中國(guó)人工智能系列白皮書(shū)人工智能原理（中國(guó)人工智能學(xué)會(huì)2023版）

中國(guó)人工智能系列白皮書(shū)

中國(guó)人工智能系列白皮書(shū)

-人工智能原理

中國(guó)人工智能學(xué)會(huì)

二○二三年九月

中國(guó)人工智能系列白皮書(shū)

目錄

目錄5

第一部分1

人工智能總論1

第1章人工智能總論2

1.1人工智能的科學(xué)思想起源2

1.2人工智能的數(shù)理邏輯原理5

1.3人工智能的計(jì)算原理7

1.4圖靈對(duì)機(jī)器智能的研究9

1.5人工智能研究的興起11

1.6符號(hào)主義人工智能11

1.7連接主義人工智能12

1.8行為主義人工智能14

1.9人工智能的數(shù)學(xué)、物理挑戰(zhàn)15

1.10人工智能的重大科學(xué)挑戰(zhàn)15

1.10.1數(shù)學(xué)、物理對(duì)象的可分性15

1.10.2信息世界對(duì)象的不可分性16

1.10.3信息世界對(duì)象的可定義性問(wèn)題17

5

中國(guó)人工智能系列白皮書(shū)

1.10.4人學(xué)習(xí)的基本問(wèn)題17

1.10.5自我意識(shí)的基本問(wèn)題18

1.10.6博弈/謀算的基本科學(xué)問(wèn)題18

1.10.7本節(jié)小結(jié)19

1.11信息科學(xué)重大挑戰(zhàn)性問(wèn)題19

1.11.1經(jīng)典信息論19

1.11.2生成策略21

1.11.3解碼策略23

1.11.4信息的模型24

1.11.5信息基本定律25

1.11.6信息科學(xué)是什么？25

1.11.7信息的數(shù)學(xué)理論是什么？26

1.12信息科學(xué)原理26

1.13本章小結(jié)27

第二部分29

邏輯推理人工智能與計(jì)算人工智能29

第2章符號(hào)主義人工智能30

2.1命題知識(shí)表示與推理30

6

中國(guó)人工智能系列白皮書(shū)

2.1.1命題邏輯31

2.1.2命題推理問(wèn)題33

2.1.3命題可滿足性求解方法34

2.1.4模型計(jì)數(shù)35

2.1.5知識(shí)編譯37

2.2自動(dòng)定理證明38

2.2.1自動(dòng)定理證明的起源、發(fā)展與現(xiàn)狀38

2.2.2Herbrand定理41

2.2.3合一與匹配43

2.2.4歸結(jié)原理44

2.2.5歸結(jié)原理的改進(jìn)策略46

2.2.6等詞推理48

2.2.7幾何定理證明和數(shù)學(xué)機(jī)械化50

2.2.8定理證明器競(jìng)賽和著名定理證明器51

2.3約束可滿足性求解52

2.4基于模型的診斷56

2.4.1MBD問(wèn)題57

2.4.2國(guó)內(nèi)外總體研究現(xiàn)狀58

7

中國(guó)人工智能系列白皮書(shū)

2.5神經(jīng)符號(hào)系統(tǒng)59

2.5.1神經(jīng)符號(hào)系統(tǒng)的背景59

2.5.2神經(jīng)符號(hào)系統(tǒng)研究現(xiàn)狀61

2.5.3神經(jīng)符號(hào)系統(tǒng)的挑戰(zhàn)及未來(lái)研究方向64

第3章大數(shù)據(jù)算法與可信計(jì)算理論67

3.1大數(shù)據(jù)算法計(jì)算模型67

3.1.1亞線性時(shí)間算法68

3.1.2亞線性空間算法69

3.1.3動(dòng)態(tài)圖算法70

3.1.4大規(guī)模并行計(jì)算70

3.1.5數(shù)據(jù)降維71

3.2滿足可信需求的算法71

3.2.1魯棒性71

3.2.2公平公正73

3.2.3隱私保護(hù)73

第4章難解問(wèn)題的智能算法75

4.1難解問(wèn)題圖學(xué)習(xí)方法求解78

4.1.1路徑規(guī)劃問(wèn)題81

8

中國(guó)人工智能系列白皮書(shū)

4.1.2最大割問(wèn)題84

4.1.3作業(yè)調(diào)度問(wèn)題85

4.1.4其他難解問(wèn)題86

4.2難解問(wèn)題強(qiáng)化學(xué)習(xí)求解87

4.2.1基于無(wú)模型的強(qiáng)化學(xué)習(xí)方法88

4.2.2基于有模型的強(qiáng)化學(xué)習(xí)方法92

4.3總結(jié)與展望94

第三部分98

神經(jīng)網(wǎng)絡(luò)人工智能與生物人工智能98

第5章神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理99

5.1神經(jīng)網(wǎng)絡(luò)的背景及意義99

5.1.1神經(jīng)網(wǎng)絡(luò)的發(fā)展歷史99

5.1.2神經(jīng)網(wǎng)絡(luò)對(duì)人工智能發(fā)展的作用100

5.1.3神經(jīng)網(wǎng)絡(luò)給人工智能帶來(lái)的挑戰(zhàn)101

5.2神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)原理的內(nèi)涵102

5.2.1研究意義102

5.2.2分析視角103

5.2.3基本框架104

9

中國(guó)人工智能系列白皮書(shū)

5.2.4研究趨勢(shì)106

5.3神經(jīng)網(wǎng)絡(luò)的傳統(tǒng)理論106

5.3.1表達(dá)能力107

5.3.2泛化能力107

5.3.3優(yōu)化能力107

5.4前沿發(fā)展108

5.4.1對(duì)自適應(yīng)優(yōu)化器的分析108

5.4.2基于神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)的優(yōu)化分析108

5.4.3優(yōu)化器的隱式正則分析108

5.4.4神經(jīng)網(wǎng)絡(luò)的精確泛化估計(jì)109

5.4.5表示所需參數(shù)量下界109

5.5未來(lái)展望109

5.5.1設(shè)計(jì)適用不同場(chǎng)景的安全性度量109

5.5.2構(gòu)建以安全為中心的神經(jīng)網(wǎng)絡(luò)理論110

5.5.3發(fā)展可信可控的神經(jīng)網(wǎng)絡(luò)模型110

第6章神經(jīng)網(wǎng)絡(luò)的計(jì)算原理111

6.1經(jīng)典神經(jīng)網(wǎng)絡(luò)的計(jì)算原理112

6.1.1表示學(xué)習(xí)112

10

中國(guó)人工智能系列白皮書(shū)

6.1.2前饋神經(jīng)網(wǎng)絡(luò)116

6.1.3神經(jīng)網(wǎng)絡(luò)訓(xùn)練119

6.2面向序列數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)123

6.2.1循環(huán)神經(jīng)網(wǎng)絡(luò)RNN124

6.2.2轉(zhuǎn)換器Transformer127

6.2.3時(shí)序卷積神經(jīng)網(wǎng)絡(luò)TCN132

6.3圖神經(jīng)網(wǎng)絡(luò)134

6.3.1圖表示學(xué)習(xí)135

6.3.2圖神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)原理137

6.3.3圖神經(jīng)網(wǎng)絡(luò)前沿139

第四部分158

數(shù)學(xué)人工智能與物理人工智能158

第7章人工智能的博弈理論159

7.1均衡計(jì)算160

7.1.1納什均衡160

7.1.2納什均衡的存在性162

7.1.3納什均衡的計(jì)算165

7.1.4納什均衡的計(jì)算復(fù)雜性170

11

中國(guó)人工智能系列白皮書(shū)

7.2人工智能中的合作博弈174

7.2.1合作博弈175

7.2.2合作博弈的表示和算法180

7.2.3合作博弈在多智能體系統(tǒng)中的應(yīng)用182

7.2.4結(jié)論184

7.3公平分配184

7.3.1引言185

7.3.2模型定義186

7.3.3公平性187

7.3.4可分割物品的公平分配191

7.3.5不可分物品的公平分配193

7.3.6其他研究195

7.4適當(dāng)評(píng)分規(guī)則（ProperScoringRule）196

7.4.1適當(dāng)評(píng)分規(guī)則的起源198

7.4.2適當(dāng)評(píng)分規(guī)則種類(lèi)198

7.4.3適當(dāng)評(píng)分規(guī)則的應(yīng)用204

7.4.4總結(jié)206

7.5社會(huì)選擇與投票206

12

中國(guó)人工智能系列白皮書(shū)

7.5.1經(jīng)典投票規(guī)則207

7.5.2社會(huì)選擇中的經(jīng)典結(jié)論211

7.5.3總結(jié)214

7.6重復(fù)拍賣(mài)215

7.6.1動(dòng)態(tài)定價(jià)問(wèn)題215

7.6.2上下文動(dòng)態(tài)定價(jià)問(wèn)題218

7.6.3重復(fù)拍賣(mài)中的均衡分析問(wèn)題221

7.6.4總結(jié)222

7.7小結(jié)222

第8章量子人工智能224

8.1概述224

8.2量子學(xué)習(xí)方法介紹224

8.2.1HHL算法224

8.2.2量子奇異值變換228

8.3量子吉布斯采樣231

8.2.4變分量子電路234

8.3量子學(xué)習(xí)應(yīng)用場(chǎng)景240

8.3.1傳統(tǒng)機(jī)器學(xué)習(xí)問(wèn)題的量子化240

13

中國(guó)人工智能系列白皮書(shū)

