“AI&Society系列沙龙活动”的版本间的差异

2018年5月17日 (四) 17:03的版本

背景

随着AI技术的快速发展和民众对AI的兴趣度提升，以人工智能为代表的新技术变革已经越来越深地影响到了我们的生活。因此，为了更好地迎接AI时代的来临，树立民众对AI的正确认知，以科学的方法探索以AI为代表的新技术将如何影响我们人类社会，包括经济、政治、公共政策、日常生活，以及各行各业成为了一个非常重要的问题。为了解决这个当务之急，腾讯研究院联合集智俱乐部拟举办系列以AI&Society为题的沙龙以及学者奖励计划。

目标

挖掘有关AI与社会、人文科学的交叉型研究人才和思考者，孕育具有特色的原创性观点、思想，甚至理论，以产生一定的社会影响力。

解决方案

活动构想

• 由AI&Society成立组委会；
• 每期拟定一个主题或抛出一个问题，围绕着该问题定向选择，或者向社会各界征集合适的主讲人人选；
• 组委会在候选人中选定一名人选；
• 沙龙计划每月举办一次
• 沙龙主题原则也由组委会共同议定

主讲人选择原则

• 具有独到见解、思想深刻的青年学者或从业者
• 海内外知名青年学者，以及高校、科研院所青年教师、博士后、博士人选优先
• 年轻的人工智能相关科技公司创业者优先

沙龙活动形式

讲座（半天）＋圆桌＋高端下午茶形式

主题包括但不限于

• 计算社会科学：概况、发展现状与应用、大数据与机器学习在科学学中的应用专题
• 人工智能与城市科学：卫星遥感数据在城市科学中的应用；大数据与人工智能在城市科中的应用；智慧城市发展展望
• 多智能体系统：多智能体系统社会学仿真及其最新发展现状
• 人工智能社会：多主体智能、深度学习与多主体、经济推理与人工智能
• 算法与社会：计算广告学、推荐算法等算法简介以及对社会的影响
• 算法经济：云计算、算法经济平台，以及算法经济的发展展望

“先行者”奖励计划

为了进一步凝练学术思想，培养本土人才，特设立“先行者”奖励计划，以资助具备原创思想的年轻学者进行创造性研究。

• 人选来源：前沿研讨会中表现突出、观点鲜明的优秀年轻学者；

以项目制的方式，赞助、鼓励他们将自己的思想转化为具体成果

• 署名权：成果如若发表，需署名AI&Society研究中心

关于AI&Society的构思

AI&Society本质上是人工智能、自动化、互联网等新型技术与传统社会科学、人文科学，甚至技术的高度融合体，它是一个非常大的主题，可以包容足够丰富的内容。初步来分，可以包括如下几个方面：

• AI与就业、AI与法律、算法与社会等；
• 运用AI技术方法研究社会科学：包括计算社会科学、多主体模拟等；
• 运用新技术改造人类群体组织形式：社会计算、智慧城市、区块链等；
• 人工智能构成的社会：人工智能社会学、算法经济、计算广告学等；
• 未来学：从大尺度看技术的进步以及对人类社会的影响，包括奇点理论等。

活动

第一期

人工智能社会的憧憬和忧虑

第二期施永仁

• 题目：大连接与大数据
• 时间：2017年11月26日
• 地点：深圳华侨城创意园

主讲人

施永仁，集智科学家，康奈尔大学社会学系博士毕业，现于耶鲁大学人类本性实验室任博士后研究员。目前研究重点在于理解多层社会网络之间如何相互作用，并如何影响人类的行为与观念。他的主要研究兴趣包括社会网络，定量与计算方法研究，组织社会学，公共卫生，与社会心理学。他的工作发表于《美国社会学评论》，《美国社会学杂志》，《自然-人类行为》等多种社会科学期刊。人类本性实验室（Human Nature Lab）隶属于耶鲁网络科学研究所，由Nicholas Christakis任主任（《大连接》作者），从事生物医学，大数据计算，社会实验与社会网络的跨学科研究。

