封面故事：人工智能的范式革命

引言

现代化，是一个与时俱进的动态概念。不同的时代，有不同的现代化内涵和特色。农业时代有农业时代现代化的内涵和特色，工业时代有工业时代现代化的内涵和特色。当然，信息时代和智能时代也有与之相适应的现代化内涵与特色。

中国式现代化，是在世界历史和中国历史正在经历的“百年未有之大变局”时代背景下的现代化概念，因此，与原有各种现代化概念的内涵与特色有着重大区别。从科学研究的角度看，这一时代的“大变局”表现在研究对象已经和此前千百年来的研究对象大不相同：历来的科学研究對象都是各种各样的物质客体，严格限制人类主观因素的介入；研究的目的是要认识物质客体的结构与功能；而现今时代的科学研究对象则不仅要研究物质客体，而且要研究人类主体，尤其要研究在人类主体的主导下和在客观规律的约束下人类主体与物质客体之间相互作用所产生的信息生态过程，研究的目的是要实现人类主体与物质客体的合作双赢：既要满足人类不断追求更好生存与发展水平的需要，又要维护客观规律的运行。这是一个跨越千年的历史性飞跃，一个划时代的伟大转变！

在这样崭新的时代背景下，中国式现代化（包括中国式科技现代化）的内涵与特色和以往时代以及其他国家的现代化内涵与特色显然不可同日而语！我们不能照搬西方国家所宣扬和追求的现代化模式，而要立足中国、放眼世界、继往开来创造中国特色的现代化模式。

2023年7月习近平总书记在江苏考察时指出：“中国式现代化关键在科技现代化。”科技是第一生产力，是引领和带动国民经济各行各业以及社会领域各个部门现代化的通用引擎。中国科技工作者在实现中国式现代化的事业中既肩负着神圣的历史使命，又肩负着光荣的时代职责。

一位伟大的哲人说过：科学技术的天职是协助人类从自然力的束缚下获得解放，使人类能够实现他们最大的社会价值——从事创造性的社会劳动。

历史印证了这一深刻的论断：农耕时代的科学技术通过创造各种优质材料产品使人类的体质能力从自然力的束缚下不断获得解放，工业时代的科学技术通过创造各种高效能量产品使人类的体力能力从自然力的束缚下不断获得解放，信息时代的科学技术则正在通过创造各种聪慧的智能机器使人类的智力能力从自然力的束缚下不断获得解放。

值得注意的是，科学技术的进步和人类能力的解放都是不断积累、不断强化、不断深化的过程。工业时代的科学技术成果不但实现了社会生产以及社会活动的工业化和人类体力能力的解放，而且装备了农业生产过程、强化了人类体质能力的解放。同样，信息时代的科学技术成果不但要实现社会生产以及社会活动的智能化和人类智力能力的解放，而且要装备工业生产和农业生产的过程、深化人类体力能力和体质能力的解放。这正是“人工智能”科学技术在当代中国式现代化事业中扮演的角色。

那么，我们应当怎样做好人工智能科学技术的研究，创造性地推进经济与社会的智能化，使之成为中国式现代化事业的名副其实的通用智能引擎呢？这是本文要讨论的基本问题。

1. 人工智能：从存在的问题谈起

半个多世纪以来，人工智能科学技术的研究取得了不少进展，有些甚至是惊人的进展，如20世纪90年代战胜国际象棋人类世界冠军的Deep Blue，21世纪20年代战胜60多名围棋世界顶尖高手的AlphaGo，以及新近问世的ChatGPT和GPT-4等。与此同时，人工智能的研究也存在很多问题。其中，以下两方面的问题影响最为深远，最值得共同关注。

