行（见图表4），尤其是在制造业、金融服务、运输业和物流行业。为了巩固市尝消除竞争，大多数这些公司都将这种剩余价值给予了客户。这种“胜者全得”的形势进一步加剧了许多现任者所处的“数字化或者死亡（digitise or die）”的局面。

图表4：东盟的人工智能应用创造出卓越的盈利能力和巨大的价值库

然而，人工智能的采用并没有实现其最大价值。前期实验和随后的实施需要公司对人工智能如何应用于其核心业务进行前瞻性和广泛的观察，而对于传统的非科技行业的公司来说，后期的实施可能会让人望而却步。到目前为止，高科技、电信和金融服务公司在东盟国家占据优势地位。我们也看到了交通和医疗等公共服务活动的激增，这是由多家政府机构和该地区的“智能城市”计划所推动的。

在国家层面，新加坡在多个行业的人工智能实验中处于领先地位。但是整个东盟地区的国家都掌握了一些主动权（见图表5）。

图表5：东盟国家内部各产业部门人工智能的普及程度

尽管这些现象令人鼓舞，但东盟将需要更清晰的商业案例、更强劲的数据生态系统。此外，如果人工智能想要在整个地区发挥其全部潜力，就需要更协调统一的人才和技能。

东盟各领域的发展进程

下面我们将研究人工智能在一些特定行业中的应用情况。我们先从两个行业开始，这两个行业占了东盟目前所有人工智能使用案例的一半左右：包括金融、高科技和电信行业。在此之后，我们主要关注制造业和交通运输行业，它们拥有广阔的开发价值，以及两个优先公共服务领域：医疗保健和教育，这些行业都有可能为社会带来举足轻重的收益。

金融服务

到目前为止，东南亚的金融服务公司主要通过人工智能来改善客户体验。例如，马来西亚的丰隆银行（Hong?Leong?Bank?of?Malaysia）利用IBM?Watson系统，通过检测顾客在电话中的讲话方式来了解顾客的情绪。总部设在新加坡的星展银行已经开设了数字化银行，它使用虚拟助手来预测和回答客户的问题。在五个东盟国家开展业务的香港创业公司CompareAsiaGroup则利用机器学习技术，将客户与亚洲的金融、通信以及公共事业服务联系起来。

对于人工智能来说，要对一个行业产生广泛、长期的影响，东南亚的这些银行可能需要参考一些人工智能已经在美国和中国成功应用的实例。将人工智能应用于诸如信用评分、动态定价和数字营销等功能，在许多地方已经表现了其价值，但很少有公司在东盟扩大此类应用的规模。要想抓住这一机遇，银行需要不断开发新的技能，金融科技初创企业也要不断的创新。当然了，首先，这些企业必须加快其基本的数字化步伐。

将客户互动实现数字化，以及建立数据收集、管理和分析流程都是需要优先处理的事项，因为人工智能的工具需要大量的数据。已经完成这种数字化转型的商业案例进一步强化了这样一个事实，如东盟的中产阶级消费者，他们是消费者基础的核心，他们可以使用数字技术，他们也经常会在网上购物，选择自己满意的商品。

已经有大约300家金融科技初创公司在这个领域进行投资，为在线支付、p2p贷款和财富管理提供解决方案。理论上，将人工智能技术嵌入到他们的产品中，可以使它们强有力的占据市常绝佳的技术实力和为人工智能设计实际应用程序的能力，能够为客户创造价值，并使他们的体验更加顺畅，这一点将会让最优秀的公司脱颖而出。这个领域的发展将会产生巨大的社会影响。东盟地区约有2.66亿人缺乏信贷渠道。最终，人工智能将为那些经常被排除在传统银行系统之外的弱势群体和低收入人群提供可负担得起的金融服务。例如，在中国，阿里巴巴利用先进的分析工具和丰富的商业和消费者数据，开发了公司内部的芝麻信用服务(Zhima?Credit)，这可能为阿里巴巴向小贷款人群提供贷款的方式打开了大门。

政府监管机构可以决定金融科技公司进行创新的步伐，随着时间的推移，也可能会开放银行平台，保证各公司在数据访问上公平竞争。在数据可用性和隐私之间制定经过仔细权衡的规定是至关重要的，就像印度的Aadhaar（生物身份识别系统）一样。官员们可能会选择允许人工智能技术在可控环境中测试数据。

高科技和电信行业

高科技和电信公司是人工智能技术的早期使用者，这一点也不奇怪。在全球范围内，一些科技巨头已经开发出了颠覆传统实体行业的人工智能应用，如零售商（亚马逊）和娱乐业（Netflix）。

其极佳的效果也令人感到吃惊。亚马逊在收购了一家机器人公司之后每年节省2200万美元，将运营成本节省了20%。与此同时，netflix估计，它的人工智能推荐工具帮助它避免了每年10亿美元的取消订阅服务。

