中國開源軟件推進聯盟：探索通用人工智能之路國內外人工智能跟帖留言（138頁）.pdf

《中國開源軟件推進聯盟：探索通用人工智能之路國內外人工智能跟帖留言（138頁）.pdf》由會員分享，可在線閱讀，更多相關《中國開源軟件推進聯盟：探索通用人工智能之路國內外人工智能跟帖留言（138頁）.pdf（138頁珍藏版）》請在三個皮匠報告上搜索。

1、1 2 點評“探索通用人工智能之路”陸首群 2022.5.5 4 年前 COPU 提出“人工智能向何處去？”同時構建“人工智能國內外跟帖留言平臺”，期望基于平臺博納人工智能發展的多元言論，回答人工智能發展方向問題。迄今 COPU 已收到人工智能國內外跟帖留言1006 條。我們決定陸續匯總編輯出版 可解釋性機器學習、異步脈沖神經網絡+神經擬態計算系統、腦機接口、基于大規模語義網絡約認知算法、探索通用人工智能之路等 5 部專輯。在探索通用人工智能之路專輯中，有“通用人工智能（AGI）”的探索者，也有“通用人工智能”的創新理論一一“機制主義通用人工智能（GTAI）”的探索者；有資深院士提出的“通用人

2、工智能十問”，也有專家提出的“十答”；我們匯集了國內外專家對通用人工智能的探索性觀點、理論，也有正、負面評論，包括國外有的專家提出“為什么通用人工智能不能實現”的觀點，還有的專家認為“探索通用人工智能之路還很漫長”。本專輯可說是各舒其見，繽彩紛呈！實踐是檢驗真理的唯一標準，我們盼望專家們的理論探索能夠獲得實踐證實的時間早日到來！下面介紹鐘義信教授探索、創建的“機制主義通用人工智能理論”，以及我的感受（可能有傾向性，那也可算是一家之言提供大家參考）：我的老友鐘義信教授幾年來多次給我們發來他的“機制主主義通3 用人工智能理論”的跟帖，沖擊了我們頭腦里一些傳統觀念，展示一條不同的探索通用人工智能基礎

3、理論創新之路。在與鐘教授多次交談學習中感到：他的機制主義通用人工智能不同于目前國內外人工智能主流，后者都把人工智能看作是計算機科學的延伸，都是從算法、算力、數據入手展開研究，也不同于另一部分科研人員把人工智能看作是人腦技術的實現，而從模擬人腦結構或功能出發開展的研究。他認為這些研究都有出色的成果，可惜只是人工智能的“局部性”和“表層性”成果，沒有觸及人工智能的本質。他提出的機制主義通用人工智能理論是通用人工智能的創新理論，其英文縮寫是 GTAI（General Theory of AI），可能與我以前認定的通用人工智能（其英文縮寫是 AGI）有差別，機制主義通用人工智能是在通用人工智能領域取得

4、的突破。機制主義通用人工智能的研究路徑是以普適性智能生成機制（即信息轉換與智能創生）為核心的。在本專輯上，我們征得鐘教授同意，將轉載他于去年 12 月 15 日刊登在人民日報學術前沿上的論著：“范式革命：人工智能基礎理論源頭創新的必由之路”。4 國內外通用人工智能跟帖留言（共 28 條）1 1-546546，研發通用人工智能基礎理論推出新一代人工智能，研發通用人工智能基礎理論推出新一代人工智能 陸總，您寄來的異步脈沖神經網絡與類腦計算系統研發動態收到了，非常感謝！近年來，國內外人工智能研究高度活躍出現了許多新方法和新進展，令人欣喜。在人工智能發展的歷史上有三大學派，他們鼎足三分，各自取得不少精

5、彩成果，但三派爭霸，無法實現統一。三大學派各自采取三種不同的研究路徑（三種發展范式）：是模擬人類大腦皮層生物神經網絡結構的人工神經網絡研究（也稱結構主義研究路徑），是模擬人類邏輯思維功能的物理符號系統和專家系統研究（也稱功能主義研究路徑），是模擬智能生物行為的感知動作系統研究（也稱行為主義研究路徑）。不同學派互相競爭，各自發展，均存在很大片面性。不過根據我五十多年研究所積累的知識來判斷，這些新方法和新進展不可能取得人工智能的根本性突破，原因是他們都沒有抓住人工智能學科范式（即其科學觀和方法論）的有機整體這個龍頭。要想研發新一代通用人工智能，必須對學科范式及基礎理論進行顛覆性變革，改革并融合三種

6、不同的發展范式，并從統一的人工智能發展范式出發，正確把握和處理好如下四個問題：即糾正 AI 研究范式張冠李戴，把握信息科學研究范式，立足于研發通用 AI 基礎理論，推動中華文明優勢偉大復歸（于范式變革中）。謹向您作詳細說明，并把我的一個 PPT 寄給您，供您仔細研究。關于新一代人工智能發展途徑詳見附件一。請陸總批評指正！鈡義信 北郵人工智能學院 2020.9.15 5 2 2-547547，附件一：人工智能范式的顛覆性變革催生了“通用的人工智能基礎理論”一一 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29

7、30 31 3 3-548548，邁向第三代邁向第三代 AIAI 清華大學 AI 研究院 張鈸、朱軍、蘇杭 摘錄自“紀念中國科學創刊 70 周年?？鼻迦A大學人工智能研究院張鈸院士等人提出如何邁向第三代人工智能的理論及其發展途徑。他們認為，在人工智能 60 年發展中，一直存在相互競爭的范式：上世紀 80 年代，符號主義（第一代 AI）主導 AI 的發展，上世紀 90 年代至本世紀初，連接主義（第二代 AI）推動 AI 的發展，但這兩種范式只是從不同側面模擬人類的心智（大腦），具有各自片面性，不可能觸及人類真正的智能。他們提出的第三代人工智能的理念及其發展途徑是：融合第一代知識驅動和第二代數據驅

8、動的 AI 范式，把知識驅動和數據驅動結合起來，同時利用知識、數據、算法和算力等四要素，建立可解釋和魯棒的 AI 理論與方法，構造更強大的 AI，即發展安全、可信、可靠和可擴展的 AI 技術，這是發展第三代 AI 必經之路。為了實現第三代 AI 的目標，他們采用“三空間融合”的模型，如能實現，這時機器就會像人類的行為一樣。4 4-549549，附件二 第三代人工智能單一空間模型、雙空間模型、三空間模型見附件二：第一代知識驅動的 AI，利用知識，算法和算力三個要素構造 AI，第二代數據驅動的 AI，利用數據、算法與算力三個要素構造 AI。由于第一、二代 AI 只是從一個側面模擬人類的智能行為，因

9、此存在各自的局限性。為了建立一個全面反映人類智能的 AI，需要建立魯棒與可解釋的 AI 理論與方法，發展安全、可信、可靠與可擴展的 AI 技術，即第三代 AI。其發展的思路是，把第一代的知識驅動和第二代的數據驅動結合起來，通過同時利用知識、數據、算法和算力等四個要素，構造更強大的 AI。目前存在雙空間模型與單一空間模型兩個方案。雙空間模型 32 雙空間模型如圖 1 所示，它是一種類腦模型，符號空間模擬大腦的認知行為，亞符號（向量）空間模擬大腦的感知行為。這兩層處理在大腦中是無縫融合的，如果能在計算機上實現這種融合，AI 就有可能達到與人類相似的智能，從根本上上解決目前 AI 存在的不可解釋和魯

10、棒性差的問題。單一空間模型 單一空間模型是以深度學習為基礎，將所有的處理都在亞符號（向量）空間，這顯然是為了利用計算機的計算能力，提高處理速度。問題在于深度學習與大腦的學習機制不同，在許多方面表現不佳，如可解釋和魯棒性等，關鍵是要克服深度學習所帶來的缺陷，如圖 2 所示，下面討論幾個關鍵問題。為了實現第三代 AI 目標，我們采用三空間融合的模型，即融合雙空間與單空間33 兩種模型，如 3 所示。5 5-550550，也談新一代人工智能也談新一代人工智能 忠實的跟帖者 讀了鈡義信、張鈸等老師談論新一代人工智能（第三代人工智能）的發文，眼前一亮！他們的觀點不同于目前國內外多數學者，他們建議的人工智

11、能發展路徑不同于當今人工智能不同學派提出的發展路徑，并認為后者均存在很大片面性，他們的共同點是要立足于人工智能融合的統一范式，從源頭出發進行探索（雖然鐘、張對范式的出發點以及發展途徑也未必完全相同）。至今，鐘、張的建議尚屬于構想，尚未見到他們推出具有實效的解決方案，我們還需拭目以待！鐘、張在提出“發展途徑”時均十分關注創建語義網絡作為通向新一代人工智能的關鍵環節，張老師談到人類的分析和決策是利用自身包括常識在內的背景知識在語義空間當中完成，但是數據特征空間和人類的語義空間在結構和內涵上存在明顯區別，我們贊成這樣的論述。聯想到當今國內外研究的大規模語義網絡，對突破認知智能顯得其支持力度不足，還差

12、最后一公里?。▽Υ?，不少人在以往發表的人工智能跟帖中有所討論）期望鐘、張等老師們在研究新一代人工智能的基礎理論和實踐中取得成功！34 6 6-559559，機制主義通用智能理論（鐘義信教授來信）陸總：您好！您寄來的國內外 AI 跟貼留言第六集收到了，非常感謝！向您報告：我們原先發現的“普適性智能生成機理”不但適用于人工智能，而且適用于人類智能。因此，“機制主義通用人工智能理論”可以推廣成為“機制主義通用智能理論”。這里的關鍵就在于“研究范式的革命”。這太有意思了！如果您有興趣和時間，我可以給您做一個具體的匯報。鐘義信 559 號附件：人工智能范式革命與通用智能理論的創生-鈡義信，北京郵電大學人

13、工智能學院 人工智能范式的革命與通用智能理論的創生 鐘義信鐘義信（北京郵電大學人工（北京郵電大學人工智能學）智能學）提要：提要：人工智能的研究取得了一批可喜的進展，也面臨著諸多的挑戰。為了應 對這些挑戰，學術界涌現了豐富多彩的創新思路。筆者相信，每種思路都有其合 理之處，都有可能獲得一定的成效。不過，根據筆者的分析，人工智能面臨的最 深刻最本質的挑戰，是學科和時代的大轉變所帶來的大陣痛：范式的張冠李戴。因此，必須對人工智能的范式實施“正冠”：顛覆傳統學科范式對人工智能研究 的束縛，確立信息學科范式對人工智能研究的規范和引領。實施人工智能范式革 命的結果，便創生了本文要介紹的通用智能理論。一、為

14、什么人工智能的根本出路是范式革命？1 1、什么是人工智能？、什么是人工智能？智能與智慧是相聯系又相區別的概念。人類智慧人類智慧 是人類為了生存發展的目 的而運用知識去探索未來發現問題（隱智慧隱智慧 ）和在此基礎上變革現實解決問題（顯智慧顯智慧）的能力。隱智慧嚴格依賴于人類目的和思辨能力，只有人類能享有。而顯智慧依賴于人類的智能操作，故稱人類智能人類智能，可用機器來模擬。人工智能人工智能 是以人類智能（變革現實解決問題的顯智慧）為原型、研究具有 智能水平的機器系統為人類提供智能服務的學科。2 2、人工智能研究的現狀：局部有精彩，整體很無奈、人工智能研究的現狀：局部有精彩，整體很無奈 人工智能系統

15、的具體形態多種多樣，分別源于三大學派。（1）1943 年發端 的以模擬人腦結構為導向的人工神經網絡學派，（2）1956 年興起的以模擬人腦 功能為標志的專家系統35 學派，（3）1990 年前后問世的以模擬智能系統行為為特 色的感知動作系統學派。經過數十年的努力，三大學派的研究都取得了一些精彩的成果。如人工神經網絡的深度學習，專家系統的機器博弈，感知動作系統的智能機器人等。但是，另一方面，三大學派的研究更面臨著許多問題。其中最為嚴峻的挑戰包括：它們的理解能力（真正的智能水平）都非常低，它們的通用能力都非常差，至今未能形成人工智能的整體理論。這些問題的嚴重性表現在：（1）智能水平低下，就不夠資格

16、成為真正的人工智能不夠資格成為真正的人工智能。（2）沒有整體人工智能理論，就表明人工智能的研究遠遠沒有上軌人工智能的研究遠遠沒有上軌。系統學的原理表明：整體遠遠大于部分和。再多再好的部分成果之和，也遠 遠不如整體成果。但是如何才能解決整體理論的建構？至今仍然眾說紛紜。3 3、人工智能存在問題的總根源：范式張冠李戴、人工智能存在問題的總根源：范式張冠李戴 人工智能的研究之所以會存在上述這些嚴重的問題，根本原因在于：人工根本原因在于：人工 智能是智能是一類開放復雜的信息系統，卻遵循了傳統物質學科的方法論一類開放復雜的信息系統，卻遵循了傳統物質學科的方法論：（1）人工智能被分解為結構模擬、功能模擬、

17、行為模擬三大學派，歸因于 運用了傳統學科的“分而治之”方法論。對復雜信息系統施行“分而治之”的施行“分而治之”的 結果就割斷了復結果就割斷了復雜信息系統各個子系統之間復雜而隱秘的信息聯系雜信息系統各個子系統之間復雜而隱秘的信息聯系 ，而這 些復雜隱秘的信息聯系正是復雜信息系統的生命線和靈魂。失去了（不可恢復）生命線和靈魂的各個子系統，就不再可能恢復原來的復雜信息系統！這是現行人 工智能研究不能建立“整體理論”的根本原因。（2）人工智能系統智能水平低下，歸因于運用了傳統學科的“單純形式化”方法論。智能的決策能力根植于對研究對象的形式、內容、價值的全面理解，而 施行“單純形式化施行“單純形式化”的

18、結果，丟失了內容和價值這樣的智能“內核”的結果，丟失了內容和價值這樣的智能“內核”，單憑對表面形式的了解很難做出智能的決策。這是“智能水平低下”的根本原因?！胺侄沃焙汀皢渭冃问交笔莻鹘y物質學科的方法論。它們對傳統學科 的研究、發展與繁榮做出了偉大的歷史性貢獻，功不可沒。然而，把它們用到人 工智能研究領域，就用錯了場合，變成了“張冠李戴”！眾所周知，方法論是為科學觀服務的，有什么樣的科學觀就要求有什么樣的 方法論。傳統學科的方法論在人工智能研究領域產生了負面的效果，說明傳統學 科的科學觀也不適合于人工智能的研究。學科的科學觀闡明“學科的本質是什么”，學科的方法論則闡明“學科的研 究應當怎么

19、做”。于是，學科的學科的 科學觀與方法論兩者一起，就決定了學科研科學觀與方法論兩者一起，就決定了學科研 究應當究應當遵循的規遵循的規范方式，稱為學科的研究范式，簡稱范式范方式，稱為學科的研究范式，簡稱范式。思想指導行動，任何學科的研究都必須遵循本學科的研究范式。以上的分析 表明：人人36 工智能的研究范式張冠李戴工智能的研究范式張冠李戴（用傳統物質學科的范式來規約作為開 放復雜信息系統的人工智能研究）是人工智能存在各種問題的總根源。4 4、人工智能研究范式的張冠李戴，是歷史的必然、人工智能研究范式的張冠李戴，是歷史的必然 學科的研究活動（社會存在）都由它的范式（社會意識）所支配。但是，由 于“

20、社會意識滯后于社會存在”法則的制約，20 世紀中葉信息學科的研究活動 迅猛興起之后，直到如今都還沒有能夠形成信息學科的范式，因此，信息學沒有能夠形成信息學科的范式，因此，信息學 科的研究便沿用了業已存在的傳統科的研究便沿用了業已存在的傳統物質學科范式物質學科范式。于是就造成了整個信息學 科（含人工智能）范式的張冠李戴?？梢?，人工智能范式的張冠李戴，并不是筆者的主觀臆斷，而是由物質學是由物質學 科主導的學科主導的學科體系向信息學科主導的學科體系（由工業時代向信息時代）科體系向信息學科主導的學科體系（由工業時代向信息時代）歷史性大轉變所帶歷史性大轉變所帶來的大陣痛來的大陣痛，是不以人的意志為轉移的

21、客觀規律。5 5、范式革命：人工智能基礎理論重大突破的必由之路、范式革命：人工智能基礎理論重大突破的必由之路 既然人工智能存在問題的總根源是“范式的張冠李戴”，那么，解決問題的 對癥良方就應當是“正冠”：顛覆傳統物質學科范式對人工智能研究的桎梏，顛覆傳統物質學科范式對人工智能研究的桎梏，確立信息學科范確立信息學科范式對人工智能研究的規范和引領。式對人工智能研究的規范和引領。那么，什么是信息學科的范式？表 1 示出了信息學科范式的內涵特征。為了 便于比較，表 1 還列出了傳統學科的范式以及現行人工智能所實行的范式。37 表 1 學科范式的比較 事項事項 科學觀科學觀 方法論方法論 經典物經典物

22、機械唯物的物質觀機械唯物的物質觀 機械還原的方法論機械還原的方法論 對象：物質客體，排除主觀因素 描述方法：純粹形式化 質學科質學科 關注：對象的結構與功能 判斷方法：形式匹配 遵守：確定性演化，具有可分性 宏觀處置：分而治之 現行人現行人 近準的“物質觀”近準的“物質觀”明確的“還原論”明確的“還原論”對象：腦物質，排除主觀因素 描述方法：純粹形式化 工智能工智能 關注：對象的結構與功能 判斷方法：形式匹配 遵守：可分性 宏觀處置：分而治之 現代信現代信 唯物辯證的信息觀唯物辯證的信息觀 信息生態方法論信息生態方法論 對象：主體駕馭的主客互動信息過程 描述方法：形式內容價值整體化 息學科息學

23、科 關注：主體目的 判斷方法：內容理解 遵守：不確定性演化 宏觀處置：生態演化 通過表 1 三種范式（科學觀和方法論）的詳細解析和對比，可以十分清晰 地看出：作為復雜信息系統的現行人工智能研究，它所遵循的研究范式本來應當 是信息學科的研究范式（后者的內涵特征參見表 1 的第三欄），但實際上卻是遵循了傳統物質學科的研究范式（請比較表 1 的第 1 欄和第 2 欄）。這就是“人工 智能范式張冠李戴”的具體表現。造成張冠李戴的深刻原因已在第 4 節闡明?？梢?，只有顛覆和摒棄傳統學科范式對人工智能研究的鉗制，確立信息學科 范式對人工智能研究的規范和引領，人工智能的發展才能走上正確的軌道。這不是普通意義

24、上的創新，而是人工智能基礎理論的徹底革命：是人工智能基礎理論的徹底革命：在學科 研究的最高引領層次上實施的人工智能研究范式顛覆性變革，是實現信息學科范 式從無到有的歷史性突破和確立，是人工智能理論的徹底轉軌。二、范式革命怎樣創生通用智能理論？1 1、發現“學科創生”、發現“學科創生”的一般規律：范式管的一般規律：范式管控學科創生的全局全程控學科創生的全局全程 擺脫了傳統物質學科范式對人工智能研究的束縛，確立了信息學科范式對人 工智能研究的引領，全新的智能理論 通用智能理論 便終于破土而出。創建“通用智能理論”的歷程可以用筆者總結的“學科創生規律”來描述，詳見表 2。38 表 2 學科創生規律

25、生長階段生長階段 模塊名稱模塊名稱 模塊要素模塊要素 要素解釋要素解釋 探索階段探索階段 學科探路學科探路 多方摸索 通過長期自下而上多方摸索，總結失敗 自下而上自下而上 教訓和成功經驗，提煉學科的研究范式 的探索的探索 （這一階段常有“盲人摸象”現象）建構階段建構階段 學科范式學科范式 科 學 觀 宏觀上明確“學科是什么”（宏觀定義）方 法 論 宏觀上明確“應該怎么做”學科框架學科框架 學科模型 基于“學科范式”的學科全局藍圖（具體定位）研究路徑 基于“學科范式”的整體研究方法 自上而下自上而下 學科規格學科規格 學術結構 基于“學科定位”的學科寬度規格 的建構的建構 （精準定格）數理基礎

26、基于“學科定位”的學科深度規格 學科理論學科理論 基本概念 基于“學科基礎”的學科基本知識點（完整理論）基本原理 基本概念之間的相互聯系 表 2 的“學科創生規律”顯示，學科的創生需要經歷兩個階段：首先是自下 而上探索范式的階段，然后是自上而下貫徹范式的建構階段。探索階段探索階段 特點是：各種學術背景的研究者們進行自下而上的摸索、討論 和爭論，總結失敗的教訓和成功的經驗，逐漸提煉出普遍認可且科學合理的學科 的范式（科學觀和方法論）。由于是經驗性的摸索試探，常常發生“盲人摸象”現象，因此這一階段經歷的時間可能會很長：信息學科范式的形成便超越了半個 多世紀。一旦達成了關于“范式”的共識，就可以自動

27、轉到建構的階段。建構階段建構階段 特點是：根據探索階段所總結的學科范式（即學科的宏觀定義，包括學科的科學觀和方法論），就可構筑學科的框架（即學科宏觀定義的具體化，包括學科的全局模型和研究路徑）、擬定學科的規格（即學科規格的精準化，包 括學科的學術結構和所需數理基礎的水準）和最終落實學科的基本理論（即學科 理論的完整化，包括學科的基本概念和基本原理）。從表 2 可以看出，在學科創生的整個過程中，學科的范式自始至終都扮演著 最高引領者和規范者的角色：整個探索階段的任務是為了找到學科的范式，而整 個建構階段的任務則是為了貫徹學科的范式。以下各節的內容，將分別介紹筆者團隊依照表 2 的“學科創生規律”

28、在信息 學科范式引領下構建“通用智能理論”的系統成果。2 2、研究和提煉“信息學科范式”、研究和提煉“信息學科范式”從當前的實際情況判斷，無論是國內還是國外，人工智能學科應當遵循的范式都還處在“探索階段”。因為，各種不同背景的研究人員仍然在按照各自對人 工智能學科范式的理解進39 行著不懈的探索，爭論頻出，共識罕有。值得慶幸的是，由于特殊的學術興趣、背景和經歷，本文筆者早在半個世紀 之前就開始關密切注和潛心探索信息學科的科學觀和方法論，為形成信息學科的 范式做了長期的研究和積累。1962 年筆者作為北京郵電大學信息論專業的研究生，在研讀信息論原著的 時候發現它的信息概念只關注了波形（信息的形式

29、），丟了信息的內容和價值這 兩個核心要素，造成了“信息的空心化”。于是開始探索“形式、內容、價值”三位一體的“全信息理論”。26 年之后，出版了國內外第一部以“全信息理論”為基礎的信息科學原理。1987 年在研究人工智能的時候，又發現它被分解為 人工神經網絡、專家系統以及后來的感知動作系統三個互不相容的學派。于是，筆者認識到，從信息論到人工智能，都受到傳統學科方法論“單純形式化”和“分而治之”的影響，而這些方法論與信息學科（包括信息論和人工智 能等）的特點格格不入?；谶@些認識，筆者在 1988 年出版的信息科學原理第 10 章就專門探討 了“信息科學的方法論”。此后在 1996 年的第二版、

30、2002 年的第三版、2005 年 的第四版、2013 年的第五版每次再版都深化了信息學科方法論的探討。2014 年，筆者出版了另一部學術專著高等人工智能理論，又在全書的第一篇安排了專 門的“高等人工智能的科學觀與方法論”探討。最終，總結提煉成為本文表 1 第三欄信息學科范式的標準表述，包括它的科學觀和方法論。這是我國關于信息 學科范式研究的寶貴成果。3 3、范式革命：顛覆舊范式，確立新范式、范式革命：顛覆舊范式，確立新范式 顛覆傳統學科范式對人工智能學科研究的統領地位，具體表現為：（1）在信息學科的研究領域摒棄傳統學科的科學觀，后者認為：（1-1）把研究對象看作是純粹客觀且遵循確定性演化規律

31、的物質（1-2）徹底排除主觀因素（1-3）研究的目的是闡明物質的結構（2）在信息學科研究領域摒棄傳統學科的方法論，后者包括：（2-1）分而治之方法（2-2）純粹形式化方法 確立信息學科范式對人工智能學科研究的規范和引領作用，具體表現為：（1）在信息學科的研究領域確立信息學科的科學觀，后者認為：（1-1）把研究對象看作是主體與客體互動的具有不確定性的信息過程（1-2）強調主體的駕馭作用（1-3）研究目的是實現主體的目標（2）在信息學科的研究領域確立信息學科的方法論，后者包括：（2-1）信息生態演化方法 40 （2-2）形式、內容、價值三位一體的整體化方法 可見，兩種范式相反相成。要讓人們放棄傳統

32、學科范式，其實遠非易事！4 4、遵循信息學科范式，構筑全新“人工智能全局模型”、遵循信息學科范式，構筑全新“人工智能全局模型”信息學科范式的科學觀業已指明：人工智能是代表主體（人類或其他生物）的意志，在主體的駕馭下主體與環境客體相互作用而形成的不確定性信息過程。其中，所謂“代表主體（特別是人類主體）的意志”，是指：人工智能系統必須 接受“主體所提出的求解問題、主體預設的求解問題目標，以及主體所提供的相 關知識”；在這個框架下實現主體所確定的目標。根據這些要求，可以構筑圖 1 所示的人工智能學科研究的全局模型 圖 1 根據信息學科范式構筑的“人工智能全局模型”圖 1 的模型清楚表明：人工智能的全

33、局模型確實是“主體駕馭下（人工智能的全局模型確實是“主體駕馭下（接受 來自主體的問題、目標和知識）的主體與環境客體相互作用（的主體與環境客體相互作用（接受環境“客 體信息”的作用、產生“智能行為”反作用于環境客體）的具有不確定性的信）的具有不確定性的信 息過程”息過程”。這是真實人工智能系統的正確抽象?，F有的人工智能研究，包括以結構模擬為特征的人工神經網絡和以功能模擬 為特征的專家系統，都把“孤立的腦”“孤立的腦”作為全局研究模型的原型。事實上，不 接受外部環境客體信息刺激的孤立腦不能產生智能（“印度狼孩”的實驗），而不 向外部環境輸出反作用的孤立腦也不可能檢驗腦的工作是否有意義。由圖 1 的

