中国工程院院士 李国杰：人工智能研究期待摆脱旧范式的束缚

我第一时间读完了史料丰富、动人心弦的《中国人工智能简史：从1979到1993》，这本书既让我感受到中国人工智能发展的波澜壮阔、蜿蜒崎岖和可歌可泣，也让我深深感佩作者纵览全局的广阔视野和媒体人旁搜博采的功夫。

在我看来，这本简史有四个特点。

一是中立客观，尊重历史。人工智能涉及的学科很多，门派也很多，各人有各人的说法。本书作者站在客观的立场上，尽量还原历史，既不一味夸赞伟人，也不抹杀一线科技工作者的贡献。对于历史上的是非功过不做武断的评价，而是充分用事实说话。

中国的人工智能界没有明斯基、麦卡锡、司马贺、费根鲍姆、辛顿这样的权威学者，但有许多为人工智能发展作出贡献的科技工作者。可以说中国的人工智能界是一座花园，这里没有参天的乔木，但灌木丛生、百花盛开。作者如同一位热心的导游，心平气和地向来访者介绍每一朵鲜花的特点。 

二是纵观全局，眼观六路。虽然国际上将人工智能看成计算机学科的一个分支，但人工智能涉及哲学、数学、计算机、自动控制、心理学等诸多学科。特别是在中国，早期许多人工智能学者并非出自计算机领域。

书中讲述了与人工智能有关的各个领域学者的贡献，主要的贡献者几乎没有被遗漏。 

三是人事交融，脉络清晰。一部简史，如果只按时间顺序分章叙述各种技术的发展，会让人产生凌乱的感觉；如果按照逻辑推理、机器学习等不同的技术分章叙述，则见事不见人，又会呆板无味。

这本简史基本上以年为章节，每一章突出一种技术和几个重点人物，把人的故事融入技术发展之中，既写了事又写了人，技术发展的脉络也十分清楚，找到了兼顾人和事的史书写法。 

四是细节动人，以事寓理。一本史书可以写得干巴巴的，也可以笔翰如流，让人读得津津有味，这全看作者的功底。

本书每写到一个人物或一桩往事，都能旁征博引，信手拈来全无痕迹，可读性很强，充分显示作者知识渊博，兼有媒体人的敏锐和学者的底蕴。 

本书是三卷本《中国人工智能简史》的第1卷，从1979年写到1993年。这15年间中国人工智能界经历了许多重要的事件，其中一件大事是国家启动了“863计划”，信息领域有一个主题是智能计算机，代号“863-306”。

“863计划”启动之时正是人工智能的辉煌时期，但由于日本第五代计算机的失败和人工智能研究遇到发展瓶颈，导致上世纪90年代全球人工智能发展又一次跌入低谷。在这一转折时刻，“863-306”主题通过持续的投入，在高性能计算机、智能接口、智能应用等方面取得了一批重大的科研成果。

更有价值的是，这为我国发展人工智能培养了一大批人才，奠定了较为坚实的人才基础。今天中国有能力在人工智能技术上与美国抗争，“863计划”功不可没。本书第8章和第15章讲述了“863-306”主题激动人心的故事。

我于1990年担任国家智能计算机研究开发中心（NCIC，以下简称智能中心）主任，被选为第二届智能计算机专家组成员，1992年担任专家组副组长（组长是汪成为），参与了“863-306”主题早期的决策和部署。

智能中心于1990年成立，2004年以后并入中国科学院计算技术研究所，活跃期不到15年，但在历史上留下了光辉的印迹。智能中心鼎盛时只有100余人，但培养出3位院士、8位正局级科技领导人才，以及曙光、海光、北京君正、中科星图、汉王等十几家高技术公司的总裁，还走出了几位国际著名学者。

许多人知道智能中心研制成功了“曙光一号”“曙光 1000”等多个系列的高性能计算机。其实，智能中心还做了许多与人工智能有关的科研工作。每年智能中心进行的汉字识别和语音识别测试都推动了我国智能接口技术的发展。

