基础研究崇尚想象力和创造力的完全自由，依赖独立学者的兴趣和自由合作，它可以不限研究者的身份，不设完成的时限，不以落地应用为目的，也不一定要组织大团队“攻关”，不搞群众运动，允许试错，宽容失败，更不以获得自然科学奖为目的；需要研究者有深厚的人文艺术素养，耐得住寂寞，沉得下心来，虽然研究结果和产出时间无法被精确预测，但一旦出现原始创新，对引领技术进步必然会有长期且深刻的影响。阿兰·图灵的研究就是一例。

1950年图灵发出振聋发聩之问：“机器能思维吗？(Can machines think?)”，也许感到这个问题中“机器”和“思维”难以被准确定义，图灵自问自答了18年，提出“模仿游戏(imitation game)”，后来被称为“图灵测试”。人类围绕这个人工智能基础问题展开了起起落落的讨论，物质科学家视为要利用自然界物质和能量发明智能机器的问题，生命科学家视为如何克隆人工生命的问题，人类学家和社会学家视为人类智能的体外延伸、以及社会的文化文明的生态问题，认知科学家视为心智问题，哲学家视为逻辑问题，数学家视为计算问题……各路高手都用自己手里特别擅长的“锤子”砸向这颗耀眼的“钉子”。图灵也许没有想到70年后的今天，人工智能会如此深刻地影响着人类生产生活，如此深刻地影响着人类前途命运。我们应该沿着图灵指引的方向，围绕“机器能思维吗？”这个基础问题，与时俱进，从数学的机械化走向认知的机器化，进一步聚焦，建议开展以下的基础研究课题：

基础研究课题 1

尽可能获得大家共识的智能和人工智能的“定义”是什么？还是就这样长期分散着自说自话？常常发生的情况是鸡对鸭讲，错位沟通，难以汇聚合力，通过定义，大家可以为智能设定共同的边界和外部约束，这很重要。例如，生物的本能是不是智能？人工智能是不是仿生工程？智慧和智能有什么差别？个人的智能、群体的智能、人类的智能、人工的智能、机器的智能有什么差别？维基百科把人工智能和机器智能说成是同义词，1948年图灵把智能分为具身智能 (embodied intelligence)和体外智能(disembodied intelligence)，便于在体力和智力之间划出一个明显的分界线,但是超强的、强的、弱的、通用的、可信的、可解释的、安全的人工智能可以分开去实现吗？真的需要对健全人也做脑机接口吗？存在什么样的人工智能伦理问题？如果我们把认知、思维或者智能统统定义为“学习的能力，以及解释、解决问题的能力”，把人工智能定义为“人类智能的体外延伸”，是不是更聚焦了？有什么闪失？如果把智能分为感知智能、认知智能和行为智能。感知是认知的源头，行为是具身智能，是认知的外化表现；认知是感知的高阶，是感知的再抽象，从认知看感知可看到里面的秩序和可解释性；感知智能和行为智能发生在物理空间里，和环境交互，统称为交互智能；没有交互，就没有学习；认知智能发生在认知空间里，又分为记忆智能和计算智能。这些，你认同吗？

基础研究课题 2

和其他生物相比，认知究竟是如何成就今天的人类的？如何看待达特茅斯会议之前就长期存在的人工智能相关研究？应该说人类智能始于语言，人工智能始于符号和文字，语言文字承载人的思维和认知、思想和创造，智能植根于教育，人类延伸在体外的智能成为知识、文化和文明，人工的智能已经存在几千年。人类认知的特殊性在哪里？脑科学和认知科学能够为人工智能提供什么实在的指导？人们讨论生物自然进化现象，常用的时间尺度是“万年”；讨论人类文明生态现象和体外智能，常用的时间尺度是“千年”；讨论人类思维和认知的进步，即科学技术的发展，常用的时间尺度是“百年”甚至“十年”。如果说，人类的生物进化出的本能是相对稳定的，科学技术和人工智能的发展却是天翻地覆的，如何看待这种迭代的智能导致的、几何级数增长的认知进步和知识爆炸？如何在智能机器里去递归地执行？