第一个问题是，在研究的体系上，至今人工智能没有统一的理论，也没有通用的人工智能系统。

人工智能科学技术是20世纪40年代孕育和发展起来的。那时，学术界普遍认为：人类的智能是人脑的产物；人脑是一类复杂系统，具有结构、功能、行为三大维度。其中，结构是第一位的，只有具备了合适的结构，才能产生合理的功能和相应的行为。因此，按照复杂系统“分而治之”的方法论，人工智能的研究就被分解为结构模拟、功能模拟和行为模拟三种研究路径。具体就是：

① 1943年发端的结构主义人工智能研究（人工神经网络）；

② 1956年兴起的功能主义人工智能研究（物理符号系统，后来则是专家系统）；

③ 1990年登台的行为主义人工智能研究（感知动作系统）。

遗憾的是，三种研究各有各的学术信仰，于是各持己见，互不沟通，互不认可，直至分道扬镳，至今都未能形成统一的人工智能理论。对于一个学科来讲，没有统一的理论，不能研制通用的系统，是一个非常严重的问题。

第二个问题，在研究的深度上，所有人工智能系统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，因为它们战胜了与之竞赛的人群。但那只是在特定约束下通过远超人类所能拥有的极为丰富的样本储量和极为快速的计算能力所呈现的令人惊奇的表现，都不是可以理解和解释的真实智能。之所以会产生这样的表现，原因在于，它们都是在“纯粹形式化”（即只保留了事物的形式而丢弃了事物的内涵——内容和价值）方法所造成的“空心概念”基础上工作的。事实上，无论是人类还是机器，面对只看见其形式而不了解其内容和价值的陌生事物，都无法实现理解。在这种情况下，人工智能系统只好利用足够大规模的同类样本资料和极其快速的计算能力、通过统计方法来“猜测”（而不是理解）面对的事物。所以，Deep Blue、AlphaGo、ChatGPT和GPT-4都只有“统计猜测”能力，而没有理解能力，没有解释能力。这就是它们时而正确时而错误，不可信赖的技术根源。

由此可见，产生上述问题的根本原因，是采用了“分而治之”和“纯粹形式化”的方法论。不过，方法论并不是独立的理论，它是为科学观服务的，方法论有问题就意味着它所服务的科学观也有问题。换言之，上述问题的根源，是在科学观和方法论两者的身上。

众所周知，科学观启迪人们：这类研究对象的本质“是什么”，方法论则告诫人们：这类对象的研究应当“怎么做”。因此，科学观和方法论相结合，就既告诉了人们研究对象“是什么”，又告诉了人们对象的研究应当“怎么做”，于是就明确了研究这类对象的“规范化方式”，即“范式”。显然，它是引领和规范科学研究活动的最高指南，是科学研究活动的“最高统领”。

上面的分析表明，人工智能研究存在的最大问题是它的科学观和方法论不当，也就是它的“范式不当”。抓住了人工智能研究的“范式问题”，就抓住了人工智能研究的“牛鼻子”。解決了人工智能研究的“范式不当”问题，其他问题（算法、算力、数据、知识、硬件等）就可以迎刃而解。

2. 范式革命：普遍理论与具体应用

人们对“范式问题”比较陌生，这不奇怪，因为千百年来科学技术发展历史上从来没有听说过。但是，以前没有听说过不等于不存在。事实上，在传统物质学科（包括材料科学和能量科学）兴起的初期同样经过漫长的范式摸索过程，只是没有具体的记载而已。作者团队的研究发现，一切新兴学科的发展毫无例外都要经历范式的建构和范式的革命。这一理论可以简要总结如下。

2.1  新兴学科的范式革命：普遍的规律

范式革命理论的首要概念是“范式”。如上所说，范式特指科学观和方法论，是指导科学研究所不可或缺的最高指南和规范力量，而非一般的编程范式、计算范式、实验范式、设计范式，等等。从事任何研究都要明白“怎么看”和“怎么做”，也就是要有正确的科学观和方法论，要有正确的范式。只要范式正确，哪怕研究工作再困难也能够逐步前进；如果范式有偏差，研究工作就会遭遇挫折，甚至遭到失败，最多只能取得某些局部性浅层性成果。当然，不同的学科应该遵循不同的范式，因为不同学科的研究对象不同，所遵循的范式（科学观和方法论）也就应该不同。

