近日，卡内基国际和平研究院下的 Carnegie India 发布长文报告称印度需要及时开展自己的人工智能革命了，特别是在中国人工智能研究高速发展的情况下。这篇报告为印度开展人工智能革命提供了具体的政策、教育等方面的建议，对中国人工智能的开展而言同样具有借鉴意义。
最近人工智能的发展给印度的政策制定者敲响了警钟，印度总理 Narendra Modi 实行的每一项重点项目在未来几年内都会直接受到影响。由于中国人工智能研究取得高速发展，印度就不可避免的要把人工智能看作是影响国家安全策略的关键因素。激励基于人工智能的创新并建立人工智能基础设施也成为了必要任务，以便为印度基于人工智能的未来准备好就业和技能市场并保障其战略利益。
印度人工智能研究面临的挑战
到目前为止基于人工智能的应用绝大部分都是私营部门支持的，而且主要集中在日常消费品方面。这项技术的紧要程度和意义使得政策制定者们势在必行。
早期美国、中国、韩国以及其他地方在人工智能领域的成功案例为印度提供了值得效仿的公共和私人募资模式。
在今天的经济环境下，随着工作性质的快速变化，以及某些技能变的有价值而另一些则早晚会被淘汰，教育和工作传统的序列系统已经过时。
建议
印度要想从人工智能革命中获取最大的利益，它必须采取深思熟虑的决策驱动人工智能的创新、转型、以及在日用消费品和信息技术服务之外领域的扩展。
通过向制造业提供激励机制，政策制定者应该把人工智能作为首相旗舰项目－ Make in India, Skill India 和 Digital India 的关键组成元素，构建与高校和初创公司合作的自动化制造和机器人产业区域性创新集群，融合市场机制以鉴别未来雇佣者会看重的专业技能，并促进云基础设施容量在印度本土的建立。
国家教育政策必须强烈建议实行另一种更适应未来人工智能经济的教育模式。
政府应该确定出一些公众服务型应用，比如侦测税务欺诈、防止补助金流失、定位受益人目标，这些都是人工智能现有的发展程度就能带来重大影响的领域。
印度必须把机器智能作为国家安全战略中的一个关键组成，并且评估与私营部门以及高校合作的国防研究模式。
引言
摩尔定律刺激人工智能的最新进展
互联网能促进人工智能在印度的扩张，但依然存在障碍
人工智能研究——被中国抢先
资助人工智能研究——全世界给印度上了一课
人工智能对印度人力市场的影响
鼓励培养未来工作所需的技能
印度的人工智能政策路线图
短期行动
人工智能在公共领域的中期应用
长期战略
结论
引言
近期人工智能的进展刺激到了全球的私营部门和政府，引起了它们的强烈兴趣，因为我们距离大批量生产有类人智能的消费级机械产品又近了一步。
近几个月来人工智能领域的重大突破就是机器在围棋比赛中击败人类的那次事件了。AlphaGo，一个由位于伦敦的谷歌 DeepMind 公司开发的人工智能计算机，挑战了围棋世界冠军李世石，在五局的比赛中机器赢得了四场胜利。尽管 AlphaGo 理所当然的占据了全世界新闻的头条，人工智能领域的真正突破并不是这次的单一事件，而是以人工智能为基础的计算机程序作为一种技术所取得的巨大进步，现在它们已经能够学习并且对一个很宽泛的问题领域做出智能回应。
人工智能应用在今天已经触碰到了人们的生活，但很多时候人们并未完全意识到也并不了解。直到现在，这种人工智能技术的微妙扩散基本上都是由私营部门驱动，而且主要集中在日常消费品上。然而这项技术有着如此大的潜力、如此重要的意义，它的发展和实现并不仅仅是几家硅谷企业和他们经销商的任务，它的紧要程度和意义使得政府的政策制定者不得不予以关注。
为了更好的说明人工智能的增殖是如何影响人们生活的，这里举几个例子。每次有人访问一个网站时，后台运行的算法网络就会处理用户线上行为的相关数据：分析浏览器历史，把数以千计的数据点压缩成一个智能的推测，判断出什么样的产品能引诱这个用户，就是为了决定显示哪个广告。从智能手机上的智能键盘（通过预测下一个单词减轻用户的输入的麻烦）到平板电脑和台式机上的语音激活助理（能遵循语音指示完成后续任务），这些用户私密个人空间中的机器的智能程度已经比普遍认为的要高得多了。
