张松延/摄

在前不久举办的世界电信和信息社会日活动上，发展中世界工程技术科学院院士、中国人工智能学会前理事长钟义信发表主旨演讲，指出人工智能目前有三条研究路线，每条路线局部都有亮点，但整体上还远未成熟。造成这种局面的根本原因是研究范式上出现了“张冠李戴”。

人工智能意义重大

谈到人工智能的意义，钟义信说，人工智能是和人类智能相比来说的，人类的智能是什么呢？是根据人类自身的目的和知识来发现问题、解决问题，解决了老问题，又要发现新问题，不断地周而复始，但是不断地前进。这样一种能力，保证了人类不断地向更加美好的未来发展。人工智能就是要做出各种人工的制品，也就是机器。这种智能机器主要是用来扩展人类解决问题的能力，基本上不去研究用机器发现问题。

特别是2016年以来，大家在热议人工智能的时候都没有分清楚这样的关系，以为人工智能机器一出来，发现问题、解决问题，一切都可以超越人类，这是一个误解。人类的能力有了这种机器的帮助就不再是人自身的能力了，而是人自身的能力加上各种机器，包括智能机器的能力。机器的能力越强，人类自身的能力加上它的能力，人的能力就更强。这样来看，当然它的意义可以说是非常深远、非常伟大的。

人工智能有三大流派

人工智能从它的历史来看，不是1956年才有，1956年有了人工智能这个名词和人工智能研究当中一种做法，其实在这之前，1943年就已经有模仿人类智能所依赖的大脑皮层结构，那就是神经网络。所以，人工智能应该是1943年就有了。

第一个是模拟结构。第二是模拟人脑思维的功能，所以我们叫做功能主义的人工智能，1956年这个研究的路线问世了。第三条路线是1990年左右，是模拟智能系统的行为。

模拟结构、模拟功能、模拟行为，构成了今天人工智能研究的三大流派。这种现状告诉我们，结构主义、功能主义、行为主义这三条路线都是为了去研究如何把人类的智能在机器中实现出来，只不过一个是模拟人的智力系统的结构，第二个是模拟它的功能，第三个是模拟它的行为。

每一条研究路线都有很好的成果。像2016年的AlphaGo或者是AlphaZero，把人类围棋的世界顶尖高手61名统统打败。这是功能主义和结构主义联合的结果。行为主义的成果主要是智能机器人，现在智能机器人的智能水平比较低，慢慢会越来越完善。

现在人工智能整个状况是：三条研究路线，每条路线都有亮丽的成果，就是局部有亮点，但是整体没有成熟。广度上有三个学派，没有形成合力。在深度上也分成三层：浅层、中层、深层。现在的人工智能基本上在浅层的层面上做工作，所以它的理解能力比较低下。

研究范式张冠李戴

钟义信认为，70年来人工智能的研究都犯了一个毛病，在研究的范式上张冠李戴。张是经典的物质科学，李是人工智能。人工智能是用了经典的物质科学的范式来研究问题。

科学观、方法论叫做科学研究的范式，这是最重要的，有了范式，后面的模型、研究路径、基本概念、基本原理就可能比较正确。

经典物质科学的研究范式比较有操作意义的就是方法论，叫分而治之。把复杂的系统、复杂的问题分成一系列相对简单的子系统，简单到你现在可以去研究了，你的物理知识、数学知识、编程能力、硬件的知识能力都可以解决问题。

这个办法在物质科学里是非常成功的，正因为有了这个方法，学科门类越来越多，研究的深度越来越深，造就了今天科学技术的繁荣。但是这样好的方法论用到了人工智能却有大问题。因为人工智能是信息科学当中最精彩的，是制高点，而信息与物质这两个基本的资源、科学概念有原则的区别。所以，人工智能应该用自己的科学观、方法论来研究，就是李冠李戴才行，不能张冠李戴。

人工智能下一步的发展，继续在原来的范式下还可以做，但是一定要有一部分人（尖兵或者是敢死队）做范式的革命。这种看不见、摸不着的科学观、方法论好像是在天际、云端，很难把握。这是人工智能现在和未来要努力去攻克的难点。

研究纲领要“顶天立地”

