人工智能，就是人造智能，從其自身含義來(lái)看，也就是研究開(kāi)發(fā)能夠模擬、延伸和擴(kuò)展人類或者其他生物體智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門技術(shù)科學(xué)，其研究目的是促使智能機(jī)器會(huì)聽(tīng)（語(yǔ)音識(shí)別、機(jī)器翻譯等）、會(huì)看（圖像識(shí)別、文字識(shí)別等）、會(huì)說(shuō)（語(yǔ)音合成、人機(jī)對(duì)話等）、會(huì)思考（人機(jī)對(duì)弈、定理證明等）、會(huì)學(xué)習(xí)（機(jī)器學(xué)習(xí)、知識(shí)表示等）、會(huì)行動(dòng)（機(jī)器人、自動(dòng)駕駛汽車等）（ Woniu，2021）。

目前，基于大數(shù)據(jù)的深度學(xué)習(xí)人工智能主流范式與強(qiáng)人工智能有著本質(zhì)的區(qū)別，人工智能的硬件基礎(chǔ)——計(jì)算機(jī)，其計(jì)算能力依然受限，機(jī)器學(xué)習(xí)算法基本上還是基于數(shù)理統(tǒng)計(jì)的框架。發(fā)展新的人工智能，需要在基礎(chǔ)理論領(lǐng)域取得突破。

中國(guó)人工智能基礎(chǔ)研究2035發(fā)展戰(zhàn)略

“中國(guó)學(xué)科及前沿領(lǐng)域發(fā)展戰(zhàn)略研究

（2021—2035）”項(xiàng)目組編

北京：科學(xué)出版社，2025. 7

ISBN 978-7-03-081930-7

人工智能基礎(chǔ)研究涉及人工智能的基礎(chǔ)科學(xué)問(wèn)題，其研究?jī)?nèi)容涵蓋認(rèn)知神經(jīng)科學(xué)、認(rèn)知心理學(xué)、統(tǒng)計(jì)學(xué)、數(shù)學(xué)等多個(gè)學(xué)科領(lǐng)域， 具有很強(qiáng)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(chǔ)研究相關(guān)的主要學(xué)科領(lǐng)域及其在人工智能發(fā)展中的作用，重點(diǎn)論述了認(rèn)知神經(jīng)科學(xué)、認(rèn)知心理學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)（多個(gè)分支）在人工智能基礎(chǔ)研究中的科學(xué)意義與戰(zhàn)略價(jià)值、發(fā)展規(guī)律與研究特點(diǎn)、發(fā)展現(xiàn)狀與發(fā)展態(tài)勢(shì)，揭示了人工智能本質(zhì)問(wèn)題中認(rèn)知神經(jīng)科學(xué)和認(rèn)知心理學(xué)的借鑒意義，分析了當(dāng)前人工智能的機(jī)理、數(shù)學(xué)解釋、建模和具體實(shí)現(xiàn)的方法、技術(shù)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(lái)人工智能研究的一些可能的基礎(chǔ)研究方法和研究方向以及面向2035 年人工智能基礎(chǔ)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(chǔ)研究各個(gè)學(xué)科領(lǐng)域的重點(diǎn)發(fā)展方向和優(yōu)先發(fā)展領(lǐng)域，分析和研判了新的學(xué)科生長(zhǎng)點(diǎn)。本書(shū)對(duì)人工智能的理論和應(yīng)用有很好的參考價(jià)值，對(duì)加快我國(guó)人工智能原創(chuàng)性研發(fā)、推動(dòng)我國(guó)新一代人工智能健康發(fā)展具有重要的科學(xué)意義與戰(zhàn)略價(jià)值。總的來(lái)說(shuō)，本書(shū)

• 揭示了當(dāng)前人工智能的機(jī)理、數(shù)學(xué)實(shí)現(xiàn)方法、技術(shù)及其面臨的瓶頸困難；

• 總結(jié)規(guī)律，尋找和凝練了人工智能基礎(chǔ)與本質(zhì)的科學(xué)問(wèn)題，探討了人工智能本質(zhì)問(wèn)題的數(shù)學(xué)原理、建模和具體實(shí)現(xiàn)方法；

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

• 探討了人工智能問(wèn)題促進(jìn)新的數(shù)學(xué)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(lái)人工智能的一些可能的基礎(chǔ)研究方法和研究方向， 以及面向2035年的人工智能基礎(chǔ)研究領(lǐng)域的發(fā)展趨勢(shì)。