虽然在人工智能的最新进展及其对工作、技能和社会所带来的影响方面的文献已经汗牛充栋，但很少有分析会调查人工智能对印度新兴市场的特定影响。印度政府正积极尝试在国家尺度上增加人力资本，并通过 Skill India 计划特别强调了对年轻群体的关注，同时也在通过它的 Make in India 项目试图把全球制造业吸引到印度来。这个现代化三元素组合的另一个是 Digital India 计划：决心要把数字产业扩展到全国范围。人工智能在不久的未来就会影响到 Narendra Modi 总理的这些每一个旗舰计划，对于印度的政策制定者来说，在国家战略上认真考虑人工智能的潜力并且站在人工智能技术开发的前列就更加紧要了。
印度要想从人工智能革命中获取最大的利益，它就必须用慎重考虑的政策决定驱动人工智能的创新、转型、以及在日用消费品和信息技术服务之外领域的扩展。人工智能的迅速扩散给印度带来了独特的机遇和挑战：建立起针对短期内的专门政策，调整总理 Modi 的政策以包含并强调人工智能，同时还有中长期政策，这能让印度享受到这项技术的全部潜力。虽然印度毫无疑问是人工智能高速发展的贡献者之一，但人工智能还没有抓住国家政策制定者的想象力。在前述的开创有关人工智能的国家政策的机会中，印度有落后于美国和中国的风险。人工智能技术有重塑印度未来经济和国家安全的巨大潜力；但如果缺乏专门的政策制度，印度会很难实现人工智能的全部能量，而有可能沦为人工智能快速扩张所带来有害作用的牺牲者。
摩尔定律刺激人工智能的最新进展
在论述印度面临的挑战和机遇之前，理解最近人工智能领域发生了哪些变化是至关重要的。答案在于理解产业专家在说到摩尔定律及其对计算空间的广泛影响时所指的是什么。按照这个定律，计算机芯片里的晶体管数量每两年就会翻倍，这意味着功耗的提高和计算机硬件相对成本的下降都遵循指数规律；这种关系带来的结果——更快更廉价的计算能力和逐渐缩减的硬件尺寸——对人工智能有着决定性的影响。今天更快、更小、更便宜的硬件能让 20 世纪 90 年代的计算机算法解决比以前复杂得多的问题。在这方面，摩尔定律带来的优点是很明显的：仅凭节约时间和空间，甚至不考虑软件方面的重要进展，计算机就能运行复杂得多的任务，这为人工智能的进步创造了很多可能性。
这种高效率还复合了云技术的扩散：云计算平台上可按需提供大量的计算能力，同样成本也更加低。今天，储存和分析大规模数据集已成为可能，在几秒之内就能处理几百万个数据点。这能让多层计算机结构串联工作，从这些大型数据集中解码信息、识别模式、辨识行为和智能决策。这种计算能力同样也能让计算机从它们自身的过往经历中学习，以提高识别和推理能力。
先进的硬件、基于云的按需的计算，以及快速遍及所有领域的大数据分析的结合促进了机器学习性能的大幅提升，机器学习是指计算机不需要明确编程就能学习的能力。这方面的很多技术，比如监督学习、非监督学习、强化学习在商务事业里越来越常见，并产生了像苹果的 Siri 和微软的 Cortana 这样的消费应用。它同时也为深度学习或深度神经网络这样的复杂架构带来了可行性，为像 AlphaGo 计算机这种创新的出现铺平了道路。
互联网能促进人工智能在印度的扩张，但依然存在障碍
考虑到这项技术在商业领域的快速增殖，认为印度消费者对人工智能的使用远远超过印度这个国家并不是夸张。得益于飞速发展的数字经济，再加上教育和全球化的进步，印度消费者不知不觉地成为了这个国家中人工智能进步的最大受益者。从各种人工智能应用的使用，到一系列像 Amazon Marketplace 和 Netflix 这种能从消费者线上行为中学习以做出智能产品和服务推荐的在线服务的使用，消费者能很容易就参与到人工智能在印度扩散的进程中，不管他们是否乐意这样做。而同时，政策制定者则落后了，他们并没有把人工智能用在国家安全、公共服务、及其他紧要事务中。
像转基因食品这样的技术在印度引发了激烈的公众争议并引起了官僚和政党的关注，人工智能应用和服务则消无声息地触及到了很广泛的印度消费者，这得益于全球数字经济，而且它们的普及也没有太多政治考虑，受到的阻碍较小。印度学术机构、公共研究者、实验室和企业家面临的挑战与该领域主导企业不同，然而人工智能革命所必需的基础设施却被政策制定者忽视了。