与此类似，东南亚的许多小规模企业也正在不断努力中。当地的电信公司已处于领先地位，因为它们可以利用自己广泛的人口覆盖率和获取数据的渠道，到2020年，新兴国家90%的成年人将使用手机订阅服务。

电信公司一直以来都会使用分析工具来预测客户流失情况，以及一些长时间的额外服务交叉销售的情况。但现在的可能性要大得多——包括进入全新类型的市场的机会。今天没有银行账户的人可以通过移动设备得到基本的金融服务，而他们的交易产生的数据可以为银行识别保险和贷款等其他金融服务的潜在客户奠定基矗电信公司也在利用人工智能进入其他行业。新加坡电信（Singtel）建立了一个数据分析子公司，对购物者的数据进行收集、建模和可视化处理，而印度电信的分析部门则专注于零售商的数字营销和银行的信用评分。东盟还推动了小型高科技创业公司的崛起，这些创业公司受到不断壮大的风险投资生态系统的支持。

从定义上讲，高科技产业与人工智能涉及的所有其他领域有了交叉——因此，金融科技、医疗科技和教育科技等术语也被广泛传播。政府扶持本土创新者能够获得一定的利益，这些创新者可以为更广泛的人工智能普及铺平道路。政府可以通过改进计算机科学教育，缩小专业高科技岗位技能组合的关键差距，制定相关法规，促进匿名数据的使用，鼓励跨行业和跨领域数据的收集。新加坡已经在这方面采取了一些措施，比如鼓励创业，并提供大量的政府补助金。这一举动让新加坡创业公司在2017年的全球创业生态系统报告中获得了成功，领先于奥斯盯德克萨斯州和斯德哥尔摩。除了建立创业公司，政府的支持还可以给本国企业增加一定的知名度和威望，从而留住那些原本可能流向海外的人才，这也是我们探讨人工智能时要关注的一个主题。

制造业

人工智能技术将在该行业下一阶段的发展中扮演重要角色。企业将很快能够实时管理工厂车间，并将整个价值链与无缝数据流连接起来，从而实现实时决策并提高生产效率。这个数字化制造的新世界通常被称为工业4.0。

在东盟国家，采用人工智能和物联网是一个自然而然的过程。该地区最大的几家公司可能会成为领头羊，因为他们的商业规模已经涉及到了潜在利益最大的领域。泰国食品和饮料集团ThaiBev和马来西亚汽车制造商Proton只是其中的两个主要品牌，旨在将工业4.0技术引入他们的工厂。

资料2：东盟的人工智能技术创业公司

2016年，该地区的风险投资总额达到26亿美元，比前一年增长了约60%。此外，经济发展滞后和社会问题日益增多，为技术驱动的解决方案的发展提供了机会。

许多科技创业者都在开发人工智能技术，并将其应用于本地的实例中。这些地区性的创业公司并没有国际科技巨头所喜欢的资源或人才库，但它们也说明了在当地寻找市场机会和设计本地相关商业模式的重要性。

东盟创业公司使用的基于人工智能技术的例子如下：

自然语言处理

（1）缅甸的Bindez使用自然语言处理和文本分析来追踪网上的仇恨言论。

（2）印尼的Kata.ai正在开发一种马来语的自然语言处理算法，马来语是印尼和马来西亚超过2.5亿人的主要语言。

（3）在越南，FPT设计了一个人工智能平台，帮助应用开发者基于自然语言处理界面实现与最终用户的自动交互。这类平台的潜在应用包括呼叫中心聊天机器人、虚拟代理以及相关的语音应用程序。

机器学习

（1）网络安全创业公司Cloudsek致力于提供基于机器学习的解决方案，帮助企业实时识别和处理网络威胁。

（2）在印度尼西亚，Ruangguru利用其所拥有的大量学术数据，正在探索通过机器学习实现个性化教育服务的方法。

图像识别

（1）越南农业创业公司Sero通过对图像和实地数据的人工智能分析，为农民提供农作物情报。

资料3：什么是工业4.0

“工业4.0”是一个术语，用来描述制造业的数字化转型，旨在将一系列新技术与制造业结合起来。物联网、人工智能、机器人技术和3D打印技术可以让工厂的地板变成灵活的、可以实现自我维护的操作系统。传感器可以将连续的实时数据流传输到机器学习算法中，这些算法可以远程调整复杂的系统、流程和机器。这些相同类型的系统可以用来协调整个供应链，并监控客户的使用情况，从而为未来的产品设计和新型服务提供信息。