8.3.2量子無(wú)監(jiān)督學(xué)習(xí)247

8.3.3量子有監(jiān)督學(xué)習(xí)253

8.3.4量子強(qiáng)化學(xué)習(xí)259

8.3.5量子層析266

8.3.6其它量子學(xué)習(xí)算法267

第五部分272

信息主義人工智能：272

層譜抽象認(rèn)知模型人工智能272

第9章信息定律與信息模型273

9.1信息科學(xué)的研究對(duì)象273

9.2物理世界對(duì)象基本定律（FundamentalLawofPhysicalObjects）

273

9.3信息性質(zhì)/知識(shí)的定義274

9.4現(xiàn)實(shí)世界對(duì)象的物理性質(zhì)與信息性質(zhì)275

9.5策略276

9.6信息的模型277

9.7學(xué)習(xí)的數(shù)學(xué)實(shí)質(zhì)278

9.8知識(shí)是信息在某一個(gè)模型下的解釋279

14

中國(guó)人工智能系列白皮書(shū)

9.9抽象279

9.10層譜抽象281

9.11科學(xué)范式定律283

9.12個(gè)體定律284

9.13信息定律285

9.14運(yùn)動(dòng)定律287

9.15競(jìng)爭(zhēng)定律287

9.16認(rèn)知模型定律288

9.17觀察定律289

9.18知識(shí)表示定律290

9.19知識(shí)定律291

9.20規(guī)律的定義292

9.21創(chuàng)造策略292

9.22學(xué)習(xí)的可解釋性原理293

9.23自我意識(shí)定律293

9.24系統(tǒng)定律293

9.25本章總結(jié)294

第10章信息演算理論296

15

中國(guó)人工智能系列白皮書(shū)

10.1信息系統(tǒng)的數(shù)學(xué)表示296

10.2一維結(jié)構(gòu)熵299

10.3信息系統(tǒng)的編碼樹(shù)299

10.4在一個(gè)層譜抽象策略下的結(jié)構(gòu)熵300

10.5信息系統(tǒng)的結(jié)構(gòu)熵301

10.6結(jié)構(gòu)熵極小化原理302

10.7解碼信息303

10.8層譜抽象策略的壓縮信息304

10.9壓縮/解碼原理304

10.10層譜抽象解碼原理305

10.11層譜抽象可定義性306

10.12層譜抽象307

10.13基于結(jié)構(gòu)熵的推理演算308

10.14基于解碼信息的推理310

10.15推理的數(shù)學(xué)理論311

10.16信息生成原理312

10.17解碼信息原理313

10.18本章總結(jié)314

16

中國(guó)人工智能系列白皮書(shū)

第11章（觀察）學(xué)習(xí)的數(shù)學(xué)理論316

11.1先驗(yàn)認(rèn)知模型317

11.2觀察的數(shù)學(xué)實(shí)質(zhì)317

11.3學(xué)習(xí)的數(shù)學(xué)定義319

11.4人的先驗(yàn)分析方法320

11.5學(xué)習(xí)的主體與客體321

11.6學(xué)習(xí)的目的、目標(biāo)321

11.7知識(shí)的定義321

11.8規(guī)律的定義322

11.9學(xué)習(xí)過(guò)程表示：層譜抽象322

11.11學(xué)習(xí)的數(shù)學(xué)模型324

11.11創(chuàng)造策略的理解與實(shí)現(xiàn)326

11.12局部觀察學(xué)習(xí)328

11.13全局觀察學(xué)習(xí)330

11.14學(xué)習(xí)模型中的生成策略與生成原理331

11.15學(xué)習(xí)模型中的解碼策略與解碼原理331

11.16知識(shí)樹(shù)331

11.17知識(shí)的一致性準(zhǔn)則332

17

中國(guó)人工智能系列白皮書(shū)

11.18知識(shí)的度量333

11.19知識(shí)演算推理334

11.20學(xué)習(xí)的極限337

11.21學(xué)習(xí)的數(shù)學(xué)理論總結(jié)338

第12章自我意識(shí)的數(shù)學(xué)理論341

12.1自我意識(shí)體的先驗(yàn)感知模型343

12.2自我意識(shí)體的可定義性345

12.3自我意識(shí)體五維認(rèn)知347

12.4自我意識(shí)的數(shù)學(xué)實(shí)質(zhì)349

12.5生命定律350

12.6自我意識(shí)體的基本性質(zhì)352

12.7自我意識(shí)論斷353

12.8領(lǐng)土/領(lǐng)地意識(shí)353

12.9自我意識(shí)學(xué)習(xí)354

12.10自我意識(shí)體的層譜抽象認(rèn)知355

12.11自我意識(shí)體的認(rèn)知熵356

12.12自我意識(shí)體的認(rèn)知信息357

12.13自我意識(shí)體的內(nèi)結(jié)構(gòu)熵358

18

中國(guó)人工智能系列白皮書(shū)

12.14自我意識(shí)體的外結(jié)構(gòu)熵358

12.15自我意識(shí)體的外解碼信息359

12.16自我意識(shí)體的層譜抽象感知359

12.17自我意識(shí)理論總結(jié)361

第13章博弈/謀算理論363

13.1博弈的基本定義363

13.2競(jìng)爭(zhēng)定律365

13.3現(xiàn)實(shí)世界博弈的可能結(jié)局366

13.4博弈的系統(tǒng)原理368

13.5現(xiàn)實(shí)世界博弈的基本規(guī)律369

13.6孫子模型369

13.7孫子兵法的核心科學(xué)思想：謀算372

13.8博弈中的學(xué)習(xí)375

13.9博弈中的自我意識(shí)學(xué)習(xí)378

13.10力量的系統(tǒng)生成原理379

13.11威脅度量380

13.12必勝策略原理382

13.13博弈策略的信息科學(xué)原理383

19

中國(guó)人工智能系列白皮書(shū)

13.14博弈策略的數(shù)理原理384

13.15博弈設(shè)計(jì)原理385

13.16博弈的收益原理386

13.17博弈系統(tǒng)中玩家的定義388

13.18博弈中學(xué)習(xí)與自我意識(shí)學(xué)習(xí)的正確性與可解釋性389

13.19博弈結(jié)局的層譜抽象定義391

13.20博弈獲勝的主客觀一致性準(zhǔn)則394

13.21博弈中的謀算策略396

13.22博弈/謀算理論總結(jié)398

第14章人工智能的信息模型399

14.1智能的定義（非形式化）399

14.2人類(lèi)智能模型400

14.3人類(lèi)智能的信息科學(xué)原理402

14.4人工智能的科學(xué)原理402

14.5人工智能模型403

14.6智能的數(shù)學(xué)定義：智能論題404

第15章信息時(shí)代科學(xué)雙引擎與信息時(shí)代重大科學(xué)問(wèn)題406

15.1數(shù)學(xué)中的三個(gè)基本問(wèn)題407

20

中國(guó)人工智能系列白皮書(shū)

15.2物理中的兩個(gè)基本問(wèn)題408

15.3生命科學(xué)的三個(gè)基本問(wèn)題409

15.4信息時(shí)代的科學(xué)雙引擎410

參考文獻(xiàn)412

1符號(hào)主義人工智能：第2章參考文獻(xiàn)412

2難解問(wèn)題的智能算法：第4章參考文獻(xiàn)433

3神經(jīng)網(wǎng)絡(luò)的計(jì)算原理：第6章參考文獻(xiàn)448

4人工智能的博弈理論：第7章參考文獻(xiàn)459

7.1節(jié)參考文獻(xiàn)459

7.2節(jié)參考文獻(xiàn)460

7.3節(jié)參考文獻(xiàn)464

7.4節(jié)參考文獻(xiàn)467

7.5節(jié)參考文獻(xiàn)468

7.6節(jié)參考文獻(xiàn)470

5量子人工智能：第8章參考文獻(xiàn)472

6人工智能的信息科學(xué)原理：第1章、第9-15章參考文獻(xiàn)...491

21

中國(guó)人工智能系列白皮書(shū)

第一部分

人工智能總論

1

中國(guó)人工智能系列白皮書(shū)

第1章人工智能總論

1.1人工智能的科學(xué)思想起源

人工智能已經(jīng)凸顯為21世紀(jì)的重大科學(xué)挑戰(zhàn)。這一現(xiàn)象本身就

已經(jīng)說(shuō)明人工智能是科學(xué)發(fā)展在21世紀(jì)的必然而且自然的結(jié)果。因

此，人工智能的科學(xué)障礙正是21世紀(jì)的重大前沿科學(xué)問(wèn)題。

科學(xué)是人類(lèi)在認(rèn)識(shí)世界、認(rèn)知自我、改造世界、改造自我的過(guò)程

中產(chǎn)生的對(duì)現(xiàn)實(shí)世界的知識(shí)發(fā)現(xiàn)、規(guī)律揭示以及基于知識(shí)與規(guī)律的創(chuàng)

造。

科學(xué)研究的對(duì)象是現(xiàn)實(shí)世界的對(duì)象。對(duì)現(xiàn)實(shí)世界對(duì)象的科學(xué)研究

的第一步是現(xiàn)實(shí)世界對(duì)象的表示，這也是對(duì)現(xiàn)實(shí)世界對(duì)象的抽象表示。

數(shù)與形是現(xiàn)實(shí)世界對(duì)象的基本屬性。因此，數(shù)與形就構(gòu)成了現(xiàn)實(shí)

