摘要：重點(diǎn)指出為了構(gòu)建普適性的且可理解的智能生長(zhǎng)機(jī)制，需要顛覆傳統(tǒng)科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)地位，確立信息科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)。探究了人工智能理論的核心問(wèn)題：智能是怎樣生成的？結(jié)果表明，普適性的智能生成機(jī)制就是“信息轉(zhuǎn)換與智能創(chuàng)生”定律。

關(guān)鍵詞：人工智能;生成機(jī)制;信息轉(zhuǎn)換

Abstract： In this paper， it is emphatically pointed out that in order to set up the universal and understandable mechanism for intelligence growth， it is necessary to subvert the dominant position of the traditional scientific view and methodology over artificial intelligence research， and to establish the scientific view and methodology of information science leading artificial intelligence research. The core question of artificial intelligence theory is explored： how is intelligence created？ And the secret of intelligence creation is revealed as the law of “information conversion and intelligence creation”.

Key words： artificial intelligence; mechanism of intelligence creation; information conversion

最近幾年，人工智能的發(fā)展引起了全世界的高度重視。許多國(guó)家都把發(fā)展人工智能設(shè)定為國(guó)家重要戰(zhàn)略。2017年7月，中國(guó)國(guó)務(wù)院也發(fā)布了《新一代人工智能發(fā)展規(guī)劃》，提出了中國(guó)人工智能發(fā)展“三步走”的目標(biāo)[1]。

因此，學(xué)術(shù)界都在認(rèn)真思考：我們應(yīng)當(dāng)為人工智能的相關(guān)發(fā)展做些什么？

1 什么是最緊迫的人工智能

研究課題

人們提出了各種各樣的人工智能研究課題：大數(shù)據(jù)智能、群體智能、跨媒體智能、混合智能、自主智能、機(jī)器學(xué)習(xí)、類(lèi)腦計(jì)算、量子計(jì)算、機(jī)器人、無(wú)人駕駛等，勝似雨后春筍。顯然，所有這些都很有意義。

不過(guò)，如果我們注意到人工智能研究的歷史和現(xiàn)狀，以及社會(huì)的深層需求，就可以發(fā)現(xiàn)：通用性的人工智能整體理論更加值得關(guān)注。

這是因?yàn)閿?shù)十年來(lái)在“分而治之”方法論引領(lǐng)下，世界人工智能的研究被分解為人工神經(jīng)網(wǎng)絡(luò)（結(jié)構(gòu)主義人工智能）、物理符號(hào)系統(tǒng)/專(zhuān)家系統(tǒng)（功能主義人工智能）和感知?jiǎng)幼飨到y(tǒng)/智能機(jī)器人（行為主義人工智能），形成三足鼎立的“三大學(xué)派”，并各自為戰(zhàn)，互不相容。雖然3個(gè)學(xué)派都取得了一些精彩的局部領(lǐng)域應(yīng)用成果（如神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)、專(zhuān)家系統(tǒng)的AlphaGo、感知?jiǎng)幼飨到y(tǒng)/智能機(jī)器人的Sophia等），卻無(wú)法形成通用性、整體性的人工智能理論，這成為現(xiàn)代人工智能研究的最大痛點(diǎn)。這種狀況一直持續(xù)到現(xiàn)在。顯然，只有局部成果而沒(méi)有通用性、整體性理論支持的人工智能，是不成熟的人工智能，是沒(méi)有后勁的，因而也走不遠(yuǎn)，很難持續(xù)地興旺發(fā)展。如果長(zhǎng)此下去，新一輪的人工智能寒冬遲早還會(huì)再來(lái)。

