封面故事：人工智能的范式革命

引言

現代化，是一個與時俱進的動態概念。不同的時代，有不同的現代化內涵和特色。農業時代有農業時代現代化的內涵和特色，工業時代有工業時代現代化的內涵和特色。當然，信息時代和智能時代也有與之相適應的現代化內涵與特色。

中國式現代化，是在世界歷史和中國歷史正在經歷的“百年未有之大變局”時代背景下的現代化概念，因此，與原有各種現代化概念的內涵與特色有著重大區別。從科學研究的角度看，這一時代的“大變局”表現在研究對象已經和此前千百年來的研究對象大不相同：歷來的科學研究對象都是各種各樣的物質客體，嚴格限制人類主觀因素的介入；研究的目的是要認識物質客體的結構與功能；而現今時代的科學研究對象則不僅要研究物質客體，而且要研究人類主體，尤其要研究在人類主體的主導下和在客觀規律的約束下人類主體與物質客體之間相互作用所產生的信息生態過程，研究的目的是要實現人類主體與物質客體的合作雙贏：既要滿足人類不斷追求更好生存與發展水平的需要，又要維護客觀規律的運行。這是一個跨越千年的歷史性飛躍，一個劃時代的偉大轉變！

在這樣嶄新的時代背景下，中國式現代化（包括中國式科技現代化）的內涵與特色和以往時代以及其他國家的現代化內涵與特色顯然不可同日而語！我們不能照搬西方國家所宣揚和追求的現代化模式，而要立足中國、放眼世界、繼往開來創造中國特色的現代化模式。

2023年7月習近平總書記在江蘇考察時指出：“中國式現代化關鍵在科技現代化。”科技是第一生產力，是引領和帶動國民經濟各行各業以及社會領域各個部門現代化的通用引擎。中國科技工作者在實現中國式現代化的事業中既肩負著神圣的歷史使命，又肩負著光榮的時代職責。

一位偉大的哲人說過：科學技術的天職是協助人類從自然力的束縛下獲得解放，使人類能夠實現他們最大的社會價值——從事創造性的社會勞動。

歷史印證了這一深刻的論斷：農耕時代的科學技術通過創造各種優質材料產品使人類的體質能力從自然力的束縛下不斷獲得解放，工業時代的科學技術通過創造各種高效能量產品使人類的體力能力從自然力的束縛下不斷獲得解放，信息時代的科學技術則正在通過創造各種聰慧的智能機器使人類的智力能力從自然力的束縛下不斷獲得解放。

值得注意的是，科學技術的進步和人類能力的解放都是不斷積累、不斷強化、不斷深化的過程。工業時代的科學技術成果不但實現了社會生產以及社會活動的工業化和人類體力能力的解放，而且裝備了農業生產過程、強化了人類體質能力的解放。同樣，信息時代的科學技術成果不但要實現社會生產以及社會活動的智能化和人類智力能力的解放，而且要裝備工業生產和農業生產的過程、深化人類體力能力和體質能力的解放。這正是“人工智能”科學技術在當代中國式現代化事業中扮演的角色。

那么，我們應當怎樣做好人工智能科學技術的研究，創造性地推進經濟與社會的智能化，使之成為中國式現代化事業的名副其實的通用智能引擎呢？這是本文要討論的基本問題。

1. 人工智能：從存在的問題談起

半個多世紀以來，人工智能科學技術的研究取得了不少進展，有些甚至是驚人的進展，如20世紀90年代戰勝國際象棋人類世界冠軍的Deep Blue，21世紀20年代戰勝60多名圍棋世界頂尖高手的AlphaGo，以及新近問世的ChatGPT和GPT-4等。與此同時，人工智能的研究也存在很多問題。其中，以下兩方面的問題影響最為深遠，最值得共同關注。