根据多项研究，麦肯锡估计，工业4.0可以提高制造业15%到20%的生产效率。在德国等地的优秀全球制造商已经成功证明了其可行性和商业价值。

（1）预测性维护：将机器学习工具应用于物联网传感器收集的数据，使制造商能够预测设备故障，并通过预防性维护避免机器损坏和停机时间。一些公司已经设法将总体维护成本降低了10%。

（2）产量提高：工业4.0技术使制造商能够优化原材料的使用，提高产量。一个人工智能的半导体制造系统通过将数千个变量连接到机器组和子过程中，废金属的报废率降低了30%。

（3）产品设计和售后服务：智能产品，如智能汽车，可以将客户体验数据反馈给产品经理。这种能力开拓了新型服务的道路，并体现到了改进后的产品设计中。

但考虑到现代化工厂所需的前期资本投入，以及将大量有形资产数字化需要的成本，许多制造商仍犹豫不决。由于东盟的劳动力成本很低，企业并不总是能看到改变经营方式的商业理由。

不过从长远来看，这种成本计算可能会改变。随着该地区的发展和人口老龄化，劳动力成本可能会上升，从而缩小可用劳动力的规模。中国的制造业工资在过去的十年间翻了一番，中国企业已经开始积极采用机器人技术；事实上，预计到2020年，他们将投资590亿美元用于机器自动化。

该地区的政策制定者可以鼓励制造业的数字化转型，将其作为实现生产率增长的首要任务，从而促进整个地区的经济增长。例如，新加坡政府支持在新加坡推出麦肯锡(McKinsey)聚焦行业4.0的数字能力中心(DCC)。新加坡DCC公司与先进的Advanced?Remanufacturing?and?Technology?Centre（ARTC）建立了合作关系，旨在向制造企业介绍新技术，并帮助它们发展新的能力。作为更广泛经济转型蓝图的一部分，马来西亚和泰国也将工业4.0纳入其中。

运输和物流

快速的城市化正在给世界各地城市的交通系统带来压力。而且要解决这个问题代价高昂：仅在亚洲，交通拥堵的直接成本约为GDP的2%-5%。世界上大多数主要城市都在努力解决与快速城市化有关的问题，他们规划了智能城市蓝图，旨在整合人工智能和物联网，通过以“智能”方式管理基础设施来提高网络效率。

到2030年，大多数城市将采用新的汽车技术，如汽车共享、自动驾驶和电气化等，尽管这些技术不会同时成功。在将来，在人口最密集的城市里，“无缝移动”也许将能够在人群中实现，可以挨家挨户的将人们从家里送到目的地。“无缝移动”将依赖于自动驾驶和共享车辆的结合，再补充智能、综合公共交通基础设施的辅助(智能汽车和公交车、地铁以及交通管理)。

私营企业可以在实现这种无缝移动的愿景中发挥作用。传统汽车制造商和谷歌、百度等高科技巨头正斥资数百万美元投资自动驾驶汽车，采用防撞和路线选择优化系统，以提高安全性和降低燃料消耗。福特已经从一家汽车制造商转型为一家“机动车”供应商。该公司已经成立了一个城市解决方案部门，该部门将利用人工智能技术无缝整合许多移动设备，从公共交通到出租车再到共享单车。

新加坡是东盟在执行其“智能移动2030”计划时的领先者，该计划要求人工智能系统做到实时管理列车、公交车、汽车和自行车交通。马来西亚的雪兰莪州也在推行类似的计划，以及印度尼西亚、菲律宾和柬埔寨的智能城市项目也正在进行中。

初创科技公司正在成为这一领域的重要组成部分。Yogee网销售使用了机器学习技术的灵活管理软件，因此它变得更加智能，使用的范围更广。在7个东盟国家运营的叫车平台Grab，已聘用了200名工程师和数据科学家，专注于利用人工智能改善客户服务，并进一步优化其司机队伍。

城市政府面临的紧迫挑战是与战略行业参与者和科技创业公司建立合作关系。然而，这些合作的整合是相对复杂的。当然，城市的净效益是显而易见的，比如减少拥堵和提高了安全性。但要调整私人投资和公共奖励的激励机制是很有挑战性的。此外，大多数东盟国家都专注于自动收费站，而且对大型公共投资兴趣不大。尽管面临诸多挑战，但在过度拥挤的东南亚城市中改善生活的主要潜力，使得建立高效的公私伙伴关系变得至关重要(我们将在最后一章回到这个话题)。

医疗保健

在全球范围内，人工智能已经以多种方式不断展示出改善医疗服务的潜力。深度学习可以让机器查阅大量有关疾并治疗和结果的数据，从而快速找到可以改善诊断方案和病人护理的见解。IBM利用其人工智能支持的Watson超级计算机，让医生可以在几秒钟内筛选数百万页的医学证据，从而为患者设计出最优的癌症治疗方案。可穿戴机器人设备可以远程追踪病人的健康状况，并且带有提醒功能，可以叮嘱病人及时吃药。虚拟代理已经在分析放射学和肿瘤报告，并为病人提供建议。