智能中心和中国自动化学会、中国科学院合肥智能机械研究所合办的《模式识别与人工智能》杂志是我国人工智能界的核心刊物。科大讯飞公司的母体是智能中心中国科学技术大学分中心，当年负责语音库的建设。汉王公司的总裁刘昌平也来自智能中心。智能中心的理论组只有10余人，但走出了多位人工智能领域的知名学者。

本书第14章称智能中心是“年轻人才的特区”，恰如其分。智能中心对年轻人高度信任，敢压重担，促使人才辈出，这一体制机制改革的成功经验值得传承。

值得一提的是，1996年3月，智能中心和 Motorola公司合作成立联合实验室（Motorola-NCIC JDL），从事多媒体、人工智能、人机先进通信等技术研究，双方轮流选派JDL负责人。

JDL在视频编码、模式识别、人工智能等领域培养了一批领军人才，当时的年轻人现在都已成为我国人工智能界的风云人物。Motorola-NCIC JDL不愧为培养人工智能人才的摇篮。

1981年，我到美国普渡大学攻读博士学位，从事与人工智能有关的研究。

1984年，我在AAAI（国际先进人工智能协会）大会上发表了论文，是较早在AAAI发表论文的中国学者。后来我陆续在IEEE（电气与电子工程师协会）Computer 等国际一流期刊和ISCA（国际计算机体系结构研讨会）等顶级国际会议以及国内的期刊上发表了几十篇与人工智能有关的论文，包括几篇关于智能计算机的特约长篇综述文章。

我与导师华云生（Benjamin Wah）合作编著了 Computers for Artificial Intelligence Applications，这本书连续3年都是IEEE最畅销的出版物，在人工智能界产生了一定的影响。应当说，我算是第二拨人工智能的“弄潮儿”之一。

1987年我回国后，将重心放在高性能计算机的研制上，但从未停止过对人工智能的关注。读了本书后，我有一些感想和看法。 

中国人工智能学会最初没有挂靠在中国科学技术协会，而是挂靠在中国社会科学院，这看起来有点奇怪，实际上有着深刻的含义。因为人工智能不是纯粹的自然科学，与人的智能有关，所以它必然与哲学有天然的联系。

早期哲学家的强势介入可能使得一部分计算机领域的人工智能学者远离人工智能学会。而到了今天，语言大模型的出现对认识论产生了巨大冲击，机器可能具有与人不同的认知方式，又再次需要哲学家和人文学者介入人工智能。尤其是人工智能的伦理问题越来越突出，更需要社会科学领域的学者参与讨论，制定合理的政策。 

从提出图灵测试开始，人工智能研究的主流就是拿机器与人比，模式识别、自然语言理解等领域都是用“是否达到人类的水平”作为考核人工智能的标准，这方面的研究已取得很大的成功。

但需要提醒的是，从实用和工程的角度来说，人工智能的目标是解决复杂的问题。

在1956年8月创建人工智能学科的达特茅斯会议上，会议的主角之一司马贺曾建议把这一学科叫作“复杂信息处理”。如果当时采纳了他的意见，世界上就没有“人工智能”这个术语，也许今天的人们会更加重视如何应对复杂性这个难题。

目前人工智能发挥巨大作用的领域，无论是在视觉听觉感知、自然语言理解上，还是在蛋白质结构预测等科学研究上，面对的都是复杂性极高的问题，用传统的演绎推理和归纳推理无法解决。

有些学者批评机器学习没有形式化的公理体系和简洁的数学公式，我想这是“不能也，非不为也”，解决复杂问题需要新的科学范式。希望人工智能界更加注重“解决复杂问题”，走出一条发展人工智能的新路。 

中国最早从事人工智能研究的学者大多有数学和数理逻辑背景，如吴文俊、金岳霖、胡世华、王湘浩、吴允曾等人工智能的前辈都是数学家或逻辑学家，他们的弟子很多，对我国人工智能的发展有深远的影响。不过，人工智能的核心是算法，而中国对算法的研究起步较晚。