第一個問題是，在研究的體系上，至今人工智能沒有統一的理論，也沒有通用的人工智能系統。

人工智能科學技術是20世紀40年代孕育和發展起來的。那時，學術界普遍認為：人類的智能是人腦的產物；人腦是一類復雜系統，具有結構、功能、行為三大維度。其中，結構是第一位的，只有具備了合適的結構，才能產生合理的功能和相應的行為。因此，按照復雜系統“分而治之”的方法論，人工智能的研究就被分解為結構模擬、功能模擬和行為模擬三種研究路徑。具體就是：

① 1943年發端的結構主義人工智能研究（人工神經網絡）；

② 1956年興起的功能主義人工智能研究（物理符號系統，后來則是專家系統）；

③ 1990年登臺的行為主義人工智能研究（感知動作系統）。

遺憾的是，三種研究各有各的學術信仰，于是各持己見，互不溝通，互不認可，直至分道揚鑣，至今都未能形成統一的人工智能理論。對于一個學科來講，沒有統一的理論，不能研制通用的系統，是一個非常嚴重的問題。

第二個問題，在研究的深度上，所有人工智能系統都未能生成可理解的智能！

前面提到的Deep Blue、AlphaGo、ChatGPT和GPT-4似乎有很高的智能，因為它們戰勝了與之競賽的人群。但那只是在特定約束下通過遠超人類所能擁有的極為豐富的樣本儲量和極為快速的計算能力所呈現的令人驚奇的表現，都不是可以理解和解釋的真實智能。之所以會產生這樣的表現，原因在于，它們都是在“純粹形式化”（即只保留了事物的形式而丟棄了事物的內涵——內容和價值）方法所造成的“空心概念”基礎上工作的。事實上，無論是人類還是機器，面對只看見其形式而不了解其內容和價值的陌生事物，都無法實現理解。在這種情況下，人工智能系統只好利用足夠大規模的同類樣本資料和極其快速的計算能力、通過統計方法來“猜測”（而不是理解）面對的事物。所以，Deep Blue、AlphaGo、ChatGPT和GPT-4都只有“統計猜測”能力，而沒有理解能力，沒有解釋能力。這就是它們時而正確時而錯誤，不可信賴的技術根源。

由此可見，產生上述問題的根本原因，是采用了“分而治之”和“純粹形式化”的方法論。不過，方法論并不是獨立的理論，它是為科學觀服務的，方法論有問題就意味著它所服務的科學觀也有問題。換言之，上述問題的根源，是在科學觀和方法論兩者的身上。

眾所周知，科學觀啟迪人們：這類研究對象的本質“是什么”，方法論則告誡人們：這類對象的研究應當“怎么做”。因此，科學觀和方法論相結合，就既告訴了人們研究對象“是什么”，又告訴了人們對象的研究應當“怎么做”，于是就明確了研究這類對象的“規范化方式”，即“范式”。顯然，它是引領和規范科學研究活動的最高指南，是科學研究活動的“最高統領”。

上面的分析表明，人工智能研究存在的最大問題是它的科學觀和方法論不當，也就是它的“范式不當”。抓住了人工智能研究的“范式問題”，就抓住了人工智能研究的“牛鼻子”。解決了人工智能研究的“范式不當”問題，其他問題（算法、算力、數據、知識、硬件等）就可以迎刃而解。

2. 范式革命：普遍理論與具體應用

人們對“范式問題”比較陌生，這不奇怪，因為千百年來科學技術發展歷史上從來沒有聽說過。但是，以前沒有聽說過不等于不存在。事實上，在傳統物質學科（包括材料科學和能量科學）興起的初期同樣經過漫長的范式摸索過程，只是沒有具體的記載而已。作者團隊的研究發現，一切新興學科的發展毫無例外都要經歷范式的建構和范式的革命。這一理論可以簡要總結如下。

2.1 ?新興學科的范式革命：普遍的規律

范式革命理論的首要概念是“范式”。如上所說，范式特指科學觀和方法論，是指導科學研究所不可或缺的最高指南和規范力量，而非一般的編程范式、計算范式、實驗范式、設計范式，等等。從事任何研究都要明白“怎么看”和“怎么做”，也就是要有正確的科學觀和方法論，要有正確的范式。只要范式正確，哪怕研究工作再困難也能夠逐步前進；如果范式有偏差，研究工作就會遭遇挫折，甚至遭到失敗，最多只能取得某些局部性淺層性成果。當然，不同的學科應該遵循不同的范式，因為不同學科的研究對象不同，所遵循的范式（科學觀和方法論）也就應該不同。

