关键词：人工智能；智能学科
作者简介：朱松纯,北京大学讲席教授,北京大学智能学院、人工智能研究院院长。
作为第四次产业革命的核心技术,人工智能正在释放科技革命和产业变革积蓄的巨大能量,对经济发展、社会进步等方面产生重大而深远的影响,在各领域展现出巨大应用前景,成为大国竞争的关键领域。习近平总书记在十九届中共中央政治局第九次集体学习时强调:“人工智能是新一轮科技革命和产业变革的重要驱动力量,加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。”
科技要发展,人才是关键。我国要抢占全球人工智能领域的制高点,急需构建完备的人工智能学科体系,培养出堪当大任的人工智能专业人才,全力打造世界人工智能人才高地。习近平总书记在向国际人工智能与教育大会致贺信时指出:“把握全球人工智能发展态势,找准突破口和主攻方向,培养大批具有创新能力和合作精神的人工智能高端人才,是教育的重要使命。”
一、 智能学科的发展现状
当前,我国智能学科的发展已经进入一个新的历史时期,截至2022年2月,已有440所高校设置“人工智能”本科专业,248所高校设置“智能科学与技术”本科专业,还有更多高校设置与人工智能相关的交叉学科或学科方向,形成了我国多层次、多类型的人工智能人才培养系统。
智能学科涵盖“智能科学与技术”和“人工智能”。
智能科学与技术是一门研究自然智能的形成与演化的机理,以及人工智能实现的理论、方法、技术和应用的基础学科,是在计算机科学与技术、统计与机器学习、应用数学、神经与脑科学、心理与认知科学、自动化与控制系统等基础上发展起来的一门新兴交叉学科。
人工智能过去一直被看作是计算机的一个应用技术与工程领域, 20世纪七八十年代人工智能热潮中代表性的技术是专家系统与知识工程。近年来,大数据、深度学习的快速发展与普及应用,成为本次人工智能热潮的主要代表性技术, 人工智能被赋予了新的内涵,成为一个赋能百业的技术,包含数据智能、计算智能等。鉴于这种广泛的社会认知,也为了同智能科学与技术区分,我们认为人工智能的定位是:在智能科学与技术研究的基础上,与文、理、医、工等多学科交叉融合,开展诸如数字人文、智慧法治、科学智能(AI for Science)、智慧医疗(AI for 
Medicine)等交叉研究,以学科交叉为特色。
北京大学是智能学科建设的引领者。1985年,由中国科学院学部委员程民德和石青云发起,以数学系、计算机系、无线电系为主体,联合全校十余个系所,北京大学成立了第一个多学科交叉研究机构——信息科学中心。该中心利用北京大学综合学科优势,以学科交叉为特色, 开展视觉与听觉信息处理研究。2002年,在信息科学中心基础上,全国首个智能科学系成立, 最早设立了“智能科学与技术”本科专业,开启人工智能领域专业人才的系统性培养。2007年, 北京大学形成首个完整的“智能科学与技术”本、硕、博专业人才培养体系,成为全球智能学科的诞生地。
2022年9月13日,国务院学位委员会、教育部发布《研究生教育学科专业目录(2022年)》,“智能科学与技术”成为交叉学科门类新增的一级学科,与数学、物理学、化学和计算机科学与技术等学科平行。“人工智能”这个名词也炙手可热,其内涵与外延随着技术发展、媒体宣传不断演变,当前科技界、教育界乃至整个社会缺乏对智能学科的准确认识和把握,以至对二者之间内在关系的认识仍然不够清晰,迫切需要对以下几个问题做出回答。
(一) 智能学科何以成为一门独立的学科
