人工智能的本源与展望：从亚里士多德到平行智能 | 原创精选

作者简介

王飞跃，博士，现任中国自动化学会副理事长兼秘书长，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任，国防科技大学军事计算实验与平行系统技术研究中心主任，中国科学院大学中国经济与社会安全研究中心主任,青岛智能产业技术研究院院长。主要从事智能控制、机器人、人工智能和复杂系统的研究与应用工作。2003年起先后当选IEEE、INCOSE、IFAC、ASME和AAAS等国际学术组织Fellow。2007年获国家自然科学二等奖和ACM杰出科学家称号，2014年获诺伯特•维纳奖。

文字整理

王泽宇，北师大本科生，集智复杂文摘翻译群成员

审校

王晓，中科院社会计算专业博士，复杂实验室助理研究员

圣诞节我真是好长时间没过了，今天非常高兴参加集智的AI圣诞年会。其实今天讲学术活动有点不合时宜。我们来讲讲人工智能之父们吧。我记得我一年半前坐飞机时看到了丘吉尔的这句话：“回顾历史越久远，展望未来就越深远。（The long you can lookback, the farther you can look forward.）”我发现现在好多人都引用丘吉尔的这句话，所以今天我们也该回头回顾一下AI的这段历史。

一、甲子AI：维纳的催生与波普尔的重生

1.AI的产生

大家都知道60年前，即1956年在美国的汉诺威Dartmouth开了一个会，这个会议是很有意思的。会议的召集人约翰·麦卡锡（John McCarthy）为什么会走到这个领域呢？他是1948年在Caltech参加了一个认知科学的会，参加之后他觉得认知科学和大脑联系起来是个令人激动的领域，所以他决定做这方面的研究。

先说当时研究这个领域的第一个人，是维纳（Wiener）。他的Cybernetics翻译成中文是“控制论”，这是个蛮困惑的事情，它的原意不是控制，控制只是它很少的一部分。维纳写这本Cybernetics就是为了解决人跟机器、机器跟机器之间的通信问题，它讲认知科学的部分最多。最初把它翻译成中文的是4个社会科学家，最初打算翻译成“机械大脑论”，但那时候苏联批Cybernetics，中国的政治环境怕被人说成是在搞唯心论，所以后来就把名字定为“控制论”。

接着讲第二个人，就是麦卡锡。他最早受维纳的启发，也研究Cybernetics。但当时维纳跟皮茨（Pitts）、麦卡洛克（McCulloch），就是发现神经元网络的两个人闹翻了，此后麦卡洛克不再参加研究，而皮茨干脆酗酒，后来去世的时候年仅四十几岁。所以那时候大家都怕维纳，都跟他保持一定的距离。麦卡锡开启的领域其实是沿着Cybernetics走下去的，但是他想找一个新的名字，当时他有个可选的名字叫做Automata，其实那段时间他研究Automata研究得非常深，和香农（Shannon）合编了一本书专门谈Automata，所以50年代基本是Cybernetics和Automata，他想起一个不一样的名字，最后他就建议命名为ArtificialIntelligence。当时赫伯特·西蒙（Herbert Simon）就说最好不要叫Artificial Intelligence，因为这个名字让人听起来不严肃，又有点骗人的意思，他建议叫复杂信息处理（Complex InformationProcess）。我觉得幸亏起名叫ArtificialIntelligence，否则这个领域到现在都没人关注。

但是AI到底是什么意思，我觉得Nilsson说得蛮对，他说Artificial Intelligence就是Automation of Intelligence，就是智能的自动化。美国白宫刚出了一份最新的报告，讲人工智能ArtificialIntelligence的解释就是automation再加economics，自动化再加经济，把它串起来就是人工智能。所以我觉得人工智能最好的解释就是智能的自动化，我们今天做知识自动化正好是沿着这条路。我们看工业时代的特征是什么？就是工业自动化。那么智能时代、知识时代的特征是什么？就是知识自动化，这才是人工智能的核心。

