人工智能模擬、延伸和擴展人類智力。自1956年達特茅斯研討會上，科學家們設想研發一種擁有與人類相媲美的機器智能，先提出“人工智能”概念后，這一新興學科引得無數的科學家為之奮斗，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，同時也推動了人工智能與各學科L域的深入融合。

人工智能的發展歷程J非一帆風順，歷經幾榮幾衰后，此輪以深度學習為代表的新一代人工智能的崛起，正在深刻影響一個的國際競爭力和國際產業競爭格局。當前，世界主要發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。在競爭壓力下，我們站在人工智能新時代的懸崖D端，再次問自己這個引發了一切的問題：人工智能到底是什么？人工智能如何改變社會？的人工智能應該做怎樣的探索？

人工智能：是否具備強大學習能力

歷經60多年起起落落，人工智能在深度學習、大數據和計算能力三大發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特征。在具體應用場景下，人工智能基于場景大數據進行學習，發現知識，創造價值，并為智能系統合理的決策和行動提供支撐。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進行數據價值化操作。

人工智能與自動化也有著明顯區別。自動化是建立在確定的模型和流程基礎上的，能自動反饋控制，也具有對環境中確定性參數變化的調整能力。數學家也可以提出判定這些自動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范圍較大。人工智能如果具備對非結構化環境變化系統的適應能力，則就具備了自主性，這是自動化的GJ階段。而自主性是基于信息甚至知識驅動的，系統根據任務需求自主完成“感知—判斷—決策—執行”的動態過程，并能夠應對意外情形。

這種建立在大數據基礎上的靜態學習和自動化基礎上的動態自主學習目前還大多是弱人工智能。靜態的學習是通過與大數據標注等結合構成閉環，從而不斷提G性能，例如語音識別、圖像識別、機器翻譯等任務。而動態學習能力，則是與環境建立實時化的學習和反饋機制，不斷適應交互需求，例如進入物質世界的機器人和自主無人系統�，F有大多人工智能算法在現實數據或者環境下性能進步只是線性的，而通過虛擬環境則有可能實現超實時、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有一個明確的標準。但真正的人工智能無疑應該具備強大的學習能力。對環境的理解、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，這意味著巨大的發展空間，也正是人工智能的魅力所在。這些問題只要有一點兒進步和解決，就會對人類社會和人們生活發生巨大的改變。

人工智能：處于改變社會的初J階段

自20世紀50年代發展至今，根據人工智能解決問題的不同階段，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階段。

階段是感知智能，以語音識別、圖像理解、文字識別等為主要任務，表現為“能聽會說、能看會認”，單一任務已接近或超越人類水平。就人工智能取得大進展的語音識別L域而言，在幾萬乃至幾十萬小時標注語音數據基礎上，深度學習可以達到甚至超過我們人類的聽寫水平。當前人工智能在感知智能層的技術已經進入了一個成熟的階段。

第二階段是認知智能，以推理、決策、學習等為主要任務，表現為“能理解、會思考、有認知。以讓機器回答“明天這個天氣狀況會造成航班延誤嗎？”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造成航班延誤等常識，也需要知道具體到某個航空公司或機場飛機起飛基本準則等。語言理解的背后是常識和推理，而文字只是人類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。

隨著機器認知水平越來越G，其“自主性”進一步增強，具備了應對更多樣態勢和功能的能力，人類無可避免地會將越來越多的問題交給機器決策。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題下，提升人機信任度，增強人類與智能系統交互協作智能的研究，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用場景的識別、分類、跟蹤、檢測等感知智能，但當這些感知智能走向通用場景時，就邁入了認知智能和決策智能邊界。當我們試圖把語音識別系統放置于背景嘈雜的雞尾酒會環境時，現有系統就基本分不清東南西北了。機器就需要跟人類大腦一樣，調用人類的知識、常識等記憶并不斷進行選擇決策，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“無人區”亟須探索。

