人工智能是否会再次进入严冬？深度学习是否达到了发展的天花板？AlphaFold给我们什么启示？可解释性和通用性是不是当前最重要的研究方向？符号主义与联结主义融合的前景如何？中国如何发展人工智能技术和产业？本文将讨论以上几个理解人工智能的问题。人工智能会不会再次进入严冬？对人工智能的发展现状的评价一直存在争议，有人说人工智能处在火热的“夏天”，也有人认为它即将再次进入“严冬”。
近年来，斯坦福大学每年都发布“人工智能指数报告”，2021年的报告指出，近十年计算机视觉研究取得巨大进展，已实现产业化；自然语言处理近年来进展较快，已经出现了语言能力显著提升的人工智能系统，开始产生有意义的经济影响。
深度学习是否遇到了发展的天花板？2020年5月，OpenAI发布了无监督的转化语言模型GPT-3。这个模型包含1750亿个参数，训练数据量达到了45 TB，在语义搜索、文本生成、内容理解、机器翻译等方面取得重大突破。2021年，OpenAI的GPT-3又有重大改进，参数减少到120亿，只有GPT-3的1/14，可以成功跨界，按照文字描述生成对应图片。AlphaFold给我们什么启示？
2020年人工智能领域另一个引人关注的成果是将机器学习应用于基础研究。蛋白质结构预测是生命科学领域的重大科学问题，目前已知氨基酸顺序的蛋白质分子有1.8亿个，但其三维结构信息被彻底看清的还不到0.1%。谷歌旗下的DeepMind公司开发的人工智能程序AlphaFold2在2020年11月的蛋白质结构预测大赛CASP 14中，对大部分蛋白质实现了原子精度的结构预测，取得了92.4%的高分。
可解释性和通用性是不是当前最重要的研究方向？可解释性和预测精度是相互矛盾的两个维度，如同高性能和低功耗、通用性和高效率一样，难以得兼。智能应用是多种多样的，不同的应用对可解释性的要求大不相同。即使是对安全性要求很高的应用，需要解释到什么程度也是有区别的，可解释性不应是AI研究的首要目标。
符号主义与联结主义融合的前景如何？能否使用符号是人和动物的本质区别。早在19世纪，德国哲学家恩斯特·卡西勒就指出人是会使用符号的动物。从动物向智人进化的分界线是发明符号和使用符号。纽厄尔和西蒙提出的物理符号系统假设：对于一般智能而言，具备物理符号系统是一个充分必要的条件。