MGI之前的一项研究估计，在医疗保健领域扩大数据的使用每年可以产生超过3000亿美元的价值，其中三分之二来自于将国家医疗支出减少的8%。

医疗保险是另一个有潜力的储蓄领域。从全球来看，机械制造解决方案优化了索赔处理、减少了欺诈和改善了健康状况预测，这可能会带来更好的预防保健和更低的索赔。

在东盟，在病人护理领域广泛采用人工智能的做法还需要数年时间，但现在已经出现了几个成功的例子。新加坡政府机构IHiS（集成健康信息系统）旨在创建一个全国性的企业分析平台，汇集和分析来自多个医疗保健系统的患者数据，并生成有助于改善治疗结果的见解。通过提供在线医生咨询和可穿戴式传感器引导的家庭诊断，这可能会使管理慢性病变得可行。其次的好处包括尽量减少事故和急诊单位的过度拥挤，以及减少病人的医疗费用。像Holmusk这样的初创公司也在为特定的病例开发数据和应用程序，比如糖尿玻在越南，ViCare保健应用程序在Facebook?Messenger上为病人提供了一个聊天机器人，可以为病人回答一些基本问题。

拥有大量人口但没有足够多的医生和专家的国家将从这些技术中获益最多。IBM的“沃森”也许可以在印尼提供服务。2014年，印尼只有41名放射肿瘤学专家，却要为2.5亿人提供治疗，而且这个国家这一年因癌症死亡近20万人。

然而，该地区没有足够的整合数据来支持先进的分析技术，更不用说人工智能了。医院有数据，但通常是以纸质形式来记录的，想要共享比较困难。大多数东盟国家要求数据不可以留出国外，这就限制了建立区域性数据库的机会。更重要的是，将病人数据集中在一起，并将其开放给机器学习，即使是以匿名的形式，或者将使用可穿戴设备的要求捆绑到保险折扣上，也可能与隐私规范和法律不一致。

医院和保险公司将决定药品如何使用人工智能。但是，与传统银行一样，医院和保险公司在转变组织的过程中也面临着挑战，不仅是通过积累数据，还要通过提高他们的数字化能力，将技术整合到他们的工作流程中，以改变他们的文化。创新可能来自数字化本土公司。医疗保健公司可以通过赞助有前途的创业公司来与这些公司结盟。新加坡的一些公司已经采取了这种做法。政府可以通过提供有关数据共享的监管指导，以及在需要的时候提供公共投资，从而促进这一过程。

教育科技已经是一个蓬勃发展的领域，为人工智能扎根提供了肥沃的土壤。与金融科技一样，教育科技也迎合了一个巨大的市场：全球教育支出占全球GDP的近5%。投资者注意到，一家投资银行预测，到2020年，教育科技投资将增长至2500亿美元。

人工智能在课堂上的潜力让人兴奋不已。例如，以人工智能为基础的智能家庭教师系统（ITS）旨在提供大规模的一对一教学。这些聪明的导师可以追踪每个学生的表现，找出学生觉得困难的概念，并为每个人找出适合自己的学习方法。人工智能还可以减轻教师的一些日常工作，给他们更多的时间来教学。一位乔治亚理工大学的教授在一个学期内使用了一个人工智能教学助理，处理来自他在线课程的1万多个问题。人工智能助手还可以从事更智能的工作，如评分和记录分数，使教师能够专注于更有创造性和更具附加值的工作。

其中一些技术已经在东盟地区得到采用。新加坡和马来西亚的大学已经试验了预测软件，以指导能够防止辍学的干预措施。但是，东盟还有很长的一段路要走，才能对其产生重大影响。大多数成员国都没有收集能让人工智能算法得出结论并做出预测的综合数据。该地区的许多地区也缺乏关键的IT基础设施。2016年，只有不到一半的亚洲人口使用互联网，其中包括大多数东盟国家的多数人口。

东盟国家可以首先利用现有技术，更易于实施的方法，以改善教育的质量和公平性。像可汗学院(Khan?Academy)或马来西亚亚洲电子大学(Asia?e?university)这样的在线自学课程提高了入学的机会。通过配备预装材料和低带宽通道的设备，在偏远地区或缺乏熟练教师的地方，教育质量和公平性得到了改善。

这些工具并不能保证更好的教育成果。政策制定者和地方行政官员必须调整政策，以满足学生的实际需求，并切实地考虑基础设施的准备和规划。教育科技解决方案应该专注于教学，将技术解决方案与现场教学的优势结合起来，并与本地适用的课程相匹配。建立一项能够评估国家系统可行性和性能的教育科技政策，将允许各国在时机成熟的时候充分利用人工智能。

