人工智能方法决定着人工智能的发展。突破人工智能瓶颈在于方法论创新。

人工智能在上世纪60年代出现，发展至今经历了二个大的发展阶段：即传统的逻辑符号主义和计算智能主义。

一、人工智能的初级方法论：逻辑符号主义

1、 人工智能的初级方法论逻辑符号主义

第一代人工智能科学家正是在近代自然科学研究方法论的熏陶下成长起来的，代表人物是纽厄尔和西蒙（Newell and Simon）。他们最早设计了逻辑理论家（Logic Theorist）的程序用来证明形式逻辑中的各种定理，用计算机成功模拟人类思维，把大脑神经的反应看成是图像、文字、思考的表征。

2、以人类的思维和思想为边界，刻画了人工智能发展的能力边界

这一时期的人工智能科学家，把世界和人类思维思想的形式化的界限，看成是发展人工智能的界限，采取还原主义、理性主义、物理主义、决定论的因果性等研究方法并一直占据主导地位。

这种理想化的方法论范式在研究、还原、证明、仿真现成的理论体系时可以得心应手，但是在处理人类日常感知问题时，就遇到了难以突破的问题。

3、对人工智能初级方法论的评述

采用固定、封闭程序试图去模拟人类大脑，即便这种程序再多再全面，也难以穷尽人类思维的开放性、应变性场景。因此将设计好的计算机语言框架用于分析处理灵活多变的人类思维，注定是一条行不通的路径。

以逻辑符号主义为核心的人工智能初级方法论，实际是没有完全理解什么是人类智能，把智能仅仅理解成历史主义思维方式下的理论和逻辑的沉淀，没有看到“死智能”背后的“活智能”，仅仅用逻辑推理和因果论完全无法描述人类智能的全部。

另外，不像后来互联网和信息数据的海量发展与积淀，受研究时代背景的限制，这一时期的人工智能只能通过对知识体系、理论模式的模仿学习来试图逼近人类智能机制的核心。也就是说，用知识和理论的固定模板来训练计算机，其结果可想而知，只能是无功而返。

二、人工智能的中级方法论：计算智能主义

从上世纪80年代中期开始，进入计算智能阶段。

1、 研究条件和场景的变化

随着认知科学和，特别是神经科学等精细化大脑科学的发展，一批大脑科学的研究成果问世，人类在解开大脑神秘雾罩方面有了长足的进步。

计算机科学本身的算力容量随着电子管被晶体管的代替等硬件技术的创新有了翻天覆地的变化。

新一代的人工智能科学家伴随着宇宙科学、量子力学等前沿科学思想的发展而成长起来。

因此引起人工智能方法论革新的各种条件开始成熟。

2、 数据成为人工智能研究的新宠儿

通过什么场景和对象来研究人工智能事关研究的成功与否。进入21世界以来，互联网科技和智能手机的快速发展与普及，特别是物联网带动的产业数字化、社交数字平台带动的社交数字化、电商平台带动的市场数字化、移动支付等带动的金融数字化、媒体平台带动的知识思想数字化，政务数字平台带动的政务数字化。

在这个数字人类、数字地球、数字宇宙的过程中，人脑是数字大爆炸的“奇点”。

数据成为物质世界和精神世界的名片与符号，成为人工智能科学家研究智能的最好工具

3、 大脑双向映射自身内在的智能运作机能

大脑一方面按照自己内在的智能机制推动数字化。人类现在自觉或者不自觉设计和推动的数字化，实际是人的智能种子＋数字智能土壤相结合的表现。

数字化大脑成长为具有宇宙大爆炸类似的宇宙生命体的存在形式。另一方面，大脑又将数字化作为散布自己智能机制秘密的信息载体，在所有数字化的经纬度上都有大脑智能秘密的分布。

因此，研究人工智能自然把数据作为天然的研究工具。所以，人类在以固化知识为人工智能学习进化工具的努力失败后，终于找到了现阶段最合适的数据新对象。

4、系列数据工具包被当成人工智能研究的武器

人工智能科学家利用大数据、云计算、图像识别以及自然语言处理等系列数据工具包技术，以目前最能揭示人类大脑思维机制的神经科学和神经网络为基础，在深度学习、数据相关性、思维联结主义等范式的指导下，搭建人类思维大脑的智能模型，通过模拟神经网络的联结机制，赋予计算机能够基于大样本数据进行自主学习的能力。通过海量数据的输入，希望能训练出人类智能的新产品。

5、对这种人工智能高级方法论的评述

首先，这种方法论实际上把计算机和神经网络模型结合的统一体看成是“类人脑”，在方法上放弃了上一阶段的形式化知识推理，不再通过计算表现或者求解问题等形式来训练智能、体现智能。