34、人工智能模型還可以看出，人工智能系統所實現的，確實完全是自 然主體的目的，而不是人工智能“自己的目的”。事實上，人工智能系統人工智能系統 由于由于 沒有生命，因此不可能沒有生命，因此不可能有它自身的目的和欲望有它自身的目的和欲望，不可能脫離主體的意志自行 其事，而只能成為人類主體的聰明助手與合作伙伴。5 5、遵循信息學科范式，揭示智能生成機制，開創機制主義研究路徑、遵循信息學科范式，揭示智能生成機制，開創機制主義研究路徑 信息學科范式的方法論指明：要按照信息生態演化（既然是生態演化，就不 允許被分割）方法來處置、要堅持運用形式、內容、價值三位一體的整體化方法 來分析問題、要憑借理解來作出判斷。

35、把信息學科范式方法論與圖 1 的全局研究模型結合起來，就明確了人工智能 系統生成智41 能的機制（注：“機制”與“機理”兩者是同義語）應當是在問題、目標、相關知識的約束下，實現由“客體信息”到“智能行為”的復雜轉換，如 圖 2 所示。圖 2 人工智能系統的智能生成機制 圖 2 顯示，人工智能系統中的智能生成機制的激勵條件是環境客體所提供 的“客體信息”，它的結果是主體操作下由客體信息轉換生成的“智能行為”，而 它所遵守的約束條件則是由主體所規定的“問題、目標、知識”。質言之，智能生成機制的實質是“信息轉換與智能創生信息轉換與智能創生 ”，它的具體轉換 與創生過程則是：客體信息感知信息知識智能策

36、略智能行為客體信息感知信息知識智能策略智能行為，恰如 圖 3 所示。圖 3 智能生成機制“信息轉換與智能創生”的具體化 可以證明，“信息轉換與智能生成”機制是普適性的，不僅適合于各種人工 智能也適合于自然智能（包括人類智能），因此，可以名副其實地把它稱為普適普適 性智能生成機制性智能生成機制，并由此把它的本質稱為“信息轉換與智能創生定律信息轉換與智能創生定律”。普適性智能生成機制（機理）是人工智能研究的核心問題，也是人工智能研 究的根本路徑。于是，我們把以“普適性智能生成機制”為基礎的研究路徑，稱 為“機制主義”研究路徑。這是與現有人工智能研究路徑截然不同的研究路徑。6 6、遵循信息學科范式，

37、重審人工智能的學術結構、遵循信息學科范式，重審人工智能的學術結構 42 信息學科范式要求保持學科的學術結構整體性（完整性），恢復人工智能學 科的本來面目。遵循完整性的要求，我們把人工智能學科的學術結構理解為把人工智能學科的學術結構理解為 以下各個學科群以下各個學科群的交叉與綜合：的交叉與綜合：原型學科群原型學科群：人類學，神經科學，認知科學，人文科學，社會科學，哲學 本體學科群本體學科群：信息科學，系統科學 基礎學科群基礎學科群：生物物理學，邏輯學，數學 技術學科群技術學科群：微電子，微機械，新材料，新能源 由于傳統物質學科范式強調對復雜對象施行“分而治之”，結果就把人工智 能學科分解出一些互

38、不相容的分支學科，從而產生對人工智能學科的片面認識和 誤解。最典型的一種誤解就是，僅僅根據專家系統的一家之情，竟把整個人工智 能看作是計算機學科的一個分支。7 7、遵循信息學科范式，重塑人工智能的數理基礎、遵循信息學科范式，重塑人工智能的數理基礎 遵循信息學科范式的“統一性和整體性要求”，需要改造和重塑人工智能的 數理基礎，特別是它的邏輯基礎和數學基礎。為此，團隊的何華燦教授創建了具有可調參數的“柔性（泛）邏輯理論”，從而把原來的標準數理邏輯和各種非標準邏輯納入統一的邏輯連續譜系；與此同 時團隊的汪培莊教授創建了以因素為基元的“因素空間數學理論”，從而把原來 互相離散的普通集合論、概率論、模糊

39、集合論、粗糙集合論等相關數學分支和諧 地納入統一完整的數學理論。8 8、遵循信息學科范式，重構人工智能的基礎概念、遵循信息學科范式，重構人工智能的基礎概念 在傳統物質學科范式引領下，人們建立了一批人工智能的基礎概念。但是，由于接受了“純粹形式化”方法的影響，這些概念只有形式因素而沒有內容因素 和價值因素，因此都是“空心化”的基礎概念，比如形式化的“數據”，形式化 的“知識”，形式化的“智能”等等。事實上，正是這些空心化的概念，使現行 的人工智能系統的智能水平（理解能力）非常低下。符合信息學科范式理念的基礎概念包括：全信息，全知識，全智能等。這里的前置詞“全”并不是要求“胡子眉毛一把抓”，而是強

40、調“形式、內容、價值”三位一體的整體化。只有全面了解事物的形式、內容和價值，才能理解事物。全智能來源于全知識，全知識來源于全信息。因此，智能理論最基礎的概念 是“全信息”。它的“形式、內容、價值”三位一體整體化體現為“語法信息（形 式）、語義信息（內容）、語用信息（價值）”的三位一體。全信息的概念不是隨 便說說而已，而是具有嚴格的生成機制，見圖 4：43 圖 4 全信息的生成機制 圖 4 的模型不僅闡明了全信息的生成機制，而且給出了語義信息（內容）的 科學定義：Y=(X,Z)，其中算子“”代表“映射與命名”的邏輯操作?？梢?，人們掌握了語義信息，就同時掌握了語法信息和語用信息，也就理解了信息。所

41、 以，語義信息是用來“理解”事物的，而不是用來描述事物的統計特性的。有了全信息的概念與生成機制，全知識與全智能的概念與生成便水到渠成。由此就可以建立“全知識”的知識庫，它與傳統知識庫的根本區別就在于它的知 識包含了“形式性知識、內容性知識、價值性知識”，因此可以有力地支持理解。值得指出，這樣的“全知識庫”也比目前流行的“知識圖譜”更為優越?？傊?，只有在“全信息”和“全知識”的基礎上，才能具有“理解能力”，才能支持真正的“全智能”。9 9、遵循信息學科范式，深挖人工智能的基本原理、遵循信息學科范式，深挖人工智能的基本原理 信息學科范式強調“信息生態方法論”。因此，最為深刻的人工智能原理就 是體現

42、信息生態演化的“信息轉換與智能創生定律”。這是一切人工智能和人類 智能系統的本質和靈魂。正如圖 3 所表明的那樣，“信息轉換與智能創生定律”具體包含（1）“客體 信息感知信息（感知感知）”的轉換原理，（2）“感知信息知識”（認知認知）的轉換 原理，（3）“感知信息與知識智能策略”（謀行謀行）的轉換原理，（4）“智能策略 智能行為”（執行執行）的轉換原理，和（5）“誤差信息優化智能行為”（優化優化）的轉換原理。這既是人工智能的基本原理，也是人類智能的基本原理。值得指出，“信息轉換與智能創生定律”的深遠意義還在于，它是與物質科 學領域的“質量轉換與物質不滅定律”和能量科學領域的“能量轉換與能量守恒

43、 定律”等量齊觀的科學44 定律，它們三者一起就完善了物質、能量、信息三大資源 領域的三大科學定律。質量轉換與物質不滅定律和能量轉換與能量守恒定律闡明 了這兩個領域所存在的不能逾越的界限，信息轉換與智能創生定律則告訴人們，可以通過信息轉換創生人工智能系統為人類提供智能服務，把人類從體力勞動和 有規可循的智力勞動中解放出來，以便更好地發揮人類的創造性能力，實現人類 社會的可持續發展。1010、遵循信息學科范式，創建通用智能理論、遵循信息學科范式，創建通用智能理論 綜合集成以上各項成果，特別是其中以“信息轉換與智能創生定律”為旗幟 的機制主義研究路徑（具體包含上述五項基本原理），可以創立“通用智能

44、理論”，它的模型如圖 5 所示。圖 5 通用智能理論模型 可以看出，圖 5 的通用智能模型不但全面體現了信息學科范式（科學觀和方法論）理念，體現了人類學、神經科學、認知科學、信息科學（含智能科學）、系統科學、柔性邏輯理論、因素空間數學理論等科學精神，而且，也展現了人類 智能的精髓。特別體現了“物質變精神和精神變物質”的辯證法，以及“認識世 界和改造世界，并在改造客觀世界的過程中也改造自己”的主客互動理論。三，附帶的話三，附帶的話 人工智能的范式革命與通用智能理論的創生，涉及到許多深刻的科學問題和 哲學問題。為了節約篇幅，以下這些問題只列出題目而不做解釋：1、通用智能理論模型（圖 5）的實現原理

45、已經落地。2、通用智能理論可以克服現行人工智能存在的各種問題。3、通用智能理論系統可以孵化出各種應用的人工智能系統。45 4、把孵化出的各種人工智能系統用于各行業，我們規劃為“洛神工程”。5、目前正在尋求合作，把理論轉化為通用智能孵化平臺和現實生產力。7 7-569569，通用智能理論創新思想梳理 陸總：這是我的與眾不同的觀念和方法。請您批評！鐘義信 通用智能創新思考梳理 一、怎樣發現問題？看本質（1）人工智能存在的主要問題之一 是學科的整體被肢解 （鼎足三分，無法形成整體理論）而不是通用性夠不夠、移植性好不好？（2）人工智能存在的主要問題之二 是它的“智能”被置空 （沒有理解能力、結果不可解

46、釋）而不是理解力好不好、可解釋性強不強（3）整體被肢解：歸因于“分而治之”方法論 智能被置空：歸因于“純粹形式化”方法論 總之，歸因于研究范式 不是僅靠算法、算力、數據的改善就能解決 也不是把結構類腦功能類腦結合就能解決 46 或者把“數據驅動”與“知識驅動”相結合就可以 二、怎樣尋找解決問題的方法一循規律（4）只有突破自然科學與社會科學哲學之間的藩籬 才能看清人工智能問題的根源在范式 局限于自然科學范疇內，只能看到算法、算力、數據 只能看到腦結構、腦功能（5）突破藩籬之后就可以看出 駕馭學科研究的最高引領力量是學科的研究范式 科學觀回答：學科是什么？方法論回答：學科怎么做？兩者共同決定了學科

47、的規范定義 否則，學科定義就有隨意性（6）范式，是統領學科研究的龍頭 首先自下而上探尋范式 然后依照范式（學科定義）自上而下建構學科：學科定義（定義）學科框架（定位）學科規格（定格）學科理論（定論）47 人們往往只看到“學科理論”，看不到它的根基（7）調研發現 人工智能問題的根源是：范式的張冠李戴?。ㄓ脗鹘y學科的范式指導人工智能研究）所以，人工智能的根本問題是：范式革命 其他研究都解決不了根本問題 三、怎樣解決問題一把范式革命貫徹到底（8）為此，需要建立信息科學的研究范式 科學觀：主客互動信息過程，而非物質客體 方法論：信息生態論，而非分而治之純粹形式化 （9）人工智能的全局模型是 主體駕馭下

48、的主客互動信息過程 而不是孤立的腦 （10）人工智能的研究路徑是 建立普適性的智能生成機制 而不是結構、功能、行為的分立路徑（11）人工智能的學科結構是 48 原型科學、本體科學、基礎科學、技術科學的交叉綜合 而不是計算機科學的分支（12）人工智能的基礎科學是 泛邏輯理論和因素空間數學理論 而不是傳統的概率論和數理邏輯（13）人工智能的基本概念是 形式內容價值三位一體的全信息、全知識、全智能 而不是純粹形式化數據、形式化知識、形式化智能（14）人工智能的基本原理是 信息轉換與智能創生定律 它與 質量轉換與物質不滅定律 能量轉換與能量守恒定律 構成物質、能量、信息的三大定律（15）普適性的智能生

49、成機理 既適合于人工智能，也適合于自然智能 但實現機理的方式各有特色 49 （16）基于以上的突破、發現和建構 創立了通用智能理論 不是“不存在通用智能理論”8 8-571571，李德毅院士關于通用人工智能十問 鐘義信教授、張鈸院士分別提出要構建作為下一代人工智能的通用人工智能（或強人工智能）。通用人工智能即下一代人工智能，需要全新的理論基礎，當前無論從哲學層面講，或從科學層面講，尚不完備！今天人工智能的目標不是構建與人腦完全一樣的東西，也并非全知全能，而是模擬人腦智能（即構建類腦智能）。如果沒有人工智能全新的理論突破，沒有信息處理機制全新范式，李院士的“十問”在現有人工智能理論框架內將難以回

50、答，而如不能回答這些問題，那么通用人工智能也就很難實現。下面是李德毅院士關于通用人工頭智能的十問：一、意識、情感、智慧和智能，它們是包含關系還是關聯關系？是智慧里面有智能，還是智能里面有智慧？大凡意識、情感都是內省的、自知的、排他的，怎么可以用他人的、人工的來代替呢？所以非生命體不可能有意識？二、如何理解通用智能？我們應該不應該把通用智能理解為“全知全能”或者單向超強智能？盡管今天的計算機已經可以解決很多復雜的、專門的智力問題（如50 圍棋智能），我們仍常常覺得它們缺乏人類思維的某些本質特征。這里的差別主要不是在算法、算力、數據量方面，不是在速度和容量方面，而是在智能的一般性、通用性、普遍性、

51、靈活性、缺省性、容錯性、可習得性、不確定性、適應性、常識性、開放性、創造性、自主性等方面。遺憾的是發展 60 多年的人工智能沒有能夠更靠近人的原始的智能。三、目前所有的人工智能的成就都是在計算機上表現出來，是基于馮架構的計算機智能或者計算智能，人工智能是計算機的一個應用而已。而人腦不是馮諾依曼架構的，存在不存在宏觀上更類似腦的非馮諾依曼架構呢？例如，對人的智能而言，記憶力是真正的智力，超強記憶力就是超強智能，記憶比計算機重要，記憶的提取要比復雜的推理快得多，非馮架構如何在結構上體現人腦的不同記憶區和記憶力呢？如何體現環境和知識的雙驅動？四、非生命體不會有七情六欲，機器人是非生命體，還會有學習的

52、原動力嗎？如果沒有學習的原動力，沒有接受教育的自發性，還會有學習的目標嗎？目標從哪產生？機器人能否自己提出問題？五、人的注意力選擇源于記憶，源于記憶的偏好依附性，偏好如何產生的？偏好依附是否只能與交互認知的頻度和時間的遠近相關？人的偏好依附不是這樣的，人的恐懼性以及滿足感會讓一些發生頻度很低、或者很久遠的事記憶特別深刻。六、自然語言是人類思維活動的載體，如果自然語言是第一語言，數學語言是第二語言，計算機語言是第三語言，后一個比前一個常常更嚴格，后一個比前一個常常更狹義，根據哥德爾不完全定理，數學自身難以完全自洽。數學的形式化要51 借助于自然語言，計算機語言的形式化要借助于數學語言。因此，人工

53、智能怎么可以反過來要用數學語言或者計算機語言去形式化人類的自然語言呢？七、人腦是個小宇宙，其中的智能是多情境、多公理兼容并包的，在不同情境里有不同應對，不完全收斂，不完全自恰，不整體統一，不存在非公理的統一的數學推理，當然也不必一定要腦裂。八、一個機器或者系統是否有智能，不在于某一個時刻它能解決什么實際的智力問題，而在于它有沒有學習的能力？智能，即提供的問題解決方案，是否依賴于有限的認知資源？是否需要進一步交互認知？是否可以有選項？是否可以進化和成長？這才是最重要的。九、在一個非馮諾依曼架構的機器人腦中，組成記憶、交互和計算的基本元件最少有哪幾種？各元件中的信息的產生機制與存在形式是什么樣的？

54、他們之間的信息傳遞機制是什么樣的？十、通用智能后天的習得靠教育，智能植根于教育，文明是智能的生態。9 9-584584，答李院士問六：自然語言問題王迪興 問六：自然語言是人類思維話動的載體，如果自然語言是第一語言，數學語言是第二語言，計算機語言是第三語言，后一個比前一個更嚴格、更狹義。數學自身難以完全自治，數學的形式化借助于自然語言，計算機語言的形式化要借助于數學語言。因此，人工智能怎么可以反過來要用數學語言或計算機語言去形式化人類的自然語言呢？52 答：自然語言、數學語言、計算機語言必須基于某種同構性才能建立，互相翻譯、代償、轉換。沒有同構性任何語言都無法相互溝通與交流，更不會產生有效認知結

55、果。各種語言都是準完備的，都要符合邏輯一致性，基于邏輯一致性進行內涵和外延拓展，才會體現語言的有效性。任何廣義語言都不能單一發揮作用，一定要有各種表達方式互補，如語言必須與文字、圖形甚至手勢互補發揮作用。語言不存在誰形式化誰的問題，都是基于同構互補發揮作用。計算機語言是基于自然語言派生的，但基于機器語言不能派生自然語言，因為計算機本身不具創造語言的功能，其語言不具主體地位，也沒有自主社會化交流的需求，不存在計算機語言形式化自然語言的問題！1 10 0-619619，鐘義信：通用人工智能理論 人工智能范式的革命與通用智能理論的創生 鐘義信（北京郵電大學人工智能學院）提要：提要：人工智能的研究取得

56、了不少可喜的進展，也面臨著許多緊迫的問題。為了應對這些挑戰，學術界提出了各種各樣的研究思路。筆者相信，每種思路都有其合理之處，都有可能獲得一定的成效。不過，根據筆者的理解，人工智能面臨的最深刻最嚴峻的挑戰，是學科和時代的大轉變所帶來的大陣痛：人工智能范式的張冠李戴。因此，必須對人工智能的范式實施“正冠”：顛覆傳統學科范式對人工智能研究的束縛，確立信息學科范式對人工智能研究的規范和引領。實施人工智能范式革命的結果，創生了本文要介紹的通用智能理論。一、為什么人工智能的根本出路是范式革命？53 1、什么是人工智能？智能是智慧的子集。人類智慧是人類為了生存發展的目的而不斷地運用知識去探索未來定義問題（

57、隱智慧）進而解決問題變革現實（顯智慧）的能力。其中的隱智慧嚴格依賴于人類的目的和思辨能力，只有人類才能擁有。而顯智慧則依賴于人類的智能求解操作，因此特稱為人類智能。它，可用機器模擬。根據科學技術的擬人律，人工智能是以人類智能（解決問題變革現實的顯智慧）為原型、研究具有智能水平的機器為人類提供智能服務的學科。2、人工智能研究的現狀：局部有精彩，整體很無奈 人工智能的研究，存在三大學派：以模擬人腦結構為導向的人工神經網絡學派，以模擬人腦邏輯功能為標志的專家系統學派，以模擬智能系統行為為特色的感知動作系統學派。但互不認可，未能形成合力。經過數十年的努力，三大學派的研究都取得了一些精彩的成果。如人工神

58、經網絡的深度學習，專家系統的機器博弈，感知動作系統的智能機器人等。但是，另一方面，三大學派的研究更面臨著許多問題的困擾。其中最為嚴峻的挑戰包括：它們的理解能力（真正的智能水平）都非常低；它們的通用能力都非常差；至今未能形成人工智能的整體理論。這些問題的嚴重性在于：（1）智能水平低下，就不夠資格成為真正的人工智能。（2）沒有通用的整體人工智能理論，表明人工智能的研究還沒上軌道。系統學的原理表明：整體遠遠大于部分和。再多再好的部分成果之和，也遠遠不及整體成果。但是如何才能構建通用的整體理論？至今仍然沒有共識。54 3、人工智能存在問題的總根源：范式張冠李戴 思想指導行動，學科研究活動的指導思想就是

59、學科的科學觀和方法論。學科的科學觀闡明“學科的本質是什么”，學科的方法論則闡明“學科的研究應當怎么做”。于是，學科的科學觀與方法論一起，就決定了學科應當遵循的規范研究方式，稱為學科的研究范式，簡稱范式。人工智能的研究之所以存在上述這些嚴重問題，根本原因在于：人工智能是一類開放復雜的信息系統，卻遵循了傳統物質學科范式的方法論：（1）人工智能被分解為結構模擬、功能模擬、行為模擬三大學派，歸因于運用了傳統學科范式的“分而治之”方法論。對復雜信息系統施行“分而治之”的結果就割斷了復雜信息系統各個子系統之間復雜而隱秘的信息聯系，而這些復雜隱秘的信息聯系正是復雜信息系統的生命線和靈魂。失去了生命線和靈魂的

60、各個子系統，就不再可能合成原來的復雜信息系統！這是現行人工智能研究不能建立“整體理論”的根本原因。（2）人工智能系統智能水平低下，歸因于運用了傳統學科范式的“單純形式化”方法論。智能的決策能力依賴于對研究對象的形式、內容、價值的全面理解。施行“單純形式化”丟棄了智能的“內核”：內容和價值因素，而僅僅了解對象的形式，極難做出智能的決策。這是“智能水平低下”的根本原因。眾所周知，“分而治之”和“單純形式化”是傳統物質學科的方法論。它們對傳統學科的研究、發展與繁榮做出了偉大的歷史性貢獻。然而把它們用到作為開放復雜信息系統的人工智能研究領域，就犯了范式“張冠李戴”的大忌！4、人工智能研究范式的張冠李戴

61、，是歷史的必然 人工智能范式的張冠李戴并非偶然現象。這是因為，學科的研究活動屬于社55 會存在，它的范式則屬于社會意識。由于受到“社會意識滯后于社會存在”法則 的制約，20 世紀中葉信息學科的研究活動迅猛興起之后，直到如今都沒有形成信息學科范式的共識，信息學科的研究便沿用了業已存在而且眾所熟知的傳統物質學科范式，于是造成了信息學科（含人工智能）范式的張冠李戴。千年的科學發展，都屬物質學科（含材料科學和能量科學），都遵循著同樣的物質學科范式，因而沒有發生過范式的變革。但是當今卻正在發生由物質學科主導的學科體系向信息學科主導的學科體系的歷史性大轉變：研究活動的大轉變在前，研究范式的大轉變在后發生在

62、人工智能由初級階段進入高級階段的當下。因此，人工智能范式的大轉變（范式大革命）正是這個歷史大轉變所帶來的大陣痛。沒有這個大陣痛，便無法完成人工智能研究由初級階段向高級階段的轉變。這是不以人的意志為轉移的客觀規律。5、范式革命：人工智能基礎理論重大突破的必由之路 既然人工智能存在問題的總根源是“范式的張冠李戴”，那么，解決問題的對癥良方就應當是“正冠”：顛覆傳統物質學科范式對人工智能研究的束縛，確立信息學科范式對人工智能研究的規范和引領。那么，什么是信息學科的范式？表 1 示出了信息學科范式的內涵特征。為了便于比較，表 1 還列出了傳統學科的范式以及現行人工智能所實行的范式。56 表 1 學科范

63、式的比較 事項事項 科學觀科學觀 方法論方法論 經典物 質學科 機械唯物的物質觀 對象：物質客體，排除主觀因素 關注：對象的結構與功能 遵守：確定性演化，具有可分性 機械還原的方法論 描述方法：純粹形式化 判斷方法：形式匹配 宏觀處置：分而治之 現行人 工智能 近準的“物質觀”對象：腦物質，排除主觀因素 關注：對象的結構與功能 遵守：可分性 明確的“還原論”描述方法：純粹形式化 判斷方法：形式匹配 宏觀處置：分而治之 現代信 息學科 唯物辯證的信息觀 對象：主體駕馭的主客互動信息過程 關注：主體目的 遵守：不確定性演化 信息生態方法論 描述方法：形式內容價值整體化 判斷方法：內容理解 宏觀處置

64、：生態演化 通過表 1 三種范式（科學觀和方法論）的詳細解析和對比，可以十分清晰地看出：作為復雜信息系統的現行人工智能研究，它所遵循的研究范式本來應當是信息學科的研究范式（后者的內涵特征參見表 1 的第三行），但實際上卻遵循了傳統物質學科的研究范式（試比較表 1 的第 1 和第 2 行）。這就是“人工智能范式張冠李戴”的具體表現?？梢?，只有顛覆和摒棄傳統學科范式對人工智能研究的制約，確立信息學科57 范式對人工智能研究的規范和引領，人工智能的發展才能走上正確的軌道。二、范式革命怎樣創生通用智能理論？如上所述，人工智能的范式革命，就是在人工智能的研究領域以現代信息學科的范式置換傳統物質學科的范式

65、。那么，信息學科的范式又將怎樣規范和引領人工智能的研究呢？1、總結“學科創生”的普遍規律：范式引領學科創生的全局全程 信息學科范式引領創建“通用智能理論”的全部階段和歷程，可用表 2 所總結的“學科創生規律”來描述。表 2 學科創生規律 生長階段 生長模塊 模塊要素 要素解釋 自下而上 探索范式 的階段 學科探路 多方摸索 通過長期自下而上多方摸索，總結失敗教訓和成功經驗，提煉學科的研究范式（這一階段常有“盲人摸象”現象）自上而下 落實范式 的階段 學科范式（宏觀定義）科學觀 宏觀上明確學科本質“是什么”方法論 宏觀上明確學科研究“怎么做”學科框架（具體定位）學科模型 基于學科范式的學科全局藍

66、圖 研究路徑 基于學科范式的整體研究途徑 學科規格（精準定格）學術結構 基于學科范式和框架的學科寬度規格 數理基礎 基于學科范式和框架的學科深度規格 58 學科理論（完整理論）基本概念 基于范式、框架、規格的學科基本知識 基本原理 基于范式、框架、規格的學科概念聯系 表 2 的“學科創生規律”顯示，學科的創生需要經歷兩個階段：首先是自下而上探索范式的階段，然后是自上而下落實范式的建構階段。探索階段特點是：各種相關學術背景的研究者們各自進行自下而上的摸索、討論和爭論，總結失敗的教訓和成功的經驗，逐漸提煉出普遍認可且科學合理的學科范式（科學觀和方法論）。由于是各自展開的摸索，常有“盲人摸象”的現象