世界對(duì)象的基本數(shù)學(xué)表示。經(jīng)典數(shù)學(xué)研究數(shù)與形的基本規(guī)律。數(shù)與形

的基本規(guī)律提供了研究現(xiàn)實(shí)世界對(duì)象的基礎(chǔ)。因此，數(shù)學(xué)就是現(xiàn)實(shí)世

界對(duì)象研究的基礎(chǔ)。

公理化的思想使得數(shù)學(xué)可以建立嚴(yán)格的數(shù)學(xué)理論。公理化體系是

公理化數(shù)學(xué)的規(guī)范化體系，它解決了“形”這個(gè)不太容易建立規(guī)則的

對(duì)象的公理化體系。

公理化數(shù)學(xué)已經(jīng)成為數(shù)學(xué)研究的范式。數(shù)學(xué)定理就是基于公理的

推理的結(jié)果。

因此，推理就是數(shù)學(xué)研究的基本策略，它包括一些基本推理規(guī)則。

然而，推理這一概念并沒(méi)有一個(gè)數(shù)學(xué)定義。而且人的推理中還包

含或隱含了人的直觀。

人的推理包括邏輯推理、直覺(jué)推理以及邏輯推理與直覺(jué)推理的結(jié)

合。

然而長(zhǎng)期以來(lái)，一直沒(méi)有一個(gè)推理的數(shù)學(xué)定義，更沒(méi)有一個(gè)邏輯

推理和直覺(jué)推理的數(shù)學(xué)定義。

但是人們實(shí)際上是清楚的，人有直覺(jué)推理。而且第三次數(shù)學(xué)危機(jī)

2

中國(guó)人工智能系列白皮書(shū)

就在于數(shù)學(xué)家們發(fā)現(xiàn)，很多的數(shù)學(xué)證明依賴(lài)于人的直觀，這使得數(shù)學(xué)

家開(kāi)始懷疑：是否在已經(jīng)建立的數(shù)學(xué)證明中隱含了不可靠的直觀？如

果是這樣，數(shù)學(xué)就是建立在“沙灘”上了。這就是第三次數(shù)學(xué)危機(jī)。

怎樣避免人的直觀造成數(shù)學(xué)證明的不可靠？公理化數(shù)學(xué)的邊界

在哪里？

為了回答這兩個(gè)問(wèn)題，Hilbert1900年提出一個(gè)計(jì)劃，數(shù)學(xué)史上

稱(chēng)為Hilbert計(jì)劃。該計(jì)劃提出數(shù)學(xué)證明的形式化方法，并猜想一切

真的命題都是可證明的。Hilbert要求的證明是一種排除直觀的完全基

于規(guī)則的“證明”，即后來(lái)人們熟知的形式化證明。

Hilbert計(jì)劃的第一個(gè)問(wèn)題是：給（形式化）證明這一概念一個(gè)數(shù)

學(xué)定義。

以Go?del為代表的一批數(shù)學(xué)家給出了形式化證明的數(shù)學(xué)定義，建

立了數(shù)理邏輯新學(xué)科，并用構(gòu)造性方法構(gòu)造了一個(gè)數(shù)學(xué)命題?，使得

?和?的否定命題??都是不可證明的。

從語(yǔ)義上來(lái)說(shuō)，對(duì)任何數(shù)學(xué)命題，該命題和它的否定命題必然

有一個(gè)是真的。

這就是Go?del1930年代的不完全性定理，即：在一個(gè)適當(dāng)復(fù)雜的

公理系統(tǒng)中，必然存在不可證明的真命題。Go?del不完全性定理徹底

否定了Hilbert一切真命題均可證明的猜想。

數(shù)理邏輯中定義一個(gè)證明就是一個(gè)基于公理和推理規(guī)則的序列。

證明的這一定義完全排除了證明過(guò)程中任何可能的直觀的因素?；?/p>

這一定義的數(shù)學(xué)，即數(shù)理邏輯，恰好就是邏輯推理的數(shù)學(xué)理論，完美

地實(shí)現(xiàn)了Hilbert計(jì)劃所要求的證明的形式化。

因此，數(shù)理邏輯給出了邏輯推理的數(shù)學(xué)定義，建立了邏輯推理的

數(shù)學(xué)理論。

與此同時(shí)，數(shù)理邏輯完全排除了直覺(jué)推理?？梢钥隙ǖ氖侵庇X(jué)推

理是人的基本推理方式，可以肯定的是沒(méi)有一個(gè)重要的數(shù)學(xué)定理不是

3

中國(guó)人工智能系列白皮書(shū)

數(shù)學(xué)家們直覺(jué)推理的結(jié)果。長(zhǎng)期以來(lái)一直沒(méi)有一個(gè)直覺(jué)推理的數(shù)學(xué)理

論（這是20世紀(jì)未能解決的問(wèn)題，也是21世紀(jì)凸顯的一個(gè)科學(xué)問(wèn)

題，不解決這個(gè)問(wèn)題，不可能理解學(xué)習(xí)是什么意思。）

Hilbert的猜想是不對(duì)的，但是，這不影響Hilbert計(jì)劃的意義。

因?yàn)檎怯蠬ilbert計(jì)劃，才有了Go?del后來(lái)數(shù)理邏輯的研究。

進(jìn)一步，Turing1936年提出了通用Turing機(jī)模型，給“計(jì)算”

這一概念一個(gè)數(shù)學(xué)定義與數(shù)學(xué)模型。

Turing1936的文章基于通用Turing機(jī)模型，證明了存在不可計(jì)

算函數(shù)。由于計(jì)算也是一種邏輯推理，Turing的通用Turing機(jī)也否定

了Hilbert的猜想。

Turing1936年提出通用Turing機(jī)模型的動(dòng)機(jī)是為了否定Hilbert

猜想。

Hilbert1900年計(jì)劃的實(shí)質(zhì)是“證明”與“計(jì)算”這兩個(gè)概念的數(shù)

學(xué)定義是什么？Go?del1930年代對(duì)基于邏輯推理的證明給出了一個(gè)

定義；Turing1936年給出了計(jì)算這一概念的數(shù)學(xué)定義。（在數(shù)學(xué)、乃

至科學(xué)意義上的“證明”這一概念的數(shù)學(xué)定義仍然是一個(gè)重大的科學(xué)

問(wèn)題，是Go?del不曾解決的問(wèn)題，也是21世紀(jì)需要回答的科學(xué)問(wèn)題。）

顯然，在Go?del和Turing之前，證明與計(jì)算這兩個(gè)概念還沒(méi)有嚴(yán)

格的數(shù)學(xué)定義，仍屬于哲學(xué)概念。

證明和計(jì)算是數(shù)學(xué)研究的基本概念，當(dāng)然也是人的智力活動(dòng)的基

本概念，是人工智能的基本概念。

Hilbert的猜想不對(duì)，然而Hilbert計(jì)劃提出了當(dāng)時(shí)的一個(gè)重大科

學(xué)問(wèn)題，引出了后來(lái)的數(shù)理邏輯和計(jì)算理論，成為20世紀(jì)科學(xué)革命

的主要?jiǎng)恿Α?/p>

正是由于這個(gè)原因，Hilbert計(jì)劃的意義遠(yuǎn)大于Hilbert1900年提

出的23個(gè)問(wèn)題，這些問(wèn)題，每一個(gè)都對(duì)一個(gè)方向很重要，但是所有

問(wèn)題合起來(lái)也僅在數(shù)學(xué)領(lǐng)域有意義，在其它學(xué)科影響有限。然而

4

中國(guó)人工智能系列白皮書(shū)

Hilbert計(jì)劃是對(duì)整個(gè)20世紀(jì)科學(xué)技術(shù)產(chǎn)生革命性影響的問(wèn)題。

人工智能已經(jīng)凸顯為21世紀(jì)的重大科學(xué)挑戰(zhàn)。然而破解人工智

能科學(xué)挑戰(zhàn)的鑰匙和關(guān)鍵科學(xué)思想是什么？

理解學(xué)習(xí)、智能和人工智能等概念的鑰匙是正確地理解信息這一

科學(xué)概念。信息是破解人工智能科學(xué)挑戰(zhàn)的鑰匙。

Shannon1948年提出度量嵌入在一個(gè)隨機(jī)變量中的不確定性的

熵的概念，提出在端到端信道傳輸中，收方消除的發(fā)送方的不確定性

的量，即互信息的概念，證明了當(dāng)互信息適當(dāng)大時(shí)，存在一個(gè)解碼器，

根據(jù)收方數(shù)據(jù)解碼出發(fā)送方所要傳輸?shù)臄?shù)據(jù)的通信原理，建立了通信

的數(shù)學(xué)理論。第一次提出了信息的概念。然而Shannon信息論里面的

信息僅限于作為一個(gè)通信概念。

顯然，信息是一個(gè)科學(xué)概念，而不僅僅是一個(gè)通信概念。

李昂生建立了作為科學(xué)概念的信息的基本原理與理論，提出了層

譜抽象認(rèn)知模型（或者，稱(chēng)為，認(rèn)知方法），建立了層譜抽象這一方

法論的數(shù)學(xué)理論。

信息世界的層譜抽象認(rèn)知模型和物理世界的分而治之的分析方

法，相結(jié)合就是破解人工智能科學(xué)障礙的模型、原理與方法。本白皮

書(shū)第十一、第十二和第十三章將建立這一人工智能科學(xué)原理。這一科

學(xué)原理的思想可以追溯到2500多年以前，中國(guó)科學(xué)與軍事科學(xué)祖師

孫武的《孫子兵法》。層譜抽象認(rèn)知方法和分而治之分析方法相結(jié)合

的人工智能原理正是《孫子兵法》的核心科學(xué)思想：“謀算”，這里“謀”