2.智能的历史

我觉得十分巧合的是，16年年初我去了德国的汉诺威，三年前工业4.0就是在这个地方被提出来的。有一家叫做Phoenix Contact的公司，我和它的全球CEO聊天。聊天时他们说到莱布尼茨（Leibniz）就生在汉诺威，而我印象中莱布尼茨生在莱比锡，后来一查，原来莱布尼茨是整整三百年前死在汉诺威的。为什么要说莱布尼茨呢？

其实人工智能的远古史就是三个人的三点一线。最早就是亚里士多德（Aristotle），他提出三段论、形式逻辑，推理的科学就是这么来的。中间就是莱布尼茨，我们都知道他和牛顿分别独立发明了微积分，他除了弄出来微积分以外，还弄出来了一个东西，我觉得可以叫脑积分，brain calculus。为什么？他想用机器来做推理的积分，我觉得这就是最早的做、智能计算机的鼻祖。大家知道莱布尼茨还发明了二进制，他写过一篇文章，专门研究二进制跟八卦的关系，这是他当选法兰西院士之后写的第一篇文章。其实我们今天也能够讲，八卦其实就是最早的知识自动化。它把整个天下大势——这么一个复杂、不确定、多样的系统都归结到六十四卦里面去，这不就是活生生的知识自动化吗？二进制的发明，是今天计算机智能科学的基础。

那么最后真正把这个东西变成科学的，则是布尔（Boole）。布尔写过一本书叫The Laws of Thought，即思维定理。多年之后，发明信息论的香农的硕士论文就是把这个定理翻译成现代形式，现在电路设计用的就是它，它之后就产生了数理逻辑。关于布尔还有一件事，就是他的重孙子Hinton就是今天深度学习领域最有名的人。

当年在英国，布尔、巴贝奇（Babege）、德·摩根（De Morgan）三个人跟德·摩根太太的叔叔学印度哲学，研究逻辑就是在这上面发展起来的。巴贝奇有一个助手叫Ada Lovelace，她是德·摩根的学生。现在英国人把她吹捧成世界上第一位程序员，还是女程序员。计算机领域还设立了Ada Lovelace奖，还有美国以前很有名的分布式计算机语言叫Ada，现在也还在用。其实这个人到底有多大贡献我不知道，但她的父亲很有名，他父亲就是拜伦，至少我当学生的时候对拜伦十分崇敬，买了拜伦传、拜伦诗集等一系列关于他的书。

现在我们就可以看出人工智能演化的两个学术家族。第一条主线从亚里士多德开始到莱布尼茨再到布尔，再下来是大卫·希尔伯特（David Hilbert），德国的大数学家。他是第一个提出把数学机械化的人，在1900年8月8日的国际数学家大会上他提出了23个问题，即希尔伯特问题。他还提出了一个纲领，其中提到形式化和机械化。给我印象最深的就是point、line、plane，就是点线面，他说啤酒瓶子、桌子这些东西都是等价的。然后全世界形成一个思潮，叫打起你的背包，到哥根廷去，因为他在哥根廷大学，所以说他影响了一代人。

希尔伯特尤其影响了两个人。一个是罗素（Russell），罗素当时非常认同希尔伯特的想法，就跟他的老师怀特海（Whitehead）合写了一个三卷本的书，叫《数学原理》，PrincipiaMathematica。书中花了70页来证明1+1=2，所以罗素说，全世界没几个人读他的这本书。但是这本书对人类有巨大的影响，第一个影响的是哥德尔（Gödel），哥德尔读了这本书，就提出证明这本书是不完备的，弄了个不完备定理。第二个人是图灵（Turing），他证明这本书不但不完备，还不可判断，这就是halting problem，图灵机就是这么来的，还有可计算数的概念，后来的计算机就是这么来的。第三个人是冯·诺依曼（Von Neumann）。冯·诺依曼读了图灵研究这本书的paper之后觉得计算机就可以这么做，还发现图灵就在他的斜对面，那时候冯诺依曼是教授了，图灵还是个博士生。之后他就把这个概念转成设计计算机的原理，这就是冯·诺依曼结构，今天计算机结构还是用的冯·诺依曼结构。

