人工智能模擬、延伸和擴展人類(lèi)智力。自1956年達特茅斯研討會(huì )上，科學(xué)家們設想研發(fā)一種擁有與人類(lèi)相媲美的機器智能，先提出“人工智能”概念后，這一新興學(xué)科引得無(wú)數的科學(xué)家為之奮斗，涌現出Wiener、Simon、Hinton等大師J代表性人物。研究者們在尋找答案的過(guò)程中導致了深刻的分歧，形成了連接主義、符號主義和行為主義等流派，同時(shí)也推動(dòng)了人工智能與各學(xué)科L域的深入融合。

人工智能的發(fā)展歷程J非一帆風(fēng)順，歷經(jīng)幾榮幾衰后，此輪以深度學(xué)習為代表的新一代人工智能的崛起，正在深刻影響一個(gè)的國際競爭力和國際產(chǎn)業(yè)競爭格局。當前，世界主要發(fā)達紛紛將人工智能作為戰略，力爭搶占新一輪科技革命的制G點(diǎn)。在競爭壓力下，我們站在人工智能新時(shí)代的懸崖D端，再次問(wèn)自己這個(gè)引發(fā)了一切的問(wèn)題：人工智能到底是什么？人工智能如何改變社會(huì )？的人工智能應該做怎樣的探索？

人工智能：是否具備強大學(xué)習能力

歷經(jīng)60多年起起落落，人工智能在深度學(xué)習、大數據和計算能力三大發(fā)展力量碰撞下重獲新生，數據智能成為這次人工智能浪潮重要的技術(shù)特征。在具體應用場(chǎng)景下，人工智能基于場(chǎng)景大數據進(jìn)行學(xué)習，發(fā)現知識，創(chuàng )造價(jià)值，并為智能系統合理的決策和行動(dòng)提供支撐。在這一背景下，這種初J階段的“人工智能”需要大量的數據作為“思考”和“決策”的基礎，大數據也需要人工智能技術(shù)進(jìn)行數據價(jià)值化操作。

人工智能與自動(dòng)化也有著(zhù)明顯區別。自動(dòng)化是建立在確定的模型和流程基礎上的，能自動(dòng)反饋控制，也具有對環(huán)境中確定性參數變化的調整能力。數學(xué)家也可以提出判定這些自動(dòng)化系統調整能力穩定性的判斷依據。而人工智能的研究對象則存在模型嚴重的不確定性，即模型未知或知之甚少，模型的結構和參數變動(dòng)范圍較大。人工智能如果具備對非結構化環(huán)境變化系統的適應能力，則就具備了自主性，這是自動(dòng)化的GJ階段。而自主性是基于信息甚至知識驅動(dòng)的，系統根據任務(wù)需求自主完成“感知—判斷—決策—執行”的動(dòng)態(tài)過(guò)程，并能夠應對意外情形。

這種建立在大數據基礎上的靜態(tài)學(xué)習和自動(dòng)化基礎上的動(dòng)態(tài)自主學(xué)習目前還大多是弱人工智能。靜態(tài)的學(xué)習是通過(guò)與大數據標注等結合構成閉環(huán)，從而不斷提G性能，例如語(yǔ)音識別、圖像識別、機器翻譯等任務(wù)。而動(dòng)態(tài)學(xué)習能力，則是與環(huán)境建立實(shí)時(shí)化的學(xué)習和反饋機制，不斷適應交互需求，例如進(jìn)入物質(zhì)世界的機器人和自主無(wú)人系統�，F有大多人工智能算法在現實(shí)數據或者環(huán)境下性能進(jìn)步只是線(xiàn)性的，而通過(guò)虛擬環(huán)境則有可能實(shí)現超實(shí)時(shí)、指數J性能提升，這有待于人工智能基礎理論突破。

智能的玄妙之處在于沒(méi)有一個(gè)明確的標準。但真正的人工智能無(wú)疑應該具備強大的學(xué)習能力。對環(huán)境的理解、推理、對結果的可解釋性等都是達到認知、決策階段人工智能必不可少的重要特征。我們正處在真正人工智能的起步階段，這意味著(zhù)巨大的發(fā)展空間，也正是人工智能的魅力所在。這些問(wèn)題只要有一點(diǎn)兒進(jìn)步和解決，就會(huì )對人類(lèi)社會(huì )和人們生活發(fā)生巨大的改變。