就是層譜抽象，“算”就是分而治之。

1.2人工智能的數(shù)理邏輯原理

Hilbert1900年提出Hilbert計(jì)劃的時(shí)代背景是第三次數(shù)學(xué)危機(jī)，

人們突然發(fā)現(xiàn)或意識(shí)到數(shù)學(xué)并沒(méi)有建立在一個(gè)可靠的基礎(chǔ)之上。原因

在于數(shù)學(xué)中最通常的概念“證明”和“推理”并沒(méi)有一個(gè)數(shù)學(xué)定義。

5

中國(guó)人工智能系列白皮書(shū)

Hilbert計(jì)劃的目的與動(dòng)機(jī)是為數(shù)學(xué)建立一個(gè)可靠的基礎(chǔ)。

數(shù)理邏輯建立了邏輯推理的規(guī)則，給出了基于邏輯推理的證明的

數(shù)學(xué)定義，從而建立了邏輯推理系統(tǒng)，作為公理化數(shù)學(xué)的公共基礎(chǔ)，

建立了數(shù)學(xué)的基礎(chǔ)。

數(shù)理邏輯第一次把“邏輯推理”這一人的推理方法用數(shù)學(xué)規(guī)則來(lái)

實(shí)現(xiàn)了，從而把曾經(jīng)認(rèn)為的只有人才能做的“邏輯推理”用數(shù)學(xué)規(guī)則

實(shí)現(xiàn)了。

數(shù)學(xué)規(guī)則顯然可以由算法來(lái)實(shí)現(xiàn)，因此邏輯推理可以由算法來(lái)實(shí)

現(xiàn)。這就意味著算法可以實(shí)現(xiàn)人的邏輯推理。這就是人工智能的數(shù)理

邏輯原理。

數(shù)理邏輯還建立了后來(lái)的計(jì)算機(jī)科學(xué)三大支柱之一的計(jì)算機(jī)程

序理論的數(shù)學(xué)原理。

（程序理論、計(jì)算理論和體系結(jié)構(gòu)原理正是計(jì)算機(jī)科學(xué)的三大支

柱理論，支撐著整個(gè)計(jì)算機(jī)科學(xué)大廈。）

基于邏輯推理的定理機(jī)器證明正是第一代人工智能的典型代表。

數(shù)理邏輯，特別命題邏輯中的一些基本問(wèn)題還提供了新的算法問(wèn)

題，及研究算法復(fù)雜性的經(jīng)典問(wèn)題，例如第一個(gè)NP完全性問(wèn)題，SAT

問(wèn)題。

數(shù)理邏輯系統(tǒng)的分析方法，即系統(tǒng)的完備性（completeness）和可

靠性（soundness），還提供了計(jì)算機(jī)程序分析的一般方法。

擴(kuò)充或變種的各種應(yīng)用邏輯，比如非單調(diào)邏輯提供了基于邏輯推

理的常識(shí)推理，成為第一代人工智能的重要組成部分。

數(shù)理邏輯揭示了一個(gè)邏輯推理有一個(gè)語(yǔ)法（syntax）和一個(gè)語(yǔ)義

（semantic），語(yǔ)法指按規(guī)則的推理過(guò)程，語(yǔ)義指該推理過(guò)程的數(shù)學(xué)意

義，即真、假值。一個(gè)正確的推理必然要求語(yǔ)法和語(yǔ)義的一致性。

推理的可靠性（soundness）要求符合推理規(guī)則的推理結(jié)果是正確

的（即，真的），推理的完備性（completeness）要求真的一定能按推

6

中國(guó)人工智能系列白皮書(shū)

理規(guī)則證明，即推出來(lái)。

一個(gè)邏輯系統(tǒng)的基本要求是可靠性，即推出來(lái)的結(jié)論一定是正確

的（或真的）?；镜倪壿嬒到y(tǒng)同時(shí)還要求滿足完備性。然而在一個(gè)

適當(dāng)復(fù)雜的數(shù)學(xué)系統(tǒng)，例如算術(shù)系統(tǒng)中，存在一個(gè)命題?，使得?和?

的否定??，均不可證明。

然而?和A的否定??必然有一個(gè)是真的。因此，存在真的命

題，它不可證明。這就是Godel不完全性定理所揭示的結(jié)論。

在不完全性定理中，是否“可證”是語(yǔ)法問(wèn)題，真或者假

是語(yǔ)義問(wèn)題。不完全性定理的實(shí)質(zhì)是：語(yǔ)法和語(yǔ)義的不一致性，即，

一個(gè)適當(dāng)復(fù)雜的數(shù)學(xué)系統(tǒng)必然有：語(yǔ)法和語(yǔ)義的不一致性。這里面的

一個(gè)根本問(wèn)題是僅僅基于邏輯推理的證明的概念是不充分的（第十五

章將把這個(gè)問(wèn)題作為信息時(shí)代的重大科學(xué)問(wèn)題之一提出）。

基于數(shù)理邏輯的人工智能是人工智能的一個(gè)重要方向，即符號(hào)主

義人工智能，其使命是揭示，邏輯推理在人工智能中的作用與極限。

1.3人工智能的計(jì)算原理

“計(jì)算”是人類(lèi)的一個(gè)基本智能活動(dòng)。

Turing1936年的Turing機(jī)，特別是通用Turing機(jī)給出了計(jì)算這

一概念的數(shù)學(xué)定義和數(shù)學(xué)模型。

計(jì)算這一概念有很多屬性。然而計(jì)算的根本屬性是機(jī)械性，即計(jì)

算的每一步動(dòng)作都是機(jī)器可執(zhí)行的。這就是計(jì)算這一概念的實(shí)質(zhì)。

Turing機(jī)模型揭示了計(jì)算概念的這一實(shí)質(zhì)。

Turing機(jī)執(zhí)行的任何一個(gè)步驟都是：

（1）指向一個(gè)位置；

（2）改變一個(gè)符號(hào)；

（3）改變一個(gè)狀態(tài)；

（4）左移一格或者右移一格。

7

中國(guó)人工智能系列白皮書(shū)

計(jì)算的實(shí)質(zhì)：計(jì)算的每個(gè)動(dòng)作都是機(jī)器可執(zhí)行的。

因此，計(jì)算可以由機(jī)器來(lái)實(shí)現(xiàn)。一個(gè)Turing機(jī)就是一個(gè)機(jī)器的數(shù)

學(xué)模型，它能實(shí)現(xiàn)一個(gè)計(jì)算任務(wù)。

通用Turing機(jī)就是一個(gè)機(jī)器的數(shù)學(xué)模型，它能實(shí)現(xiàn)任何一個(gè)計(jì)

算任務(wù)。

Turing的理論貢獻(xiàn)是證明了任何一個(gè)計(jì)算都可以由一個(gè)機(jī)器，即

通用Turing機(jī)來(lái)實(shí)現(xiàn)。

Turing機(jī)模型還揭示了：

計(jì)算定律（Thelawofcomputation）

計(jì)算是局部的，即計(jì)算過(guò)程中任何一個(gè)動(dòng)作都是局部操作，而且

一個(gè)計(jì)算就是一系列局部操作構(gòu)成的序列。

顯然，邏輯推理是一個(gè)計(jì)算過(guò)程，計(jì)算定律也表明邏輯推理是局

部的。

計(jì)算是局部的這一計(jì)算定律表明：計(jì)算完美地實(shí)現(xiàn)了邏輯推理，

但是不能實(shí)現(xiàn)直覺(jué)推理。

什么是邏輯推理？什么是直覺(jué)推理？邏輯推理就是同一抽象層

次的推理。直覺(jué)推理就是跨越抽象層譜的推理?，F(xiàn)實(shí)世界必然包含不

同抽象層譜的對(duì)象。邏輯推理和直覺(jué)推理都是人推理不可或缺的推理

形式，是人學(xué)習(xí)的基本策略。

因此僅僅依靠計(jì)算不可能實(shí)現(xiàn)人的學(xué)習(xí)，這是以計(jì)算為中心建立

學(xué)習(xí)理論的先天不足，不可彌補(bǔ)。

Turing機(jī)模型揭示了計(jì)算概念的實(shí)質(zhì)，更證明任何一個(gè)計(jì)算可以

用一個(gè)Turing機(jī)來(lái)實(shí)現(xiàn)，然而并沒(méi)有回答如何對(duì)一個(gè)問(wèn)題通過(guò)計(jì)算

來(lái)求解。

任何一個(gè)計(jì)算問(wèn)題必然有一個(gè)“目標(biāo)函數(shù)”。計(jì)算的目標(biāo)函數(shù)是

8

中國(guó)人工智能系列白皮書(shū)

由人來(lái)確定的，機(jī)器本身不能確定計(jì)算的目標(biāo)函數(shù)。

一個(gè)計(jì)算問(wèn)題的目標(biāo)函數(shù)是該計(jì)算問(wèn)題的語(yǔ)義，而計(jì)算的過(guò)程是

該計(jì)算問(wèn)題的語(yǔ)法。

因此，一個(gè)計(jì)算問(wèn)題有一個(gè)人確定的語(yǔ)義和一個(gè)機(jī)器實(shí)現(xiàn)的語(yǔ)法。

計(jì)算機(jī)解決計(jì)算問(wèn)題的語(yǔ)法，但是不能解決計(jì)算問(wèn)題的語(yǔ)義。

Turing機(jī)的定義揭示了計(jì)算這一概念的實(shí)質(zhì)，奠定了計(jì)算理論的

基礎(chǔ)。而計(jì)算理論正是計(jì)算機(jī)科學(xué)的三大支柱之一。

通用Turing機(jī)還為后來(lái)的電子計(jì)算機(jī)提供了數(shù)學(xué)模型，因此，通

用Turing機(jī)也為計(jì)算機(jī)體系結(jié)構(gòu)提供了原理。體系結(jié)構(gòu)是計(jì)算機(jī)科

學(xué)的三大支柱之一。

程序理論、計(jì)算理論和體系結(jié)構(gòu)正是計(jì)算機(jī)科學(xué)的三大支柱，其

中程序理論的數(shù)學(xué)基礎(chǔ)是數(shù)理邏輯，而計(jì)算理論和體系結(jié)構(gòu)的數(shù)學(xué)基

礎(chǔ)都是Turing機(jī)和通用Turing機(jī)。

計(jì)算這一概念的研究毫無(wú)疑問(wèn)仍然是計(jì)算機(jī)科學(xué)，特別是理論計(jì)