类似地，各国现在可以开始为人工智能技术的发展做准备，开发更完备的国家数据库，更先进的技术解决方案依赖于此。这包括获取学生人口统计数据、环境变量、出勤率、学校属性、个人、学校和地区关系的数据。政府不需要自己收集和整理数据；他们可以与国际或当地公司合作。然而，政府需要参与其中，因为它们往往是主要的数据收集者，必须确保数据隐私。

一旦这些数据结构就位，机器学习算法——包括那些在该地区以外开发的算法——就可以在国家层面上学习。这将为教育部门提供如何部署教育资源和调整政策以满足劳动力需求的宝贵指导，目前还没有哪个东盟国家能够实施。在个人层面，国家层面的数据可以支持并指导教师、家长和管理者如何让学生留在学校，以及采取什么样的干预措施来降低学生失学的风险。

解决跨领域的挑战和机遇

正如上面讨论的行业例子所示，人工智能可以极大地提高生产力。如今，企业可以使用强大而成熟的分析工具，从而提高运营绩效，创造新的市场机遇。

但这并不是一个简单的命题——没有一个单独的组织能够独自解决围绕这些技术的所有问题。有复杂的伦理、法律和安全问题有待回答，而最终对就业的影响仍有待观察。整个东盟地区将需要加强其数字基础设施建设，发展拥有先进数字技能的更大的人才库，并确保建立一个经过深思熟虑的监管框架。正如我们在下面第3节所讨论的，解决这些问题需要公共和私营部门的合作和共同努力。

今天，东盟的大部分地区在数字普及方面落后于其他国家。但这并不是该地区的公司认为下一代技术与本土市场没有相关性。事实上，一些技术欠发达的地区可能孕育着一些最有前途的机遇。它们可以从一个全新的领域开始发展，它们不太会被遗留系统和规章制度所困。灵感可以从中国获得，中国在非常短的时间内成功建立了一个强大的数字生态系统——而在欠发达经济体中，东盟的初创企业也可能会蓬勃发展。

三、东南亚发展人工智能行业需要解决的关键问题

正如其上所述，东南亚不同业务领域的数字化成熟程度各有不同。如果单纯依靠市场的推动力量，金融服务业、高科技和电信行业的先驱者们或将最先接纳人工智能。然而，要抓住人工智能的市场价值，并真正改善社会并非易事。这将需要政策制定者的结构性干预措施，加之行业参与者的积极承诺和践行。

以下我们将列举一些该地区在人工智能发展中需要解决的关键问题，同时探讨政府和企业可以在其中发挥的重要作用。

对于所有人工智能的发展潜力来说，在没有人类指导的情况下让机器进行学习和做出决策，并对其进行管理是一项艰巨的任务，也是一种重要责任。这些技术正在把整个社会带入未知的发展方向。尽管我们知道，人工智能应用程序的增长需要基于数据生态系统和数字能力的某些基本要素，但我们不知道人工智能技术进过第二和第三次迭代后会出现何种商业案例，也不知道公众态度会发生何种转变。人工智能的普及还涉及到一些社会价值观的问题，但这些问题没有任何确定性的答案。因此，我们提出一些开放性的问题，从而引入更多的深入讨论。

1、私营部门的发展路线

对于企业来说，人工智能的普及遵循了其他数字技术发展的路线图。这些元素包括明确定义的用例或价值源;健壮的数据生态系统;熟练使用系统和工具的雇员;与核心业务的工作流进行有序整合;以及接受“测试和学习”方法的开放文化。对于整个东南亚的企业来说，即使是在前沿行业，其中的数据生态系统、运营文化和关键技能往往都存在着不少障碍。

创建健壮的数据生态系统

对于人工智能技术来说，必须有稳定的可靠、可操作和安全数据，这是人工智能技术学习和完善功能的基本方式。但东南亚地区的多个行业在数据基础方面存在很多困难。目前其中的许多行业都缺乏足够的关键传感器系统来跟踪操作数据。在某些情况下，人工智能程序需要依托实时数据流进行决策和相关操作。例如，东南亚的多家电信运营商将实时网络数据传输到他们的数据库中，并利用这些数据来开展与客户密切相关的活动和通知。举一个简单的例子，当用户在接近他的数据流量上限时会收到相应通知。但只有少数几个行业将这种类型的解决方案实现规模化应用。

即使很多公司设置了足够的传感器，但其中很多依旧缺乏合适的基础设施来存储数据，更无法将其聚合成可操作的数据形式用于相应决策。在许多公司中，数据存储都是各不相关的孤岛。在另一些公司中，人们收集了大量的数据，但从未进行有效分析。麦肯锡的一项研究发现，石油钻井平台上3万个传感器捕捉的全部数据中，只有不到1%被有效利用。