这本书还影响了三个人，第一个人就是维纳。他本来是要学动物学，在读了这本书之后就专门要研究这本书，博士论文就研究的这本书。于是他转向数理逻辑，后面做数学，做Cybernetics。第二个人是麦卡洛克，他是学心理学的，读了这本书之后觉得大脑就应该像这本书说的这么工作，于是他就转成研究大脑了，做了世界第一个大脑的功能图，后来到芝加哥开了世界第一个关于大脑的实验室，跟维纳做Cybernetics。第三个人是皮茨，他就更传奇了。他出生于贫困的家庭，他父亲揍他，街上的小孩也揍他。有一天他躲到图书馆去，一头和三大本的《数学原理》撞上了。他小学都没毕业居然无师自通，藏在图书馆花了一个星期读这本书，还写了十几页的笔记寄给了罗素。罗素一看非常有水平，请皮茨去跟他读研究生，但皮茨一是没钱去，二是他连个小学都没毕业怎么读研究生呢，所以这件事就搁在一边。后来罗素到芝加哥去讲学，皮茨从此离家出走，到芝加哥去找罗素，再也没有回过家。他在芝加哥遇到了麦卡洛克，因为没地方住就住到了麦卡洛克家里面去了。两个人晚上聊天，侃大山，就侃出了世界上第一个神经元网络模型来。今天的神经元、深度学习，就是这么来的。以上是一条线。

还有一条线，这是主线，一直到今天的深度学习等等。德·摩根我们都知道他的De Morgan’s laws，怀特海是德·摩根的学生，而罗素又是怀特海的学生，罗素还有个学生在逻辑学上很有名，叫维特根斯坦。怀特海还有个学生就是蒯因（Quine），写过Wordand Object，就是讲虚与实。他有个中国学生叫王浩，王浩以前在中国跟金岳霖、冯友兰学哲学，后来到哈佛跟蒯因继续读哲学。但他不太瞧得起蒯因的，后来就自己做数理逻辑，从数理逻辑进入计算机定理证明。他是全世界华人里面第一个做人工智能的。他用五十年代最简单的计算机花了十几分钟就把他师爷、师叔在《数学原理》中花了十几年证明的那几百个定理证出来了。后来人工智能很有名的“数学定理机械证明里程碑奖”就给了王浩。王浩的学生库克（Cook），他是专门研究定理证明的复杂性，本来在伯克利，因为一直没有论文面临被考核不通过的危险；后来跑到加拿大，一去了就发表了关于复杂性的研究，NP-Hard等问题就是这么来的，第二年就拿到了图灵奖。这就是从数理逻辑角度来看这段历史。

3.人工智能十杰

早些时候人工智能还处于低潮，很少有人愿意去做，所以我们为了鼓励大家做这个工作，弄了一个人工智能名人堂，选了十个人，今天简单介绍几位。首先是做专家系统的Feigenbaum，现在还活着，80多岁了。接着是之前说过的人工智能之父麦卡锡。接下来是名人堂里面最有哲学思想的Marvin Minsky，他的博士论文就是研究随机连接的神经元网络的。但是1969年他写了本书，把神经元网络打死了，而且打死了整整10年，10年没有人再碰，待会我还会讲[1]。

接下来Douglas Engelbart，我觉得这个人对人工智能贡献蛮大的，好多人都忘了他。他应该是Internet网之父、鼠标之父，而且他还是最早做加强现实(AR，Augmented Reality)的。他也蛮传奇的，二战时候他在菲律宾当兵，美国给每个士兵都发杂志作为消遣，他在Atlantic杂志里面读了Vannevar Bush写的一篇文章，题目叫“As We May Think”，随你想。他在里面提出了一个memex的概念，就是通过一个小机器把你跟图书馆连起来，图书馆就像你的一部分，你通过这个小机器就能要什么知识得到什么知识。他觉得这个思想非常好，决定一辈子就干这个了，所以二战一结束他就去伯克利读书。他想研究这个领域但他导师不让，所以他一毕业就自己干，学校不让他做，他就去了Stanford ResearchInstitute International，SRI，继续做这个东西。当时他把这边开会的图像传到另外一个房间里面，那个房间就可以看，这就是Internet网最初的概念，演示就是在旧金山进行的[2]。给他支持的人是Licklider，ARPA项目的主持，他看到这个想法好就继续给钱，Licklider还提出计算机不是用来计算的，是做通讯的。所以现在大家公认互联网的pioneer，第一名就是Bush的memex想法，第二个人就是我们说的Douglas Engelbart，他使一个场景让大家共享，第三个人就是Licklider，他作为项目主持人，认为计算机是用来通讯的，最先提出了通过链接建立“network of thinking centers”，后设立了ARPAnet，后来就变成Internet。