令人欣喜的是，從1978年至今，經(jīng)過(guò)40多年的艱辛探索和不懈努力，筆者提出并建立了“機(jī)制主義人工智能理論”[2]，西北工業(yè)大學(xué)何華燦提出并建立了“泛邏輯學(xué)理論（人工智能的邏輯基礎(chǔ)）”[3]，原北京師范大學(xué)現(xiàn)在遼寧工程技術(shù)大學(xué)工作的汪培莊提出并建立了“因素空間理論[4]（人工智能的數(shù)學(xué)基礎(chǔ)）”。從2015年開(kāi)始，3位專(zhuān)家就一直尋求這3個(gè)理論的有機(jī)合成，形成了“機(jī)制主義人工智能基礎(chǔ)理論”，實(shí)現(xiàn)了長(zhǎng)期互不相容的人工智能“三大學(xué)派”的和諧、統(tǒng)一，成為人工智能的整體性理論，并實(shí)現(xiàn)“基礎(chǔ)意識(shí)、情感、理智”三位一體的高等智能[5]。

為什么機(jī)制主義人工智能理論有這樣強(qiáng)大的威力？其關(guān)鍵在于發(fā)現(xiàn)并解決了人工智能理論的一個(gè)核心問(wèn)題：智能究竟是怎樣生成的？是否存在普適的智能生成機(jī)制？一旦發(fā)現(xiàn)了這種普適的智能生成機(jī)制，人工智能理論的研究就看到曙光了。

2 建立普適的智能生成機(jī)制，

不是一般的技術(shù)問(wèn)題

那么，智能到底是怎樣生成的呢？什么又是所謂的智能的普適生成機(jī)制呢？

如上所述，長(zhǎng)期以來(lái)學(xué)術(shù)界一直認(rèn)為：智能是人類(lèi)（或生物）大腦工作的產(chǎn)物，因此為了探究智能的生成奧秘，就要“揭開(kāi)大腦的神秘面紗”。近200年來(lái)，人們圍繞大腦的結(jié)構(gòu)和功能展開(kāi)了大量的研究，包括醫(yī)學(xué)界的大腦解剖技術(shù)、神經(jīng)生理學(xué)界的各種掃瞄成像技術(shù)、認(rèn)知科學(xué)界的各種心理實(shí)驗(yàn)技術(shù)等。根據(jù)這些研究的進(jìn)展，人工智能學(xué)界先后展開(kāi)了模擬人類(lèi)大腦新皮層結(jié)構(gòu)的人工神經(jīng)網(wǎng)絡(luò)研究（1943年開(kāi)始）和模擬人腦邏輯思維功能的物理符號(hào)系統(tǒng)及專(zhuān)家系統(tǒng)研究（1956年開(kāi)始）。所有這些方法的共同特點(diǎn)都是把大腦作為一個(gè)復(fù)雜的物質(zhì)系統(tǒng)，按照分而治之的方法論把它分解為相對(duì)簡(jiǎn)單的子系統(tǒng)進(jìn)行研究，希望把各個(gè)子系統(tǒng)的研究結(jié)果加以合成就能揭秘大腦的工作機(jī)制;但是上述所有努力都沒(méi)有達(dá)到目的。

上述努力達(dá)不到目的的原因何在？原來(lái)，雖然人工智能和大腦原型確實(shí)都是由物質(zhì)構(gòu)成的，但在“信息和智能的研究視角”下，它們卻都是復(fù)雜的信息系統(tǒng)，更準(zhǔn)確地說(shuō)是復(fù)雜的物質(zhì)系統(tǒng)所支持的復(fù)雜信息系統(tǒng)，而不再是純粹的物質(zhì)系統(tǒng)。更為重要的是，人們對(duì)大腦系統(tǒng)的關(guān)注，不再是它們的物質(zhì)結(jié)構(gòu)，同樣也不簡(jiǎn)單是這些物質(zhì)結(jié)構(gòu)所支持的系統(tǒng)功能，而是這些物質(zhì)結(jié)構(gòu)和系統(tǒng)功能共同支持的“信息過(guò)程以及在這種信息過(guò)程中所展現(xiàn)的各種神奇能力”。