比如说，有能力储存大量数据并处理大量人工智能所需的计算能力的云计算基础设施，绝大部分都存在于印度疆界以外的服务器中。从亚马逊网络服务（AWS）弹性云到谷歌机器学习基础设施，几乎所有能让企业界获取人工智能服务的线上应用都依赖于印度之外的设施。2016 年，一项研究对印度整个数据中心市场进行了评估，得出了 20 亿美元的估值，这远不及亚马逊上个季度从 AWS 的所获的 170 亿美元。直到最近，云基础设施供应商们才在印度投资这项技术：微软承诺为它的 Azure 云基础设施投入三个数据中心，亚马逊也保证2016年要把几个 AWS 设施建在印度。这种投资上的延迟对印度的商业界有着不利的影响，许多印度创业公司已经与国外企业合作，很大一部分原因这样能更容易得到前沿技术和基础设施支持，而且在国外做生意很简单，这为公司未来的发展提供了长远的激励。
而且，印度缺乏一个按需的云计算基础设施的本土基地，使得政府赞助的科研实验室无法接触到人工智能的最新进展。也许伤害更大的是，很多行业无法负担得起把数据储存在国外的风险，而且还会把数据暴露给那些印度政府很少能直接控制的算法。这样的约束使得私人产业采用人工智能技术的代价更为高昂了。没有这一至关重要的基础设施，印度已经处在了挣扎中，而且会继续挣扎下去，然后到达人工智能效率和产率的转折点，与此同时消费应用则会大步向前发展。
1.人工智能研究——被中国抢先
缺乏实体基础设施当然是一个重大阻碍，印度的人工智能发展也受制于必要文化基础设施的匮乏，而这是实验室的成果走向人工智能市场的关键。
孕育一种创新的文化和一种献身科研的精神，最重要的是，建立一个超出机构围墙之外的生态环境对于谷歌的 DeepMind、IBM 的 Watson、和百度的深度学习研究所这些近五年来最成功的人工智能项目来说是很正常的。毫无疑问，谷歌、IBM、微软、Facebook 和其他全球科技巨头几十年来对机器智能投入巨大，但对印度最值得学习的则是百度的故事。这个中国的搜索引擎公司构建起了能力强大的人工智能，它对于印度的本土公司来说既是一个激励，也是一种可以效仿的模式。
百度人工智能的故事就是吴恩达（Andrew Ng）的故事。吴恩达是一名斯坦福大学副教授，他教授了一门广受欢迎的机器学习课程（Coursera－一个他联合赞助的在线学习平台上也可以学习这门课）。故事的关键是，2014年吴恩达从谷歌大脑（Google Brain）被挖走，帮助百度建立起绝大部分很类似的能力。百度有了吴恩达以后，就向实体基础设施和可以激励各种人工智能研究的灵活政策环境投入了巨资。
百度正在研发利用了语音识别的用于语音搜索的深度语音（deep speech）。建立这项智能技术是为了理解和解释普通话而不是英语的查询；就其本身而言，百度正在构建一个独特的中文平台，它独立于到处都被讲英语的西方国家所使用的平台。这种版本的人工智能为人工智能在印度的发展提供了可能性，因为这是一个人工智能技术成功在非西方国家开发并利用的例子。
百度在人工智能领域取得的进步要归因于在中国本土基础设施上的巨额投入，一个有组织的科研方式，以及一个从北京延伸到硅谷的创新生态系统，而印度在某种程度上缺乏这样的策略。百度的创新会带来回报，并进一步增加基础设施的投入，它已经把用于语音识别的深度学习算法代码公之于众了。其他组织在改进这项技术并享受公开权限的好处，同时中国的本土基础设施、研究和发展生态会继续进步。
百度在人工智能上的投资暴露了印度在技术基础设施建设上相对落后的现状：中国已经认识到弥补实验室和市场之间鸿沟的重要性，同时也在培育一个不受国家边境和企业防火墙限制的科研和创新生态系统。而印度则与之相反，它没有这种创新所需的材料或文化机构可炫耀。
总理 Narendra Modi 经常诘问印度的 IT 企业，询问何时印度会孕育出下一个谷歌或微软。但是直到印度建立起美国无处不在或中国迅速增加的基础设施之前，用机器智能处理印度大量语言多样性所需的深度学习算法是难以实现的。因此，印度的政策焦点不能仅局限于创造出印度版谷歌，应该扩展到这些技术巨头所需组织结构，设施和顾客上。
2.资助人工智能研究——全世界给印度上了一课
全球范围内的人工智能研究有很长时间的受公共资助的历史，并伴随着希望和失望的周期性循环。然而在过去的二十年中，随着互联网经济的到来，经费来源很大一部分转移到了私有产业。这种转变有趣的一面是学术界对包含主要互联网公司的产业界的贡献：通过快速通道将大学的人才吸纳到了私有产业的人工智能研究中。印度政策制定者决心要激励人工智能研究，他们必须更深入地从两种模式在全球尺度上的先例中学习。