進一步，從性質上看，人們的研究活動屬于社會的存在，而學科的范式（科學觀和方法論）則是從社會存在逐漸提煉出來的抽象認識，屬于社會的意識。

社會法則表明，社會意識一定滯后于社會存在。也就是先有學科的科學研究活動，然后才能逐步從中提煉出這個學科研究所應該遵循的范式。由于這種提煉是一種從無到有的摸索，而且是由眾多不同學術背景、不同研究目的、不同思維方法的研究者自發進行的摸索，因此，各種各樣的見解、各種各樣的爭辯、各種各樣的試錯、各種各樣的局部成功、各種各樣的失敗嘗試、各種各樣的“盲人摸象”頻頻出現，使這種摸索具有極高的困難性。更有甚者，這種摸索的自覺性通常很差。特別是“二戰”以后，學術界的“實用觀念”越來越強，對于科學觀和方法論這類“哲學課題”的研究越來越不重視，許多人認為“哲學課題與自然科學研究沒有什么關系”。所有這一切，都使這種“滯后”需要經歷特別漫長的歲月。從人工智能和信息科學的情況來看，80多年過去了，人工智能的學科共同體還沒有總結出來什么是人工智能研究應當遵循的范式。

顯然，新興學科在“滯后期內”（即初級階段）沒有自己的學科范式可用。于是，就只能繼續在漫長的摸索中去認真感悟和精心提煉，直到提煉完成。不過，如果在某個新興學科之前已經有其他傳統學科的范式存在，往往就會借用傳統學科的范式。然而，“借用”過來的范式畢竟與新興學科研究的性質不可能實現良好的匹配，從而導致新興學科在“初級階段”處于非良性發展的狀態。這是“社會意識滯后于社會存在”這個社會法則必須經歷的過程。不管人們是否承認，也不管人們是否愿意，這都是既不可抗拒、又不可逾越的鐵定規律。

不難理解，新興學科研究走出“非良性發展”的唯一正確出路，就是要努力總結、提煉和形成本學科的科學范式，以此來取代所借用的科學范式。這種“擺脫借來的科學范式，確立本學科的范式”的過程，就是近現代一切新興學科在初級階段不可避免的“范式革命”。不經過范式革命，新興學科便不可能進入自主發展和健康發展的高級階段。

2.2 ?人工智能的范式革命：理論的應用

人工智能是一類開放的復雜的信息系統，是信息學科的高級篇章，所以應當遵循信息學科的范式。作為一種社會存在，信息學科的研究活動大體崛起于20世紀40年代，是近現代出現的新興科學，因此適用于上述的“近現代新興學科范式革命的理論”。

具體來說，由于上述所說“滯后”法則的制約，人工智能學科至今都沒有形成自己的范式，因而借用了傳統物質學科的范式。由于傳統物質學科范式早已存在，并且早已為現代學術界所熟知，因此，這種“借用”無須什么人的宣布，實際上就是不知不覺之中的“沿用”，十分自然。

物質學科范式的科學觀是“機械唯物科學觀”，只允許研究物質客體，不允許人類主觀因素的介入，研究目的是認識物質的結構；與此相應，物質學科范式的方法論是“機械還原方法論”，其中最具實操意義的是“純粹的形式化”方法和應對復雜對象的“分而治之”方法。

應當承認，在傳統物質學科領域，機械唯物科學觀和機械還原方法論非常有效，但是用到信息學科特別是信息學科的高級篇章人工智能領域就發生了嚴重的問題。具體來說，物質學科范式的機械唯物科學觀“不允許主體主觀因素介入”就堵死了智能的來源，因為物質客體本身不可能產生智能。物質學科范式的機械還原方法論之一“純粹的形式化”則堵死了理解的可能性，因為單純的形式具有不確定的含義和效用，因而無法理解，這就堵死了智能生成的可能性。物質學科范式的機械還原論之二“分而治之”方法則注定了無法建立統一的人工智能理論，因為“分而治之”切斷了人工智能相關部分復雜而隱秘的信息聯系，難以恢復。由此可知，既不可能生成智能，又不可能建立統一的人工智能理論，這就是借用傳統物質學科范式給人工智能研究所造成的致命困難。