需要指出，這種“研究視角”的改變，不是簡(jiǎn)單的技術(shù)性問(wèn)題，而是科學(xué)研究的“科學(xué)觀”問(wèn)題，以及由這種科學(xué)觀所孕育的“方法論”問(wèn)題。技術(shù)問(wèn)題是科學(xué)研究的低層問(wèn)題，科學(xué)觀和方法論問(wèn)題是科學(xué)研究最高層的問(wèn)題。低層的技術(shù)問(wèn)題當(dāng)然非常重要，沒(méi)有技術(shù)理論就無(wú)法具體實(shí)現(xiàn);但低層技術(shù)問(wèn)題要服從高層的科學(xué)觀和方法論的支配和管理（不管是否意識(shí)到）。所以，上述所有的分而治之方法都達(dá)不到建構(gòu)人工智能整體理論目的，這主要不是因?yàn)榧夹g(shù)能力不夠，而是所秉持的“科學(xué)觀和方法論”不對(duì)路。

根據(jù)我們數(shù)十年的研究，到目前為止，科學(xué)研究存在2大類(lèi)科學(xué)觀和方法論：工業(yè)時(shí)代所形成的傳統(tǒng)科學(xué)的科學(xué)觀和方法論;信息時(shí)代所需要的信息科學(xué)的科學(xué)觀和方法論。2種科學(xué)觀和方法論的對(duì)照見(jiàn)表1?？梢钥闯?，2種科學(xué)觀和方法論很不相同。

毫無(wú)疑問(wèn)，人工智能是一類(lèi)“復(fù)雜物質(zhì)系統(tǒng)所支持的復(fù)雜信息系統(tǒng)”，是信息科學(xué)技術(shù)的高端產(chǎn)物;因此，人工智能的研究應(yīng)當(dāng)遵循信息科學(xué)的科學(xué)觀和方法論。遺憾的是，當(dāng)人工智能在20世紀(jì)中葉問(wèn)世時(shí)，世界上還沒(méi)有信息科學(xué)的科學(xué)觀和方法論（因?yàn)樾畔⒖茖W(xué)的科學(xué)觀和方法論須在信息科學(xué)研究長(zhǎng)期實(shí)踐的基礎(chǔ)上才能逐步被人們總結(jié)和提煉出來(lái)），于是人們就沿用了那時(shí)已經(jīng)非常成功因而非常流行的傳統(tǒng)科學(xué)的科學(xué)觀和方法論。結(jié)果，人工智能的研究就被分而治之的方法論分解成為了前面所提到的3大學(xué)派。

那么，為什么傳統(tǒng)科學(xué)的科學(xué)觀和它的分而治之方法論不能建立人工智能的整體性理論而只能形成一些局部的理論和技術(shù)呢？

顯然，當(dāng)人們對(duì)復(fù)雜信息系統(tǒng)施行分而治之的時(shí)候，就不可避免地割斷了這個(gè)復(fù)雜信息系統(tǒng)各個(gè)子系統(tǒng)之間復(fù)雜而看不見(jiàn)的信息聯(lián)系，而這些復(fù)雜而看不見(jiàn)的信息聯(lián)系正是復(fù)雜信息系統(tǒng)的生命線。既然生命線被割斷了，原來(lái)的復(fù)雜信息系統(tǒng)就不再可能被還原了。這是分而治之方法論在人工智能研究領(lǐng)域不能發(fā)現(xiàn)更不能建立“普適的智能生成機(jī)制”的根本原因，也是分而治之方法論不可能建立人工智能整體理論的根本原因。