美国对人工智能的早期支持和投入很多都来自政府，当时他们想用机器智能自动翻译冷战期间的苏联文件。这些努力仅取得了很小的进展，就在20世纪60年代碰壁了，结果人工智能遭遇了第一个冬天，在耗尽了2千万美元的公共投入后，经费缩水了，这阻碍了科研进展并削弱了科学动力。与此同时在英国，人工智能自从20世纪70年代的 Lighthill 报告之后基本上就被打入冷宫了，这个报告是英国科学研究议会委任进行的人工智能进度评估，结果证明它因未达到宏伟目标而彻底失败。美国国防部先进项目研究局（DARPA）的类似经费削减则延长了人工智能的漫长冬天。20世纪70年代卡耐基梅隆大学语音识别项目的失败促使 DARPA 取消了一项数百万美元的研究经费，这是一个非常突出的挫折。1980 和1990 年代也出现了类似的崩溃，计算机编程语言的早期成员－LISP 的起飞失败，专家系统获得了很少的商业驱动。
但人工智能研究最终不但生存了下来还走向了繁荣，人工智能应用找到了进入其他应用内部的嵌入式系统的方式，而且也发展成了独立的技术。过去十年中人工智能大部分公共资金都来源于 DARPA 的网络安全挑战赛——一个有奖金的比赛，和欧盟的 EU-FP7 技术赞助项目。美国于 2013 年启动的大脑计划（BRAIN Initiative）是一个长达十年，有数百万美元资助的人工智能研究项目，同时欧盟也在未来十年的人工智能项目 Human Brain Project 上投入了十亿欧元。
人工智能近年来的商业进展主要都来自于私有产业，谷歌、IBM、微软和 Facebook 的实验室都有累累硕果。美国和西欧享受着硅谷、波士顿和伦敦的创新文化，同时精英科研高校组成的网络也在推动着私人研究，而印度没有这样的资源，所以必须依靠世界其他地方采用的公共赞助的方式。
比如，据 KBS World Radio 报道，韩国最近宣布了一项 84 亿美元的公私合作制的人工智能研究和创新项目，六个企业以构建「一个智能信息社会平台」的名义开展合作。韩国接着又投资了头脑风暴工具 Exobrain、分子制图程序 DeepView、三星和 LG 开发的人工智能，以及基于人工智能的新闻供应商 KakaoTalk。甚至澳大利亚这个除了地理位置以外都算是西方世界的国家，也直接对人工智能进行了投资，而不是依靠它相当发达的私人产业。这个国家的知识产权机构率先开始了对人工智能的整合和创新——与 IBM Watson 合作开始了人工智能在公共部门的试验。人工智能的公共赞助甚至跨越了国界：马来西亚政府的战略投资基金最近给一家增强现实/视觉识别创业公司注入了资金，这家公司是印度企业家创立的，办公室在硅谷。
私人资助的人工智能研究在印度的历史相对较短。比如说，Infosys 最近宣布了它要支持 Indraprastha Institute of Information Technology 的人工智能研究的决定，且不说它还承诺赞助 SpaceX 创始人及特斯拉汽车 CEO Elon Musk （和其他人）领导的 OpenAI 项目下的研究。尽管 Arya.ai 和少数印度人工智能创业公司已经开始在国内取得成绩，印度仍待见证私人产业在人工智能方面取得举世瞩目进展的时候。
近年来，印度理工学院（IIT）开展了很多公共赞助的人工智能研究项目。对印度人工智能研究最全面的深入考察是一篇2012年的论文，发表在 AI Magazine 上，作者 Deepak Khemani 是马德拉斯印度理工学院的一名计算机教授。Khemani 的结论表明印度的人工智能研究只局限于少数富有热情的研究人员，这导致了它远远落后于美国和欧洲。他列举了各个高等教育和研究公共机构里极少数从事人工智能研究的实验室，强调印度的人工智能研究很少会集中在社会需求上。他认为由于印度语言多样性十分丰富的事实，大部分研究都应用到了机器翻译、自然语言以及文本和语音相关的应用上。
印度在国防方面的人工智能研究完全掌握在国防研究发展局（Defense Research and Development Organization）手里，尤其是其中的人工智能和机器人中心（CAIR）。CAIR 的研究主要集中在人工神经元网络、计算机视觉以及情境感知这些领域，还提到了两款其他正在研发中的产品，运用战场战术数据的广泛知识基础来进行网络中心化操作和决策制定。CAIR 也涉足民用级的应用，比如实验机器人，包括一个可以通过利用人工智能决策引擎来下国际象棋的机器。
