聚焦人工智能技术前沿与治理 中外专家学者国际论坛建言献策******
中新网北京12月5日电 (记者 孙自法)2021人工智能合作与治理国际论坛“人工智能技术前沿与治理”主论坛，12月5日在清华大学以线上线下结合方式举行，中外人工智能(AI)领域专家学者聚焦人工智能技术前沿与治理这一主题，发表主旨演讲建言献策，并深入研讨交流。
美国国家科学院院士、美国艺术与科学院院士、约翰·贝茨·克拉克奖得主、斯坦福大学商学院技术经济学教授、以人为本人工智能研究所副所长苏珊·阿西(Susan Athey)认为，大学在指导人工智能创新方面可以发挥优先引导的关键作用。由于私营部门的技术人员缺乏伦理、哲学方面的训练，难以开发出具有可解释性的算法框架，深化这类研究能够在人工智能治理的问题识别、建立开发实践框架、提供指引等方面发挥重要作用。此外，由于数据可以带来巨大的规模效应，当前“软件即服务”的平台经济模式已非常普及。人工智能和数据需求可能带来“伪”市场集中，因此，未来对“机器换人”的预测非常具有挑战性，需要重新关注和思考人工智能如何用于应对老龄化等公共管理问题，使基于人工智能的公共服务变得更加高效。
国际人工智能协会前主席、清华大学人工智能国际治理研究院学术委员约兰达·吉尔(Yolanda Gil)指出，由于人类对智能机制认知不足、智能行为本身的复杂性、观测手段的有限性以及个体知识、职业、信仰、文化背景等的差异性，导致当前人工智能研究中面临着一系列挑战，因此，需要加强人工智能基础研究工作，这需要跨领域、跨学科的共同努力。当前，理解人工智能机理和构建人工智能世界模型是人工智能研究面临的两大挑战。一方面，理解人工智能机理需要构架“感知-思考-行动”的智能模型，加强对大脑思维机理的理解，建议借鉴神经科学研究联合体的有益经验，建立全球性的人工智能研究数据库，形成全球共享的研究社区。另一方面，构建人工智能世界模型则需要建立在人类经验、社会习俗、专业技能的基础上，建议建立类似于自由协作式的知识库，通过全民民众参与，推动知识在全球层面共享。
中国科学院院士、清华大学人工智能研究院名誉院长、清华大学人工智能国际治理研究院学术委员张钹表示，由于深度学习等算法存在不可解释性，导致前两代人工智能算法存在着公平性、安全性问题和不可靠、不可信等缺陷。发展第三代人工智能关键在于发展可解释的、鲁棒的人工智能理论和方法，开发安全、可信、可靠、可扩展的人工智能技术，以“数据驱动+知识驱动”构建支持可解释的人工智能算法的深度学习平台，赋能人工智能安全与防御优化。从数据中真正获取智能要靠知识的帮助与引导，并需要政策法规对数据使用的正确规范，充分利用知识、数据、算法和算力四个要素结合，推动人工智能的创新发展。
中国工程院院士、北京大学信息科学技术学院院长、鹏城实验室主任、清华大学人工智能国际治理研究院学术委员高文认为，当前人工智能发展处于新一代人工智能向强人工智能发展的关键阶段，至2030年，中国人工智能发展总体要达到世界领先水平。从战略问题看，中美欧三方在人工智能人才、研究、开发、应用、硬件、数据等方面竞争激烈，当前中国人工智能发展在战略政策、数据资源、应用场景、潜力人才方面具有优势，而在基础理论、原创算法、关键部件、国际平台、高级人才等方面还存在短板。从战术问题看，人工智能2.0需采用基于大数据的统计AI解决大规模AI应用需求，鼓励各种可能的强人工智能探索，“可解释机器学习+推理”和“仿生系统+AI大算力”是可能的技术路线图；在安全问题层面，强人工智能的安全风险主要来源于模型的不可解释性、算法和硬件的不可靠性和自主意识的不可控性，人工智能2.0应采用DPI与“防水堡技术”解决数据安全与隐私保护，重视探索人工智能伦理问题，并基于“理论-技术研究-应用”的阶段性采取不同的风险防范策略。
美国国家工程院外籍院士、英国皇家工程院外籍院士、清华大学高等研究院双聘教授沈向洋表示，AI已经应用于生活和工作的方方面面，目前甚至在法律上也具有一定的应用，比如美国已经有很多法庭用机器学习和人工智能方法帮助判刑，包括决定刑期这样非常重要的问题。但是我们还无法理解一些AI决策的缘由。未来发展过程中我们不能只看见AI决策的“黑箱”，应该打开“黑箱”，探究和理解其中的具体内容和因果关系，我们一定要做可解释性的AI。同时，他提到负责任的AI应具备公平性、可靠性、隐私性、包容性、透明性和责任性的特点，作为新兴领域，还需要向其他领域学习，从而更好的服务于人类。
