▼20世紀(jì)80年代初，中科院系統(tǒng)科學(xué)研究所原辦公樓（現(xiàn)融科大廈）（左起：許國志、吳文俊、印度學(xué)者、關(guān)肇直）

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(shí)驗(yàn)室，在身體力行迎接第三代人工智能浪潮的同時(shí)，也覺得需要對(duì)中國人工智能產(chǎn)學(xué)研的歷史進(jìn)行梳理和總結(jié)。

我與本書作者之一林軍相識(shí)多年，他是我在哈爾濱工業(yè)大學(xué)的學(xué)生中有名的“筆桿子”，他的很多同學(xué)是我在哈工大計(jì)算機(jī)系當(dāng)系主任時(shí)的學(xué)生，如微軟亞洲研究院的研究員呂巖、中科院計(jì)算所的山世光、鵬城實(shí)驗(yàn)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(jì)算機(jī)學(xué)會(huì)多有合作，包括從2016年開始的“全球人工智能與機(jī)器人峰會(huì)”。

聽了我對(duì)于“中國人工智能簡史”這個(gè)項(xiàng)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(duì)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(jì)70年代末開始的第二波人工智能浪潮，是一個(gè)“承前啟后”的重要時(shí)期。在這一階段，我們不僅在符號(hào)主義人工智能的研究上取得了世界級(jí)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(dòng)“863計(jì)劃”的研究。在20世紀(jì)90年代國際人工智能研究進(jìn)入低谷的時(shí)候，“863—306計(jì)劃”的實(shí)施培養(yǎng)了一大批進(jìn)入國際高技術(shù)前沿的計(jì)算機(jī)人才，為我國實(shí)現(xiàn)創(chuàng)新驅(qū)動(dòng)戰(zhàn)略奠定了人才基礎(chǔ)。

與“863計(jì)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(gè)人的一段終生難忘的經(jīng)歷。在擔(dān)任智能接口責(zé)任專家的幾年間，通過課題評(píng)審、課題考察、學(xué)術(shù)交流，我逐步對(duì)漢字識(shí)別、語音識(shí)別、中文信息處理、工程圖與文本識(shí)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(shí)方向有了深入理解，與這些領(lǐng)域的專家們進(jìn)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(jì)劃”等主題的專家。可以說，“863—306計(jì)劃”是人工智能人才的大熔爐。

這段經(jīng)歷也讓我體會(huì)到，人工智能的發(fā)展是一個(gè)螺旋式前進(jìn)的過程。在前一波AI浪潮沉寂了一段時(shí)間后，前兩年大家都覺得AI“大風(fēng)”來了，必須趕快前進(jìn)，不要掉隊(duì)；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(dāng)下ChatGPT的爆火，又讓公眾對(duì)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(jī)器學(xué)習(xí)方面。深度學(xué)習(xí)，即深度神經(jīng)網(wǎng)絡(luò)是機(jī)器學(xué)習(xí)的一種方法，這種方法確實(shí)可以解決很多問題，也取得了很大的成功。但深度學(xué)習(xí)也要發(fā)展。我去美國開會(huì)，馬里蘭大學(xué)一位知名的AI專家調(diào)侃說，現(xiàn)在“深度學(xué)習(xí)有深度而無學(xué)習(xí)”。這是因?yàn)檫@樣的學(xué)習(xí)嚴(yán)格來說不是學(xué)習(xí)，而是訓(xùn)練，是用大數(shù)據(jù)在訓(xùn)練一個(gè)數(shù)學(xué)模型，而不是真的學(xué)習(xí)到知識(shí)。

更大的問題是人們不知道機(jī)器學(xué)習(xí)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(gè)問題。解決了這個(gè)問題，AI可能又會(huì)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(xué)的程度，后面還有很長的路可走。對(duì)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(shí)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(jì)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(jī)器人，應(yīng)用于各種各樣的知識(shí)決策系統(tǒng)。

第二類是不可統(tǒng)計(jì)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(jì)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(jì)出規(guī)律，但是用語言表述邏輯和因果關(guān)系相當(dāng)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(gè)問題上取得了大的飛躍。

第四類是不可統(tǒng)計(jì)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(jī)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(huì)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(huì)，尤其是給自動(dòng)化領(lǐng)域、機(jī)器人領(lǐng)域帶來的機(jī)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(dòng)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(shì)也有短板。優(yōu)勢(shì)有四個(gè)：強(qiáng)有力的政策支持、龐大的數(shù)據(jù)、豐富的應(yīng)用場(chǎng)景、非常多的有潛力的年輕人。同時(shí)有四個(gè)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(tái)建立不足、高端人才不足。

既然有這四個(gè)短板，我們?cè)撛趺崔k？實(shí)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(gè)很好的前瞻性考慮，基本原則有四個(gè)：一是科技引領(lǐng)，二是系統(tǒng)布局，三是市場(chǎng)主導(dǎo)，四是開源開放。目標(biāo)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(dá)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(xué)家共事和交換意見。尤其是在上一波人工智能浪潮中，他們?cè)谥T多不利因素下，克服了種種困難，突破了自己的學(xué)科和背景所帶來的局限，他們的獻(xiàn)身精神和科學(xué)態(tài)度令我感動(dòng)，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(shí)力，以古鑒今，本書對(duì)中國人工智能發(fā)展的總結(jié)和梳理恰當(dāng)其時(shí)，有助于新時(shí)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(shí)可以讓前人的積累成為代代相傳的寶貴精神財(cái)富。

（原載《北京日?qǐng)?bào)》，作者：高文）