智能学科与计算机学科密切相关,不少高校的智能学科是由计算机科学与技术一级学科下的二级学科衍化而来。当前社会上非专业人士对智能概念的理解含糊不清,往往认为智能就是计算机。本质上,智能学科和计算机学科有着完全不同的学科内涵(见图1)。计算机学科的核心目标是“造计算机”,是研究计算机的设计与制造并利用计算机进行信息获取、表示、存储、处理、控制等的理论、原理、方法和技术的学科。程序员(用户)编制计算机能理解的语言 (程序),在计算机系统上运行,实现由性能驱动的计算功能。而智能学科的使命是“造智能体”,研究的对象是客观与主观混合的智能体,通过构造一个统一的理论与架构,解释智能体在物理与社会场景的“相互作用”中表现出的多个尺度和复杂度下的智能现象,如视觉识别与重建、自然语言理解、认知与常识推理、任务与运动规划、环境交互与具身智能、心智模型与认知架构、学习理论、价值体系、社会伦理等。智能体能够与行业用户进行自然语言的对话沟通,对齐知识、模型与价值观,在动态不确定场景中完成由价值驱动的各种复杂任务。
因此,如同60年前基于数学、物理、电子等学科衍生出了计算机学科一样,智能学科是在计算机、统计与机器学习、应用数学、神经与脑科学、心理与认知科学、自动化与控制系统等众多学科发展的基础上应运而生的一门独立的、以多学科交叉为特色的新兴学科,将通过人工智能技术实现与文、理、医、工,特别是与人文社科领域的深度交叉融合。
(二) 北京大学智能学科人才培养布局
智能学科人才培养的定位是培育“科班出身的人工智能专家”。过去乃至当前很多高校对人工智能人才的培养大多分散在计算机、大数据等专业之内,针对社会需求和高校特色相应开设部分相关课程,如自然语言处理、机器学习或计算机视觉等,没有根据智能学科的内涵打造一个完整的课程体系和人才培养方案。北京大学在智能学科人才培养方面历经多年探索与实践,形成的学科建设方案和人才培养体系,对我国智能学科的建设和发展可提供有益的借鉴。
针对二者各自的特点,北京大学进行了合理布局:“智能科学与技术”注重智能科学与智能技术相关的数理基础和专业知识的培养,强调学科自身各分支知识体系的融合和统一,隶属智能学院(2021年成立),注重专业基础;“人工智能”在注重培养智能专业相关数理基础和专业知识之外,更强调与其他领域(人文、社科、理科、医科)的跨学科交叉,需要建立独有的学科交叉课程培养体系(数字人文、智慧法治、智能社会等),更适合放在人工智能研究院(2019年成立)。人工智能研究院是校属交叉研究平台,便于与北京大学各院系的交叉发展,研究院2021年获批“人工智能”本科专业,并通过自主审核设置了人工智能博士一级交叉学科。
为支撑相应人才的培养,北京大学智能学科设立两个人才培养旗舰班:北京大学通用人工智能实验班(简称“北大通班”)和北京大学智能科学与技术实验班(简称“北大智班”)。
“北大通班”授予“人工智能”学士学位,特色是“文理大交叉”,目标是打造“通用人工智能战略王牌军”,培养“通识、通智、通用”的世界顶尖复合型人才,引领学术研究、产业与经济的发展趋势。培养上注重数理基础、跨大学科交叉、系统性课程规划、国际化师资力量。旨在为有志于在通用人工智能相关领域发展的同学提供国际一流的学习平台与交流环境,人才培养依托人工智能研究院和元培学院,以及校外的新型研发机构——北京通用人工智能研究院。
“北大智班”授予“智能科学与技术”学士学位,特色是“理工强基础”,目标是培养智能科学领域新一代领军人物,引领智能科学前沿理论与技术应用的发展。培养过程注重数理基础、理工学科交叉、系统性课程规划、国际化师资力量。实现“基础理论扎实推进、汇通前沿,课程实践寓学于用、融会贯通,科研训练兴趣发掘、提升素养,国际交流多维拓展、深入合作”的培养特色,人才培养依托智能学院与信息科学技术学院(本科生学院)。
(三) 智能学院与人工智能研究院是何关系,学科建设与科研平台如何安排
考虑到“人工智能”和“智能科学与技术”在学科建设和人才培养功能定位上的差异,北京大学先后成立了人工智能研究院和智能学院两个实体单位,与已有实体单位王选计算机研究所一起,支撑两个学科的建设和人才培养,统称为“智能学科”。