中国工程院外籍院士、清华大学智能产业研究院院长、人工智能国际治理研究院学术委员张亚勤指出，“碳中和”是人类能源结构的又一次变革。“碳中和”既是可持续发展的必然选择，又是产业结构调整和发展的重大机遇。企业在“碳中和”背景下都面临转型增效的压力。人工智能+物联网是智联网，智联网可以赋能绿色计算，助力“碳中和”。智联网助力“碳中和”主要包括三个环节：首先，由数据驱动和人工智能优化引擎来实现智能决策。其次，多参数全链系统配置优化。最后，通过多源多维异构感知融合实现智能感知。智联网可用于能源融合、降低ICT产业的碳排放和推动新兴产业发展等。他还介绍了智联网赋能的绿色计算平台的框架，该平台包括人工智能驱动节能减排和高能效人工智能系统，应用路径包括绿色园区和工业节能。
2021人工智能合作与治理国际论坛由清华大学主办，清华大学人工智能国际治理研究院承办，国际支持机构为联合国开发计划署。论坛为期两天，设有三场主论坛、一场特别论坛和七场专题论坛。“人工智能技术前沿与治理”主论坛由清华大学计算机科学与技术系教授、人工智能研究院常务副院长孙茂松主持。(完)
力促房地产与金融正常循环******
促进房地产与金融正常循环，关键要把握好“度”。要从供给、需求两端发力，“慢撒气”缓解流动性紧张。要抓住关键、治病祛根，进一步完善相关制度，增强政策精准性、稳定性，在动态调整中寻求市场均衡。
房地产与金融的正常循环，事关国民经济健康运行。近期多家金融管理部门表示，力促金融与房地产正常循环。要务必做好“保交楼、保民生、保稳定”工作，满足房地产市场的合理融资需求；坚持“房住不炒”定位，因城施策实施好差别化住房信贷政策；推动房地产业向新发展模式平稳过渡。
房地产业、金融业都是系统重要性行业。前者是国民经济的支柱产业，后者是实体经济的血液。房地产链条长、涉及面广，在GDP中占比约7%，若加上建筑业占比则高达14%。金融关乎国家核心竞争力，金融安全是国家安全的重要组成部分。当前，房地产与金融的关联度较高。房地产贷款，以及以房地产作为抵押物的贷款，二者占银行业全部贷款余额的39%。可见，若房地产与金融循环淤堵，容易引发外溢性风险，甚至可能产生系统性风险。
促进房地产与金融正常循环，关键要把握好“度”。以房地产贷款为例，首先，我们不能将其妖魔化，必须承认合理、适度的房地产贷款增速有助于推动国民经济增长，也有助于满足购房者的刚性、改善性住房需求。其次，凡事过犹不及。此前，房地产市场曾出现“过度金融化”问题。一方面，房企大多身患“三高”疾病，高负债、高杠杆、高周转；不少房企争相布局、涌入金融领域，比如投资、持股商业银行、保险机构、信托公司等。另一方面，个人住房贷款快速增长，居民部门的杠杆率高企；此外，一些违法违规行为又加剧了风险，如消费贷、经营贷违规流入楼市。
如何把握好“度”？应在动态调整中实现。市场不可能永远固定在完美的均衡状态，“过”与“不及”是常态，但金融管理部门要通过精准调控，尽量缩小二者之间的误差。
化险是当务之急。2021年下半年以来，个别大型房企风险暴露，究其主因，在于房企出现了流动性紧张。一是受疫情影响，房地产销售较为低迷，回款不畅；二是房企原有的高杠杆融资模式受限，固有风险加速暴露，如自身经营不善、资产负债不健康等；三是金融机构过度避险，一度误伤了房企的合理融资需求，最终致使房企的流动性紧张加剧，陷入了恶性循环。
化险要从供给、需求两端发力，“慢撒气”缓解流动性紧张。在供给端，既要适度“输血”，满足房企的合理融资需求，又要稳妥“手术”，以市场化方式推动行业并购重组、风险出清。目前，信贷、债券、股权融资“三箭齐发”，“保交楼”专项借款资金已基本投放至项目，优质房企的融资环境已明显改善。2022年9月至11月，房地产开发贷款同比多增2000多亿元；2022年四季度，境内房地产企业债券发行同比增长22%。在需求端，要着力改善预期，支持刚性和改善性住房需求，这也有助于房企销售企稳、回款恢复。目前，个人住房贷款的放款速度已达到2019年以来最快，2022年12月新发放的个人住房贷款利率，全国平均为4.26%，达到2008年有统计以来的历史最低水平。
治本才是长远之策。促进房地产与金融正常循环，要抓住关键、治病祛根。一方面，房地产业要“健体”，要摆脱多年来的“三高”模式，深入研判市场供求关系、人口变化、城镇化格局，平稳过渡到新发展模式。另一方面，相关的土地、财税、金融等基础性制度应进一步完善，增强政策精准性、稳定性，在动态调整中寻求市场均衡，避免出现“一刀切”。(郭子源）