进一步，从性质上看，人们的研究活动属于社会的存在，而学科的范式（科学观和方法论）则是从社会存在逐渐提炼出来的抽象认识，属于社会的意识。

社会法则表明，社会意识一定滞后于社会存在。也就是先有学科的科学研究活动，然后才能逐步从中提炼出这个学科研究所应该遵循的范式。由于这种提炼是一种从无到有的摸索，而且是由众多不同学术背景、不同研究目的、不同思维方法的研究者自发进行的摸索，因此，各种各样的见解、各种各样的争辩、各种各样的试错、各种各样的局部成功、各种各样的失败尝试、各种各样的“盲人摸象”频频出现，使这种摸索具有极高的困难性。更有甚者，这种摸索的自觉性通常很差。特别是“二战”以后，学术界的“实用观念”越来越强，对于科学观和方法论这类“哲学课题”的研究越来越不重视，许多人认为“哲学课题与自然科学研究没有什么关系”。所有这一切，都使这种“滞后”需要经历特别漫长的岁月。从人工智能和信息科学的情况来看，80多年过去了，人工智能的学科共同体还没有总结出来什么是人工智能研究应当遵循的范式。

显然，新兴学科在“滞后期内”（即初级阶段）没有自己的学科范式可用。于是，就只能继续在漫长的摸索中去认真感悟和精心提炼，直到提炼完成。不过，如果在某个新兴学科之前已经有其他传统学科的范式存在，往往就会借用传统学科的范式。然而，“借用”过来的范式毕竟与新兴学科研究的性质不可能实现良好的匹配，从而导致新兴学科在“初级阶段”处于非良性发展的状态。这是“社会意识滞后于社会存在”这个社会法则必须经历的过程。不管人们是否承认，也不管人们是否愿意，这都是既不可抗拒、又不可逾越的铁定规律。

不难理解，新兴学科研究走出“非良性发展”的唯一正确出路，就是要努力总结、提炼和形成本学科的科学范式，以此来取代所借用的科学范式。这种“摆脱借来的科学范式，确立本学科的范式”的过程，就是近现代一切新兴学科在初级阶段不可避免的“范式革命”。不经过范式革命，新兴学科便不可能进入自主发展和健康发展的高级阶段。

2.2  人工智能的范式革命：理论的应用

人工智能是一类开放的复杂的信息系统，是信息学科的高级篇章，所以应当遵循信息学科的范式。作为一种社会存在，信息学科的研究活动大体崛起于20世纪40年代，是近现代出现的新兴科学，因此适用于上述的“近现代新兴学科范式革命的理论”。

具体来说，由于上述所说“滞后”法则的制约，人工智能学科至今都没有形成自己的范式，因而借用了传统物质学科的范式。由于传统物质学科范式早已存在，并且早已为现代学术界所熟知，因此，这种“借用”无须什么人的宣布，实际上就是不知不觉之中的“沿用”，十分自然。

物质学科范式的科学观是“机械唯物科学观”，只允许研究物质客体，不允许人类主观因素的介入，研究目的是认识物质的结构；与此相应，物质学科范式的方法论是“机械还原方法论”，其中最具实操意义的是“纯粹的形式化”方法和应对复杂对象的“分而治之”方法。

应当承认，在传统物质学科领域，机械唯物科学观和机械还原方法论非常有效，但是用到信息学科特别是信息学科的高级篇章人工智能领域就发生了严重的问题。具体来说，物质学科范式的机械唯物科学观“不允许主体主观因素介入”就堵死了智能的来源，因为物质客体本身不可能产生智能。物质学科范式的机械还原方法论之一“纯粹的形式化”则堵死了理解的可能性，因为单纯的形式具有不确定的含义和效用，因而无法理解，这就堵死了智能生成的可能性。物质学科范式的机械还原论之二“分而治之”方法则注定了无法建立统一的人工智能理论，因为“分而治之”切断了人工智能相关部分复杂而隐秘的信息联系，难以恢复。由此可知，既不可能生成智能，又不可能建立统一的人工智能理论，这就是借用传统物质学科范式给人工智能研究所造成的致命困难。