3 顛覆了傳統(tǒng)科學(xué)觀和方法

論的統(tǒng)領(lǐng)，答案便躍然紙上

明白了這個(gè)道理，以發(fā)現(xiàn)普適性智能生成機(jī)制為目標(biāo)的人工智能基礎(chǔ)理論研究就必須堅(jiān)決放棄分而治之的方法論思想，雖然后者在數(shù)百年的近代科學(xué)研究領(lǐng)域一直是放之四海而皆準(zhǔn)的鐵律。人工智能理論研究的出路則在于研究和總結(jié)適合于人工智能這種復(fù)雜信息系統(tǒng)性質(zhì)的新的科學(xué)方法論——信息科學(xué)的科學(xué)觀和方法論（見(jiàn)表1）。用現(xiàn)在比較時(shí)髦的語(yǔ)言來(lái)說(shuō)，就是要堅(jiān)決顛覆傳統(tǒng)科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)地位，確立信息科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)。

有了這樣的認(rèn)識(shí)，我們就有了全新的研究視角—— 信息科學(xué)的科學(xué)觀和方法論。按照這個(gè)科學(xué)觀念和方法，人工智能的研究模型就不再是單純的“腦模型”，而是“主體與客體之間相互作用的模型”;因?yàn)?“智能”不是大腦憑空產(chǎn)生的，而是在主體與客體相互作用的過(guò)程中產(chǎn)生出來(lái)的[2]，[5]，如圖1所示。

圖1是智能系統(tǒng)（人類(lèi)智能或人工智能）的典型模型，具有普遍的意義。在該模型中，存在2類(lèi)不同的對(duì)象：一類(lèi)是環(huán)境中的客體事物，一類(lèi)是人類(lèi)主體（當(dāng)然也可以是生物主體或人工智能主體，最具典型意義的是人類(lèi)主體。以下的敘述，都將以人類(lèi)主體為例展開(kāi)），還有主體與客體之間的相互作用——客體產(chǎn)生的客體信息作用于主體，主體則生成智能行為反作用于客體。眾所周知，任何人類(lèi)主體和生物主體都具有自己的目的和先前積累起來(lái)的知識(shí)（人工智能系統(tǒng)的目的和知識(shí)則是由人類(lèi)主體所賦予的）。人類(lèi)主體的永恒目的是“生存與發(fā)展”，人類(lèi)正是通過(guò)這種相互作用來(lái)實(shí)現(xiàn)自己的目的。

如果考察圖1模型中的相互作用過(guò)程，關(guān)于智能的一系列問(wèn)題就能得到十分簡(jiǎn)明而又十分清晰的理解。比如：為什么主體需要智能？如果主體沒(méi)有智能情況會(huì)怎樣？主體所需要的智能“是怎樣生成的”？這種智能的生成機(jī)制為什么是“普適”的？

我們首先考察：為什么主體需要智能？

從圖1可以看出，受到客體信息的作用之后，主體就應(yīng)當(dāng)生成“智能行為”反作用于客體，以便通過(guò)這種相互作用來(lái)實(shí)現(xiàn)主體“生存和發(fā)展”的目的。但是，成功實(shí)現(xiàn)這個(gè)目的的前提是主體生成的行為必須具有足夠的智能水平，否則，主體就達(dá)不到自己的目的，這個(gè)行為就成為了失敗的行為。另一方面，如果主體生成的行為“不夠智能”，還可能會(huì)破壞環(huán)境運(yùn)行的客觀規(guī)律，后者又會(huì)反過(guò)來(lái)給主體的生存發(fā)展帶來(lái)風(fēng)險(xiǎn)?？梢?jiàn)，在主體客體相互作用的過(guò)程中，一方面為了實(shí)現(xiàn)主體自身生存與發(fā)展的目的，同時(shí)也為了維護(hù)環(huán)境運(yùn)行的客觀規(guī)律，主體都必須生成具有足夠智能水平的行為。這就是智能問(wèn)題的全部意義：如果沒(méi)有智能，人類(lèi)主體就難以生存更難以發(fā)展。

那么，主體所需要的智能行為是怎樣生成的？

圖1的模型也同樣非常明確地告訴我們：主體必須根據(jù)自己的目的，運(yùn)用已有的先驗(yàn)知識(shí)，設(shè)法把從外部客體收到的“客體信息”轉(zhuǎn)化為自己所需要的“智能行為”。這就是：在目的牽引下、在知識(shí)支持下“把信息轉(zhuǎn)換為智能”。舍此，別無(wú)他途。