為了擺脫初級階段這種“非良性發展”的現狀，使人工智能的研究能夠走上信息學科范式所引領的發展道路，進入高級的發展階段，出路就在于總結、提煉、確立信息學科自己的范式，并以此取代借來的物質學科范式。質言之，人工智能的范式革命是不可避免的，這是社會法則的鐵定規律，既不可能阻止，也不可能逾越。

3. 范式革命：方法

新興學科的范式革命是一個內涵非常豐富的復雜過程，包括自下而上探索、總結和提煉范式的初級階段和自上而下貫徹范式的高級階段。表1詳細列出了關于推進“范式革命”的實施綱要，包括具體的階段和進程。

如表1所示，首先是“自下而上”的探索階段，對人工智能來說就是現在所處的階段。這個階段的典型特點是“盲人摸象”現象。雖然科技工作者都不是盲人，但從“知識的局限性”這個意義上說，只看到局部就是對整體而言的“盲”。“自下而上”的探索從1943年提出神經元MP模型直到現在都還沒有完成。這個階段的最終目的，就是要通過多方探索和論辯，總結成功的經驗和失敗的教訓，形成和確立人工智能學科應該遵循的范式。

一旦把范式總結出來，“自下而上”的學科探索階段就轉為“自上而下”的學科建構階段。“自上而下”建構階段的起點，是要把“自下而上”階段探索出來的范式確立起來。而確立范式的首要任務是要準確回答：這個學科對象的本質是什么（科學觀）？這個對象應當怎么研究（方法論）？科學觀回答的“是什么”和方法論回答的“怎么做”作為一個整體，就界定了學科的“定義”。

第二步，根據范式給出的學科定義建立學科的框架（包括全局模型和研究路徑），從而落實學科的具體“定位”。其中，學科的全局模型是根據學科范式的科學觀來建立的，而學科的研究路徑是根據學科范式的方法論來開辟的。這兩個問題解決了，學科的框架就確定了。

第三步，是要把學科框架的規格精準化，這就是“定格”。它包括：一方面，人工智能的研究領域到底應當由哪些學術來相互支持，才能形成一種充分合理的交叉學科結構；另一方面，作為人工智能的學術基礎，對數學理論和邏輯理論應當提出什么新的要求，才能支持人工智能理論的研究。明確了這些規格要求，就把學科的框架精準化了。在這里，學術結構的規格必須根據科學觀來確定，學術基礎的規格必須根據方法論來確定。可見，范式的科學觀和方法論體現在學科建構的始終。

第四步，有了以上的定義、定位和定格，人工智能的基本理論建構就有了堅實的科學基礎。構建人工智能理論的工作稱為“定論”，這就是根據學科的定義、定位和定格來建立學科的基本概念和基本原理，形成人工智能的理論體系。這些就是實施人工智能范式革命的實施綱要、方法和步驟。

4. 人工智能的范式革命：內容

由表1看出，學科發展的第一步是自下而上的范式探索階段。作者團隊從1963年發現信息論的信息概念丟棄了語義信息和語用信息以來，就開始了信息學科的科學觀和方法論的持續探索，體現在先后出版的《信息科學原理》（1988）、《智能理論與技術》（1992）、《機器知行學原理》（2007）、《高等人工智能原理》（2014）等著作中，并在《機制主義人工智能理論》（2021）和《統一智能理論》（2022）中做了信息學科范式的系統總結，后者的內容可以簡述如下。

信息學科范式的科學觀是“辯證唯物的科學觀”：認為信息學科高級篇章（人工智能）的研究對象是“在主體目標的主導和在客體環境規律約束下主體與客體相互作用所產生的信息生態過程”。

