1.對智能科學技術的再認識

　　1.1從“人工智能”到人機系統

　　Wiener的“控制論”和錢學森的“工程控制論”是人們研制較為簡單的系統，且系統運行的環境也不復雜情況下的一面旗幟。

　　1956年，在美國Dartmouth舉行的一個信息科學大會上，J.McCarthy和H.Simon倡議開展人類思維活動規律的研究，并給予其“人工智能”(ArtificialIntelligence)的命名。人工智能主要研究用人工的方法和技術來模仿、延伸及擴展人的智能，從而實現機器智能。迄今為止，這一方向雖然已取得了不少成就，如博弈、自動定理證明、模式識別、自然語言理解、自動編程和專家系統等，但是，傳統的人工智能在方法論上以符號推理為中心，企圖用機器來實現人類的思維活動。所以，許多年來的研究雖然取得了一些成就，但距離人工智能提出的目標還有很大距離。

　　近三十年來，人工智能進展緩慢。1979年，H.L.Dreyfus《計算機不能做什么?》一書的副標題就是“人工智能的極限”提出了人工智能存在不可逾越的障礙。緊接著，以人工神經網絡為代表的“計算智能”和Brooks的反應式結構(“沒有表示”、“沒有推理”的系統)給傳統的符號智能帶來了巨大沖擊。特別是日本提出的“第五代計算機”并沒有達到預期的目標，僅以實現一個“人機對弈”而告終，這些事實都促使人們對“智能”(或“人工智能”)要有一個重新的認識。對人工智能四十年的研究進行反思，使人們從科學概念上明白了以往不自覺地企圖用機器解決一切問題的局限性，并試圖從科學觀念、研究目標和方法論上打開思路，以重新認識，尋求新的途徑。

　　另一方面，四十年來，特別是從最近二十多年科學技術的發展來看，在當前的信息社會中，信息技術是立國之本，信息化的進一步發展必然走向“智能化”因此，以“智能”為核心的技術是至關重要的。從兩次海灣戰爭以及其他局部戰爭，我們可以十分清楚地看出，今后的戰爭是人——機結合的智能系統之間的對抗，而智能技術將會覆蓋幾乎所有的工程技術領域。

　　既然完全基于機器的符號推理(也包括其他的智能方法)不能達到實現人的思維的目的，那么有沒有其他道路可循?這是人們都很關心的問題。解決這個問題要從兩方面著手。一方面，需要腦科學、認知科學等一些研究人的智慧的基礎學科繼續研究人的思維規律一一這也是人類永遠的追求。雖然目前還不能做到這一點，但人們總是在不遺余力、一步一步地向著這一目標前進。當然，這也是人類社會發展賦予智能學科的一個任務，這就是智能科學的目標。另一方面，社會生產、生活、科技、軍事各個方面又提出了層出不窮的需求，迫切要求設備、系統、工程要“智能化”而現在尚沒有真正能模擬人的智慧的計算機,因此計算機還不能代替人。解決這個問題只有從兩方面入手，一方面實事求是，盡量開拓、發展當前的計算機科學技術，使計算機盡可能多地幫助人做工作;另一方面，盡可能把人的智慧包含到系統中去，人要起主導作用，但要充分發揮計算機科學與技術的優勢，創造出最有“智能”的人機結合系統。

　　具體來說，人機結合的系統就是將人作為一個組成部分包括到系統之中，并能清楚地區分出哪些工作應該由人完成，哪些工作應該由機器完成。在運行過程中，當進行到需要人完成的工作時，系統就將工作交給人;而當需要機器完成時，就將任務轉交給機器，最終構成一套和諧的、協調的、高效的運行機制，以保證系統目標的實現。

　　1.2“智能”學科的三個層次

　　根據研究任務的不同，智能科學技術的學科內容可以劃分為智能科學、智能技術、智能工程三個層次。

　　(1)智能科學(IntelligenceScience)

　　這是基礎研究的層次，它的主要任務是研究人的智慧，建立人機結合系統的理論，并用其模擬人的智慧。智能科學主要包括腦科學、思維科學、認知科學等在內的基礎學科。

　　思維科學著重研究人的思維規律，也就是研究人是如何思維的，這種研究的目的是為了給人工智能提供基礎，也就是告訴計算機要模擬什么。而認知科學則是研究人的認識，也就是人是如何認識事物的，并將其擴展去研究動物的智能。

　　智能科學的成果將是整個智能科技發展的基礎和先導。

　　(2)智能技術(IntelligenceTechnology)

　　在智能科學的框架內創建人機結合的智能系統，需要有合適的方法、工具和技術，這就是智能技術。

　　信息的本質是知識，而知識是構成智能的基礎。因此，信息化發展必然走向智能化。

　　(3)智能工程(IntelligenceEngineering)

　　用智能科學的理念和思想，充分運用智能技術工具去創建各種應用系統，這就是智能工程。“智能化”實質上就是智能工程實現的過程和歸宿。智能工程是當前科學技術和社會發展的前沿陣地，特別是高技術發展的核心動力之一。同時，它也是當前新技術、新產品、新產業的重要發展方向、開發策略和顯著標志。

2.無處不在的智能科技

　　2.1前沿高技術是智能科學技術發展的動力和源泉

　　智能科學技術是一個融合計算機、人工智能、模式識別等研究領域的交叉性學科，這些前沿高技術也是當前智能科學發展的動力和源泉。

　　在所有系統中，體現智能行為的工具和載體就是計算機。所以，計算機科學很自然地成為智能科學發展最重要的支撐點和原動力之一。

　　以符號推理為基礎的人工智能方法和以人工神經元網絡為代表的計算智能方法仍然是當前智能技術的重要組成部分。它們從不同的途徑和方法進行問題求解，在搜索、規劃、學習等各類問題中取得了相當有價值的成果。

　　模式識別是人類智能的一種體現。“模式”是一個極為廣泛的概念，如圖像、圖形、文字、語言都是一種“模式”。按Zadeh的定義，“模式識別”是一種從“模式”出發的一種非線性映射，它是一種技術，可以用來實現人類智慧的一部分功能，如文字識別(認字)、語言的說與聽等。模式識別的目的是將對象進行分類，可以是圖像、信號波形式或者任何可測量且需要分類的對象。模式識別在工業自動化以及信息處理和檢索中變得日益重要，這種趨勢把模式識別推向工程應用研究的高級階段。在大多數機器智能系統中，模式識別是用于決策的主要部分。