为了摆脱初级阶段这种“非良性发展”的现状，使人工智能的研究能够走上信息学科范式所引领的发展道路，进入高级的发展阶段，出路就在于总结、提炼、确立信息学科自己的范式，并以此取代借来的物质学科范式。质言之，人工智能的范式革命是不可避免的，这是社会法则的铁定规律，既不可能阻止，也不可能逾越。

3. 范式革命：方法

新兴学科的范式革命是一个内涵非常丰富的复杂过程，包括自下而上探索、总结和提炼范式的初级阶段和自上而下贯彻范式的高级阶段。表1详细列出了关于推进“范式革命”的实施纲要，包括具体的阶段和进程。

如表1所示，首先是“自下而上”的探索阶段，对人工智能来说就是现在所处的阶段。这个阶段的典型特点是“盲人摸象”现象。虽然科技工作者都不是盲人，但从“知识的局限性”这个意义上说，只看到局部就是对整体而言的“盲”。“自下而上”的探索从1943年提出神经元MP模型直到现在都还没有完成。这个阶段的最终目的，就是要通过多方探索和论辩，总结成功的经验和失败的教训，形成和确立人工智能学科应该遵循的范式。

一旦把范式总结出来，“自下而上”的学科探索阶段就转为“自上而下”的学科建构阶段。“自上而下”建构阶段的起点，是要把“自下而上”阶段探索出来的范式确立起来。而确立范式的首要任务是要准确回答：这个学科对象的本质是什么（科学观）？这个对象应当怎么研究（方法论）？科学观回答的“是什么”和方法论回答的“怎么做”作为一个整体，就界定了学科的“定义”。

第二步，根据范式给出的学科定义建立学科的框架（包括全局模型和研究路径），从而落实学科的具体“定位”。其中，学科的全局模型是根据学科范式的科学观来建立的，而学科的研究路径是根据学科范式的方法论来开辟的。这两个问题解决了，学科的框架就确定了。

第三步，是要把学科框架的规格精准化，这就是“定格”。它包括：一方面，人工智能的研究领域到底应当由哪些学术来相互支持，才能形成一种充分合理的交叉学科结构；另一方面，作为人工智能的学术基础，对数学理论和逻辑理论应当提出什么新的要求，才能支持人工智能理论的研究。明确了这些规格要求，就把学科的框架精准化了。在这里，学术结构的规格必须根据科学观来确定，学术基础的规格必须根据方法论来确定。可见，范式的科学观和方法论体现在学科建构的始终。

第四步，有了以上的定义、定位和定格，人工智能的基本理论建构就有了坚实的科学基础。构建人工智能理论的工作称为“定论”，这就是根据学科的定义、定位和定格来建立学科的基本概念和基本原理，形成人工智能的理论体系。这些就是实施人工智能范式革命的实施纲要、方法和步骤。

4. 人工智能的范式革命：内容

由表1看出，学科发展的第一步是自下而上的范式探索阶段。作者团队从1963年发现信息论的信息概念丢弃了语义信息和语用信息以来，就开始了信息学科的科学观和方法论的持续探索，体现在先后出版的《信息科学原理》（1988）、《智能理论与技术》（1992）、《机器知行学原理》（2007）、《高等人工智能原理》（2014）等著作中，并在《机制主义人工智能理论》（2021）和《统一智能理论》（2022）中做了信息学科范式的系统总结，后者的内容可以简述如下。

信息学科范式的科学观是“辩证唯物的科学观”：认为信息学科高级篇章（人工智能）的研究对象是“在主体目标的主导和在客体环境规律约束下主体与客体相互作用所产生的信息生态过程”。

