世界大势，变与不变。不变益稳，变利求新。稳中求新，乃万物之道，科技亦然。此势不可不察，不可不明，不可不依也。

　　通用人工智能，注定是一个“大变革大突破”的世界性与世纪性课题。这是因为，通用人工智能具有普适性的智能生成机制，能够以不变应万变，适应和满足各种应用场景的需求，符合“可持续发展”的科学理念。

　　至于统一智能理论，则更是一个激动人心和众望所归的主题。这是因为，人工智能本来就是从人类智能启迪和引申出来的科技课题，目的就是用人工智能的成就来辅助和增强人类智能，因此人类不但应当寻求通用的人工智能，而且必须实现通用人工智能与人类智能之间的和谐融通，互补共生，在工作机制上实现有效的统一。

　　纵观现有的人工智能，表面上虽然呈现出不俗的实际应用，但它却是一个被肢解了的学科(被肢解成结构主义的神经网络、功能主义的专家系统、行为主义的感知动作系统)，至今没有整体的理论；而且所有这些人工智能系统的智能都被阉割，只剩形式因素而丢弃了价值因素和内容因素，致使当今的人工智能系统都是“智能水平低下”的、“结论不可解释”的、“以速度取胜”和“需要大样本”的系统。在这样的基础上研究通用的人工智能，不经过大变革和大突破是根本不可能的事情。

　　问题的实质是，人工智能的科学观和方法论面临重大挑战。人们原先以为，只要把人脑的物质结构和能量关系研究清楚，大脑思维的秘密就可以一目了然了。所以，早在200 多年前，人们就尝试用解剖的方法(传统科学方法论“分而治之”)从脑的结构这个窗口来揭开人脑思维的奥秘。尝试的结果当然是以失败告终。可见，传统科学研究方法论在智能理论研究的场合失去了效力。

　　由此可以体会，这种大变革和大突破主要还不是观察测量技术方面的革新，也不是人们所熟悉的算法的优化与算力的强化，而是人工智能研究的核心理念——研究范式(科学观和方法论)的大变革；只有完成研究范式的大变革才有可能带来人工智能基础理论的大突破，实现通用人工智能理论的源头创新和崭新建构。

　　鉴于人工智能学科独一无二的重要性和无与伦比的诱人前景，如今，发展人工智能已经成为许多国家的重大战略，同时成为国际科技界、教育界、产业界、工商界、政界、军界的关注焦点和研究热点，甚至成为社会公众日常议论的高频话题。

　　那么，怎样才能把现今的初等人工智能发展成为人们向往的通用人工智能呢？让我们首先倾听社会各界(包括百姓大众和专业人士)究竟是怎样关注人工智能问题的吧，看看可以从中得到什么样的激励和启示？

　　1. 社会的关注与思虑

　　人工智能几乎受到当今全社会的关注和深度思虑，并引出大大小小各不相同的议论。

　　(1) 什么是智能？智能和智慧是一回事吗？

　　(2) 什么是人工智能？什么是人类智能？

　　(3) 人工智能机器究竟能够做什么？做不了什么？不应当做什么？

　　(4) 人工智能机器和历史上的各种机器有什么本质上的不同？

　　(5) 人工智能科学技术能够怎样促进社会生产力的发展与变革？

　　(6) 人工智能的发展与应用能够推动信息时代走向智能时代吗？

　　(7) 人工智能机器的能力真的会和人类一样，甚至全面超越人类吗？

　　(8) 人工智能机器真的会成为社会的主宰、人类必须听命于机器吗？

　　(9) 人工智能给人类社会带来的究竟是福祉还是灾难？

　　(10) 人类应当发展人工智能的研究？还是应当限制人工智能的研究？

　　可见，人工智能的发展确实在很大程度上触动了社会公众的神经。人们不仅关注人工智能的技术发展，更加关注人工智能给人类和社会带来的深远影响。这就启示了人们：人工智能的研究确实承载着巨大的社会责任。

