人工智能，就是人造智能，從其自身含義來看，也就是研究開發(fā)能夠模擬、延伸和擴展人類或者其他生物體智能的理論、方法、技術及應用系統(tǒng)的一門技術科學，其研究目的是促使智能機器會聽（語音識別、機器翻譯等）、會看（圖像識別、文字識別等）、會說（語音合成、人機對話等）、會思考（人機對弈、定理證明等）、會學習（機器學習、知識表示等）、會行動（機器人、自動駕駛汽車等）（ Woniu，2021）。

目前，基于大數(shù)據(jù)的深度學習人工智能主流范式與強人工智能有著本質的區(qū)別，人工智能的硬件基礎——計算機，其計算能力依然受限，機器學習算法基本上還是基于數(shù)理統(tǒng)計的框架。發(fā)展新的人工智能，需要在基礎理論領域取得突破。

中國人工智能基礎研究2035發(fā)展戰(zhàn)略

“中國學科及前沿領域發(fā)展戰(zhàn)略研究

（2021—2035）”項目組編

北京：科學出版社，2025. 7

ISBN 978-7-03-081930-7

人工智能基礎研究涉及人工智能的基礎科學問題，其研究內容涵蓋認知神經(jīng)科學、認知心理學、統(tǒng)計學、數(shù)學等多個學科領域， 具有很強的綜合性、交叉性，以及很大的挑戰(zhàn)性和難度?！?》系統(tǒng)梳理了人工智能基礎研究相關的主要學科領域及其在人工智能發(fā)展中的作用，重點論述了認知神經(jīng)科學、認知心理學、統(tǒng)計學和數(shù)學（多個分支）在人工智能基礎研究中的科學意義與戰(zhàn)略價值、發(fā)展規(guī)律與研究特點、發(fā)展現(xiàn)狀與發(fā)展態(tài)勢，揭示了人工智能本質問題中認知神經(jīng)科學和認知心理學的借鑒意義，分析了當前人工智能的機理、數(shù)學解釋、建模和具體實現(xiàn)的方法、技術和面臨的瓶頸困難，探討了發(fā)展新的人工智能的理論方法，提出了未來人工智能研究的一些可能的基礎研究方法和研究方向以及面向2035 年人工智能基礎研究的發(fā)展思路、發(fā)展方向與政策建議等；另外，還提出了人工智能基礎研究各個學科領域的重點發(fā)展方向和優(yōu)先發(fā)展領域，分析和研判了新的學科生長點。本書對人工智能的理論和應用有很好的參考價值，對加快我國人工智能原創(chuàng)性研發(fā)、推動我國新一代人工智能健康發(fā)展具有重要的科學意義與戰(zhàn)略價值?？偟膩碚f，本書