上世纪90年代以前，中国的书店里只有“计算方法”教科书，算法方面的书极少。所谓“计算方法”，实际上是讲数值分析，与计算机科学中的算法不是一个概念。

1995年，李明和堵丁柱在中国创办了计算与组合学国际会议（COCOON），为我国推广算法研究作出了重大贡献。2004年，姚期智先生回国以后，举起了算法的大旗，培养了一大批从事算法研究的学生，中国的算法研究开始出现蓬勃发展的新局面。

无疑，我们要正视中国算法研究基础薄弱的短板，只有高度重视算法研究，人工智能研究才不会偏离主流。解决人工智能的重大应用问题需要算法、模型、软件和系统结构的密切配合。

我的博士论文题目是《组合搜索的并行处理》，研究内容既涉及算法又涉及计算机体系结构，我回国以后延续了这一传统。我指导的博士姚新后来又指导了中国科学技术大学的陈天石，陈天石和他的哥哥陈云霁，分别做神经网络算法和芯片设计研究，在国际上率先推出了神经网络机器学习芯片“寒武纪”，体现了算法与系统结构密切配合的优势。 

1991年9月17日，在北京召开的全国第一次人工智能与智能计算机学术会议上，我代表“863-306”主题专家组在国内第一次提出了“顶天立地”的战略口号，指出当时的智能计算机处于初级阶段。

30多年过去了，我认为智能计算机仍然处在初级阶段。ChatGPT等语言大模型的出现是联结主义技术路线的巨大成功，但只相当于上世纪40年代的电子管计算机，其能耗之大令人无法忍受。

近10年来，联结主义攻城略地，所向披靡，深度学习大模型的巨大进展和不可解释性引起了人们对人工智能基本问题的反思，令我想起1991年1月《人工智能》期刊关于人工智能基础的一场大辩论和1992年夏天在智能中心举办的“AI Summer School”。

本书第14章讲述了这场具有历史意义的大讨论的来龙去脉。在整理旧物时，我发现了一篇自己未正式发表的文章——《Al 理论研究的方法论问题》。这是1992年我和白硕为智能中心内部出版的有关人工智能理论问题的论文集写的序言。我提出：“几十年来，AI研究之所以走过不少弯路，除了其本身的困难性外，研究方法与指导哲学上也存在问题，值得我们反思。”

希望人工智能界摆脱传统思想的束缚，从更高的维度看待“不可解释性”和“可言传性”，化解对人工智能的恐惧，将人工智能引入良性发展的轨道。 

我国在人工智能领域发表的论文数量已达到世界第一，遗憾的是其中大多数还是跟踪式的研究。不过，渐进式的跟踪研究也是有价值的，随大溜的研究可以形成一个科研群体的高原，而只有在高原上才能形成“一览众山小”的世界高峰。

按照库恩的科研范式理论，范式是在某个学科内从事科学研究的一套基本完善的规则和行为标准，或者说，是做研究的“官方”途径，遵循范式做研究可以得到资金和荣誉。大多数科研工作者为了生计难以摆脱范式的束缚。

但是，科学的进步是一次又一次范式的改变完成的，带头实现范式转变的往往是一些眼光超群又坚持不懈的年轻人。他们不按常理出牌，最终会引起同行学者信仰的变化。

目前人工智能界很流行所谓SOTA刷榜，即将标准测试的性能提高一点点，赚取一次世界领先。这样的研究工作难以实现范式转变，应当鼓励更多的学者从事有趣的非主流范式的研究，追求未来在性能和能效上取得数量级的进步，而不计较起步时的性能低下。

范式转变往往是长期努力的结果，辛顿从上世纪80年代初开始探索深度神经网络，坐了30多年冷板凳。我们要探索更节能、更安全的人工智能新路，至少要有“面壁”20年的思想准备。 

本书是一本值得认真阅读的好书，它为我们展示了中国第一代人工智能研究者筚路蓝缕的历程。以史为鉴，可以知兴替。历史的经验教训弥足珍贵，历史可以照耀未来。

衷心希望年轻的科技工作者可以继承老一辈学者的优良传统，提升科学研究的品位，开创人工智能研究和产业发展的新天地。