信息學科范式的方法論是“信息生態方法論”：人工智能的信息生態演化必須遵循過程完整（忌“分而治之”）、內涵完備（忌“純粹形式化”）和全局優化的原則。

由此看出，信息學科范式與物質學科范式兩者之間幾乎“處處相反”。因此，如果人工智能的研究不徹底擺脫物質學科范式的桎梏，就不可能完成自己的歷史使命。這點沒有含糊。

可能有人會擔心，難道信息學科范式與物質學科范式之間就這樣“不共戴天”嗎？

否！任何人工智能系統都不能脫離物質的支持和能量的驅動，但是，遵循信息學科范式的信息生態過程是人工智能系統的主導，遵循物質學科范式的物質支持和能量驅動必須為信息生態過程服務。因此，信息學科范式與物質學科范式兩者須以“主導—服務”的關系和諧共存于一體。這就是它們之間所構成的“相反而相成”的辯證關系。

下面就結合人工智能理論的建構過程來展示信息學科范式的科學觀和方法論的作用。由于篇幅的限制，這里只展示表1建構階段的第一步：根據信息學科范式的科學觀構建人工智能的全局模型和根據信息學科范式的方法論開創人工智能的研究路徑，從而形成人工智能學科的完整定義和框架。

4.1 根據信息學科范式的科學觀構建人工智能的全局研究模型

許多人都認為人工智能研究對象的原型是人類的大腦。但僅是孤立的大腦不能產生智能，因為智能的生成不僅需要大腦發揮作用，更需要主體與環境之間的相互作用。沒有主客相互作用的外部信息刺激，大腦就不會自作多情或無緣無故地自發產生智能；而沒有主客相互作用，大腦也不能通過實踐來檢驗它所產生的智能是否正確。

信息學科范式的科學觀——辯證唯物的科學觀表明：研究智能問題不能僅考慮物質客體，而應當考慮主體與客體雙方。準確地說，智能是在主體駕馭下以及在環境約束下主體與客體相互作用所產生的信息生態過程。

由此，可以構造人工智能的全局研究模型如圖1所示。

圖1顯示，正是主體代理與環境客體相互作用所產生的信息生態轉換過程，即客體信息首先作用于主體代理，然后，主體代理就產生智能行為反作用于客體。其中，智能行為就代表了主體生成的智能。這個行為必須是智能的，這樣才能既使主體達到目標，又不會破壞環境的運行規律，達到主體客體雙贏的目的。

可見，圖1的模型全面準確地體現了信息學科范式科學觀的精神。換言之，圖1所描述的人工智能全局模型就是根據信息學科范式的科學觀而構建的。

傳統物質學科的科學觀把“物質客體”作為唯一合法的研究對象，只研究“孤立的大腦物質”，不允許研究主體和主體的主觀因素（如主體的目標等）介入。然而，沒有主體的主觀因素，智能便沒有來源。所以，傳統物質學科范式的科學觀不可能指導人們構建真正的人工智能模型。

由此可以體會到，人工智能的范式革命是多么重要，只有遵循信息學科范式的科學觀，才能建立正確的人工智能模型，才能走上研究人工智能的正確軌道。否則，如果人工智能的全局模型有差錯，后續的研究就必然誤入歧途。

4.2 根據信息學科范式的方法論建構人工智能的研究路徑

在傳統物質學科范式的“機械還原”方法論指導下，人工智能的研究首先被“分而治之”肢解為結構模擬的人工神經網絡研究、功能模擬的專家系統研究和行為模擬的感知動作系統研究三種研究路徑，而且三者互不認可，分道揚鑣，因此無法形成人工智能的統一理論；同時，被“純粹形式化”去掉了所有概念的內涵，成為空心的信息、空心的知識、空心的智能，也就是沒有理解能力的智能，沒有解釋能力的智能，沒有可信賴性的智能。