• 揭示了當前人工智能的機理、數(shù)學實現(xiàn)方法、技術及其面臨的瓶頸困難；

• 總結規(guī)律，尋找和凝練了人工智能基礎與本質的科學問題，探討了人工智能本質問題的數(shù)學原理、建模和具體實現(xiàn)方法；

• 分析了人工智能目前所需要的數(shù)學理論和方法，探討了未來人工智能的數(shù)學理論方法；

• 探討了人工智能問題促進新的數(shù)學理論和方法的產(chǎn)生、發(fā)展的可能性；

• 發(fā)展了新的人工智能理論方法；

• 提出了未來人工智能的一些可能的基礎研究方法和研究方向， 以及面向2035年的人工智能基礎研究領域的發(fā)展趨勢。

人工智能基礎與人工智能應用

人工智能的研究內容包括人工智能基礎和人工智能應用兩個層面。人工智能基礎分為四個層次。第一層（最底層）是哲學和倫理學， 主要從哲學和倫理學層次探討人工智能，回答形式化規(guī)則或者形式化邏輯能否被用于推導出有效的結論，思維如何從物理的大腦中產(chǎn)生，知識來自何方，知識如何引導行動等問題。第二層是人工智能產(chǎn)生的生物結構和心理活動的基礎，即認知神經(jīng)科學和認知心理學。人工智能要躍升為正式的科學，需要在邏輯、計算和概率三個基礎領域具有一定理論嚴密程度的數(shù)學形式體系，這是第三層基礎的主要研究內容。為了讓人工智能獲得成功，我們需要智能和人工制品兩件東西，而計算機是被選中的人工制品，這就是第四層實現(xiàn)人工智能的技術層面的基礎，其中包括計算機科學與技術、信息科學與技術和控制科學與技術等。因此，人工智能的基礎研究是一個多學科交叉的重大而復雜的課題。本書重點研究第二層和第三層自然科學基礎中的部分內容。

艾倫·麥席森·圖靈（Alan Mathison Turing）的計算模型，回答了“什么是計算”的問題，奠定了整個計算機科學的基礎；香農的通信數(shù)學原理，回答了“什么是信息”的問題，奠定了現(xiàn)代信息論的基礎。那么，什么是人工智能的核心基礎科學問題？我們究竟有什么能力和基礎來建立回答這樣問題的原創(chuàng)系統(tǒng)理論？

本書凝練了人工智能基礎研究的關鍵科學問題、發(fā)展思路、發(fā)展目標和重要研究方向。具體如下。

1. 認知神經(jīng)科學

新一代人工智能的核心基礎科學問題是“ 認知和計算的關系”， 這又進一步細化為四個方面的關系：認知的基本單元和計算的基本單元的關系、認知神經(jīng)表達的解剖結構和人工智能計算的體系結構的關系、認知涌現(xiàn)的特有精神活動現(xiàn)象和計算涌現(xiàn)的特有信息處理現(xiàn)象的關系，以及認知的數(shù)學基礎和計算的數(shù)學基礎的關系。研究任何一種過程，建立任何一種過程的科學理論，必須首先回答一個基本問題：過程操作的基本單元是什么？每門成熟的基礎科學都有其特定的基本單元，如高能物理學的基本粒子、遺傳學的基因、計算理論的符號以及信息論的比特等。對于認知神經(jīng)科學而言，必須回答認知過程操作的基本單元是什么。目前的關鍵問題是，如何超越直覺的理解、科學準確地定義這些認知基本變量，從而建立這些基本變量的統(tǒng)一的認知基本單元模型。正如麥克利蘭（McClleland） 認為的“人類認知最偉大的主要成就是認知涌現(xiàn)的現(xiàn)象”，理解認知的涌現(xiàn)是對符號處理的認知計算理論的深遠的挑戰(zhàn)。意識正是認知涌現(xiàn)的特有精神活動現(xiàn)象的一個典型。如何把人工智能是否會產(chǎn)生意識之類的直覺思辨的討論，變成科學實驗的研究是意識研究的困難所在?；谌斯ぶ悄艿恼J知神經(jīng)科學的基礎研究要重視認知神經(jīng)科學的新變量、新概念和新原則的研究；要強調系統(tǒng)、整體和行為的研究，要以人類為主、動物為輔；要宏觀為主、結合微觀進行研究。

2. 認知心理學

認知心理學的研究與人工智能的研究高度融合，互相交叉。人工智能的核心在于研究出一個“真正的智能”系統(tǒng)，而人類的認知系統(tǒng)是現(xiàn)存的智能系統(tǒng)中最好的模板。人工智能的研究借鑒了很多認知心理學的重要理論及研究發(fā)現(xiàn)，并從認知心理學中獲得了大量啟發(fā)。通過引進認知心理學的概念、理論、模型和實驗方法，人工智能算法在學習、注意、語言、記憶、決策等重要領域不斷實現(xiàn)突破。認知心理學在未來將繼續(xù)幫助拓展人工智能研究的方向，比如在感知覺、表征等基礎認知能力、學習、決策和人機交互等領域。另外， 人工智能的研究也為認知心理學的研究提供了一些新的研究手段。