中国关于公共赞助人工智能的争论应该会引起印度很大的兴趣，因为赞助资金的雄厚和野心勃勃，更因为它对人工智能进行公共赞助的模式。在一个显然是好莱坞情节的「预犯罪（pre-crime）」——这是科幻小说作者杜撰出来描述对即将发生的犯罪进行监督的术语——中国人正采用预测监督来描绘个体的行为并预测犯罪和恐怖活动（或者按照中国人的叫法，安全事件）。最能明确证明中国人野心的观点就是潘建伟最近的评论了，他是中国科学技术大学一位量子物理学教授。他在北京的全国人民代表大会上发言，提议中国实施一种 DARPA 风格的国防研究赞助模式，优先与私人产业和高校达成协议。阿里巴巴和潘建伟的团队在量子计算机和人工智能领域的联合研究项目想要复制和超过谷歌 DeepMind，这是另一个（运作模式）向商业和高校间的合作转型的例子。
印度过时的国防研究模式在把实验室研究成果带到现实世界的过程中反复挣扎，几十年中好几个重点项目都悬而未决。其他发展中国家已经在利用公共赞助推动他们国内人工智能的发展了。但印度的国防和其他全权委托的研究机关在吸取到 DARPA 的经验教训后， 尚有待于做出能追赶中国的重大突破。
3.人工智能对印度人力市场的影响
AlphaGo 出人意料地战胜李世石的的结果使得人们深深地担忧科技会导致失业。2016 年初，印度信息技术产业的报告揭示了在人工智能影响下，自动化对印度的就业产生的影响： Tata Consultancy Services 的 CEO 在近期的一次的采访中表示，印度主要的 IT 企业提前减少招聘，认为这种大部分的提前减少是由于，当企业看到了机器人更大的用处时，在自动化方面用软件取代了员工。
IT服务部门并不是第一个发现人工智能对于就业的巨大冲击的。制造业可以说是第一个承受所谓的第二个机器时代或是第四次工业革命的影响的领域。当印度期望着它自己通过 Modi 的 Make in India 的项目掀起制造业的革命时，对于权力制定者来说，仔细权衡工业机器人的出现和他们对于在其他发展中国家的制造业转型企业带来的冲击，是十分重要的。富士康，全球最大的电子产品制造商因此而获益。
富士康的崛起反应了中国作为全球电子消费品制造中心地位的急剧上升，这家公司在中国九座城市中有十二家工厂2015年，富士康 CEO 关于富士康 70% 的装配线将会用机器取代人类的语言一时间成为热点新闻。但在后来有些打退堂鼓，他的预言减少到了30%。然而，这些数字无关紧要：制造业运用工业机器人实现自动化生产的根本性转变，标志着一场划时代的革命。
富士康是是在美国专利商标局拥有机器人方面专利最多的企业之一，它可以在一年内生产上千台工业机器人，这些机器人能完成超过 10 个类型的制造任务。这预计会极大地提高生产力：仅仅是富士康在中国昆山的工厂里，就有多达 6 万名员工已经被机器人取代。预计到2016年底，中国的工业机器人布局会比其他任何国家都多，每 1 万名工人中就有 30 多个机器人。如果中国工厂里的机器人达到了那样的密度，就业将进一步遭到重创。
中国可能是世界上最后一个有可能从制造业中创造大量就业机会的主要经济体，而且机器人用于制造业自动化变得越来越普遍。当机器人占领制造业的预言还未变成现实时，自动化的现实是制造业不能创造出像以前一样规模的工作岗位。布鲁金斯科技创新中心（Brookings Center for Technology Innovation）的 Darrell M. West引用美国劳工统计局（U.S. Bureau of Labor Statistics ）2013 年对未来就业预测， 强调了在接下来的几十年中，与其他产业相比制造业和信息技术产业就业将会大量减少。「我认识的一个商业领导有 500 个员工处理其一亿美元的业务，现在公司的员工数量没有改变，但是公司的年收入已经上涨到了 2.5 亿美元」West 写到，「他通过使特定的功能自动化，并使用机器人和先进的生产制造技术来经营公司业务。」
尽管制造业面临危险，关于人工智能革命带来的技术和工作危机的初期讨论现已重点关注印度 IT 企业掌握 AI 相关的技能与能力，以及训练印度 IT 员工掌握 AI 技能的需求以服务于下一波西部的IT自动化事业。为顺应 Y2K 电子商务和 互联网2.0的潮流，世界 IT 服务市场的需求使得印度 IT 产业过度关注了人工智能和机器学习。