现在，随着基于云数据管理平台的出现，存储和分析数据的成本正在不断下降，数据使用的便利性也在不断提高。许多中小企业和创业公司都采用这些新技术平台来降低成本（见资料4：“整合数据策略需要建立一个强大的数据生态系统”）。为了实现他们关于人工智能的目标，参与者需要积极拥抱这些新技术，同时确保正确的数据管理能够在业务便捷性和规模化之间实现平衡。

管理风格向数据驱动过渡

在企业中实施人工智能所需要的最根本文化和组织转变，就是要接纳数据驱动决策。曾经凭直觉做出的决策现在可以基于证据而做出，甚至可以是自动化的。由于人工智能在东南亚地区仍是一个相对较新的概念，企业也需要逐步适应这种新的模式。

即使是那些对数据手机和数据分析进行投资的公司，也可能无法在决策过程中有效使用数据。其中包括以下一些问题：

（1）对业务情况和价值来源的表述不到位，导致决策基础薄弱。

（2）中层管理人员缺乏相应的能力建设，不愿意依靠人工智能的分析作为决策的依据。

（3）对雇员特别是对一线工作者的再培训投资有限。

（4）缺乏雇员引入机制。

（5）与所有文化转型一样，领导力对于人工智能的成功实施至关重要。麦肯锡全球研究所的一项调查发现，那些成功部署了人工智能技术的公司受访者表示，相比于那些没有采用任何人工智能技术的公司，其高管层的支持度几乎是其他公司的两倍。

资料4：整合数据策略需要建立一个强大的数据生态系统

数据正在成为一种新的资本形式。跨行业研究显示，平均而言，在决策过程中仅有不到一半的组织结构数据被用于决策，超过70%的员工获得的数据是不必要的，而数据分析师80%的时间是用于发现和准备数据的。

企业需要采取一种程序化的方法来构建数据资产，并在所有业务部门的支持下，利用这些资产来改变整个企业。以下是这类数据驱动转变的三个关键组成部分：

一个清晰的数据战略，往往与企业的愿景紧密相连

（1）第一步是弄清数据如何被用来推动关键的业务目标和文档用例的实现。

（2）下一个问题是，要确定企业数据的关键缺口，需要用新的集合系统或互补的外部数据加以填补;企业也应该对提供独特优势的专有数据资产保持开放的态度。

（3）将简单的成本效益分析与每个用例联系起来，有助于评估它们对业务的重要性，并指导诸如“外采或开发”之类的决策。

数据架构和路线图实现的总体蓝图

（1）数据架构的设计源于符合公司需求的数据模型视图以及优先级用例。

（2）该架构的设计目标是优化数据收集、聚合、使用和后续更新，同时保持数据准确性和一致性，确保数据的安全性。

（3）选择合适的技术能够控制升级系统的成本，同时为系统运行提供足够的灵活性。

达到持续性决策和丰富数据集的有效数据治理

（1）数据治理机制的本质是选择集中的、联合的、或完全去中心化的数据组织，以及首席数据官在核心管理中的位置。

（2）根据数据及其来源的重要性，定义与外部各方的数据进行交互和共享的规则。

（3）制定了相关的指导方针，以开发能够对数据进行阐释的硬资产，比如企业数据词典和监控数据质量的仪表类应用。

打造正确的技能组合

各个公司均表示，在试图将数据和相关分析整合到现有业务的过程中，找到合适的人选是他们面临的最大障碍。

麦肯锡最近的一项调查显示，大约有一半的企业高管认为招募一名合格的数据分析人才难上加难。尤其是对数据科学家的需求量更大。而恰恰这些人就是设计、开发、部署和培训人工智能技术的人。目前这类人才非常短缺，即便是在像硅谷这样的全球性人工智能中心也是如此。而东南亚这类人才的短缺更为严重。

另一个同样重要的角色是商业翻译，他们可以充当分析人才和实际应用之间的纽带和桥梁。除了精通数据，商业翻译还需要具备深厚的组织架构知识、行业方面或业务方面的专长。他们能够向数据科学团队提出正确的问题，并从他们的分析中获得正确的见解。

当然，公司也可以选择把数据分析业务进行外包，但对于商业翻译这种角色来说，其可以利用自己的专有知识深入组织架构的内部。而很多企业所需要是从内部打造相应能力。对于企业来说，其中一种选择是“构建-操作-转让”模式，即来自外部专业公司的专家被整合进跨职能项目团队中。这些专家会与内部员工进行紧密合作，其向员工提供关于如何与人工智能技术系统进行合作的诀窍，同时员工会利用自身的运营经验来加深专家对公司真实需求的理解。而员工也相应获得了新技能，能够在初始阶段之后不断自我提高和完善。