智能学院强调智能学科作为“交叉学科”的特性,是北京大学智能学科建设的主阵地。学院重点突出教、研融合,建设了智能学科完整的课程教学体系、系统的人才培养架构、一流的教学实践平台和完善的创新育人基地。学院设有“智能科学与技术”博士点,联合信息科学技术学院(本科生学院)建设“智能科学与技术”本科专业。
人工智能研究院作为学校直属的独立实体机构,强调人工智能作为“学科交叉”的特性,是统筹全校相关资源、服务国家人工智能重大战略的主要支撑平台。目前从新工科、新医科、新文科和通用人工智能四个方面,建设了“类脑智能芯片研究中心”“智慧公众健康研究中心”“人工智能治理研究中心”和“多智能体研究中心”等16个研究中心。研究院设有“人工智能”博士点,联合北京大学元培学院建设“人工智能”本科专业。
智能学科要开展有组织的科研。智能学科是一个典型的交叉学科,对内涉及视觉、语言、认知、学习、机器人和多智能体等领域的有机融合,对外需要与哲学、美学、文学、艺术、经济和法律等学科大跨度交叉,形成了一个大型复杂的学科系统。传统以“还原论”模式为主的科研方式面对复杂巨系统无能为力,迫切需要由领域顶级科学家牵头组织大团队,通过高校科研范式和组织模式的变革与创新组建大平台,整合校内外资源开展学科大交叉,以更加灵活的组织建制形式开展目标明确的大任务,服务于国家人工智能的发展战略。
二、 智能学科的前沿发展
世界人工智能的研究与应用取得长足进步,已经超越学术和产业,上升到政治与国家安全层面。随着科技进步和产业变革的加速演进,人工智能已经成为各国必争的科技创新高地。以美国和欧盟为代表的世界主要发达国家均把发展人工智能作为提升国家竞争力、维护国家安全的重大战略,力图在国际科技竞争中掌握主导权。中国也迅速把人工智能提升为国家战略。习近平总书记在十九届中共中央政治局第九次集体学习时深刻指出:“加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手,是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。”在这场关乎前途命运的大赛场上,我们必须抢抓机遇、奋起直追、力争超越。因此,加强人工智能人才培养迫在眉睫。
但是,人工智能在全球范围内大发展的同时,一系列问题也日益凸显。当前我国乃至全球范围内政、商、产、学、研各界流行的人工智能模式,是以大数据、大算力和深度学习为代表的科研范式。基于该科研范式研发的智能系统(如智能推荐系统、智能问答系统等)过去十多年的确在科学研究和产业应用中取得了长足进步,对世界经济的发展起到了助推作用。但是,越来越多的研究和实践表明,该模式遇到的瓶颈问题也日益突出,主要表现在:只能做特定的、人类事先定义好的任务;每项任务都需要大量的数据与标注;模型不可解释、知识表达不能交流;大数据获取与计算的成本昂贵等。
智能系统之所以能够广泛地应用到各行各业,归功于强大算力支撑下复杂模型的成功学习,特别是一些超巨复杂大模型。以语言模型GPT-3为例,该模型是拥有1750亿参数的巨大自回归语言模型,训练该模型需要花费1200万美元,存储模型参数需要700GB的硬盘。GPT3模型的性能的确可以在许多自然语言处理任务以及基准测试中获得显著提升,但因其巨大的数据需求、资源消耗和代价,众多企业对部署和应用该模型只能望而却步。同时,这个科研范式也导致产业界对人工智能形成种种狭隘认知:“人工智能等同于喂数据”“人工智能就是一种工程应用”“职业培训就可产出人工智能专业人才”等。当前流行的人工智能科研范式遇到的瓶颈问题和当前社会对人工智能的不当认知,已经成为阻碍智能学科健康发展的不利因素,人工智能呼唤面向未来发展的新的科研范式。
当前流行的人工智能范式可以认为是“鹦鹉范式”。该范式的特点是“大数据、小任务”,本质上可以认为是一种复杂的查询,具体表现为:“需要大量重复数据来训练;可以说人话,但不解话意;不能对应现实的因果逻辑”。面向未来的人工智能发展的科研范式应该是“乌鸦范式”。该范式具有“小数据、大任务”的特点,具体表现为:“具有自主的智能,能够感知、认知、推理、学习和执行;不依赖于大数据,基于无标注数据进行无监督学习;智能系统低功耗,小于1瓦”。
