科创中国

问题背景：

20世纪中叶，信息科学技术迅速崛起，开启了工业时代向信息时代迈进的历史进程。初等的信息科学技术包括形式化信息的获取（传感）、形式化信息的传递（通信）、形式化信息的浅层处理（计算）、形式化信息的执行（控制）等。由于只需要对形式化的信息进行相对简单的处理，因此最先发展起来。这就是今天已经成为普遍社会现实的信息化成就。

随着信息时代社会对信息科学技术的需求不断由简单走向复杂，由初级水平走向高级水平，由表层需求走向深层需求，初等信息科学技术正在快速地向高等信息科学技术演进，信息化正在向智能化演进。这就是“人工智能”科学技术被社会高度关注的基本背景。

与初等信息科学技术很不相同，人工智能不再满足于对“形式化”的信息进行“相对简单”的处理，它所要求的信息应当是“形式、内容、价值”三位一体的完整信息（称为“全信息”），它所需要进行的处理应当是把“全信息”进行复杂的“深度加工”、使之成为解决复杂问题的“智能策略”，以便协助人类不断解决越来越复杂的问题，不断改善人类生存与发展的水平。

于是，一个基本的问题就摆在科学技术工作者面前：怎样才能把“全信息”经过“深度加工”生成解决复杂问题的“智能策略”？把这个问题表述得更规范一些就是：智能是怎样生成的？普适性的智能生成机制是什么？这既是“人工智能”研究的核心问题，也是“人类智能”研究的核心问题。没有对于“智能生成机理”的正确理解和把握，人工智能研究就会处于“盲目”的状态。

令人遗憾的是，经过了半个多世纪发展的人工智能科学技术并没有解决这个核心问题，甚至没有真正触及这个问题。显然，如果不能解决这个核心问题，人工智能的研究就只能在粗浅经验的基础上盲目地“摸着石头过河”，成为经验性的、个别性的而不是科学性的、普适性的人工智能。

注意到“智能无处不需”的客观事实，“摸着石头过河”的经验性个别性的人工智能研究必然无法满足现实社会的需求。这对人类社会的进步、经济的发展、民生的改善、国家的安防而言，该是多么巨大的缺损和伤痛！

关键突破点：

思想指导行动，方法孕育结果。对于科学研究来说，科学观就是科学研究的宏观指导思想，方法论就是科学研究方法的宏观原则；科学观决定了方法论，科学观和方法论决定了研究的全局蓝图（全局模型）和研究方略（研究路径），而研究模型和研究路径则决定了所研究领域的学科基础（包括学科的交叉科学基础和所需要的数理基础），后者又决定了学科的基础概念和基本原理。

因此，若要探寻人工智能的深层奥秘（如普适性的智能生成机理），全面建立人工智能的基础理论，就必须从人工智能研究的顶层入手，即从人工智能研究所践行的科学范式（科学观和方法论）入手，由此自顶向下逐层展开。否则，就可能使研究工作的方向走偏或者发生重要的疏忽和遗漏。

至于人们所熟悉和热衷的“算法”和“算力”虽然也很重要，但它们都属于比较低层（表1中的基本概念和基本原理层次）的技术手段，它们可以用来改进具体的人工智能系统（或子系统）的技术性能，但是，没有科学范式、全局模型和研究路径的变革的“算法算力”，却几乎触及不到人工智能“生成机理”这样深刻的问题。

于是，抓住人工智能研究的“科学范式”，才算抓住了“牛鼻子”。

基于以上的认识，如果深入研究人工智能的本质就可以理解：人工智能是高级复杂的信息系统，理应遵循信息科学的科学范式（科学观和方法论）。然而，考察人工智能研究的起源和历史却可以发现：自人工智能诞生之日起，它就接受了传统物质科学的科学范式的引领 － 把“智能”看作是脑物质的功能，因而按照物质科学“分而治之”的方法把人工智能的研究分解为三大分支领域：（1）模拟大脑新皮层结构的人工神经网络研究，（2）模拟大脑思维功能的物理符号系统（后来收缩为专家系统）研究，（3）模拟人类行为的感知动作系统研究。可见，人工智能研究在科学范式的问题上犯了“张冠李戴”的忌讳：用传统物质科学的科学观和方法论（张冠）指导人工智能的研究活动（李戴）”。

这当然是历史交替时期所产生的特殊问题 － 当人工智能研究在20世纪中叶快速兴起的时候，学术界还没有信息科学的科学范式可用（因为整个信息科学也是在20世纪中叶才急速兴起的，还没有来得及形成自己特有的科学范式，任何科学范式都要在长期科学实践的基础上才能逐渐形成），只有传统物质科学的科学范式可用。因此，初期的人工智能研究沿用了（借用了）传统物质科学的科学范式，这是难以避免的，也是可以理解的。

问题在于，作为高级复杂信息系统的人工智能研究，不应当一直借用传统物质科学的科学范式，而必须总结和践行自己（信息科学）的科学范式，这样才能走上健康发展的正确轨道。这，就是今日人工智能研究的关键突破口。