人工智能基礎(chǔ)與人工智能應(yīng)用

人工智能的研究?jī)?nèi)容包括人工智能基礎(chǔ)和人工智能應(yīng)用兩個(gè)層面。人工智能基礎(chǔ)分為四個(gè)層次。第一層（最底層）是哲學(xué)和倫理學(xué)， 主要從哲學(xué)和倫理學(xué)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(dǎo)出有效的結(jié)論，思維如何從物理的大腦中產(chǎn)生，知識(shí)來(lái)自何方，知識(shí)如何引導(dǎo)行動(dòng)等問(wèn)題。第二層是人工智能產(chǎn)生的生物結(jié)構(gòu)和心理活動(dòng)的基礎(chǔ)，即認(rèn)知神經(jīng)科學(xué)和認(rèn)知心理學(xué)。人工智能要躍升為正式的科學(xué)，需要在邏輯、計(jì)算和概率三個(gè)基礎(chǔ)領(lǐng)域具有一定理論嚴(yán)密程度的數(shù)學(xué)形式體系，這是第三層基礎(chǔ)的主要研究?jī)?nèi)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(jì)算機(jī)是被選中的人工制品，這就是第四層實(shí)現(xiàn)人工智能的技術(shù)層面的基礎(chǔ)，其中包括計(jì)算機(jī)科學(xué)與技術(shù)、信息科學(xué)與技術(shù)和控制科學(xué)與技術(shù)等。因此，人工智能的基礎(chǔ)研究是一個(gè)多學(xué)科交叉的重大而復(fù)雜的課題。本書(shū)重點(diǎn)研究第二層和第三層自然科學(xué)基礎(chǔ)中的部分內(nèi)容。

艾倫·麥席森·圖靈（Alan Mathison Turing）的計(jì)算模型，回答了“什么是計(jì)算”的問(wèn)題，奠定了整個(gè)計(jì)算機(jī)科學(xué)的基礎(chǔ)；香農(nóng)的通信數(shù)學(xué)原理，回答了“什么是信息”的問(wèn)題，奠定了現(xiàn)代信息論的基礎(chǔ)。那么，什么是人工智能的核心基礎(chǔ)科學(xué)問(wèn)題？我們究竟有什么能力和基礎(chǔ)來(lái)建立回答這樣問(wèn)題的原創(chuàng)系統(tǒng)理論？

本書(shū)凝練了人工智能基礎(chǔ)研究的關(guān)鍵科學(xué)問(wèn)題、發(fā)展思路、發(fā)展目標(biāo)和重要研究方向。具體如下。

1. 認(rèn)知神經(jīng)科學(xué)

新一代人工智能的核心基礎(chǔ)科學(xué)問(wèn)題是“ 認(rèn)知和計(jì)算的關(guān)系”， 這又進(jìn)一步細(xì)化為四個(gè)方面的關(guān)系：認(rèn)知的基本單元和計(jì)算的基本單元的關(guān)系、認(rèn)知神經(jīng)表達(dá)的解剖結(jié)構(gòu)和人工智能計(jì)算的體系結(jié)構(gòu)的關(guān)系、認(rèn)知涌現(xiàn)的特有精神活動(dòng)現(xiàn)象和計(jì)算涌現(xiàn)的特有信息處理現(xiàn)象的關(guān)系，以及認(rèn)知的數(shù)學(xué)基礎(chǔ)和計(jì)算的數(shù)學(xué)基礎(chǔ)的關(guān)系。研究任何一種過(guò)程，建立任何一種過(guò)程的科學(xué)理論，必須首先回答一個(gè)基本問(wèn)題：過(guò)程操作的基本單元是什么？每門成熟的基礎(chǔ)科學(xué)都有其特定的基本單元，如高能物理學(xué)的基本粒子、遺傳學(xué)的基因、計(jì)算理論的符號(hào)以及信息論的比特等。對(duì)于認(rèn)知神經(jīng)科學(xué)而言，必須回答認(rèn)知過(guò)程操作的基本單元是什么。目前的關(guān)鍵問(wèn)題是，如何超越直覺(jué)的理解、科學(xué)準(zhǔn)確地定義這些認(rèn)知基本變量，從而建立這些基本變量的統(tǒng)一的認(rèn)知基本單元模型。正如麥克利蘭（McClleland） 認(rèn)為的“人類認(rèn)知最偉大的主要成就是認(rèn)知涌現(xiàn)的現(xiàn)象”，理解認(rèn)知的涌現(xiàn)是對(duì)符號(hào)處理的認(rèn)知計(jì)算理論的深遠(yuǎn)的挑戰(zhàn)。意識(shí)正是認(rèn)知涌現(xiàn)的特有精神活動(dòng)現(xiàn)象的一個(gè)典型。如何把人工智能是否會(huì)產(chǎn)生意識(shí)之類的直覺(jué)思辨的討論，變成科學(xué)實(shí)驗(yàn)的研究是意識(shí)研究的困難所在?；谌斯ぶ悄艿恼J(rèn)知神經(jīng)科學(xué)的基礎(chǔ)研究要重視認(rèn)知神經(jīng)科學(xué)的新變量、新概念和新原則的研究；要強(qiáng)調(diào)系統(tǒng)、整體和行為的研究，要以人類為主、動(dòng)物為輔；要宏觀為主、結(jié)合微觀進(jìn)行研究。

