一

我第一時間讀完了史料豐富、動人心弦的《中國人工智能簡史：從1979到1993》，這本書既讓我感受到中國人工智能發展的波瀾壯闊、蜿蜒崎嶇和可歌可泣，也讓我深深感佩作者縱覽全局的廣闊視野和媒體人旁搜博采的功夫。

在我看來，這本簡史有四個特點。

一是中立客觀，尊重歷史。人工智能涉及的學科很多，門派也很多，各人有各人的說法。本書作者站在客觀的立場上，盡量還原歷史，既不一味夸贊偉人，也不抹殺一線科技工作者的貢獻。對于歷史上的是非功過不做武斷的評價，而是充分用事實說話。

中國的人工智能界沒有明斯基、麥卡錫、司馬賀、費根鮑姆、辛頓這樣的權威學者，但有許多為人工智能發展作出貢獻的科技工作者?？梢哉f中國的人工智能界是一座花園，這里沒有參天的喬木，但灌木叢生、百花盛開。作者如同一位熱心的導游，心平氣和地向來訪者介紹每一朵鮮花的特點。

二是縱觀全局，眼觀六路。雖然國際上將人工智能看成計算機學科的一個分支，但人工智能涉及哲學、數學、計算機、自動控制、心理學等諸多學科。特別是在中國，早期許多人工智能學者并非出自計算機領域。

書中講述了與人工智能有關的各個領域學者的貢獻，主要的貢獻者幾乎沒有被遺漏。

三是人事交融，脈絡清晰。一部簡史，如果只按時間順序分章敘述各種技術的發展，會讓人產生凌亂的感覺；如果按照邏輯推理、機器學習等不同的技術分章敘述，則見事不見人，又會呆板無味。

這本簡史基本上以年為章節，每一章突出一種技術和幾個重點人物，把人的故事融入技術發展之中，既寫了事又寫了人，技術發展的脈絡也十分清楚，找到了兼顧人和事的史書寫法。

四是細節動人，以事寓理。一本史書可以寫得干巴巴的，也可以筆翰如流，讓人讀得津津有味，這全看作者的功底。

本書每寫到一個人物或一樁往事，都能旁征博引，信手拈來全無痕跡，可讀性很強，充分顯示作者知識淵博，兼有媒體人的敏銳和學者的底蘊。

二

本書是三卷本《中國人工智能簡史》的第1卷，從1979年寫到1993年。這15年間中國人工智能界經歷了許多重要的事件，其中一件大事是國家啟動了“863計劃”，信息領域有一個主題是智能計算機，代號“863-306”。

“863計劃”啟動之時正是人工智能的輝煌時期，但由于日本第五代計算機的失敗和人工智能研究遇到發展瓶頸，導致上世紀90年代全球人工智能發展又一次跌入低谷。在這一轉折時刻，“863-306”主題通過持續的投入，在高性能計算機、智能接口、智能應用等方面取得了一批重大的科研成果。

更有價值的是，這為我國發展人工智能培養了一大批人才，奠定了較為堅實的人才基礎。今天中國有能力在人工智能技術上與美國抗爭，“863計劃”功不可沒。本書第8章和第15章講述了“863-306”主題激動人心的故事。

我于1990年擔任國家智能計算機研究開發中心（NCIC，以下簡稱智能中心）主任，被選為第二屆智能計算機專家組成員，1992年擔任專家組副組長（組長是汪成為），參與了“863-306”主題早期的決策和部署。

智能中心于1990年成立，2004年以后并入中國科學院計算技術研究所，活躍期不到15年，但在歷史上留下了光輝的印跡。智能中心鼎盛時只有100余人，但培養出3位院士、8位正局級科技領導人才，以及曙光、海光、北京君正、中科星圖、漢王等十幾家高技術公司的總裁，還走出了幾位國際著名學者。

許多人知道智能中心研制成功了“曙光一號”“曙光 1000”等多個系列的高性能計算機。其實，智能中心還做了許多與人工智能有關的科研工作。每年智能中心進行的漢字識別和語音識別測試都推動了我國智能接口技術的發展。

