【小哈划重点：人工智能的发展历史只有六七十年。人工智能也叫人造智能，就是由人制造出来的模仿人的智能，一般通过机器人、计算机等载体表现出来。】
高文，中国工程院院士，北京大学博雅讲席教授，鹏城实验室主任。他见证和参与了中国计算机行业的高速发展，见证了人工智能的成长壮大。他先后主持国家级科研项目20多项，涉及人工智能、视频编码与分析、计算机视觉等前沿领域。他带领的数字视频编解码技术国家工程实验室，经过十余年的潜心研究，凭借完全自主创新，完成了我国具备自主知识产权的第二代信源编码标准体系，达到了国际标准水平。2021年，他和他的项目团队凭借“超高清视频多态基元编解码关键技术”，荣获2020年度国家技术发明奖一等奖。他和团队主导制定的AVS超高清视频编解码国家标准，还被全球超高清产业联盟采纳为国际标准。
人工智能被视为第四次工业革命的一个标志，发达国家和众多的科技公司，纷纷投入巨资展开研发和布局，我国也在全力构筑人工智能发展的先发优势。党的二十大报告指出，推动战略性新兴产业融合集群发展，构建新一代信息技术、人工智能、生物技术、新能源、新材料、高端装备、绿色环保等一批新的增长引擎。什么是人工智能？人工智能将如何改变我们的生活？如何在这场技术革命中抢占先机？
什么是人工智能
人工智能的发展历史只有六七十年。人工智能也叫人造智能，就是由人制造出来的模仿人的智能，一般通过机器人、计算机等载体表现出来。人工智能有两个重要概念：一个是通用人工智能或者叫强人工智能，如果这种智能系统的功能、能力和人一样，甚至超过人，就叫强人工智能系统；另一个是专用人工智能或者叫弱人工智能，如果这个智能系统只能干一件事，尽管可能比人厉害，那它也是弱人工智能。比如常见的刷脸识别、语音识别系统。
1956年，10位年轻的学者，其中许多是图灵奖和诺贝尔奖的获得者，在美国达特茅斯市搞了一个暑期研究所。在两个月的讨论中，他们针对人工智能应该干什么、怎么干进行了一番讨论，列出了人工智能领域需要研究的自动计算机、编程语言、神经网络、计算规模理论等问题，并形成了一个比较前沿的报告，这被公认为是对人工智能一个比较完整的描述，这一年也被称为人工智能元年。
从1956年到1976年，这20年是人工智能发展的第一个阶段，这一时期的人工智能主要是在模拟大脑工作。这种模拟不是信号级的模拟，而是在逻辑推理等更高层面上去模拟大脑。这一阶段比较珍贵的一个成果是数学定理证明，也就是用计算机自动进行数学定理的证明。包括代数定理证明和几何定理证明，都是由两位华人（王浩、吴文俊）完成的。后来研究人员发现仅仅通过模拟人的大脑来实现人工智能这条路太难走。因为当时只完成了数学定理证明这件事，战胜国际象棋冠军、机器谱曲等其他目标都没完成。人工智能逐渐从高潮跌到低谷，学者们开始反思是不是人工智能走歪路了，是不是要做点实事。
学者们开始尝试研发对社会有影响力的系统，比如医疗诊断专家系统、故障诊断系统，可以代替医生、专家去做一些诊断。另外就是模拟神经系统来做专家系统，这在字符识别、文字识别领域比较有效。后来应用到机器自动识别、自动分拣系统，包括今天的语音识别，基本上都是走的神经网络这条技术路线。
这两条技术路线使第二次人工智能发展专家系统的这30年，开创了百花齐放的局面。不过专家系统的高光时刻并没有持续太久，因为专家系统虽然做了很多，演示时效果也不错，但真正上线去用的时候效果并不理想，于是热度开始下降，直到2006年引发人工智能领域轰动的3篇重量级文章的问世，人工智能才开始了突飞猛进的发展。
这一年，多伦多大学教授辛顿、纽约大学教授杨立昆、蒙特利尔大学教授本杰奥，几乎同时发表了重量级的文章，从不同角度说明深度神经网络是大有可为的，是可以进行大规模学习训练的。只要输入的数据好，它就可以解决问题。这一系列论文发表后，大家摸索了几年小有收获，但并没有重大成果产出。直到2010年以后，斯坦福大学华裔女教授李飞飞、普林斯顿大学华人教授李凯，开发了一个规模特别大的图像数据库，然后拿去参加比赛。当时比赛标准是谁做的系统错误率更低，谁就胜出。2010年错误率最低的队是28%，2011年是26%，2012年取得了突破，降至16%。原来是辛顿的学生用辛顿公开发表文章中的技术去参加比赛，打败了所有的对手，这是一个重大进展。到了2013年，深度网络这个技术普及开来，其它路线无非是使用多深的网、多少个节点、参数怎么设定等技巧性改进，而不是方法上的革命了。到2015年系统的错误率又实现革命性突破，降至3.6%，而人的平均错误率是5%，在图像分类这件事上，神经元网络已经超过人了。这事是谁做的呢？中国学者孙剑做的，当时他和他的团队提出了残差网络。这个残差网络，不仅在图像分类应用上是第一名，围棋里面也是最厉害的。基于此，在深度网络适合的那些弱人工智能是可以进行广泛应用研究和产业化的。
人工智能的特点和成长
从感知到认知，人工智能更上一层楼。在智能水平上，感知智能日益成熟。智能可分为感知智能、认知智能和决策智能。感知智能是和我们眼看、耳听、手摸等感官直接相连的智能，现在的脸部和语音识别、机器翻译，以及诊断病人病例、产品残次识别，都发展得非常好，人工智能正在慢慢从一般的感知智能向认知智能进行升级。
类脑计算和量子计算，两条突破之路。如果做更大规模或者做和认知有关的人工智能以及强人工智能，靠现有计算机是做不到的，怎么办？就要寻找出路，在技术路线上有两个比较可能的出路。一个是类脑智能，人对信息处理的能效比非常之高，现在的计算机不行，能效比太低了，类脑计算能效比会高一些。另一个是量子计算，其能效比是极高的，把量子计算做成比较稳定的一个系统是有可能的。当然不管是类脑、量子计算，现在还有很大的不确定性，需要继续加以研究和积累。
人与机器，混合智能具备独特优势。在智能形态方面，人和计算机混合模式越来越多，这个叫人机混合智能。机器擅长做的事交给机器，机器做不好的事，人可以介入一下。这样人机混合的智能，是现阶段发展人工智能一个比较重要的技术途径。
应用先行，有助于技术发展。在应用驱动方面，以前是先把技术做好，然后转化技术去做应用。现在靠应用去拉动技术发展，这条路是人工智能一个非常重要的发展形态。深度神经网络出现时，在哪儿好用，不知道，需要找一个很好的应用场景把它用起来。如果不是辛顿的学生把它拿去参加图像网络比赛，可能神经网络的热潮还会拖许久才会到来。
未雨绸缪，防止技术失控。人工智能具有社会属性。人类会不会被人工智能奴役、摆布？这个社会属性，恰恰是我们在做人工智能时要认真对待的一个问题，要摆正人和智能系统之间的关系，对人工智能能干什么、不能干什么进行研究和立法，从法律和道德层面去约束和规范它。否则，将来可能会很被动。
（收录有删节）