2. 認(rèn)知心理學(xué)

認(rèn)知心理學(xué)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(gè)“真正的智能”系統(tǒng)，而人類的認(rèn)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(rèn)知心理學(xué)的重要理論及研究發(fā)現(xiàn)，并從認(rèn)知心理學(xué)中獲得了大量啟發(fā)。通過(guò)引進(jìn)認(rèn)知心理學(xué)的概念、理論、模型和實(shí)驗(yàn)方法，人工智能算法在學(xué)習(xí)、注意、語(yǔ)言、記憶、決策等重要領(lǐng)域不斷實(shí)現(xiàn)突破。認(rèn)知心理學(xué)在未來(lái)將繼續(xù)幫助拓展人工智能研究的方向，比如在感知覺(jué)、表征等基礎(chǔ)認(rèn)知能力、學(xué)習(xí)、決策和人機(jī)交互等領(lǐng)域。另外， 人工智能的研究也為認(rèn)知心理學(xué)的研究提供了一些新的研究手段。

3. 統(tǒng)計(jì)學(xué)

傳統(tǒng)的統(tǒng)計(jì)學(xué)在方法上側(cè)重基于對(duì)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(xué)習(xí)等端到端建模方法，以及小樣本、弱監(jiān)督、多源異構(gòu)等各種現(xiàn)實(shí)人工智能的數(shù)據(jù)場(chǎng)景?，F(xiàn)代機(jī)器學(xué)習(xí)方法的統(tǒng)計(jì)學(xué)基礎(chǔ)、大數(shù)據(jù)統(tǒng)計(jì)建模、可解釋人工智能等三個(gè)方面存在一系列關(guān)鍵的科學(xué)問(wèn)題，如深度學(xué)習(xí)的統(tǒng)計(jì)學(xué)基礎(chǔ)、強(qiáng)化學(xué)習(xí)的統(tǒng)計(jì)學(xué)基礎(chǔ)、機(jī)器學(xué)習(xí)的穩(wěn)健性與穩(wěn)定性、小樣本、缺標(biāo)簽的學(xué)習(xí)、數(shù)據(jù)共享與隱私保護(hù)、分布式數(shù)據(jù)的統(tǒng)計(jì)分析、實(shí)時(shí)數(shù)據(jù)流的統(tǒng)計(jì)分析、時(shí)空和函數(shù)型數(shù)據(jù)的建模、網(wǎng)絡(luò)和關(guān)系數(shù)據(jù)的建模、多源異構(gòu)數(shù)據(jù)的融合、基于因果關(guān)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(jì)學(xué)應(yīng)建立和完善現(xiàn)代機(jī)器學(xué)習(xí)方法的統(tǒng)計(jì)學(xué)基礎(chǔ)，解決上述關(guān)鍵問(wèn)題，大力發(fā)展復(fù)雜大數(shù)據(jù)分析的統(tǒng)計(jì)方法和理論，創(chuàng)新探索因果關(guān)系啟發(fā)和可解釋的人工智能方法，積極推動(dòng)融合領(lǐng)域知識(shí)與數(shù)據(jù)分析的人工智能應(yīng)用研究。

4. 數(shù)學(xué)