現在，我們按照信息學科范式的“信息生態方法論”，就可以開創一條真正符合信息學科范式方法論要求的人工智能研究路徑。

為此，首先應當注意到信息學科范式的科學觀所揭示的人工智能全局研究模型（圖1），因為我們必須在人工智能全局模型的基礎上來探討它的研究路徑。模型中主體代理的輸入是客體信息，而它的輸出是智能行為。那么，怎樣才能把輸入的客體信息通過圖1模型中的主體代理生成智能行為呢？

顯然，這個奧妙就在于：主體代理（即人工智能系統）在主體目標的引導下、在主體先驗知識（它表示了在此環境下求解問題必須遵守的客觀規律）的約束下對客體信息進行一系列復雜的轉換加工，形成信息的生態演化過程，最終生成可以成功地與客體打交道（解決問題達到目標）的智能策略和智能行為。

現在就可以把主體代理對客體信息進行加工所生成的“信息生態演化過程”具體表達出來。這其實完全是一個天成自然的過程，十分合理、科學，并不神秘。具體解釋如下。

（1）客體信息是對外部刺激形態的描述，這就是主體要面對、要求解的“問題”。

（2）為了使主體全面了解這個待求問題，主體首先必須掌握這個問題的形態描述。為此，主體必須通過自己的“感覺系統（傳感系統）”生成關于這個客體形態的“語法信息”。

（3）主體還必須通過自己的“目標檢驗系統”檢驗這個客體對求解問題的目標而言究竟有什么作用，并根據檢驗的結果生成關于這個客體對于實現目標而言的“語用信息”，從而使主體可以據此生成自己的“注意能力”：若語用信息為零，就不必注意這個客體；如果不為零，則必須注意。

（4）上述“語法信息”和“語用信息”，就是主體所應當關心的客體的“內容”。為了便于應用，主體可以生成“語義信息”來表示這個內容并予以命名。若以X表示語法信息，Z表示語用信息，Y表示語義信息，就有：Y = l（X， Z）。其中l是算子，它把{X，Z}映射到Y，并對映射的結果命名。

至此，主體就在信息層面上完成了對客體的全面理解，并建立了“注意”機制。主體的所有這一切功能，被稱為“感知”。

不過，僅有信息層面上的“感知”還不足以支持主體對問題的求解，因為信息只是現象，知識才是本質。因此，主體必須在此基礎上進一步形成對于客體的本質理解。于是，有以下工作。

（5）把“感知信息”加工成為關于客體的“知識”。這個功能稱為“認知”。這樣就可以把關于客體的這個知識與主體提供的“種子知識”關聯起來，形成求解問題的知識體系。需要特別提醒，正像感知信息具有語法信息、語用信息和語義信息那樣，由此提煉出來的知識也應當、而且必須相應地具有形態性知識、價值性知識和內容性知識。這樣才能保證系統在信息層面上形成“注意能力”，而在知識層面上形成對客體本質的“理解能力”。至此就奠定了基礎，可以去謀求解決問題的智能策略了。

（6）現在就可以在“目標”引導下，在“知識”約束下，針對主體所理解的問題——“感知信息”推演出解決問題的“智能策略”。這個功能稱為“謀行”（謀劃解決問題所需要的策略和行為）。

（7）最后，通過執行單元把“智能策略”轉換為“智能行為”，并反作用于客體。在理想情況下，就可以解決問題達到目標。

這就是理想情況下的“信息生態演化過程”，也是人工智能的理想框架，如圖2所示。

對照圖1和圖2可以看出，兩者完全一致，都是人工智能的全局研究模型。唯一不同的是，圖2把“信息生態過程”全部顯示出來了，而圖1則是把它隱去了。

圖2表明，這個“信息生態過程”具體就是“信息轉換與智能創生”過程，即“感知”和“認知”屬于“信息轉換”的過程（客體信息轉換為感知信息，感知信息轉換為知識），“謀行”和“執行”則是“智能創生”的過程（由感知信息、知識、目標創生智能策略和智能行為）。

