书名：中国人工智能简史：从1979到1993 　　

作者：林军 岑峰 著 　　

出版社：人民邮电出版社 　　

出版时间：2023年8月

面对人工智能这样一个新兴产业，似乎更应该做的是眺望未来，那回溯历史的价值是什么？

从《中国人工智能简史：从1979到1993》中，人们也许能找到答案。

走出ChatGPT 的喧嚣和焦虑，回到早在上世纪70年代中国人工智能的起点，复盘国家战略的层层推进，了解那些科学家极富个性的故事以及技术的突破和沉寂那戏剧般的起伏，也许我们才能更清晰地看到未来。

就像那句西谚所说 “除非你知道你去过哪里，否则你无法知道你将要去哪里”。历史从未终结，它始终敞开，人们如何看待历史往往决定了他将如何把握未来，正是在这个意义上克罗齐说出了那句名言“一切历史都是当代史”。

本栏特摘编鹏城实验室主任、中国工程院院士、前中国计算机学会理事长高文为本书所作的序言，以飨读者。

本书是总计三卷中的第一卷，全书计划讲述中国人工智能40年的发展史。

中国的人工智能研究刚好赶上20世纪70年代末开始的第二波人工智能浪潮，是一个“承前启后”的重要时期。在这一阶段，我们不仅在符号主义人工智能的研究上取得了世界级的成果，也赶上了神经网络研究的浪潮，更重要的是，在前人研究和论证的基础上，国家决定启动“863计划”的研究。在20世纪90年代国际人工智能研究进入低谷的时候，“863-306计划”的实施培养了一大批进入国际高技术前沿的计算机人才，为我国实现创新驱动战略奠定了人才基础。

人工智能的发展是一个螺旋式前进的过程。在前一波AI浪潮沉寂了一段时间后，前两年大家都觉得AI“大风”来了，必须赶快前进，不要掉队；这两年人工智能有所降温，大家冷静下来后开始发现，AI还是面临很多挑战。而当下ChatGPT 的爆火，又让公众对人工智能有了新的兴趣。

AI现在主要的缺陷或者说不足是在机器学习方面。深度学习，即深度神经网络是机器学习的一种方法，这种方法确实可以解决很多问题，也取得了很大的成功。但深度学习也要发展。我去美国开会，马里兰大学一位知名的AI专家调侃说，现在“深度学习有深度而无学习”（Deep Learning — Deep YES，Learning NO）。这是因为这样的学习严格来说不是学习，而是训练，是用大数据在训练一个数学模型，而不是真的学习到知识。

更大的问题是人们不知道机器学习是怎么解决问题的。在神经网络里，有很多东西没有办法被定性和解释，这是比较难的一个问题。解决了这个问题，AI可能又会迎来一波大的浪潮。

用人的一生来比喻，今天的人工智能水平大概是刚上小学的程度，后面还有很长的路可走。对于未来，我们需要思考AI 现在做了多少事，未来还有多少事需要做。

事实上，我们现在所解决的AI 问题还是很小的一部分。AI 涉及的问题可以分为四类。

第一类是可统计可推理的AI 问题。这一部分在工业界已经可以使用，可以应用于机器人，应用于各种各样的知识决策系统。

第二类是不可统计可推理的AI 问题。这类AI 问题靠大数据解决不了，只能靠传统的逻辑和规则来处理。

第三类是可统计不可推理的AI 问题。有大数据，通过大数据都能统计出规律，但是用语言表述逻辑和因果关系相当复杂。这方面的曙光已经初现，但是也需要更多的突破。ChatGPT 正是在这个问题上取得了大的飞跃。

第四类是不可统计不可推理的AI 问题。这是最难的AI问题。没有模型和数据，这类问题未来机器人不可能涉足，也不可能胜过人。

AI给全社会，尤其是给自动化领域、机器人领域带来的机遇是非常多的。过去几十年，我们经历了比较大的浪潮，第一波是PC 浪潮，它给信息领域带来了颠覆性的影响。之后是互联网浪潮，它成就了一大批互联网公司，如谷歌、百度。紧接着是移动互联网的新一波浪潮，苹果、华为等都是乘着这一波浪潮起来的公司。下一波是什么？一定是AI，下一波公司中如果能再出现苹果、华为这样的公司，那它一定是AI公司。

目前，我国的人工智能发展总体来讲有优势也有短板。优势有四个：强有力的政策支持、庞大的数据、丰富的应用场景、非常多的有潜力的年轻人。同时有四个短板：基础理论和原创算法薄弱、关键核心元器件薄弱、开源开放平台建立不足、高端人才不足。

既然有这四个短板，我们该怎么办？实际上，科技部在新一代人工智能发展规划方面已经有了一个很好的前瞻性考虑，基本原则有四个：一是科技引领，二是系统布局，三是市场主导，四是开源开放。目标是中国的人工智能到2025年其中一部分能够达到领先水平，到2030年总体上能够走在前面。