67、，因此，這一階段經歷的時間可能很長。信息學科范式的形成便超越了半個多世紀，至今尚未在學術共同體達成共識。建構階段特點是：根據探索階段所總結的學科范式（即由學科的科學觀和方法論闡明的學科定義），就可根據學科定義構筑學科的框架（即學科宏觀定義的具體化，包括學科的全局模型和研究路徑）、進而擬定學科的規格（即學科規格的精準化，包括學科的學術結構和所需數理基礎的水準規格）和最終落實學科的基本理論（即學科理論的完整化，包括學科的基本概念和基本原理）。從表 2 可以看出，在學科創生的整個過程中，學科的范式自始至終都扮演著最高引領者和規范者的角色：整個探索階段的任務是為了找到學科的范式，而整個建構階段的任務則

68、是為了落實學科的范式。揭示和闡明“學科創生規律”，是構建“通用智能”的第一步。以下將分別闡述筆者團隊依照表 2 的規律構建“通用智能理論”的各個步驟和結果。59 2、研究和提煉“信息學科范式”從當前的實際情況可以判斷，無論是國內還是國際，人工智能學科應當遵循的范式都還處在“探索階段”，這表現為：各種不同背景的研究人員仍然在按照各自對人工智能學科范式的理解進行著不懈的探索，爭論頻出，共識鮮有。由于接受了“整體觀和辨證論”思想的熏陶，也由于特殊的學術興趣、背景和經歷，本文筆者早在半個世紀之前就開始密切關注和潛心探究信息學科的科學觀和方法論，為形成信息學科的范式做了長期的研究和積累。1962 年筆者

69、作為北京郵電學院信息論專業的研究生，在研讀信息論原著的時候發現它的信息概念只關注了波形，丟了信息的內容和價值這兩個核心要素，造成了“信息概念空心化”。于是開始探索、并于 1986 年發表了“形式、內容、價值”三位一體的“信息的綜合測度”（即“全信息理論”）。接著，1988 年出版了國內外第一部以“全信息理論”為基礎的 信息科學原理。1987 年又發現人工智能的研究被分解為人工神經網絡、專家系統以及后來的感知動作系統三個互不相容的學派。于是筆者認識到，從信息論到人工智能，都受到了傳統物質學科方法論“單純形式化”和“分而治之”的影響，而這些方法論與信息學科（包括信息論和人工智能等）的特點格格不入。

70、基于這些認識，筆者在 1988 年出版的信息科學原理第 10 章就專門探討了“信息科學的方法論”。此后在每次再版（直到 2013 年第五版）都深化了信息學科方法論的探討。2014 年，筆者出版了另一部專著高等人工智能理論，又在全書的第一篇安排了專門的“高等人工智能的科學觀與方法論”探討。2017年在哲學分析雜志發表了論文“從機械還原方法論到信息生態方法論”。最終，總結提煉成為本文表 1 第三行信息學科范式內涵的標準表述，包括它的科學60 觀和方法論。這是我國關于信息學科范式研究的基本成果。3、范式革命：顛覆舊范式，確立新范式 顛覆傳統物質學科范式對人工智能學科研究的統領地位，具體來說就是要在人

71、工智能研究領域摒棄如下的科學觀和方法論：（1）傳統物質學科的科學觀：（1-1）把研究對象看作是純客觀且遵循確定性演化規律的物質（1-2）徹底排除主觀因素（1-3）研究的目的是闡明物質的結構（2）傳統物質學科的方法論：（2-1）分而治之方法（2-2）純粹形式化方法 確立信息學科范式對人工智能學科研究的規范和引領作用，具體來說就是要在人工智能研究領域確立如下的科學觀和方法論：（1）信息學科的科學觀：（1-1）把研究對象看作是主體與客體互動的具有不確定性的信息過程（1-2）強調主體的駕馭作用（1-3）研究目的是實現主體的目標（2）信息學科的方法論：（2-1）信息生態方法（2-2）形式、內容、價值三位

72、一體的整體化方法 可見，信息學科范式與傳統物質學科范式兩者幾乎相反相成。然而，千百年來傳統物質學科范式已在人們心中深深扎根，而信息學科范式才剛剛露出嫩芽。因此，要讓人工智能研究領域的科技工作者放棄自己所熟悉所深信的傳統物質學61 科范式，絕非易事！不過，非如此就不能取得人工智能的突破與升級。4、構筑全新“人工智能全局模型”（學科框架A）信息學科范式的科學觀業已指明：人工智能是在主體駕馭下的主體與環境客體相互作用所形成的不確定性信息過程。其中，所謂“主體（特別是人類主體）駕馭”，實際是指：人工智能系統必須接受主體所提出的“求解問題“、主體預設的“求解問題目標”，以及主體所提供的“相關知識”；人工

73、智能系統只能在這個框架下去實現主體所預設的目標。根據這些思想，可以構筑圖 1 所示的人工智能學科研究的全局模型：圖 1 根據信息學科范式構筑的“人工智能全局模型”圖 1 的模型清楚表明：人工智能的全局模型確實是“主體駕馭下（接受來自主體的問題、目標和知識）的主體與環境客體相互作用（接受環境“客體信息”的作用、針對這種作用產生“智能行為”反作用于環境客體）的具有不確定性的信息過程”。這是真實人工智能系統的正確抽象?，F有的人工智能研究，包括以結構模擬為特征的人工神經網絡和以功能模擬62 為特征的專家系統，都把“孤立的腦”作為全局研究模型的原型。事實上，不接受外部環境客體信息刺激的孤立腦不能產生智能

74、（“印度狼孩”的實驗），而不向外部環境輸出反作用的孤立腦也不可能檢驗腦的工作是否有意義。由圖 1 的人工智能模型還可以看出，人工智能系統所實現的，完全是自然主體的目的，而不是人工智能系統“自己的目的”。事實上，人工智能系統由于沒有生命，因此不可能有它自身的目的和欲望。它不可能脫離主體的意志自行其事，而只能成為人類主體的聰明助手與善解人意的合作伙伴。5、揭示智能生成機制，開創機制主義研究路徑（學科框架 B）信息學科范式的方法論指明：要按照信息生態演化（既然是生態演化，就不允許把信息剝離成形式化的語法信息，也不允許把信息生態過程割斷為封閉的信息過程）方法論來處置問題、要堅持運用形式、內容、價值三位

75、一體的整體化方法來分析問題、要憑借理解來作出判斷。把信息學科范式的方法論與圖 1 的全局研究模型相結合，就明確了人工智能系統生成智能的機制應當是在“問題、目標、相關知識”的約束下實現由“客體信息”到“智能行為”的復雜轉換，如圖 2 所示。圖 2 人工智能系統的智能生成機制 圖 2 顯示，人工智能系統中的智能生成機制的激勵條件，是環境客體所提供63 并經主體所選擇的問題（即“客體信息”），智能生成機制所生成的結果是由客體信息轉換而成的“智能行為”，而它所遵守的約束條件則是由主體所提供的預設目標和知識。智能生成機制的實質是“信息轉換與智能創生”，具體轉換與創生過程則是：客體信息感知信息知識智能策略

76、智能行為，如圖 3 所示。圖 3 智能生成機制“信息轉換與智能創生”的具體化 可以證明，“信息轉換與智能創生”機制是普適性的，不僅適合于各種人工智能也適合于自然智能（包括人類智能），因此，可以名副其實地把它稱為普適性智能生成機制，并把它的本質稱為“信息轉換與智能創生定律”。普適性智能生成機制是人工智能研究的根本路徑，以“普適性智能生成機制”為標志的研究路徑稱為“機制主義”研究路徑。這是與現有人工智能的結構主義路徑、功能主義路徑、行為主義路徑鼎足三分的情況截然不同的全新研究路徑。6、重審人工智能的學術結構（學科規格 A）信息學科范式要求保持學科的學術結構整體性（完整性），恢復人工智能學科的本來面

77、目。遵循完整性的要求，就應把人工智能學科的學術結構理解為以下各個學科群的交叉與綜合：64 原型學科群：人類學，神經科學，認知科學，人文科學，社會科學，哲學 本體學科群：信息科學，系統科學 基礎學科群：生物物理學，邏輯學，數學 技術學科群：微電子，微機械，新材料，新能源 由于傳統物質學科范式強調對復雜對象施行“分而治之”，結果就把人工智能學科分解出一些互不相容的分支學科，從而產生對人工智能學科的片面認識和誤解。最典型的一種誤解就是，僅僅根據專家系統的一家之情，把整個人工智能學科看作是計算機學科的一個分支。這顯然不是對人工智能的正確理解。7、重塑人工智能的數理基礎（學科規格 B）遵循信息學科范式的

78、“統一性和整體性要求”，需要改造和重塑人工智能的數理基礎，特別是它的邏輯基礎和數學基礎。為此，本團隊一方面創建了具有可調參數的“柔性邏輯理論”，從而把原來的標準數理邏輯和各種非標準邏輯納入統一的邏輯連續譜系；同時本團隊創建了以因素為基元的“因素空間數學理論”，從而把原來互相獨立發展的普通集合論、概率論、模糊集合論、粗糙集合論等相關數學分支和諧地納入統一完整的人工智能數學理論。8、重構人工智能的基礎概念（學科理論 A）在傳統物質學科范式指導下，人們建立了一批人工智能的基礎概念。但是，由于接受了“單純形式化”方法的影響，這些概念只有形式因素而沒有內容因素和價值因素，因此基本都是“空心化”的基礎概念

79、，比如形式化的“數據”，形式化的“知識”，形式化的“智能”等等。事實上，正是這些空心化的概念，使現行的人工智能系統的智能水平（理解能力）非常低下。65 符合信息學科范式理念的基礎概念包括：全信息，全知識，全智能等。這里的前置詞“全”并非要求“胡子眉毛一把抓”，而是強調“形式、內容、價值”三位一體的整體化。只有全面了解事物的形式、內容和價值，才能理解事物。全智能來源于全知識，全知識來源于全信息。因此，智能理論最基礎的概念是“全信息”。它的“形式、內容、價值”三位一體整體化體現為“語法信息（形式）、語義信息（內容）、語用信息（價值）”的三位一體?！叭畔ⅰ钡母拍罹哂袊栏竦纳蓹C制和定義方法，如圖

80、4 所示（詳細的解釋件文獻：圖4“全信息”的生成機制 圖 4 的模型不僅闡明了全信息的生成機制，而且給出了語義信息（內容）的科學定義：Y=(X,Z)，其中算子“”代表“映射與命名”的邏輯操作?？梢?，人們掌握了語義信息，就同時掌握了語法信息和語用信息，就代表了全信息。所以，語義信息是用來“理解”事物的，而不是用來描述事物的統計特性的。有了全信息的概念與生成機制，全知識與全智能的概念與生成便水到渠成。由此就可以建立“全知識”的知識庫（標準的名稱是“機制主義的記憶庫”），它與傳統知識庫的根本區別就在于它的知識包含了“形式性知識、內容性知識、66 價值性知識”，因此可以有力地支持理解。值得指出，這樣的

81、“機制主義記憶庫”比目前流行的“知識圖譜”更為深刻，因而更為優越優越?？傊?，只有在“全信息”和“全知識”的基礎上，才能具有“理解能力”，才能支持真正的“全智能”。9、深挖人工智能的基本原理（學科理論 B）信息學科范式強調“信息生態方法論”。因此，最為深刻的人工智能原理就是體現信息生態演化的“信息轉換與智能創生定律”。這是一切人工智能和人類 智能系統的本質和靈魂。正如圖 3 所表明的那樣，“信息轉換與智能創生定律”具體包含:（1）“客體信息感知信息（感知）”的轉換原理，（2）“感知信息知識”（認知）的轉換原理，（3）“感知信息、知識與目標智能策略”（謀行）的轉換原理，（4）“智能策略智能行為”（

82、執行）的轉換原理，和（5）“誤差信息優化智能行為”（優化）的轉換原理。細心的讀者可能已經發現，“信息轉換與智能創生定律”的前四項轉換原理恰好體現了中華文明的“知行學說”知（感知、認知）行（謀行、執行）。最后這項“優化原理”，其實是在“利用知行學說來糾正誤差”。所以，“信息轉換與智能創生定律”完全與中華文明的知行學說交相輝映。不難證明，“信息轉換與智能創生定律知行學說”既是普適性的人工智能生成機理，同時也是人類智能的生成機理。當然，只有應用信息學科的范式才有可能發現這一極其重要的結論。相反，如果恪守傳統物質學科的范式，那就只能看到人工智能系統的結構與人類智能系統的結構之間的巨大差別。67 值得指

83、出，“信息轉換與智能創生定律”的深遠意義更在于，它是與物質科學領域的“質量轉換與物質不滅定律”和能量科學領域的“能量轉換與能量守恒定律”等量齊觀的科學定律，它們三者一起就完善了物質、能量、信息三大資源領域的三大科學定律。進一步的分析可以看到，“質量轉換與物質不滅定律”和“能量轉換與能量守恒定律”闡明了這兩個領域所存在的界限，告訴人們“不能逾越這些界限”。而信息轉換與智能創生定律則告訴人們“可以通過信息轉換來創生人工智能系統為人類提供智能服務，把人類從體力勞動和有規可循的智力勞動中解放出來，以便更好地發揮人類的創造性能力，實現人類社會的可持續發展”?；蛘?，更簡要的說，物質不滅定律和能量守恒定律告

84、誡人們“不能逾越界限”，而智能創生定律則告訴人們“可以創造未來”。從這個層面上是否也可以說，“信息轉換與智能創生定律”對于人類的進步與發展具有更加重大的意義？10、創建通用智能理論（學科理論體系）綜合集成第二節第 1-9 小節的各項成果，特別是其中以“信息轉換與智能創生定律”為表征的機制主義研究路徑，可以構建既適用于人工智能也適用于人類智能的“通用智能理論”。表 3 列出了通用智能理論的總體特征以及通用智能理 論總體特征與現有人工智能理論總體特征的對照。表 3 通用智能理論的總體特征及其與現有人工智能理論的對比 比較事項比較事項 現有人工智能理論現有人工智能理論 通用智能理論通用智能理論 科學

85、觀 客觀物質，關注物的結構，確定性變化 主體客體互動，關注主體的目的，68 不確定性變化 方法論 機械還原方法論（單純形式化；分而治之）信息生態方法論（形式內容價值三位一體化；整體性演化）全局模型 孤立的腦模型；智能系統行為模型 主體駕馭下的主體與客體相互作用信息過程模型 研究路徑 互不相容的研究路徑：結構模擬、功能模擬、行為模擬 統一的研究路徑：機制模擬（普適性的智能生成機制）學術結構 計算機學科的一個分支 神經科學、認知科學、信息科學、社會科學和數理科學等的交叉與綜合 數理基礎 概率論，數理形式邏輯 柔性邏輯理論，因素空間理論 基礎概念 形式化數據、形式化知識、形式化智能 形式內容價值三位

86、一體的信息、形式內容價值三位一體的知識和智能 基本原理 未有總結 信息轉換與智能創生定律 最終結果 三個局部理論 通用智能理論 由此可以看出范式革命對于智能理論研究的巨大作用和深刻意義。通用智能理論的功能模型如圖 5 所示。69 圖 5 通用智能理論模型 不難看出，圖 5 的通用智能理論模型不但全面體現了信息學科范式（科學觀和方法論）的理念，體現了人類學、神經科學、認知科學、信息科學（含智能科學）、系統科學、柔性邏輯理論、因素空間數學理論等科學精神，而且，也展現了人類智能的精髓。特別體現了“物質變精神和精神變物質”的辯證法，以及“人類不斷地認識世界和改造世界，并在改造客觀世界的過程中改造自己”

87、的人與環境相互作用的理論。1 11 1-632632，融合人工智能不同學派發展路徑探索新一代人工智能（通用人工智能）在跟帖 150 中，我們看到 40 多年來符號主義者與連接主義者爭論一直不斷。2018 年 12 月符號主義者、紐約大學教授 GaryMarcus 又與連接主義者（或深度學70 習者）、蒙特利爾大學教授 Yoshua 及臉譜首席科學家 YannLecun 又燃起了這場古老的爭論。在跟帖 457 中，華盛頓大學計算科學家葉錦才（Yejinchoi）提出自動知識圖譜構建模型 COMET，企圖將符號推理與深度學習融合在一起，攻克常識推理難關，以完善大規模語義網絡。在跟帖 546 中，鐘

88、義信教授提出新一代人工智能（通用人工智能）的基礎理論，在跟帖 548 中，張鈸院士提出邁向新一代人工智能（第三代人工智能）的設想。鐘、張均認為符號主義、連接主義等不同學派的發展路徑均存在片面性，難以據此單獨發展為新一代人工智能，只有將當前人工智能不同學派的發展路徑融合改造為統一的發展范式并據此發展，探索新一代人工智能才有希望。但鐘、張團隊對如何融合，均未提出具體的解決方案，似乎只有華盛頓大學葉團隊為實行常識推理攻關初步提出了具體的融合方案（將符號主義與深度學習融合），這還是一個初步的融合方案（因為深度學習的統計特征還難以轉化為推理或理解）。1 12 2-636636，評鐘文 看到跟帖 546、

89、547、559、559 附件 569 發表鐘義信教授關于構建下一代強人工智能（鐘稱：通用人工智能）的文章，概括來說鐘文認為：1)，在人工智能發展歷史上有三大學派，即：基于數據統計連接系統的結構主義，基于邏輯推理符號系統的功能主義，基于模擬智能生物行為感知動作系統的行為主義。在人工智能發展中，各自取得不少精彩成果，但三派爭霸無法統一，其發展路徑均存在片面性，無法通往下一代強人工智能領域。71 2)，通往下一代強人工智能（即欲進入通用人工智能領域），需從突破性變革的學科范式出發（人工智能范式的顛覆性變革催生了通用人工智能的基礎理論）。3)，鐘教授提出了構建通用人工智能學科范式的基礎理論，由變革并融

90、合三大學派的不同發展路徑演變而成?，F在的問題是：如何對三大學派的發展路徑進行顛覆性變革和相互融合，以實現統一的學科范式，支持構建下一代強人工智能（通用人工智能）？似乎尚缺具體的解決方案！1313-637637，評張文 看到跟帖 548 發表張鈸院士等關于構建下一代強人工智能（張稱：第三代人工智能）的文章，概括來說張文認為：第三代人工智能的理念及其發展途徑是融合第一代人工智能（符號主義）的知識驅動和第二代人工智能（連接主義）的數據驅動的人工智能范式。把知識驅動和數據驅動結合起來，同時利用知識、數據、算法和算力等四要素，建立可解釋和魯棒的人工智能理論與方法，構建更強大的人工智能，即發展安全、可信、

91、可靠和可擴展的人工智能技術。張院士提出構建第三代人工智能的范式，如何融合（不同發展路徑的融合）？如何結合（兩驅動）？如何利用（四要素）？如何構建大規模語義網絡（知識圖譜），賦予其足夠能力可支持認知智能得以實現？似乎尚缺乏具體的解決方案！不能一句話就說過去！1 14 4-653653，陸總：這是我們研究工作的一個簡介，請批評指正！72 鐘義信，北京郵電大學 2021.03“機制主義人工智能基礎理論”“機制主義人工智能基礎理論”簡介簡介 機制主義人工智能理論機制主義人工智能理論及其邏輯與數學基礎（合稱為機制主義人工智能基礎理論）及其邏輯與數學基礎（合稱為機制主義人工智能基礎理論）是是實現了“人實現

92、了“人工智能基礎理論重大突破”工智能基礎理論重大突破”（國務院規劃的第二步戰略目標）的重要理論成果的重要理論成果。突破的關鍵是抓住了學科研究的龍頭突破的關鍵是抓住了學科研究的龍頭 范式，發現了人工智能范式張冠李戴，實施了范式革命，突范式，發現了人工智能范式張冠李戴，實施了范式革命，突破了原有人工智能面臨的層層障礙，揭示了人工智能的新科學觀、新方法論、新模型、新路徑、新邏輯、新破了原有人工智能面臨的層層障礙，揭示了人工智能的新科學觀、新方法論、新模型、新路徑、新邏輯、新數學、新概念、新原理，創建了“機制主義人工智能基礎理論”。數學、新概念、新原理，創建了“機制主義人工智能基礎理論”。具體而言：顛

93、覆了物質學科范式：機械唯物科學觀和機械還原方法論 因而 突破了現行人工智能的全局研究模型：孤立的腦模型 突破了現行人工智能的研究路徑：結構主義、功能主義、行為主義三個分道揚鑣的研究路線 突破了現行人工智能的基礎概念：形式數據、形式知識、形式智能 突破了現行人工智能的邏輯基礎：剛性的邏輯 突破了現行人工智能的數學基礎：分立的理論 進而 確立了信息學科范式：主客互動科學觀和信息生態方法論 構筑了全新的研究模型：主體客體相互作用的演進模型 開創了全新的研究路徑：基于普適性智能生成機制的機制主義路線 創建了全新的人工智能邏輯理論：泛邏輯理論 創建了全新的人工智能數學理論：因素空間理論 重建了人工智能的

94、基本概念：全信息、全知識、全智能 發現了全新的人工智能基本原理：信息轉換與智能創生定律 綜之 首創了機制主義人工智能基礎理論 簡要簡要解釋如下。解釋如下。一切科學研究活動都受到人們的科學觀和方法論的引領和支配?？茖W觀闡明了研究對象的本質“是什是什么么”，方法論闡明了學科的研究應當“怎么做怎么做”；科學觀和方法論一起，就闡明了學科研究應當遵循的規范方式，簡稱“范式范式”。因此，范式是整個學科研究的龍頭范式是整個學科研究的龍頭，它的正確與否決定了整個學科研究的成敗。顯然，作為開放復雜信息系統的人工智能，應當遵循信息學科的范式。但是，我們通過全面調研卻驚人地發現：它所遵循的竟然是物質學科的范式，在范

95、式上犯了張冠李戴的大忌！這是現有人工智能一切痼疾73 頑癥的總根源。比如，在物質學科范式的“分而治之”方法論支配下，人工智能的研究被分解為人工神經網絡、專家系統、感知動作系統三個分道揚鑣的學派，使人工智能的研究至今仍然處于沒有統一理論的初級狀態；又如，在物質學科范式的“單純形式化”方法論支配下，智能的內核（內容要素和價值要素）被完全丟棄，導致現有人工智能系統的結果不可解釋，智能水平低下。為什么人工智能的研究會陷入范式“張冠李戴”的境地？這是社會法則所決定的。具體來說，由于歷史上的科學研究都屬于物質學科體系，都遵循物質學科的范式，不存在范式變革的問題。問題發生在 20 世紀中葉以來，信息學科迅猛

96、興起，形成了信息學科研究的社會存在?？墒切畔W科的范式卻至今未能形成。這是因為范式屬于社會意識范疇，而“社會意識滯后于社社會意識滯后于社會存在會存在”是社會發展的根本法則。在這種情形下，信息學科（含人工智能）的研究者們便沿用了當時業已存在的物質學科范式，于是造成了信息學科（含人工智能）范式的張冠李戴，而且一直延續至今，是為無可避是為無可避免免的結果的結果！面對人工智能范式的張冠李戴，唯一有效的解決辦法就是實施“正冠”。我們發現，中華文明的整體觀（科學觀）和辨證論（方法論）完全符合信息學科的性質和需要，是引中華文明的整體觀（科學觀）和辨證論（方法論）完全符合信息學科的性質和需要，是引領信息學科和

97、其他復雜科學開拓創新的最佳范式。領信息學科和其他復雜科學開拓創新的最佳范式。據此，我們以中華文明支撐的的信息學科范式取代了人工智能的傳統學科范式，并在信息學科范式引領下實現了上述各項突破與創新。成果“機制主義人工智能基礎理論”的意義成果“機制主義人工智能基礎理論”的意義：開創了信息學科和復雜學科研究的新范式，具有劃時代意義 從理論上消除了原有人工智能的痼疾頑癥，具有重要的理論意義 智能生成機制是人工智能應用系統的通用孵化平臺，具有重大工程意義 信息轉換與智能創生定律與“物質不滅和能量守恒”具有相同科學意義 見證了中華文明對 21 世紀信息學科和復雜學科開拓創新的引領地位。1 15 5-6956

98、95，關于通用人工智能的討論 在人工智能國內外跟帖討論中，鐘義信、張鈸等均談到人工智能發展前沿為通用人工智能，但至今尚未突破具體解決方案。李德毅院士提出通用人工智能“十問”，他提問如何理解通用人工智能？王迪興曾答復“十問”，他在談到通用人工智能時，也僅停留在議論的層面上，并未涉及具體解決方案！但這里的問答，也可供探索者參考！問：如何理解通用人工智能？我們應該不應該把通用智能理解為“全知全能”或74 者單項超強智能？盡管今天的計算機已經可以解決很多復雜的、專門的智力問題（如圍棋智能），我們仍常常覺得它們缺乏人類思維的某些本質特征。這里的差別主要不是在算法、算力、數據量方面，不是在速度和容量方面，

99、而是在智能的一般性、通用性、普遍性、靈活性、缺省性、容錯性、可習得性、不確定性、適應性、常識性、開放性、創造性、自主性等方面。遺憾的是發展六十多年的人工智能沒有能夠更靠近人的原始智能。答：通用人工智能需要全新的理論基礎，從哲學層面講，需要本體論、方法論、認識論的統一，從自然科學的角度講，需要系統論、信息論、控制論的統一。從計算理論角度講，巴貝奇與圖靈計算模式均不適用，需要奠定新的計算理論基礎，統一時間與空間計算理論，且與腦科學統一。根本性障礙在于目前數學描述方法對于結構化的多因果互為因果關系描述無能為力，需要創建一門新的數學結構數學，其理論基礎是準全息系統論，其定量描述是全息結構計算模型?；?/p>

100、它可設計 2-16-256 進制的類惱計算機（我們已設計實現 16 進制計算機），不僅計算速度能達到指數級計算能力增長，關鍵是性能更符合人腦功能機制。智能的最本質特性，是子系統或功能模塊基于多因多果、互為因果關系建立實時、共時交互作用的關系模式。智能是其若干功能模塊互補交互作用的結果。相對于傳統計算機，其功能特征是讀、寫、算同步、儲算一體化、址與數據統一。外設之間能夠多對多并行實時雙向同步交互作用，體現內在的統一性，即運算、交換、控制、雙向立交總線功能統一一體化。大腦和遍布人體的神經網絡本來是一體的東西，但在現實世界，計算機和網絡卻人為的被分成兩個相對獨立的東西，喪失了內在統一性。智能最本質的