數(shù)學(xué)是人工智能關(guān)鍵的支撐學(xué)科。現(xiàn)在的人工智能技術(shù)實(shí)際上都是建立在數(shù)學(xué)模型之上的，從解釋到實(shí)現(xiàn)都離不開(kāi)數(shù)學(xué)，并且?guī)缀跤玫搅爽F(xiàn)代數(shù)學(xué)的各個(gè)分支，所以又被稱為數(shù)學(xué)智能。當(dāng)前人工智能面臨著可計(jì)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(zhì)上都來(lái)自數(shù)學(xué)的挑戰(zhàn)。統(tǒng)計(jì)學(xué)為解決人工智能問(wèn)題提供了數(shù)據(jù)驅(qū)動(dòng)的建模途徑，代數(shù)、幾何與拓?fù)洹⒏怕收?、隨機(jī)分析、微分方程、圖論、博弈論、統(tǒng)計(jì)物理學(xué)等相關(guān)數(shù)學(xué)理論或工具被用來(lái)研究人工智能的數(shù)學(xué)機(jī)理、模型和算法。無(wú)論從統(tǒng)計(jì)學(xué)的角度還是數(shù)學(xué)的角度來(lái)研究人工智能，其實(shí)際性能最后都要通過(guò)優(yōu)化和計(jì)算呈現(xiàn)出來(lái)，最優(yōu)化和計(jì)算是人工智能基礎(chǔ)模型和算法中最重要的工具。本書(shū)從概率與隨機(jī)分析、最優(yōu)化、數(shù)理邏輯與自動(dòng)推理、圖論、博弈論、逼近論、幾何與拓?fù)洹⒔y(tǒng)計(jì)物理學(xué)、科學(xué)計(jì)算等方面進(jìn)行了論述。

人工智能是國(guó)家重大戰(zhàn)略，對(duì)中華民族的偉大復(fù)興有著重大影響。近年來(lái)，國(guó)家圍繞加強(qiáng)基礎(chǔ)研究能力建設(shè)，不斷完善基礎(chǔ)研究多元投入機(jī)制，重大科技基礎(chǔ)設(shè)施加快落地運(yùn)營(yíng)，新型研發(fā)機(jī)構(gòu)培育建設(shè)取得成效，各類創(chuàng)新主體基礎(chǔ)研究能力持續(xù)增強(qiáng)。

我國(guó)發(fā)展人工智能最大的壓力不是應(yīng)用技術(shù)的開(kāi)發(fā)，而是來(lái)自基礎(chǔ)研究。事實(shí)上，我國(guó)人工智能基礎(chǔ)理論和原創(chuàng)算法與先進(jìn)國(guó)家相比， 特別是與美國(guó)等發(fā)達(dá)國(guó)家相比差距較大。我國(guó)人工智能研究起步較晚，原創(chuàng)性貢獻(xiàn)不多，核心算法和開(kāi)源系統(tǒng)比較薄弱，雖然近年我國(guó)高質(zhì)量論文數(shù)量增長(zhǎng)顯著，但頂級(jí)論文和重大理論創(chuàng)新仍以美國(guó)、英國(guó)、加拿大等國(guó)為主。這是我國(guó)人工智能領(lǐng)域發(fā)展的最突出的瓶頸，導(dǎo)致我國(guó)深度學(xué)習(xí)模型、生成對(duì)抗網(wǎng)絡(luò)等新的重大成果和原創(chuàng)性貢獻(xiàn)不多，并在機(jī)器學(xué)習(xí)等通用開(kāi)源算法平臺(tái)方面布局不夠，產(chǎn)業(yè)發(fā)展主要依賴國(guó)際巨頭的開(kāi)源代碼和系統(tǒng)框架。

中國(guó)科學(xué)院計(jì)算技術(shù)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(yīng)用層）的研究，我國(guó)研究者對(duì)世界作出的貢獻(xiàn)越多；越是底層（系統(tǒng)層、芯片層），我國(guó)研究者的貢獻(xiàn)越少?！蔽覈?guó)學(xué)者的研究主要集中在“人工智能應(yīng)用”上，關(guān)注“人工智能科學(xué)基礎(chǔ)”研究的比較少。我國(guó)的人工智能應(yīng)用水平與世界多國(guó)相比毫不遜色，甚至走在世界前列，但是人工智能的基礎(chǔ)研究仍然處于相對(duì)缺乏的階段。國(guó)家應(yīng)該