讲座简介

“正像大脑能够做单个神经元所不能做的事情一样，社会网络能够做的事情，仅靠一个人是无法胜任的。“（《大连接》引言）。 我们已经身处一种大链接的时代，无处不在的网络不仅将我们和整个世界连接为一个整体，而且还将我们每一个人定型。我们在不知不觉中就会受到与我们紧密相连的伙伴所影响，无论这个伙伴是我们的挚友，抑或是一个并无恶意的机器。更重要的是，随着社交媒体的兴起，我们所有的连接和交互都被记录在了大数据之中。 计算社会科学家是这样一个人群，他们手握人工智能、机器学习、网络分析等强大的分析手段，却对人类如何行为、政治偏好如何量化这样的社会学问题充满了好奇。手握大数据这把利器，他们正在一点点叩开社会科学定量化研究之门。 施永仁老师将透过大数据计算，大规模田野实验，和在线社会实验这三面棱镜，深入展示卫生健康，和行为举止是如何通过不同种网络连接起来，并在社会网络中被重新塑造的。；

议题

• 基于大数据的研究究竟在多大程度上能够给我们带来新知识？
• 在做类似研究的时候，是先预设问题，然后收集数据，还是根据数据选择问题？
• 社会科学知识究竟在类似的计算社会科学研究中起到多大程度上的作用？
• 在做研究的时候有没有考虑到可能已经侵犯了个人隐私？
• 有“智慧“的机器人能够帮助个人实现群体利益的最大化吗？
• 未来，人工智能管理的社会是否更加高效？

讲座回顾

大连接与大数据

第三期吴令飞

• 题目：颠覆式创新一百年&AI走进社会生活发展前沿追踪
• 时间：2017年12月24日
• 地点：北京腾讯研究院

主讲人

• 吴令飞
• 集智科学家，芝加哥大学社会学系博士后，研究兴趣是组织创新与学习。通过使用数学模型和机器学习方法，通过研究来自科学界（例如Web of Science 和 ORCID数据）、工业界（例如美国专利数据）、和互联网众包社区（例如Stack Exchange 和 GitHub）大量团队的人员结构与产出的关系，报告人致力于寻找组织创新与学习的一般规律，促进组织管理和政策制定。

2013年从香港城市大学获得传播学博士学位。博士最后一年曾在百度推荐与个性化部作为算法工程师实习生。在到芝加哥大学前曾在亚利桑那州立大学人类行为、制度与环境研究中心担任博士后研究员两年。

议题

• 人类的社会行为如何推动科学与技术的发展创新
• 人工智能正在创造怎样的未来
• 深度学习在科学研究领域有何新发现与新进展

讲座回顾

颠覆式创新一百年&AI走进社会生活发展前沿追踪

第四期王成军

• 题目：社会阶层与数字媒体中的注意力流动
• 时间：2018年3月25日14:00-17:30
• 地点：南京大学鼓楼校区

主讲人

• 王成军，集智科学家，南京大学新闻传播学院副教授。主要研究兴趣在于采用计算社会科学的方法和视角研究人类传播行为。自2015年起担任南京大学奥美数据科学实验室主任，计算传播学实验中心副主任。 2014年，发起创建计算传播网。其研究发表在多个SSCI或SCI索引的期刊上，例如Scientific Reports，PloS ONE，Physica A，Cyberpsychology和Journal of Social and Personal Relationships等。
• 陈志聪，南京大学新闻传播学院硕士研究生，计算传播学实验中心成员
• 徐绘敏，南京大学信息管理学院本科生，计算传播学实验中心成员