第五位是做万维网的Tim Berners-Lee，第六位是Lotfi Zadeh，第七位是Noam Chomsky，第八位是Raj Reddy，第九位是Judea Pearl，概率图是从他开始的，我们选他为名人堂成员之后的第二年他就得了图灵奖。最后一位是Nilsson，到现在还没得过图灵奖。但横跨人工智能和机器人两个领域他算是第一个，他最早做的名为Shakey的机器人，为了让Shakey找路，他发明了A*算法。第一本正经写机器学习的书就是他写的，但那时候不叫机器学习，叫学习机器(《Learning Machines》)，书里面证明了多重网各种各样的性质。他还写了本关于人工智能历史的书，TheQuest For Artificial Intelligence，不知道翻译完没有。还有本书叫Understanding Beliefs，一个小册子，我们刚刚把它翻译出来，这个月或下个月出吧。他现在退休到Oregon安度晚年，每年9月份回一趟斯坦福，因为他有种病，每年必须到斯坦福去换一次药。

4.波普尔的重生

我们说从Church-Turing Thesis到AlphaGo Thesis有两个默顿定理，第一个默顿定理就是Church-Turing Thesis。其实那个Thesis没人能证明，计算机是不是一定要靠图灵机这种机制算到现在谁也说不清楚，而且根据哥德尔不完备定理，它就是说不清楚，但是冯·诺依曼相信它是真的，依据它的机制提出了冯诺依曼结构，现代的计算机就来了。我觉得将来要有一个AlphaGo Thesis，其实就是解决库克研究的那个复杂性问题。我叫这种AlphaGo的方式为ACP(Artificialsocieties+computational experiments+Parallel Execution)，就是说要把小数据倒弄成大数据，再把大数据导成小定理小知识来解决问题。我们看AlphaGo就是把人下的十几万盘棋拓展至三千、五千万盘棋，把小数据导成大数据。数据太大了人就会淹死在数据里，必须要把它再缩下来，把这个大数据缩成两个小知识，一个是价值网，一个是政策网。AlphaGo拿这两个小知识，就把人类打败了。这就是从牛顿到默顿，从小数据大定律到大数据小定律。AlphaGo对我来说预示了IT意思又变了，IT已经变了三次意思了。二百年前IT是industrial technology，60年前IT变成information technology，60年一个甲子，现在它又变成了intelligent technology。这就是我说的关于智能的默顿定理，大家都相信这个，智能社会就来了。

我说它有很深的哲学原理，这就是波普尔的三个世界理论。波普尔认为这个世界由三个世界组成，第一世界是物理世界，特点是血缘不对称；第二世界是心理世界，特点是资源不对称；第三世界是人工世界，特点是智力不对称，正好它需要人工智能，这个世界就是数据加智力。我们就是要开发波普尔的第三个世界。所谓人工智能，人工能有多广，智能才有多深。

二、盛夏与严冬：春天在哪里？

1.人工智能的冬天

对于人工智能，最初大家都很乐观。1958年，西蒙说十年之内电脑就能成为象棋冠军，结果一直到40年之后这一目标才实现。过了十年，西蒙又说，在1985年之前，只要是男人能做的事，电脑都能做。他唯一保留的就是电脑不能生小孩。不过最初冯·诺依曼写的第一篇关于智能的文章就说机器可以自我产生、自我繁殖。Minsky在1970年预测，在1980年之前，将会产生一台具有人类平均智能的计算机。然而到现在大家都觉得50年之内达到这个目标也够呛。这是因为人工智能大大小小至少出现了九次寒冬，我今天列了其中的六次。第一次是机器翻译的失败，举一个例子，机器把英文的“心有余而力不足”翻译成俄文就成了“伏特加酒香而肉已经臭了”，但是比如spirit它有精神的意思，也确实有酒的意思，这就像传话，传来传去没几个人就会变样。再比如把“眼不见心不烦”翻译成“盲目愚痴”。