這就揭示了一個(gè)非常重要的根本規(guī)律：信息轉(zhuǎn)換與智能創(chuàng)生。意思是說(shuō)，為了創(chuàng)生智能而展開(kāi)的信息轉(zhuǎn)換是生成智能的根本規(guī)律。這個(gè)規(guī)律是根本性的，是唯一的，也是普遍適用的。這種普遍適用的根本規(guī)律通常被稱(chēng)為“定律”。因此，普適的智能生成機(jī)制——信息轉(zhuǎn)換與智能創(chuàng)生是關(guān)于如何生成智能的一條基本定律。

相映成趣的是，我們?cè)诨A(chǔ)科學(xué)已經(jīng)發(fā)現(xiàn)了“質(zhì)量轉(zhuǎn)換與物質(zhì)不滅”定律和“能量轉(zhuǎn)換與能量守恒”定律，如今在信息科學(xué)（人工智能是信息科學(xué)的制高點(diǎn)）我們又發(fā)現(xiàn)了“信息轉(zhuǎn)換與智能創(chuàng)生”定律。這樣，物質(zhì)、能量、信息三大資源領(lǐng)域的“轉(zhuǎn)換定律”就齊備了。質(zhì)量轉(zhuǎn)換定律和能量轉(zhuǎn)換定律揭示了物質(zhì)世界和能量世界運(yùn)行的客觀規(guī)律;信息轉(zhuǎn)換定律則揭示了人類(lèi)如何把信息資源轉(zhuǎn)換為智能求得生存和發(fā)展的人類(lèi)生存與發(fā)展的規(guī)律。因此，普適性智能生成機(jī)制的探索，是一項(xiàng)意義極為重大的科學(xué)研究。

值得注意的是，普適性智能生成機(jī)制的定律無(wú)需強(qiáng)制“要用人工神經(jīng)網(wǎng)絡(luò)來(lái)創(chuàng)生智能”，也無(wú)需強(qiáng)制“要用物理符號(hào)系統(tǒng)/專(zhuān)家系統(tǒng)來(lái)創(chuàng)生智能”，更無(wú)需強(qiáng)制“要用感知?jiǎng)幼飨到y(tǒng)/智能機(jī)器人來(lái)創(chuàng)生智能”，只強(qiáng)調(diào)了“要通過(guò)信息轉(zhuǎn)換來(lái)創(chuàng)生智能”。

由此說(shuō)明，“人工智能是信息科學(xué)技術(shù)的制高點(diǎn)和高端產(chǎn)物”這一認(rèn)識(shí)是何等準(zhǔn)確而深刻！而人們以前持有的“人工智能是計(jì)算機(jī)科學(xué)的分支”的說(shuō)法和“人工智能是自動(dòng)化學(xué)科的延伸”的說(shuō)法則顯得牽強(qiáng)。實(shí)際上，在以往的人工智能研究中，人們確實(shí)重視了計(jì)算機(jī)科學(xué)技術(shù)和自動(dòng)化技術(shù)，或多或少地忽視了信息科學(xué)技術(shù)，忽視了信息和信息轉(zhuǎn)換理論的重要性。這種認(rèn)識(shí)看來(lái)需要做出調(diào)整。

指出這一結(jié)論也很重要，因?yàn)檫@樣就可以使人們明白，在研究人工智能的時(shí)候，信息的觀念和信息轉(zhuǎn)換的觀念是最重要的。這絲毫也沒(méi)有貶低“算法和算力”的作用，因?yàn)橐磺行畔⑥D(zhuǎn)換的實(shí)現(xiàn)都要得到算法和算力的支持。但是，需要進(jìn)一步明確的是，算法和算力都是為了實(shí)現(xiàn)相應(yīng)的“信息轉(zhuǎn)換與智能創(chuàng)生”而服務(wù)的。