讲座简介

“如果处理得当，基于互联网的传播数据和互动性可以变革我们对人类群体行为的理解”。（邓肯·J·瓦茨《一个二十一世纪的科学》）伴随着数字媒体的发展，计算传播时代已经到来。人类传播行为的数据构成了整个社会发展的重要基础，正在变革我们对人类行为的认知。数字媒体改变了人类的生存方式，加速了社会阶层的再生产。当我们上网、看新闻、浏览网页的时候，我们的注意力在不同的信息当中流动。数字信息构成了我们每日的精神食粮，充当着一种社会知识。从社会群体的角度而言，我们的注意力在形形色色社会知识中的流动冲刷出来一个社会知识的空间，而每一个人每天孜孜不倦地在这个空间中穿梭。但是，不管人类在虚拟世界和物理空间的行为实际上都受到社会阶层的重要影响。数字媒体记录下来人类的媒介使用行为，为我们研究社会阶层对人类在知识空间中的移动行为影响及其内在机制提供了新的数据。借助于计算社会科学，尤其是网络科学，我们可以构造出社会知识的空间，并详细刻画海量的个体在这个知识空间的移动。智能手机构建了一个移动知识空间，人们在浏览网页服务过程就好比在知识空间中漫游。作为一个数据驱动的计算传播研究，基于大规模智能手机浏览数据和手机阅读行为数据，从空间、时间两个维度，挖掘了人们在移动知识空间中的行为特征。我们假设社会阶层会型塑人们的日常生活方式和阅读行习惯，造成知沟在群体中的出现，并进一步稳固已有的社会阶层。初步的研究发现证实了社会阶层的影响，例如穷人会使用更多不常用的个性化的app，而富人更多使用一些常用的手机app；穷人阅读娱乐型内容多，富人阅读知识性内容多，从时间层面来看，前者的阅读习惯更具爆发性，后者的阅读习惯更具规律性。

开放问题

计算传播学是一个新型的领域，我们热切欢迎新鲜血液的加入。在这里，王成军老师列出了七个该领域中的开放问题。这些问题是：

• 人类传播行为本身是否可以计算？是否可预测？
• 计算传播如何推动大问题、大理论、大数据的融合？如何帮助人们理解复杂的人类群体行为？
• 如何推动计算方法在传播学研究中的应用？新旧研究方法如何互补？如何推动计算传播在理论方面的贡献？
• 如何推动计算传播在数据新闻、计算广告、媒体推荐系统等领域的产业实践和商业价值？
• 不同传播策略对团队合作产生怎样的影响？
• 不同传播方式对集体智慧具有怎样的影响？
• 当数字鸿沟变小或消弭之后，穷人和富人在知识空间游走行为具有怎样的差别？数字媒体如何再生产社会阶层？

如果你对这些问题或其它计算传播学相关问题非常感兴趣、具有自己的想法，并且你：

• 有一个很好的点子可以进行实证或实验研究，但缺乏资金支持
• 有非常好的想法和认知希望和大家分享、交流
• 是一个孤独的探索者，希望寻找该领域的合作伙伴

那么，请你果断地勾搭我们，联系方式：，请把你的想法总结成文字资料，我们会给予有志计算传播领域创新研究的人以资金支持！

讲座回顾

• 徐绘敏：大数据会暴露你的社会阶层吗
• 陈志聪：贫穷限制了你的想象力？！

第五期侯世达

• 题目：人的创造力与人工智能
• 时间：2018年4月18日14:00-17:00
• 地点：腾讯研究院

主讲人

• 侯世达

讲座回顾

侯世达：机器可以“翻译”但不能真正理解

开放问题

第六期陆云波、韩战钢

• 题目：多主体仿真
• 时间：2018年4月28日14:00-17:00
• 地点：待定

主讲人

• 陆云波

同济大学教授 奇弦智能公司创始人

• 韩战钢

北京师范大学系统科学学院副院长

讲座简介

从个体层面来说，今天的你并不比古希腊人聪明多少，然而现代人类整体的能力却是古人所无法企及的。是科技——这个人类集体的创造物赋予了每个人类个体更强大的能力。同样的道理，个体层面的人工智能存在着能力上的天花板，只有将成千上万的AI链接、整合起来，甚至创造出AI自己的文明，才可能为每一个个体AI赋能。

多主体智能就是发端于二十世纪九十年代的一种人工智能研究方法，它与传统的AI研究不同，更加关注由多个AI，甚至遵循简单规则的程序而组成复杂的互动社会。一方面，我们可以利用这种AI社会来模拟人类的真实社会——例如用多主体系统来模拟快递组织的运作，从而实现精准的预测与控制；另一方面，这类由AI组成的社会还能构成人工社会，实现涌现智能，从而解决复杂的问题。

本次活动我们请来了多主体仿真的实践者，奇弦科技创始人、同济大学教授陆云波老师，以及多主体智能的研究者北京师范大学系统科学学院教授韩战钢老师共同给我们带来两场有关多主体智能和人工社会的讲座。

