包逢迎因《科学通报》是主要报道自然科学各学科基础理论和应用研究方面具有创新性、高水平和重要意义的研究成果。报道及时快速，文章可读性强，力求在比较宽泛的学术领域产生深刻影响。

　　作为一门科学技术，人工智能的任务是“理解自然智能的工作机制，研究具有智能水平的机器，为人类提供智能服务”。在地球系统范围内，人类智能是最高级最复杂的自然智能，可以作为自然智能的典型代表。因此也可以说：人工智能是对人类智能的启发式模拟。那么，什么是人类智能呢？

　　人类智能是人类智慧的一部分。人类智慧是指：为了实现生存发展的目的，人类运用已有知识去发现问题、定义问题和解决问题的能力。其中，发现问题和定义问题的能力需要诸如“目的、知识、直觉、想象力、灵感、顿悟、审美”等隐性能力的支持，因此称为“隐智慧”;解决问题的能力需要诸如“获取信息、提炼知识、创生智能”等显性能力的支持，因此称为“显智慧”;人类的显智慧也称为人类智能。

　　人类智能由人类的物质系统支持。人工智能对人类智能的“启发式模拟”是指：并非刻板模拟人类的物质结构，而是模拟人类智能的抽象工作机理，如图1所示。

　　对照图1，这个机理必然是一种复杂转换：客体信息→{｝→智能行为。其中的{｝应当是“在主体目的引导和在主体知识支持下把客体信息转换为智能行为”的过程。可以证明，这个工作机理就是在目标引导下“信息→知识→智能”的转换，可以简称为“信息转换与智能创生原理”。正像飞机并不是刻板地模拟鸟的物质结构而是模拟支持鸟儿飞翔的“空气动力学原理”那样，人工智能也不是刻意地模拟人的物质结构而是模拟支撑人类思维的“信息转换与智能创生原理”。

　　根据上述人工智能的定义，人工智能是“对人类智能(显智慧)的启发性模拟”，而人类智能是人类解决他所发现和所定义的问题的能力：目的引导下的“信息转换与智能创生原理”。因此，人工智能工作机理的实现方式可以描述如下：主体给定(1)需解决的问题，(2)问题求解的目的，(3)解决问题所需的知识; 在此基础上，人工智能机器就去执行(1)获取“问题、目标、知识”的信息;(2)由此去提取与问题求解直接相关的知识;(3)在这些信息、知识、目的的约束下，演绎求解问题的策略，并把策略转变为求解问题的行为;(4)如果求解的结果存在误差，就把误差作为新的信息反馈回输入端，以此去学习新的知识并进而优化策略，减小求解误差;(5)上述的“反馈-学习-优化”过程可能要重复多次，直至满意为止。

　　上述人工智能工作机理的实现方式是一个人机合作的过程，是人的创造能力(发现问题和定义问题)与机器(在速度、精度、耐度等方面)远超人类的操作能力(根据目标利用信息和知识去解决问题)实现强强联合的合作过程。这是一个普遍有效的人工智能系统工作范式，如图2所示。

　　图2表明，(1)求解问题、(2)求解目标、(3)相关知识这三项，都是人类主体提供的，而在这三项约束下求解问题的过程(图中方框内的“信息转换与智能创生”过程)则是由人工智能系统完成的。

　　人工智能机器能够做什么?细说起来话太长，宏观分析更简明。图2的模型实际上表示了一种“智能化社会生产力模型”：人类劳动者(通过提供三项约束体现人类劳动者的意志)利用智能化的社会生产工具体系(执行问题智能化求解的人工智能网络体系)与各种劳动对象(所求解的各种问题)展开智能化的“生产”过程。由这个“智能化社会生产力模型”可以明白：人类可以利用各种人工智能机器所构成的社会生产工具体系(大规模的人工智能网络体系)去解决人类社会所面临的各种复杂问题的挑战：经济的(工业领域的，农业的，服务的)，社会的，科技的，教育的，文化的，医疗的，体育的，娱乐的，民生的，国防的，等等，几乎无所不包。

　　机器没有生命，因而不会生成机器自身的目的(机器的目的都是人赋予的);而没有目的，便不会有“发现问题”的动力和缘由。所以，人工智能机器不能自主地发现需要解决的问题和制定解决问题的目标，需要人类主体提供“问题、目标和知识”(对照图2)。这就表明，人工智能机器能够在操作能力方面远远超越人类(这是机器的价值所在)但是在创造力方面不可能超越人类。是的，人类的许多能力都可以被越来越聪明的人工智能机器所替代，唯独“创造力”是例外。当然有人持相反的观点，认为机器可以全面超越人类，但尚无明确的科学依据。

　　发展科学技术的使命，就是要逐步把人类从自然力的束缚下解放出来，使人类有越来越多的时间与精力去从事学习和研究，以便能够应对和解决越来越深刻、越来越复杂、越来越困难的挑战，推动人类社会不断前进，使人类的生存发展条件不断得到改善。理解了上述规律，就可以未雨绸缪，从现在起就努力做好人们(包括在岗人员)的创造力培养与训练，使他们在把工作交给人工智能机器之后能够继续开辟更有创造意义的、新的就业空间。这里也对现代教育改革提出了明确的方向：各类各级教育都必须有效地培养具有强大创新能力的人才!

　　答案是：不但有机会，而且大有机会，只要国人能够提振足够的学术自信。原因不是别的，而是人工智能的研究需要新的科学方法论。近代几百年来，人们一直在以“分而治之”为特征的机械还原方法论指引下从事物质科学的研究，把科学越分越细，研究越来越深入，使近代科学不断分化和深化，造成了近代科学技术前所未有的繁荣和发展。

　　但是，20世纪中叶以来，信息科学迅速崛起，以物质科学为主导的科学体系正在发展成为以信息科学为主导的新体系;与此相应，适用于物质科学研究的“机械还原方法论”也正在悄无声息地(而且略微滞后地 - 意识落后于存在)转变为适用于信息科学研究的“信息生态方法论”。机械还原方法论注重分而治之，结果丢失了分解出来的各个子系统之间的相互关系，当然也就丢失了系统的全局规律;信息生态方法论所关注的恰恰就是各个子系统之间以及系统与环境之间的相互关系，因而可以恢复各个子系统之间以及系统与环境之间的相互关系，可以揭示出系统全局的关系和规律。

　　多数学者都还沉醉于曾经放之四海而皆准的以“分而治之”为特征的机械还原方法论(他们把人工智能分割为脑的结构、功能、行为的研究，忽视智能、知识、信息之间的内在关系)，一些具有朴素辨证论和整体论素养的我国学者却早已醒悟，领会了人工智能(信息科学的核心、前沿和制高点)所需要的全新方法论。而科学方法论是科学研究和创新的源头和龙头。因此，中国学人面临着引领人工智能创新研究的机会。

　　，北京邮电大学教授、博士生导师、副校长、校学术委员会主席。1962年北京邮电学院无线电通信与广播专业本科毕业，1965年信息论专业研究生毕业，1979年至1981年是英国伦敦大学帝国理工学院访问学者。主要研究领域为通信理论、信息理论、信息科学、人工智能神经网络、决策科学、 信息经济学。文/钟义信本文来自《科学通报》

　　国家科技基础条件平台©2011-2020版权所有：中国数字科技馆未经书面许可任何人不得复制或镜像

　　作为一门科学技术，人工智能的任务是“理解自然智能的工作机制，研究具有智能水平的机器，为人类提供智能服务”。