2、政策制定者面临的结构性挑战

目前，东南亚的政策制定者需要通过合理政策将现有创新转化为可持续增长。政府可以通过建立坚实的政策基储设定有抱负性的目标、刺激私营部门的创新并采纳人工智能来推动这一转化。

支持开发和采纳人工智能的政策

东南亚可以通过地区政策而非本地化政策来推动人工智能的发展和普及。最重要的任务之一是建立一个开放但安全的数据环境，这是数字以及人工智能技术的生命线。我们的研究显示，东南亚地区的流动性具有高度的全球联系，包括商品和服务贸易、人员流动和资本流动都是如此。但在跨境数据流动方面，东盟的全球联系明显较少（表6）。构建该地区的数字基础设施是关键的一步，而数据治理是其中的核心组成。

跨太平洋伙伴关系协定（TPP）为东盟解决数据交流障碍提供了一个机会，而且它提出的一些框架可以在地区层面进行考虑。其中包括：

（1）制定标准，保护消费者不受网络诈骗的侵害，并明确个人信息将如何跨界交流。

（2）防止和应对不断变化的网络安全威胁。

（3）保护数字知识产权，同时减少海关、互联网接口、产品歧视等对在线商务造成的障碍。

（4）避免“数据保护主义”，规范企业数据存储。

政府也可以通过让自己的公共数据更易于访问，从而建立更加开放的数据生态系统。这可以为第三方应用、人工智能开发者和创业公司提供丰富的开发模块。

随着人工智能不断出现新用途，政府和整个社会也需要努力规范数据隐私的原则。如果政府和企业收集的数据被匿名化，公众还有权知道他们的数据是如何被使用的吗？那些人工智能的用户有义务去解释他们的机器是否符合公众利益或个人幸福吗？

各国政府还必须考虑自身在解决技术颠覆带来的负面效应方面所发挥的作用。其中一项主要战略将是长期投资教育，其中也包括继续教育体系，从而帮助处于职业生涯中期的劳动者跟上数字经济不断变化的需求。但这同样会引发许多问题。政府如何确保妇女和农村人士能够平等地接受数字化培训？他们能否在一定程度上抵消数字颠覆带来的不平等扩大等风险？哪些行业最适合被颠覆？政府和公司应该如何分配再培训的责任？人工智能技术本身能够提供部分解决方案吗？

图表6：东南亚地区的联系、数据流量以及人均国内生产总值的排名。

在东南亚国家之间，基于贸易和资金流的传统领域高度互联，但相关之间的数据流联系却不那么紧密。

政府可以利用财政政策来解决失业和社会混乱问题。但除了提供资金的安全保障外，还有其他方法可以利用技术来限制失业吗？如果一个由人工智能推动的经济需要更少的劳动力，那么是否有可能通过设计让工作安排更加灵活，让公司能够协同工作？

最后，由于早期采用者紧握人才、兼并更小的创新者、并获得不成比例的经济利润，人工智能行业存在着市场垄断的风险。但这种可能性目前被大型跨国公司在该地区的技术扩张以及普及所带来的益处所抵消。

当政府通过监管或财政政策进行干预时，应公开向公民保证，他们的利益得到了保护。一个例子是，确保人工智能系统不会复制和强化它们在输入数据中检测到的不平等和偏见。

支持有针对性的人工智能项目，起到抛砖引玉的作用。东盟各国政府可以支持人工智能“核心枢纽”的发展，将特定地区打造为人工智能人才和技术发展的温床，以及人工智能商业化和创业精神的代表。这些举措应该侧重于开发适用于东盟地区行业和社会目标的应用，而并不一定是全球科技巨头正在开发的技术前沿解决方案。

东盟自己的人工智能中心可以设计成集中人才，促进资源整合和良性竞争，并为各国政府与技术人员和其他利益相关方探讨监管问题的纽带或节点。各国政府或许必须为这些努力播下种子，但目前应该利用独特的公私合作模式以确保商业能够接纳人工智能，并最终为社会经济做出贡献。如今，关于人工智能领域的全球性中心只有几个，2016年单单硅谷就吸引了全球人工智能领域40%的投资。

要复制这种生态系统并不容易，但研究性机构、融资渠道以及强大的客户基础都是关键因素。以纽约为例，由于城市早期融资充裕便利，且媒体公司集中期望采购人工智能技术，这样一来纽约市确立了自己的人工智能中心地位。出于与纽约同样的原因，北京和深圳等亚洲城市也正在迅速崛起。由于各种有利条件的整合，其都在发展成为全球性的人工智能中心。