信息学科范式的方法论是“信息生态方法论”：人工智能的信息生态演化必须遵循过程完整（忌“分而治之”）、内涵完备（忌“纯粹形式化”）和全局优化的原则。

由此看出，信息学科范式与物质学科范式两者之间几乎“处处相反”。因此，如果人工智能的研究不彻底摆脱物质学科范式的桎梏，就不可能完成自己的历史使命。这点没有含糊。

可能有人会担心，难道信息学科范式与物质学科范式之间就这样“不共戴天”吗？

否！任何人工智能系统都不能脱离物质的支持和能量的驱动，但是，遵循信息学科范式的信息生态过程是人工智能系统的主导，遵循物质学科范式的物质支持和能量驱动必须为信息生态过程服务。因此，信息学科范式与物质学科范式两者须以“主导—服务”的关系和谐共存于一体。这就是它们之间所构成的“相反而相成”的辩证关系。

下面就结合人工智能理论的建构过程来展示信息学科范式的科学观和方法论的作用。由于篇幅的限制，这里只展示表1建构阶段的第一步：根据信息学科范式的科学观构建人工智能的全局模型和根据信息学科范式的方法论开创人工智能的研究路径，从而形成人工智能学科的完整定义和框架。

4.1 根据信息学科范式的科学观构建人工智能的全局研究模型

许多人都认为人工智能研究对象的原型是人类的大脑。但仅是孤立的大脑不能产生智能，因为智能的生成不仅需要大脑发挥作用，更需要主体与环境之间的相互作用。没有主客相互作用的外部信息刺激，大脑就不会自作多情或无缘无故地自发产生智能；而没有主客相互作用，大脑也不能通过实践来检验它所产生的智能是否正确。

信息学科范式的科学观——辩证唯物的科学观表明：研究智能问题不能仅考虑物质客体，而应当考虑主体与客体双方。准确地说，智能是在主体驾驭下以及在环境约束下主体与客体相互作用所产生的信息生态过程。

由此，可以构造人工智能的全局研究模型如图1所示。

图1显示，正是主体代理与环境客体相互作用所产生的信息生态转换过程，即客体信息首先作用于主体代理，然后，主体代理就产生智能行为反作用于客体。其中，智能行为就代表了主体生成的智能。这个行为必须是智能的，这样才能既使主体达到目标，又不会破坏环境的运行规律，达到主体客体双赢的目的。

可见，图1的模型全面准确地体现了信息学科范式科学观的精神。换言之，图1所描述的人工智能全局模型就是根據信息学科范式的科学观而构建的。

传统物质学科的科学观把“物质客体”作为唯一合法的研究对象，只研究“孤立的大脑物质”，不允许研究主体和主体的主观因素（如主体的目标等）介入。然而，没有主体的主观因素，智能便没有来源。所以，传统物质学科范式的科学观不可能指导人们构建真正的人工智能模型。

由此可以体会到，人工智能的范式革命是多么重要，只有遵循信息学科范式的科学观，才能建立正确的人工智能模型，才能走上研究人工智能的正确轨道。否则，如果人工智能的全局模型有差错，后续的研究就必然误入歧途。

4.2 根据信息学科范式的方法论建构人工智能的研究路径

在传统物质学科范式的“机械还原”方法论指导下，人工智能的研究首先被“分而治之”肢解为结构模拟的人工神经网络研究、功能模拟的专家系统研究和行为模拟的感知动作系统研究三种研究路径，而且三者互不认可，分道扬镳，因此无法形成人工智能的统一理论；同时，被“纯粹形式化”去掉了所有概念的内涵，成为空心的信息、空心的知识、空心的智能，也就是没有理解能力的智能，没有解释能力的智能，没有可信赖性的智能。