智能中心和中國自動化學會、中國科學院合肥智能機械研究所合辦的《模式識別與人工智能》雜志是我國人工智能界的核心刊物。科大訊飛公司的母體是智能中心中國科學技術大學分中心，當年負責語音庫的建設。漢王公司的總裁劉昌平也來自智能中心。智能中心的理論組只有10余人，但走出了多位人工智能領域的知名學者。

本書第14章稱智能中心是“年輕人才的特區”，恰如其分。智能中心對年輕人高度信任，敢壓重擔，促使人才輩出，這一體制機制改革的成功經驗值得傳承。

值得一提的是，1996年3月，智能中心和 Motorola公司合作成立聯合實驗室（Motorola-NCIC JDL），從事多媒體、人工智能、人機先進通信等技術研究，雙方輪流選派JDL負責人。

JDL在視頻編碼、模式識別、人工智能等領域培養了一批領軍人才，當時的年輕人現在都已成為我國人工智能界的風云人物。Motorola-NCIC JDL不愧為培養人工智能人才的搖籃。

三

1981年，我到美國普渡大學攻讀博士學位，從事與人工智能有關的研究。

1984年，我在AAAI（國際先進人工智能協會）大會上發表了論文，是較早在AAAI發表論文的中國學者。后來我陸續在IEEE（電氣與電子工程師協會）Computer 等國際一流期刊和ISCA（國際計算機體系結構研討會）等頂級國際會議以及國內的期刊上發表了幾十篇與人工智能有關的論文，包括幾篇關于智能計算機的特約長篇綜述文章。

我與導師華云生（Benjamin Wah）合作編著了 Computers for Artificial Intelligence Applications，這本書連續3年都是IEEE最暢銷的出版物，在人工智能界產生了一定的影響。應當說，我算是第二撥人工智能的“弄潮兒”之一。

1987年我回國后，將重心放在高性能計算機的研制上，但從未停止過對人工智能的關注。讀了本書后，我有一些感想和看法。

中國人工智能學會最初沒有掛靠在中國科學技術協會，而是掛靠在中國社會科學院，這看起來有點奇怪，實際上有著深刻的含義。因為人工智能不是純粹的自然科學，與人的智能有關，所以它必然與哲學有天然的聯系。

早期哲學家的強勢介入可能使得一部分計算機領域的人工智能學者遠離人工智能學會。而到了今天，語言大模型的出現對認識論產生了巨大沖擊，機器可能具有與人不同的認知方式，又再次需要哲學家和人文學者介入人工智能。尤其是人工智能的倫理問題越來越突出，更需要社會科學領域的學者參與討論，制定合理的政策。

從提出圖靈測試開始，人工智能研究的主流就是拿機器與人比，模式識別、自然語言理解等領域都是用“是否達到人類的水平”作為考核人工智能的標準，這方面的研究已取得很大的成功。

但需要提醒的是，從實用和工程的角度來說，人工智能的目標是解決復雜的問題。

在1956年8月創建人工智能學科的達特茅斯會議上，會議的主角之一司馬賀曾建議把這一學科叫作“復雜信息處理”。如果當時采納了他的意見，世界上就沒有“人工智能”這個術語，也許今天的人們會更加重視如何應對復雜性這個難題。

目前人工智能發揮巨大作用的領域，無論是在視覺聽覺感知、自然語言理解上，還是在蛋白質結構預測等科學研究上，面對的都是復雜性極高的問題，用傳統的演繹推理和歸納推理無法解決。

有些學者批評機器學習沒有形式化的公理體系和簡潔的數學公式，我想這是“不能也，非不為也”，解決復雜問題需要新的科學范式。希望人工智能界更加注重“解決復雜問題”，走出一條發展人工智能的新路。

四

中國最早從事人工智能研究的學者大多有數學和數理邏輯背景，如吳文俊、金岳霖、胡世華、王湘浩、吳允曾等人工智能的前輩都是數學家或邏輯學家，他們的弟子很多，對我國人工智能的發展有深遠的影響。不過，人工智能的核心是算法，而中國對算法的研究起步較晚。