第二个冬天是放弃神经元网络。Minsky和Parpert出的书Perceptrons第一版弄的红色封面，就这个封面使得Perceptrons之父Frank Rosenblatt死了。那时候觉得Perceptrons就是智能的开始，有了Perceptrons所有智能的问题都能解决。但Minsky出的这本书说它连最简单的xor（异或问题）都搞不定，没任何用处。他自己还写了个内部报告，里面不但把Perceptrons说得一塌糊涂，还隐含Frank Rosenblatt这个人有问题。结果这本书出了之后，说是因为事故，Frank划船的时候淹死了，其实好多内部的人觉得他是实在受不了这个打击自杀了。Rosenblatt和Minsky是一个中学毕业的，这件事一出来他们俩也觉得不好意思了，所以他们就把这本书重出了一遍，把这本书献给了Frank Rosenblatt，颜色也改成了绿色。这件事我觉得有点不地道，因为后来神经元网络又复活的时候，Minsky和Parpert说他们从来没有要把它打下去的意思。这件事对Rosenblatt也有些不公正，在深度学习的历史上是一个悲剧。我们整整失去了十年的时间。

第三次是Lighthill做了个报告，提出“人工智能是海市蜃楼”，导致英国对AI的研究大量减少。第四次是DARPA再次削减了AI学术研究。第五次是LISP机市场的崩溃，专家系统发展陷入低谷。

第六次是第五代计算机的终结。1982年时的日本比中国有钱，有了钱提出科学振兴要建第五代机，要基于模式识别，基于prolog语言建新一代智能计算机.结果还没干到4年,大家觉得这条路走不下去，最后也停止了。所以那段时间大家就反思人工智能，再加上当时股市垮台，对相关研究人员的冲击蛮大。

2.越冬的努力

Nilsson和他的学生写了一本书，LogicalFoundations of Artificial Intelligence，这个逻辑系统讲的是Neats，所谓“纯净派”，也有人翻译成“净衣派”，把Minsky的道路叫“污衣派”或“邋遢派”。我1989年写了文章评价LogicalFoundations of Artificial Intelligence和Foundation of LogicProgramming两本书。我自己还写了我自己的Prolog。那么在今天计算智能复活，比如我们看到布尔的重孙子Hinton的工作，今天的深度学习、深度神经元网络确实是一个复兴。

有一本书其实写得很好，但让中国人忽悠坏了，这本书叫OnIntelligence，Jeff Hawkins写的。他是论人工智能，讲以后的人工智能是类脑的人工智能，他根据大脑皮层理论提出memory prediction机制，我叫它DP机制，就是description prediction机制。咱们十年前把它翻译成《人工智能的未来》，我就说这本书是挂羊头卖狗肉，但羊头是真的，狗肉味道也不错，所以我觉得他的思想蛮好的，但是翻译成这样好多人拿它当科普书读了，没有用这种方法来研究人工智能。十年之后，就是去年，这本书又被重新翻了一遍，也换了个名字，叫《智能时代》。我就说这是被忽悠了两遍还没把信息放出去，但是现在有人已经注意到这种方法，想做类脑智能，我觉得这确实是一个前途。

威胁论要讲一下。我很不赞成人工智能威胁论这种说法，它连哲学问题都不是，只有靠时间来验证。现在霍金整天讲威胁论，我个人感觉他是需要有人关注，才有经费来源或者维持他的影响力。他说人工智能到来就是人类的终结，我就用他当年捍卫相对论说的那句话，你不能把飞机失事怪罪于地球引力，同样我们也不能把人类的终结怪罪于人工智能。我觉得大家对人工智能要有三心：随着时代召唤，我们要开发第三世界——人工世界，它需要人工智能，大家要有激动之心，特别是年轻人；智能技术是科学发展的必然，所以大家要有敬畏之心；还有一个就是大家要有平常之心。

