人工智能（AI）是指在机器上实现类似于甚至超越人类感知、认知和行为的智能的系统。与人类历史上的其他技术革命相比，人工智能对人类社会发展的影响可能是走在前列的。人类社会也正在从以计算机、通信、互联网、大数据等技术为支撑的信息社会向以人工智能为支撑的智能社会迈进。人类生产生活和世界发展格局将发生更加深刻的变化。人工智能分为强人工智能和弱人工智能。强人工智能，又称通用人工智能，是指具有达到或超过人类水平的自我意识，能够自适应应对外部环境挑战，具有自我意识的人工智能。弱人工智能，又称狭义人工智能，是指人工智能系统实现特殊或特定技能的智能，如人脸识别、机器翻译等。迄今为止大家所熟悉的各种人工智能系统，只是实现了特定的或专用的人类智能，属于弱人工智能系统。弱人工智能可以在单项比赛中挑战人类，比如下围棋，人类不再是人工智能的对手。人工智能发展的基本思路和技术路径有3条。人工智能的研究工作始于1940年代，但其完整的概念于1956年正式登上历史舞台。在美国达特茅斯学院举办的“人工智能夏季研讨会”会议上。本次研讨会的主题是利用机器模仿人类学习和其他方面的智能，推动了人工智能的起伏和螺旋式发展。第一阶段，从1956年到1976年，是基于符号逻辑的推理和证明阶段。主要成就在这一阶段是以布尔代数为数学工具进行逻辑计算，以演绎推理为推理工具，发展逻辑程序设计语言，实现包括代数机定理证明在内的机器推理和决策系统。人工智能理论和方法、工具还不完善的初级阶段，以征服为目标显然不现实求认知，人工智能研究从高潮逐渐进入低谷。第二阶段，从1976年到2006年，是基于人工规则的专家系统阶段。这一阶段的主要进展是开辟了知识工程的新研究领域，开发了专家系统工具和相关语言，开发了各种专家系统，如故障诊断专家系统、农业专家系统、疾病诊断专家系统、自动邮件等。分拣系统等。专家系统主要由知识库、推理机和交互界面组成。其中，知识库中的知识主要是由各个领域的专家手工构建的。然而，知识只有通过专家的人工表达才能实现，难免会遗漏一切。这使得专家系统无法匹敌人类专家与时俱进的学习能力，人工智能研究第二次进入瓶颈期。第三个阶段，从2006年到现在，是大数据驱动的深度神经网络阶段，也是深度学习流行的时期。人工神经网络的发展随着人工智能的发展有起有落。早期人们非常关注其模拟生物神经系统某些功能的能力，但直到80年代反向传播算法的发明，才难以掌握复杂网络的学习收敛性、鲁棒性和快速学习能力以及1990年代的汇总算法。随着乘积网络的发明，神经网络的研究取得了重要突破。深度神经网络方法应运而生，开启了人工智能的新阶段。自诞生以来，人工智能的发展大致有以下三种基本思路和技术路径。第一条道路是象征主义或逻辑学派。形式逻辑是其理论基础。它主张人工智能应该从智能的功能模拟入手。它认为符号是智能的基本要素，智能是符号的表征和运行过程。在上述第一阶段和第二阶段，象征主义思想占主导地位。第二条路径是起源于1940年代的联结主义或神经网络学派，强调智能活动是大量简单（神经）单元通过复杂连接并行运行的结果。其基本思想是：既然人脑的智能是由神经网络产生的，那么人工构建神经网络，再通过训练产生智能。人工神经网络是对生物神经网络的抽象和简化。80年代兴起的神经网络，近年兴起的深度学习网络，都是包含多层神经元的人工神经网络。第三条道路是行为主义或控制学派，又称进化论。这个学派出现于20世纪80年代末和90年代初，其思想来源是1940年代的控制论。控制论认为，智能来源于智能主体与环境和其他智能主体相互作用的成功经验，是适者生存、适者生存的结果。机器学习是未来方向，将人类从重复劳动中解放出来机器学习是20世纪80年代中期发展起来的人工智能新方向。机器学习研究机器如何模拟或实现人类的学习行为，以获取新知识或技能，或根据环境自适应调整对策。机器学习允许机器通过从经验中“归纳”和“推理”来自动改进。目前，机器学习仍然是人工智能研究的热点之一，包括深度学习的可解释性和可信度，增强智能系统的自学习和自适应能力，以及无监督学习、多模态协同学习、强化学习等。.、终身学习等新的机器学习方法。此外，考虑到数据安全和隐私保护，在数据加密或部分加密的情况下如何学习也是重要的研究方向之一。在深度学习浪潮的推动下，人工智能的其他研究方向也在加速发展，包括机器感知、模式识别与数据挖掘、自然语言处理、知识表示与处理、智能芯片与系统、受认知和神经科学启发的人工智能、人工智能与其他学科的交叉点等。中国是世界上人工智能研发和产业规模最大的国家之一。虽然我们在人工智能基础理论与算法、核心芯片与元器件、机器学习算法开源框架等方面起步较晚，但在国家人工智能优先发展战略、大数据规模、人工智能应用场景等方面取得了较大成绩和产业规模，以及青年人才。在数量等方面都有优势。中国人工智能的发展，挑战与机遇并存，机遇大于挑战。我们虽然是后来者，但市场大，年轻人多，斗志旺盛。从长远来看，我们有更多的优势。如果说蒸汽机在18世纪中叶带来了第一次工业革命并持续了100年；第二次工业革命是在19世纪中叶由电力带来的，持续了100年；第三次工业革命是在20世纪中叶由计算机和通信带来的，至今已经持续了70多年；我们可以预见，人工智能可能会在本世纪中叶左右带来下一次工业革命，影响一个世纪。当然，目前人工智能技术储备还远未达到开启智能时代的水平，仍需不断积累和创新。当前的计算机体系结构不能满足实现强人工智能的需要。未来可能的突破方向包括人工智能基础理论和算法、类脑计算、生物计算、量子计算等，其影响不仅关系到国家的发展，更关系到数百人的日常生活。数百万工人。以深度学习为代表的人工智能技术的快速发展和广泛应用，正在深刻改变着人类社会生活的方方面面。行业从提高效率和降低成本的角度出发，积极采用人工智能技术解决各种应用问题，包括智能机器人、智能制造、智能监控、无人驾驶、自动问答、医疗诊断、智能家居、政府和法律等事务等为人类带来幸福。从就业来看，越来越多的超市、银行、餐厅开始使用机器服务，甚至律师、证券分析师等高技能岗位也可能被机器人取代，这对劳动力就业构成挑战。人工智能的应用必然会提高劳动生产率，就像第一次工业革命时，机器的应用虽然减少了传统轻工业的就业岗位，但也为新兴产业创造了更多的就业岗位。人工智能也是如此。随着它的发展，会创造出很多新的工作岗位，但对技能的要求与传统工作不同。因此，随着人工智能的推进，教育培训体系也应根据就业结构的变化积极调整，在产业升级中加快推进转岗培训。人工智能将我们从简单重复的劳动中解放出来，更有利于人类充分挖掘自身的智能潜能。面对即将到来的智能社会，我们应该以积极的态度迎接变化。与其担心被抢饭碗，不如和机器“分享鼓励”。机器仍在学习。难道我们人类不应该更加努力学习，终生学习吗？（作者高文为北京大学教授、中国工程院院士，黄铁军为北京大学教授）
