本文为中国科学院张钹院士关于人工智能发展趋势的分析判断，主要回顾人工智能发展的历史，以及系统阐释第三代人工智能的特点、发展现状及未来趋势。
人工智能60年的历史中，一共经历了两代的发展。第一代人工智能，有时候称它作符号主义。他们提出了基于知识和经验的推理模型，用这个模型来模拟人类的理性智能行为，像推理、规划、决策等等。根据这个原理，需要在机器里面建立知识库和推理机制，利用这两者对人类的推理和思考行为进行模拟。
第二代人工智能，就是大家非常熟悉的深度学习。
所谓深度学习，就是通过深度神经网络的模型模拟人类的感知，如：视觉、听觉、触觉等行为。我们用图像识别作为例子，看看计算机是怎样模拟人类的感知的。比如我们要想让计算机识别不同的动物，怎么办呢？因为我们没法把什么叫做马，什么叫做牛？告诉计算机。我们只好采用人类学习的办法，即先收集了大量有关动物的图片，并把图片分成两类。一类作为训练图片，去训练计算机识别马和其他动物，这叫做分类学习。
把图像输进去训练计算机，让他能够正确地分出马牛等动物的种类，叫做学习与训练阶段。
第三代人工智能必须解决第一代和第二代人工智能中间存在的缺陷。这个缺陷有以下几方面，它们是不可解释，鲁棒性很差，还有不安全、不可信、不可靠、不可扩展等。所以，我们必须要建立一个可解释和鲁棒的人工智能理论，必须发展安全、可信、可靠和可扩展的人工智能技术，只有这样才能实现技术上的突破。
有了技术上的突破，才能推动人工智能的创新应用。那么我们用的办法是什么？就是把第一代知识驱动的方法和第二代数据驱动的方法结合起来。换句话讲，我们要综合地利用四个要素，即知识、数据、算法和算力。而第一代人工智能只用了其中的三个要素，第二代人工智能也只用了其中的三个要素。
第三代人工智能要充分利用这四个要素，知识、数据、算法和算力。下面简单地讲一下我们是怎么解决同时应用4个要素的问题？
环境感知，我们刚才说过人工智能的图像识别系统虽然识别率很高，但是由于它识别的办法跟人类非常不一样，所以非常不可靠，非常不安全，非常容易受到攻击。我们看一下机器是怎么识别马呢？它只是把每匹马的局部特征给分析出来，然后跟其他动物作比较，根据局部特征进行区别，这就是我们常常讲的黑箱学习方法。也就是说它只能学习那些局部的底层特征，学习不了高层的语义特征，因此只能分辨马和牛，但并不认识马和牛。
第三代人工智能的目标是要真正模拟人类的智能行为，人类智能行为的主要表现是随机应变、举一反三。为了做到这一点，我们必须充分地利用知识、数据、算法和算力，把四个因素充分利用起来，这样才能够解决不完全信息、不确定性环境和动态变化环境下面的问题，才能达到真正的人工智能。