如何解释「人工智能」的含义？

从可解释性看人工智能——一个缺少大问题的时代

每年夏天总有高考考生找各种途径来跟我打听，怎么报考专业，哪个专业有前途。不怕笑话，这个问题我从高中时就在思考，从这个角度来说我周围的人对计算机自信了20年，我迷茫了20年。先说个真实的笑话，2002年我进入高中，当时我有个匪夷所思的结论“编程绝对不是前途”，这也成为我逐渐放弃信息学竞赛的一半原因，这也使我这个初一拿了全省第一名，初三参赛高中组的选手，在高二的竞赛中直接拿了零分（参赛前一天抱来命令语句书，因为语句快忘光了）。被老师同学惊讶地问起来，我只能尴尬地说因为我其实挺笨的。

但是当时的部分思考逻辑是对的，如果一个方向仅限于对几套经典看似巧妙的算法、模型的掌握，和对问题建模中的智商考核，那么这个方向必然是无聊的，成为不了一个人求学和努力的根本动力。

但是，时至今日，我依然有这样的思考，我在每个组会中都会时不时的把这个思考传给我的博士硕士研究生——人工智能中究竟哪个方向才能托付起领域发展的使命？虽然我们近年来做了一些工作，如果有兴趣可以看文章后面的推荐，但是依然远远达不到对人工智能中众多问题的统一归纳和统一解决。

其实，对大部分领域来说，没有一个变革性的方向本身就是常态。少数领域只要在个别时刻发现一些苗头，一定会变得很火。

我更愿意将其成为一个没有“大问题”的时代。一个领域的前途取决于它是否存在“大问题”，大问题在历史上是很偶尔出现的，同时很多学者对“大问题”也是有所误解。

不是，人工智能那是一大堆具体技术的统称，而不是具体的问题。“强人工智能”目前只是哲学上的概念，而不是科学范畴中的问题。

不是，那些只是应用性的积累，在技术发展本身来看只是基于现有理论框架的线性拓展，而不是根本的阶跃性的进步。

不是，这个难度太大，是个“死问题”，是个在现有框架下无从讨论的问题。

可惜，也不是，缺少对问题本质的建模，所以属于“应用中的重大问题”，而没有上升的“科学上的根本问题”。不同人从不同角度对这些问题进行建模和解读，但是学界尚缺少一套共识的且足够严谨可靠的对其建模手段。换言之有点儿像中医，我们都在探索它，它也确实存在，但是没有人说得清楚它是什么。基于研究者的IQ，这样的研究往往会在若干年内呈现点状的突破，但是这种突破终究会饱和，不是一条究竟的路线。

所以，大问题往往需要学者们不断的总结与归纳。同时，我国能否在人工智能领域掌握国际话语权，根本上不在于发表多少论文，而且能否提出引理领域发展的大问题。根本上，需要对这个领域中的各种表象的问题进行充分的总结与归纳，找到大部分经验性算法根本的内在原理。这个方向上，我们做了一些工作，虽然还不够彻底。后续展开介绍。