王飞跃：面向未来的AI人才应该具备这3种思维

《AI3.0》反映出的人工智能发展特点是基于逻辑和计算不断迭代，从逻辑智能转向计算智能，再到人机混合虚实互动的平行智能。

也就是从最初经典的亚里士多德的形式逻辑三段论，到布尔的数字逻辑布尔代数，再到数理逻辑、自动机，以及基于逻辑的各种推理方法，这是AI1.0的逻辑智能的核心，专家系统和Lisp机是其发展的高峰。

AI2.0是计算智能，始于维纳的控制论和认知计算，特别是WP人工神经元网络模型，最初是为了给大脑逻辑推理和循环因果论提供可计算的模型，在20世纪80年代中期开始大规模地使用多层神经元网络，一直发展到现在的深度神经元网络，成了深度学习和当今AI的主要突破。下一步应该怎么走，正是《AI 3.0》要探讨的内容。

米歇尔教授指出，人工智能会在逻辑智能和计算智能发展与交融的情况下走向3.0阶段。大家对此有很多不一样的解释，我个人理解，她指的是人机与虚拟互动交融的人工智能。在我看来就是处于边缘端的机械的、生物的智能，会产生有限的数据，再通过云端的云计算产生大数据，最后云计算把大数据变成精准的深度智能，再返回边缘端的生物体、物理体或机器人，就是Small Data, Big Data, Smart Data。这是一个循环的过程，是从边缘端的涌现到云雾端的收敛，这一涌现收敛也是复杂性科学的核心理念。

米歇尔在这方面做了很多研究，写了一些关于复杂性研究的权威科普著作。她讲的是认知的未来，通俗点说，AI1.0和AI 2.0是要把小数据变成大数据，而AI 3.0是要把小数据变成大数据，再变成智数据，Smal-Big-Smart Data。

说来也巧，2009年我们实验室启动的项目就叫AI3.0。2011年，我们在当时的《科学时报》,也就是今天的《中国科学报》上发表过一篇文章，介绍怎样用科学团队学(SciTS, Science of Team Sciences)方法实现AI3.0的任务，也就是人与机器、Agents、数据与真实世界如何平行的人工智能。这也正是《AI3.0》这本书要传递的信息。

我希望更多人在阅读本书之后，了解这种新的想法，了解人工智能的普及应用能够服务社会，而不是像某些专家宣称的那样会导致失业。它会让人类生活得更好，让人与机器各司其职，从而创造一个更加和谐的社会。现在很多地方的程序员都成了“码农”，996成了家常便饭。我希望AI 3.0时代的平行智能让1024程序员节变成智农节1023。就是将2的十次方减去1，每天10点上班、两点下班、一周工作三天。AI 3.0会让程序员拥有更多自由、自在、自然、自己的时间。希望读完本书，你不但能了解人工智能的科学性，还能体会出人工智能的人文性和社会性。

无人车将是我们通向智慧城市、智慧社会的必由之路

我是1988年开始做无人车，那时候的名字叫移动机器人，参与了多个自动驾驶相关的项目，比如NASA的移动机器人，月球火星探测车，矿山自动驾驶挖掘车，以及在Uber无人车近年撞死人的地方，给公众演示仅用摄像头和雷达的无人驾驶车VISTA Car，不过那是20多年前的事。

后来，90年代中开始我开始研究高速公路上的无人驾驶。我相信，无人车将来一定是我们出行、物流等场景最主要的工具，这是我们通向智慧城市、智慧社会的必由之路。但是它一定有个发展阶段。

第一阶段，无人车、无人挖掘机、无人吊车等可以率先应用于一些特殊的场合，比如矿山，因为这种环境是对驾驶员身体损害比较大，安全是大问题。

第二阶段是码头、机场，这是相对比较封闭的物流中心。刚才看了吴甘沙的驭世科技，他们在这块做得比较成熟了。

第三阶段是公交车等，我们看到过很多关于公交司机一些不良事件，我个人建议将公交司机从车上移到远程，移到办公室。这不代表着公交车完全无人驾驶，可以加安全员，甚至导购员等相关人员。

第四阶段是出租车，出租车上乘客可以决定从哪里开始到哪里去，路径相对事先明确，可在云端规划和监控。

第五阶段也是最后阶段，才是所有的车都变成无人车。

我觉得需要从人类进化的历史的角度看无人驾驶。路是人走出来的，所以最初人有路权，人有路权的时候，人是住在树上或洞里的。后来驯服了马，路就变成马路了，持续几千年。我小的时候路还叫马路，当马有路权的时候，路上有马车、骑兵等，人类才开始有了村庄和乡镇，由此进了农业社会。后来，汽车有了路权，马下路了，我们进入了工业时代，出现了上海、北京、纽约、伦敦、巴黎等大城市。 

现在人类要进入AI 3.0的时代，路权就要归属无人车了。我也在这儿提醒大家想想马车、汽车之间的共生、博弈、背叛的过程。

英国从1858年开始实行最早的道路交通法规《红旗法》，规定蒸汽车在郊外和市内都要限速，而且前方几米远的地方要有一手持红旗的人先行，为什么呢？因为汽车速度很快，马会受惊。加上马的出行带来了大量的马粪等难题，城市管理者们不得不聚在一起讨论人类如何在未来一个世纪处理马粪围城的问题，当年所谓的世界难题——"马粪危机＂。

