北京日報 | 作者 高文中國人工智能產(chǎn)學研的前世今生,、來龍去脈——從人工智能的起點出發(fā)看見未來20世紀80年代初,，中科院系統(tǒng)科學研究所原辦公樓（現(xiàn)融科大廈）（左起：許國志、吳文俊,、印度學者,、關(guān)肇直） 本書插圖《中國人工智能簡史：從1979到1993》 林軍 岑峰 著 人民郵電出版社我是本書的倡導(dǎo)者之一,。2018年年初,，在發(fā)起新一代人工智能聯(lián)盟后，我決意開始組建鵬城實驗室,，在身體力行迎接第三代人工智能浪潮的同時,，也覺得需要對中國人工智能產(chǎn)學研的歷史進行梳理和總結(jié)。我與本書作者之一林軍相識多年,，他是我在哈爾濱工業(yè)大學的學生中有名的“筆桿子”,，他的很多同學是我在哈工大計算機系當系主任時的學生，如微軟亞洲研究院的研究員呂巖,、中科院計算所的山世光,、鵬城實驗室的曾煒……林軍創(chuàng)辦的雷峰網(wǎng)也是國內(nèi)有影響力的知名科技媒體,，與中國計算機學會多有合作，包括從2016年開始的“全球人工智能與機器人峰會”,。聽了我對于“中國人工智能簡史”這個項目的建議,，林軍很快答應(yīng)下來。他提議雷峰網(wǎng)的總編輯岑峰也一起參與到該書的寫作中來,。從我的角度來看,，人工智能在中國發(fā)展了幾十年，經(jīng)歷了不少曲折與困難,，現(xiàn)在人工智能火了,，不少研究者對過去的歷史缺乏了解，不了解中國人工智能的前世今生,、來龍去脈,。不知脈絡(luò)，不知過往,，也就有了許多的似是而非,。中國的人工智能研究剛好趕上20世紀70年代末開始的第二波人工智能浪潮，是一個“承前啟后”的重要時期,。在這一階段,，我們不僅在符號主義人工智能的研究上取得了世界級的成果，也趕上了神經(jīng)網(wǎng)絡(luò)研究的浪潮,，更重要的是,，在前人研究和論證的基礎(chǔ)上，國家決定啟動“863計劃”的研究,。在20世紀90年代國際人工智能研究進入低谷的時候,，“863—306計劃”的實施培養(yǎng)了一大批進入國際高技術(shù)前沿的計算機人才，為我國實現(xiàn)創(chuàng)新驅(qū)動戰(zhàn)略奠定了人才基礎(chǔ),。與“863計劃”結(jié)緣和參與到中國人工智能發(fā)展的歷史中來,，這是我個人的一段終生難忘的經(jīng)歷。在擔任智能接口責任專家的幾年間,，通過課題評審,、課題考察、學術(shù)交流,，我逐步對漢字識別,、語音識別、中文信息處理,、工程圖與文本識別,、圖像與視頻編碼、多媒體通信,、智能交互技術(shù),、虛擬現(xiàn)實方向有了深入理解，與這些領(lǐng)域的專家們進行了充分的交流與合作,，經(jīng)歷了人工智能發(fā)展的波峰和波谷,。今天國內(nèi)人工智能界的領(lǐng)軍人物，許多是“863計劃”等主題的專家,?？梢哉f，“863—306計劃”是人工智能人才的大熔爐,。這段經(jīng)歷也讓我體會到,，人工智能的發(fā)展是一個螺旋式前進的過程。在前一波AI浪潮沉寂了一段時間后,，前兩年大家都覺得AI“大風”來了,，必須趕快前進，不要掉隊;這兩年人工智能有所降溫,，大家冷靜下來后開始發(fā)現(xiàn),，AI還是面臨很多挑戰(zhàn)。而當下ChatGPT的爆火,，又讓公眾對人工智能有了新的興趣,。AI現(xiàn)在主要的缺陷或者說不足是在機器學習方面。深度學習,，即深度神經(jīng)網(wǎng)絡(luò)是機器學習的一種方法,，這種方法確實可以解決很多問題，也取得了很大的成功,。但深度學習也要發(fā)展,。我去美國開會，馬里蘭大學一位知名的AI專家調(diào)侃說,，現(xiàn)在“深度學習有深度而無學習”,。這是因為這樣的學習嚴格來說不是學習，而是訓(xùn)練,，是用大數(shù)據(jù)在訓(xùn)練一個數(shù)學模型,，而不是真的學習到知識。更大的問題是人們不知道機器學習是怎么解決問題的,。