三、智能的希望田野：黑暗中的另一半

人工智能到现在只有夏天跟冬天，它的春天和秋天在哪里？我觉得在于大家对于人工智能的重新认识。我觉得爱因斯坦讲的最有道理：“智能的真正标识不是知识，而是想象！” 问题是怎么想象，就是要有多样性、复杂性。

回到我们中国传统的的阴阳来。智能在英文里面有两个意思，除了智能之外还有情报的意思。在二战之前情报就是间谍、特务，二战之后就变成了“情报就是知识”，而且是有行动、有组织的知识，所以对我来说它是一个硬币的两面，智能就是开放的情报，情报就是封闭的智能。KAO（Knowledge +Action +Organization）就是以后智能发展的方向，这就是为什么谷歌、百度它们要做智能，因为它们本身就是搜索情报的组织，再加上企业的行动，这就是未来所有公司的发展方向。

我自己也做了这方面的研究，一个是情报5.0的时代要启动。再一个就是管理、控制的5.0时代也要到来。我觉得它的目的就是要从UDC（Uncertainty,Diversity,Complexity）到AFC（Agility, Focus, Convergence），把不定、多样、复杂变成灵捷、聚焦、收敛。这就是虚实合一的智能——平行智能。

四、平行智能：从复杂的CPS到活的CPSS开放

怎么去平行呢？大家要去想象。问题是由于经济原因，由于法律原因，由于道德原因，由于科学原因，想象在物理世界与心理世界是开放不了的。但可以在新的世界开放，这个世界就是第三世界，即在人工世界里才可以开放。因为在物理世界我们只是行动的主体，心理世界我们是认识的主体，只有到人工世界我们才是真正的主体。所有的实验我都可以在人工世界做，对人类不会产生任何坏的影响，没有污染也没有浪费，所以我们必须要考虑平行世界。

网络时代，我们的思维是CPS（Cyber-Physical Systems），而智能时代的思维要拓展成CPSS（Cyber-Physical-Social Systems）。只有你考虑CPSS，你才能从传统企业转型到智能企业。（2010年）我就写了一篇文章，叫《The Emergence of Intelligent Enterprises: From CPS toCPSS》，在这个基础上我们才能产生智能产业。2010年我还写过一篇文章——《迎接智能产业的兴起》，写文章之前我和学生到网上去搜，发现没有“智能产业”这个词。这才是6年之前，现在智能产业到处都是，所以时代变化真是快。

这就是平行的结构，以后所有东西都要这么平行，我们人类社会就这么来的。大家想想，我们为什么被称为儒家社会、东方文化？两千年前孔子的言论被其门徒集结成一本小册子叫《论语》，《论语》里面提出一个人工中国来，这个人工中国的社会结构是“君君臣臣父父子子”，个人理想的行为是“己所不欲勿施于人”，人工中国的社会结构、标准行为放在那个小册子里面，跟我们的实际社会滚动交互了两千多年，最后中国变成了儒家社会、东方文化。同一时期西方也有个小册子，是柏拉图写的，叫做《理想国》，他也提出一个人工社会来，那个社会的结构是理性、法治、投票、哲学王治国，个人行为跟咱们正好相反，是己之所欲也施于人。他提出的理想社会也是和实际西方社会滚动了两千年，中间文艺复兴、解放思想、科学产生，最后演化成今天的西方文化、法治社会。

它的科学实质我认为就是要跨越模型世界与实际世界的认知鸿沟。当复杂性小的时候，就是大定律小数据，牛顿定律只有几个参数，就敲定全世界，同样爱因斯坦的方程只有几个参数，薛定谔方程只有几个参数，麦克斯韦方程也没几个参数，这都是大定律小数据。但复杂性提高了，就变成了默顿系统、默顿定律，大数据小定律，这就是不一样的地方。牛顿系统中你分析一个行为，你却不影响它的行为，比如你说明天明天下雨，而明天下雨还是下雪跟你没关系。而你要是分析股市，你说这个股明天要升，它就会影响行为，所以默顿系统和牛顿系统有着本质的不同。