麻省理工学院的名誉教授 Frank Levy 在太平洋标准杂志（Pacific Standard magazine）中写到，由人工智能导致的地方就业错位是合理的，并且否定了机器人将占领工作的可怕预测。Levy 表示，决策人最应该关注的领域应该是人工智能对于中间技能如装配线工人、文员的工作带来的影响。Levy 也警告到，由自动化导致的岗位混乱，使得个人的向上晋升的可能性减少。至于如何在这大量的混乱中生存，他强调获得必备的技能和良好的教育至关重要，这也是在这个不断发展的劳动市场中保持竞争力的关键。
在《第二机器时代》一书中，作者 Erik Brynjolfsson 和 Andrew McAfee 提出了许多政策性建议以积极应对由人工智能带来的就业危机。鉴于莫迪的繁荣印度的倡议，其中一条关键性建议对于印度来讲非常重要，那就是「重新创业」。Brynjolfsson 和 McAfee 认为创业经济内在的创造性破坏力，是尝试那些能在人工智能驱动的经济市场中繁荣发展的新工作和产业的最佳赌注。通过将「共同经济」这一概念扩展，运用机器和算法联合人类创造价值，作者提供了一些初创公司的例子，如 TaskRabbit 和 Airbnb，他们为普通人发掘出了原本不存在的市场机遇并节省时间和资产，以此创造经济生产力。
中等人力市场的这种易变性也许代表着对新经济最深刻的威胁，但在人工智能领域还存在着一种更微妙的危险。根据 Economist 的报道，Uber 最近从卡耐基梅隆大学的国家机器人工程师中心的 140 名员工中招募了 40 位参与研发一种自动驾驶汽车（self-driving car）。这种（科研人员）转型到私人产业的案例在美国比比皆是，而高校一直挣扎着想要留住人才，尤其是研究时下热门的机器学习的科研人员和学者。根据 Economist 的分析，这种状况的结果就是人工智能人才越来越多且不成比例的集中在少数几家薪酬最高的私人企业。如果所有的人工智能人才都这么集中，那么人工智能研究的多样性会减少，而且主要的研究都集中在少数的商业理念上，而很多重要的社会和国家领域会非常缺乏人才。这会减慢人工智能的扩散，降低其创新潜力，进一步引起很多中等技能工作岗位的减少，但又无法创造出新的岗位来弥补空缺。这种停滞的情况是可能出现的结果中最糟糕的了，市场力量会使得资金雄厚的人工智能精英企业不断繁荣发展，同时扼杀了来自初创公司，非营利组织和专注于人工智能技术前景而不是盈利的机构的竞争压力。如果这放生了，那么 Brynjolfsson 和 McAfee 提供的灵丹妙药就无关紧要了。
然而这种危机并不是无法避免的：一个为社会公共利益而开放人工智能的举措就是非盈利性质的 OpenAI，这是一个由特斯拉的 Musk 领导的团体。印度的 Infosys 也是加入 OpenAI 的大型 IT 公司中的一个。虽然印度并没有严重的从高校科研实验室到产业的顶级人工智能人才的流失，避免智能资源过于集中的预防措施也是很有必要的。
4.鼓励培养未来工作所需的技能
不是每个人都像 Erik Brynjolfsson 和 Andrew McAfee 那样对即将到来的人工智能革命充满希望。最近 AlphaGo 对弈世界围棋冠军取得的胜利激起了人们对那些能完成超级人类任务的智能机器的恐惧。最可怕的警告来自知名物理学家史蒂芬·霍金，他预言「全人工智能」的发展会带来人类的末日。
虽然这种世界末日的情景离我们还有好几十年，在最近一篇关于 DARPA 举办的侦测和修复网络安全漏洞的网络挑战赛的卫报社论中，一家电信公司的技术高管 Konstantinos Karagiannis 提出了一项严重的警告，掌握人工智能技术的罪犯有可能会实施复杂精密的网络攻击。卫报近期的另一个专栏里，机器人伦理学专家 Jason Millar 呼吁各学科人士联合建立起机器人和人工智能的道德标准，同时他也提出人工智能的进步可能会导致「人类失去控制权」。
对人工智能潜在威胁的担忧也折射出了对其他先进技术的恐惧，比如克隆、转基因食物、核武器、及其他领域的技术。在人工智能这样技术上的政治，你可能见过 20 世纪 60 年代反对计算机在机器工具中应用，还有 80 年代反对计算机在银行中的应用。确实，如果 90 年代由于对无线电辐射的恐惧延迟了最早一批移动电话的面市，那么印度就无法通过移动电话把十亿人联系在一起。今天，通过 Aadhaar 通用鉴别程序，印度的穷人有了身份，而且能越过障碍，绕过中间商，要求获取自己的合法权益。如果在过去 7 年里对隐私被侵犯的恐惧阻止了 Aadhaar 的出现，这一切就不会实现了。类似的，印度今天的人工智能机遇应该被以同样的眼光看作是印度跃入未来的方法，不仅如此，也是一种让人民获取权益的手段。