现在，我们按照信息学科范式的“信息生态方法论”，就可以开创一条真正符合信息学科范式方法论要求的人工智能研究路径。

为此，首先应当注意到信息学科范式的科学观所揭示的人工智能全局研究模型（图1），因为我们必须在人工智能全局模型的基础上来探讨它的研究路径。模型中主体代理的输入是客体信息，而它的输出是智能行为。那么，怎样才能把输入的客体信息通过图1模型中的主体代理生成智能行为呢？

显然，这个奥妙就在于：主体代理（即人工智能系统）在主体目标的引导下、在主体先验知识（它表示了在此环境下求解问题必须遵守的客观规律）的约束下对客体信息进行一系列复杂的转换加工，形成信息的生态演化过程，最终生成可以成功地与客体打交道（解决问题达到目标）的智能策略和智能行为。

现在就可以把主体代理对客体信息进行加工所生成的“信息生态演化过程”具体表达出来。这其实完全是一个天成自然的过程，十分合理、科学，并不神秘。具体解释如下。

（1）客体信息是对外部刺激形态的描述，这就是主体要面对、要求解的“问题”。

（2）为了使主体全面了解这个待求问题，主体首先必须掌握这个问题的形态描述。为此，主体必须通过自己的“感觉系统（传感系统）”生成关于这个客体形态的“语法信息”。

（3）主体还必须通过自己的“目标检验系统”检验这个客体对求解问题的目标而言究竟有什么作用，并根据检验的结果生成关于这个客体对于实现目标而言的“语用信息”，从而使主体可以据此生成自己的“注意能力”：若语用信息为零，就不必注意这个客体；如果不为零，则必须注意。

（4）上述“语法信息”和“语用信息”，就是主体所应当关心的客体的“内容”。为了便于应用，主体可以生成“语义信息”来表示这个内容并予以命名。若以X表示语法信息，Z表示语用信息，Y表示语义信息，就有：Y = l（X， Z）。其中l是算子，它把{X，Z}映射到Y，并对映射的结果命名。

至此，主体就在信息层面上完成了对客体的全面理解，并建立了“注意”机制。主体的所有这一切功能，被称为“感知”。

不过，仅有信息层面上的“感知”还不足以支持主体对问题的求解，因为信息只是现象，知识才是本质。因此，主体必须在此基础上进一步形成对于客体的本质理解。于是，有以下工作。

（5）把“感知信息”加工成为关于客体的“知识”。这个功能称为“认知”。这样就可以把关于客体的这个知识与主体提供的“种子知识”关联起来，形成求解问题的知识体系。需要特别提醒，正像感知信息具有语法信息、语用信息和语义信息那样，由此提炼出来的知识也应当、而且必须相应地具有形态性知识、价值性知识和内容性知识。这样才能保证系统在信息层面上形成“注意能力”，而在知识层面上形成对客体本质的“理解能力”。至此就奠定了基础，可以去谋求解决问题的智能策略了。

（6）现在就可以在“目标”引导下，在“知识”约束下，针对主体所理解的问题——“感知信息”推演出解决问题的“智能策略”。这个功能称为“谋行”（谋划解决问题所需要的策略和行为）。

（7）最后，通过执行单元把“智能策略”转换为“智能行为”，并反作用于客体。在理想情况下，就可以解决问题达到目标。

这就是理想情况下的“信息生态演化过程”，也是人工智能的理想框架，如图2所示。

对照图1和图2可以看出，两者完全一致，都是人工智能的全局研究模型。唯一不同的是，图2把“信息生态过程”全部显示出来了，而图1则是把它隐去了。

图2表明，这个“信息生态过程”具体就是“信息转换与智能创生”过程，即“感知”和“认知”属于“信息转换”的过程（客体信息转换为感知信息，感知信息转换为知识），“谋行”和“执行”则是“智能创生”的过程（由感知信息、知识、目标创生智能策略和智能行为）。