在某种程度上，每一个中心的价值源自规模经济。但在整个地区鼓励推动多个中心的做法需要审慎对待。每一个中心都需要专注于不同类型的人工智能应用，且具备本地相关性。这可以确保整个东盟地区能够更公平地分配投资和收益。将人工智能用例与特定区域相匹配依旧是一个难题。但本地区利益相关方应考虑开发与其经济发展目标和现有资产相符合的应用程序。通过资助本地的人工智能开发人员，同时吸引更多从业者参与国外的奖学金项目，从而能够加强相应举措，最终将全球最佳实践和技术带回本地区。

新加坡的AI.SG就是这样一种创新模式，其在5年时间里获得了1.5亿新元的投资，也吸引到更多资源、人才和机构的支持。它的重点是将人工智能应用于金融、智能城市和医疗保健——这些都是新加坡本地面临的首要问题。要知道，新加坡是一个地域有限，且人口老龄化日趋严重的金融中心。

对这些地区集中进行人工智能教育，或许会带来双重好处：提高教育质量，同时确保未来的从业人员能够掌握数字技能。专注于教育的人工智能中心可以改善网络连接，并建立必要的数据库和标准。印尼、菲律宾、泰国和越南等东盟地区国家从普及的教育技术中获益最大，这一进程可以将优质教育的覆盖范围扩大到数百万人。

同时，建立另一个专注于提供公共服务的人工智能中心，能够支持该地区各国政府进行数字化转型，进而推动公众采纳人工智能应用。人工智能应用程序可用于公共服务项目，如检测税务欺诈、评估政府项目的有效性，或管理复杂的基础设施系统。尖端技术和公共服务的结合将会对人才产生巨大的吸引力，并将成为学术研究机构、行业技术领袖和各国政府机构之间的协作的纽带和桥梁。

这些中心并不是加速人工智能普及和促进公共权益的唯一途径。大学项目也是一种不错的选择。例如，韩国最近成立了一个投资约8亿美元的公私合作研究中心，用于培养人工智能核心技术方面的专业人才。

扩大围绕人工智能展开的公开辩论

在企业和社会部门之间开展广泛而持续的公共对话，从而达成关于人工智能治理的共识，并确保其被用于长期社会效益，这一点非常重要。这种辩论对于确保对技术的公共投资能够产生公众实际支持的结果至关重要。同样重要的是，在公众隐私和安全等问题上制定相关法律法规，这需要一个开放的过程。

这种辩论不应仅限于商业用例。它还应该延伸到人工智能对人类和社会的影响。人工智能的兴起在道德、法律和安全方面存在着问题，有些是老生常谈，有些则是新的问题：智能机器会攻击重要的电力、健康和投票系统吗？还是会成为他人这样做的一个渠道？人工智能会扩大数字鸿沟，从而扰乱社会稳定吗？对人工智能的过分依赖会影响社会资本和自主权吗？这些都给人类社会带来了新的紧迫感，正在促使从英国到迪拜等各国政府抓紧制定关于人工智能的长期愿景和目标。

在这种辩论中，政策制定者不应是唯一的发声方。在人工智能带来的问题方面，来自不同社会阶层的的商业领袖和从业人员应该提出宝贵的意见。像类似于OpenAI、Future?of?Life?Institute、Partnership?on?AI这样的组织已经在努力解决这些问题。Digital?Asia?Hub最近在香港成立，旨在从社会层面看待科技进步的影响。而东盟必须找到自己的答案，如何让人工智能技术在该地区特有的文化、宗教和政治背景下发挥作用。

结语

人工智能仍处于发展早期阶段。即使在发达经济体，仍有大量的基础工作要做。由于人们在数据可用性、算法复杂度和计算能力等方面的重大进步，这项技术本身也在飞速发展。人工智能技术将引领新一波社会生产率的增长，完全改变工作的性质，同时淘汰那些不把它们纳入核心战略的企业。接下来的关键问题是，这种颠覆如何对整个社会产生益处。

在东南亚地区，虽然人工智能的用例迅速增多，但它们的受众和规模都很有限。银行和电信运营商现在才开始采用数字技术和先进的分析技术，这些仅仅是人工智能的前身。新加坡在智能城市技术方面的进步显示，人工智能可以改善东南亚地区的城市生活。为了加快这一进程，东盟各国政府可以进一步为企业提供便捷数据，并推动教育和卫生领域的一体化数据进程。它们还需要应对业内从业者短缺带来的负面影响，提供稳定的监管框架，并通过创建专门的中心来解决应用规模和人才短缺的问题。

这些干预主要是为了引导不可避免的变革浪潮，以更快更好地发挥人工智能的积极作用。但这种技术的具体发展方向依旧是未知的。目前来看，我们只能提出一些每个社会都必须回答的大问题：我们准备好共享健康数据了吗？数字鸿沟会变得更糟吗？哪些创新值得投入公共资金和更多合作？让这些问题公开化是确保人工智能创造一个更好社会的重要环节。