• 陆云波：深度学习之后的多主体智能浪潮

最近一波人工智能浪潮的根源来源于神经网络以及深度学习的突破。然而，以神经网络链接学派为指导的人工智能是否为实现通用AI的唯一方式呢？它有没有先天的局限性？

事实上，从复杂性科学的角度看来，神经网络也可以看作是一个多主体系统，即每个神经元作为一个Agent构成了复杂的交互网络。那么，如果我们突破神经网络这种相对固定的计算模式，直接由大量的主体构成复杂系统是否就有可能带来方法论上的突破呢？

作为多主体智能方法论的实践者，陆云波老师和他的创业团队在将近二十年的实践经验得到了这样的答案：至少在组织仿真，或称计算组织学这个领域中，多主体模拟方法将可以给我们带来方法论上的突破，和意想不到的结果。实践表明，我们完全可以把一家快递公司完全建模到计算机中，从而实现组织流程的优化与控制。

有理由相信，在不远的将来，这种以多主体的方式所呈现的AI有可能会成为迈向通用人工智能的重要环节。

• 韩战钢：群体智慧与多主体系统

小小蚂蚁通过简单的互动和信息素的作用就能聪明地找到从巢穴到食物的最短路径；鸟类和鱼儿通过简单的相互作用规则而形成复杂的飞行游行姿态；人类却会由于不理智的行为发生大规模的踩踏事件。 所有这些都是群体行为。人类社会管理中也存在很多智能体相互作用的情景。 如何研究简单的个体规则导致的负责宏观群体行为呢？是否存在跨物种、跨环境的普适规律呢？精巧的科学实验辅助以计算机模拟，通过在计算机中构造虚拟的环境，为每一个智能主体（Agent）赋予简单的行为规则，我们可以架起信息局域的微观个体行为与宏观整体现象间的桥梁。

讲座回顾

全息计算打造“公司大脑”；简单规则驱动复杂系统

第七期陈永伟

• 题目：人工智能如何影响社会经济
• 时间：2018年6月2日14:00-17:00
• 地点：北京腾讯研究院

主讲人

• 陈永伟

经济学博士、博士后，研究领域为产业经济学、发展经济学和法律经济学，曾在中英文学术期刊上发表论文数十余篇。现为《比较》研究部主管，北京大学市场与网络经济研究中心研究员。

讲座简介

相比于之前的历次技术进步，“人工智能革命”所引发的冲击更为巨大，其对经济学造成的影响也将更为广泛和深远。人工智能技术的突飞猛进，对经济社会的各个领域都产生了重大影响，这种影响当然也波及到了经济学。很多一线经济学家纷纷加入了对人工智能的研究，不少知名学术机构还组织了专门的学术研讨会，组织学者对人工智能时代的经济学问题进行专门的探讨。事实上，经济学家并不是最近才开始关注人工智能的。在理论层面，经济学对决策问题的探讨与人工智能所研究的问题有很多不谋而合之处，这决定了两门学科在研究上存在着很多交叉之处。

从历史上看，经济学家对人工智能的理论关注至少有过三次高潮：

第一次高潮是上世纪五六十年代，人工智能这门学科的奠基之初。当时，有不少经济学家参与了这一学科的建设。例如，诺贝尔经济学奖得主Herbert Simon就是人工智能学科的创始人之一，也是“符号学派”的开创者。

第二次高潮是在本世纪初。当时，经济学在博弈论、机制设计、行为经济等领域都取得了不少的进展，这些理论进展被频繁地应用在人工智能领域。

最近经济学家对人工智能问题的关注是第三次高潮。这次高潮主要是在以深度学习为代表的技术突破的推动下发生的，由于深度学习技术强烈依赖于大数据，因此在这轮高潮中的不少讨论集中在了与数据相关的问题上，而在对人工智能进行建模时也重点体现出了规模经济、数据密集等相关的性质。

本次讲座，我们请来了北京大学市场与网络经济研究中心研究员陈永伟博士从经济学的视角谈一谈对这场正在发生的人工智能革命的看法，并对人工智能如何影响我们的社会和经济进行展望。

参与者成员