　　至于在学术界，产生的议论和争论就更加深入、更加具体，也更加学术化。

　　(1) 人工智能是计算机科学的一个分支吗？

　　(2) 人工智能就是自动化的自然延伸吗？

　　(3) 人工智能是信息科学的高级篇章吗？

　　(4) 人工智能就是认知科学的技术实现吗？

　　(5) 人工智能和数据科学是什么关系？

　　(6) 人工智能研究与数学是什么关系？

　　(7) 人工智能的研究与哲学和社会科学有什么样的关系？

　　(8) 人工智能的发展是由数据驱动，还是数据和知识共同驱动？

　　(9) 人工智能发展的主要途径就是优化算法和强化算力吗？

　　(10) 人工智能发展的主要基础是大数据和云计算吗？

　　(11) 人工智能的原型就是脑的物质系统吗？

　　(12) 人工智能研究的方法就是“类脑”吗？

　　(13) 人工智能的“结构模拟(神经网络)”研究途径优势和劣势是什么？

　　(14) 人工智能的“功能主义(专家系统)”研究途径有多大潜力？

　　(15) 人工智能的“行为主义(感知动作系统)”研究途径能够走多远？

　　(16) 为什么结构主义、功能主义、行为主义没能合成人工智能的统一理论？

　　(17) 分而治之的方法论适用于物质科学的研究，也适用于信息科学的研究吗？

　　(18) 单纯形式化的方法适用于物质科学的研究，也适用于信息科学的研究吗？

　　(19) 物质科学的研究要排除主观因素，人工智能也要排除主观因素吗？

　　(20) 信息论排除了语义和语用因素，无内容、无价值的机器能够有智能吗？

　　(21) 形式逻辑能够满足人工智能研究的需要吗？

　　(22) 人工智能和机器学习是一回事吗？

　　(23) 什么是“第二代人工智能”？它的本质特征是什么？

　　(24) 什么是“第三代人工智能”？它的本质特征又是什么？

　　(25) 第二代和第三代人工智能的关系是什么？

　　(26) 什么是弱人工智能？

　　(27) 什么是强人工智能？

　　(28) 什么是超强人工智能？

　　(29) 强人工智能和超强人工智能的科学依据是什么？

　　(30) 人类有自己的目的，机器也有自己的目的吗？

　　(31) 怎样理解人与人工智能机器的共生关系？

　　(32) 人工智能的基础理论是什么？

　　(33) 飞机设计要遵循空气动力学原理，什么是人工智能的基本原理？

　　(34) 什么是智能的普适性生成机制(机理)？

　　(35) 人工智能存在统一的(普适的)理论吗？

　　(36) 什么是人工智能的多样性和统一性关系？

　　(37) 什么是范式？它在科学研究中的地位是什么？

　　(38) 为什么千百年来的科学研究都没有发生“范式大变革”的问题？

　　(39) 为什么研究人工智能必定要涉及范式的问题？

　　(40) 为什么研究人工智能需要实行“范式的革命”？

　　(41) 什么是深度学习？它的优势是什么？它有什么致命的缺陷？

　　(42) 人工神经网络研究的优点和缺点是什么？

　　(43) 专家系统研究方法的致命缺陷是什么？物理符号假设能够成立吗？

　　(44) 感知动作系统研究方法的根本局限性在哪里？

　　(45) 人工智能根本就不存在统一理论吗？

　　(46) 人工智能理论就是三大学派的“总和”吗？

　　(47) 能够沿用物质科学的观念和方法来研究信息科学和人工智能吗？

　　(48) 系统论和整体论是一回事吗？它们怎样在人工智能研究中发挥作用？

　　(49) 人工智能统一理论的研究需要什么样的新数学和新逻辑的支持？

　　(50) 面对人工智能的发展，科学研究还需要做出什么重大的改变？

　　人们从如此众多的角度和如此不同的深度关注着人工智能科学技术的发展，这在整个科学技术发展的历史上实属罕见。这不但显示出它在人们心目中的地位不同凡响，而且在一定程度上意味着人工智能的研究将会发生翻天覆地的划时代变化。