人工智能：處于改變社會(huì )的初J階段

自20世紀50年代發(fā)展至今，根據人工智能解決問(wèn)題的不同階段，大致可以將其歸納為感知智能、認知智能和決策智能等三個(gè)階段。

階段是感知智能，以語(yǔ)音識別、圖像理解、文字識別等為主要任務(wù)，表現為“能聽(tīng)會(huì )說(shuō)、能看會(huì )認”，單一任務(wù)已接近或超越人類(lèi)水平。就人工智能取得大進(jìn)展的語(yǔ)音識別L域而言，在幾萬(wàn)乃至幾十萬(wàn)小時(shí)標注語(yǔ)音數據基礎上，深度學(xué)習可以達到甚至超過(guò)我們人類(lèi)的聽(tīng)寫(xiě)水平。當前人工智能在感知智能層的技術(shù)已經(jīng)進(jìn)入了一個(gè)成熟的階段。

第二階段是認知智能，以推理、決策、學(xué)習等為主要任務(wù)，表現為“能理解、會(huì )思考、有認知。以讓機器回答“明天這個(gè)天氣狀況會(huì )造成航班延誤嗎？”為例，機器不但需要了解現在的天氣狀況是什么、還需要知道什么樣的天氣會(huì )造成航班延誤等常識，也需要知道具體到某個(gè)航空公司或機場(chǎng)飛機起飛基本準則等。語(yǔ)言理解的背后是常識和推理，而文字只是人類(lèi)認知空間的冰山一角。認知智能的研究才剛起步，目前人工智能的認知天花板還很低。

隨著(zhù)機器認知水平越來(lái)越G，其“自主性”進(jìn)一步增強，具備了應對更多樣態(tài)勢和功能的能力，人類(lèi)無(wú)可避免地會(huì )將越來(lái)越多的問(wèn)題交給機器決策。但機器的決策就一定比人的決策正確嗎？這就需要加強復雜問(wèn)題下，提升人機信任度，增強人類(lèi)與智能系統交互協(xié)作智能的研究，即決策智能。

但感知智能、認知智能和決策智能J非涇渭分明。當前人工智能只解決了專(zhuān)用場(chǎng)景的識別、分類(lèi)、跟蹤、檢測等感知智能，但當這些感知智能走向通用場(chǎng)景時(shí)，就邁入了認知智能和決策智能邊界。當我們試圖把語(yǔ)音識別系統放置于背景嘈雜的雞尾酒會(huì )環(huán)境時(shí)，現有系統就基本分不清東南西北了。機器就需要跟人類(lèi)大腦一樣，調用人類(lèi)的知識、常識等記憶并不斷進(jìn)行選擇決策，才能有效區分不同信號源并加以正確處理。目前人工智能距離認知智能和決策智能還有較遠的距離，存在大量“無(wú)人區”亟須探索。

人工智能技術(shù)正在塑造數據J其豐富的商業(yè)和社會(huì )場(chǎng)景，但目前推動(dòng)業(yè)務(wù)爆炸式增長(cháng)的人工智能往往并不復雜。事實(shí)上，只需要一個(gè)計算機系統就能完成傳統上由專(zhuān)業(yè)人士來(lái)完成的特定任務(wù)——這通常被稱(chēng)為“弱人工智能”。

人工智能作為社會(huì )發(fā)展的引擎，需要與各行業(yè)深度結合，而人工智能平臺至關(guān)重要。平臺就像人類(lèi)工業(yè)文明的蒸汽機，可以適配到不同的應用L域，形成不同的AI社區幫助解決氣候變化、改善生產(chǎn)和管理流程、提供醫療輔助診斷、到改變人類(lèi)的教學(xué)方式等。在人工智能時(shí)代，我們需要新的思維邏輯，數據和算法已經(jīng)成為整個(gè)世界的底層，也是我們理解未來(lái)的關(guān)鍵。但受人工智能技術(shù)和商業(yè)推動(dòng)的約束，這種改變目前僅僅處于初J階段。

我國人工智能：健康發(fā)展的正確路徑

先，人工智能技術(shù)發(fā)展先需要一個(gè)務(wù)實(shí)的環(huán)境。只有清醒客觀(guān)的判斷和勤勤懇懇的努力，這項技術(shù)才會(huì )真正地便捷人們的工作和生活。過(guò)去幾年把后臺人工作業(yè)當做人工智能，刻意拔G人工智能水平以獲取投資，以及把預設程序的自動(dòng)化當做智能等偽人工智能的行為層出不窮。再加上媒體不嚴謹的報道，如把OpenAI的GPT-2生成文章的能力、對人工智能替代放射科醫生的預測、DeepMind論文缺乏潛在局限性的討論、Elon Musk曾承諾2020年實(shí)現無(wú)人駕駛等新聞。在擾亂人工智能市場(chǎng)的同時(shí)，也給決策者和公眾帶來(lái)困惑。實(shí)踐證明，即使在更簡(jiǎn)單、更具體的智能放射學(xué)案例中，將實(shí)驗室演示用于現實(shí)也非常困難，而實(shí)現更加復雜的全自動(dòng)駕駛，比大多數人預期的要困難得多。