101、東西，是記憶單元與各功能單元具有內在自組75 織作用關系。不僅存儲單元之間具有確定性的互為因果作用關系，且能形成緊密交互作用的更大規模的超循環！所謂超循環是每一個作用因子的輸出是另一個作用因子的輸入，這是智能、生命產生的基本前提。模擬人腦智能，即模擬類腦神經元網絡的結構及功能，多因多果、互為因果作用關系模式，是生命及智能的基礎。至于通用人工智能的目的不應該是構造一個與人腦完全一樣的東西，完全相同的克隆人就行了！也并非全知全能，人也非全知全能！說到底我們不是構造具有獨立意志的智能異己！只有不同才會超越！1 16 6-755755，論人工智能基礎理論的源頭創新 范式革命：人工智能基礎理論重大突破的

102、必然選擇范式革命：人工智能基礎理論重大突破的必然選擇 鐘義信 摘要摘要 制約人工智能發展的最大障礙，是它的最高指導思想（即科學觀和方法論，統稱為范式）犯了張冠李戴的大忌：用了物質學科的范式來指導人工智能的研究。本文用科學發展普遍規律與人工智能發展歷史相結合的方法論證了：人工智能范式張冠李戴的不可避免性，人工智能的范式革命是人工智能實現重大突破的唯一正確舉措，后者將推動物質學科主導的科學時代邁向信息學科主導的科學新時代，并從源頭上創建科學新時代的人工智能理論 通用人工智能理論。1 1，引言，引言 與解放人類體質能力的材料科學和解放人類體力能力的能量科學（統稱為物質學科）不同，人工智能是以解放人類

103、智力能力為目標的一門學科。因此，人工76 智能學科一問世就受到人類社會的高度關注。至今，發展人工智能已經成為世界各國特別是各發達國家的重大戰略。2018 年 10 月 31 日，習近平總書記在中共中央政治局集體學習會議上指出：人工智能是引領這一輪科技革命和產業變革的戰略性技術，人工智能是引領這一輪科技革命和產業變革的戰略性技術，要加強基礎理論要加強基礎理論研究，支持科學家勇闖人工智能科技前沿的“無人區”，努力在人工智能發展方研究，支持科學家勇闖人工智能科技前沿的“無人區”，努力在人工智能發展方向和理論、方法、工具、系統等方面取得變革性顛覆性突破，確保我國在人工智向和理論、方法、工具、系統等方面

104、取得變革性顛覆性突破，確保我國在人工智能這個重要領域的理論研究走在前面、關鍵核心技術占領制高點能這個重要領域的理論研究走在前面、關鍵核心技術占領制高點。2017 年 7 月，我國國務院頒發了新一代人工智能發展規劃。根據這個發展規劃，今年，我國的人工智能研究進入了第二個戰略階段，目標是實現人工智能基礎理論的重大突破。因此，實現人工智能基礎理論研究的重大突破，應當成為本階段我國人工智能研究的重中之重。2 2，實現人工智能基礎理論的重大突破，需要準確理解幾個重要概念，實現人工智能基礎理論的重大突破，需要準確理解幾個重要概念 人工智能的研究新穎、復雜而艱深，呈現出諸多的謎團和不確定性。因此，需要正確理

105、解人工智能領域的一些重要概念，以免研究活動誤入歧途。2.1 2.1 人類智慧和人類智能人類智慧和人類智能 首先，要分請智慧與智能的關系，不能把二者混為一談。什么是智慧？現代漢語詞典說，是辨識判斷和發明創造的能力。筆者認為，人類智慧是指它作為萬物之靈的卓越能力人類智慧是指它作為萬物之靈的卓越能力：人類自覺地不斷地運人類自覺地不斷地運用信息和知識去認識世界和改造世界，并在改造客觀世界的過程中不斷地改造自用信息和知識去認識世界和改造世界，并在改造客觀世界的過程中不斷地改造自己的主觀世界，從而不斷地改善自己的生存與發展水平己的主觀世界，從而不斷地改善自己的生存與發展水平。認識世界，是為了探索未來發展道

106、路而去研究和提出應當解決的問題，給出77 解決問題應當遵循的工作框架：（1）定義和描述所需解決的問題，（2）預設解決問題應達到的目標，（3）明確解決問題所需的知識。改造世界，是為了變革現實而去解決所提出的問題，即針對給出的工作框架，利用關于問題的信息和知識，在預設目標的引導下去謀劃解決問題的策略，并把策略轉化為行動，把問題的原有狀態改造成為符合預設目標所要求的狀態。認識世界必須根據人類的目的，利用人類的隱性思辨能力（如直覺能力、抽象能力、理解能力和想象能力等）去探索，因此，被稱為人類的隱性智慧。改造世界則主要依賴于人類的顯性操作能力（包括獲取信息、提取知識、生成策略和執行策略的能力等）來實施，

107、因此，被稱為人類的顯性智慧。人類隱性智慧的特點，是直接依賴于人類的目的，而且高度抽象，甚至近于神秘，因此，難以用機器來模擬。然而，人類的顯性智慧卻是在給定了具體問題、求解目標和知識的工作框架條件下的問題求解研究，既有明確的起點，又有明確的目標，既可望也可及，因而可以成為“機器模擬”的對象。人類的顯性智慧由此就被特別地稱為“人類智能”。人造機器可以用來模擬人類智能，卻難以用來模擬人類智慧。2.2 2.2 人工智能與人類智能人工智能與人類智能 人工智能，是在人造機器上所實現的人類智能人工智能，是在人造機器上所實現的人類智能。因此，人工智能的研究只涉及對“解決問題變革現實的人類顯性智慧”的模擬，不涉

108、及探索未來提出問題的人類隱性智慧。人類不可能讓沒有生命的機器取代自己去探索自己的未來，把人類未來發展的命運交給沒有生命的機器。明確了這些概念，就可以避免產生“人工智能無所不能、人工智能將全面超越人類和統治人類”這樣一些誤解。其實，再強大的人工智能，都只能在人類隱再強大的人工智能，都只能在人類隱78 性智慧給出的工作框架內去解決問題性智慧給出的工作框架內去解決問題，只能執行人類的意志，為解決人類關注的問題和為改善人類生存發展的目的服務。人工智能可以是人類的聰明助手與合作伙伴，而不能成為主宰人類命運的主人。2.3 2.3 信息與機器感知信息與機器感知 沒有信息就沒有知識，沒有知識就沒有智能。因此，

109、信息是智能的源頭，準確理解信息概念才能保證智能理論研究不走偏路。需要提醒的是，至今國際學術界唯一公認的信息理論是 Shannon1948 年創立的信息論。然而，Shannon 信息論的原名是通信的數學理論（Mathematical Theory of Communication），適用于“只關心形式，不關心價值和內容”的通信工程，不適于“需要全面理解形式、內容和價值”的人工智能研究的需要。具體來說，在人工智能的場合，信息有兩個互相聯系又互相區別的概念。首先是客體信息的概念，它的定義可以這樣表述：客體信息，就是客體信息，就是客體所呈客體所呈現的自身狀態及其變化方式現的自身狀態及其變化方式。顯然，

110、這是本體論的信息概念?？腕w信息只與客體自身的狀況有關，而與主體的狀況無關，甚至與是否有主體存在無關。如果客體信息被主體（人工智能機器可被理解為人類主體的代理，也常常簡稱為主體。下同）所感知，就產生了主體的感知信息的概念。由于引入了主體，感知信息比較復雜，感知信息比較復雜，包含了三個分量：（包含了三個分量：（1 1）主體從客體信息中感受到的客體的狀）主體從客體信息中感受到的客體的狀態及其變化方式的外在形式，稱為形式信息態及其變化方式的外在形式，稱為形式信息（文獻中稱為語法信息）；（；（2 2）從客）從客體信息中知覺到的客體對主體目標而言所具有的效用價值，稱為價值信息體信息中知覺到的客體對主體目標

111、而言所具有的效用價值，稱為價值信息（文獻中稱為語用信息）；（3）由形式信息和價值信息兩者定義而成的含義內容，稱為由形式信息和價值信息兩者定義而成的含義內容，稱為內容信息內容信息（文獻中稱為語義信息）。感知信息是形式信息、價值信息和內容信息的三位一體。正由于感知信息包79 含了形式、價值、內容全部分量，因此也被稱為“全信息”。顯然，感知信息屬于認識論的范疇。關于感知信息的更深入討論，見本文第 5.2 節。有了這些信息概念，就可以精準定義感知的概念：感知，就是把客體信息轉感知，就是把客體信息轉換為感知信息的過程換為感知信息的過程。這是感知的學術本質。學術界存在一個相當普遍的誤解：以為感知就是傳感。

112、根據上述的感知定義就明白：感知功能必須能夠了解客體的形式、價值和內容。傳感功能只能感受到客體的形式，不了解客體的價值和內容，不可能承擔感知的功能。2.4 2.4 知識與機器認知知識與機器認知 由上述信息的定義可以知道，信息是具體的個性化的概念。如鋼筆的信息、毛筆的信息、鉛筆的信息、圓珠筆的信息、排筆的信息、畫筆的信息等等，都是具體事物的信息，個別事物的信息。與此相對,“筆”的信息則是抽象的共性的概念，它是從具體的鋼筆的信息、毛筆的信息、鉛筆的信息、圓珠筆的信息、排筆的信息、畫筆信息這個集合抽象出來的共性的概念。這個“抽象的筆的信息”就稱為“關于筆的知識”。信息是具信息是具體的個別事物呈現的現象

113、，知識則是一類事物的抽象的共性本質體的個別事物呈現的現象，知識則是一類事物的抽象的共性本質。需要注意，既然知識是一類事物的抽象的共性的本質，因此，知識應當屬于認識論的范疇（而不是本體論的范疇）。換言之，認識論范疇的知識只能從認識論范疇的感知信息抽象提煉出來的概念。因此，與感知信息概念相對應，知識也應當是形式性知識、價值性知識、內容性知識的三位一體。由此可以給出認知的定義：認知，就是把感知信息轉換為知識的過程認知，就是把感知信息轉換為知識的過程。這是認知的基本功能，也是認知的學術本質。不難理解，作為把感知信息（感性認識）轉換為知識（理性認識）的認知，80 其實就是學習的過程，包括初級的灌輸式（機

114、械式）學習，中級的從眾式（統計式）學習，高級的自主式（理解式）學習。2.52.5，策略與謀行，策略與謀行 策略是解決問題的方法與步驟，是人工智能的核心概念策略是解決問題的方法與步驟，是人工智能的核心概念。人類智能和人工智能的智能水平究竟如何？關鍵就看解決問題的策略的水平如何。由于策略與智能具有這樣密切的關系，人們就把策略看作是智能的化身，稱之為智能策略。如果給定了求解的問題，那么，問題的客體信息也就隨之給定了。于是，通過感知就可以獲得感知信息，通過認知就可以獲得相應的知識。在此基礎上，針對感知信息（它是主體對問題的感性認識），在知識的約束下（什么步驟能被采取，什么步驟不能被采?。?，在預設的求解

115、目標引導下，就可以謀劃解決問題的智能策略。這個過程，稱為謀劃求解問題的行動策略的過程，簡稱“謀行”。所以，可以給出定義：謀行，就是在目標導引下，在知識支持與約束下，把謀行，就是在目標導引下，在知識支持與約束下，把感知信息轉換為智能策略的過程感知信息轉換為智能策略的過程。以往的文獻沒有“謀行”的概念，只有“決策”的概念。不過，人們往往把決策簡單地看作是“在幾個備選行動方案中選取一個”的過程，忽視了這些備選的行動方案是怎樣被“謀劃”出來的。為了避免這種簡單化片面化的誤解，這里提出了“謀行”的概念，它涵蓋了謀劃與選擇的全部過程。2.6 2.6 主客互動與信息生態主客互動與信息生態 人工智能是在人造機

116、器上實現的人類智能，是對人類解決問題變革現實的顯性智慧的模擬。因此，人工智能所扮演的角色就是“人類的代理”。而人類正是通過與環境中的客體的相互作用產生出認識世界和改造世界的智能策略和智能行為，贏得人類生存發展水平的不斷改善。因此，主客互動（主體與客體的相互主客互動（主體與客體的相互作作81 用）是人工智能研究的根本前提用）是人工智能研究的根本前提。在主客互動過程中，主體接受的是客體信息的刺激，輸出的是主體產生的智能策略和智能行為。顯而易見，智能必定是由信息經過復雜的轉換所生成的。具體來說，在主客互動的過程中，客體信息會被主體轉換為感知信息，進而轉換成為知識、智能策略和智能行為。這就是所說的信息

117、轉換，而且是信息的生態轉換，信息的生態轉換，這個信息轉換過程就形成了信息的生態鏈這個信息轉換過程就形成了信息的生態鏈：從初級的信息（現象）轉換為高級的知識（本質）以至更高級的智能（策略）。所謂信息生態，是指在保持信息內涵的整體性、時空的連續性和系統性前提所謂信息生態，是指在保持信息內涵的整體性、時空的連續性和系統性前提下和全局優化條件下的信息下和全局優化條件下的信息轉換轉換。這樣的信息轉換過程，也就是信息的生態演化過程。2.7 2.7 學科范式與科學時代學科范式與科學時代 在一般的意義下，范式是指人們所遵循的“世界觀和行為方式”7。人類一切有意識的行為都受著某種范式的支配和規范，不是受這種范式

118、的支配和規范就是受別的范式的支配和規范，不存在范式真空的情形。范式是引領和規范人們行為的最高支配力量。在科學研究領域，范式是指研究活動所遵循的科學觀和方法論在科學研究領域，范式是指研究活動所遵循的科學觀和方法論，人類的一切研究活動都受著某種范式的支配和規范，不是受這種范式的支配和規范就是受那種范式的支配和規范，不存在范式真空的情形。范式是引領和規范研究活范式是引領和規范研究活動的最動的最高支配力量高支配力量。正是在這個意義上，科恩把范式看作是“科學革命”的指標把范式看作是“科學革命”的指標。迄今，人類的科學研究活動產生了兩種不同的學科：一個是發端于農耕時代的物質學科，一個是興起于信息時代初期的

119、信息學科。物質學科早已滲透在整個82 科學領域，信息學科也在快速地向所有科學領域（包括物質學科領域）滲透。物質學科的研究對象是物質對象，信息學科的研究對象是信息對象。物質對象和信息對象的性質對立而統一，相反而相成，物質學科和信息學科所遵循的范式也是對立而統一，相反而相成。由此，就形成了對立而統一、相反而相成的兩形成了對立而統一、相反而相成的兩個科學時代：物質學科主導的科學時代，信息學科主導的科學新時代個科學時代：物質學科主導的科學時代，信息學科主導的科學新時代。促成物質促成物質學科主導的科學時代向信息學科主導的科學新時代轉換的力量，就是范式的革命。學科主導的科學時代向信息學科主導的科學新時代轉

120、換的力量，就是范式的革命。以上這些，就是與人工智能理論直接相關的最為基本的重要概念。3 3，實現人工智能基礎理論的重大突破，需要準確理解人工智能的歷史，實現人工智能基礎理論的重大突破，需要準確理解人工智能的歷史 半個多世紀的人工智能發展史，極其極其精彩地精彩地演繹了人工智能研究領域各種不演繹了人工智能研究領域各種不同觀念和方法之間的矛盾沖突，從中折射出了非常寶貴而且發人深省的啟示同觀念和方法之間的矛盾沖突，從中折射出了非常寶貴而且發人深省的啟示。因而，值得細加考察。3.1 3.1 人工智能的歷史：觀念方法的矛盾演繹人工智能的歷史：觀念方法的矛盾演繹 用機器來協助人類進行勞動，是人類一直不懈追求

121、的美好理想。不過，真正付諸實踐的研究始自 20 世紀的 40 年代。那時人們相信，人類的高級認知功能定位于大腦新皮層的神經網絡，認為只要把大腦神經網絡的結構在機器上實現出來就可以模擬出人類的智能。這是結構模擬方法捷足先登的緣由。具體來說，1943 年 McCulloch 和 Pitts 發表了神經元的數理邏輯模型，1949年 Hebb 提出了神經元的學習規則。利用 M-P 模型和 Hebb 規則就可以構造人工神經元網絡，開展人工神經網絡及其應用研究。人類大腦神經網絡是由近千億神經元互相復雜連接而成的大規模非線性系統，而當時的科技和工業能力都只能實現小規模的簡單神經網絡系統，因此結構模擬的人工智

122、能研究雖然似乎前景光明，但道路卻很曲折，進展緩慢。83 面對這種情況，一批思想活躍的學者便撇開結構模擬的途徑，選擇了功能模擬的途徑。這就是 1956 年夏天 McCarthy 等人在 Dartmouth 發起的利用計算機作為硬件平臺、通過編制“聰明軟件”來模擬人類邏輯思維功能的研究途徑，并且創造了 Artificial Intelligence 這一術語來表征這個新的研究領域。由于那時的計算機已有很強的功能，Newell 和 Simon 等人提出了“計算機的功能與人腦功能等效”的物理符號假設，并把功能模擬的研究產物稱為物理符號系統，認為這是可以像人腦一樣求解通用問題的人工智能系統。果然，功能模

123、擬方法一經問世，便在數學定理機器證明和模式識別等方面取得了令人鼓舞的成績。不過，當人們真的利用這一方法來解決通用問題的時候，就發現這是很不現實的想法，因為求解通用問題需要無限的知識。于是，人們不得不把面向通用問題求解的物理符號系統改成為面向專門問題求解的專家系統。然而，解決專門問題也需要專門的知識，而知識的定位、獲取、表示、推理都存在難以逾越的“知識瓶頸”困難。在這種情況下，Brooks 等人提出了行為模擬的思路。他們宣稱，行為模擬方法不需要知識，只需要感知到環境對智能系統的刺激和智能系統對此所產生的動作響應（于是被稱為“感知動作系統”），因此可以回避結構模擬方法的復雜性問題和功能模擬方法的知

124、識瓶頸困難。行為模擬的典型研究成果，是 Brooks 領導的 MIT 人工智能實驗室在 1990 年所演示的六腳蟲爬行機器人以及隨后所研制的各種智能機器人。遺憾的是，對于行為模擬的感知動作系統來說，它自身的最大問題是它僅能模擬智能系統的外在行為表現，這只是一類淺層的智能。上述歷史表明，人工智能存在結構模擬、功能模擬、行為模擬三種不同的研究方法。它們是在人工智能發展的不同階段、面臨不同的問題、分別由不同的人84 群發展出來的各不相同的研究方法。它們的學術信仰（以腦科學為模擬原型的結以腦科學為模擬原型的結構主義、以認知科學為模擬思路的功能主義、以控制論為模擬原理的行為主義構主義、以認知科學為模擬思

125、路的功能主義、以控制論為模擬原理的行為主義）各不相同，所針對的問題各不相同，所采取的策略各不相同，所顯現的能力也各不相同。雖然都是人工智能的研究方法，但卻無法實現殊途同歸。實際上，三大學派非但未能殊途同歸，無法形成合力，反而變為互不相容，互相排斥，勢難同立，以至逞強凌弱，成為同行冤家。以下是這些學派稱雄爭霸的若干典型事例。1969 年，功能主義方法的學術帶頭人 Minsky 和他的同事 Papert 出版學術專著感知機嚴厲抨擊神經網絡方法“沒有科學價值（without scientific value）”，認為它的成果建在流沙之上（built on quick sand）。這種猛烈的批評，造成

126、世界范圍人工神經網絡領域的研究人員大量轉行，使人工神經網絡的研究陷入為期十多年的“黑暗年代”。1987 年，借著專家系統的研究遭遇“知識瓶頸”的困難而神經網絡研究進入復興階段的機會，結構主義人工神經網絡研究者們在美國加州圣地亞哥舉行的IEEE 第一屆神經網絡國際會議期間，與會者中爆發出了“人工智能死了，神經網絡萬歲（AI is dead.Long live neural network）”的強烈吶喊。表現了結構主義神經網絡研究學派對功能主義專家系統研究學派的強烈反擊。1990 年前后，行為主義感知動作系統研究學派的帶頭人 Brooks 連續發表論文抨擊正在遭受“知識瓶頸”困難的功能主義研究方法

127、，宣稱行為主義感知動作系統的研究方法可以不需要知識（Intelligence without Knowledge），因而也不需要知識的表示(Intelligence without Representation)，以此來否定功能模擬方法。85 正是由于不同學派的學術主張各不妥協，使人工智能的研究始終處于某個學派一派獨大的格局，從來沒有出現過相互合作的局面。1943 年至 1956 年間，由于其它兩種研究路徑尚未問世，人工智能當然只存在結構主義（初期的簡單人工神經網絡）一種研究路徑。1956 年至 2016 年這 60 年間，基本上是功能主義雄霸天下。雖然在 20 世紀 70 年代初期由于在機器

128、翻譯領域的失敗和隨后由于知識瓶頸的困擾曾經兩度遭遇過發展的危機，但是，功能主義方法仍然維持著它的統治地位，因為被它打入“黑暗年代”的結構主義方法還沒有完全緩過氣來。從 2016 年至今，由于初期的簡單神經網絡逐漸發展成為復雜的深層結構模型，訓練和學習的算法也得到顯著改進，在人工智能的一些競賽評測項目中表現出大大超越功能主義方法、甚至超越人類能力的優異性能，于是，基于結構主義方法的深層神經網絡研究變成這一時期人工智能的主導學派，基于功能主義方法的專家系統研究則幾乎難覓蹤影了。3.2 3.2 人工智能歷史的啟示：根本問題是范式的張冠李戴且不可避免人工智能歷史的啟示：根本問題是范式的張冠李戴且不可避

129、免 經過 70 多年的發展，人工智能研究的結構主義（人工神經網絡研究）、功能主義（專家系統）研究、行為主義（感知動作系統研究）三大學派各自都取得了不少引以自豪的成果，但也都面臨嚴峻的挑戰。不過，三大學派取得的成績已為世人熟知，為了節約篇幅，這里暫不展開。從推動人工智能基礎理論源頭創新的需要著眼，我們應當重點關注現行人工智能究竟面臨的根本性問題。只有發現了這些問題，才能有針對性地解決這些問題，推動人工智能及其基礎理論研究健康發展。歷史考察表明，第一個嚴重的問題是：三大學派分道揚鑣各自為戰，無法形第一個嚴重的問題是：三大學派分道揚鑣各自為戰，無法形86 成統一的人工智能理論，因而也就無法建立通用的

130、人工智能系統成統一的人工智能理論，因而也就無法建立通用的人工智能系統。由于沒有統一的理論，現行人工智能系統的研究都嚴重依賴于應用場景。人們在研究實用的人工智能系統的時候，首先就需要仔細選擇應用的場景，然后針對這個選定的場景設計解決問題的人工智能系統。一旦應用場景改變了，系統就要從頭重新設計：一個場景一個系統，不同場景就要設計不同的系統。曾經有人宣稱，人工智能領域或許根本就不存在統一的理論，因此也不存在通用的系統；只要一個一個應用場景的人工智能系統都研制出來了，人工智能的問題就全解決了。不難看出，這種認識根本不符合辯證法和“可持續發展”的理念，也不符合系統論的基本原理。系統論原理指出：系統（整體

131、）遠遠大于它的部分和。這就是說，系統的整體解決遠遠勝于它的所有部分解決之和，其間存在整體優化和局部優化之間的質的差別！因此，“現行人工智能無法建立統一理論”乃是一個極為嚴重的問題，表明人工智能的研究根本沒有到位。追根尋源，為什么現行人工智能的研究無法建立統一的理論呢？人工智能發展的歷史給出了明確的答案：作為開放復雜信息系統的人工智能研究，遵循了“分而治之”的方法論，把人工智能的整體研究肢解成了結構主義、把人工智能的整體研究肢解成了結構主義、功能主義、行為主義三種方法分別進行研究功能主義、行為主義三種方法分別進行研究?！胺侄沃狈椒ㄕ撛谖镔|學科領域非常有效，但用在人工智能領域卻割斷了三種方法之

132、間的復雜而隱秘的信息聯系，后者正是整體信息系統的生命線和靈魂；既然割斷了三種方法之間的生命線和靈魂，當然就無法把它們恢復成為原來的復雜信息系統整體。這就是現行人工智能的研究無法建立人工智能統一理論的根本原因。不是技術細節的原因，而是方法論的原因。而沒有人工智能的統一理論，就表明現行人工智能的研究根本沒有走上正確的軌道。87 第二個第二個嚴重的問題是：現行人工智能的智能不是在理解問題基礎上的真正智嚴重的問題是：現行人工智能的智能不是在理解問題基礎上的真正智能，而是快速計算能力的奇葩表現，真正的智能水平卻很低下。能，而是快速計算能力的奇葩表現，真正的智能水平卻很低下。按照本文前面的人工智能定義，它

133、應當是在人造機器上所實現的解決問題的顯性智慧。這就表明，人工智能系統所表現的“智能”應當是在“理解問題基礎上解決問題的能力”。但是，現行人工智能系統表現的“智能”其實并沒有理解能力。為什么這樣說呢？這是因為：現行人工智能的研究都是純粹形式化的研究，閹割了問題的內容現行人工智能的研究都是純粹形式化的研究，閹割了問題的內容與價值因素，因此不可能理解問題與價值因素，因此不可能理解問題，當然也就不可能做出有智能水平的決策。比如，當你看見一只老虎，你看到了它的形態（形式信息），如果你也懂得它會傷人（價值信息），知道它是食人猛獸（內容信息），那么，你就理解了老虎，就可以做出正確的、有智能水平的決策；躲，逃

134、，或在不得已的情況下射殺。但是如果你不知道老虎會傷人（不具有價值信息），也不知道它是食人猛獸（不具有內容信息），你就沒有理解老虎這種兇猛野獸。在這種情況下，你怎么知道應當做出怎樣的決策？說不定你就會“與虎共舞”，結果為虎所食。單純形式化是物質學科的方法論，在只關心物質結構與功能的物質學科范疇內可以暢行無阻，但是卻不可能有效支持人工智能的研究。這是因為，人工智能的研究不能僅僅根據問題的形式就做決策，而必須對問題的形式、內容、價值有全面的理解才能做出合理的決策?？傊?，現行人工智能存在的主要問題是（1）整體被肢解，無法建立統一理論，整體被肢解，無法建立統一理論，表明人工智能的研究沒有走上正確的軌道表