3. 統(tǒng)計學

傳統(tǒng)的統(tǒng)計學在方法上側重基于對提取特征的建模，在理論上重視大樣本情形下的漸近理論，并不十分適用于深度學習等端到端建模方法，以及小樣本、弱監(jiān)督、多源異構等各種現(xiàn)實人工智能的數(shù)據(jù)場景?，F(xiàn)代機器學習方法的統(tǒng)計學基礎、大數(shù)據(jù)統(tǒng)計建模、可解釋人工智能等三個方面存在一系列關鍵的科學問題，如深度學習的統(tǒng)計學基礎、強化學習的統(tǒng)計學基礎、機器學習的穩(wěn)健性與穩(wěn)定性、小樣本、缺標簽的學習、數(shù)據(jù)共享與隱私保護、分布式數(shù)據(jù)的統(tǒng)計分析、實時數(shù)據(jù)流的統(tǒng)計分析、時空和函數(shù)型數(shù)據(jù)的建模、網(wǎng)絡和關系數(shù)據(jù)的建模、多源異構數(shù)據(jù)的融合、基于因果關系的人工智能方法和人工智能的可解釋性等。人工智能統(tǒng)計學應建立和完善現(xiàn)代機器學習方法的統(tǒng)計學基礎，解決上述關鍵問題，大力發(fā)展復雜大數(shù)據(jù)分析的統(tǒng)計方法和理論，創(chuàng)新探索因果關系啟發(fā)和可解釋的人工智能方法，積極推動融合領域知識與數(shù)據(jù)分析的人工智能應用研究。

4. 數(shù)學

數(shù)學是人工智能關鍵的支撐學科?，F(xiàn)在的人工智能技術實際上都是建立在數(shù)學模型之上的，從解釋到實現(xiàn)都離不開數(shù)學，并且?guī)缀跤玫搅爽F(xiàn)代數(shù)學的各個分支，所以又被稱為數(shù)學智能。當前人工智能面臨著可計算性、可解釋性、泛化性、穩(wěn)定性和創(chuàng)造性等重大理論挑戰(zhàn)，這些挑戰(zhàn)本質上都來自數(shù)學的挑戰(zhàn)。統(tǒng)計學為解決人工智能問題提供了數(shù)據(jù)驅動的建模途徑，代數(shù)、幾何與拓撲、概率論、隨機分析、微分方程、圖論、博弈論、統(tǒng)計物理學等相關數(shù)學理論或工具被用來研究人工智能的數(shù)學機理、模型和算法。無論從統(tǒng)計學的角度還是數(shù)學的角度來研究人工智能，其實際性能最后都要通過優(yōu)化和計算呈現(xiàn)出來，最優(yōu)化和計算是人工智能基礎模型和算法中最重要的工具。本書從概率與隨機分析、最優(yōu)化、數(shù)理邏輯與自動推理、圖論、博弈論、逼近論、幾何與拓撲、統(tǒng)計物理學、科學計算等方面進行了論述。

人工智能是國家重大戰(zhàn)略，對中華民族的偉大復興有著重大影響。近年來，國家圍繞加強基礎研究能力建設，不斷完善基礎研究多元投入機制，重大科技基礎設施加快落地運營，新型研發(fā)機構培育建設取得成效，各類創(chuàng)新主體基礎研究能力持續(xù)增強。

我國發(fā)展人工智能最大的壓力不是應用技術的開發(fā)，而是來自基礎研究。事實上，我國人工智能基礎理論和原創(chuàng)算法與先進國家相比， 特別是與美國等發(fā)達國家相比差距較大。我國人工智能研究起步較晚，原創(chuàng)性貢獻不多，核心算法和開源系統(tǒng)比較薄弱，雖然近年我國高質量論文數(shù)量增長顯著，但頂級論文和重大理論創(chuàng)新仍以美國、英國、加拿大等國為主。這是我國人工智能領域發(fā)展的最突出的瓶頸，導致我國深度學習模型、生成對抗網(wǎng)絡等新的重大成果和原創(chuàng)性貢獻不多，并在機器學習等通用開源算法平臺方面布局不夠，產(chǎn)業(yè)發(fā)展主要依賴國際巨頭的開源代碼和系統(tǒng)框架。