第二，人工智能學(xué)習能力的基礎科學(xué)問(wèn)題需要長(cháng)期探索。真正人工智能核心體現在能指數J提升性能的不錯學(xué)習能力上，目前機器學(xué)習無(wú)論從機理還是能力都與此相差甚遠。從人類(lèi)大腦結構、功能和可塑性學(xué)習機制上探索智能本質(zhì)、研究相應學(xué)習算法，將為了解并定量化描述人工智能技術(shù)的性能預期和局限性奠定基礎。人工智能不同于人類(lèi)智能，研究把數據和知識相結合，開(kāi)發(fā)能充分利用觀(guān)測數據、模擬數據和先驗知識的人工智能算法體系，設計并測試基于真實(shí)物理環(huán)境的學(xué)習算法等基礎性工作也十分重要。

第三，需要堅持把應用場(chǎng)景落地作為推動(dòng)新一代人工智能發(fā)展的抓手。人工智能作為一項通用性賦能型技術(shù)，對人類(lèi)經(jīng)濟和社會(huì )發(fā)展產(chǎn)生了深刻的影響，隨著(zhù)我國《新一代人工智能發(fā)展規劃》加緊實(shí)施，充分發(fā)揮我國得天d厚的海量數據資源、巨大應用需求和深厚市場(chǎng)潛力，以此促進(jìn)推動(dòng)關(guān)鍵核心技術(shù)形成以及應用模式的推廣，建立起我國人工智能健康發(fā)展的創(chuàng )新G地，是當前人工智能發(fā)展的重要發(fā)力點(diǎn)。

第四，需要加快建立連接人工智能創(chuàng )新鏈的人工智能平臺生態(tài)。如同所有創(chuàng )新性的信息技術(shù)，人工智能正在快速走向開(kāi)源化、平臺化、生態(tài)化。在過(guò)去幾年，PyTorch和TensorFlow 等深度學(xué)習框架流行，J大地優(yōu)化了模型性能和提供更加G效的開(kāi)發(fā)模式。從中短期來(lái)看，我國要充分發(fā)揮應用優(yōu)勢，從應用、芯片和基礎算法協(xié)同入手，依托現有優(yōu)勢企業(yè)、聯(lián)盟等開(kāi)源平臺和社區，集中力量發(fā)展開(kāi)源開(kāi)放的人工智能平臺，奠定良好的人工智能底層應用生態(tài)；從中長(cháng)期看，要通過(guò)算法的原始創(chuàng )新，形成從基礎理論、算法、芯片、核心軟件到應用生態(tài)的完整創(chuàng )新鏈，研究建立基于知識產(chǎn)權共享的開(kāi)源激勵機制和大規模群體協(xié)同共享機制，促進(jìn)基礎算法、行業(yè)數據、典型應用方面的開(kāi)放共享，推動(dòng)形成具有國際影響力的標準規范和準則，占據人工智能制G點(diǎn)。

總書(shū)記在主持政治局第九次集體學(xué)習時(shí)強調，“人工智能是新一輪科技革命和產(chǎn)業(yè)變革的重要驅動(dòng)力量，加快發(fā)展新一代人工智能是事關(guān)我國能否抓住新一輪科技革命和產(chǎn)業(yè)變革機遇的戰略問(wèn)題�！痹谶@一輪的人工智能浪潮中發(fā)揮著(zhù)不可替代的作用，并且次有可能站在L跑的位置上，新一輪科技革命與產(chǎn)業(yè)變革已曙光可見(jiàn)。

在此背景下，圍繞人工智能重大問(wèn)題，探索新型舉國體制在重大基礎理論突破和關(guān)鍵核心技術(shù)攻關(guān)中的作用，加快構建引L型資源集聚性的創(chuàng )新體制就顯得J為必要。一方面從層面完善人才政策和評價(jià)體系，從上到下構建吸引人才、適合人才成長(cháng)的、穩定支持的環(huán)境，組織D科學(xué)家和工程師長(cháng)期穩定地進(jìn)行團隊式研究攻關(guān)，并鼓勵自由探索。另一方面，加快布局J的人工智能研究中心和實(shí)驗室，橫向吸納各L域D人才和資源，碰撞智慧火花，縱向串聯(lián)整條人工智能創(chuàng )新鏈條。

在這場(chǎng)關(guān)乎前途命運的大賽場(chǎng)上，我們需要搶抓人工智能發(fā)展的重大戰略機遇，構筑先發(fā)優(yōu)勢，把握新一輪科技革命戰略主動(dòng)，以期實(shí)現我國在人工智能馬拉松賽式國際競爭中始終占據有利地位，為建設創(chuàng )新型奠定堅實(shí)基礎。