其实，这个“信息生态过程”就是生成解决问题达到目标的智能所需要的工作机制，称为“智能的生成机制”。可以看到，这个工作机制与具体的应用场景无关，它只要求有“求解的问题”、有“求解问题所需要的知识”、有“合理的求解目标”，至于是什么具体问题、什么具体的知识、什么具体的目标，并无特别的限定。因此，这个机制乃是“普适性智能生成机制”，而实现这个普适性机制的“信息转换与智能生成规律”就可以名副其实地称为“信息转换与智能创生定律”。

这说明，人工智能所遵循的科学观和方法论联合作用的结果，就揭示了普适性的智能生成机制。我们把通过基于普适性智能生成机制来实现人工智能的研究路径称为“机制主义通用人工智能研究路径”，而由机制主义通用人工智能研究路径创建的人工智能理论就是通用的人工智能理论。由此可见，信息学科范式的科学观和方法论乃是创生通用人工智能理论的“父母”。

事实上，对于人工智能的生成而言，工作的“机制”才是核心，才是根本，而结构和功能都是為机制服务的，具体需要什么样的结构，需要什么样的功能，都要根据机制的需要来决定。至于行为，那是机制实现的外部表现。可见，机制主义通用人工智能研究路径抓住了人工智能研究的全局，抓住了它的根本，而至今还在流行的结构主义人工智能研究路径、功能主义人工智能研究路径和行为主义人工智能研究路径都是人工智能的局部性和浅层性的认识。

显然，普适性智能生成机制—信息转换与智能创生定律不是个别人工智能系统的生成路径，而是通用人工智能的生成路径。值得特别强调的是，这里的通用性是指“智能生成机制”的通用，即能够“以不变的智能生成机制成功应对千变万化的应用”，很好地体现了“以不变应万变”的辩证法原理。这就有力地消除了“通用人工智能是无所不包，因而无所不能的巨无霸系统”的误导。

值得指出，人类本身就是一种最为典型的“通用智能系统”，人类面对的问题无穷无尽，人类解决这些问题的具体方法也变化无穷。但是，人类“解决问题所用的机制”是通用的，先获得问题的信息（客体信息），并把问题的信息变为自己的浅层理解（通过感知功能把客体信息转换为感知信息），然后不断深化对问题的深层理解（通过认知功能把感知信息提炼为知识），进而在知识的支持下、在自己追求的目标的引导下通过演绎获得求解问题的办法（通过谋行功能获得智能策略），最后把智能策略付诸行动（通过执行功能把智能策略转换为智能行为）。人类正是以这种“普适性的智能生成机制—信息转换与智能创生定律”成功地应对了追求生存发展过程中无数问题的挑战。

事实上，机制主义通用人工智能理论的“通用智能生成机制”正是在“人类的通用智能生成机制”的启迪下揭示和阐明的。所以两者一脉相承，彼此默契相通。

以上就是由信息学科范式引领和规范通用人工智能理论的第一步：构建了通用模型和开创了研究途径，建立了理想情况下的人工智能理论。由于篇幅所限，其后各个步骤请参考文末的文献。

5. 人工智能的范式革命：意义

人工智能的范式革命具有多方面的深远意义，由此展现了其突出的时代性和重要性。

5.1 对本学科的意义：使人工智能的研究从非良性发展的初级阶段走上健康发展的高级阶段

人工智能是人类千百年来的向往，是现代科学技术扩展人类智力能力的最先进、最高级、最复杂也最精彩的篇章。人工智能的研究走過了80年的曲折路程，一直处在艰辛摸索和悉心探寻自己的学科范式的路段。

人工智能范式革命的重要意义之一在于，它使人工智能研究成功走出了初级发展阶段的困境，胸有成竹地走上了人工智能高级发展阶段的轨道。

在信息学科范式的科学观（辩证唯物的科学观）指引下所揭示的“人工智能全局研究模型”，在信息学科范式的方法论（信息生态的方法论）指引下所揭示和发现的“普适性智能生成机制—信息转换与智能创生定律”，以及由此所开辟的“机制主义人工智能研究路径”，使得最终所建构的“机制主义通用人工智能理论”与现有各种人工智能理论（包括最新的成果ChatGPT、GPT-4等）之间形成了鲜明的“隔代”映照，如表2所示。