不同的智能研究范式选择,将导致不同的系统和路径。对人工智能不良的社会认知,势必影响人工智能的人才培养和发展。因此,非常有必要厘清以下两个问题。
(一) 重回起点,何为智能
智能是智能体在与环境和社会交互,实现大量任务的过程中表现出来的多尺度和多维度上的现象,包括:(1) 个体生存与环境交互,如感知、因果推理、 不确定性下的决策、行为动作;(2) 内心的认知活动,如心智理论、自我意识、自知之明、自信;(3)社会群体行为,如语言、通讯、解释、学习和协作。智能现象是在价值驱动下自主产生的行为,从而改变外部和自身可变状态。智能现象的产生需依赖两个基本前提条件:价值链条(value chain)和因果链条(causal chain)。
价值链条是生物进化和生存的“刚需”,如个体的生存、吃饭和安全问题,而物种传承需要繁殖和社会活动。这些基本任务(或需求)会衍生出大量的其他任务。行为是被各种任务驱动的,任务的背后隐藏着价值观和决策函数,这些价值函数大多在进化过程中就已经形成了,包括人脑中发现的各种化学成分的奖惩机制,如多巴胺(快乐)、血清素(痛苦)、乙酰胆碱(焦虑、不确定性)、去甲肾上腺素(新奇、兴奋)等。在价值链条的基础上,智能体需要理解物理世界及其因果链条,以适应这个世界。因果链条决定了任务完成的路径,基于自然和社会规律,为任务的实现设定了限制。
因此,当前被社会所广泛认知的、基于大数据驱动的人工智能,其本质上都可以认为是在舍本逐末,“知其然,但不知其所以然”。社会认知的智能和专业定义相距甚远。
(二) 智能科学是不是一门科学
物理学研究的对象是客观的无生命的物体,比如经典力学,通过一些“势能函数”U来描述各种“相互作用”,由此导出“场”与“力”的概念,以及物体的运动方程,目标是构建一个统一的理论来解释多个尺度和复杂度下的物理现象。
智能科学研究的对象是客观与主观混合的智能体,通过构造一个统一的理论,来解释智能体在物理与社会场景的“相互作用”中表现出的多个尺度和复杂度下的智能现象和能力。
智能的现象和能力按照关键学术领域可以划分为:
计算机视觉:物体识别、属性理解、三维重建、场景理解、行为分析……
自然语言处理:语义解译、对话意图、语境落地、共享情景、语义语用……
认知与推理:功能用途、物理关系、因果判断、社交意向、高阶意识……
机器学习:符号连接、统一表达、归纳演绎、因果模型、价值获取……
机器人学:任务规划、物理推导、因果理解、镜像映射、社交礼仪……
多智能体:价值函数、利益博弈、社会组织、伦理规范、道德法治……
为对上述智能现象进行解释,智能科学的理论包含两个成分:(1) 理:自然的模型(物理)和社会的规范(伦理),可以由一组势能函数U表达;(2) 心:由认知架构和一组价值函数V表达。每个智能体由两组(U,V)函数来刻画。智能科学的研究方法就是通过构造最简约的认知架构与UV函数,研究它们在模型空间的跳转与升维,并解释各种智能现象。智能科学的核心任务是研究并构建统一的理论框架,来解释以上智能现象,与计算机科学有着本质的差别。唯有如此,智能科学才能成为一门科学,才不会被社会认知为工程应用和职业培训。
中国的人工智能要想实现跨越式发展,赶超以美国为代表的西方科技强国,必须摒弃“跟跑—并跑—领跑”的旧思路,“设伏必经之路,一举确立领先”。以中国独有的“程朱理学”“陆王心学”等哲学思想为指导,建立起原创性的以“U—V”心与理双系统为核心的通用人工智能理论体系和以“小数据—大任务”为特色的人工智能发展新范式,瞄准国际人工智能发展的必经之路,在通用人工智能领域提前设伏,利用我国在智能学科领域发展的后发优势,一举确立我国通用人工智能在世界人工智能领域的领先地位。