基础研究课题 3

人工智能和物质科学、生命科学、社会科学等哪些大门类的学科如何相关汇聚？如何进行交叉研究？物质和精神、意识和智能、科技和人文、心和智，是一元论、二元论、还是多元论？自然科学和社会科学、认知科学和哲学、认知科学和数学、自然语言和数学语言，谁从属于谁啊？

基础研究课题 4

人类的思维如何形式化？思维和认知有哪几种最基本的范式？时间和数学在其中如何发挥作用？存在唯一的认知“元范式”“元认知”吗？还是各智其智、智人之智、智智与共的多元认知？纵然是多元的，也不可能阻挡人类对统一理论的渴望和追求，形成无尽的认知螺旋。觉知(视觉、听觉、味觉、嗅觉、触觉等)和感知，觉悟和跨模态觉知形成的感悟，直觉智能和感知智能，主要发生在人体末梢和周边的知觉神经系统里，是在物理空间和客观事物交互中产生的；认知和顿悟发生在中枢神经系统、即大脑的皮层里，是在主观的认知空间或者思维空间里产生的。深度学习主要模拟的是感知智能，具有先天的不可解释性，可不可以说依然是浅层认知？

基础研究课题 5

思维的载体是什么？核心是什么？过程是什么？结果是什么？如果说，思维的载体是语言和文字，核心是抽象，过程是计算，结果是记忆，知识以记忆的形式存在，人的大脑里面沟沟回回的皮层形成认知空间，产生“想象的现实”。多层次的抽象是如何工作的？人工智能如何受脑科学和认知科学的启发？在脑科学没有取得重大的进展之前，如何实现体外的类脑智能？

基础研究课题 6

图灵在1950年发出“机器能思维吗？”的那篇著名论文《计算的机械与智能》中明确指出：“在我看来，生命与非生命之间的差别，远远大于人类和其他生命之间的差别”。我认为要研究生命智能和机器智能的差别，最大的差别就是生命有意识,机器没有，机器智能不必和生命体的意识、情感等纠缠；次大的差别就是生命依靠繁衍，记忆不可能从外部后天植入；机器则可以批量生产，因此体现进化烙印的遗传基因的记忆和长期记忆在智能机器中“幼儿认知核”可以且必须初始预置。那么如何注入一个实体机器人的初始长期记忆？一次性预置多少记忆为好？至于说到人类智能和其他生物智能的差别，我认为人的本能和高等生物的本能难分伯仲，人类最伟大的壮举是发明了教育，人类智能的特殊性，首先表现在学习和终生学习的能力上。人后天习得的智能要远大于人的本能，认知迅速成长，而生物后天习得的智能极为有限，这才是最重要的，如何解释这个现象呢？

基础研究课题 7

机器学习和认知的结果是记忆，和人一样，机器在一次次学习和思维之后，瞬时记忆和工作记忆都会遗忘，唯有留下长期记忆。随着机器能自学习、自编程、自编译、自对抗、自纠错、自沉淀、自成长，代表知识结构和图谱的长期记忆在机器的生命期里不断地被修饰、修剪和重塑，可不可以在进行记忆的提取时，把机器的长期记忆网络看作是基于一个符合幂律分布、具有小世界特征的人工复杂网络？它有哪些数学性质？在机器的整个生命周期内，网络结构如何变化？网络动力学有哪些性质？如何被注意力机制触发，表现为涌现的？