135、明人工智能的研究沒有走上正確的軌道，（2）價值和內容被閹割，導致智能水價值和內容被閹割，導致智能水平低下，同樣說明人工智能的研究沒有走上正確的軌道平低下，同樣說明人工智能的研究沒有走上正確的軌道?？傊?，不能建立統一的人工智能理論，根本原因是因為人工智能的研究遵循88 了物質學科“分分而治之而治之”的方法論的方法論。而智能水平低下，根本原因則是因為人工智能的研究遵循了物質學科“單純形式化單純形式化”的方法論的方法論。正如范式定義所表明的，方法論是為科學觀服務的。有什么科學觀，就要求采用什么樣的方法論?？茖W觀和方法論兩者所構成的統一整體，就形成了主宰科學研究活動的最高引領和規范力量 范式。這就很明

136、白了：人工智能的研究之所以一直都在遵循物質學科“分而治之”和“單純形式化”的方法，根本的原因有兩個方面：一方面，人工智能的研究活動雖然已經廣泛展開，但是，長期以來很少關注人工智能的最高指導思想 科學觀和方法論（范式）。以至半個多世紀過去了，仍然沒有在學科范式上形成學術共同體的明確共識。因此，根本沒有信息學科的范式可以遵循。另一方面，數百年來物質學科范式的強大存在和廣泛影響，使人們誤以為信息學科的研究也同樣可以遵循物質學科的范式。這樣兩個方面原因的疊加，就造成了人工智能范式的張冠李戴。這決不是什么人的惡意中傷或造謠惑眾，而是半個多世紀以來人工智能研究領域活生生的事實。下面表 1 所列的內容，就是

137、物質學科范式、人工智能實際所遵循的范式、信息學科范式三者的簡明對照。需要說明的是，表 1 第三行所列的“信息學科范式”是本文作者團隊歷經半個多世紀所研究提煉出來的結果。雖然在整個人工智能學術共同體內，很少有人關注和研究過信息學科領域的范式問題，但是由于獨特的學經歷，筆者從 20 世紀 60 年代起就特別關注了信息學科的科學觀與方法論的探索。89 表 1 人工智能范式張冠李戴的具體事實 事項事項 科學觀科學觀 方法論方法論 物 質 學科范式 機械唯物論的物質觀機械唯物論的物質觀 研究對象：物質客體，排除主觀因素 對象性質：確定性演化，可分性 研究目的：了解對象的結構與功能 機械還原論的方法論機械

138、還原論的方法論 描述與分析方法：純粹形式化 決策的判斷方法：形式的匹配 宏觀處置的方法：分而治之 人 工 智人 工 智能范式能范式 準“物質觀”準“物質觀”研究對象：腦物質，排除主觀因素 對象性質：存在不確定性，可分性 研究目的：了解對象的結構與功能 真“還原論”真“還原論”描述與分析方法：純粹形式化 決策的判斷方法：形式的匹配 宏觀處置的方法：分而治之 信 息 學信 息 學科范式科范式 整體觀：主客互動的信息觀整體觀：主客互動的信息觀 研究對象：主客互動的信息過程 對象性質：不確定性演化，整體性 研究目的：實現主體客體合作雙贏 辯證論：信息生態方法論辯證論：信息生態方法論 描述與分析方法：形

139、式內容價值一體化 決策的判斷方法：內容理解 宏觀處置的方法：生態演化 對比表 1 三個項目的內容可以明顯看出，人工智能實際遵循的范式（表中第二行），基本上是物質學科的范式（表中第一行），而與信息學科范式（表中第三行）幾乎無關。那么，為什么會有這樣的結果呢？答案很明確：歷史注定，無可避免。社會的發展存在一個鐵定的法則：社會意識滯后于社會存在社會意識滯后于社會存在。在科學研究領域，學科的研究活動就是一種社會存在，作為學科范式的科學觀和方法論就是學科的社會意識。學科的研究活動這種社會存在遲早總要產生相應的學科范式作為自己的社會意識，而且，學科的范式一旦形成，它就要反過來影響學科的研究活動。只是，學科

140、范式的形成必然要滯后于學科的研究活動。學科的范式究竟需要滯后多長的時間？這沒有確定的答案。一般而言，學科越是復雜，學科范式的形成（特別是在學術共同體內形成共識）所需要的時間就必然越長。比如，直到如今，信息學科的范式都沒有在學術共同體內形成共識。4 4，實現人工智能基礎理論的重大突破，需要遵循學科發展的普遍規律，實現人工智能基礎理論的重大突破，需要遵循學科發展的普遍規律 90 作為一個新學科，人工智能當然具有自己的個性，但是，同樣重要的（如果不是更為重要的話）是必須服從共性的規律。以下的表 2 用表格的形式給出了學科發展普遍規律的簡明解釋。表 2 學科發展的普遍規律 階段進程階段進程 進程名稱進

141、程名稱 進程要素進程要素 要素解釋要素解釋 初級階段：初級階段：自下而上自下而上 的探索的探索 摸索（摸索（準備）多方試探 通過長期自下而上的多方試探摸索，總結失敗教訓和成功經驗，提煉和確立學科的研究范式（即學科應當遵循的科學觀和方法論）高級階段：高級階段：自上而下自上而下 的建構的建構 范式范式 （宏觀定義）科 學 觀 宏觀上明確學科的本質“是什么”方 法 論 宏觀上明確學科的研究“怎么做”框架框架 （落實定位）學科模型 基于“學科范式”的學科全局藍圖（是什么）研究路徑 基于“學科范式”的整體研究方法（怎么做）規格規格 （精準定格）學術結構 基于“學科范式”的學科內涵規格（是什么）學術基礎

142、基于“學科范式”的學術基礎規格（怎么做）理論理論 （完整定論）基本概念 基于“學科范式”的學科基本知識點（是什么）基本原理 基于“學科范式”的概念間相互聯系（怎么做）表 2 顯示，學科的發展需要經歷兩個相互聯系而又相互不同的階段：首先是自下而上的探索階段（稱為初級階段），然后才能進入自上而下的建構階段（稱為高級階段）。初級階段的主要任務，是要通過各個相關學科領域的研究人員從各種不同的學術角度展開全面而漫長的摸索、試探、爭論、交流、總結，才能逐漸提煉出關于學科范式（學科本質是什么？應當怎樣研究？）的共識。這是一個極為艱難的探索過程。在這個階段，往往會出現各種各樣“盲人摸象”的情景。高級階段的主要

143、任務，是要在初級階段摸索得到的學科范式引領下，通過形成學科框架（學科的研究模型和研究路徑）和學科規格（學術結構的規格和學術基礎的規格）一步一步地把范式貫徹落實到學科的理論建構之中（包括構建學科的基本概念集合和基本原理集合）。91 對照表 2 所描述的學科發展普遍規律可以看出，當今，人工智能學科的研究當今，人工智能學科的研究確實仍然處在自下而上探索范式的初級階段確實仍然處在自下而上探索范式的初級階段。這是因為，今天的人工智能研究仍然處于結構主義、功能主義、行為主義三大學派互不認可（類似于盲人摸象）的狀態，而且仍然處于“范式張冠李戴”的狀態。為了實現人工智能基礎理論的重大突破，首先就必須盡快結束這

144、種范式張冠李戴的狀態。表 2 的規律也清楚地表明，學科的范式是引領學科發展全過程的力量：學科探索階段的任務，是為了總結出學科的范式；學科建構階段的任務，是為了貫徹和落實所總結出來的學科范式。所以，學科范式的引領和規范作用貫徹在學科發展的始終。有了正確的學科范式，學科的發展就有了明確的方向和靈魂，離開了正確的學科范式，學科的發展就會迷失方向，陷入泥潭。5 5，范式革命，實現人工智能基礎理論重大突破的方法與步驟，范式革命，實現人工智能基礎理論重大突破的方法與步驟 既然學科范式是學科發展的最高支配力量，而人工智能的范式又不可避免地陷入了張冠李戴的窘境，成了現行人工智能一切痼疾頑癥的總根源，那么，人工

145、智能范式的革命就成為解決人工智一切痼疾頑癥的唯一對癥良方，也是實現人工智能基礎理論重大突破和源頭創新的唯一正確舉措。具體來說，所謂人工智能的范式革命，就是一方面要顛覆物質學科范式對人所謂人工智能的范式革命，就是一方面要顛覆物質學科范式對人工智能學科的統領地位，同時要總結和確立信息學科范式對人工智能學科的整體工智能學科的統領地位，同時要總結和確立信息學科范式對人工智能學科的整體引領，并以信息學科范式來規范人工智能各個層面的研究引領，并以信息學科范式來規范人工智能各個層面的研究?，F在就來考察：人工智能的范式革命是怎樣按照表 2 所載明的學科發展普遍規律，從人工智能研究的源頭開始一步一步地創建全新的

146、一代人工智能理論 通用人工智能理論。92 5.1 5.1 第一步，解除物質學科范式對人第一步，解除物質學科范式對人工智能研究的約束，確立信息學工智能研究的約束，確立信息學科范式對人工智能研究的引領，首先闡明人工智能學科的宏觀定義科范式對人工智能研究的引領，首先闡明人工智能學科的宏觀定義 如前所說，人工智能的范式革命，就是要徹底顛覆物質學科范式對人工智能的統領地位，全面確立信息學科范式對人工智能的引領和規范作用。之所以要顛覆物質學科范式對人工智能的統領地位，是因為：（1）按照物質學科范式的科學觀，研究對象應是孤立的腦物質，排除主觀因素的影響。但是，智能不可能由孤立的腦物質產生（參考狼孩的試驗）。

147、因此物質學科范式的科學觀不適用于人工智能的研究。（2）按照物質學科范式的方法論，就要貫徹分而治之和單純形式化的方法。但是，這樣兩種方法只能導致人工智能理論的分裂（分而治之割斷子系統之間的聯系）和智能水平的低下（單純形式化使信息、知識、智能全部空心化）?？梢?，物質學科的范式確實把人工智能學科的研究完全引入了歧途。顛覆了物質學科范式對人工智能的束縛，只是范式革命的第一步。更重要的步驟是要全面確立信息學科范式對人工智能的規范與引領。那么，什么是信息學科的范式？經過我們半個多世紀對信息學科的科學觀及方法論的探究，它的基本特征已經被總結出來，并且表述在本文表 1 的第三行。（1）信息學科范式的科學觀認為

148、，人工智能的研究對象不應排除主體因素的存在，人工智能的研究對象應當是主體駕馭和環境約束下的主體與客體相互作用的信息過程。（2）信息學科范式的方法論表明，人工智能的研究不應遵循機械還原的分而治之和單純形式化方法，人工智能的研究應當遵循信息生態方法論（即在保持信93 息的整體性、連續性、系統性和全局優化條件下的信息轉換方法）。這樣，根據信息學科范式的科學觀和方法論，我們就可以得到人工智能學科人工智能學科的宏的宏觀定義（是什么？怎么做？），即：觀定義（是什么？怎么做？），即：（1 1）人工智能學科的本質，是主體駕馭和環境約束下主體客體相互作用的信）人工智能學科的本質，是主體駕馭和環境約束下主體客體相

149、互作用的信息過程，研究的目的是實現主體客體相互合作和互利雙贏息過程，研究的目的是實現主體客體相互合作和互利雙贏。（2 2）人工智能學科的研究，應當堅持信息生態方法論。）人工智能學科的研究，應當堅持信息生態方法論。正確的學科定義，是人工智能學科能夠走上健康發展軌道的根本基礎。這樣，人工智能的研究就不再局限于模擬人類大腦的結構，也不是去模擬大腦的功能或者人類表現的外部行為，而是要運用信息生態方法論，研究主客互動的信息過程，實現主客雙贏的規律，不斷改善人類的生存發展水平。5.2 5.2 第二步，把學科的宏觀定義具體落實為第二步，把學科的宏觀定義具體落實為學科的全局模型和研究路學科的全局模型和研究路徑

150、徑 根據信息學科范式科學觀所闡明的學科定義，人工智能的全局研究模型應當是主體駕馭和環境約束下的主體與客體相互作用的信息過程模型主體駕馭和環境約束下的主體與客體相互作用的信息過程模型。圖 1 所表示的，正是符合這個學科宏觀定義的人工智能全局研究模型4。圖 1 人工智能的全局模型：主體客體相互作用的信息過程 正如模型所表明的那樣，人工智能學科的全局模型必然是客體信息首先作用于主體，然后，具有目的和知識的主體就設法生成智能行為反作用于客體，完成94 主體與客體相互作用的第一個基本回合。如果第一回合的智能行為反作用于客體的結果達到了預設的目標，這個回合就完成了任務；如果沒有達到預設目標，其中的誤差就要

151、返回到主體的輸入端，成為補充性的客體信息，促使主體去補充新的知識，優化智能策略和智能行為，改進反作用的效果（縮小誤差），直至滿意為止。圖 1 所示的人工智能全局研究模型雖然看似簡單，卻清晰而準確地揭示了人工智能的深層本質：只有主體與客體發生相互作用，才會使具有目的和知識的主體產生智能行為來反作用于環境的客體，實現主體與客體的合作雙贏，一方面，主體達到了自己的預設目標；另一方面，客體維護了環境的運行規律。那種既沒有外部刺激輸入、又沒有自身行為向客體輸出的孤立大腦，實際上不可能產生真正有用的智能。即使孤立的大腦非?！奥斆鳌?，但是沒有外部的刺激就沒有產生智能行為的激勵與動因，因而不會去生成智能行為；

152、而沒有自身的輸出，就不可能檢驗它所產生的行為是否具有智能水平。根據信息學科范式的科學觀構筑了正確的研究模型以后，接下來要思考的問題就是：應當怎樣去研究這個全局模型？根據信息學科范式的方法論，人工智能的研究應當遵循信息生態方法論。把這個問題說得更明確一些就是：遵循信“在主客互動框架下保持信息的整體性、連續性、系統性的條件下以及在全局優化條件下的信息轉換方法”。進一步，遵循了信息生態方法論的人工智能系統，又將會怎樣產生所需要的智能行為呢？事實上，圖 1 的全局研究模型已經表明，人工智能系統產生智能行為的方法只與客體信息、主體目標、主體的知識這些因素有關，即：智能行為的生成必定95 是在主體目標的導

153、引下、在知識的支持與約束下、由客體信息通過復雜轉換而產生出來。由此，就可以構筑：在信息學科范式的信息生態方法論指引下智能行為生成的過程模型，如圖 2 所示：圖 2 普適性智能生成機制的模型20 顯然，圖 2 只是圖 1 的具體化，但具體化了的圖 2 就更加明確地揭示了主體產生智能行為的詳細過程和普適性機制。具體來說，首先就要實現主體對客體的感知，從而產生主體的感知信息，接著就要把感性的感知信息提升為理性的知識才能對客體有深刻的認識，然后就可以在預設目標的引導下、在知識的支持與約束下，把感知信息轉換為解決問題的智能策略，進而轉換成為智能行為。這就是上述圖 2 的全部結果。圖 2 所揭示的智能生成

154、機制是普適性的，因為其中定義的所有因素（感知、認知、謀行、執行）都是普適性的。圖 2 還表明，這個普適性智能生成機制的準確內涵應當是“信息轉換與智能創生”原理，即（以表示“轉換”算法）：客體信息客體信息感知信息感知信息知識知識智能策略智能策略智能行為智能行為 這樣，信息學科范式的信息生態方法論就創造了一種前所未有的人工智能研究路徑：基于普適性智能生成機制的機制主義研究路徑基于普適性智能生成機制的機制主義研究路徑，它是一種統一的（普適96 的）人工智能研究路徑。有了這種統一的人工智能研究路徑，原先的結構主義、功能主義、行為主義三者分道揚鑣的研究路徑就可以被放進歷史博物館！事實上，對于人工智能基礎

155、理論研究來說，普適性智能生成機制才是人工智能的核心本質所在：系統的結構和功能都是為系統實現智能生成機制服務的。至于系統的行為，則是普適性智能生成機制實現以后的系統外部表現。所以，這是人工智能理論的一個具有歷史意義的重要結果。它給人工智能學科的研究大方向提供了一個極為重要的啟示：普適性智能生成機制是一類復雜的普適性智能生成機制是一類復雜的信息轉換，因此，要把人工智能研究的整體思路聚焦到“信息轉換”這個大方向信息轉換，因此，要把人工智能研究的整體思路聚焦到“信息轉換”這個大方向上來！只要抓住了“信息轉換與智能創生”這個普適性智能生成機制，就抓住了上來！只要抓住了“信息轉換與智能創生”這個普適性智能

156、生成機制，就抓住了人工智能研究的核心本質。算法、算力、數據、知識都是為實現“信息轉換與智人工智能研究的核心本質。算法、算力、數據、知識都是為實現“信息轉換與智能創生”這個普適性智能生成機制服務的。能創生”這個普適性智能生成機制服務的。不過，需要特別提醒：作為普適性智能生成機制的本質，“信息轉換與智能創生原理”中的源頭 信息，并不是現在廣泛流行的 Shannon 信息，而是感知信息，也就是全信息。如果不了解這一點，普適性智能生成機制仍然不可能生成真正的智能，這是因為，ShannonShannon 信息是被單純形式化方法閹割了內容和價值因素、信息是被單純形式化方法閹割了內容和價值因素、只剩下形式因

157、素的空心化信息！利用這樣的空心化信息，普適性智能生成機制也只剩下形式因素的空心化信息！利用這樣的空心化信息，普適性智能生成機制也只能提煉出空心化知識，生成空心化的智能只能提煉出空心化知識，生成空心化的智能！本文在基本概念一節已經交代了感知信息（全信息內容信息）的概念，指出了感知信息具有形式信息（語法信息）、價值信息（語用信息）、內容信息（語義信息）三個分量。不過，在那里還沒有來得及交代這些分量是怎樣生成的，也沒有交代這三個分量之間存在什么樣的相互關系。這是因為，要想更深刻地闡述感知信息的定義和生成機制，首先必須懂得信97 息學科的范式，即必須懂得：整個信息轉換和智能創生的過程都必須“在主體駕馭

158、和環境約束下主體與客體相互作用的框架下進行”這個大前提。而在本文第 2節闡述基本概念的時候，還沒有論述到這個前提。因此，只能等到現在這個時候，才具備了條件可以具體闡明：如何在主體駕馭下從外界的客體信息生成主體感知信息的工作機制。在這里，“主體駕馭”和“主體與客體相互作用”的最重要標志，就是人工智能的整個信息轉換與智能創生過程都必須尊重“主體目標”的導控作用，以及存在主體所提供的知識所發揮的支持與約束作用。在此，值得特別強調的是：在人工智能系統中，必須十分重視“主體目標”的作用，它是體現主體主觀能動作用和主體利益的至高無上的標志性因素?？梢哉J為，只有那些有主體目標的人工智能系統，才會擁有真正的智

159、能，沒有主體目標的“人工智能”系統，不可能擁有真正的智能。這是研究人工智能理論與研究一般物質系統理論之間的最大區別之一。這也是人工智能的研究不宜完全退化到物質系統的研究的一個重要原因。在做了這些說明之后，現在就可以來構造“由客體信息轉換生成感知信息”的工作機制模型，具體情況如圖 3 所示。圖 3 感知信息生成機制的模型 98 圖 3 模型中，這個駕馭全局的主體目標就是存儲在“綜合知識庫”的 G。由它來確定外來的刺激（客體信息 S）對于達成系統的目標究竟是有利？有害？還是無關？也就是確定這個客體對于系統的價值信息（語用信息）為正？為負？還是為零，從而據此確定系統究竟應當對這個客體表示歡迎（支持）

160、？反對（抵制）？還是不予理會（過濾）？圖 3 模型中的“察覺系統察覺系統”就是傳感系統，但它只能覺察和表達系統面臨著什么形式的刺激 X（形式信息語法信息），而不可能懂得刺激的內容；模型中的“評價系統評價系統”就是對刺激的價值評估：這個刺激對于達成主體目標有什么利害關系 Z（價值信息語用信息）；其中的“定義系統定義系統”就是把形式信息 X 和價值信息Z 兩者形成的“偶對”映射到內容（語義）空間并對映射結果命名，這樣就得到了內容（語義）信息 Y。顯然，模型在技術上是完全可實現的。模型表明，感知信息的形式信息 X（語法信息）、價值信息 Z（語用信息）和內容信息 Y（語義信息）三者之間，并非相互獨立或

161、完全平等的關系，它們之間存在“Y=(X,Z)”的關系（其中的符號表示“映射與命名”的操作），即：內容信息乃是“把形式信息與價值信息所形成的偶對抽象而成的結果”內容信息乃是“把形式信息與價值信息所形成的偶對抽象而成的結果”。這是一這是一個非常重要非常有用的結果，也是一個至今都被普遍誤解了的重要結果個非常重要非常有用的結果，也是一個至今都被普遍誤解了的重要結果。由這樣生成的全信息（感知信息）按照普適性智能生成機制生成的知識和智能就將是同樣具備形式、價值、內容三個份量的“全知識”和“全智能”。5.3 5.3 第三步，進一步精準刻畫學科的學術結構規格和學術基礎規第三步，進一步精準刻畫學科的學術結構規格

162、和學術基礎規格格 根據信息學科范式的科學觀，人工智能學科的全局研究模型是“主體客體相互作用的信息過程模型”，那么，為了精準研究這種主客互動的信息過程，人工智99 能學科的學術結構規格也應當精細化。結果可以發現：人工智能學科的學術結構：人工智能學科的學術結構應當由人工智能的原型學科（神經科學、認知科學、人文科學等）、核心學科（信應當由人工智能的原型學科（神經科學、認知科學、人文科學等）、核心學科（信息科學、系統科學、控制科學等）和基礎學科（數學、邏輯學、哲學等）所形成息科學、系統科學、控制科學等）和基礎學科（數學、邏輯學、哲學等）所形成的交叉學科群結構的交叉學科群結構；而不應當僅僅是計算機學科。

163、同時，根據信息學科范式的方法論要求，人工智能學科的方法論應當是信息生態方法論。于是，為了描述主客互動框架下的信息生態過程 以信息轉換與智能創生為標志的普適智能生長機制，人工智能學科的學術基礎的規格就應當滿人工智能學科的學術基礎的規格就應當滿足“內涵的整體性、時空的連續性和系統性、全局的優化性”的數學理論、邏輯足“內涵的整體性、時空的連續性和系統性、全局的優化性”的數學理論、邏輯理論以及新型的信息哲學理論理論以及新型的信息哲學理論。而不應當僅僅是傳統的概率理論、剛性化的數理邏輯和傳統的哲學觀念。5.4 5.4 第四步，深度改造人工智能理論的基本概念和基本原理第四步，深度改造人工智能理論的基本概念

164、和基本原理 由于現有的人工智能理論（包括他的基本概念和基本原理）是在物質學科范式約束下形成的，肯定不能適應信息學科范式的規范。因此，深度改造人工智能的基本概念和基本原理是絕對必要的工作。比如，物質學科范式的科學觀認為研究對象是物質客體，不允許主觀因素的參與。這就導致現有人工智能的基本概念（如數據、知識、智能等等）都是純粹客觀的、絕對中性的、不反映主體因素的概念，同時也導致現有人工智能的工作原理（形式計算、統計、數理邏輯等等）也都是純粹客觀的、絕對中立的。又比如，物質學科范式的方法論是分而治之和單純形式化，因此，現行人工智能的基本概念（數據、知識、智能等等）都是被肢解和被閹割了內容與價值因素的形

165、式化概念，而現行人工智能的基本原理（純形式的計算、統計、數理形式邏輯等等）也都是被肢解和被閹割了內容與價值因素的原理。100 顯然，如果把現有人工智能的這些基本概念和基本原理原封不動地照搬到新的人工智能理論中來，那么就意味著，信息學科范式“被截去了雙腿”。換句話說，這樣的范式革命是半截子的、不成功的：學科的定義（學科的科學觀和方法論）、學科的定位（學科的全局模型和研究路徑）、學科的定格（學科的學術結構和學術基礎）都符合信息學科范式的要求，而學科理論的基本概念和基本原理卻是遵循了物質學科范式的要求！顯然，這種半截子的人工智能范式革命，絕對不可能成功。因此，人工智能理論基本概念和基本原理的深度改造

166、勢在必行。根據信息學科范式的科學觀，人工智能全局研究模型是“在主體駕馭和環境約束下主體與客體相互作用的信息過程”，那么，為了研究主體與客互動的信息過程，使主體能夠從形式、價值、內容上全面了解客體，人工智能學科的基本概人工智能學科的基本概念也就應當是形式價值內容三位一體的全信息、形式價值內容三位一體的全知念也就應當是形式價值內容三位一體的全信息、形式價值內容三位一體的全知識、識、形式價值內容三位一體的全智能等基本概念。其中，價值和內容便是信息學科范形式價值內容三位一體的全智能等基本概念。其中，價值和內容便是信息學科范式科學觀所要求的主體因素的具體體現，也是信息學科范式的信息生態方法論的式科學觀所

167、要求的主體因素的具體體現，也是信息學科范式的信息生態方法論的體現體現。近些年來，從實際操作的角度，人們把純粹形式化的“數據”看作是人工智能的糧食。這看似有一定的道理。不過，深入研究就會認識到，數據只是信息的載體，不含信息的形式數據根本無法使主體全面認識客體，因此不能啟動“普適性智能生成機制”，不能啟動人工智能系統的有效工作。只有攜帶了與系統目標相關（無論是正相關還是負相關）的信息（即感知信息的價值信息分量不為零），才能真正啟動人工智能系統的工作。所以，對于人工智能的研究來說，真正重要的概念是全信息以及由全信息引出的一系列概念，而不是純形式的數據。101 同時，根據信息學科范式的方法論，人工智能