汽车与马车的战争大约持续了接近一个世纪，最终凭借着新生事物强大的生命力，再加上几代人坚持不懈的努力改进，汽车终于代替马车，成为人类在陆地上的主要交通工具。

而人类驾驶的汽车在速度、效率、安全性以及环境污染方面的缺陷，注定它最终会被无人车取代。这不仅是提高速度、效率和安全性的问题，这还是个"Do the right thing, in the right way.就是以正确的方式做正确的事"的问题，最终就是一个可持续发展的问题。

但我们不能急功近利，二次污染，为了短时间内普及无人车而再次付出惨痛的代价。我觉得应该用二三十年的时间，平稳过度到无人车时代。这也是我坚持推广平行驾驶技术的初衷，把有人车、遥控车、网联车、无人车、用平行车统一起来，平安行驶，造福人类。

只有这些过程都完成了之后，我们才能真正进入无人车时代。我认为这是普及无人车的唯一途径。这也是AI3.0、平行智能、平行驾驶应该考虑的事情。

在基金委的支持下，我们连续12年同西安交通大学合作举办无人车比赛IVFC。我们对无人车的要求从4S变成了6S，也就是要从无人车变成平行驾驶、平行智能，使无人车能实现6S。6S是什么？首先是让出行、物流，在物理空间安全Safety；然后是实现网络空间安全Security；还要节能环保，可持续发展Sustainability；要个性化、不断优化Sensitivity；提供全面的服务，Service；最后，既然是智能设施，那少不了有利人类，而不是让人失业的智慧Smartness。

希望沿着人工智能3.0路线，能够实现这个目标。

AI+，正在改变人类的未来

医学领域关系人类的生命健康，所以一直是AI最关注的领域。这也是我所希望的。此外，我认为未来受人工智能冲击最大的领域应该是教育领域。

100多年前，我们的传统教育依靠的是私塾和秀才，传授的是“四书五经”。这个体制无法培养现代工业所需要的新型人才，包括物理、化学、数学、生物等这些领域的人才，所以就被现代教育取代了。我们看到，教育的发展对100多年来中国的工业化现在化发展造成了巨大的影响。

许多人认为目前我国的教育落后于发达国家，但我认为目前全世界的教育体制都落后于技术发展。技术的发展已经使得传授知识获得信息的途径及方式发生了很大变化。信息的获取更为便捷，比如通过wiki和微信群获取信息成了信息来源的重要途径。

同时，很多知识已经或正在变成了常识。如果再用传统手段将这些常识灌输给学生，不仅浪费时间，而且对学生来说也是一种折磨。所以，我认为最应该改变的就是教学体制、教学方法和教学内容。

就像过去的中国传统教育方式无法培养工业化人才一样，目前的教育体制也无法培养智业化的人才。这应该是第一个要去改变的事情，同时也很高兴现在已经有很多人开始关注这件事情了。

另外一个我希望改进的是经济体系。同人体一样，我们的社会经济运行体系也会生病，因而会浪费巨大的资源，生“社会病”，最终还是人类自己的病疼。我一直提倡用软件定义过程和机器人过程自动化(RPA)来进行的社会经济的治理或管理，从而减少社会资源的浪费。比如将人工智能、区块链技术应用到医院建设等公共服务领域。这些领域涉及到大家的公益，它既不能完全产业化也不能完全由政府控制，而是应该由整个社会共同来协调。因此，我认为人工智能还将在社会经济体系建设中发挥巨大作用。

最后，制造业关系人类生存的必要条件，因此智能制造必须是这个领域未来的发展方向。

两大问题，人工智能真正广泛应用的关键

米歇尔教授在《AI 3.0》的最后提出了6个重要的问题。我认为这些问题归根结底对应于两个问题。人工智能要想真正广泛应用，被大家接受，必须首先解决这两个问题。

第一个问题是人工智能的可靠性，包括它的可解释性。我们在自然语言处理上已经取得了很大的成就，其实就靠搜索，尽管其中的深度学习就已经把我们电工行业的许多术语都用上去了，像Encoders, Transformers, Rectifiers，但还是搜索，远不及电工行业那样可靠可解释。还有，我认为，AI的可解释性归根结底就是人工智能的可靠性。

第二个问题是人工智能的合法性，尤其是在对个人隐私的保护方面。比如video camera的应用可能会侵害个人的权利。因为已经出现过很类似的案件，比如刑事欺诈。这也引起了包括中国在内的很多国家的反思。

我个人认为，当人工智能结合了区块链等技术，可以从技术层面来解决这些问题。然而，但法律体系来规范人工智能系统的构建和应用才是关键，必不可少。

三种思维，培养面向未来的人工智能人才

对于未来的人工智能人才，我认为应培养三种思维。

首先是复杂性思维，因为人工智能本身就属于复杂性科学（Complexity Science）的范畴，所以在人工智能研究中引入复杂性科学方面，必须加强。因为人工智能目前还是要靠还原论方法，但还原还原，那是无穷无尽的，AI深入发展必然要人文心理社会建模，如何还原？所以说要有复杂性思维，要用整体的视角去看人工智能技术，这非常重要。

其次是要有跨学科思维，因为人工智能要普及应用，就一定涉及多学科、交叉学科和跨学科的知识。对应的过程就是small data到big data再到smart data的三部曲。把提出问题的what if跟执行操作的if then交叉结合起来，what是small data, if就是big data，then就是smart data，这条路径一定会跨学科。

最后一定要有系统化思维，人工智能真正要普及应用，取得可接受的可靠性、可接受的合法性，就一定要有systems thinking，就像我们有systems engineering一样,我们也要有systems intelligence。

所以，按照复杂性智能、跨学科智能、系统性智能的思维来培养未来的人工智能人才，是至关重要的。