一旦在科学研究的最高层面确立了人工智能研究的正确的科学范式（科学观和方法论），清除了科学范式上的“张冠李戴”弊病，就可以做到“一清百清，一正百正，一通百通”，并且自顶向下地引发一系列的重大突破，直捣黄龙，揭开笼罩在“普适性智能生成机理”上的神秘面纱，建立起科学完备的现代人工智能的基础理论。

颇为值得深思的是：半个多世纪以来，国内外一代又一代如此众多的人工智能研究者们，都在乐此不疲地研究各种具体的人工智能算法，兴致勃勃地关注各种具体人工智能系统的性能改善，却没有人能够“仰望星空”，站在时代更替（工业时代向信息时代迈进，物质科学时代向信息科学时代迈进）这个高度来关注人工智能研究最根本的问题 － 科学范式“正位”的问题，以至竟然无人注意到人工智能研究的科学范式存在“张冠李戴”的问题。这是典型的“只见树木，不见森林”，“拣了芝麻，丢了西瓜”。这是一个值得认真汲取的“世纪教训”！

现在，该是解决这个问题的时候了。

主要科学问题：

对照表1 所示的科学研究活动体系结构可以明白，如果继续沿用传统物质科学的科学范式（机械唯物科学观和“分而治之”方法论），坚持“张冠李戴”，就永远都不可能揭示“普适性智能生成机理”的奥秘。只有深入总结并真正践行信息科学的科学范式（信息科学的科学观和信息生态方法论），才能达到目的。

由此可以提炼出需要深入研究的科学问题，其中至少包括：

（1）总结和建立信息科学（含人工智能）的科学观和方法论

科学范式是科学研究的制高点和总纲领，因此，是当今人工智能研究走向高级阶段所必须突破和占领的高地。只有从这个制高点出发，才能居高临下，势如破竹，直击“智能生成机理”这个核心。反之，如果不颠覆现有的科学观和方法论，就会按照“分而治之”的做法，越研究越偏，越研究越窄。

（2）人工智能的全局模型

全局模型是科学研究对象的全局蓝图。蓝图不准确，研究必然走偏。现有人工智能的研究把“脑”作为全局模型，这是一个受限的人工智能蓝图。按照这个模型，几乎不可能揭示“普适性智能生成机理”的奥秘。通过深入的研究可以发现，人工智能的完整过程其实是“主体与客体相互作的寻优生长模型”。因此，需要深入研究和论证。

（3）人工智能的研究路径

研究路径是研究的总策略。策略正确与否，直接决定了研究的成败。现在的人工智能研究路径是“结构模拟”、“功能模拟”、“行为模拟”，这些研究路径都具有很大的片面性和局限性，几乎不可能揭示“普适性智能生成机理”这个核心问题的奥秘。因此必须建立更加科学的研究路径和策略。

（4）人工智能的学科基础

学科基础是否准确，决定了研究能否到位。现在的人工智能研究基本上把计算机科学作为自己的主要学科基础，这是远远不够的。如上所说，人工智能是一类高级复杂的信息系统，因此，信息科学的“信息生态规律”是人工智能的命脉和要害。准确地说，人工智能是神经科学、认知科学、信息科学、逻辑学、数学、人文科学和哲学的交叉科学。只有从这样的基础出发，才能接触到人工智能的深层本质。

（5）形式、内容、价值三位一体的描述和分析方法

物质科学的研究对象是物质，严禁“主观因素”的介入，而物质科学关注的是物质结构，因此只需要“形式化”的描述和分析方法。但是，人工智能却与此大不相同，它不但不禁止主观因素的介入，反而要引进主体的主观因素（目的），因为，智能本身就是主体在与客体相互作用的过程中为了实现主体的目的而建立的策略。于是，人工智能的研究必须采用“形式、内容、价值”三位一体的描述和分析方法才能实现“主客互动”需要。如何建立这种方法来研究人工智能的问题、特别是“普适性智能生成机理”的问题？这是一个重大的研究课题。

战略意义：

人工智能以模拟和扩展人类智能为研究目标，如果人类掌握了“普适性智能生成机理”，就可以制造大量的各种各样的人工智能机器为人类服务。因此，人工智能科学技术的战略意义就是“把人类从重复性的体力劳动和需要技巧但有规可循的智力劳动中解放出来”，使人类有更多的时间和精力去强健身体，充实知识和强化能力，最终的目的是发挥人类独有的贡献 － 从事创造性的工作。

这样，人类发挥自己“创造性地发现问题”的优势，人工智能机器发挥它们的“高效率高质量地解决问题”的优势，人机合作，强强联合，优势互补，不断地发现问题和解决问题，不断改善人类生存和发展的环境和条件，不断地促进社会的进步。这对人类社会的进步、经济的发展、科技的创新、环境的优化、民生的改善、国家的安防都会产生史无前例而且无可估量的贡献。