168、學科的方法論應當是信息生態方法論，那么，為了滿足“整體性、連續性、系統性和全局優化性”，人工智能學人工智能學科的基本原理就應當是符合信息生態規律的一系列信息轉換并最終創生智能策科的基本原理就應當是符合信息生態規律的一系列信息轉換并最終創生智能策略的那些原理，它們構成“信息轉換與智能創生”定律略的那些原理，它們構成“信息轉換與智能創生”定律。很有意義的是，信息學科領域的“信息轉換與智能創生定律”，竟是與物質學科領域的“質量轉換與物質不滅定律”以及能量學科領域的“能量轉換與能量守恒定律”一樣重要（甚至是更重要）的基本科學定律。著實發人深??！5.5 5.5 第五步，最后綜合形成通用的人工智能理論第五

169、步，最后綜合形成通用的人工智能理論 最后，把人工智能范式革命及其全部鏈鎖反應的結果綜合在一起，就可以產生人工智能范式革命所創造的新一代人工智能理論 基于普適性智能生成機制的通用人工智能理論。普適性智能生成機制之所以特別重要，并且成為人工智能范式革命最為核心的成果，是因為，無論面對任何問題（任何應用場景），只要能夠提供“問題的充分描述、問題的求解目標和問題求解的相關知識”，那么，基于普適性智能生成機制的人工智能系統就可以生成解決問題達到目標的智能策略和智能行為。這就是通用人工智能的基本思想。作為最終結果，可以在圖 2 所示的普適性智能生成機制模型的基礎上生成整個通用的人工智能理論的系統模型，而且

170、完整地體現了表 2 所列的“學科發展普遍規律”，這就是圖 4 所示的通用人工智能理論系統模型。102 圖 4 通用人工智能理論的系統模型 不難看出，圖 4 仍是“主體駕馭和環境約束下主體與客體相互作用所產生的信息過程模型”，其中的客體（問題）表示為模型的底端的橢圓，模型的其他部分則是充分展開了的主體功能群，它完美地包容了圖 2 的普適性智能生成機制：把客體信息轉換為感知信息的感知子系統（“注意”的功能就在感知功能的基礎上完成），把感知信息轉換為知識的認知子系統，在目的引導下在知識約束下把感知信息轉換為智能策略的謀行子系統（其中包含基礎意識、情感、理智以及它們的綜合決策），把智能策略轉換為智能行

171、為的執行子系統，而且包含了存儲各種信息、各種知識和各種策略的綜合知識庫，還包含了檢驗智能行為反作用于客體的行為實效的效果檢驗子系統，以及模型中不容易直接看見但實際上存在的效果優化子系統（包括效果反饋、學習新知識、改善智能策略和智能行為從而改善智能行為的效果），最后還包括了把滿足要求的智能策略存入綜合知識庫，從而體現了通用人工智能系統在解決問題的過程中不斷學習和不斷增廣自己解決問題的能力的自學習子系統。只是由于本文篇幅和專業性的限制，有關上述通用人工智能理論系統模型中的這些子系統的工作原理難以在本文盡言。有興趣者可以參考筆者的學術專著。103 到此需要指出，所謂通用人工智能，并不是指：用一個單體

172、的“巨無霸”式的人工智能系統去包打天下，去解決世間所有的問題。我們所說的通用人工智能通用人工智能理論，是指以不變的（普適性的）智能生成機制去成功應對千變萬化的實際問題理論，是指以不變的（普適性的）智能生成機制去成功應對千變萬化的實際問題。這里的通用是指智能生成機制的通用，而通用人工智能系統的輸入內容（問題、目標、知識）和輸出內容（智能策略和智能行為）則將隨著問題的改變而相應改變。這就是“以不變應萬變以不變應萬變”的真實含義。具體來說，給定任何合理的“求解的問題、求解的目標、求解問題所需要的先驗知識”（所謂“合理”，是指：所給定的“求解問題”至少在理論上確實存在著“求解目標”，或者說給定的“求解

173、目標”一定存在），通用人工智能理論都可以憑借它的普適性的（不變的）智能生成機制，在給定的目標引導下，利用給定的知識（在先驗知識不足的情況下也可以通過學習來擴展知識），生成能夠求解問題達到求解目標的智能策略和智能行為。當然，如果求解的問題改變了（這意味著求解目標和所需要的知識也會相應改變），解決問題的策略和智能行為也就會隨之而改變，但是，生成這種智能策略和智能行為的機制卻永遠不會改變：依然是“信息轉換與智能創生定律”。換句話說，“普適性的智能生成機制”是人工智能理論研究中的不變性和不變核。這樣，面對千姿百態的問題，不再必須對每個不同的問題都推倒重來從頭做起去設計專用系統，只需要把各自的“問題、目

174、標、知識”表達成一定的規格，利用同樣的普適性的智能生成機制就可以生成解決相關問題的智能策略和智能行為，達到求解問題的目的?？傊?，通用人工智能系統乃是“人工智能系統的通用孵化平臺”。通用人工智通用人工智能系統乃是“人工智能系統的通用孵化平臺”。通用人工智能理論的“機制通用性和理論統一性”，是人工智能范式革命帶來能理論的“機制通用性和理論統一性”，是人工智能范式革命帶來的巨大優越性，的巨大優越性，104 現行人工智能理論無法望其項背現行人工智能理論無法望其項背。同樣十分重要的問題是，由于現行人工智能遵循了“單純形式化”的物質學科范式方法論，使得現行人工智能系統的“智能水平十分低下”，成為現行人工智

175、能理論的又一項痼疾頑癥?，F行人工智能系統表顯出來的“智能”，其實都不是基于對問題的理解來實現的，而是利用快速運算變幻出來的結果。這樣設計出來的“智能”嚴格依賴于特定的應用場景，場景一變，這種智能便會失效。從通用人工智能理論的圖 2 和圖 4 的模型則可看出，在這里，客體信息經過感知就被轉換成為了感知信息。根據本文第 2 節的概念定義，感知信息是形式信息（語法信息）、價值信息（語用信息）、內容信息（語義信息）的三位一體；知識也是形式知識、價值知識、內容知識的三位一體；智能策略也是形式策略、價值策略、內容策略的三位一體。因此，信息、知識、策略都是可以理解的。當然，人們不應當完全按照“人類的理解能力

176、水平”來要求“人工智能機器的理解能力水平”。但是，人工智能的“理解能力”仍然能使人工智能機器做出具有智能水平的決策。比如，在信息的層面上，系統可以根據感知信息的價值信息分量的大小對客體做出基于理解的明智決策：1）如果價值信息為足夠大的正值，就采取相應的措施來保護客體。2）如果價值信息為足夠大的負值，就采取相應的措施來反制客體。3）如果價值信息為足夠小的正值或負值，就不理會或過濾掉這樣的客體，4）在多中選一的情況下，就選擇其中價值信息為最大正值的客體，或者選擇其中價值信息為最小負值的客體。在知識和策略的層面，也同樣可以針對所面臨的問題做出與信息層面類似的105 具有一定智能水平的明智決策。而且，

177、無論在信息、知識、智能的層面，這樣所做出的決策，都可以清晰而準確地得到解釋。所以，人工智能范式革命為基于普適性智能生成機制的通用人工智能理論帶人工智能范式革命為基于普適性智能生成機制的通用人工智能理論帶來的另一個巨大優越性，就是它的理解能力和在理解基礎上的智能決策水平來的另一個巨大優越性，就是它的理解能力和在理解基礎上的智能決策水平。與通用人工智能理論的這種智能水平相比，現行人工智能理論的理解水平更是望塵通用人工智能理論的這種智能水平相比，現行人工智能理論的理解水平更是望塵莫及莫及。以上所述，就是人工智能范式革命的學術內涵、實現途徑（表現為表 2 所示的學科發展普遍規律）和重大學術意義，也是人

178、工智能范式革命所帶來的人工智能理論劃時代的深刻革命。表 3 是對上述論證的簡明總結。表 3 人工智能范式革命創造了通用人工智能理論 對比項目 物質學科范式下的人工智能 兩兩個個 科科學學時時代代的的分分水水嶺嶺 信息學科范式下的通用人工智能 科 學 觀 機械唯物的物質觀：非主觀，結構 對立統一的信息觀：主客互動，雙贏 方 法 論 機械還原論：純形式，分而治之 信息生態學：整體化，生態演化 全局模型 孤立的腦模型 主體駕馭的主客互動的信息過程模型 研究路徑 結構、功能、行為模擬分道揚鑣 基于智能生長機制的機制主義路徑 學術結構 計算機 原型核心基礎等多學科交匯 基礎特色 概率論，形式邏輯 因素空

179、間數學理論，泛邏輯理論 基本概念 形式數據、形式知識、形式智能 全信息、全知識、全智能等 基本原理 未做總結 信息轉換與智能創生定律 綜合結果 三個獨立的局部理論 通用人工智能理論 值得指出，表 3 顯示了，在實施人工智能范式革命之前，“三分天下”的現行人工智能理論乃是物質學科主導的科學時代的人工智能理論；而在實施人工智能范式革命之后，“通用人工智能理論”則是信息學科主導的科學新時代的人工智能理論。人工智能的范式革命，是這兩個時代人工智能理論的分水嶺人工智能的范式革命，是這兩個時代人工智能理論的分水嶺。106 正是在這個意義上，人工智能的范式革命，乃是推動物質學科主導的科學時人工智能的范式革命

180、，乃是推動物質學科主導的科學時代轉變到信息學科主導的科學新時代的引擎和橋梁，也是劃分物質學科主導的科代轉變到信息學科主導的科學新時代的引擎和橋梁，也是劃分物質學科主導的科學時代與信息學科主導的科學新時代的界限和分水嶺。這樣，人工智能范式革命學時代與信息學科主導的科學新時代的界限和分水嶺。這樣，人工智能范式革命的產物的產物 基于普適性智能生成機制的通用人工智能理論就名副其實地具有了基于普適性智能生成機制的通用人工智能理論就名副其實地具有了劃時代的意義劃時代的意義。這就是人工智能范式革命及其鏈鎖反應所帶來的人工智能基礎理論的具有劃時代意義的重大突破和源頭創新。致謝致謝 本文是筆者數十年來在國家自然

181、科學基金（包括，但不限于 68872014,69171023,69982001,60496327,60575034,60873001,70711120412 等）以及國家社科基金（18ZDA027）資助下所獲得的系統性研究結果。本文的研究還得到陸汝鈐院士、李衍達院士、陸建華院士、譚鐵牛院士、蒲慕明院士、涂序彥教授、何華燦教授、汪培莊教授、史忠植教授、韓力群教授、王小捷教授、周延泉副教授、李蕾副教授、李睿凡副教授、陳志成博士、孫健博士等多種形式的幫助。在此謹表衷心的感謝！1 17 7-799799，為什么通用人工智能不會實現 Ragnar Fjelland，挪威卑爾根大學，2020.6 內容：創

182、造類人人工智能(AI)的現代項目始于第二次世界大戰后，當時人們發現電子計算機不僅是處理數字的機器，而且還能處理符號。追求這一目標是有可能的，無需假設機器智能與人類智能是相同的。這就是所謂的弱 AI。107 然而，許多人工智能研究人員追求的目標是開發原則上與人類智能相同的人工智能，稱為強人工智能。弱 AI 不如強 AI 雄心勃勃，因此爭議較少。然而，也存在著與弱 AI 相關的重要爭議。本文重點討論了人工智能(AGI)和人工窄智能(ANI)的區別。雖然 AGI 可能被歸類為弱 AI，但它接近于強 AI，因為人類智能的一個主要特征是它的普遍性。盡管 AGI 沒有強大的 AI 那么雄心勃勃，但幾乎從一

183、開始就有批評者。主要的批評者之一是哲學家休伯特德雷福斯(Hubert Dreyfus)，他認為，沒有身體、沒有童年、沒有文化實踐的計算機根本不可能獲得智力。德雷福斯的主要論點之一是，人類的知識在一定程度上是隱性的，因此無法在計算機程序中表達和整合。然而，今天有人可能會說，人工智能研究的新方法已經使他的觀點過時了。深度學習和大數據是最新的方法，倡導者認為它們將能夠實現 AGI。仔細觀察就會發現，盡管用于特定目的的人工智能(ANI)的發展令人印象深刻，但我們還沒有在開發人工通用智能(AGI)方面走得更近。這篇文章進一步指出，這在原則上是不可能的，它恢復了休伯特德雷福斯的觀點，即計算機并不存在于這個

184、世界上。1 18 8-814814，通用人工智能技術（AGI）的認識過程論探析 陳凡、吳怡，2021.11,東北大學科學技術哲學研究中心 摘要：人工智能技術的發展被人們寄以從“專用”到“通用”的期盼，然而其實現的瓶頸在于循規蹈矩的程序恐難以真正理解符號背后的意義，由此表現為無法實現遷移學習的能力。馬克思主義認為，人的認識是由感性上升至理性的過程。當前智能機器所做出的智能決策雖與人類由理性做出的決108 策結果相吻合，但因其缺少感性過渡與升華的階段，故而與人類智能兩異。從馬克思主義對于人類認識發展過程的科學闡釋來看，人工智能技術從專用轉向通用，其間的感性要素是必要不充分條件。往常傳統的人工智能路

185、徑總是急于將人類的功能結果作為機器模擬的直接來源，抑或是將人類的神經元結構做以靜態的拷貝。它們都是出于功能結果和片面結構的模擬，而無一種方式是完全按照人類認識的發展過程的規律（即按照感性認發展至理性認識這一順序）進行模擬的，皆忽視了感性認識在智能機器設計中的基礎性地位。馬克思主義對于人類認識發展規律的科學解釋，可從哲學的視角為通用人工智能技術提供一種全新的思路。雖然對于機器而言，這是個極為復雜繁瑣的過程，但是我們沒有捷徑，應該遵循事物發展的客觀規律。人類如此，機器亦如此。1 19 9-826826，無開源不通用：通用人工智能機器生產工藝學批判 劉方喜，2022.3.15，中國社會科學院 摘要：

186、技術工藝性應用的通用性,需要社會性應用的開源性與之匹配,在人工智能通用性不斷提升的動態發展趨向中,構建與其匹配的開源性倫理規則,推動高效而無害的通用人工智能創造,具有重要意義。隨著創造并使用物質和精神勞動工具活動的發展,人類智能的封閉性、非通用性被不斷超越而社會性、開源性不斷提升,現代科學和自動機器大大加速了這一進程?，F代科學這種社會通用智能的工藝性應用,首先把物質勞動工具的使用技巧轉移到能量自動化機器上而成為社會機械通用智能,超越了手工智能封閉于個體人身內的生物性的非開源性。當今人工智能正在使精神勞動工具的109 使用技巧也向機器轉移,將進一步超越智能的個人生物性的非開源性,再進一步超越資本

187、商業化社會性應用非生物性的非開源性,通用人工智能將成為高度自動化的社會機械通用智能。無開源不通用,構建公義創新動力機制,聚合非市場、非營利創新動力,人工智能將在通用性、自動性、開源性高度統一中充分發展并造福全人類。2 20 0-827827，通用人工智能需要在私人語言的層面上進行知識表征嗎？來自大森莊藏的啟發 徐英瑾，2021.12.6，復旦大學哲學學院 摘要：通用人工智能語境中的私人語言,指的是這樣一個意思:表征 A 在系統甲那里的知識表征方式與同一個表征在系統乙那里的表征方式必然會有所差異。因此,在預設推論主義語義學自身有效性的前提下,A 在甲中的意義集,總會有一個子集（無論這一子集有多小

188、）僅僅為甲自身所擁有,而無法被任何一個別的系統所擁有。因此,任何一個與甲不同的別的系統,都無法徹底地理解甲對于 A 的意義把握方式。很顯然,這樣一種將機器表征與哲學史上的第一人稱哲學傳統相互結合的思路,是無法見容于后期維特根斯坦對于私人語言的著名反駁的。而為了與后期維特根斯坦論戰,日本哲學家大森莊藏的思想資源便具有了很高的引用價值,因為他本身的哲學就可以被視為維特根斯坦的話語方式與胡塞爾的思想內核的日本式混合體。在對大森的哲學進行面向機器表征問題的重建的過程中,對于局域性原則與歷史性原則的引入也是題中應有之義,以便為通用人工智能語境中建設私人語言的必要性提供辯護。而非公理性推理系統（納思系統）

189、所提供的技術手110 段,則會為這種想法的技術落地提供可能。2 21 1-854854，如何讓通用人工智能系統能夠“識數”徐英瑾，2021.9.25 復旦大學哲學院 摘要：識數的字面意思就是說,數字表達式的使用者需要知道這些表達式日常實踐中的具體意義,如知道十公里算不算路遠,十萬元算不算昂貴。主流人工智能系統雖然都是數碼化的,但卻未必真正識數,因為它們都無法以一種靈活的方式來理解數字表達式在特定的日常語境中究竟意味著什么,并在這種理解的基礎上進行復雜的語用推理。為了使得人工智能系統能夠識數,工作思路應是在非公理化推時系統的平臺上來構建數字表征。訓練非公理化推理系統使之識數的指導原則,就是先教會

190、它表征那些最不抽象的數學概念,再一步步進展到更抽象的概念。而這一教學步驟的安排,與我們教導兒童識數的路線圖是有點相似的。在這個面向機器的數字教學法中,我們將以對邏輯專名的教學作為對數字表征教學的重要前導。2 22 2-856856，基于多尺度濾波器組的時間、空間特征的集成學習方法用于運動圖像腦電圖分類 LiangShengZheng 等，2022.3.20 中科院深圳先進技術研究院廣東機器人與智能系統重點實驗室，中國科學院大學，重慶郵電大學 內容：從腦電圖（EEG）解碼運動意圖是基于運動想象的腦機接口（MI-BCI）的關111 鍵部分。為了幫助神經肌肉殘疾的殘疾人通過 BCI 恢復運動功能，需

191、要建立一種高效穩定的分類算法來解碼腦電信號中包含的運動意圖。然而，EEG 信號是非平穩的，個體之間差異很大。在這項工作中，我們提出了一種基于時間、空間特征和多尺度濾波器組的集成學習方法，稱為 TSMFBEL，旨在為 MI EEG 分類設計具有強泛化能力的集成分類器模型。為了獲得多樣化的集成分類器，將原始腦電數據通過自舉抽樣方法劃分為具有樣本多樣性的子集，然后通過多尺度濾波器組方法分解為具有時頻分布多樣性的時頻子集。對于每個時頻子集，從時域、空間域和時空域中提取具有域多樣性的特征，并根據每組特征訓練具有多樣性的異構分類器。為了獲得最優決策，我們將集成策略描述為最小分類誤差優化問題，并提出基于 L

192、2 范數的集成分類器權重優化方法，最后通過加權融合對集成分類器的決策進行整合。所提出的方法在兩個公共數據集（BCI Competition IV Dataset IIa 和 BCI Competition IV Dataset IIb）上進行了評估，并將結果與最先進方法的分類方法進行比較。實驗結果表明，所提出的 TSMFBEL 算法能夠有效地構建多樣化的集成分類器，在兩個數據集上的平均分類準確率分別為 88.80%和 86.53%，是目前最先進的方法中最高的，結果的標準差也是最低的。優異的分類性能表明，該算法在腦電信號解碼方面具有巨大潛力。2 23 3-866866，機器也需教育？論通用人工智

193、能與教育學的革新 劉凱、胡祥恩、王培，2018.2 華中師范大學心理學院、孟菲斯大學智能研究院、天普大學計算機與信息科學系 摘要：歷史悠久且底蘊深厚的教育學如今卻處于被邊緣化的尷尬境地，通用人工智能的興起為教育學復興帶來契機?？傮w而言，人工智能分為專用(弱)人工智能112 和通用(強)人工智能兩大分支，二者技術路線完 全不同。專用人工智能側重對“智能”行為外在的模擬，通用人工智能則致力實現機器內在的思維和情感，認為智能是一個系統在知識和資源相對不足情況下的適應能力，強調自身經驗對個體塑造的決定性 作用。在教育領域中，通用人工智能不僅破除了羈絆專用人工智能的技術崇拜與人文關懷迷失兩大問題，更表現

194、了與人類教育活動極相似的特征:首先是“教”，人類學習理論對通用人工智能系統的學習過程同樣有效;其次是“育”，通用人工智能系統在學習時也同樣需要借助經驗積累來實現育化的效果。因此，在通用人工智能的啟迪下，教育學將打破“人”的先天束縛，在人類教育理論與實踐的基礎上吸納和統合機器教育，在更寬廣的“人-機”二元主體視角下探究教育與學習的一般性規律，向“大學科”和“大科學”的方向邁進。2 24 4-891891，腦工終結時代的來臨:通用人工智能機器生產工藝學批判 劉方喜 2022 年 3 月 中國社會科學院文學研究所 能量高度自動化的機器曾經終結手工時代，通用人工智能將成為高度發達的社會大腦所生成的高度

195、自動化的社會機械通用智能，腦工終結時代正在來臨。人類有望徹底征服自然力，使物質和精神生產力從人身生物性限制下全面解放出來，在物種關系方面超越人類與自然關系的動物性;揚棄資本之后，人與人社會關系中過度競爭的動物性也將被超越，每個人的手工、腦工勞動將從資本支配下的競爭性、商品性、雇傭性中解放出來，手工、腦工勞動面前人人平等，體力、智力自由發揮人人所求，每個人的手工、腦工勞動將從必然王國中解放出來轉移到自由王國，每個人的體力、智力將得到全面、自由發展，每個人的生命意義將在平等113 與自由、人道主義與自然主義的高度統一中得到全面實現。面對腦工終結時代的來臨，重構馬克思機器生產工藝學批判，有助于推動人

196、工智能科學發展與合理應用。2 25 5-900900，使用自動挖掘知識和深度神經網絡回答中醫問題：端到端解決方案 Lizhang 等，2022.4.15 浙江大學先進技術研究院、浙江大學計算機科學系 互聯網上的醫療信息迅速增加，已成為搜索引擎使用的主要目標之一。然而，互聯網上的醫療信息存在質量和可訪問性問題，普通用戶無法方便地獲得醫療問題的答案。作為一種解決方案，研究人員構建了醫學問答(QA)系統。然而，用中文進行醫學 QA 的研究落后于基于英語的系統的工作。這種滯后主要是由于構建高質量知識庫的困難和中文醫學語料庫的利用不足。結果 本研究開發了一種端到端的解決方案，以低成本和時間實施中文醫療質

197、量保證系統。首先，我們以幾乎自動的方式從醫院數據（電子健康/醫療記錄）中創建了一個高質量的醫學知識圖譜，該圖基于使用自舉技術標記的數據訓練了一個監督模型。然后，我們設計了一個基于記憶神經網絡和注意力機制的 QA 系統。最后，我們訓練系統從知識庫和互聯網上的 QA 語料庫中生成答案。結論 自舉和深度神經網絡技術可以從電子健康/醫療記錄中構建具有令人滿意的精度和覆蓋率的知識圖譜。我們提出的上下文橋機制執行具有各種語言特征的訓練。我們的 QA 系統可以在回答主題受限的醫學問題方面達到最先進的質量。正如我114 們評估的那樣，復雜的中文語言處理技術，如分割和解析，對于實踐來說不是必需的，復雜的架構也不

198、是構建 QA 系統所必需的。最后，我們使用我們的方法創建了一個應用程序用于互聯網 QA 使用。2 26 6-902902，基于歷史角度分析的強人工智能論爭（通用人工智能）王彥雨，2018.12 中科院自然科學史研究所 在人工智能發展史上,強人工智能(“強 AI”)一直是一個爭議不斷但卻又不斷引發人們關注的議題.對于“強 AI”理念,我們應合理看待其所發的各種爭論:(1)“強 AI”理念是推動人工智能界不斷打破人機界限、使 AI 技術向前發展的重要信念;(2)“強 AI”爭論背后所反映的是不同社會要素,特別是“兩種文化”(科學文化和人文文化)之間的張力,且 AI 界的這幾種文化也經歷著由對立、沖

199、突,到逐漸的嘗試性對話與合作這一過程.(3)AI 界、哲學界在對待“強 AI”這一議題的態度并非一成不變,AI 界經歷了一個由樂觀與支持到悲觀與放棄以及現在的謹慎心態,而哲學界對于“強 AI”的態度則是沿著由批判與質疑到現在的大力宣揚這一路徑演變,且當前他們對強 AI 所可能引發的風險更為憂慮.(4)“強AI”概念需要進行重新界定,使其成為科學而非單純的“科幻式”概念,并給予強 AI 風險議題更多關注。2727-903903，強人工智能爭論過程中的“態度轉換”現象研究 王彥雨，2020.8 中科院自然科學史研究所 115 在分析強人工智能(強 AI)概念的源起、類型及特征的基礎上,對強 AI

200、爭論過程中的態度反轉現象進行了詳細描述,即強AI爭論過程中的兩個主要參與主體人工智能界及哲學社會科學界對于強AI是否會實現這一議題,均經歷了態度上的反轉(由贊同到反對抑或相反),并對態度轉換現象背后的動力機制進行了解析.文章最后強調,傳統的強 AI 概念過于科幻,并提出基于自主性理念的強 AI2,以期破解傳統強 AI 爭論過程中的不落地困境。2 28 8-9 92727，范式革命：人工智能基礎理論源頭創新的必由之路 北京郵電大學人工智能學院教授 鐘義信【摘要】人工智能是開放復雜的信息系統，應當遵循信息學科的范式。然而，由于受到“社會意識滯后于社會存在”法則的制約，信息學科范式至今未能形成，于是

201、人工智能研究實際遵循的是物質學科范式，致使人工智能研究一直受困于初級階段，只能取得局部的淺層進展。唯有通過人工智能的范式革命建立信息學科范式，才能獲得人工智能研究的源頭創新和整體創新，進入人工智能發展的高級階段。正是沿著這個思路，需要研究和總結信息學科范式，以此突破物質學科范式對人工智能研究的束縛，并在信息學科范式引領下，發現全新的人工智能研究模型，揭示“信息轉換與智能創生定律”這個普適的智能生成機制，創建源頭創新和整體創新的人工智能理論機制主義通用人工智能理論?！娟P鍵詞】人工智能 范式革命 機制主義 與解放人類體質能力的材料科學和解放人類體力能力的能量科學（統稱為物質學科）不同，人工 智能是