人工智能技術正在塑造數據J其豐富的商業和社會場景，但目前推動業務爆炸式增長的人工智能往往并不復雜。事實上，只需要一個計算機系統就能完成傳統上由專業人士來完成的特定任務——這通常被稱為“弱人工智能”。

人工智能作為社會發展的引擎，需要與各行業深度結合，而人工智能平臺至關重要。平臺就像人類工業文明的蒸汽機，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、改善生產和管理流程、提供醫療輔助診斷、到改變人類的教學方式等。在人工智能時代，我們需要新的思維邏輯，數據和算法已經成為整個世界的底層，也是我們理解未來的關鍵。但受人工智能技術和商業推動的約束，這種改變目前僅僅處于初J階段。

我國人工智能：健康發展的正確路徑

先，人工智能技術發展先需要一個務實的環境。只有清醒客觀的判斷和勤勤懇懇的努力，這項技術才會真正地便捷人們的工作和生活。過去幾年把后臺人工作業當做人工智能，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年實現無人駕駛等新聞。在擾亂人工智能市場的同時，也給決策者和公眾帶來困惑。實踐證明，即使在更簡單、更具體的智能放射學案例中，將實驗室演示用于現實也非常困難，而實現更加復雜的全自動駕駛，比大多數人預期的要困難得多。

第二，人工智能學習能力的基礎科學問題需要長期探索。真正人工智能核心體現在能指數J提升性能的不錯學習能力上，目前機器學習無論從機理還是能力都與此相差甚遠。從人類大腦結構、功能和可塑性學習機制上探索智能本質、研究相應學習算法，將為了解并定量化描述人工智能技術的性能預期和局限性奠定基礎。人工智能不同于人類智能，研究把數據和知識相結合，開發能充分利用觀測數據、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物理環境的學習算法等基礎性工作也十分重要。

第三，需要堅持把應用場景落地作為推動新一代人工智能發展的抓手。人工智能作為一項通用性賦能型技術，對人類經濟和社會發展產生了深刻的影響，隨著我國《新一代人工智能發展規劃》加緊實施，充分發揮我國得天d厚的海量數據資源、巨大應用需求和深厚市場潛力，以此促進推動關鍵核心技術形成以及應用模式的推廣，建立起我國人工智能健康發展的創新G地，是當前人工智能發展的重要發力點。

第四，需要加快建立連接人工智能創新鏈的人工智能平臺生態。如同所有創新性的信息技術，人工智能正在快速走向開源化、平臺化、生態化。在過去幾年，PyTorch和TensorFlow 等深度學習框架流行，J大地優化了模型性能和提供更加G效的開發模式。從中短期來看，我國要充分發揮應用優勢，從應用、芯片和基礎算法協同入手，依托現有優勢企業、聯盟等開源平臺和社區，集中力量發展開源開放的人工智能平臺，奠定良好的人工智能底層應用生態；從中長期看，要通過算法的原始創新，形成從基礎理論、算法、芯片、核心軟件到應用生態的完整創新鏈，研究建立基于知識產權共享的開源激勵機制和大規模群體協同共享機制，促進基礎算法、行業數據、典型應用方面的開放共享，推動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。

總書記在主持政治局第九次集體學習時強調，“人工智能是新一輪科技革命和產業變革的重要驅動力量，加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題�！痹谶@一輪的人工智能浪潮中發揮著不可替代的作用，并且次有可能站在L跑的位置上，新一輪科技革命與產業變革已曙光可見。

在此背景下，圍繞人工智能重大問題，探索新型舉國體制在重大基礎理論突破和關鍵核心技術攻關中的作用，加快構建引L型資源集聚性的創新體制就顯得J為必要。一方面從層面完善人才政策和評價體系，從上到下構建吸引人才、適合人才成長的、穩定支持的環境，組織D科學家和工程師長期穩定地進行團隊式研究攻關，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，縱向串聯整條人工智能創新鏈條。

在這場關乎前途命運的大賽場上，我們需要搶抓人工智能發展的重大戰略機遇，構筑先發優勢，把握新一輪科技革命戰略主動，以期實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，為建設創新型奠定堅實基礎。