人工智能（AI）是指在机器上实现类似乃至超越人类的感知、认知、行为等智能的系统。
与人类历史上其他技能革命比较，人工智能对人类社会发展的影响可能位居前列。
人类社会也正在由以打算机、通信、互联网、大数据等技能支撑的信息社会，迈向以人工智能为关键支撑的智能社会，人类生产生活以及天下发展格局将由此发生更加深刻的改变。

人工智能分为强人工智能和弱人工智能。
强人工智能，也称通用人工智能，是指达到或超越人类水平的、能够自适应地应对外界环境寻衅的、具有自我意识的人工智能。
弱人工智能，也称狭义人工智能，是指人工系统实现专用或特定技能的智能，如人脸识别、机器翻译等。
迄今为止大家熟习的各种人工智能系统，都只实现了特定或专用的人类智能，属于弱人工智能系统。
弱人工智能可以在单项上寻衅人类，比如下围棋，人类已经不是人工智能的对手了。

人工智能发展的基本思想和技能路径有三种

人工智能研究事情肇端于20世纪40年代，但其完全观点在1956年才正式登上历史舞台，在美国达特茅斯学院举行的“人工智能夏季研讨会”上提出。
这个研讨会的主题便是用机器来模拟人类学习以及其他方面的智能，推进了人工智能起起伏伏、螺旋发展的进程。

第一个阶段，1956—1976年，基于符号逻辑的推理证明阶段。
这一阶段的紧张成果是利用布尔代数作为逻辑演算的数学工具，利用演绎推理作为推理工具，发展了逻辑编程措辞，实现了包括代数机器定理证明等机器推理决策系统。
但在人工智能理论与方法工具尚不完备的初期阶段，以占领认知作为目标显然不切实际，人工智能研究逐步从高潮进入低谷。

第二个阶段，1976—2006年，基于人工规则的专家系统阶段。
这个阶段的紧张进展是打开了知识工程的新研究领地，研制出专家系统工具与干系措辞，开拓出多种专家系统，比如故障诊断专家系统、农业专家系统、疾病诊断专家系统、邮件自动分拣系统等等。
专家系统紧张由知识库、推理机以及交互界面构成，个中，知识库的知识紧张由各领域专家人工构建。
然而，知识仅靠专家的手工表达实现，终不免挂一漏万，使得专家系统无法与人类专家与时俱进的学习能力相匹配，人工智能研究第二次进入瓶颈期。

第三个阶段，2006年至今，大数据驱动的深度神经网络阶段，也是深度学习盛行的期间。
人工神经网络的发展，随着人工智能的发展起起伏伏。
初期人们对其可以仿照生物神经系统的某些功能十分关注，但是对繁芜网络的学习收敛性、健壮性和快速学习能力一贯难以把握，直到上世纪80年代反向传播算法的发明和90年代卷积网络的发明，神经网络研究取得主冲要破。
深度神经网络方法走到前台，开启了人工智能新阶段。

自出身以来，人工智能发展的基本思想和技能路径总的来说有三种。

第一种路径是符号主义或者说逻辑学派，形式逻辑是其理论根本，主见人工智能应从智能的功能仿照入手，认为符号是智能的基本元素，智能是符号的表征和运算过程。
前述第一个阶段和第二个阶段中，符号主义都是主导思想。

第二种路径是连接主义或者说神经网络学派，发源于上世纪40年代，强调智能活动是由大量大略（神经）单元通过繁芜连接后并走运行的结果。
其基本思想是：既然人脑智能是由神经网络产生的，那就通过人工办法布局神经网络，再通过演习产生智能。
人工神经网络是对生物神经网络的抽象和简化。
80年代神经网络的兴盛和近年来兴起的深度学习网络，都是包含多层神经元的人工神经网络。

第三种路径是行为主义或者说掌握学派，又称进化主义。
这个学派在上世纪80年代末、90年代初兴起，思想源头是上世纪40年代的掌握论。
掌握论认为，智能来自智能主体与环境以及其他智能主体相互浸染的成功履历，是良好劣汰、适者生存的结果。

机器学习是未来方向，将人类从重复性劳动中解放出来

机器学习是上世纪80年代中期发展起来的人工智能新方向。
机器学习研究机器若何仿照或实现人类的学习行为，以获取新的知识或技能，或者根据环境自适应地调度对策。
机器学习可以让机器通过对履历进行“归纳”和“推理”而实现自动改进。

目前，机器学习仍旧是人工智能研究的热点之一，包括深度学习的可阐明性和可信性，增强智能系统的自学习和自适应能力，以及无监督学习、多模态协同学习、强化学习、终生学习等新的机器学习方法。
其余，考虑到数据安全和隐私保护，在数据加密或者部分加密的情形下如何学习，也是主要研究方向之一。
在深度学习浪潮推动下，人工智能其他研究方向也在加速发展，包括机器感知、模式识别与数据挖掘、自然措辞处理、知识表示与处理、智能芯片与系统、认知与神经科学启示的人工智能、人工智能和其他学科的交叉等。

中国是天下上人工智能研发和家当规模最大的国家之一。
虽然我们在人工智能根本理论与算法、核心芯片与元器件、机器学习算法开源框架等方面起步较晚，但在国家人工智能优先发展策略、大数据规模、人工智能运用处景与家当规模、青年人才数量等方面具有上风。

中国的人工智能发展，寻衅与机遇同在，机遇大于寻衅。
只管是后来者，但我们市场规模大，青年人多，奋斗精神强，长期来看更有上风。
如果说18世纪中叶蒸汽机带来第一次工业革命，持续了100年；19世纪中叶电力带来第二次工业革命，持续了100年；20世纪中叶打算机与通信带来第三次工业革命，到现在持续了70多年；我们可以预见，本世纪中叶前后人工智能可能会带来下一次工业革命，影响百年。
当然，现在人工智能技能的储备还远没有达到开启智能时期的量级，还须要持续积累和创新。
现在的打算机体系构造，还无法知足实现强人工智能的需求。
未来可能的打破方向包括人工智能根本理论与算法、类脑打算、生物打算、量子打算等。

其影响不仅关系国家发展，而且关系亿万劳动者日常生活。
以深度学习为代表的人工智能技能高速发展并广泛运用，正在深刻改变人类社会生活的方方面面。
家当界从提高效率、降落本钱等角度，积极采取人工智能技能办理各种运用问题，包括智能机器人、智能制造、智能监控、无人驾驶、自动问答、医疗诊断、智能家居、政务法务等，为人类带来福祉。

从就业角度来看，越来越多的超市、银行、餐馆开始利用机器做事，乃至状师、证券剖析师等高知识含量事情也可能被机器人取代，这给劳动者就业带来寻衅。
人工智能的运用一定会提高劳动生产率，正如第一次工业革命期间，机器的运用虽然减少了传统轻工业就业岗位，但是也创造了更多新兴家当就业岗位。
人工智能也一样，随着它的发展，将会产生很多新的事情岗位，只是对技能的哀求与传统岗位不同。
因此，随着人工智能的推进，教诲培训体系也该当根据就业构造变革而积极调度，加快推进家当升级中的职业转岗培训。

人工智能把我们从大略重复的劳动中解放出来，更有利于人类充分挖掘自己的智能潜力。
面对即将到来的智能社会，我们该当以积极态度拥抱变革。
与其担忧事情被抢走，不如与机器“共勉”，机器尚在持续学习，我们人类难道不应该更加努力学习、终生学习吗？

（作者高文为北京大学教授、中国工程院院士，黄铁军为北京大学教授）

责编：樊俊卿