202、以解放人類智力能力為目標的一門學科。因此，人工智能學科一問世就受到人類社會的高度關注。至今，發展人工智能已經成為世界各國特別是各發達國家的重大戰略。2018年 10 月 31 日，習近平總書記指出：“人工智能是引領這一輪科技革命和產業變革的戰略性技術”，“要加強基礎理論研究，支持科學家勇闖人工智能科技前沿的無人區，努力在人工智能發展方向和理論、方法、工具、系統等方面取得變革性、顛覆性突破，確保我國在人工智能這個重要領域的理論研究走在前面、關鍵核心技術占領制高點?！保暯?，2018）2017 年116 7 月，中國國務院發布了新一代人工智能發展規劃。根據新一代人工智能發展規劃，2021 年，我

203、國的人工智能研究進入了第二個戰略階段，目標是實現人工智能基礎理論的重大突破，本文就以實現這一目標為主題展開論述。實現人工智能基礎理論的重大突破，需要準實現人工智能基礎理論的重大突破，需要準確理解人工智能的歷史確理解人工智能的歷史 子曰，“溫故而知新”。人工智能發展的歷史演繹了各種不同觀念和方法之間的矛盾沖突，折射出發人深省的寶貴啟示，值得認真汲取。人工智能的歷史：觀念方法的矛盾演繹。用機器來協助人們進行勞動，是人類一直不懈追求的美好理想。不過，真正付諸實踐的研究始于 20 世紀 40 年代。那時人們相信，人類的高級認知功能產生于大腦新皮層的神經網絡，認為只要把大腦神經網絡的結構在機器上實現出來

204、就可以模擬出人類的智能。這是結構模擬方法一馬當先的緣由。具體來說，1943 年 McCulloch 和Pitts 發表了神經元的數理邏輯模型（W.S.McCulloch;W.Pitts,1943），1949 年 Hebb 提出了神經元的學習規則（D.O.Hebb,1949）。利用 M-P 模型和 Hebb 規則就可以構造人工的神經元網絡，開展人工神經網絡及其應用研究。人類大腦神經網絡是由近千億個神經元互相復雜連接而成的大規模非線性系統，而當時的科技和工業能力都只能實現小規模的簡單神經網絡系統，因此，雖然結構模擬的人工智能研究似乎前景光明，但道路卻很曲折，進展緩慢。面對這種情況，一批思想活躍的學

205、者便撇開結構模擬的途徑，選擇了功能模擬的途徑。1956年，McCarthy 等人在 Dartmouth 發起利用計算機作為硬件平臺、通過編制“聰明軟件”來模擬人類邏輯思維功能的研究途徑，他們還創造了 Artificial Intelligence 這一術語來表征這個新的研究領域（J.McCarthy;M.L.Minsky;N.Rochester,and C.E.Shannon,2006）。由于那時的計算機已有很強的功能，Newell 和 Simon 等人還提出了通用問題求解算法，并把功能模擬的研究產物稱為無所不包的“物理符號系統”（A.Newell,1980），認為這是可以像人腦一樣求解通用問

206、題的人工智能系統。果然，功能模擬方法一經問世，便在數學定理機器證明和模式識別等方面取得了令人鼓舞的成績。不過，當人們真的利用這一方法來解決通用問題的時候，就發現這很不現實，因為求解通用問題需要無限的知識。于是，人們不得不把面向通用問題求解的物理符號系統改成面向專門問題求解的專家系統。然而，解決專門問題也需要專門的知識，而知識的定位、獲取、表示、推理等都存在難以逾越的“知識瓶頸”困難。在這種情況下，Brooks 等人提出了行為模擬的117 思路。他們宣稱，行為模擬方法不需要知識，只需要感知到環境對智能系統的刺激和智能系統對此所產生的動作響應（于是被稱為“感知動作系統”），因此，它可以回避結構模擬

207、方法的復雜性問題和功能模擬方法的“知識瓶頸”困難。行為模擬的典型研究成果，是 Brooks 領導的 MIT 人工智能實驗室在 1990 年所演示的六腳蟲爬行機器人以及隨后所研制的各種智能機器人（R.A.Brooks,1990）。遺憾的是，對于行為模擬的感知動作系統來說，它自身的最大問題是僅能模擬智能系統的外在行為表現，因而只是一類淺層的智能。上述歷史表明，人工智能存在結構模擬、功能模擬、行為模擬三種不同的研究方法。它們是在人工智能發展的不同階段、面臨不同的問題、分別由不同的人群發展出來的各不相同的研究方法。它們的學術信仰（以腦科學為模擬原型的結構主義、以認知科學為模擬思路的功能主義、以控制論為

208、模擬原理的行為主義）各不相同，所采取的策略各不相同，所顯現的能力也各不相同。雖然都是人工智能的研究方法，但卻未能實現殊途同歸。實際上，結構模擬、功能模擬、行為模擬三大學派非但未能殊途同歸，沒有形成合力，反而各執己見，互不相容，以至“恃強凌弱”，成為同行冤家。以下是三大學派稱雄爭霸的若干典型事例。1969 年，功能主義方法的學術帶頭人 Minsky 和他的同事 Papert 出版學術專著 感知機嚴厲抨擊神經網絡方法“沒有科學價值（without scientific value）”，認為它的成果建在流沙之上（built on quick sand）（M.L.Minsky;S.A.Papert,1

209、969）。這種猛烈的批評，造成世界范圍人工神經網絡領域的研究人員紛紛轉行，使人工神經網絡的研究陷入為期十多年的“黑暗年代”。1987 年，借著專家系統的研究遭遇“知識瓶頸”的困難而神經網絡研究進入復興階段的機會，結構主義人工神經網絡研究者們在美國加州圣地亞哥舉行的IEEE 第一屆神經網絡國際會議期間發出“人工智能死了，神經網絡萬歲（AI is dead.Long live neural networks）”的吶喊。表現了結構主義人工神經網絡研究學派對功能主義專家系統研究學派的強烈反擊。1990 年前后，行為主義感知動作系統研究學派的帶頭人 Brooks 連續發表論文抨擊正在遭遇“知識瓶頸”的功

210、能主義研究方法，宣稱行為主義感知動作系統的研究方法可以不需要知識（Intelligence without Knowledge），因而也不需要知識的表示（Intelligence without Representation）（R.A.Brooks,1991），并以此否定功能模擬方法。正是由于不同學派的學術主張各不妥協，也沒有找到互相溝通和融合的實際途徑，人工智能的研究始終處于某個學派一派獨大的格局，從來沒有出現過相互合作的局面：1943 年至 1956年間，由于其它兩種研究路徑尚未問世，人工智能只存在結構主義（初期的簡單人工神經網絡118 和算法）一種研究路徑。1956 年至 2016 年這

211、 60 年間，基本上是功能主義“雄霸天下”。雖然在 20 世紀 70 年代初期由于在機器翻譯領域的失敗和隨后由于知識瓶頸的困擾曾經兩度遭遇發展的危機，但是，功能主義方法仍然維持著它的統治地位，因為這段時間被它打入“黑暗年代”的結構主義方法還沒有完全緩過氣來。從 2016 年至今，由于初期的簡單人工神經網絡逐漸發展成為復雜的深層結構模型，訓練和學習的算法也得到顯著改進，在人工智能的一些競賽評測項目中表現出大大超越功能主義方法、甚至超越人類能力的優異性能，于是，基于結構主義方法的深層人工神經網絡研究變成這一時期人工智能的主流學派，基于功能主義方法的專家系統研究則似乎遁跡銷聲了。半個多世紀的人工智能

212、發展的這段歷史，引人深思。歷史的啟示：人工智能問題的癥結何在？經過 70 多年的發展，人工智能研究的結構主義（人工神經網絡研究）、功能主義（專家系統研究）、行為主義（感知動作系統研究）三大學派各自都取得了不少引以自豪的成果，但也都面臨嚴峻的挑戰。從推動人工智能基礎理論源頭創新的需要著眼，我們將重點解析現行人工智能面臨的根本性問題。其一，直接的觀察：方法論的誤用。歷史記載，最早出現的人工智能研究方法是模擬大腦皮層神經網絡結構的人工神經網絡，然后是模擬人腦邏輯思維功能的物理符號系統專家系統，最后是模擬主體行為的感知動作系統。然而，三者各自為戰，無法形成合力?？梢?，人工智能面臨的第一個問題是：三大學

213、派無法形成統一的理論，也無法建立通用的系統。由于沒有統一的理論，現行人工智能系統的研究都嚴格依賴于場景。人們在研究人工智能系統的時候，首先就需要精心選擇應用的場景，然后針對選定的這個場景來設計解決特定問題的人工智能系統。一旦應用場景改變了，系統就要推倒重來重新設計：一個場景一個系統，不同場景就要求設計不同的系統。曾經聽到過這樣的說法：人工智能領域或許根本就不存在統一的理論，因此，也不存在通用的系統；只要一個一個應用場景的人工智能系統都研制出來了，人工智能的問題就解決了。顯然，這種說法不符合辯證法和“可持續發展”的理念，也不符合系統論的基本原理。系統論指出：系統（整體）遠遠大于它的部分和。也即，

214、系統的整體解決遠遠勝于它的所有部分解決之和，其間存在整體優化和局部優化之間的質的差別。因而，“現行人工智能無法建立統一理論”乃是一個嚴肅的信號，表明人工智能的研究還遠遠沒有到位。問題是，為什么現行人工智能的研究無法建立統一的理論呢？人工智能發展的歷史表明：作為開放復雜信息系統的人工智能研究，因為沿用了物質學科“分而治之”的方法論，才導致把人工智能的整體研究肢解成了結構模擬、功能模擬、行為模擬三種子系統的分別研究。其實，“分而治之”方法論本身在物119 質學科領域非常有效，但用在人工智能領域卻割斷了其子系統之間內在復雜而隱秘的信息聯系，而這些內在的信息聯系正是人工智能系統的命脈和靈魂，因此該方法

215、論當然就無法把它們恢復成為原來的復雜信息系統整體。方法論的不當，成為人工智能統一理論無法建立的主要原因。第二個問題是：現行人工智能的智能不是在理解基礎上的真正智能，而是快速計算能力的奇葩表現，真正的智能水平實際上十分低下。人工智能是在人造機器上所實現的人類智能。這就表明，人工智能系統所表現的智能應當是在理解問題基礎上的能力。但是，現行人工智能系統表現的“智能”其實并沒有理解能力。為什么這樣說呢？這是因為現行人工智能研究用的都是純粹形式化的方法，“閹割”了問題的內容與價值因素。顯然，僅憑形式不可能實現理解，因此，也就不可能作出有智能水平的決策。比如，當你看見一頭猛虎，你看到了它的形態（形式信息）

216、，如果你知道它會傷人（價值信息），知道它是食人猛獸（內容信息），那你就理解了老虎，就可以作出有智能水平的決策：躲、逃或在不得已的情況下射殺。但是如果你不知道老虎會傷人（不具有價值信息），也不知道它是食人猛獸（不具有內容信息），你就沒有理解老虎這種兇猛野獸。在這種情況下，你怎么知道應當作出怎樣的決策？說不定你會“與虎共舞”，結果為虎所食。其實，單純形式化是物質學科的方法論，在只關心物質結構的物質學科范疇內是非常成功的方法，但卻不可能有效支持人工智能的研究。這是因為人工 智能的研究必須對問題的形式、內容、價值有全面的理解才能作出合理的決策?？傊?，現行人工智能存在的根本性問題是：（1）整體被肢解，無

217、法建立統一的人工智能理論；（2）價值和內容被閹割，導致智能水平低下。前者是人工智能的研究沿用了物質學科“分而治之”方法論的結果；后者則是人工智能的研究沿用了物質學科“單純形式化”方法論使然?？梢?，人工智能存在的問題直接觸及了哲學的命題：方法論。其二，深刻的啟示：“范式張冠李戴”不可避免。眾所熟知，學科的科學觀闡明了學科的宏觀本質（是什么），方法論規定了研究學科的宏觀方法（怎么做）?？茖W觀與方法論的統一體就是范式。學科的研究活動是一類社會存在，學科的范式則是相應的社會意識。物質學科和信息學科各自都會產生自己的范式，并接受各自范式的引領。正是在這個意義上，托馬斯庫恩在科學革命的結構一書中把范式理解

218、為判斷一個學科是否需要進行科學革命的根本標志：如果一個學科的范式能夠指導這個學科的研究取得成功，說明這個學科的研究處于正常的狀態；如果學科的范式已經不再能夠指導這個學科的研究取得成功，就說明這個學科需要進行科學革命：顛覆舊的范式，創立新的范式（托馬斯庫恩，2012）。120 既然人工智能的研究沿用了物質學科的“分而治之”和“單純形式化”方法論，也就沿用了物質學科的科學觀，沿用了物質學科的范式。這便造成了人工智能“范式張冠李戴”：用物質學科的范式引領人工智能的研究（見表 1）（鐘義信，2018、2020、2021A）。需要說明的是，表 1 所列的“信息學科范式”是筆者歷經半個多世紀所研究提煉出來

219、的結果。雖然在整個人工智能學術共同體內還沒有形成信息學科范式的共識，但由于獨特的學術經歷，筆者從 20 世紀 60 年代起就專門關注了信息學科的科學觀與方法論的探索，獲得了相應的結果（鐘義信，2013A、2007、2014、2017A）。對比表 1 三個項目的內容可以明顯看出，物質學科范式與信息學科范式幾乎是相反而相成，對立而統一。人工智能所沿用的范式確實是物質學科的范式，而非信息學科的范式。那么，人工智能的研究為什么會遭遇“范式張冠李戴”的問題？主要原因是：一方面，雖然人工智能的研究活動已經廣泛展開，形成了人工智能研究的社會存在，但由于“社會意識落后于社會存在”法則的制約，作為社會意識的范式

220、至今沒有形成，因而，沒有信息學科的范式可以遵循；另一方面，數百年來物質學科范式的存在和巨大成功，使人們誤以為信息學科的研究也可以借用物質學科的范式。這樣兩方面原因的疊加，就造成了人工智能的研究沿用物質學科范式的事實?？梢?，這是歷史法則注定了不可避免的學術遭遇。實現人工智能基礎理論的重大突破，需要遵循實現人工智能基礎理論的重大突破，需要遵循學科發展的普遍規律學科發展的普遍規律 121 作為一個新學科，人工智能當然具有自己的個性，但同樣重要的（如果不是更為重要的話）是必須服從學科發展的共性規律。表 2 用表格的形式給出了學科發展普遍規律的簡明解釋（鐘義信，2020、2021B）。表 2 顯示，學科

221、的發展需要經歷兩個相互聯系而又相互不同的階段：首先是自下而上的探索階段（稱為初級階段），然后才能進入自上而下的建構階段（稱為高級階段）。初級階段的主要任務，是要通過各個相關學科領域的研究人員從各種不同的學術角度展開全面而漫長的摸索、試探、糾錯、爭論、交流、總結，逐漸提煉出關于學科范式（學科本質是什么？應當怎樣研究？）的共識。這是一個極為艱難的探索過程，常常會出現各種各樣“盲人摸象”的情景。高級階段的主要任務，是要在初級階段摸索得到的學科范式的引領下，通過形成學科框架（包括學科的全局研究模型和研究路徑）以及學科規格（包括學科的學科結構規格和學科基礎規格）一步一步地把范式貫徹落實到學科的理論建構之

222、中（包括構建學科的基本概念集合和基本原理集合）。對照表 2 所描述的學科發展普遍規律可以看出，當今，人工智能學科的研究確實仍然處在自下而上探索范式的初級階段。這是因為，今天的人工智能研究仍然處于結構主義、功能主義、行為主義三大學派互不認可（類似于盲人摸象）的狀態，信息學科的范式尚未形成。為了實現人工智能基礎理論的重大突破，則首先必須努力結束人工智能領域“信息學科范式缺位，物質學科范式錯位”的狀態。122 表 2 的規律也清楚地表明，學科范式是引領學科發展全過程的力量：在學科探索階段，根本的任務是為了總結出學科的范式；在學科建構階段，主要的任務是為了貫徹和落實所總結出來的學科范式。所以，學科范式

223、的引領和規范作用貫徹在學科發展的始終。人工智能：初級階段、高級階段及階段轉變的條件人工智能：初級階段、高級階段及階段轉變的條件 按照表 2 所示的規律，人工智能的研究必然經歷兩個發展階段：首先是自下而上探索范式的（初級）階段，然后才是自上而下依照范式建構學科的（高級）階段。初級階段轉變到高級階段的條件，就是人工智能學科范式的成型與確認。從信息科學技術發展的實際情況來看，情形確實如此（見表 3）。從表 3 可見：在信息學科發展的初級階段，學科對象（傳感、通信、計算、控制、互聯網、物聯網，也包括初級階段的人工智能）要么是單一功能，要么是部分功能的復合。在這里，學科發展與物質學科范式的沿用尚無很深的

224、矛盾；而在信息學科的高級階段，學科對象（高級階段的人工智能）具備了完整的信息功能，物質學科范式不再能夠滿足需要，因此必須遵循信息學科本身的范式。為什么在信息學科的高級階段物質學科范式就不能滿足需要了呢？因為在這個階段，研究對象（高級階段的人工智能）具備了體現主體意志和目標的高級核心功能：感知、注意、認知、謀行（謀劃求解問題所需要的行為策略）與決策等，而物質學科范式只能描述和分析物質客體的功能，沒有辦法描述、分析、理解和實現主體的這些高級功能。與此相應，為了描述、分析和實現人工智能的主體意志與目標，人工智能的研究需要采用“整體描述”方法，即不僅要描述問題的“形式”，更要描述問題相對于主體目標而言

225、的“價值”，以及在此基礎上定義的“內容”，從而形成“形式、內容和價值三位一體”的整體描述與分析方法。只有這樣，才能充分表現人類主體的意志與目標。這就是為什么信息學科初級發展階段和高級發展階段需要不同范式引領的內在根據：在初級階段，信息科技的研究對象（包括初級階段的人工智能）基本上都是“客體”；而在高級階段，信息科技研究的對象（高級階段的人工智能）具有了主體，于是，研究對象變成了“主體主導的主體與客體的互動信息過程”。研究對象變了，研究的范式就必須隨之改變。123 由此可知，人工智能的初級階段向高級階段轉變的“硬性條件”，就是信息學科范式的成型與確立。這也是在信息學科發展進入高級階段之前，人工智

226、能的研究必須經歷范式革命的道理。初級階段。對照表 1、表 2 和表 3 可以看出，現階段國內外的人工智能研究的確還處在初級階段，還沒有找到自己的范式。因此，學術共同體應當繼續努力展開全面的探索，以期總結和提煉出人工智能研究所需要的范式。需要說明，初級階段在物質學科范式統領下所取得的人工智能研究成果仍然具有局部性的積極意義，這是因為，它們可以作為高級階段人工智能研究的局部性基礎。當然，僅憑這些局部性的基礎還遠遠不足以建立具有高水平智能的人工智能統一理論。因此，不應當滿足，更不應當停留在初級階段。高級階段。學科的進步不可能是全體研究人員的“齊步走”。那些已經理解和提煉了信息學科范式的研究團隊，應當

227、大膽實施人工智能的范式革命，擺脫物質學科范式的束縛，確立信息學科范式的引領地位，進入人工智能學科的高級階段（人工智能研究領域的無人區），創建人工智能的全新理論。范式革命，實現基礎理論重大突破走向高級階段的方法與步驟范式革命，實現基礎理論重大突破走向高級階段的方法與步驟 如上所說，既然學科范式是學科發展的最高支配力量，而初級階段人工智能的范式又不可避免地處在“范式張冠李戴”的境地，并且成為現行人工智能一切痼疾的總根源，那么，人工智能范式的革命就成為一種醫治人工智能一切痼疾的對癥良方，也是實現人工智能基礎理論重大突破和源頭創新的正確舉措。具體來說，所謂人工智能的范式革命，就是一方面要突破物質學科范

228、式對人工智能學科的束縛；另一方面要總結和確立信息學科范式對人工智能學科的引領作用，并以信息學科范式來規范人工智能各個層面的研究。具體而言，依照表 2 所載明的學科發展普遍規律，人工智能的研究應當從學科的源頭和制高點（也就是范式）開始，分五步創建新時代的人工智能理論。第一步，解除物質學科范式對人工智能研究的約束，確立信息學科范式對人工智能研究的引領，并首先準確闡明人工智能學科的宏觀定義。如前所說，人工智能的范式革命，就是要全面突破物質學科范式對人工智能的束縛，確立信息學科范式對人工智能研究的引領和規范作用。之所以要全面突破物質學科范式對人工智能的束縛，是因為：其一，物質學科范式的科學觀認為，研究

229、對象應當是客觀中性的物質，要求徹底排除一切主觀因素的影響。但顯而易見，智能124 不可能由排除主觀因素的孤立腦物質產生（參見狼孩的試驗）。其二，物質學科范式的方法論要求，要貫徹分而治之和單純形式化的方法。但是這樣兩種方法只能導致人工智能理論的斷裂（分而治之割斷了子系統之間的聯系）和智能水平的低下（單純形式化使信息、知識、智能全部空心化）?？梢?，物質學科的范式確實不適合于人工智能（尤其是高級階段）的研究，因此托馬斯庫恩所說的范式革命無可避免。當然突破物質學科范式對人工智能的束縛只是范式革命的第一步。更重要的是要確立信息學科范式對人工智能的規范與引領。那么，什么是信息學科的范式？經過筆者半個多世紀

230、對信息學科的科學觀及方法論的探究（鐘義信，2013A、2007、2014、2017A），總結其基本特征如表 1 最底一行所示。一是信息學科范式的科學觀認為，人工智能的研究不但不應排除主體因素的存在，相反，人工智能的研究應當強調主體的作用，因為人工智能研究的是主體駕馭和環境約束下的主體與客體相互作用的信息過程。二是信息學科范式的方法論要求，人工智能的研究不應當繼續沿用機械還原的方法論，而應當遵循信息生態方法論，即在保持信息成分的完整性、時空的系統性和全局優化條件下的信息轉換方法。這樣，根據信息學科范式的科學觀和方法論，就可以闡明人工智能學科的定義規范，包括學科的宏觀本質是什么？學科的研究應當怎么

231、做？人工智能學科的本質，是主體駕馭和環境約束下主體客體相互作用的信息過程，研究的目的是實現主體客體的合作與雙贏。人工智能學科的研究，應當遵循信息生態方法論，即在保持信息成分的完整性、時空的系統性和全局優化條件下的信息轉換方法。正確的學科定義，是人工智能學科能夠走上健康發展軌道的根本前提?；诖?，人工智能的研究就不再局限于模擬人類大腦的結構，也不是去模擬大腦的功能或者人類表現的外部行為，而是要運用信息生態方法論，研究主客互動的信息過程，實現主客雙贏的規律，不斷改善人類的生存發展水平。第二步，把學科的宏觀定義具體落實成為學科的框架，包括學科的全局研究模型和研究路徑。根據信息學科范式科學觀所闡明的學

232、科定義，人工智能的全局研究模型應當是主體駕馭和環境約束下的主體與客體相互作用的信息過程模型。圖 1 所表示的，正是符合這個學科宏觀定義的人工智能全局研究模型（鐘義信，2017B、2021A）。125 正如模型所表明的那樣，人工智能學科的全局模型必然是，首先，客體信息作用于主體，然后，具有目的和知識的主體設法生成智能行為反作用于客體，完成主體與客體相互作用的基本回合。如果第一回合的智能行為反作用于客體的結果達到了預設的目標，整個過程就完成了任務；如果沒有達到預設目標，其中的誤差就要返回到主體的輸入端，成為補充性的客體信息，促使主體補充新的知識，優化智能策略和智能行為，改進反作用的效果（縮小誤差）

233、，直至滿意為止。圖 1 所示的人工智能全局研究模型雖然看似 簡單，卻清晰而準確地揭示了人工智能的深層本質：只有主體與客體發生相互作用，才會使具有目的和知識的主體產生智能行為并反作用于環境的客體，實現主體與客體的合作雙贏：一方面，主體達到了自己的預設目標；另一方面，客體維護了環境的運行規律。那種既沒有外部刺激輸入，又沒有自身行為向客體輸出的孤立“大腦”，實際上不可能產生真正有用的智能。即使孤立的“大腦”非?！奥斆鳌?，若沒有外部的刺激就沒有產生智能行為的激勵與動因，因而，也就不會生成智能行為；而沒有自身行為的輸出，就不可能檢驗它所產生的行為是否具有解決問題的智能水平。信息學科范式的科學觀構筑了正確

234、的研究模型，接下來必須思考的問題就是：應當怎樣去研究這個全局模型？根據信息學科范式的方法論，人工智能的研究應當遵循信息生態方法論。126 具體來說，就是要遵循“在主客互動框架下保持信息成分的完整性、信息時空的系統性以及在全局優化條件下的信息轉換方法”。進一步的問題是，遵循了信息生態方法論的人工智能系統，將會怎樣產生所需要的智能行為呢？事實上，圖 1 的全局研究模型已經表明，人工智能系統產生智能行為的方法只與客體信息、主體目標、主體的知識這些因素有關，即智能行為的生成必定是在主體目標的導引與控制下，在知識的支持與約束下，由客體信息通過復雜轉換產生出來。由此，就可以構筑在信息學科范式的信息生態方法

235、論指引下智能行為生成的過程模型，如圖 2 所示（鐘義信，2021B）。顯然，圖 2 只是圖 1 的具體化，但圖 2 更加明確地揭示了主體產生智能行為的詳細過程和普適性機制。圖 2 表明：首先必須實現主體對客體的感知，從而產生主體的感知信息，這就是感知的作用；接著要把感性的感知信息提升為理性的知識，這是認知的作用；然后就可以在預設目標的引導下，在知識的支持與約束下，把感知信息轉換為解決問題的智能策略，這是謀行的作用；進而把智能策略轉換成為智能行為，這是執行的作用。圖 2 所揭示的智能生成機制是普適性的，因為其中定義的所有因素（感知、認知、謀行、執行）都是普適性的。圖 2 表明，普適性智能生成機制

