任何事物只有放在它所存在的環(huán)境中，才能準確理解它的本質(zhì)。今天，大數(shù)據(jù)、人工智能等概念由于商業(yè)炒作等多方面的原因，已經(jīng)變得模糊不清了。許多具體的技術(shù)也被罩上了奪目的光環(huán)，或有意被賦予了能夠引發(fā)奇妙想象的名字，如“深度學習”。

下面，我們來看一下信息技術(shù)產(chǎn)業(yè)中的不同要素，在從科學到應(yīng)用的這個鏈條上，各自處于什么樣的位置。為了不陷入不必要的細節(jié)而又能揭示本質(zhì)，我們將這個鏈條分為五個環(huán)節(jié)：科學原理，基礎(chǔ)共性技術(shù)，具體應(yīng)用技術(shù)，基礎(chǔ)系統(tǒng)原理/技術(shù)及具體應(yīng)用系統(tǒng)，見圖1。

圖1 從科學原理到應(yīng)用系統(tǒng)，圖片來源：作者供圖，下同

科學原理是對基本運動規(guī)律的認識總結(jié)，而技術(shù)是對規(guī)律的運用。所以新的科學原理的提出，常常會對社會產(chǎn)生深刻而廣泛的影響。正因為科學原理的意義如此之大，所以“科學”也常常被盜用。許多技術(shù)性的產(chǎn)出，也被帶上了“科學”這個帽子。在計算機領(lǐng)域，圖靈機與計算復雜性理論基本上屬于科學原理這個范疇。也正因為如此，計算機才被冠以了“科學”的稱謂。

從根本上看，人工智能熱潮在90年代的冷卻，是因為人們在人工智能領(lǐng)域經(jīng)過了幾十年的努力，沒有能夠理解一般意義上的智能過程的本質(zhì)，因而也就沒有能夠取得科學意義上的原理性突破，在理論上抽象出類似數(shù)字基本計算那樣的基本智能操作，用以支撐更為高級復雜的智能過程。所以人工智能領(lǐng)域的產(chǎn)出，雖然豐富而且影響巨大，但是卻始終沒有達到科學原理的高度。

在一個產(chǎn)業(yè)中，會有一些基礎(chǔ)性共性技術(shù)，有時也被稱為核心技術(shù)，它們支撐著整個產(chǎn)業(yè)。在信息技術(shù)產(chǎn)業(yè)中，操作系統(tǒng)、數(shù)據(jù)庫、集成電路等就屬于這個層面的技術(shù)。這些技術(shù)的進步，對整個產(chǎn)業(yè)的影響也是全局性的。正是集成電路技術(shù)的進步，促成了2010年前后整個信息技術(shù)產(chǎn)業(yè)發(fā)生了歷史性的轉(zhuǎn)折（見《轉(zhuǎn)折——眺望IT巔峰》第二章第三節(jié)）。人工智能領(lǐng)域不僅沒有科學原理層面的成果，而且至今也沒有能夠產(chǎn)生支撐一個產(chǎn)業(yè)的基礎(chǔ)共性技術(shù)，不論我們給那些技術(shù)/方法起個什么樣的名字。

在基礎(chǔ)共性技術(shù)之上，還有面向不同問題的具體應(yīng)用技術(shù)去解決不同類型的問題。在這個層面，我們才遇到了人工智能的蹤影。如我們在《轉(zhuǎn)折——眺望IT峰》一書第八章第二節(jié)中所述：“當人們意識到我們沒有能力用一些普適的基本邏輯化規(guī)則或機制去有效地解決各種‘智能問題’時，人工智能的研究便扎入到了各種具體的問題之中。針對不同類型的問題，發(fā)展出了花樣繁多的解決方法，也取得了很大的進展?！?也正因為如此，人工智能目前更多地是被當成了一些具體的應(yīng)用工具方法，融入到了不同類型的應(yīng)用之中，以自己具體的技術(shù)性名稱出現(xiàn)，默默無聞地發(fā)揮著自己的作用。這些年關(guān)于人工智能的一本經(jīng)典的教科書的名字是‘人工智能——一種現(xiàn)代方法’，……它的副標題‘A Modern Approach’就是指試圖采用‘智能體’（Agent）的概念將人工智能在各個不同領(lǐng)域中的方法整合到一個統(tǒng)一的框架之中。”

其實，用智能體這個概念整合與人工智能相關(guān)的技術(shù)方法，也是沒有辦法的辦法，顯示出了這個領(lǐng)域的一種無奈的現(xiàn)實：只有實用的一些具體技術(shù)方法，缺少科學原理或基礎(chǔ)共性技術(shù)的支撐，也沒有基礎(chǔ)性系統(tǒng)級的有效理論。這些年被熱捧的“深度學習”，也是這個層面的技術(shù)。

“深度學習”這個概念包括了深度信念網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、循環(huán)與遞歸網(wǎng)絡(luò)等多種不同的具體網(wǎng)絡(luò)模型與相應(yīng)的算法，用來解決不同類型的問題。它們實際上是借助計算機的“暴力”計算能力，用大規(guī)模的、含有高達千萬以上的可調(diào)參數(shù)的非線性人工神經(jīng)網(wǎng)絡(luò)，使用特定的“學習/訓練”算法，通過對大量樣本的統(tǒng)計處理，調(diào)整這些參數(shù)，實現(xiàn)非線性擬合（變換），從而實現(xiàn)對輸入數(shù)據(jù)特征的提取與后續(xù)的分類等功能。

它是解決特定類型問題的一些具體的方法，而不是具有像人那樣的一般意義上的學習的能力，盡管這個名字確實引發(fā)了許多不了解這個技術(shù)的人的這方面的想象。其實，信息技術(shù)領(lǐng)域內(nèi)的絕大部分技術(shù)，基本都屬于這個層面，包括與大數(shù)據(jù)相關(guān)的技術(shù)，而且它們也都屬于輔助智能性質(zhì)的技術(shù)。所以，大數(shù)據(jù)、人工智能與其它的技術(shù)彼此的界限日益模糊。

這些具體的實用性技術(shù)，包括“深度學習”（人工神經(jīng)網(wǎng)絡(luò)），常常是實驗性技術(shù)，在應(yīng)用于一個新的具體問題之前，我們無法確定它是否能夠有效地解決這個問題，或者能夠?qū)栴}解決到什么程度。