三、 未来发展趋势的研判
以史为鉴,可以知兴替。对人工智能未来发展趋势的研判,需要对其发展历史予以回顾。人工智能发展历经多次繁荣与衰落的周期轮回。1956—1974年的第一个黄金时代见证了机器定理证明和逻辑推理的突破。而在1974—1980年,因过于强调通用求解方法,忽略了知识表征,导致了人工智能的第一次寒冬。随后,1980—1987年迎来了发展的第二个繁荣期,知识库和知识工程是主要的研究对象。而在1987—1993年,由于“符号落地”和“常识获取”的发展制约,人工智能遭遇第二次寒冬。20世纪90年代至今,人工智能进入平稳发展期,分化成几个子领域,包含计算机视觉、自然语言处理、认知与推理、机器学习、机器人学、多智能体领域等。每个领域均出现过突破性的成果,但每个独立的成果局限在自己的子领域中,人工智能与达到人类通用且泛化的智能水平仍然相距甚远。
人工智能的发展起伏跌宕,其哲学思想也经历几次转变。第一时期(1960—1990),西方哲学思想引领了人工智能的发展。以苏格拉底、柏拉图、亚里士多德为代表的辩论与逻辑,发展成为严密的命题逻辑、谓词逻辑、事件逻辑等体系,为人工智能的逻辑、表达与推理等方面提供了理论框架。第二时期(1990— 2020),概率建模、学习与随机计算 占据主导地位,核心代表人物包括乌尔夫·格林纳德(Ulf Grenander )、朱迪亚·珀尔(Judea Pearl)、莱斯利·瓦利安特 (Leslie Valiant)、杰弗里·辛顿(Geoffrey Hinton)等。研究思想与儒家的方法论“格物致知”一脉相承,本质是从数据到模型的知识发现过程,与当今人工智能领域的大数据方法思路相似。然而,大数据催生的人工智能系统缺乏内驱的价值体系,缺乏主观的能动性,这种内驱的价值体系被中国哲学称之为“心”,后者提出“心即是理”“心外无物”等概念。
未来若干年内人工智能应该怎样发展?其哲学思想是什么?笔者有以下研判。
(一) 人工智能核心领域将高度融合、走向统一,实现从弱人工智能向通用人工智能转变
2020年以后,人工智能进入由“理”向“心”转变的新时期。为机器立“心”,实现由“理”(数理模型)到“心”(价值函数)的过渡,智能体由“心”驱动,实现从大数据到大任务、从感知到认知的飞跃,是迈向通用人工智能的必经之路。经过近30年的分治,人工智能的6个核心领域(计算机视觉、自然语言处理、认知与推理、机器学习、机器人学和多智能体)呈现出对内融合、对外交叉的发展态势。人工智能领域的发展将寻求统一的人工智能架构,以实现人工智能从感知到认知的转变,从解决单一任务为主的“专项人工智能”向解决大量任务、自主定义任务的通用人工智能转变。 通用人工智能是未来10—20年国际前沿焦点,是智能学科需要承担的核心使命。
(二) 人工智能在对内实现各核心领域融合统一的同时,对外着力推进多学科交叉
学科之间的藩篱与壁垒、同质化与内卷把原本统一的整体世界分解得支离破碎,原始创新动力不足。破题之关键在于交叉与融合,重建关于世界本原的整体性认知,激发创新能力,实现新突破。人工智能作为一门典型的新兴交叉学科,与其他众多学科的交叉融合具有巨大的科学意义和重要的赋能价值。例如,人工智能与工科、医科的融合,产生交叉学科——机器人学和精准医疗、智慧健康等应用领域;人工智能与神经科学的融合,派生出新兴研究领域——类脑计算;人工智能与人文社科的融合,是双向深层次融合,双向互补、彼此成就,不仅促成了计算社会学、人工智能伦理与安全等学科方向,还对文明的演化和社会的治理具有重要意义。
推动人工智能与相关学科的交叉融合是时代赋予人工智能学者的重大使命。人工智能的研究与发展绝不仅关系到机器的智能水平,更关系到人类生存与发展的重大问题。人文与智能的融通,不但带来机器智能水平质的提升,也将刷新人类的自我认知。在北京大学关于人工智能交叉融合发展的战略布局中,人工智能研究院和相关院系(包括人文、社科、经管、法律、艺术、数学、物理、化学、生物、医学等)一道,承担这一时代赋予的神圣使命。