中國科學院計算技術研究所研究員、AI 芯片專家陳云霽在一篇文章中尖銳地指出：“越是人工智能上層（算法層、應用層）的研究，我國研究者對世界作出的貢獻越多；越是底層（系統(tǒng)層、芯片層），我國研究者的貢獻越少。”我國學者的研究主要集中在“人工智能應用”上，關注“人工智能科學基礎”研究的比較少。我國的人工智能應用水平與世界多國相比毫不遜色，甚至走在世界前列，但是人工智能的基礎研究仍然處于相對缺乏的階段。國家應該

• 加大對人工智能基礎研究的支持力度， 鼓勵更多的研究者投身于人工智能基礎研究中；

• 培養(yǎng)人工智能基礎研究人才，把人才隊伍建設作為人工智能發(fā)展的重中之重，為人才提供良好的成長環(huán)境，激勵他們從事基礎研究，推動人工智能未來突破；

• 堅持培養(yǎng)和引進相結合，完善人工智能教育體系，擴大研究生招生規(guī)模，加強人才儲備和梯隊建設，開辟專門渠道，實行特殊政策，實現(xiàn)人工智能高端人才精準引進。

未來，人工智能的突破可能依賴于數(shù)學理論的創(chuàng)新，如幾何深度學習、量子機器學習或神經(jīng)微分方程等新興領域。戰(zhàn)勝這些挑戰(zhàn)不僅會推動人工智能技術進步，還可能催生新的數(shù)學分支。

本書凝聚了國內人工智能領域基礎研究專家、學者和產(chǎn)業(yè)界的共識，旨在為國家政策制定、科研機構布局和企業(yè)創(chuàng)新提供指引。我們期待通過系統(tǒng)性部署，推動中國人工智能基礎研究邁向全球前沿，為經(jīng)濟社會高質量發(fā)展和人類科技進步貢獻中國智慧。

袁亞湘

《中國人工智能基礎研究2035發(fā)展戰(zhàn)略》項目組組長

2025 年2 月

本文摘編自《中國人工智能基礎研究2035發(fā)展戰(zhàn)略》（“中國學科及前沿領域發(fā)展戰(zhàn)略研究 （2021—2035）”項目組編．北京：科學出版社，2025. 7）一書“摘要”“前言”“第一章 人工智能基礎研究總論”，有刪減修改，標題為編者所加。

ISBN 978-7-03-081930-7

叢書策劃：侯俊琳 朱萍萍

責任編輯：楊嬋娟 姚培培

人工智能基礎研究是人工智能持續(xù)發(fā)展的保證，是引領人工智能未來發(fā)展的必由之路。本書梳理了人工智能基礎研究相關的主要學科領域及其在人工智能發(fā)展中的作用，論述了認知神經(jīng)科學、認知心理學、統(tǒng)計學和數(shù)學各個分支（包括概率與隨機分析、最優(yōu)化、數(shù)理邏輯與自動推理、圖論、博弈論、逼近論、幾何與拓撲、統(tǒng)計物理學、科學計算）等學科領域在人工智能基礎研究中的科學意義與戰(zhàn)略價值、研究特點與發(fā)展規(guī)律、發(fā)展現(xiàn)狀與發(fā)展態(tài)勢，分析了當前人工智能的機理、數(shù)學建模、技術等面臨的瓶頸，探討了發(fā)展新的人工智能的理論方法，提出了未來人工智能基礎研究的一些可能方向和方法以及面向2035年的發(fā)展思路與發(fā)展方向、政策建議等。

本書為相關領域戰(zhàn)略與管理專家、科技工作者、企業(yè)研發(fā)人員及高校師生提供了研究指引，為科研管理部門提供了決策參考，也是社會公眾了解人工智能基礎研究領域發(fā)展現(xiàn)狀及趨勢的重要讀本。

（本文編輯：劉四旦）

專業(yè)品質 學術價值

原創(chuàng)好讀 科學品位

一起閱讀科學