　　2. 人工智能的进展与危机

　　面对这些问题，我们不得不对人工智能的历史和现状做一番深入而系统的考察。

　　迄今，人工智能的研究和应用虽然表现得花样繁多，五光十色，但是从学理上看都源于三大研究学派。

　　(1) 1943 年发端的模拟人脑新皮层结构的人工神经网络(结构主义学派)。

　　(2) 1956 年兴起的模拟人脑思维功能的物理符号系统(功能主义学派)。

　　(3) 1990 年问世的模拟人类行为方式的感知动作系统(行为主义学派)。

　　几十年来，三大学派各自都取得了一批精彩的成果，如下。

　　(1) 结构主义学派的模式识别和深度学习等。

　　(2) 功能主义学派的Deeper Blue、Watson 和基于深度学习的AlphaGo 等。

　　(3) 行为主义学派的各种智能机器人，如Sophia 和Big Dog 等。

　　三大学派各自又都存在巨大的固有缺陷。

　　结构主义学派的固有缺陷如下。

　　(1) 人工神经网络基于纯粹形式化的信息(数据)和统计性的信息处理方法，它得到的结果不可理解，因此不具有可解释性。

　　(2) 人工神经网络只利用训练期间所有样本的即时形式化知识，没有充分利用人类长期所积累起来的先验知识，因此人工神经网络主要用来执行形式化的识别和分类等任务，而不大可能执行深度理解和复杂推理的任务。

　　功能主义学派的固有缺陷如下。

　　(1) 物理符号系统和专家系统都采用纯粹形式化方法来描述和表示功能，忽视了信息和知识的内容与效用功能，这注定了它们的理解能力十分低下。

　　(2) 物理符号系统和专家系统的基础是物理符号假设，认为电脑与人脑的功能等效。事实是，人脑能够处理内容，产生情感和意识，而电脑不能，电脑的功能远不如人脑的功能。所以，假设并不成立。

　　行为主义学派的固有缺陷是，它的创始人Brooks 在创始学派的时候就宣称感知动作系统是“无需知识的智能”(intelligence without knowledge)，认为“感知”和“动作”天然联系在一起，因此不需要知识。其实，感知和动作是通过常识知识联系起来的。所以，感知动作系统并非无需知识，而是需要常识知识。然而，仅凭常识知识(没有经验知识和规范知识)的感知动作系统只可能拥有局部的浅层智能。

　　三者共同面临的危机是，现有人工智能三大学派都是按照经典物质学科“分而治之”和“纯粹形式化”方法论产生出来的，因此都在广度上被肢解，在深度上被阉割。它们无法形成有智能的统一理论，因此无法完成人工智能研究的历史使命。

　　3. 人工智能危机的根源：范式的张冠李戴

　　那么，造成危机的根源是什么？

　　上面的考察表明，作为开放复杂信息系统的人工智能的研究没有贯彻信息学科的方法论，却接受了物质学科“分而治之”和“纯粹形式化”的方法论。对物质学科的研究来说，分而治之和纯粹形式化都是行之有效的方法论。然而，对开放复杂的信息系统而言，分而治之却割断了复杂信息系统内在复杂的信息联系；纯粹形式化则使智能空心化，丧失了理解能力。可见，现行人工智能致命问题的根源是用物质学科的方法论来研究复杂的信息系统，即方法论的张冠李戴！

　　方法论本身的根源又在于它所遵循的科学观，即有什么样的科学观，就会导出什么样的方法论。科学观在宏观上回答“这个学科的本质是什么”的问题，而方法论则在宏观上回答“这个学科的研究应当怎么做”的问题。“是什么”和“怎么做”，两者共同在宏观上确定了这个学科研究的基本规范和原则，于是被称为这个学科的“研究范式”，简称为“范式”。它是驾驭和引领学科的科学研究的最高支配力量，是科学研究活动中主宰命运的“看不见的手”。

　　可见，造成人工智能面临危机的根源是，用“物质学科的范式”来指导“信息学科的研究”，犯了范式张冠李戴的大忌！

　　在物质学科范式的引领下，人工智能的研究只能按照“分而治之”和“纯粹形式化”的方法论得出各种局部性、孤立性、碎片式、智能水平低下、结果不可解释，而且需要大规模样本的研究成果。

　　4. 人工智能范式的张冠李戴是时代大转变带来的大阵痛

　　社会存在决定社会意识，社会意识滞后于社会存在。这是一个铁定的法则。

　　作为信息时代标志的信息学科在20 世纪中叶才刚刚崛起。根据上述铁定的法则，信息学科的研究范式(科学观和方法论的有机整体，属于社会意识)只能在信息学科的长期研究实践(社会存在)过程中逐步总结和提炼出来。