在具有挑衅意味的节目 Humans Need Not Apply 中，美国计算机科学家和未来学家 Jerry Kaplan 在试图描绘如果机器人掌控社会这一启示录般的未来图景时，探索了这个和其他几个问题。（幸运的事，这种未来主义的情景现在还不需要考虑，因为 Kaplan 排除了这种情况在不远的未来发生的可能性。）最引起关注的是他对于机器智能进化在短时期内会带来的机遇和挑战的特别关注。
Kaplan 特别提出了两个印度政策制定者应该关心的问题。第一个是教育系统，第二个是关于技能和工作的。在讨论人工智能可能给人力市场带来的影响时，Kaplan 提出了一个激进的问题：现有的教育和工作相继的系统是否已经过时，是否需要一次彻底的检查？据 Kaplan的看法，这种连续性系统，如他所描述的「你先上学，然后工作」的一个人一辈子只从事一份工作的经济时代才是有意义的。然而在一种不断变化的经济环境中，工作的性质经常会变化，某项技能可能有价值，但几年之后就会过时。这不是未来的事情，它已经在发生了，包括在印度。从事与自己所学专业明显不相关的工程学毕业生的数量，和进行外包工作的艺术和商科学生的数量就是这种现象的证明。几代之前，事业中段转换专业是无法想象的；现在，二十年之内转变好几次事业已经很常见了，人体会彻底改造自己以适应并与快速变化的经济环境相适应。
Jerry Kaplan 对于相继教育体系的问题在人工智能驱动下的技能过时速度比以往都快的经济环境中变得更加重要。印度如果希望制定一种新的教育政策，政府要做提前考虑，并对序列化的教育体系从现在至将来的持续相关性上提出关键性问题。超越启蒙教育的争论，Kaplan 以人力市场中提供的技能与需求的技能不匹配以强调当前的教育系统变得多么地不合适。Kaplan 在他的书中提出的一个解决方案是特别有前途的。他所谓的「工作抵押」是一种新型的金融工具，雇主、职业学校和学院将达成一种激励合作的新方式。在这个就业抵押市场中，Kaplan 试图使用自由市场机制，以目前的技能掌握迎合未来的就业机会。他建议通过强迫雇主承诺如果一个人承诺在一定的时间内获得一套特定的技能雇主则必须在未来雇用此人来来达到这一目标。这一市场机制，将确保培训机构围绕特定的技能调整他们的计划，雇主更加愿意做出承诺同时学生也更加乐意发展。据Kaplan所说说技能掌握会发生在这样的环境中：由「意图雇用」担保，一个人可以获得保障，其所学技能有益于当前市场。
Kaplan 提出，如果是为了准备自己在不久的将来应对机器智能驱动的经济的挑战，印度将不得不尝试这种创新。尽管这并不是有效开发人力资本的唯一的手段，这种形式的经济探索模型，在迎接人工智能对未来印度经济的挑战方面，是很有前途的。
印度的人工智能政策路线图
尽管这个计划似乎在当下是不合适的，人工智能发展带来的机遇与挑战需要快速的回应，因为纳伦德拉·莫迪总理的每一个旗舰项目很可能会被无情地人工智能进步所影响。制造业的自动化很可能不会为印度创造预期数量的工作岗位；技能过时的速度很可能导致印度技能市场不能达到它的预期；如果消费者的数据和数字印度中的线上行为受人工智能驱动的平台所摆布而且这些服务完全处于印度之外，近几个月内对于数字集群的过分担心很可能会变成现实；如果新的教育政策未能成功预言并适应未来，人工智能主导下的全球经济可能会抹去印度的人口红利。此外，鉴于北京在其国防部驱动的人工智能研究进程方面有着相当大的能力与雄心，印度面对中国的力量上可能会在战略上处于几乎永久性的不利。
1.短期行动
在短期内，印度的政策制定者应该让人工智能成为首相旗舰计划的关键组成部分。计入在印度制造项目中，印度必须为制造商创造特别的激励，如放宽管制、降低贸易壁垒，所以他们应该：
通过在印度建造研究所和设计工作室来投资印度的自动化研究
通过紧密联系印度的大学和初创企业，紧密围绕制造业自动化和机器人创建区域性的创新集群、创新区域和创新长廊。
使印度成为一个基于机器智能的制造业创新的全球中心。
同样的，印度在职业技能方面应该抱着两个目标重做，通过基于市场的与雇主、训练机构、学生紧密相关的工具，在技能失效的情况下保持活力。同时需要特别关注新的技能需求，从而在未来人工智能引导下的经济中生存。