算機(jī)科學(xué)的核心問(wèn)題。計(jì)算的數(shù)學(xué)實(shí)質(zhì)由TuringThesis確定。這個(gè)

論題是否正確仍然是一個(gè)重大問(wèn)題。在計(jì)算復(fù)雜性層面，現(xiàn)有的算法

復(fù)雜性及計(jì)算復(fù)雜性都是基于Turing機(jī)來(lái)定義的。基于Turing機(jī)模

型，建立了NP困難性、NP完全性的理論。然而計(jì)算復(fù)雜性理論并

沒(méi)有揭示一個(gè)計(jì)算問(wèn)題為什么困難的實(shí)質(zhì)。一個(gè)計(jì)算問(wèn)題為什么復(fù)雜

應(yīng)該是由這個(gè)問(wèn)題內(nèi)在本質(zhì)屬性所決定的。

算法、計(jì)算復(fù)雜性，甚至可計(jì)算性的任何突破實(shí)質(zhì)上都要求有一

個(gè)算法新思想。這仍然是計(jì)算機(jī)科學(xué)研究的發(fā)動(dòng)機(jī)。

1.4圖靈對(duì)機(jī)器智能的研究

在Turing之前，有很多計(jì)算裝置，中國(guó)古代的算盤(pán)就是一個(gè)簡(jiǎn)

單、有效的計(jì)算裝置。然而計(jì)算這一概念有一個(gè)嚴(yán)格的數(shù)學(xué)定義，而

且計(jì)算可以完全由機(jī)器來(lái)實(shí)現(xiàn)。計(jì)算器和計(jì)算機(jī)的根本區(qū)別在于：計(jì)

9

中國(guó)人工智能系列白皮書(shū)

算器是單一計(jì)算任務(wù)的計(jì)算；計(jì)算機(jī)是通用計(jì)算模型的計(jì)算。通用

Turing機(jī)預(yù)示著計(jì)算可以完全由機(jī)器來(lái)實(shí)現(xiàn)。這是一個(gè)偉大的科學(xué)成

就?；趯?duì)這一成就的預(yù)見(jiàn)，Turing1948年提出了機(jī)器智能的概念，

并第一次對(duì)機(jī)器智能這一問(wèn)題做了認(rèn)真的研究。

Turing1948年提出：“機(jī)器會(huì)思考嗎？”這一問(wèn)題，并針對(duì)這一

問(wèn)題進(jìn)行了充分論證。

然而，“思考”這個(gè)概念太復(fù)雜，沒(méi)有一個(gè)數(shù)學(xué)模型來(lái)實(shí)現(xiàn)它。

對(duì)此，Turing提出了后來(lái)人們稱(chēng)之為“Turing測(cè)試”（TuringTest）的

模型以檢測(cè)一個(gè)機(jī)器是否有智能，從而回避了什么是智能的問(wèn)題？以

及機(jī)器是否有智能的問(wèn)題？

在這篇文章中，Turing提出了一個(gè)基于計(jì)算的模擬小學(xué)生在學(xué)校

在老師指導(dǎo)下學(xué)習(xí)的學(xué)習(xí)模型。這是第一個(gè)嘗試給學(xué)習(xí)這一概念建立

模型的工作。Turing的學(xué)習(xí)模型引出后來(lái)強(qiáng)化學(xué)習(xí)的模型。成為機(jī)器

學(xué)習(xí)的一個(gè)重要方向。

Turing1948年的工作第一次明確提出了機(jī)器學(xué)習(xí)和機(jī)器智能的

問(wèn)題。然而Turing的工作并沒(méi)有對(duì)學(xué)習(xí)和智能這兩個(gè)概念的數(shù)學(xué)實(shí)

質(zhì)做出有意義的理解。

實(shí)際上，如前所說(shuō)，計(jì)算是局部的，不可能實(shí)現(xiàn)直覺(jué)推理，更不

可能實(shí)現(xiàn)學(xué)習(xí)；計(jì)算需要人來(lái)確定目標(biāo)函數(shù)，學(xué)習(xí)的目標(biāo)函數(shù)人也不

知道。因此僅僅基于計(jì)算是不可能建立學(xué)習(xí)模型的。

Turing1948年的工作實(shí)際上也說(shuō)明學(xué)習(xí)和計(jì)算是根本不同的概

念。不然，Turing肯定可以基于計(jì)算模型很容易地建立學(xué)習(xí)的模型與

原理。Turing明確提出“機(jī)器智能”的概念，然而回避了什么是智能？

智能是怎樣形成的？等問(wèn)題。

Turing1948年提出的“TuringTest”模型仍然被認(rèn)為是檢驗(yàn)一個(gè)

機(jī)器，是否有智能的準(zhǔn)則。

因此，Turing1948年的工作是開(kāi)啟人工智能研究的奠基性成果。

10

中國(guó)人工智能系列白皮書(shū)

Turing的工作也引出兩大基本問(wèn)題：

（1）計(jì)算與智能這兩個(gè)科學(xué)概念的關(guān)系是什么？

（2）作為科學(xué)概念的“計(jì)算”一定是Turing機(jī)嗎？

顯然，這兩個(gè)問(wèn)題仍然是21世紀(jì)的重要科學(xué)問(wèn)題。

1.5人工智能研究的興起

人工智能的興起是1956年在美國(guó)達(dá)特茅斯的一個(gè)會(huì)議開(kāi)始的。

它的興起不是人工智能有了科學(xué)突破而自然產(chǎn)生的，是一些學(xué)者感覺(jué)

會(huì)有那么一個(gè)學(xué)科。然而，這個(gè)學(xué)科真正的科學(xué)貢獻(xiàn)還沒(méi)有什么成果。

基礎(chǔ)性的成果僅限于數(shù)理邏輯、Turing機(jī)，以及如上所說(shuō)Turing第一

個(gè)認(rèn)真研究的成果。

會(huì)議討論決定用“人工智能”這個(gè)名稱(chēng)，并決定了一些研討會(huì)組

織形式。

會(huì)議對(duì)人工智能學(xué)術(shù)沒(méi)有什么影響性成果。

順便說(shuō)幾點(diǎn)：會(huì)議確定了“人工智能”名稱(chēng)。在這之前，Turing

用的名稱(chēng)是:智能機(jī)，intelligentmachinery。人工智能這個(gè)名稱(chēng)現(xiàn)在用

的最多，但嚴(yán)格科學(xué)意義上，未必嚴(yán)謹(jǐn)、科學(xué)。

人工智能后來(lái)幾波的發(fā)展都是一波三折。其原因可能就是：人工

智能的提出并不是基于科學(xué)已經(jīng)取得突破的基礎(chǔ)，而只是感覺(jué)有那么

一個(gè)東西，大家提出來(lái)，口號(hào)性的東西比較多，實(shí)質(zhì)科學(xué)思想少，口

號(hào)介入到了科學(xué)研究的原因。

科學(xué)研究應(yīng)該是有其自身規(guī)律的，重大科學(xué)問(wèn)題的突破必然有其

歷史的規(guī)律性。

1.6符號(hào)主義人工智能

符號(hào)主義的根本原理就是邏輯推理，邏輯推理的數(shù)學(xué)理論就是數(shù)

理邏輯。

11

中國(guó)人工智能系列白皮書(shū)

因此符號(hào)主義的人工智能就是基于數(shù)理邏輯的人工智能。

人的推理包括邏輯推理和直覺(jué)推理，人的推理是邏輯推理和直覺(jué)

推理的結(jié)合。

顯然，邏輯推理和直覺(jué)推理是不一樣的，兩者對(duì)人的學(xué)習(xí)都至關(guān)

重要。

邏輯推理的數(shù)學(xué)理論是數(shù)理邏輯。然而，長(zhǎng)期以來(lái)，沒(méi)有一個(gè)直

覺(jué)推理的數(shù)學(xué)理論。

為正確理解推理這一概念，這里提出：

定義1.1（邏輯推理）邏輯推理就是同一個(gè)抽象層譜的推理。

定義1.2（直覺(jué)推理）直覺(jué)推理就是跨越抽象層譜的推理。

定義1.1和定義1.2表明了邏輯推理和直覺(jué)推理的本質(zhì)區(qū)別。定

義1.1和定義1.2同時(shí)還表明，建立推理的數(shù)學(xué)理論的一個(gè)不可逾越

的障礙是建立層譜抽象的數(shù)學(xué)理論。我們第一次建立了這樣一個(gè)理論，

具體參見(jiàn)本白皮書(shū)第十章。

一個(gè)基本觀察是人的推理是邏輯推理和直覺(jué)推理的結(jié)合或融合。

由于符號(hào)主義的人工智能就是基于邏輯推理的人工智能，符號(hào)主義的

人工智能技術(shù)不可能實(shí)現(xiàn)直覺(jué)推理，從而不可能實(shí)現(xiàn)人的推理。這就

是符號(hào)主義人工智能的根本缺陷。

然而我們并不知道：符號(hào)主義人工智能的邊界在哪里？這仍然是

一個(gè)重要的科學(xué)問(wèn)題。

1.7連接主義人工智能

連接主義人工智能的基本原理是：一個(gè)良定義的函數(shù)必然可以由

一個(gè)神經(jīng)網(wǎng)絡(luò)來(lái)任意逼近。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的一個(gè)基本假設(shè)是：學(xué)習(xí)的目標(biāo)是一個(gè)良定義的函