在神經(jīng)網(wǎng)絡(luò)里,，有很多東西沒有辦法被定性和解釋，這是比較難的一個問題,。解決了這個問題,，AI可能又會迎來一波大的浪潮。用人的一生來比喻，今天的人工智能水平大概是剛上小學的程度,，后面還有很長的路可走,。對于未來，我們需要思考AI現(xiàn)在做了多少事,，未來還有多少事需要做,。事實上，我們現(xiàn)在所解決的AI問題還是很小的一部分,。AI涉及的問題可以分為四類,。第一類是可統(tǒng)計可推理的AI問題。這一部分在工業(yè)界已經(jīng)可以使用,，可以應(yīng)用于機器人,，應(yīng)用于各種各樣的知識決策系統(tǒng)。第二類是不可統(tǒng)計可推理的AI問題,。這類AI問題靠大數(shù)據(jù)解決不了,，只能靠傳統(tǒng)的邏輯和規(guī)則來處理。第三類是可統(tǒng)計不可推理的AI問題,。有大數(shù)據(jù),，通過大數(shù)據(jù)都能統(tǒng)計出規(guī)律，但是用語言表述邏輯和因果關(guān)系相當復(fù)雜,。這方面的曙光已經(jīng)初現(xiàn),，但是也需要更多的突破。ChatGPT正是在這個問題上取得了大的飛躍,。第四類是不可統(tǒng)計不可推理的AI問題,。這是最難的AI問題。沒有模型和數(shù)據(jù),，這類問題未來機器人不可能涉足,，也不可能勝過人。通過分析這四類AI問題,，我們可以看出,，第一類問題研究得比較成熟，已經(jīng)能夠成功應(yīng)用了,。第二類,、第三類問題正在突破，是AI1.0向AI2.0過渡的主要研究內(nèi)容,。也不難看出,，未來AI會在哪些方面超過人、在哪些方面不可能超過人,。第四類AI問題短期內(nèi)難以突破,。AI給全社會，尤其是給自動化領(lǐng)域、機器人領(lǐng)域帶來的機遇是非常多的,。過去幾十年,，我們經(jīng)歷了比較大的浪潮，第一波是PC浪潮,，它給信息領(lǐng)域帶來了顛覆性的影響,。之后是互聯(lián)網(wǎng)浪潮,，它成就了一大批互聯(lián)網(wǎng)公司,，如谷歌、百度,。緊接著是移動互聯(lián)網(wǎng)的新一波浪潮,，蘋果、華為等都是乘著這一波浪潮起來的公司,。下一波是什么,？一定是AI，下一波公司中如果能再出現(xiàn)蘋果,、華為這樣的公司,，那它一定是AI公司。目前,，我國的人工智能發(fā)展正從AI1.0向AI2.0過渡,。總體來講,，我國發(fā)展人工智能有優(yōu)勢也有短板,。優(yōu)勢有四個:強有力的政策支持、龐大的數(shù)據(jù),、豐富的應(yīng)用場景,、非常多的有潛力的年輕人。同時有四個短板：基礎(chǔ)理論和原創(chuàng)算法薄弱,、關(guān)鍵核心元器件薄弱,、開源開放平臺建立不足、高端人才不足,。既然有這四個短板,，我們該怎么辦？實際上,，科技部在新一代人工智能發(fā)展規(guī)劃方面已經(jīng)有了一個很好的前瞻性考慮,，基本原則有四個：一是科技引領(lǐng)，二是系統(tǒng)布局,，三是市場主導(dǎo),，四是開源開放。目標是在2020年中國的人工智能能夠和世界同步，到2025年其中一部分能夠達到領(lǐng)先水平,，到2030年總體上能夠走在前面,。從事人工智能研究30多年來，我曾與不少科學家共事和交換意見,。尤其是在上一波人工智能浪潮中,，他們在諸多不利因素下，克服了種種困難,，突破了自己的學科和背景所帶來的局限,，他們的獻身精神和科學態(tài)度令我感動，也為今天的研究者們樹立了榜樣,。在新一輪人工智能浪潮中,，中國已經(jīng)有了與世界同步發(fā)展的實力，以古鑒今,，本書對中國人工智能發(fā)展的總結(jié)和梳理恰當其時,，有助于新時代的人工智能研究者更好地了解人工智能的發(fā)展規(guī)律，同時可以讓前人的積累成為代代相傳的寶貴精神財富,。（作者為鵬城實驗室主任,、中國工程院院士、中國計算機學會原理事長）