其實，這個“信息生態過程”就是生成解決問題達到目標的智能所需要的工作機制，稱為“智能的生成機制”。可以看到，這個工作機制與具體的應用場景無關，它只要求有“求解的問題”、有“求解問題所需要的知識”、有“合理的求解目標”，至于是什么具體問題、什么具體的知識、什么具體的目標，并無特別的限定。因此，這個機制乃是“普適性智能生成機制”，而實現這個普適性機制的“信息轉換與智能生成規律”就可以名副其實地稱為“信息轉換與智能創生定律”。

這說明，人工智能所遵循的科學觀和方法論聯合作用的結果，就揭示了普適性的智能生成機制。我們把通過基于普適性智能生成機制來實現人工智能的研究路徑稱為“機制主義通用人工智能研究路徑”，而由機制主義通用人工智能研究路徑創建的人工智能理論就是通用的人工智能理論。由此可見，信息學科范式的科學觀和方法論乃是創生通用人工智能理論的“父母”。

事實上，對于人工智能的生成而言，工作的“機制”才是核心，才是根本，而結構和功能都是為機制服務的，具體需要什么樣的結構，需要什么樣的功能，都要根據機制的需要來決定。至于行為，那是機制實現的外部表現。可見，機制主義通用人工智能研究路徑抓住了人工智能研究的全局，抓住了它的根本，而至今還在流行的結構主義人工智能研究路徑、功能主義人工智能研究路徑和行為主義人工智能研究路徑都是人工智能的局部性和淺層性的認識。

顯然，普適性智能生成機制—信息轉換與智能創生定律不是個別人工智能系統的生成路徑，而是通用人工智能的生成路徑。值得特別強調的是，這里的通用性是指“智能生成機制”的通用，即能夠“以不變的智能生成機制成功應對千變萬化的應用”，很好地體現了“以不變應萬變”的辯證法原理。這就有力地消除了“通用人工智能是無所不包，因而無所不能的巨無霸系統”的誤導。

值得指出，人類本身就是一種最為典型的“通用智能系統”，人類面對的問題無窮無盡，人類解決這些問題的具體方法也變化無窮。但是，人類“解決問題所用的機制”是通用的，先獲得問題的信息（客體信息），并把問題的信息變為自己的淺層理解（通過感知功能把客體信息轉換為感知信息），然后不斷深化對問題的深層理解（通過認知功能把感知信息提煉為知識），進而在知識的支持下、在自己追求的目標的引導下通過演繹獲得求解問題的辦法（通過謀行功能獲得智能策略），最后把智能策略付諸行動（通過執行功能把智能策略轉換為智能行為）。人類正是以這種“普適性的智能生成機制—信息轉換與智能創生定律”成功地應對了追求生存發展過程中無數問題的挑戰。

事實上，機制主義通用人工智能理論的“通用智能生成機制”正是在“人類的通用智能生成機制”的啟迪下揭示和闡明的。所以兩者一脈相承，彼此默契相通。

以上就是由信息學科范式引領和規范通用人工智能理論的第一步：構建了通用模型和開創了研究途徑，建立了理想情況下的人工智能理論。由于篇幅所限，其后各個步驟請參考文末的文獻。

5. 人工智能的范式革命：意義

人工智能的范式革命具有多方面的深遠意義，由此展現了其突出的時代性和重要性。

5.1 對本學科的意義：使人工智能的研究從非良性發展的初級階段走上健康發展的高級階段

人工智能是人類千百年來的向往，是現代科學技術擴展人類智力能力的最先進、最高級、最復雜也最精彩的篇章。人工智能的研究走過了80年的曲折路程，一直處在艱辛摸索和悉心探尋自己的學科范式的路段。

人工智能范式革命的重要意義之一在于，它使人工智能研究成功走出了初級發展階段的困境，胸有成竹地走上了人工智能高級發展階段的軌道。

在信息學科范式的科學觀（辯證唯物的科學觀）指引下所揭示的“人工智能全局研究模型”，在信息學科范式的方法論（信息生態的方法論）指引下所揭示和發現的“普適性智能生成機制—信息轉換與智能創生定律”，以及由此所開辟的“機制主義人工智能研究路徑”，使得最終所建構的“機制主義通用人工智能理論”與現有各種人工智能理論（包括最新的成果ChatGPT、GPT-4等）之間形成了鮮明的“隔代”映照，如表2所示。