數(shù)。

一個(gè)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過(guò)程就是通過(guò)大量的已標(biāo)注實(shí)例學(xué)習(xí)一個(gè)神

12

中國(guó)人工智能系列白皮書(shū)

經(jīng)網(wǎng)絡(luò)的參數(shù)使得該神經(jīng)網(wǎng)絡(luò)逼近未知的學(xué)習(xí)目標(biāo)，它是一個(gè)良定義

的函數(shù)。

連接主義人工智能就是一個(gè)神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)。

這一學(xué)習(xí)模型已經(jīng)取得重要應(yīng)用成果，并正在引領(lǐng)著當(dāng)代機(jī)器學(xué)

習(xí)技術(shù)的潮流。

然而，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)有若干根本性缺陷：

1.它假設(shè)學(xué)習(xí)的目標(biāo)是一個(gè)函數(shù)或分布

一個(gè)分布或隨機(jī)變量實(shí)質(zhì)上也是一個(gè)函數(shù)。因此，這一假設(shè)表明

學(xué)習(xí)的目標(biāo)是一個(gè)函數(shù)。然而，一個(gè)函數(shù)實(shí)質(zhì)上是一個(gè)表，盡管在簡(jiǎn)

單情況下，知識(shí)可以用一個(gè)表來(lái)表示，但是根本上來(lái)說(shuō)，人學(xué)習(xí)的知

識(shí)并不能用一個(gè)表或函數(shù)來(lái)表示。

數(shù)學(xué)家們喜歡函數(shù)是因?yàn)楹瘮?shù)簡(jiǎn)單，好研究，成果多，并不是因

為函數(shù)是表示人類(lèi)知識(shí)的標(biāo)準(zhǔn)模型。

人工智能或者計(jì)算機(jī)科學(xué)中，把函數(shù)作為學(xué)習(xí)目標(biāo)的標(biāo)準(zhǔn)模型是

否正確，需要科學(xué)地來(lái)研究。

2.神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型并沒(méi)有回答學(xué)習(xí)的數(shù)學(xué)實(shí)質(zhì)是什么這一基

本問(wèn)題

因此，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型并沒(méi)有增加我們對(duì)“學(xué)習(xí)”這一概念的

數(shù)學(xué)理解。

3.神經(jīng)網(wǎng)絡(luò)模型學(xué)習(xí)需求大量已知或已標(biāo)注的實(shí)例

然而大量已標(biāo)注實(shí)例在現(xiàn)實(shí)世界中不容易建立，關(guān)鍵是人并不是

通過(guò)大量已標(biāo)注數(shù)據(jù)來(lái)學(xué)習(xí)的。人從觀察一、兩個(gè)例子就能學(xué)習(xí)，而

且學(xué)得很好。因此，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)不是一個(gè)像人一樣學(xué)習(xí)的模型。

4.神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)并沒(méi)有一個(gè)可解釋性

人的學(xué)習(xí)是有可解釋性的，說(shuō)明神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)跟人學(xué)習(xí)是不一樣

的。而且由于沒(méi)有可解釋性，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)在嚴(yán)格科學(xué)技術(shù)標(biāo)準(zhǔn)要求

下的應(yīng)用是不可信的。

13

中國(guó)人工智能系列白皮書(shū)

有人可能認(rèn)為學(xué)習(xí)不需要可解釋性。人學(xué)習(xí)是有可解釋性的；現(xiàn)

在的每一個(gè)學(xué)科的分支、領(lǐng)域都是可解釋的。人和動(dòng)物都在學(xué)習(xí)，學(xué)

習(xí)作為一個(gè)現(xiàn)實(shí)世界的重大基本現(xiàn)象，需要科學(xué)的研究，正確、準(zhǔn)確、

精確，到點(diǎn)、到位地捕捉到學(xué)習(xí)這一基本概念的（數(shù)學(xué)）實(shí)質(zhì)，是科

學(xué)研究的必然要求和應(yīng)有之意。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的不可解釋性是這一模型的先天不足，而不是優(yōu)點(diǎn)。

如果對(duì)此沒(méi)有清醒的認(rèn)識(shí)，對(duì)科學(xué)和人類(lèi)未來(lái)技術(shù)都有可能造成破壞

性影響。

5.神經(jīng)網(wǎng)絡(luò)的生成學(xué)習(xí)模型會(huì)去修改規(guī)則、修改數(shù)據(jù)，而且需要

一個(gè)后臺(tái)人員團(tuán)隊(duì)的控制

學(xué)習(xí)的結(jié)果自然地受到后臺(tái)控制人員的主觀因素影響。

從應(yīng)用技術(shù)上說(shuō)，對(duì)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)模型的潛在風(fēng)險(xiǎn)、危害和威脅

的認(rèn)知、識(shí)別與防范，應(yīng)該和它帶來(lái)的收益同樣重視，甚至是更加重

視。

綜上所述，連接主義人工智能技術(shù)的新現(xiàn)象提出了一系列新

問(wèn)題：

（i）神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)的數(shù)學(xué)原理是什么？

（ii）神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)的計(jì)算原理是什么？

（iii）神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)的安全性怎么實(shí)現(xiàn)？

（iv）神經(jīng)網(wǎng)絡(luò)人工智能技術(shù)是否存在可解釋性的原理？

（v）神經(jīng)網(wǎng)絡(luò)人工智能是否可以不依賴(lài)大量的標(biāo)注數(shù)據(jù)？等

1.8行為主義人工智能

行為主義人工智能就是行為主義學(xué)習(xí)，或稱(chēng)為模仿學(xué)習(xí)。

模仿學(xué)習(xí)本身并沒(méi)有一個(gè)科學(xué)原理，更沒(méi)有揭示學(xué)習(xí)這一概念的

數(shù)學(xué)實(shí)質(zhì)。

行為主義學(xué)習(xí)更多地是一個(gè)控制原理，對(duì)揭示學(xué)習(xí)與智能的科學(xué)

14

中國(guó)人工智能系列白皮書(shū)

原理沒(méi)有直接的幫助。

1.9人工智能的數(shù)學(xué)、物理挑戰(zhàn)

人工智能作為21世紀(jì)的重大科學(xué)問(wèn)題，它的突破需要新的科學(xué)

思想。

同時(shí)，人工智能本身是一個(gè)交叉結(jié)合的科學(xué)現(xiàn)象，它和其它主要

學(xué)科的交叉結(jié)合、實(shí)質(zhì)關(guān)系和邊界界定又提出一系列新問(wèn)題，例如：

（1）人工智能需要什么樣的新數(shù)學(xué)？

（2）智能機(jī)的物理原理是什么？

1.10人工智能的重大科學(xué)挑戰(zhàn)

人工智能的實(shí)質(zhì)是實(shí)現(xiàn)機(jī)器智能。人是現(xiàn)實(shí)世界最高智能的主體。

機(jī)器智能就是用機(jī)器來(lái)實(shí)現(xiàn)人的智能。實(shí)現(xiàn)智能（或人的智能）的必

要條件是揭示，智能，即人的智能，的科學(xué)原理。

然而，一個(gè)重大科學(xué)挑戰(zhàn)性問(wèn)題正是：智能的科學(xué)原理是什么？

智能的主體是人。人是信息世界的對(duì)象，而不是物理世界的對(duì)象。

智能這一概念只能在信息世界空間中來(lái)理解，而不能在物理世界空間

來(lái)理解。

現(xiàn)有的科學(xué)體系是物理世界的科學(xué)體系。人們現(xiàn)有的對(duì)智能的理

解，包括符號(hào)主義的人工智能、連接主義的人工智能、行為主義的人

工智能等都是基于物理世界科學(xué)范式的關(guān)于人工智能的理解。這樣的

理解是有根本缺陷的。

1.10.1數(shù)學(xué)、物理對(duì)象的可分性

物理世界對(duì)象的可分性：物理世界對(duì)象是任意可分的。

例如：一塊石頭任意砸碎以后還是石頭，合起來(lái)還是石頭。

數(shù)學(xué)對(duì)象的可分性：數(shù)學(xué)對(duì)象是任意可分的。

例如：一條一米長(zhǎng)的線段的任意分割以后的線段之和仍是一米。

15

中國(guó)人工智能系列白皮書(shū)

因此：

（1）物理對(duì)象是任意可分的。

（2）數(shù)學(xué)對(duì)象是任意可分的。

根據(jù)數(shù)學(xué)、物理對(duì)象的可分性，對(duì)數(shù)學(xué)物理對(duì)象研究的總方法論，

或科學(xué)范式就是：分而治之。

分而治之這個(gè)總方法論的數(shù)學(xué)理論就是微分學(xué)與積分學(xué)，或簡(jiǎn)稱(chēng)

