【解词】
人工智能，英文名为Artificial intelligence，缩写为AI，是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能是人类发展到一定阶段必然产生的一门学科，它有一个漫长的过去，但只有短暂的历史。其哲学起源可以追溯到文艺复兴，接着，又在第一、二次工业革命浪潮中逐渐崭露头角。法国人帕斯卡尔研制了第一台现代意义上的数字计算机，第一、二次世界大战大大加快了该学科发展的进程，剑桥大学巴贝奇的差分机和图灵的测试进一步把人工智能领域的研究范围扩展到了人类学习、生活、工作等方面。
【论调】
当前的人工智能之所以高烧不退，其主要力量源泉是2006年Google AI团队领军人Hinton提出的深度学习方法大大提高了图像识别、语音识别等方面的效率，并在无人驾驶、“智慧+”产业中切实体现出助力作用，2017年AlphaGo击败世界冠军柯杰，又使人工智能再度成为人们持续关注的焦点。
人工智能的技术发展主要源自美国。自从1956年达特茅斯会议后，人工智能的发展轨迹出现了三条存在明显差别的道路。一是以模仿大脑皮层神经网络及神经网络间的连接机制与学习算法的联结主义，主要表现为深度学习方法，即用多隐层的处理结构处理各种大数据；二是以模仿人或生物个体、群体控制行为功能及感知-动作型控制系统的行为主义，主要表现为具有奖惩控制机制的强化学习方法，即通过行为增强或减弱的反馈来实现输出规划的表征。三是以物理符号系统（即符号操作系统）具有产生智能行为的充分必要条件假设和有限理性原理为代表的符号主义，主要表现为知识图谱应用体系，即用模拟大脑的逻辑结构来加工处理各种信息和知识。三条进路各有特点，其在各自领域内均取得了很大的成果。
展望2018年，人工智能必然还是各大公司与企业占领的制高点。究竟前景如何，可从以下几点略见一二。
通用智能：尽管现在AI的发展势头迅猛，但我们还没能创造出可以解决多种多样不同类型问题的通用人工智能。真正的通用智能不需要人为干预学习，能够自主选择自己想要学习的内容。通用智能还将具备处理多种类型的任务和适应未曾预料的情形的能力，这就意味要从人工智能的架构上有所突破。首先，要从认知层面研究人在处理相似问题时的规律与机制，并将其迁移到机器固有的体系之中，然后，利用其自身优势，结合推理、记忆和预测的能力，进行真实环境的智能决策。也许，通用智能的产生，才是一定意义上真实的人工智能。
强化学习和对抗学习：强化学习就是智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大，其思路可以追溯到维纳的控制论。在强化学习中，最为重要的是规则，即奖惩机制的建立，一个完善的奖惩机制对于网络的训练至关重要。另一种最近非常火的强化学习方式，即生成式对抗网络—— 简称GANs—— 将成为深度学习的下一个热点，它将改变我们认知世界的方式。GANs解决问题的方式是用不同的目标分别训练两种不同的网络，分别为生成方和对抗方。生成方的目标是创造答案，对抗方则是为了分辨前者生成的答案与真实答案的区别。如果对抗网络训练效果很好的话，那么一段时间后，对抗网络并不能识别生成方与真实答案的区别。从某种意义上来说，对抗学习更符合人的真实反馈学习机制。所以，2018年，强化学习与对抗学习很有可能在人工智能的子领域中大展身手。
人机融合智能：人机融合智能简单地说就是充分利用人和机器的长处形成一种新的智能形式。在人机智能融合时，人要能够理解机器如何看待世界，并在机器的限制内有效地进行决策。反之，机器也应对配合的人比较熟悉，尽可能地适合人的决策习惯。当前，人机之间的理解都是单向性的，但开始出现了双向性的苗头，人机之间开始理解一些以前认为不含理解成分的对象和事物，慢慢把人的主动性与机的被动性有效地混合起来。未来，人们也许可以建立一种新机制，把客观数据与主观信息统一起来，即需要意向性价值的时候由人来处理，需要形式化（数字化）的事实时由机器来分担，从而产生一种“‘人+机’大于人”“‘人+机’大于机”的效果。
总之，人工智能哲学是我国智能科学发展的薄弱环节和瓶颈，哲学问题一直对各个学科起到提纲挈领的作用，人工智能也不例外，在技术领域飞速进步的同时，哲学也不应落后。只有两者均衡发展，才能使人工智能产业效益发挥到最大。（文/刘伟）
【记事】
世界各国正处于人工智能的风口浪尖，中国也不例外。2017年连续出台人工智能发展规划，为中国的人工智能发展描绘蓝图。这表明，今后无论是从人工智能产业规模，还是从人工智能人才的培养，都将下定决心迎头赶上，从人工智能领域进行“弯道超车”，并逐渐形成带有中国特色的人工智能产业生态。
国务院印发《新一代人工智能发展规划》