當(dāng)然，這里所說(shuō)的“信息科學(xué)”不是指Shannon信息論，因?yàn)镾hannon信息論的信息只是一種統(tǒng)計(jì)性的語(yǔ)法信息，丟失了信息的“內(nèi)容”和“價(jià)值”因素[5]，不足以支持人工智能的研究。由于篇幅的緣故，有關(guān)這一問(wèn)題的討論就不在這里詳細(xì)展開(kāi)。

4 智能生成機(jī)制與人工智能

通用模型

當(dāng)然，任何定律都是普遍適用的，也是抽象的。如果要把定律的內(nèi)涵具體化，就需要根據(jù)神經(jīng)科學(xué)、認(rèn)知科學(xué)、信息科學(xué)、人類(lèi)學(xué)、人文科學(xué)等學(xué)科的相關(guān)知識(shí)來(lái)構(gòu)建人工智能的通用模型，圖2表示的就是這樣的人工智能通用模型[2]，[5]。

其實(shí)，圖2和圖1一樣，都刻畫(huà)了人類(lèi)主體與客體相互作用的過(guò)程。圖2的橢圓表示的是環(huán)境及其中的客體（也可稱(chēng)為問(wèn)題），其余部分則表示主體生成智能行為的整個(gè)過(guò)程，也就是信息轉(zhuǎn)換與智能創(chuàng)生定律——普適性智能生成機(jī)制的實(shí)施過(guò)程，包括如下7個(gè)典型階段：

（1）客體（或問(wèn)題）呈現(xiàn)的客體信息作用于主體。

（2）由客體信息到感知信息/語(yǔ)義信息的轉(zhuǎn)換（感知與注意）。由于主體具有目的和知識(shí)，主體就通過(guò)“感知與注意”模塊來(lái)判斷這個(gè)客體信息是否與自己的目的有關(guān)，如果無(wú)關(guān)就不予理會(huì)（這就是“舍棄”），如果有關(guān)（無(wú)論是正面相關(guān)還是負(fù)面相關(guān)）就予以關(guān)注并生成感知信息。感知信息具有3個(gè)分量：反映客體形態(tài)的“語(yǔ)法信息”，反映客體對(duì)于主體目的而言的效用利害關(guān)系的“語(yǔ)用信息”以及定義在語(yǔ)法信息和語(yǔ)用信息之上的“語(yǔ)義信息”。根據(jù)語(yǔ)義信息的定義，它可以代表語(yǔ)法信息和語(yǔ)用信息，因此也就可以代表整個(gè)感知信息。

（3）由語(yǔ)義信息到知識(shí)的轉(zhuǎn)換（認(rèn)知）。根據(jù)語(yǔ)義信息，主體就可以在綜合知識(shí)庫(kù)檢索到與這個(gè)客體相關(guān)的知識(shí)，包括常識(shí)知識(shí)、經(jīng)驗(yàn)知識(shí)和規(guī)范知識(shí)（甚至本能知識(shí)，取決于知識(shí)庫(kù)的質(zhì)量）。

（4）由語(yǔ)義信息到智能策略的轉(zhuǎn)換（謀略與決策）。根據(jù)語(yǔ)義信息，主體就可以利用檢索到的本能知識(shí)和常識(shí)知識(shí)生成相應(yīng)的基礎(chǔ)意識(shí)反應(yīng)，利用本能知識(shí)、常識(shí)知識(shí)和經(jīng)驗(yàn)知識(shí)生成情感反應(yīng)，利用本能知識(shí)、常識(shí)知識(shí)、經(jīng)驗(yàn)知識(shí)和規(guī)范知識(shí)生成理智反應(yīng)，并將它們綜合成為應(yīng)對(duì)這個(gè)客體的智能策略（這個(gè)過(guò)程比較復(fù)雜，將在另文闡述）。