数字印度必须在印度内的快速轨道基础上重新建立云基础设施：当前的容量限制是一个关键性的基础设施差距，也是国家安全的风险。作为数字印度倡议的一部分，新德里必须建立具体的激励机制，为建设在印度的大型数据中心，理想的与州政府建立合作关系。政府必须在印度选定特定区域，这些区域在地理上适合建设大规模的数据中心，有保证的电力供应和其他重要公共基础设施，并将这些作为在数字印度计划中印度云基础设施投资的首要目标。
印度崛起的灵魂在于破坏性的创造而不是保护主义，必需允许其成为主流。最近印度各个州和城市对 Uber 和 Ola 的出租车服务整合的监管决策会适得其反；如果人工智能要充分发挥其潜能，这些善意的规定必须被解除。除非政府和国内的工业允许实验那些未经测试的由所谓的同行经济启用的商业模型，否则在人工智能驱动的经济环境下创造就业机会是不可能的。要迫切意识到改进初创企业做商业的轻松度，不仅仅是一个孵化或是结束一场生意，而且也是让新兴的高效的商业模型兴盛的自由市场计划，是十分必要的。
这是印度历史上的第一次，新的教育政策的构想被一个全国性的商议和众包进程所保证。对收到的数据进行大量的分析并设计出全新的政策受到数量上以及印度无数问题的复杂性的挑战。制定新的教育政策不能仅仅依据受当前的挑战、约束与限制影响的数据。国家教育政策必须有一种长期的技能经济观，评估当前系统的持续相关性，并对不寻常的教育模型提出根本性的更适合于未来经济的意见。引导并实验这样的新的教育模型应该在当前系统的快速衰退开始之前立刻开始。
2.人工智能在公共领域的中期应用
政府应该明确印度公共部门的应用，当前人工智能的进步可以对构建人工智能的国内应用的技能和能力产生显著的影响。例如，新德里可以：
应用基于人工智能的技术进行模式识别并学习逃税行为，挖掘公共数据库检测税收欺诈和非法所得，以实现最大限度地减少逃税并最大限度地提高税收。
运用人工智能扫描记录，识别诈骗的特征，并将补贴与其他消费数据相关联，以检测滥用补贴，并可将补贴更直接地发放给公民。
开发自然语言处理能力使得多语言的交流和大范围的政府服务和接口的相互作用变得自动化，例如：为最常用的市民-政府交互提供 MyGov.in 众包、语音通话、自动热线和聊天机器人。
将基于人工智能的训练和教学软件应用于各种技能培训和教学应用中。
在上述领域中，政府应该联合私营部门和大学研究所，有效地利用现有的技术，从而快速地创造那些解决特定的明确的新技术。
3.长期战略
印度必须把机器智能视为其国家安全战略的关键因素。当人工智能被视为美国和日本外交的关键组成部分时，印度也出现了类似的处理提议。印度政府必须制定一个顺应新兴技术的发展趋势且在长期有战略性意义的国家战略。印度必须仔细评估联合私营部门和大学合作的国防研究的 DARPA 模型，以创造使用范围足够大的技术，使其可以应用于民用技术应用开发。具体而言，DARPA 的网络大型挑战模型需要测试在学术界和私营部门成功奖励。
建立国家智能网格（NATGRID：National Intelligence Grid）平台将连接公民数据库，也许是一个创造一个基于机器智能平台的有利于国家安全和公民利益的好建议，因此应被列为首要任务。另一种可能性是 Aadhaar，一个基于平台的基于海量数据集的统治方法，这可以为印度复兴创造可能。作者 Nandan Nilekani 和 Viral Shah 列举了五个基于数据的可以处理大范围政府业务的平台。将此列表扩展到十个包含国家和地方政府的公共数据库将有能力建立一个稳定的机器学习架构来填补补贴的漏洞，更加合理地颁发津贴并扩大税基。
结论
从NATGRID 到 Aadhaar，由机器智能驱动的平台可以成为印度横跨广泛的社会服务的一种战略统治工具。然而，这些平台也有他们的挑战：以人工智能驱动的平台进行统治会需要强有力的数字隐私法和限制使用人工智能的道德规范。然而，人工智能的可能应用的范围是如此之大，它所带来的机遇是很难全面理解的。虽然印度可能在人工智能革命中苏醒的太晚，但印度的消费者、专家、学者和企业家，通过在美国或是其他地方的许多起源于印度并且有影响力的研究，已经为参与进这场革命之中做好了准备。印度总理号召他们团结起来在印度建立起人工智能生态系统，从而不仅仅是要赶上，而是要大步跨越地进入进入人工智能驱动的未来。