大家要注意，这个鸿沟要靠大数据来填。大数据到底什么意思，对我来说就是两句话，三件事：“除了上帝，其他任何人都必须用数据说话”，“预测未来最好的方法，就是去创造未来”；即数据说话、预测未来、创造未来。Jeff Hawkins的模型叫memory prediction，我觉得也要扩展一下，要memory ,prediction加prescription。所以我们做的是人工社会、计算实验、平行执行，从而由数据说话、预测未来、创造未来变成了描述情报描述智能、预测情报预测智能、引导情报引导智能。

那么这需要思想的解放。我们知道，从经典物理到近代物理，我们承认了波粒二象性，否则就没有量子力学、相对论。我们的智能要开放，也要承认虚实二象性，virtual real, realvirtual，虚的就是实的，实的就是虚的。再简单举一个例子，x2+1=0，只考虑实数的话无解，量子力学、相对论的方程就没法写。但是四百年前有人就想出了虚数来，虚数中文意思蛮文雅的，英文叫imaginary number，就是神经病想出来的数。但它解决了大问题，引入虚数以后，数的人口翻了一倍，解空间也扩大了一倍，没解的东西有解了。所以概念的创新扩展了解的求解空间。十多年前我提出，要解决复杂问题、智能问题，就要把我们的生活空间也扩大一倍。我们的生活空间一半是实的，一半是虚的。十多年前说这话大家像听玩笑一样，今天我们好多年轻人花在虚拟世界的时间比实际空间还要多。在这个空间里面虚数就是平行，它的基础结构就是CPSS。里面所有东西都是平行的，人是平行的，设备是平行的，工厂是平行的，所有都是平行的。机器人是平行的，无人机也是平行的，这样就把软件机器人和物理机器人合二为一变成平行机器人。

可见要跨越之前所说的认知鸿沟，不但要有大数据，还要有平行，这样才能架一座桥跨越这个鸿沟。所有不同的东西都要建立这种平行的联系，这样才能实现从UDC到AFC。我觉得将来智能机器就是打通三个空间，即物理空间、社会空间、网络空间cyberspace。它不是机器换人，而是机器扩人、机器度人、机器化人。它会产生一系列新的工作，就像计算机的出现产生一系列工作一样，三十年前我们没有软件工程师、没有网络工程师、没有架构工程师，现在都有了，大家从农民变成工人又变成当今的码农了，所以不要担心机器把人换掉，换不掉。

五、新IT时代：平行产业与工业5.0

接下来我要说我们已经进入一个5.0的时代。这是我当年做博士论文时我的导师给我画的三个圈，什么叫做智能机，就是人工智能(AI)加运筹学(OR)加控制(Control)，还给我三个框，最上面是组织层，中间是协调层，下面是执行层。我当时很犯愁，那时候还严格区分机器智能和人工智能，现在大家再也不谈它们之间的区别了。后来我们俩写了一篇NASA的报告是有关智能机理论的，我在这个基础上写了智能机器的协调理论，完成了我的博士论文。论文引进了机器学习、game theory等新方法，我当时觉得是硬凑出来的，没想到今天机器学习也火了，game theory在Uber、滴滴打车上也在用了。

我工作之后换到了另外一个NASA中心，中心主任是Terry Triffet。我们是做机器人，他们是研究到月球、火星上去挖矿，研究怎么产生氢气，产生能源。他有个好朋友叫Herbert S.Green，是理论物理学家，做量子力学、统计物理等。Green是社会主义者，他不相信人类能做出正确决策，认为以后的决策都要由机器、人工智能来做，这样才能公平。他还喜欢下围棋，所以他写了世界第一个用人工智能下围棋的程序。Green和Triffet在一次会议上认识，两人就商量怎么能把量子力学纠缠的概念用来研究人工智能，研究人的意识。他们两个人做了三十几年的研究，写了一系列的书。后来Green耳朵不好，一般不大爱跟人讲话，他动员我来做围棋，我说不做，动员我做量子力学的纠缠，我说我也做不了。