基础研究课题 8

农耕时期人类发明的工具是双要素：物质和结构；工业时期人类发明的机器是三要素：物质、能量和结构，工业革命已经证明了一个基本事实：人类大规模生产出的机器能够制造出比人类手工劳动更高效、更精致的工具和产品，这就大大解放了人的体力。正在到来的智能时代，人类发明的认知的机器应该是四要素：物质、能量、时间和结构。它们终将会证明，机器暂时不必和意识纠缠，也一定能够按照人赋予的意图，做出比人类更复杂、更出色的创造吗？智能机器自身会有想象力和创造力吗？机器如何学习？如何创造？随着越来越多的智能机器已经能听会说，能画会唱，有问有答；深度学习的成功告诉我们，算法可以不被困在程序里，可以用数据调整算法参数，甚至生成知识。那么，究竟要跃过一个什么坎儿机器就能创造新思维？如果智能机器能够思维，能够创造新思维，获得新的认知，这不但意味着机器能够寄生、模拟人类的思维和认知，机器还可以让思维离开人体再现，进而创造，这起码部分消除了人类精神的神秘性。是到了研究智能机器如何创造新思维的时候了。

基础研究课题 9

新一代人工智能应该聚焦于计算机的算力、算法和数据呢，还是应该聚焦在机器的交互、学习和记忆三个硬核上？为什么？我认为智能机器离不开与外界环境的感知和交互，新一代人工智能的基础架构一定是异构的，传感器端以专用芯片处理为中心，瞬时记忆区以数据处理为中心，工作记忆区以计算处理为中心，长期记忆区以网络(图形)处理为中心，明确这种XPU⁺、DPU⁺、CPU⁺、GPU⁺等异构物件组成的协同工作模式，处理好异步和同步，才能为新一代人工智能提供基础架构的支持。

基础研究课题 10

图灵在剑桥大学曾经痴迷量子物理，为什么图灵只发明了图灵机，而没有发明量子图灵机？现在量子图灵机已经有了，为什么总是“只听楼梯响，不见人下来”？量子人工智能和量子智能机器什么时候能落地？在什么关键问题攻克之后才能够落地？

爱因斯坦说过，想象力比知识更重要，提出问题比解决问题更重要。提出新的基础研究问题、新的可能性、从新的角度重新认识旧的问题，需要批判和质疑的科学精神，需要非凡的想象力和创造力。不过，我们也要记得苏联著名作家列夫·托尔斯泰说过的话：“多么伟大的作家，也不过是在书写个人的片面而已。”因为随着人类认知的越多，人类终于意识到自己不知道的会更多，一个人如此，一群人如此，能够思维的机器如此，整个人类亦如此。

科学植根于讨论，本文形成过程中，和很多人进行了有益的讨论，他们是：常梦雄、韦钰、戴琼海、王海峰、娄子勤、黄立威、李兵、王小云、陈小平、尼克、张军平、安学、归丽华、刘成林、何清、何雯、郭毅可、吴基传、周建设、刘华平、玄祖兴、马楠、刘玉超、张天雷、韩威、江碧涛、于剑、赵菲、陈杰、欧阳真超、段玉聪、刘挺、刘畅、吴飞、张鹂、吴华、孙富春、王文捷、王卫宁、李雪莲、赵刚、杨林、刘东红、李蓓、马华东、高洪波、刘萌、郑思仪、吴天骄、李德仁、张旭、殷加伦、吴信东、赵春江、焦李成、龙腾、杨放春、张兆田、陈关荣、彭艳、刘云浩、支涛、孙茂松、沈向洋、戴国忠、梅宏、史元春、秦昆、赵阳、郑波尽、王景、刘阶、蒲慕明、李向阳、汪国帆、季向阳、周伯文、高跃、唐杰、李涓子、杨义先、董晓波、黄铁军、鲍泓、何克清、庄洪林、白晓颖、吴华、林润华、吴枫、胡国平、蒋昌俊、方向、陈桂生、蔡恒进、王树良、乔俊飞等，在此一并感谢。

