人工智能不是学具体的大脑结构、功能、人的行为，而是学人类所产生智能行为的机制，这个机制看不见，但它是客观存在的一个原理，并且一定是普遍适用的共性机制。只有通过机制模拟，我们才能够把结构、功能、行为这三种要素融会贯通，才能够让人工智能上升到基础意识、情感与理智的三位一体，才有可能真正走出当前人工智能研究的困境。

人工智能技术和大数据技术作为当今时代最具前瞻性的科学技术研究，已逐渐深入大众生活，成为人类的得力助手。这得益于国际对人工智能研究取得的一些成就。但在中国人工智能学会前理事长、发展中世界工程技术科学院院士、中科华数信研院高级顾问钟义信看来，目前整个国际的人工智能研究理论尚不成熟，而业界开发的种种人工智能产品也并未达到真正的智能。

12月11日，在第七届中关村大数据日——大数据应用与治理高峰会议上，钟义信发表重要主题演讲，他从人工智能的通用生长机制入手，寄希望于通过研究一种“机制主义人工智能理论”共性机制（通用机制），来培养出能够解决各种人类现实问题的智能，从而实现对当前国内外人工智能研究的颠覆性突破。

人工智能助力大数据处理轻装上阵

我们这个时代是信息时代，最宝贵的资源是信息。现在为止，我们认识到的资源，第一种是物质、第二种是能量、第三种是信息。数据之所以宝贵，是因为数据是信息的载体，可能携带信息，但不见得每一个数据都携带了信息。所以，高度重视数据就是高度重视信息。

现在国际上对大数据的通用定义是“4个V”。第一个“V”是体量容量特别大，大到现在所有信息存储器都存不下；第二个“V”是速度特别快，快到现在的各种计算机都处理不了，所以研究更强的计算机，同样，4G通信系统的容量也都不够，所以要5G；第三个“V”是多样性，也就是说载荷数据的信息格式可能是良性的，可能是病态的，可能是有结构的，可能是无结构的，甚至可能是病毒，乱到现在的信息技术难以处理；最后一个“V”，也是最关键的一个，就是数据的潜在价值，我们无法对它熟视无睹。总之，大数据大到什么程度？应该说，大到现在的信息技术包括通信传输、存储、计算机处理，都不能够对付的程度才叫大数据。

那么这么庞大又难以处理计算的数据，我们要怎样来处理呢？目前全世界包括我们国家都在用的一种方法就是通过按“计算思维”来处理大数据。这就需要我们有成千上万个装备精良的存储设备和计算机，即云存储和云计算等，有了这些设备后，还需要有大数据的算法来进行处理。听起来非常耗费资源，那么，我们能不能有一种更智能的方法来解决这个问题呢？

我认为有的，这就是人工智能的方法，简称为“智能方法”。智能系统与计算机系统的一个重大区别在于：智能系统一定强调要有目标。人活在世上，人类整体有人类整体的目标，每一个人有每一个人的目标，所以目标是一切智能系统的灵魂。有了目标之后，再多的数据信息在人工智能系统面前，如果它们不符合系统的目标，就都不予理会，能够自动舍弃（过滤），只有跟目标有关系的数据才允许通过，从而产生后面的感知信息，以至于产生最后的智能策略信息。

这是人工智能对付大数据的一个绝妙招数，就是用目标来甄别和过滤大数据，将杂乱的大数据变成有用的小数据，这样就不用成千上万的存储器、计算机联合工作，而是靠聪明才智、靠目的来取胜。人就是用这个“舍得”方法对付无穷无尽的大数据的。舍得舍得，会舍才会得。这是处理大数据的绝妙方法、智能方法、辩证的方法。

国际三种人工智能研究方法的局限

可以说目前国内外所有的人工智能都没有达到这样的智能水平，核心问题就在于对人工智能的研究没有形成统一理论。

目前人工智能的三种研究方法不够科学，一种是模拟人类大脑皮层的结构，也就是大脑神经网络结构，叫结构模拟，目前比较流行的是战胜了61位围棋高手的阿尔法狗；第二种是模拟大脑的思维功能，叫功能模拟，这就是物理符号系统，后来改名叫“专家系统”，目前大家所熟知的“深蓝”和“华生”等就是基于“专家系统”的人工智能；第三种是对人的行为方式模拟，就是模拟人对外部环境刺激所做出的响应，叫做行为模拟，核心产品是智能机器人，如Sophia。这三种方式各自在某方面表现出了一定程度的人工智能，但都没有全面击中要害。

为什么这三种方法不能形成人工智能的通用理论？可以说，这三种方法都是在用物质科学的方法论将智能科学的问题进行分而治之。所谓分而治之，就是把比较复杂的一个问题拆分成一系列相对简单的问题，然后再对这些简单的问题进行逐个攻破，当所有小问题都处理完后，总的问题也就解决了。

在这种物质科学研究方法下，假如我们要研究人脑为什么会思维？研究人员可能会通过解剖大脑来分析脑的结构、脑电能的转换关系等等，等把这些东西分解剖析完，合起来就好像能解答人为什么会思维，但实际上这种200年前就已经实现的分析手段并没有解答这个问题。