四、 智能学科的发展愿景
当前以“数据驱动”的大模型为代表的人工智能发展遇到无法回避的障碍,表现在强烈依赖数据、模型不可解释、缺乏常识理解等,主要原因在于其不具备人类的认知和推理能力,更缺乏人类的情感和价值观,其思想来源干涸,即缺“心”。人工智能只有提升对于人以及社会的认知与理解水平,才能更好地融入人类社会。
人工智能与人文社科交叉是为机器立“心”的重要路径。人工智能与人文社科(哲学、美学、文学、艺术、经济学、社会学等)的深度融合和大跨度交叉,将为人工智能的发展开辟新的路径,是驱动人工智能持续发展的新的动力源头。理论物理学家费曼(Feynman)说过:“凡是我不能创造的,我就不能理解(What I cannot create, I do not understand)。”反之,如果人类不能对自身及其社会有准确的认知和理解,则很难造出像人类智能一样的智能体。要实现人类水平的智能,首先就要理解人与智能的本质,而这是人工智能学科难以独立完成的,需要人文学科的指引与协助,通过与人文社科交叉为机器立“心”。
为机器立“心”,就是要用人文社科的思想赋能人工智能,给机器人建立三观,让机器学会人类的“价值观”,创造新的人工智能范式。人工智能发展历程中有两大误区:首先是注重逻辑推理而忽视常识;其次是忽视智能体行为产生的原动力——价值驱动,而本末倒置地追求数据驱动。我们从“唯心”的 哲 学 思 想角度出发,提出“心”与“理”的双系统智能理论(Xin-Li dualsystem theory),简称V和U系统。V系统表征智能体的主观价值,简称“心”,可以用价值函数描述。U系统用以表征客观世界和人类社会的状态和规律,简称“理”,可以用势能函数描述。基于价值链条和因果链条,可以开发出拥有常识理解和推理能力,能够实现快速学习、任务迁移,符合人类价值观的通用人工智能体。智能体受价值V系统驱动确立目标、规划任务, 以行为改变所处环境(包括其他智能体)的状态(导致U系统变化),最终完成任务、达成目标(价值的实现)。
为人文赋“理”,就是用数理模型研究和赋能人文学科,为人文学科发展提供新的方法、模型和理论工具,用全新的方式解读儒释道的经典,诠释并弘扬中国思想,增强“道路自信、理论自信、制度自信、文化自信”。“为人文赋理”的目的是用数理模型表示人文经典,用人工智能系统可以理解的方式了解人类文明,从而构建起人工智能与人文社科沟通的桥梁。虽然数字人文、计算人文发展多年,但总体数理建模能力严重滞后,需付出极大的努力来提升数理水平,这是高等教育重塑传统人文学科的一次重大机遇。
通用人工智能的发展将重塑人类文明。1919年源自北京大学的 “新文化运动”,其本质是西方文明与东方文明的冲突和融合。在这个过程中,中华文明被认为是落后的、弱势的。百年之后同样是一场剧变:随着智能时代来临,通用智能体的出现,人类文明与人工智能将有新的冲突与融合,出现人机混合的文明。前沿的人工智能科学家现在开始意识到:人的智能不是唯一的,人只是一种更高级的通用智能体,但不是终结,人已不再特殊。人类社会发展已经完成了由自然人到社会人(文化、文明)的转变,现在正在向智能人(数据、信息、智能)的阶段迈进。我们有责任从哲学的高度和视角加以解释和引领,从全球视野、人类进步的高度,创造出与科技进步相匹配的新的思想和理论。
在人机共生的时代,我们要重新思考人性和人文,创造属于中国自己的文明,引领世界未来发展,这是一次新的关乎中华民族未来命运之机遇。我们要以中国东方哲学思想,重塑世界科技前沿,重新定义人文与社科,建设全球人工智能创新策源地,以中国之思想,创世界之科技。
文章来源：朱松纯.智能学科的源起、演进与趋势——北京大学智能学科的探索与实践[J].大学与学科,2022(4):17-26.