上世紀90年代以前，中國的書店里只有“計算方法”教科書，算法方面的書極少。所謂“計算方法”，實際上是講數值分析，與計算機科學中的算法不是一個概念。

1995年，李明和堵丁柱在中國創辦了計算與組合學國際會議（COCOON），為我國推廣算法研究作出了重大貢獻。2004年，姚期智先生回國以后，舉起了算法的大旗，培養了一大批從事算法研究的學生，中國的算法研究開始出現蓬勃發展的新局面。

無疑，我們要正視中國算法研究基礎薄弱的短板，只有高度重視算法研究，人工智能研究才不會偏離主流。解決人工智能的重大應用問題需要算法、模型、軟件和系統結構的密切配合。

我的博士論文題目是《組合搜索的并行處理》，研究內容既涉及算法又涉及計算機體系結構，我回國以后延續了這一傳統。我指導的博士姚新后來又指導了中國科學技術大學的陳天石，陳天石和他的哥哥陳云霽，分別做神經網絡算法和芯片設計研究，在國際上率先推出了神經網絡機器學習芯片“寒武紀”，體現了算法與系統結構密切配合的優勢。

1991年9月17日，在北京召開的全國第一次人工智能與智能計算機學術會議上，我代表“863-306”主題專家組在國內第一次提出了“頂天立地”的戰略口號，指出當時的智能計算機處于初級階段。

30多年過去了，我認為智能計算機仍然處在初級階段。ChatGPT等語言大模型的出現是聯結主義技術路線的巨大成功，但只相當于上世紀40年代的電子管計算機，其能耗之大令人無法忍受。

近10年來，聯結主義攻城略地，所向披靡，深度學習大模型的巨大進展和不可解釋性引起了人們對人工智能基本問題的反思，令我想起1991年1月《人工智能》期刊關于人工智能基礎的一場大辯論和1992年夏天在智能中心舉辦的“AI Summer School”。

本書第14章講述了這場具有歷史意義的大討論的來龍去脈。在整理舊物時，我發現了一篇自己未正式發表的文章——《Al 理論研究的方法論問題》。這是1992年我和白碩為智能中心內部出版的有關人工智能理論問題的論文集寫的序言。我提出：“幾十年來，AI研究之所以走過不少彎路，除了其本身的困難性外，研究方法與指導哲學上也存在問題，值得我們反思?！?/p>

希望人工智能界擺脫傳統思想的束縛，從更高的維度看待“不可解釋性”和“可言傳性”，化解對人工智能的恐懼，將人工智能引入良性發展的軌道。

五

我國在人工智能領域發表的論文數量已達到世界第一，遺憾的是其中大多數還是跟蹤式的研究。不過，漸進式的跟蹤研究也是有價值的，隨大溜的研究可以形成一個科研群體的高原，而只有在高原上才能形成“一覽眾山小”的世界高峰。

按照庫恩的科研范式理論，范式是在某個學科內從事科學研究的一套基本完善的規則和行為標準，或者說，是做研究的“官方”途徑，遵循范式做研究可以得到資金和榮譽。大多數科研工作者為了生計難以擺脫范式的束縛。

但是，科學的進步是一次又一次范式的改變完成的，帶頭實現范式轉變的往往是一些眼光超群又堅持不懈的年輕人。他們不按常理出牌，最終會引起同行學者信仰的變化。

目前人工智能界很流行所謂SOTA刷榜，即將標準測試的性能提高一點點，賺取一次世界領先。這樣的研究工作難以實現范式轉變，應當鼓勵更多的學者從事有趣的非主流范式的研究，追求未來在性能和能效上取得數量級的進步，而不計較起步時的性能低下。

范式轉變往往是長期努力的結果，辛頓從上世紀80年代初開始探索深度神經網絡，坐了30多年冷板凳。我們要探索更節能、更安全的人工智能新路，至少要有“面壁”20年的思想準備。

本書是一本值得認真閱讀的好書，它為我們展示了中國第一代人工智能研究者篳路藍縷的歷程。以史為鑒，可以知興替。歷史的經驗教訓彌足珍貴，歷史可以照耀未來。

衷心希望年輕的科技工作者可以繼承老一輩學者的優良傳統，提升科學研究的品位，開創人工智能研究和產業發展的新天地。