后来我的第一个自主项目就是Terry Triffet给我的，做大脑的建模。我拿到这个项目后就让我的研究生来做，结果我第一个研究生来自美国，坚决不做；第二个是南韩的研究生，也不做；后来有个中国学生，觉得我们现在对大脑简直是一无所知，怎么建它的数学模型呢，所以他也不做。但是这几个人我觉得确实是不一般。后来我没有办法了，既然拿了项目总得做吧，我就考虑从大脑知识构建的角度来进行建模，在1992年就写了它的第一篇论文，讲在神经元网络里面怎么建立知识结构，就是把大脑的结构建到神经元网络里面去，它其实就是沿深度网络方向走的。后来我的第二个研究生，来自南韩的Kim跟我做这个题目，1995年发表的论文里就讲怎么来建，就是把规则和神经元网络对应起来，右边九重的网跟九条规则是一一对应的，它的好处就是规则很简单，易实现，我们叫它Neuro-Fuzzy Network。我们最近一篇叫Wheredoes Alphago Go，就是AlphaGo最后会走向何方，我觉得最后就是走向平行。这个太学术了，今天晚上不讲。

我们再来看情报的发展。一战之前是人员情报，做情报分析也叫Humint，是机械化的情报1.0；到了二战就成了Sigint，是电气化的情报2.0；冷战时期靠卫星照相，叫Imint，是信息化的情报3.0；网络时代就变成了Osint，网络化的情报4.0；现在就是平行化的情报5.0，Parint。指挥控制的发展也是这样，机器人的发展也是这样，最后说工业。工业4.0是过渡期，很快就过去了。去年我就发现德国人说它的工业4.0已经不是以前文件里说的那样了，以前文件里面一个“平行”也没有，很少说智能，现在他们就开始讲平行，讲虚实互动，讲交互，跟我们说的是一样的。我相信5.0是交互的，为什么呢？我们说的三个世界，每个世界都有一个主体，第一世界是交通网，把人动起来了；第二世界是信息网、因特网，把信息交互起来；第三世界的网我管他叫智力网，就是Minsky书里面的the society of mind，是心智的网络。每两个世界中间还有一个过渡网，第一世界跟第二世界的过渡网是电力网、能源网，第二世界跟第三世界的过渡网是物联网。工业4.0是基于CPS的，它其实就是网络工业，下一步立即到了智能工业，它就是这样的过渡。我们从2012年开始策划，到2014年在青岛成立了智能产业技术研究院，就是想做智能产业的“黄埔军校”。

六、迈向智能社会：直道上的超车

我们说最后走向智能社会，智能社会也是平行的，将来由软件定义的社会与实际社会交互，监控你、帮助你、服务你。以后真是个监控的社会，这个是不可避免的，大家拿数据说话。将来没有任何组织可以忽略智能技术，你要是忽略智能技术，你就是拿着大刀红缨枪跟洋枪洋炮来PK，如若不败，天地难容。

将来就是一个可编程的世界，软件定义一切。未来的企业要看有多深的知识就有多大的实力，软的就是实的，是铁打的营盘，我们这些物理的都是流水的兵。所以以后你的智力有多深不是你有多聪明，而是软件定义的你有多聪明。你从小生下来就要买各种各样的软件机器人，帮你记事，帮你做各种各样的工作，从你一生下来就把你该记的东西都记下来，跟你一起生活、一起学习、一起工作，你将来不是单纯的你，你有一个属于自己的庞大的组织、庞大的王国，你是你那个王国的King、Emperor，我们就是要靠它们来弥补我们智力上的不对称。

在第一世界，出生在贵族皇家你才能享受，现在我们每一个人比两百年前两千年前皇帝过得都好，即血缘的不对称被弥补了。现在物联网、计算机兴起，将弥补我们信息上的不对称。但是人类没有不对称就要灭亡，我们存在的理由就是还有不对称，下一个不对称是智力的不对称，智能就是弥补我们的智力不对称。所以我还是那句话，人工能有多广，智能才有多深。

最后说现在到处都喊“弯道超车”，我最不喜欢喊“弯道超车”。一个小国家可以弯道超车，我们是14亿人口的大国，它怎么会弯道超车？到了弯道大家速度要慢下来的，这是为了大家的安全。弯道超车，这是一个不正确的思维，我们必须直道超车。直道超车之后，我觉得就是这句话，“引领世界潮流，迈向智能社会，正立民族之林”。最后有句话送给大家：非兵不强，非德不昌，强昌不霸利天下。祝大家新年更上一层楼。