（5）由智能策略到智能行為的轉(zhuǎn)換（執(zhí)行）。主體通過(guò)執(zhí)行機(jī)構(gòu)把智能策略轉(zhuǎn)換成為智能行為。

（6）由偏差信息到優(yōu)化策略的轉(zhuǎn)換（檢驗(yàn)與優(yōu)化）。在一般情況下，由于信息轉(zhuǎn)換的每個(gè)步驟都存在不理想性和不確定性，把智能行為反作用于客體之后的結(jié)果往往與目標(biāo)之間會(huì)存在偏差。這種偏差實(shí)際上就是一種新的信息，表示策略的智能程度還不夠;因此，需要把這種偏差信息反饋到整個(gè)系統(tǒng)的輸入端，產(chǎn)生新的感知信息/語(yǔ)義信息，學(xué)習(xí)和提取新的知識(shí)，并根據(jù)新的信息和知識(shí)改進(jìn)策略，優(yōu)化效果。這種反饋、學(xué)習(xí)、優(yōu)化的過(guò)程通常要進(jìn)行多次，直到偏差足夠小為止。這時(shí)所得到的策略才是真正可用的智能策略，可以把它存儲(chǔ)在綜合知識(shí)庫(kù)（策略庫(kù)）中備用。

（7）重設(shè)目標(biāo)（更新）。如果經(jīng)過(guò)多次偏差反饋、學(xué)習(xí)、優(yōu)化過(guò)程都不能以滿(mǎn)意的程度達(dá)到目標(biāo)，主體就要考慮原來(lái)預(yù)設(shè)的目標(biāo)可能有問(wèn)題，需要重新預(yù)設(shè)目標(biāo)，重新進(jìn)行上述信息轉(zhuǎn)換過(guò)程，直到信息轉(zhuǎn)換過(guò)程所生成的智能策略能夠達(dá)到預(yù)設(shè)的目標(biāo)為止。

以上7個(gè)步驟，就是普適性的智能生成機(jī)制（適用于人類(lèi)智能，也適用于人工智能），它們構(gòu)成了人工智能理論研究的基本問(wèn)題，也反映了“人類(lèi)認(rèn)識(shí)世界和改造世界并在改造客觀世界的過(guò)程中同時(shí)改造自己”的過(guò)程。人類(lèi)就是在“不斷地認(rèn)識(shí)世界和改造世界并在改造客觀世界的過(guò)程中不斷改造自己”的過(guò)程中不斷進(jìn)步，不斷求得越來(lái)越好的生存與發(fā)展。

5結(jié)束語(yǔ)

本文探討了人工智能理論的核心問(wèn)題：智能是怎樣生長(zhǎng)的？結(jié)果表明，普適性的智能生成機(jī)制就是“信息轉(zhuǎn)換與智能創(chuàng)生”定律。文中還著重指出：為了能夠理解和構(gòu)建普適性的智能生長(zhǎng)機(jī)制，需要顛覆傳統(tǒng)科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)地位，確立信息科學(xué)的科學(xué)觀和方法論對(duì)人工智能研究的統(tǒng)領(lǐng)。這是人工智能理論研究的至關(guān)重要的問(wèn)題。在此基礎(chǔ)上，本文給出了人工智能的通用模型及其意義。

參考文獻(xiàn)

[1] 國(guó)務(wù)院. 新一代人工智能發(fā)展規(guī)劃[M]. 北京：人民出版社， 2017

[2] 鐘義信. 機(jī)制主義人工智能理論[J]. 智能系統(tǒng)學(xué)報(bào)， 2018， （1）： 2-18

[3] 何華燦. 泛邏輯學(xué)理論[J]. 智能系統(tǒng)學(xué)報(bào)， 2018， （1）：19-36

[4] 汪培莊. 音速空間理論[J]. 智能系統(tǒng)學(xué)報(bào)， 2018， （1）： 37-54

[5] 鐘義信. 高等人工智能原理[M]. 北京：科學(xué)出版社， 2014