要进行范式革命，就要有“顶天立地”的研究纲领。所谓顶天立地，我们看研究程式，您必须研究科学观，因为全部过程是科学的过程，在天上来指挥你，是起点，所以叫顶天。有了科学观，怎么去做？这就是方法论，它也在天际、云端。这部分支配和指挥下面这些层次。所以，如果不从这儿做，只从中间或者是底下层面做，成果会很局部。

这几年大家的算法、算力、硬件要不要紧？要紧，但不是最要紧的，最要紧的是观念、方法论，这个东西搞对了，算法才知道怎么做，算力才能在正确的方向上发挥作用。所以，一定要做看不见的研究。

有了这样的观念和方法论，接下来怎样表达人工智能整体的研究对象？把它描述出来，又不丢掉具体的东西，但是又不能眉毛胡子一把抓，你要构筑一个人工智能的整体模型，是一个全局的蓝图。这个蓝图不对了，研究一定是事倍功半。

有了模型、有了蓝图，从哪儿着手？路径怎么选择？最后变成下一个关键的，是路径导向。这两个就在天的层次上把认识和方法论转化成为具体我们可以做的，大家用算法、算力、硬件去实现的这部分。

用信息科学观替代物质科学观

物质的科学观要让位于信息的科学观。方法论要把经典物质科学的机械还原方法论拿掉，用信息生态的方法论，这样才能够适应人工智能的研究。

现在的人工智能不管是三派中的哪一派，他们用的模型都是大脑，因为大家都叫做智能，定位在大脑，所以就把脑作为他们研究的模型。脑模型没有错，但是不完全。我们构建的模型是主体、客体相互作用的一个演进模型。

有了模型，路径怎么研究呢？现在的人工智能研究的路径都不够科学，要么是模拟人脑的结构，这就是神经网络。要么是研究人脑的功能，这就是专家系统。以前更早的时候叫做物理符号系统。机器人是模仿智能的行为。

这三种途径可以取得局部的成果，但不可能得到全局性的成果。我们提出的研究路径是智能生长的机制，这个机制是在主客相互作用的过程中使智能生长起来。把这个机制掌握了，面对任何问题，你能够按照这个机制生长出智能来解决，这才是一个根本的办法。

基本概念。现有人工智能的研究主要的概念包括数据、知识、智能。我们研究的机制主义人工智能理论，它的概念要多得多，比如说数据。其实数据只是信息的一个载体，数据如果携带了信息，这个数据就有用，如果数据没有携带信息，这个数据是没有用的。

所以，不了解内容、价值，就去做决策，没有办法，只能靠统计。现在最流行的解决问题的办法是统计，学习也是统计型的学习，各种人工智能专业也是基于统计的专业，就是因为它丢了内容、价值，只剩一个壳、表面，所以就只能是统计了。

知识也是非常表面的，特别是人工智能从来都不敢去触碰艺术。连艺术都没有，人工智能的系统智能靠得住吗？所以只是靠经验、统计。情感很长时间也不敢去研究，最近有些研究，也有一二十年了，但是情感怎么表述？怎么表现？情感是怎么发生的？内在的、深层的都没有研究。

原理。神经网络有它的一些原理，专家系统有知识工程的原理，但是没有人总结，不知道到底有多少原理。

机制主义的人工智能理论有一组信息转换原理。信息转换是我们得到了问题，描述这个问题是信息，这个信息要转换成为人感知的信息，感知的信息只是一种表面现象的认识。

有了知识，对这个问题有了深层的认识，但是认识不等于就能解决，必须再进一步转换成为智能策略。有了策略，还要把智能策略变成智能行为。我们有非常明确的一组信息转换的原理，就把人工智能的理论构建起来了，得到了三个理论：一是人工神经网络理论；二是专家系统；三是物理符号系统的理论。

我们建立了机制主义的人工智能通用理论。真正用这个理论的时候，用户需要提供的只有三样东西：第一，你希望它解决的问题有哪些，要把问题定义明确了。第二，这个问题达到什么程度你就满意了，这就是目标。第三，为了解决这个问题达到那个目标，需要多少知识，需要哪些知识，用户需要提供，这是领域。

有了这三样东西，机器就可以按照模型得到一个智能行为。所以，如果这个通用的理论解决了问题的话，用户利用这样一个基础理论可以很好地生成各种专门领域的应用系统，支持各个经济领域、社会领域的需求，这是一个有普遍意义的模型。