从表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从“范式张冠李戴”的初级发展阶段转变到“范式合理”的高级发展阶段的历史性转变。

5.2 对整体科技的意义：人工智能的范式革命推动整体科学时代的重大转变

如表2所示，通用的智能生成机制就是“信息转换与智能创生定律”：它的最简洁的表达方式是：客体信息→语义信息→知识→智能策略→智能行为→优化（误差反馈，学习新知，优化策略，改善效果）→新的客体信息→……

值得特别指出的是，这里发现和揭示的“信息转换与智能创生定律”，与物理科学的“能量转换与能量守恒定律”及“质量转换与物质不灭定律”一起，形成了“物质、能量、信息”三大学科领域完备无缺的科学定律体系。这对现代以及未来科学技术的发展，将具有重大指导意义。

同时，信息学科范式实现了信息学科（特别是人工智能）由初级发展阶段向高级发展阶段的转变，这必将有力地推动传统物质学科主导的科学时代向信息学科主导的科学新时代的历史性转变，推动形式化的科学时代向“形式、价值、内容一体化”的科学新时代的历史性转变。

5.3 经济意义：构建智慧化的社会生产力

人工智能范式革命的结果是推动人工智能的研究脱离初级发展阶段而进入高级发展阶段，普适性智能生成机制—信息转换与智能创生定律，必定使通用人工智能系统成为能够成功应对万事万物的智能化社会生产工具体系，从而与智慧的人类主体一起构建成为智慧化的（即学习型、创造型的）社会生产力以及与之相适应的社会生产关系。

如表3所示，智慧化（学习型创造型）的社会生产方式是整个社会生产方式发展进步的方向。

马克思在100多年前就预见了这种智慧化的社会生产方式。他认为，随着大工业的发展，劳动者不再是生产流程的一个环节，而是站在生产流程的旁边，对生产流程进行管理和监督。这实际就是马克思对于“智慧化（学习型、创造型）社会生产方式”的预见和形象描述。

结论

本文的研究表明，人工智能的范式革命建立了信息学科范式的“辩证唯物”科学观和“信息生态”方法论，在信息学科范式引领下构建了全新的人工智能全局研究模型，开创了基于普适性智能生成机制—信息转换与智能创生定律的机制主义人工智能研究路径，建立了基于普适性智能生成机制的、具有理解能力的通用人工智能理论。总之，开创并走出了一条与西方完全不同而又更为优越、更为科学合理的中国式发展道路。

本文的讨论也表明，人工智能范式革命的意义远远超出了人工智能科学技术领域本身，它对整个科学技术的变革、对中华文明的伟大复兴、对整个经济与社会的发展都产生不可估量的积极影响。总之，它是中国式现代化在科技领域的生动体现。

参考文献：

[1]钟义信.漫话信息学[M].北京：科学普及出版社，1979.

[2]钟义信.信息科学原理[M].福州：福建人民出版社，1988.

[3]钟义信，潘新安，杨义先.智能理论与技术：人工智能与神经网络[M].北京：人民邮电出版社，1992.

[4]钟义信.机器知行学原理：信息、知识、智能的统一理论[M].北京：科学出版社，2007.

[5]钟义信.高等人工智能理论：观念、方法、模型、理论[M].北京：科学出版社，2014.

[6]钟义信.机制主义人工智能理论[M].北京：北京邮电大学出版社，2021.

[7]钟义信.统一智能理论[M].北京：科学出版社，2023.

作者简介：钟义信，1940年2月生，江西龙南人，教授，博士生导师，济南大学人工智能研究院院长，中国人工智能学会原理事长、纽约科学院院士、发展中世界工程技术科学院院士，北京邮电大学原副校长，国际信息研究学会主席、机制主义通用人工智能理论创始人。