　　于是，当人工智能的研究在1943 年起步，在1956 年和1990 年相继展开的时候，信息学科的研究范式尚未形成(至今仍未完成)。在这种情形下，人工智能研究就只能沿用当时业已存在，而且十分强大、人们也早已非常熟悉和习惯的物质学科的研究范式，这就是以“排除主观因素”为特征的机械唯物科学观，以“纯粹形式化”和“分而治之”为特征的机械还原方法论。

　　可见，初级阶段的人工智能研究沿用了物质学科的研究范式，这种范式张冠李戴现象具有不可避免的性质。这是物质学科主导的科学体系向信息学科主导的科学体系历史性大转变(也是工业时代向信息时代大转变)必然带来的大阵痛。

　　解决现行人工智能(初级人工智能)范式张冠李戴问题的办法，就是对人工智能的研究实行“范式的大变革”。否则，人工智能的研究就永远都不可能摆脱物质学科范式所允许的初级阶段，永远不可能迈向它的高级阶段。

　　5. 人工智能“范式大变革”的条件现已具备

　　人工智能初级阶段研究范式的张冠李戴状况有其不可避免的性质。但是，这丝毫不表明张冠李戴的研究范式可以永世不变。如果人们任凭这种状态继续存在下去，那么人工智能研究的历史使命——建立人工智能的通用理论——就将永远无法完成。对于一门学科的发展来说，这是社会发展无法容许的。

　　崭新学科(相对于物质学科而言的信息学科)发展的一般规律是，由于“意识滞后于存在”，初级阶段的范式“张冠李戴”无可避免；高级阶段则必须起步于“正冠”。

　　一方面，社会的发展需要人工智能的研究进入高级阶段。另一方面，从20世纪中叶信息科学诞生到现在，经历了近80 年的实践求索，越来越多的研究者逐步体会到：机械唯物的科学观，以及纯粹形式化和分而治之的机械还原方法论给信息学科的研究带来的束缚已经成为人工智能发展的严重障碍。于是，人们日益深入探索和总结了适合于信息学科性质的新的科学观和方法论，逐步建立和完善了信息学科的研究范式。

　　作为例证，笔者在1962～1965 年研究生学习期间学习《信息论》的时候就注意到Shannon 信息论“有意排除语义信息和语用信息”的纯粹形式化和分而治之的方法论问题，并于1984 年发表“全信息理论”进行讨论和修正，1988 年出版《信息科学原理》。其中用了一章的篇幅总结和论述了信息学科的方法论。此后每一次再版(1996 年版、2002 年版、2005 年版、2013 年版)都对信息学科的科学观和方法论的阐述进行了深化和改进。2017 年，本书作者在《哲学分析》发表论文“从机械还原方法论到信息生态方法论”，正式提出“信息生态方法论”的概念。可以认为，经过半个多世纪的锤炼，信息学科的研究范式(辩证唯物的信息观，信息生态的方法论)已经基本成型。人工智能研究的“范式大变革”条件业已成熟。因此，现阶段人工智能研究的压倒性任务应当是“正冠”，即颠覆物质学科的范式对人工智能研究的统领地位，确立信息科学的范式对高级阶段人工智能研究的规范和引领作用。只有这样，才能把人工智能发展的巨大潜能从物质学科范式的束缚下彻底地解放出来，完成通用人工智能理论的建构，同时实现与人类智能在生成机制上的和谐融通，构建统一的智能理论。

　　那么，在这样的学术背景下，我们将会以怎样与众不同的姿态，高擎“范式大变革”的旗帜，冲破传统范式的束缚，以信息学科的科学观和方法论重构全新的人工智能理论研究模型，开创全新的基于普适性智能生成机制的研究路径，以“形式、内容、价值”三位一体的整体化方法重塑人工智能相关的基本概念和基本原理，揭示“信息转换与智能创生”的深刻奥秘，从而建立人工智能和人类智能的统一理论，详见《统一智能理论》（钟义信著．北京：科学出版社，2023.12）一书讲解。欢迎广大读者批评指正。