4月11日，中国工程院院士李德毅在苏州举办的2020中国人工智能产业年会上，做了《探索新一代人工智能》的报告。李德毅院士是中国人工智能学会名誉理事长，军事科学院系统工程研究院研究员，近期被评选获得「吴文俊人工智能最高成就奖」。在报告中，李德毅院士从宏观层面回答了以下几个问题：（1）认知的三次革命；（2）「智能」的定义；（3）类脑的五条启发等。
整体思路有较大参考价值，为便于理解，「智源社区」对报告内容进行重新编辑整理。
我们常常谈「新一代人工智能」，但我们必须回答这样几个问题：传统人工智能有什么技术表征？新一代人工智能应该有什么表征？中间的分界点在哪里？如果不认真思考这些问题，仍然把云计算、大数据、人工智能混为一谈，那就太粗放了。我个人认为这个分界点正是机器学习之后的深度学习事件上。
在此之前，传统人工智能是一种计算机智能，这种智能都是在计算机上玩的，包括去设计算法、提高算力、增加数据等。但我们不能仅仅满足于算力、算法和数据构建的智能。这也是为什么我们提出要探索新一代人工智能。
那么如何做「新一代人工智能」呢？有人说应该做「类脑智能」，因为我们已知的最具有智慧的模型便是人类的大脑。但现在作为人工智能最顶端的就是GPT-3，用了大量算力、算法来做预训练、预编程。
清华大学唐杰正在花很多力气做中文的预训练，将来自然语言处理生成报告、小说、诗歌，这些都可以在机器上看得到。但这些预训练、预编程，难道就是我们想要的人工智能吗？我觉得我们要的是会学习、自编程的人工智能。所谓「会学习」，英语对应一个词叫Learning to Learn；而「自编程」，即我们要把软件工程师、算法工程师的工作，能够让机器来实现。这就是我们要做的类似人脑的智能。
为了说清楚这个问题，我愿意讲讲三次认知革命。人类的历史经历了三次认知革命进入到智能时代。第一次认知革命是五千年来的文字、文化、文明，造就了智能的生态；第二次认知革命是五百年来的科技革命，人类掌握如何利用物质和能量创造动力工具延伸人的体能；而近一百多年来，人类开始研究生命、研究脑科学和人工智能，千方百计创造智力工具，延伸人的智能。这三次革命很值得人们回顾。
我认为在三次认知革命之上，我们要研究人脑组织结构进化和后天学习这两件事情，因为正是它们成就了人类的智能。前者，构成了我们当下智能的基础；而后者，则是成就我们人类智能的根本。
所以这里，我得出一个智能的新定义：智能是学习的能力，以及解释、解决问题的能力；学习是解释、解决问题的基础，包括传承学习和自主学习，学习的结果是记忆。这句话很重要。我们不但要研究计算智能，还要研究记忆智能。解决问题是学习的目的。
不能用一台机器总是做它原来能够解决的问题，我们希望解决它从来没有遇到过的新问题，这是我们要追求的。这里我讲一下学习。学习的形态是交互，学习的核心是理解，学习的结果是记忆。而现在所有计算机的智能都只是软件工程师编程的代码在一次又一次简单执行而已，这里面是没有交互、理解和记忆的。我们希望的是，机器能够在学习过程中能够解决新的问题，这才叫做新一代人工智能。
因此，学习是「新一代人工智能」解释、解决现实问题的基础，而记忆智能则是「新一代人工智能」中多领域、多情景、可计算智能的边界和约束。
我们现在说的类脑智能，确切说应该是受脑科学或者认知科学启发的人工智能。并不是要在一个微观的结构上做一个真正类脑的物理脑装置，而是受启发的，英文叫做Brain-inspired intelligence。哪些可以启发我们，让我们能够做新一代智能呢？
这就是人工智能工作者要认真研究的对象。目前被大家普遍认同的一个方法是：剥离意识，不纠结细节，从介观结构上类脑，智能行为上类人。有一本书叫做《The wisdom of body》，就是躯体的智慧。能在物理装置上重现人类的智能。那么到底有哪些可以给我们启发呢？我列出五条，每一个都很重要，围绕这五条每一个都如山之重。我们做的架构就是要围绕这5条孵化。
回顾人工智能70多年发展，我们有三条主线，一个行为主义机器人学派，他们提出机器如何像人一样行为；一个是符号主义，他们强调机器如何像人一样思考，于是我们有了推理、预测、可解释；现在大家比较看好的就是连接主义，强调的是机器如何像人脑一样连接。今天当我们研究新一代人工智能时候，我们发现这三个学派封闭型假说都要被打破才行。
于是我们从行为主义强调模仿和类比，从行为智能得到感知智能；计算智能强调模型驱动，继续发扬计算智能；连接主义里面强调要考虑语境、语用、语构、语法四要素。人类智能进化先低阶后高阶，低阶认知产生了感知智能、行为智能，高阶认知产生记忆智能和计算智能，而人工智能恰是相反。我们钟于符号计算，低阶认知一直很弱，必须大大加强。