• 加大對(duì)人工智能基礎(chǔ)研究的支持力度， 鼓勵(lì)更多的研究者投身于人工智能基礎(chǔ)研究中；

• 培養(yǎng)人工智能基礎(chǔ)研究人才，把人才隊(duì)伍建設(shè)作為人工智能發(fā)展的重中之重，為人才提供良好的成長(zhǎng)環(huán)境，激勵(lì)他們從事基礎(chǔ)研究，推動(dòng)人工智能未來(lái)突破；

• 堅(jiān)持培養(yǎng)和引進(jìn)相結(jié)合，完善人工智能教育體系，擴(kuò)大研究生招生規(guī)模，加強(qiáng)人才儲(chǔ)備和梯隊(duì)建設(shè)，開(kāi)辟專門渠道，實(shí)行特殊政策，實(shí)現(xiàn)人工智能高端人才精準(zhǔn)引進(jìn)。

未來(lái)，人工智能的突破可能依賴于數(shù)學(xué)理論的創(chuàng)新，如幾何深度學(xué)習(xí)、量子機(jī)器學(xué)習(xí)或神經(jīng)微分方程等新興領(lǐng)域。戰(zhàn)勝這些挑戰(zhàn)不僅會(huì)推動(dòng)人工智能技術(shù)進(jìn)步，還可能催生新的數(shù)學(xué)分支。

本書(shū)凝聚了國(guó)內(nèi)人工智能領(lǐng)域基礎(chǔ)研究專家、學(xué)者和產(chǎn)業(yè)界的共識(shí)，旨在為國(guó)家政策制定、科研機(jī)構(gòu)布局和企業(yè)創(chuàng)新提供指引。我們期待通過(guò)系統(tǒng)性部署，推動(dòng)中國(guó)人工智能基礎(chǔ)研究邁向全球前沿，為經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展和人類科技進(jìn)步貢獻(xiàn)中國(guó)智慧。

袁亞湘

《中國(guó)人工智能基礎(chǔ)研究2035發(fā)展戰(zhàn)略》項(xiàng)目組組長(zhǎng)

2025 年2 月

本文摘編自《中國(guó)人工智能基礎(chǔ)研究2035發(fā)展戰(zhàn)略》（“中國(guó)學(xué)科及前沿領(lǐng)域發(fā)展戰(zhàn)略研究 （2021—2035）”項(xiàng)目組編．北京：科學(xué)出版社，2025. 7）一書(shū)“摘要”“前言”“第一章 人工智能基礎(chǔ)研究總論”，有刪減修改，標(biāo)題為編者所加。

ISBN 978-7-03-081930-7

叢書(shū)策劃：侯俊琳 朱萍萍

責(zé)任編輯：楊嬋娟 姚培培

人工智能基礎(chǔ)研究是人工智能持續(xù)發(fā)展的保證，是引領(lǐng)人工智能未來(lái)發(fā)展的必由之路。本書(shū)梳理了人工智能基礎(chǔ)研究相關(guān)的主要學(xué)科領(lǐng)域及其在人工智能發(fā)展中的作用，論述了認(rèn)知神經(jīng)科學(xué)、認(rèn)知心理學(xué)、統(tǒng)計(jì)學(xué)和數(shù)學(xué)各個(gè)分支（包括概率與隨機(jī)分析、最優(yōu)化、數(shù)理邏輯與自動(dòng)推理、圖論、博弈論、逼近論、幾何與拓?fù)?、統(tǒng)計(jì)物理學(xué)、科學(xué)計(jì)算）等學(xué)科領(lǐng)域在人工智能基礎(chǔ)研究中的科學(xué)意義與戰(zhàn)略價(jià)值、研究特點(diǎn)與發(fā)展規(guī)律、發(fā)展現(xiàn)狀與發(fā)展態(tài)勢(shì)，分析了當(dāng)前人工智能的機(jī)理、數(shù)學(xué)建模、技術(shù)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(lái)人工智能基礎(chǔ)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(shū)為相關(guān)領(lǐng)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(huì)公眾了解人工智能基礎(chǔ)研究領(lǐng)域發(fā)展現(xiàn)狀及趨勢(shì)的重要讀本。

（本文編輯：劉四旦）

專業(yè)品質(zhì) 學(xué)術(shù)價(jià)值

原創(chuàng)好讀 科學(xué)品位

一起閱讀科學(xué)