為微積分。

因此，微積分就是支撐數(shù)學(xué)、物理世界分析的原理與方法。

1.10.2信息世界對(duì)象的不可分性

信息世界對(duì)象不是任意可分的。例如：

（1）一個(gè)DNA序列是一個(gè)復(fù)雜的生命體。如果把一個(gè)DNA序

列任意分割它就不再是生命體了。

（2）一個(gè)數(shù)學(xué)命題的語(yǔ)義是不可分的。一個(gè)數(shù)學(xué)命題的語(yǔ)義就

是真或假，且不再進(jìn)一步可分。

（3）一個(gè)生命體不是任意可分的。任意分割一個(gè)生命體，它就

不再是生命體了。

信息世界對(duì)象不是任意可分的，因此，分而治之不再是信息世界

對(duì)象分析的方法論，微積分也不支撐信息世界對(duì)象的分析。

因此，信息世界對(duì)象和數(shù)理世界對(duì)象有根本區(qū)別；信息和數(shù)學(xué)、

物理不一樣。用物理世界的科學(xué)方法和原理來(lái)分析信息世界對(duì)象這種

做法，或許在特定條件下，在技術(shù)層面是有用的，但是，在科學(xué)原理

層面是不成立的。

然而現(xiàn)在的做法，還真就是用物理世界的科學(xué)方法和原理來(lái)分析

信息世界的對(duì)象與現(xiàn)象。這就是21世紀(jì)科學(xué)最大的障礙、危機(jī)、危

險(xiǎn)與威脅。

那么：

（1）信息世界對(duì)象分析的方法論是什么？

16

中國(guó)人工智能系列白皮書(shū)

（2）支撐信息世界對(duì)象分析的數(shù)學(xué)原理是什么？

1.10.3信息世界對(duì)象的可定義性問(wèn)題

數(shù)與形是經(jīng)典數(shù)學(xué)的研究對(duì)象，同時(shí)數(shù)與形可以很好地表示物理

世界對(duì)象。

然而，信息世界的對(duì)象本身可能就是一個(gè)復(fù)雜系統(tǒng)，例如一個(gè)

DNA、一個(gè)細(xì)胞、一個(gè)人、一個(gè)公司、甚至一個(gè)國(guó)家等。對(duì)于這樣的

復(fù)雜對(duì)象，數(shù)、或者任意高維的向量、或者高維幾何形狀都不足于表

示。

因此，盡管經(jīng)典數(shù)學(xué)的數(shù)與形仍然是表示信息世界對(duì)象的基本模

型，然而，僅僅是數(shù)與形已經(jīng)不足于表示信息世界的對(duì)象與現(xiàn)象了。

表示與定義當(dāng)然是科學(xué)研究的基礎(chǔ)。信息世界的對(duì)象與現(xiàn)象的科

學(xué)研究，在表示模型與可定義性這個(gè)最基本的問(wèn)題上就遇到了新的挑

戰(zhàn)。

基本問(wèn)題是：表示信息世界對(duì)象的數(shù)學(xué)模型是什么？信息世界的

對(duì)象是否可定義？

1.10.4人學(xué)習(xí)的基本問(wèn)題

人和動(dòng)物都是觀察學(xué)習(xí)的。觀察的數(shù)學(xué)實(shí)質(zhì)是什么？人和動(dòng)物的

觀察有什么本質(zhì)區(qū)別？

機(jī)器學(xué)習(xí)的目標(biāo)就是由機(jī)器來(lái)實(shí)現(xiàn)人的學(xué)習(xí)。因此我們聚焦人的

學(xué)習(xí)，而不去研究人和動(dòng)物學(xué)習(xí)有什么不同。

人的觀察本身就是一個(gè)信息處理的過(guò)程，而不是簡(jiǎn)單地如照相機(jī)

照相一樣。人在觀察時(shí)，一眼看上去就已經(jīng)做了一個(gè)層譜抽象的識(shí)別、

區(qū)分與分類(lèi)等。

人認(rèn)知世界時(shí)有一個(gè)先驗(yàn)的認(rèn)知模型。

直觀地說(shuō)，人的學(xué)習(xí)就是根據(jù)自己的先驗(yàn)?zāi)Ｐ蛠?lái)觀察世界，并基

于對(duì)觀察數(shù)據(jù)的分析，發(fā)現(xiàn)現(xiàn)實(shí)世界的知識(shí)、揭示現(xiàn)實(shí)世界的規(guī)律、

并且基于發(fā)現(xiàn)的知識(shí)和揭示的規(guī)律進(jìn)行創(chuàng)造。

17

中國(guó)人工智能系列白皮書(shū)

人學(xué)習(xí)的模型就是對(duì)上述直觀過(guò)程的數(shù)學(xué)建模。為此，我們需要

回答如下基本問(wèn)題：

（1）學(xué)習(xí)的數(shù)學(xué)實(shí)質(zhì)是什么？

（2）人的先驗(yàn)認(rèn)知模型是什么？

（3）人的先驗(yàn)分析方法是什么？

（4）人觀察的數(shù)學(xué)實(shí)質(zhì)是什么？

（5）知識(shí)的定義與度量是什么？

（6）規(guī)律的定義是什么？

（7）學(xué)習(xí)的基本策略是什么？

（8）學(xué)習(xí)的數(shù)學(xué)原理是什么？

（9）學(xué)習(xí)的目標(biāo)與極限是什么？

（10）學(xué)習(xí)的數(shù)學(xué)模型是什么？

1.10.5自我意識(shí)的基本問(wèn)題

人是會(huì)主動(dòng)學(xué)習(xí)的，因?yàn)槿擞凶晕乙庾R(shí)。自我意識(shí)是什么？怎樣

實(shí)現(xiàn)一個(gè)個(gè)體的自我意識(shí)？自我意識(shí)的數(shù)學(xué)原理是什么？

直觀地說(shuō)，一個(gè)個(gè)體的自我意識(shí)包括：

（1）感知自身；

（2）自我感知的先驗(yàn)?zāi)Ｐ停?/p>

（3）區(qū)分自身與外界；

（4）自身對(duì)外界作用的感知與認(rèn)知；

（5）來(lái)自外界的確定性對(duì)自身影響的認(rèn)知；

（6）來(lái)自外界的不確定性對(duì)自身影響的認(rèn)知。

數(shù)學(xué)地實(shí)現(xiàn)以上目標(biāo)就揭示了自我意識(shí)的基本科學(xué)原理。

基于自我意識(shí)原理所建立的機(jī)器可以實(shí)現(xiàn)機(jī)器自我意識(shí)。

1.10.6博弈/謀算的基本科學(xué)問(wèn)題

現(xiàn)實(shí)世界的每一個(gè)個(gè)體或?qū)ο蠖加幸粋€(gè)趨勢(shì)保持自己的存在性，

保持自己在環(huán)境中的作用，以及保持自己的運(yùn)動(dòng)性。

18

中國(guó)人工智能系列白皮書(shū)

現(xiàn)實(shí)世界的一個(gè)環(huán)境中包括有很多對(duì)象，這些對(duì)象在運(yùn)動(dòng)中，對(duì)

象之間相互作用。因此現(xiàn)實(shí)世界充滿了不確定性，不確定性產(chǎn)生了競(jìng)

爭(zhēng)，每一個(gè)對(duì)象在競(jìng)爭(zhēng)中都想獲勝、獲利。這就是現(xiàn)實(shí)世界的基本現(xiàn)

象與法則。

然而，在充滿了不確定性、充滿競(jìng)爭(zhēng)的現(xiàn)實(shí)世界中，大量的對(duì)象

被征服或被消滅。

一個(gè)自我意識(shí)個(gè)體在現(xiàn)實(shí)世界的競(jìng)爭(zhēng)與博弈中獲勝、獲利，保持

和改善自身的存在性、保持和擴(kuò)大自己在現(xiàn)實(shí)世界中的作用、擴(kuò)大自

己的運(yùn)動(dòng)性就是一個(gè)自我意識(shí)體智能的表現(xiàn)。

現(xiàn)實(shí)世界的每一個(gè)對(duì)象都有其存在性、作用和運(yùn)動(dòng)性；一個(gè)對(duì)象

在現(xiàn)實(shí)世界中的存在性、作用和運(yùn)動(dòng)性背后的原因?qū)嶋H上就是該對(duì)象

在現(xiàn)實(shí)世界中博弈的結(jié)果。因此，博弈還是一個(gè)對(duì)象存在性、作用和

運(yùn)動(dòng)性背后的原因。

博弈與競(jìng)爭(zhēng)是現(xiàn)實(shí)世界的基本現(xiàn)象，其背后的深層邏輯必然有一

些科學(xué)原理。

現(xiàn)實(shí)世界博弈與競(jìng)爭(zhēng)的科學(xué)原理是什么？這個(gè)問(wèn)題是智能科學(xué)

的重大問(wèn)題，也是人工智能的重大科學(xué)問(wèn)題。

1.10.7本節(jié)小結(jié)

我們已經(jīng)看到，人工智能的根本科學(xué)問(wèn)題實(shí)質(zhì)上是信息科學(xué)的重

大科學(xué)問(wèn)題。

因此，人工智能科學(xué)原理必然是建立在信息科學(xué)原理基礎(chǔ)之上的。

換句話說(shuō)，人工智能的科學(xué)原理本質(zhì)上就是信息科學(xué)原理。破解人工

智能科學(xué)原理的鑰匙是信息。

1.11信息科學(xué)重大挑戰(zhàn)性問(wèn)題

1.11.1經(jīng)典信息論

Shannon1948年定義了嵌入在一個(gè)隨機(jī)變量中的不確定性的量。

19

中國(guó)人工智能系列白皮書(shū)

假設(shè)?={?1,?2,?,??}是一個(gè)概率分布，?是服從分布?的

隨機(jī)變量，定義嵌入在?中的不確定性的量為：

?

?(?)=?∑?????2??,

?=1

稱(chēng)為?的熵。

給定一個(gè)聯(lián)合概率分布?(?,?)，假設(shè)?和?分別是兩個(gè)隨機(jī)

變量，使得(?,?)服從聯(lián)合概率分布?(?,?)，Shannon定義了?和

?的互信息為：

?(?,?)

