30多年前我讀研的時(shí)候，就知道AI有三個(gè)學(xué)派：控制論學(xué)派、符號(hào)學(xué)派、神經(jīng)元學(xué)派。這些學(xué)派有些不同的叫法，但實(shí)質(zhì)是一樣的?？刂普搶W(xué)派最早成功并且取得巨大成就，許多大學(xué)里有相關(guān)的系和學(xué)院。但另外兩個(gè)學(xué)派卻不成氣候，往往只是某些專業(yè)的選修課，最近才有了相關(guān)的專業(yè)。30多年前，AI主要講符號(hào)學(xué)派的專家系統(tǒng)、神經(jīng)元學(xué)派是次要的；最近10年講AI，主要是講神經(jīng)元學(xué)派、符號(hào)學(xué)派逐漸淡出了。

但奇怪的是：一直沒(méi)人把三個(gè)學(xué)派的關(guān)系講清楚。觀念的混亂引發(fā)了不少荒謬的觀點(diǎn)，典型的就是某院士所謂“智能制造=人工智能+制造”?，F(xiàn)在人們說(shuō)的人工智能，默認(rèn)的是神經(jīng)元學(xué)派的技術(shù)；而智能制造最關(guān)鍵的思想?yún)s是控制論學(xué)派的。所以，必須從AI的全貌上認(rèn)識(shí)問(wèn)題。

在我看來(lái)：控制論對(duì)智能的認(rèn)識(shí)是最本質(zhì)的、最廣泛的。它是把“以變應(yīng)變”、“知行合一”作為智能的特征。所以，只要系統(tǒng)具有應(yīng)變能力，就稱為智能系統(tǒng)。我們知道：以變應(yīng)變的前提是需要決策的?，F(xiàn)實(shí)中，這些決策的邏輯可以很簡(jiǎn)單，傳統(tǒng)的方法就可以做許多決策。控制理論中的控制器設(shè)計(jì)，其實(shí)就是給出決策方法。我經(jīng)常說(shuō)的“把人的決策邏輯交給計(jì)算機(jī)、讓計(jì)算機(jī)決策”也是一種常見的簡(jiǎn)單決策邏輯。智能制造之所以成為熱點(diǎn)，所以因?yàn)闄C(jī)器獲得信息和計(jì)算的能力強(qiáng)了，帶來(lái)了很多機(jī)會(huì)。

但是，符號(hào)學(xué)派、神經(jīng)元學(xué)派對(duì)智能的認(rèn)識(shí)不一樣。這兩個(gè)學(xué)派關(guān)心的問(wèn)題縮小為決策算法，而且是常規(guī)的簡(jiǎn)單算法無(wú)法有效計(jì)算、而人類卻容易做出決策的算法。所以，這兩個(gè)學(xué)派對(duì)人工智能的理解，恰恰是針對(duì)常規(guī)算法無(wú)法解決的、與復(fù)雜推理和模糊知識(shí)相關(guān)的問(wèn)題。從這種意義上講，可以認(rèn)為控制論學(xué)派是廣義的人工智能，而符號(hào)學(xué)派、神經(jīng)元學(xué)派是狹義的人工智能。在狹義的人工智能中，符號(hào)學(xué)派、神經(jīng)元學(xué)派是互相競(jìng)爭(zhēng)的關(guān)系。

經(jīng)過(guò)幾十年的競(jìng)爭(zhēng)，結(jié)果基本上出來(lái)了。符號(hào)學(xué)派雖然也有一定的用處（比如用在生產(chǎn)計(jì)劃），但總體上是競(jìng)爭(zhēng)失敗了；神經(jīng)元學(xué)派雖然有一些問(wèn)題，但總體上成功了。而這個(gè)成功當(dāng)然依賴于外來(lái)的機(jī)會(huì)。這個(gè)機(jī)會(huì)就是大數(shù)據(jù)的條件和算力的提升；人類的貢獻(xiàn)則是辛頓等人做出的算法。

大家注意到，前面講的這些觀點(diǎn)，符合我創(chuàng)新課的基本邏輯：

1、技術(shù)首先在難度低或者價(jià)值高的地方突破，然后逐漸進(jìn)入難度高或者價(jià)值低的地方。

2、技術(shù)突破的關(guān)鍵是抓住機(jī)會(huì)，機(jī)會(huì)是基礎(chǔ)條件和需求的改變。

這個(gè)創(chuàng)新的邏輯不僅可以解釋過(guò)去，還可以預(yù)見未來(lái)、尋找突破點(diǎn)。比如，突破點(diǎn)有什么特點(diǎn)？首先，它是進(jìn)入新領(lǐng)域的難點(diǎn)、有“一夫當(dāng)關(guān)萬(wàn)夫莫開”的特點(diǎn)；其次，是有新技術(shù)能夠突破它。下面，我用4張圖來(lái)表示AI發(fā)展的過(guò)去和未來(lái)。

在第一張圖中，我們用控制論的思想，定義AI的邊界。在這個(gè)定義下，有個(gè)空間是沒(méi)有突破的。這個(gè)空間，就是復(fù)雜的決策、還可能需要模糊的知識(shí)。

第二張圖，符號(hào)學(xué)派試圖突破這個(gè)問(wèn)題，用來(lái)解決復(fù)雜邏輯推理問(wèn)題，但是遇到的困難是隱性知識(shí)及推理的問(wèn)題：人說(shuō)不清楚的知識(shí)，就沒(méi)有辦法變成計(jì)算機(jī)的代碼。

第三張圖，是神經(jīng)元學(xué)派的突破。因?yàn)殡[性知識(shí)和推理都可以在神經(jīng)網(wǎng)絡(luò)中做，就不需要人來(lái)寫代碼描述知識(shí)了。這個(gè)學(xué)派突破后，符號(hào)學(xué)派原來(lái)的空間小了。在這張圖中，我把控制論學(xué)派的圈子改成虛線了。意思是：數(shù)字化技術(shù)的發(fā)展，同時(shí)讓這個(gè)學(xué)派的應(yīng)用范圍大大拓展了。需要注意的是：即便是沒(méi)有神經(jīng)元學(xué)派的AI 的突破，控制論學(xué)派的應(yīng)用范圍同樣擴(kuò)大了。這樣的機(jī)會(huì)，是信息通信技術(shù)的發(fā)展帶來(lái)的。而且，這種機(jī)會(huì)可能用不著我們用復(fù)雜的算法。

在第四張圖中，還有些問(wèn)題不能用AI解決。這些問(wèn)題與機(jī)器獲取知識(shí)、信息和權(quán)限的局限性有關(guān)。對(duì)于這樣的問(wèn)題，可以用人機(jī)結(jié)合、人機(jī)協(xié)同的辦法來(lái)解決。在這個(gè)空間中，價(jià)值創(chuàng)造和技術(shù)發(fā)展的機(jī)會(huì)有很多。

多年來(lái)，我在這個(gè)公眾號(hào)里曾經(jīng)談過(guò)多次三個(gè)學(xué)派的問(wèn)題。我談這個(gè)問(wèn)題，不是為了咬文嚼字、是為了便于工程師理解機(jī)會(huì)、看到更多的機(jī)會(huì)。最后重申一下工程師的價(jià)值觀：抓住機(jī)會(huì)、用簡(jiǎn)單的方法做有價(jià)值的事情。