李德毅

中国人工智能学会名誉理事长，中国指挥与控制学会名誉理事长，中国工程院院士，CAAI Fellow，军事科学院研究员，吴文俊人工智能科学技术奖最高成就奖获得者，我国不确定性人工智能领域的主要开拓者、无人驾驶的积极引领者和人工智能产学研发展的重要推动者。长期从事计算机工程、不确定性人工智能、大数据和智能驾驶领域研究。最早提出“控制流–数据流”图对理论，证明了关系数据库模式和谓词逻辑的对等性。提出云模型、云变换、数据场等认知形式化理论，用于解决定性概念生成、相似度计算、不确定推理、智能控制等问题，成功控制三级倒立摆各种动平衡的姿态。提出基于路权构建驾驶态势认知图，研发机器驾驶脑，领导了中国最大的智能车联合团队。

《智能系统学报》是中国人工智能学会会刊，由中国人工智能学会和哈尔滨工程大学联合主办，旨在创办中国智能科学领域最具影响力的中文学术期刊，权威报道国内外智能科学领域的重要研究成果。2019年进入了清华大学和中国计算机学会人工智能方向权威期刊列表，目前被中国科学引文数据库（CSCD）、中文核心期刊、中国科技核心期刊、美国《剑桥科学文摘》、英国《科学文摘》等多家国内外重要数据库收录。编委会由活跃在智能科学研究前沿的121位国内外权威专家组成。

顾    问

杨   强院士 前海微众银行、香港科技大学

吴启迪教授 同济大学

吴朝晖院士 浙江大学

沈向洋院士 清华大学

张   旭院士 中国科学院上海分院

张   勤院士 中国科协、清华大学

郑南宁院士 西安交通大学

姚   郁教授 哈尔滨工程大学

赵沁平院士 教育部科技委、北京航空航天大学

高   文院士 北京大学

韩端锋教授 哈尔滨工程大学

主    编

李德毅院士  军事科学院 

副 主 编

戴琼海院士  清华大学

郭毅可院士  英国帝国理工学院、上海大学 

徐宗本院士  西安交通大学 

陈   杰院士  同济大学 

张   军院士  北京理工大学 

焦李成院士  西安电子科技大学 

唐   杰教授  清华大学 

领域编委

马少平教授  清华大学

王国胤教授  重庆邮电大学

王科俊教授  哈尔滨工程大学

方勇纯教授  南开大学

朱小燕教授  清华大学

刘   宏教授  北京大学

孙茂松院士  清华大学

孙富春教授  清华大学

苗夺谦教授  同济大学

周志华院士  南京大学

段海滨教授  北京航空航天大学

徐   波教授  中国科学院自动化研究所

黄铁军教授  北京大学

蒋田仔院士  中国科学院自动化研究所

卷首语、综述、学术论文、人工智能院长论坛、吴文俊人工智能科学技术奖论坛、洞见与碰撞、热点与评论、学会动态等。

卷首语——主要刊登具有突出贡献的两院院士和权威科学家在智能科学领域学科发展和建设、未来趋势研判、科学决策等能够引领学科和社会发展、助力政府科学决策的重要文章。此栏目每期一篇文章，均为约稿，采取快速审稿和出版模式。

吴文俊人工智能科学技术奖论坛——为配合做好吴文俊人工智能科学技术奖成立十周年纪念活动，盘点中国人工智能领域研究进展，报道最新高水平科研成果，特开设“吴文俊人工智能科学技术奖论坛”专栏，欢迎历届吴文俊人工智能科学技术奖获奖者踊跃投稿。

人工智能院长论坛——围绕“高等学校人工智能创新行动计划”国家战略，特开设“人工智能院长论坛”专栏，主要刊登各高校人工智能学院、研究院所和相关交叉学院的院长、副院长关于我国新一代人工智能领域前沿、引领学科发展和具有重要影响的理论研究、创新技术与应用成果。采取约稿和自由投稿相结合的方式，实行快速审稿模式。

感谢智能科学领域专家多年来对《智能系统学报》的关注和支持，热诚期待各位专家踊跃赐稿。

期刊网址/在线投稿地址

http://tis.hrbeu.edu.cn/

编辑：刘冰洁      审核：李雪莲

联系我们