所以物质科学范畴的方法论拿来盖房子、造汽车，生产某个机械产品可以，但在信息科学、人工智能这些领域就不适用了。这是因为，人工智能系统是复杂的信息系统，它的各个子系统之间存在错综复杂的信息联系，对人工智能系统实行分而治之的结果，切断了各个子系统之间的信息联系，因此虽然把各个子系统攻破了，却无法了解整个系统的奥秘。因为信息观和物质观有本质区别。

那么，应当怎样研究人工智能呢？我想强调的是主体与客体的交互，而不是物质科学的机械还原论。关键是要理解：智能是按照什么“机制”生长起来的？机制是系统工作的灵魂和本质，结构和功能都是为机制服务的，行为则是机制的外在表现。

所以单纯模拟人的大脑结构、模拟思维功能、模拟人的行为都只能算作表层模拟，并没有找到真正产生智能行为的机制。就像我们研究人造飞机，并不是单纯在学鸟的翅膀怎么抖动，我们研究的是那个看不见的东西：空气动力学。人工智能也不是具体学大脑的结构、功能、学人的行为，而是学人类所产生智能行为的机制。这个机制看不见，但它是客观存在的一个原理。所以做人工智能一定要研究智能到底是怎样生成的。

通用的智能生成机制打破人工智能发展局限

从人类活动的基本模型入手，可以确定的是，任何一个人作为主体都面临环境和客体，而在主体客体相互作用关系的过程中，首先是环境中的客体产生客体信息作用于主体，然后主体将客体信息变成感知信息、变成知识，再在目的引导下激活知识，并梳理成智能策略（包括基础意识、情感、理智的综合），最终形成主体的智能行为，反作用于客体。可见，信息→知识→智能的转换，这是一个动态的、连续的、相互作用的、辩证的，生成智能的通用方法论，是一个信息的生态过程，这个生态过程就是把信息生长成为知识，最后生长成为智能。

并且这个人工智能生长机制一定是普遍适用、智能生成的共性机制，也就是通过掌握一个共性机制来生成智能。至于这样一个人工智能用什么结构、需要哪些功能来支持它，就因具体问题的不同而不同。但机制一定是稳定的，机制应该是一样的。这样一个共性机制，不管面对什么问题，它都是普遍适用的，这才是通用的人工智能理论。

就像人的智慧不会只单纯解决某个具体问题。而如果我们掌握了这个通用机制，那我们所创造的人工智能就不只是像现在这样能下棋的不能看病，能开车的不能做翻译，都是某个专门领域的专门产品，没有统一的生长机制支撑。当然这并不是说某个智能产品可以什么都会。什么都会做的人工智能系统其实并不必要，因为万能的人工智能系统需要万能的知识，需要极其庞大的知识库。而即使是人，都做不到全能，但是它至少能在这种通用的智能生长机制上学会更多知识，解决更多相关问题。比如从下围棋的思考逻辑中学会分析经济战略布局问题等等。

反观国际上分别模拟结构、模拟功能、模拟行为的三种人工智能研究方法，各有一定道理，但都不是最根本的方法，只有通过机制模拟、机制主义，才能够把结构、功能、行为这三种要素融会贯通，才能够让人工智能上升到基础意识、情感与理性三位一体，才有可能走出当前人工智能研究的困境。而我看中的正是智能生长机制，有了这个机制，我们面对任何问题，都可以通过这个机制来生成能够解决这个问题的智能，这样就可以做人工智能的通用系统。这样的研究方法我们可以叫作“机制主义人工智能通用理论”，这个是现在全世界都没有的。

人工智能的前提是维系人的生存发展

人工智能基本模型核心是主体与客体的相互作用，它强调以维系主体生存发展为前提，在主体达到自己生存发展目的的同时，又不破坏客体环境，实现主体与客体的双赢，即我们先人所推崇的“天人合一”。

而反观人类自身的一些行为活动可以发现，由于缺乏知识和理性，很多行为反应并不智能甚至是错误的，因此造成环境污染、造成生态失衡，带来对客体环境的破坏，而这些都是违背维系人类自身生存这个基本出发点的。

所以对于人工智能这个主体来说，当客观环境的客体信息作用于人工智能，它的反作用行为一定要是智能行为。假如这个反作用行为不智能，就会产生两个很严重的后果，使得人类、使得主体的生存发展会受到严重威胁。

一个威胁是，如果这个行为不智能，主体目的一定就达不到，那么这个反作用行为就失败了，这对主体的生存发展有严重影响。另一个威胁是，如果这个行为不够智能，它就可能破坏环境，违背环境运转客观规律，从而也会对主体的生存发展造成威胁。

所以为了保证主体的生存发展，去研究主体如何跟环境打交道，应该是人工智能研究的一个基本出发点。

此外，因为当前国际对人工智能的研究没有统一理论，人工智能发展尚不到位、不成熟，所以有关“人工智能威胁人类生存”的言论听起来有点言过其实。我们相信，只要人们正确把握和严格遵守人工智能研究的伦理道德标准，这种威胁就不会出现。也更不会出现社会舆论所说的人工智能要淘汰人类、全面超过人类、人是万物之灵这样的地位将不复存在等这些情况，在我看来并没有科学依据。