236、的本質內涵就是“信息轉換與智能創生”原理。若以表示轉換算法，原理就表示為：客體信息感知信息知識智能策略智能行為。127 這樣，信息學科范式的信息生態方法論就創造了一種前所未有的人工智能研究路徑：基于普適性智能生成機制的機制主義研究路徑，它是統一的（普適的）人工智能研究路徑。原先的結構主義、功能主義、行為主義研究路徑乃是這種統一的人工智能機制主義研究路徑在相應條件下的和諧特例。事實上，對于人工智能基礎理論研究來說，普適性智能生成機制才是人工智能的核心本質所在：系統的結構和功能都是為系統實現智能生成機制服務的。至于系統的行為，則是普適性智能生成機制實現以后的外部表現。所以，這是人工智能理論的一個具

237、有重大意義的研究結果。它給人工智能學科的研究大方向提供了一個極為重要的啟示：普適性智能生成機制是一類復雜的信息轉換，因此，要把人工智能研究的整體思路聚焦到“信息轉換”這個大方向上來。只要抓住了“信息轉換與智能創生”這個普適性智能生成機制，就抓住了人工智能研究的本質和全局。算法、算力、數據、知識都是為實現“信息轉換與智能創生”這個普適性智能生成機制服務的。不過，需要特別提醒：作為普適性智能生成機制的本質，“信息轉換與智能創生原理”中的源頭信息，并不是現在廣泛流行的 Shannon 信息，而是感知信息，也就是全信息。如果不了解這一點，普適性智能生成機制仍然不可能生成真正的智能，這是因為，Shann

238、on 信息是被單純形式化方法“閹割”了內容和價值因素而只剩下形式因素的空心化信息。利用這樣的空心化信息，普適性智能生成機制也只能提煉出空心化知識，生成空心化的智能。感知信息具有形式信息（語法信息）、價值信息（語用信息）、內容信息（語義信息）三個分量，這是因為感知過程具有主體目標。于是值得特別強調：在人工智能系統中，必須十分重視主體目標的作用，它是體現主體主觀能動作用和主體利益的最高標志性因素。只有那些有主體目標的人工智能系統，才會擁有真正的智能，沒有主體目標的“人工智能”系統則不可能擁有真正的智能。這是研究人工智能理論與研究一般物質系統理論之間的最大區別之一。這也是人工智能理論的研究不宜完全簡

239、單還原到物質系統的研究的一個重要原因。在以上說明基礎上，就可以構造“由客體信息轉換生成感知信息”的工作機制模型，具體情況如圖 3 所示（鐘義信，2021A、2021B）。圖 3 模型中，駕馭全局的主體因素就是存儲在“綜合知識庫”的目標 G。由它來確定外來刺激（客體信息 S）對于達成系統的目標究竟是有利？有害？還是無關？也就是確定這個客體對于系統的價值信息（語用信息 Z）作用為正？為負？還是為零？從而據此確定系統究竟應當對這個客體表示歡迎（支持）？反對（抵制）？還是不予理會（過濾）？128 可見，并非一切外部刺激或外來數據都能啟動智能生成機制的工作。只有那些與系統主體目標有關（正相關或負相關）的

240、外部刺激才能啟動系統智能生成機制的工作：是主體的目標把握著“系統注意力”的大關。圖 3 模型中的“察覺系統”就是傳感系統，它能夠察覺和表達系統面臨著什么形式的刺激X（形式信息語法信息），但它不懂得刺激的內容；模型中的“評價系統”就是主體對刺激的價值評估：這個刺激對于達成主體目標有什么利害關系 Z（價值信息語用信息）；其中的“定義系統”就是把形式信息 X 和價值信息 Z 這兩者形成的“偶對”映射到內容（語義）空間并對映射結果進行恰當的命名，這樣就定義了主體關于客體的內涵 Y（內容信息語義信息）。不難看出，圖 3 所示的模型是科學合理的，在技術上是完全可實現的。以前，人們對語法信息、語義信息、語用

241、信息三者的定義和關系曾經存在很多誤解。然而，感知信息生成機制的模型表明，感知信息的形式信息 X（語法信息）、價值信息 Z（語用信息）和內容信息 Y（語義信息）三者之間存在的關系是 Y=（X,Z）（其中符號 表示“映射與命名”操作）。內容，乃是形式和價值的抽象與命名。這個表達式“Y=（X,Z）”具有非常重要的意義，因為它準確回答了：對于人工智能的研究來說，究竟什么是內容？129 具體來說，所謂“某個事物的內容”，實質就是指：（1）這個事物具有什么樣的形態；（2）具有這樣形態的事物對主體的目標而言具有什么樣的價值關系。了解了事物的形態和價值，就是對事物的內容實現了理解。根據這樣定義的“內容”，決策

242、者就可以作出明確的決策：歡迎？反對？不予理會？所以，這是一個非常重要也非常有用的結果，而且是一個至今都不曾被準確定義，甚至被普遍誤解了的重要結果。由這樣生成的全信息（感知信息）按照普適性智能生成機制生成的知識和智能就將是同樣具備形式、價值、內容三個分量的“全知識”和“全智能”（鐘義信，2021A、2021B、2013B）。第三步，對學科框架的學術規格予以精準化，包括對學科模型的學術結構規格、研究路徑所要求的學術基礎規格都予以精準界定。根據信息學科范式的科學觀，人工智能學科的全局研究模型是“主體客體相互作用的信息過程模型”，那么，為了精準研究這種主客互動的信息過程，人工智能學科的學術結構規格也應

243、當精準化。結果可以發現：人工智能學科的學術結構應當是由人工智能的原型學科（神經科學、認知科學、人文科學等）、核心學科（信息科學、系統科學、控制科學等）和基礎學科（數學、邏輯學、哲學等）所形成的交叉學科群結構；而不應當僅僅是計算機學科。同時，根據信息學科范式的方法論要求，人工智能學科的方法論應當是信息生態方法論。于是，為了描述主客互動框架下的信息生態過程以“信息轉換與智能創生原理”為標志的普適智能生長機制（機制主義研究路徑），人工智能學科所要求的學術基礎（數學、邏輯、哲學）的規格就應當滿足“內涵的整體性、時空的系統性、全局的優化性”的數學理論（汪培莊，2021）、邏輯理論（何華燦，2021）以及

244、新型的信息哲學理論（鄔焜，2005），不應當僅僅是傳統的概率理論、剛性化的數理形式邏輯和傳統的哲學觀念。第四步，把學科的定義、框架、規格貫徹到學科的具體理論，包括深度改造人工智能理論的基本概念和深度挖掘學科的基本原理?，F有的人工智能理論是在物質學科范式約束下形成的，不適用于信息學科的范式。因此，深度改造人工智能的基本概念和基本原理是極為必要的工作。比如，物質學科范式的科學觀認為研究對象是物質客體，不允許主觀因素的參與。這就導致現有人工智能的基本概念（如數據、知識、智能等）都是純粹客觀的、絕對中性的、不反映主體因素的概念，同時導致現有人工智能的工作原理（形式計算、統計、形式邏輯等）也都是純粹客觀

245、的、絕對中立的、不能反映主體因素的演繹原理。又比如，物質學科范式的方法論是分而治之和單純形式化，因此，現行人工智能的基本概念（數據、知識、智能等）都是被“閹割”130 了內容與價值因素的形式化概念，而現行人工智能的基本方法（純形式的計算、統計、數理邏輯等）也都是被“閹割”了內容與價值因素的分析方法。顯然，如果把現有人工智能的基本概念和基本原理原封不動地照搬到新的人工智能理論中 來：一方面，學科的定義（學科的科學觀和方法論）、學科的定位（學科的全局模型和研究路徑）、學科的定格（學科的學術結構和學術基礎）都符合信息學科范式的要求；另一方面，學科理論的基本概念和基本原理卻還是沿用物質學科的范式。那就

246、意味著，信息學科范式會被“截去了雙腿”。這種“截去了雙腿”的人工智能范式革 命，絕不是成功革命。根據信息學科范式的科學觀，人工智能全局研究模型是“在主體駕馭和環境約束下主體與客體相互作用的信息過程”，那么，為了研究主體與客體互動的信息過程，使主體能夠從形式、價值、內容上全面了解客體，人工智能學科的基本概念也就應當是形式、價值、內容三位一體的全信息、全知識、全智能等基本概念。其中，價值和內容便是信息學科范式科學觀所要求的主體因素的具體體現，而信息、知識、智能之間的復雜轉換則是信息學科范式的信息生態方法論的體現。近年來，從實際操作的角度，人們把純粹形式化的“數據”看作是人工智能的“糧食”。這看似有

247、一定的道理。不過，深入研究就會認識到，數據只是信息的載體和外殼，不含信息的形式數據根本不能啟動人工智能系統的有效工作。只有攜帶了與系統目標相關（無論是正相關還是負相關）的信息（即感知信息的價值信息分量不為零），才能真正啟動人工智能系統的工作。所以，對于人工智能的研究來說，真正重要的概念是全信息（感知信息），而不是純形式的數據。同時，根據信息學科范式的方法論，人工智能學科的方法論應當是信息生態方法論，那么，為了滿足“整體性、系統性和全局優化性”，人工智能學科的基本原理就應當是符合信息生態規律的一系列信息轉換并最終創生智能的那些原理，它們構成了“信息轉換與智能創生”定律。頗有意義的是，信息學科領域

248、的“信息轉換與智能創生定律”，與物質學科領域的“質量轉換與物質不滅定律”以及能量學科領域的“能量轉換與能量守恒定律”共同構成完備的科學定律體系：物質領域和能量領域的定律分別告誡人們應當遵守“物質不滅”和“能量守恒”，而信息領域的定律則啟示人們應當如何具體“創生智能”。第五步，綜合學科的定義、框架、規格、理論，最終形成機制主義的通用人工智能理論這一全面體現信息學科范式的全新人工智能理論。把人工智能范式革命及其全部鏈鎖反應的結果綜合在一起，就可以產生人工智能范式革命所創造的全新一代人工智能理論基于普適性智131 能生成機制的通用人工智能理論，簡稱“機制主義通用人工智能理論”。具體來說，只要按照表

249、2 所表示的“學科發展的普遍規律”，我們就可以在圖 2 所示的普適性智能生成機制模型的基礎上，生成整個機制主義通用人工智能理論的系統模型，如圖 4 所示（鐘義信，2017B、2021A）。不難看出，圖 4 仍是“主體駕馭和環境約束下主體與客體相互作用所產生的信息過程模型”，其中的客體表示為模型最底端的橢圓，模型的其它部分是充分展開了的主體功能群，它完美地包容了圖 2 的普適性智能生成機制。機制主義通用人工智能理論系統模型圖 4 的具體工作過程包括：（1）把客體信息轉換為感知信息，“注意”的功能就在感知基礎上利用感知信息來實現（圖 4 的“感知注意”子系統）；（2）把感知信息轉換為知識（圖 4

250、的“認知”子系統）；（3）在目的引導下，在知識約束下，把感知信息轉換為智能策略（圖 4 上部虛線所圍的部分，稱為“謀行”子系統）；（4）把與問題求解相關的各種信息、各種先驗知識和各種先驗策略隨時進行存儲與提?。▓D 4 的“綜合知識庫”子系統）；（5）把智能策略轉換為智能行為（圖 4 的“策略執行”子系統）；（6）檢驗智能行為反作用于客體的行為實效（圖 4 的“檢驗”子系統）；（7）如果檢驗的結果存在誤差，就把誤差作為補充性的客體信息反饋到整個系統輸入端（如圖 4 所示）；（8）根據誤差信息，從綜合知識庫提取新的相關知識（在圖 4 的“綜合知識庫”完成）；（9）利用新提取的補充知識，按照步驟（3

251、）的方法改善智能策略和智能行為，從而改善智能行為的效果（仍是圖 4 的“謀行”子系統）；（10）把滿足要求的智能策略存入綜合知識庫（圖 4 的“綜合知識庫”子系統），從而體現了機制主義通用人工智能系統在解決問題的過程中不斷通過學習和不斷增加自身解決問題的能力的自學習機制。由圖 4 可見，“普適性智能生成機制（感知認知謀行執行）”就和諧有機地融合在整個機制主義通用人工智能系統之中。機制主義通用人工智能理論的簡要自評機制主義通用人工智能理論的簡要自評 作為一項完整的人工智能基礎理論研究工作，應當對研究的結果作出必要的分析和評判，但關于機制主義通用人工智能理論的全面評價，必須等待這一理論轉化為實用的

252、機制主義通用人工智能系統，并在若干有代表性的真實環境下經過比較充分的應用后才能正式開展。不過，作為理論性的研究工作成果，同時也作為任何研究工作的一個必要的環節，研究者自己也有責任對研究結果作出公正的自評，這里就對上文所闡述的機制主義通用人工智能理論的生成思路、機制和原理作一些理論性的初步判斷，如表 4“機制主義通用人工智能理論與現行人工智能理論的定性對比”所示供讀者分析、參考與批評。132 此外，需要指出，所謂通用人工智能，并不是指用一個單體的“巨無霸”式的人工智能系統解決世間所有的問題。這里所說的通用人工智能理論，是指以不變的（普適性的）智能生成機制去成功應對千變萬化的實際問題。換言之，通用

253、是指機制的通用，而通用人工智能系統的輸入內容（問題、目標、知識）和輸出內容（智能策略和智能行為）則將隨著問題的改變而相應改變，這就是“以不變應萬變”的真實含義。具體來說，給定任何合理的“求解的問題、求解的目標、求解問題所需要的先驗知識”（所謂“合理”，是指：所給定的“求解問題”至少在理論上確實存在著“求解目標”，或者說給定的“求解目標”一定存在），通用人工智能理論 都可以憑借它的普適性的（不變的）智能生成機制，在給定的目標引導下，利用給定的知識（在先驗知識不足的情況下也可以通過學習來擴展知識），生成能夠“求解問題”達到“求解目標”的智能策略和智能行為。當然，如果求解的問題改變了（這意味著求解目

254、標和所需要的知識也會相應改變），解決問題的策略和智能行為也會隨之改變，但生成這種智能策略和智能行為的機制卻不需要改變，依然遵循“信息轉換與智能創生定律”。換句話說，“普適性的智能生成機制”是人工智能理論研究中的不變性和不變核，是人工智能理論之所以能夠成為“通用人工智能理論”的根本基礎。這樣，面對千變萬化的問題，不133 再必須對每個不同的問題（場景）從頭做起去設計專用系統，只需要把各自的“問題、目標、知識”表達成一定的形式，利用同樣的普適性的智能生成機制就可以生成解決相關問題的智能策略和智能行為，并達到“求解問題”的目的。其實，通用人工智能系統就是“各種人工智能系統的通用孵化平臺”。通用人工智

255、能理論的“機制通用性和理論統一性”，是人工智能范式革命帶來的巨大優越性。作為對比，現行人工智能理論無法望其項背。同樣十分重要的問題是，由于現行人工智能沿用了“單純形式化”的物質學科范式方法論，使得現行人工智能系統的“智能水平十分低下”，成為現行人工智能理論的又一項痼疾?，F行人工智能系統表現出來的“智能”，其實都不是基于對問題的理解所實現的，而是利用快速運算變幻出來的結果。這樣設計出來的“智能”嚴格依賴特定的應用場景，場景一變，該種”智能“便會失效。從通用人工智能理論的圖 3 和圖 4 模型則可看出，客體信息經過感知被轉換成為了感知信息。如前所說，感知信息是形式信息（語法信息）、價值信息（語用信

256、息）、內容信息（語義信息）的三位一體；知識是形式知識、價值知識、內容知識的三位一體；智能策略是形式策略、價值策略、內容策略的三位一體。因此，信息、知識、智能策略都是可以理解的。當然，由于人工智能綜合知識庫所存儲的信息、知識、策略畢竟有限，因此它的理解能力也有限。人們不應當完全按照“人類的理解能力水平”來要求“人工智能機器的理解能力水平”，不應當要求人工智能系統完全像人類那樣能夠洞若觀火靈活變通或者舉一反三、觸類旁通。但是，人工智能的“理解能力”至少能使人工智能機器作出具有理解基礎的決策，并且具有一定的自學習能力。比如，在信息的層面上，通用人工智能系統可以根據感知信息的價值信息的分量大小與性質對

257、客體作出基于理解的明智決策：（1）如果價值信息為足夠大的正值，就采取相應的措施利用客體；（2）如果價值信息為足夠大的負值，就采取相應的措施限制客134 體；（3）如果價值信息為足夠小的正值或負值，就不理會或過濾相應客體；（4）在“多中選一”的情況下，就選擇其中價值信息為最大正值的客體，或者選擇其中價值信息為最小負值的客體。在知識和智能策略的層面，也同樣可以針對所面臨的問題作出與信息層面類似的具有一定智能水平的明智決策。而且，無論在信息、知識，還是智能策略的層面，這樣作出的決策，都可以清晰而準確地得到解釋。這就解決了人工智能系統的可信任性問題。人工智能范式革命所產生的機制主義通用人工智能理論的另

258、一巨大優越性，是它的理解能力和在理解基礎上的智能決策水平。與通用人工智能理論的智能水平相比，現行人工智能理論的理解水平確實相差甚遠。這是人工智能范式革命所帶來的人工智能理論的深刻革命。表 5 是對上述論證的簡明總結（從科學觀、方法論到基本概念、基本原理）。值得指出，表 5 顯示了在人工智能范式革命之前，“三分天下”的現行人工智能理論是物質學科主導的科學時代所產生的人工智能理論；而在實施人工智能范式革命之后，“機制主義通用人工智能理論”則是信息學科主導的科學新時代所創造的人工智能理論。人工智能的范式革命，是這兩個科學時代人工智能理論的分水嶺。正是在這個意義上，人工智能范式革命乃是推動物質學科主導

259、的科學時代轉變到信息學科主導的科學新時代的引擎和橋梁，也是劃分物質學科主導的科學時代與信息學科主導的科學新時代 的界限和分水嶺。這樣，人工智能范式革命的產物基于普適性智能生成機制的通用人工智能理論就名副其實地具有了劃時代的意義。這就是人工智能范式革命及其鏈鎖反應所帶來的人工智能基礎理論的具有劃時代意義的重大突破和源頭創新。135 結語結語 當前，我們已經處在學科范式革命（由物質學科范式主導轉變為由信息學科范式主導）的偉大時代。具體來說，20 世紀中葉以來，信息學科迅猛崛起，成為了一種社會存在。只是受制于“社會意識滯后于社會存在”法則，信息學科的社會意識（范式）至今尚未形成。在此期間，作為初級發

260、展階段的信息學科研究便借用了物質學科的范式，造成了初級發展階段信息學科“范式張冠李戴”的結果。然而，社會發展的需要使信息學科不可能永遠停留在初級發展階段，必然要沖破各種束縛向高級發展階段邁進。這就必然迫使信息學科形成并確立信息學科范式來引領自己的高級發展階段，而把物質學科范式歸還給物質學科（理順學科范式）。這就是信息學科（含人工智能）的范式革命。信息學科范式革命的主要標志是（1）科學觀的大轉變：信息學科高級階段的研究對象不再局限于物質客體，而是主體駕馭和環境約束下的主體客體相互作用的信息過程；研究的目的也不再是認識物質的結構與功能，而是實現主體客體在互動中雙贏；（2）方法論的大轉變：信息學科高

261、級發展階段的方法論不再是“分而治之”和“形式演繹”，而是轉變為“整體而治”（而不是分而治之）和“生態演化”（而不是單純的形式演繹）?？梢?，信息學科范式與物質學科范式之間大不相同，它們之間是“辯證的統一”。因此，不能混為一談。為了能夠理解信息學科的范式革命，我們應當自覺地認識并處理好以下幾種重要的關系?？茖W-哲學。不能忽視哲學對科學的指導。僅在科學范圍內部無法發現信息學科范式這個至高無上的指南，更不可能注意到人工智能范式革命這個本質命題；而不觸及范式革命的人工智能研究是不深刻不徹底的研究。學科的劃分，使科學界往往不再關注哲學的作用。但只有打破科學與哲學之間的藩籬，形成科學與哲學的聯盟，才能認識到

262、學科范式的制高地位，并在正確的學科范式引領下揭示復雜而深刻的規律，開拓科學研究前沿的“無人區”，創建全新的科學理論。在人工智能的初級發展階段，在物質學科范式的束縛下，人工智能的研究也取得了許多進展。但是在物質科學觀和分而治之方法論束縛下，那都只能是局部性和碎片式的進展，不可能取得全局性通用性的進展；而且在物質科學觀和形式演繹方法論束縛下，信息、知識、智能的價值因素和內容因素都被徹底掏空，因而，不可能獲得真正的智能。信息科學（特指高級階段人工智能）-物理科學。不能把人工智能的研究還原為物理學的研究。因為，前者的研究對象是主體與客體復雜互動的信息過程，后者的研究對象是純粹的物質客體而不可能關注主客

263、相互作用的信息過程。一個困擾很多人的問題是：人類主體和機器系統從外部世界接受到的輸入同樣都是各種事物的形式，為什么人類能夠從這些形式之中加工出136 相應的價值和內容，而現有的機器（包括現有的人工智能機器）卻無法從中加工出價值和內容？這是因為，作為萬物之靈的人類是具有明確目的的生物物種，因此，各種事物的形式在他的心目中就必然產生價值的判斷和反應，因而，也就有了內容的提煉。加之，人類的活動是人與環境之間相互作用的開放過程，于是他就能夠不斷地在實踐中檢驗各種形式的價值。信息學科范式尊重了人類的這種獨特品格，把具有明確目的的人類主體及其與環境的相互作用看作自己的研究對象。然而，物質學科范式則僅僅把物

264、質客體的結構與功能作為自己的研究對象，徹底地排除了主體的一切因素，因而，也就排除了價值和內容的立足點，徹底否決了從形式加工出價值和內容的可能性?？梢?，沒有目的的系統，不可能有智能。由此可知，完全用物理學的觀點看待人工智能（主體駕馭與環境約束下的主客相互作用的信息過程）的研究，或者把人工智能的研究還原（退化）為物理學的研究，都是不適宜的。信息理論-高級階段人工智能。不能把國內外唯一公認的 Shannon 信息理論當作研究人工智能理論的全部信息理論基礎。因為，它完全拋棄了人工智能的主體因素。雖然人工智能把“主體駕馭和環境約束下的主體客體互動的信息過程”作為自己的研究對象，但這絲毫也不表明，現有的信

265、息理論就可以完全滿足人工智能研究的需要。恰恰相反，由于現有的信息理論（主要的代表是 Shannon 于 1948 年建立的信息論通信的數學理論）是在物質學科范式束縛下產生的，只關注了信息的形式因素而完全忽視（掏空）了信息的價值因素和內容因素的純粹形式化信息理論，因此，無法支持人工智能理論所需要的信息過程研究。解決這一問題的辦法是，只有把現有純粹形式化的 Shannon 信息理論改造提升成為“形式信息（也稱語法信息）、價值信息（也稱語用信息）和內容信息（也稱語義信息）三位一體的全信息（也稱感知信息）理論”，才能滿足人工智能理論研究的需要。高級階段人工智能-計算機與形式邏輯。不宜把人工智能看作是計

266、算機科學和形式邏輯理論的應用分支。因為，計算機和形式邏輯也是在物質學科范式引領下建立的形式化演繹系統。計算機是強大的信息處理系統，形式邏輯是強大的演繹系統。但是，它們所能夠處理和演繹的“信息”必定是純粹形式化的信息（0 與 1 系列），而高級階段人工智能所需要的價值信息和內容信息的處理與演繹，已經超出計算機和形式邏輯的能力范圍。正如人們所說：計算是計算機的本領，算計是（高級階段）人工智能的特殊本領。算計與計算的差別就在于：前者需要形式因素、價值因素和內容因素的支持，后者只需要形式因素的支持。因此，要想使計算機和形式邏輯理論能夠支持高級階段人工智能的研究，則兩者都需要變革與創新，而不能在原有的范

267、137 式下直接實現。在這個意義上，廣泛流行的“計算思維”只適用于計算機，而不適用于高級人工智能的研究。高級階段人工智能-數學。形式化的數學如何適應人工智能對“內容”研究的需求。這可能是數學科學面臨的創新任務。一方面，和其他科學技術一樣，高級階段人工智能理論研究同樣需要數學的鼎力支持。不僅如此，數學在人工智能理論研究中還發揮著特別重要的作用。另一方面，由于高級人工智能理論的科學觀是主體駕馭與環境約束下的主客相互作用的信息過程，它的方法論是“整體而治”（而不是分而治之）和“生態演化”（而不是單純的形式演繹）。因此，它對數學提出了“如何描述和分析事物的價值因素和內容因素”的要求。這便蘊含著“形式化

268、科學”向“內容科學”發展的巨大變革。這與“人工智能范式革命”遙相呼應?？傊?，學科的范式是學科的核心靈魂。人工智能范式的革命不僅是人工智能從初級階段走向高級階段的階梯，而且是物質學科主導的科學時代通向信息學科主導的科學新時代的橋梁。這是 21 世紀必定要掀起的信息學科（含人工智能）以及復雜科學研究發展的波瀾壯闊的未來?。ū疚南祰易匀豢茖W基金項目“機制主義方法與高等智能理論”和國家社科基金重大項（本文系國家自然科學基金項目“機制主義方法與高等智能理論”和國家社科基金重大項目“信息哲學的歷史、現狀與未來”的研究成果，項目編號分別為目“信息哲學的歷史、現狀與未來”的研究成果，項目編號分別為 6087

269、300160873001、18ZDA02718ZDA027。本。本文的研究有幸得到了陸汝鈐院文的研究有幸得到了陸汝鈐院士、李衍達院士、陸建華院士、譚鐵牛院士、蒲慕明院士、涂序士、李衍達院士、陸建華院士、譚鐵牛院士、蒲慕明院士、涂序彥教授、何華燦教授、汪培莊教授、史忠植教授、韓力群教授、鄔焜教授、王小捷教授、周延彥教授、何華燦教授、汪培莊教授、史忠植教授、韓力群教授、鄔焜教授、王小捷教授、周延泉副教授、陳志成博士、李蕾副教授、李睿凡副教授、孫健博士，以及中科華數信息泉副教授、陳志成博士、李蕾副教授、李睿凡副教授、孫健博士，以及中科華數信息科技研究科技研究院盧建新院長、徐亭院長、張世光副院長、王丁桃秘書長等各種形式的幫助和支持，在此謹表院盧建新院長、徐亭院長、張世光副院長、王丁桃秘書長等各種形式的幫助和支持，在此謹表衷心的感謝?。┲孕牡母兄x?。?38