從表2可以清楚看出，人工智能的范式革命完成了人工智能研究從“范式張冠李戴”的初級發展階段轉變到“范式合理”的高級發展階段的歷史性轉變。

5.2 對整體科技的意義：人工智能的范式革命推動整體科學時代的重大轉變

如表2所示，通用的智能生成機制就是“信息轉換與智能創生定律”：它的最簡潔的表達方式是：客體信息→語義信息→知識→智能策略→智能行為→優化（誤差反饋，學習新知，優化策略，改善效果）→新的客體信息→……

值得特別指出的是，這里發現和揭示的“信息轉換與智能創生定律”，與物理科學的“能量轉換與能量守恒定律”及“質量轉換與物質不滅定律”一起，形成了“物質、能量、信息”三大學科領域完備無缺的科學定律體系。這對現代以及未來科學技術的發展，將具有重大指導意義。

同時，信息學科范式實現了信息學科（特別是人工智能）由初級發展階段向高級發展階段的轉變，這必將有力地推動傳統物質學科主導的科學時代向信息學科主導的科學新時代的歷史性轉變，推動形式化的科學時代向“形式、價值、內容一體化”的科學新時代的歷史性轉變。

5.3 經濟意義：構建智慧化的社會生產力

人工智能范式革命的結果是推動人工智能的研究脫離初級發展階段而進入高級發展階段，普適性智能生成機制—信息轉換與智能創生定律，必定使通用人工智能系統成為能夠成功應對萬事萬物的智能化社會生產工具體系，從而與智慧的人類主體一起構建成為智慧化的（即學習型、創造型的）社會生產力以及與之相適應的社會生產關系。

如表3所示，智慧化（學習型創造型）的社會生產方式是整個社會生產方式發展進步的方向。

馬克思在100多年前就預見了這種智慧化的社會生產方式。他認為，隨著大工業的發展，勞動者不再是生產流程的一個環節，而是站在生產流程的旁邊，對生產流程進行管理和監督。這實際就是馬克思對于“智慧化（學習型、創造型）社會生產方式”的預見和形象描述。

結論

本文的研究表明，人工智能的范式革命建立了信息學科范式的“辯證唯物”科學觀和“信息生態”方法論，在信息學科范式引領下構建了全新的人工智能全局研究模型，開創了基于普適性智能生成機制—信息轉換與智能創生定律的機制主義人工智能研究路徑，建立了基于普適性智能生成機制的、具有理解能力的通用人工智能理論。總之，開創并走出了一條與西方完全不同而又更為優越、更為科學合理的中國式發展道路。

本文的討論也表明，人工智能范式革命的意義遠遠超出了人工智能科學技術領域本身，它對整個科學技術的變革、對中華文明的偉大復興、對整個經濟與社會的發展都產生不可估量的積極影響。總之，它是中國式現代化在科技領域的生動體現。

參考文獻：

[1]鐘義信.漫話信息學[M].北京：科學普及出版社，1979.

[2]鐘義信.信息科學原理[M].福州：福建人民出版社，1988.

[3]鐘義信，潘新安，楊義先.智能理論與技術：人工智能與神經網絡[M].北京：人民郵電出版社，1992.

[4]鐘義信.機器知行學原理：信息、知識、智能的統一理論[M].北京：科學出版社，2007.

[5]鐘義信.高等人工智能理論：觀念、方法、模型、理論[M].北京：科學出版社，2014.

[6]鐘義信.機制主義人工智能理論[M].北京：北京郵電大學出版社，2021.

[7]鐘義信.統一智能理論[M].北京：科學出版社，2023.

作者簡介：鐘義信，1940年2月生，江西龍南人，教授，博士生導師，濟南大學人工智能研究院院長，中國人工智能學會原理事長、紐約科學院院士、發展中世界工程技術科學院院士，北京郵電大學原副校長，國際信息研究學會主席、機制主義通用人工智能理論創始人。