?(?;?)=∑∑?(?,?)log.

?(?)?(?)

??

互信息?(?;?)表示了知道?的情況下消除的嵌入在?中的

不確定性的量，也表示在知道?的情況下消除的嵌入在?中的不

確定性的量。

Shannon1948年證明了如下通信原理：

（1）（數(shù)據(jù)）假設(shè)發(fā)送方想傳輸?shù)臄?shù)據(jù)為?，它是一個(gè)隨機(jī)變

量。

（2）（編碼）通過(guò)一個(gè)糾錯(cuò)碼?把?編碼為

?=?(?).

（3）（信道傳輸）發(fā)送方把?通過(guò)由一個(gè)條件概率分布?(?|?)

定義的通信信道發(fā)送，傳輸給收方。

（4）（信息）收方收到?，它是一個(gè)隨機(jī)變量，當(dāng)收到?后，

收方獲得的信息為?(?;?)，即已知?的情況下消除的嵌入在?中

的不確定性的量。

（5）（通信原理）當(dāng)?(?;?)適當(dāng)大時(shí)，存在解碼器?，使得

?(?)=?,

即解碼器?根據(jù)?就可以把發(fā)送方想發(fā)送的數(shù)據(jù)?解碼出來(lái)。

20

中國(guó)人工智能系列白皮書(shū)

Shannon1948年的論文應(yīng)用概率方法證明了以上通信原理。

到目前為止的信息論就是在不斷優(yōu)化Shannon的通信原理。但是

整個(gè)信息論沒(méi)有超出Shannon通信模型與通信原理的范疇。

Shannon的理論完美地解決了通信問(wèn)題，為通信建立了數(shù)學(xué)原理，

這個(gè)原理正是通信從1G到5G通信技術(shù)的理論支撐。毫無(wú)疑問(wèn)，

Shannon的理論也是20世紀(jì)的一個(gè)重大科學(xué)貢獻(xiàn)。

Shannon的科學(xué)貢獻(xiàn)在于：

（1）度量了嵌入在一個(gè)隨機(jī)變量的不確定性的量，即該隨機(jī)變

量的熵；

（2）通信信道可以用一個(gè)條件概率分布來(lái)表示；

（3）信息是消除的不確定性；

（4）信道傳輸是消除不確定性，即獲得信息，的動(dòng)作或操作；

（5）信道傳輸所獲得的信息是可以度量的；

（6）信息是有用的，通過(guò)信道傳輸所獲得的信息可以解碼出發(fā)

送方想發(fā)送的數(shù)據(jù)。

這就為通信技術(shù)提供了數(shù)學(xué)原理。

（5G通信技術(shù)已經(jīng)接近實(shí)現(xiàn)了Shannon原理的極限，因此，6G

需要新的通信原理。如果沒(méi)有新的通信原理，原則上來(lái)說(shuō)6G是不靠

譜的。）

1.11.2生成策略

熵是不確性的量。隨機(jī)變量肯定包含有不確性，Shannon熵度量

了嵌入在一個(gè)隨機(jī)變量的不確定性的量。

然而，隨機(jī)變量只是一個(gè)特殊的函數(shù)。函數(shù)是數(shù)學(xué)中的基本對(duì)象，

然而現(xiàn)實(shí)世界對(duì)象要復(fù)雜得多，通常情況是函數(shù)所不能表示的。

函數(shù)概念的推廣是二元關(guān)系，二元關(guān)系的推廣是圖，一個(gè)圖表示

是由很多個(gè)體及個(gè)體之間的關(guān)系構(gòu)成的系統(tǒng)。

現(xiàn)實(shí)世界中的一個(gè)對(duì)象通常是一個(gè)由很多個(gè)體及個(gè)體之間的關(guān)

21

中國(guó)人工智能系列白皮書(shū)

系構(gòu)成的系統(tǒng)。一個(gè)系統(tǒng)的數(shù)學(xué)表示就是圖或非負(fù)矩陣。

因此，圖（有向或無(wú)向，有權(quán)重或無(wú)權(quán)重）表示一個(gè)系統(tǒng)，由多

個(gè)個(gè)體及從個(gè)體到個(gè)體的交互作用構(gòu)成。

圖或系統(tǒng)是表示現(xiàn)實(shí)世界對(duì)象的基本模型，它表示了由很多相互

作用的個(gè)體構(gòu)成的運(yùn)動(dòng)系統(tǒng)。

顯然圖或系統(tǒng)是函數(shù)的推廣，從而是隨機(jī)變量的推廣。

一個(gè)隨機(jī)變量有不確定性。自然地一個(gè)圖或系統(tǒng)表示的運(yùn)動(dòng)有不

確定性。

Shannon熵度量了嵌入在一個(gè)隨機(jī)變量中的不確定性。然而

Shannon沒(méi)有給出嵌入在一個(gè)系統(tǒng)中的不確定性的度量。

一個(gè)基本問(wèn)題是：不確定性在哪里？不確定性是怎樣生成的？怎

樣度量現(xiàn)實(shí)世界的不確定性？

這些問(wèn)題的答案將解決現(xiàn)實(shí)世界的不確定性的數(shù)學(xué)表示與模型，

回答信息是怎樣生成的這一基本問(wèn)題。

現(xiàn)實(shí)世界中，不確定性來(lái)自于很多對(duì)象，而且這些對(duì)象在運(yùn)動(dòng)，

對(duì)象之間相互作用。原因是：

假設(shè)只有一個(gè)對(duì)象，則該對(duì)象按自身規(guī)律不受干擾地運(yùn)動(dòng)，沒(méi)有

不確定性；如果有很多對(duì)象，這些對(duì)象都不運(yùn)動(dòng)，也不相互作用，則

所有對(duì)象永遠(yuǎn)保持一個(gè)狀態(tài)，也沒(méi)有不確定性。

因此，不確定性來(lái)自于很多對(duì)象的運(yùn)動(dòng)和相互作用。表示很多對(duì)

象的運(yùn)動(dòng)和相互作用的數(shù)學(xué)模型恰好就是圖、或者，等價(jià)地，非負(fù)矩

陣。這解決了現(xiàn)實(shí)世界中不確定性載體的數(shù)學(xué)表示與模型。

不確定性來(lái)自于多個(gè)個(gè)體及其相互作用。因此，生成多個(gè)個(gè)體及

其相互作用的動(dòng)作或者操作就是一個(gè)生成策略。任何一個(gè)生成不確定

性的動(dòng)作或操作都是一個(gè)生成策略。

一個(gè)生成策略生成的信息稱(chēng)為生成信息。一個(gè)生成策略的生成信

息是可以度量的。

22

中國(guó)人工智能系列白皮書(shū)

一個(gè)基本問(wèn)題是：信息生成的原理是什么？

1.11.3解碼策略

信息是消除的不確定性。消除一個(gè)不確定性載體中的不確定性需

要一個(gè)動(dòng)作。消除不確定性的動(dòng)作是開(kāi)放的，有很多種動(dòng)作消除不確

定性。

消除不確定性的動(dòng)作的例子：

（1）計(jì)算

（2）實(shí)驗(yàn)

（3）詢問(wèn)

（4）每天的學(xué)習(xí)

（5）想一想

等都是消除不確定性的策略。

任何一個(gè)消除不確定性的動(dòng)作都稱(chēng)為一個(gè)解碼策略。

一個(gè)策略就是一個(gè)生成策略，或者一個(gè)解碼策略。生成策略生成

不確定性，即，生成信息；一個(gè)解碼策略的解碼信息就是該策略消除

的不確定性的量。

一個(gè)策略可能是一個(gè)物理動(dòng)作，也可能是個(gè)數(shù)學(xué)動(dòng)作，還可能是

個(gè)生物動(dòng)作等。

由于一個(gè)策略可能是不同類(lèi)型的動(dòng)作，信息也因此是不同類(lèi)型對(duì)

象的基本概念，例如是物理概念、數(shù)學(xué)概念、計(jì)算機(jī)科學(xué)概念或生物

概念等等，這取決于獲取該信息的動(dòng)作是物理、數(shù)學(xué)、計(jì)算機(jī)或生物

動(dòng)作等。

給定一個(gè)信息載體，以及該載體的一個(gè)解碼策略，該解碼策略消

除的嵌入在載體中的不確定性的量稱(chēng)為解碼信息。

解碼信息是可以度量的。一個(gè)解碼策略是一個(gè)動(dòng)作，該動(dòng)作必然

來(lái)自于某一個(gè)主體，因?yàn)楝F(xiàn)實(shí)世界中的任何一個(gè)動(dòng)作都不是免費(fèi)的，

必然來(lái)自于某個(gè)主體。一個(gè)解碼策略的解碼信息對(duì)該策略主體一定是

23

中國(guó)人工智能系列白皮書(shū)

有用的，即解碼信息一定有一個(gè)語(yǔ)義，表示解碼信息的功能與作用。

一個(gè)基本問(wèn)題是：信息解碼的原理是什么？

1.11.4信息的模型

信息是消除的不確定性。

信息的這一定義揭示了信息是一個(gè)模型，稱(chēng)為信息模型，它由如

下步驟構(gòu)成：

（1）（主體）策略的主體?；

（2）（信息生成）信息的生成與信息載體?；

（3）（解碼策略）主體?對(duì)載體?的解碼策略?；

（4）（解碼信息）策略?消除的嵌入在?中的不確定性的量，

即解碼策略?對(duì)載體?的解碼信息??(?)，??(?)是可度量的；

（5）（信息的語(yǔ)義）解碼信息??(?)對(duì)策略?的主體?的作

用。

信