其次，这就把人工智能的研究，从抽象的知识表征表现转向实践中的智能技能提升，从原子主义的主客观分离的理性分析方式，转向数据化、模型化的人工智能体与数字化世界的彼此互动和感知学习，把人工智能体的技能提升置于各种学习赋能过程中来进行。

最后，把人工智能体的思维分析能力同计算机内置的程序操作规则或理论规定区分开来，追求人工智能体在数字化世界中或特定的运用场景、域境（context）中的自我感知、自我思考、自我调节、自我决策的技术能力。

总之，这种中级方法论在第一阶段初级方法论的基础上，有质的飞跃，能够使人工智能更大程度逼近人类智能的机制原理核心，真正开启了人工智能的新篇章。但是，是不是说现在的一切都十分完善了呢？肯定不是的，这只是人工智能的初中级阶段。在成长的路上，还有待于方法论的持续创新。

三、人工智能的高级方法论：方法论的可能性预测

人脑智能的的复杂性还没有完全解开，未来人工智能会怎么样？还有很多未知数。

1、 以神经网络技术为基础的第二阶段人工智能能够走多远？

现在可以模仿大脑工作机理来实现人工智能突破的方向不是太明朗。

因为大脑是人体最精细、最复杂、最神秘的系统，它有800亿个神经元细胞组成，每个神经元又衍生出1000个分支，再加上大脑生物神经元具有复杂多样性，其中还潜伏着比神经元数量多10倍的神经胶质细胞，人类对大脑的这种复杂性认识还是很不足的。

人类在脑科学上有三步棋：“认识脑”、“保护脑”、“创造脑”。

现在在“认识脑”上还有很长的路要走。光“认识脑”的过程现在也只能达到1%左右。

我们现在只是初步了解了大脑生理解剖结构，对基于原子、电子层面的大脑功能有一些科学认识了解，但很多还是建立在猜想和预测上面。

至于基于光子层面、甚至更深层次的运作机理，人们现在的认识差距还是十分遥远。

现在国际社会和各个政府在脑科学和类脑研究上形成了三点共识，其中之一就是：计算机技术和人工智能发展至今已面临“瓶颈”，对人脑认知神经机制的进一步理解，才能为新一代人工智能算法和智能机器的研发带来启示。

所以，如果等到人类认识清楚大脑后再去做人工智能，那不知道是多少世纪以后的事情。

这样看来，目前仅基于神经网络来构建人工智能的路子前景不明。指望人工智能自己基于神经网络系统，生长出智能大脑来，也是难以预期。

必须有新的突破口。

2、 人类能不能找到更新更好的人工智能方法论和发展路径？

人类在人工智能的研究上要有新出路。新出路在哪里？

实际上人类大脑并不是宇宙中最强大、最智慧、最神秘的机体。

宇宙中存在着宇宙智慧、自然智慧。宇宙和大自然自身就是一个“超级大脑”，指挥和控制着整个宇宙的运行。

人类意识和智慧还是在与宇宙和自然的交互中，通过观察、学习、适应这个“超级大脑”而取得的。

宇宙中的很多神秘现象，现在尚未揭示的“外星文明”，等等都在一定程度上说明了宇宙中存在智慧大脑的多元性。

因此，我们在坚守对人类大脑进一步研究的同时，还要把视野放宽到宇宙智慧的研究上来。通过天文学、航天学、宇宙学等综合学科的研究，寻找新的智能模式，进一步拓展人工智能研究的思路。

宇宙智能的基本特点是系统框架、平行框架、超光速框架、超级空间框架、能量集中框架等特点。

量子计算机和超量子计算机的运行框架应该要融入宇宙智能的更多基本功能与特点。

从现象学上看，计算机天生应该更接近宇宙智慧体的运行。计算机技术的未来发展应该是在数字化基础上，融汇宇宙智能的运行模式，在运算速度、运算容量等方面都能得到显著提高。在此之上进行人工智能研究和创新就能够走出一条比较宽广的道路。

3、 哪些方法论会成为人工智能的新选择？

数学是宇宙的基本语言。宇宙的所有运行机制都能够通过数学来表达和揭示。数学的创新决定了人工智能的发展。

人工智能的方法论的基因是来自数学，虽然像哲学、工程学、社会学也会贡献一些力量，但是主要和基础的来源还是数学。

目前的人工智能在数学方面的方法基本已经用尽，没有用到的也寥寥可数。

因此，人工智能的方法创新，寄希望于以下方面：

首先是数学在基因研究方面的进展。

基因是人类的总司令。所有人类的秘密起因于基因。

基因数学的未来在基因模式识别、基因功能算法、基因密码数学、基因优化数学等方面。

这些，基因数学对人工智能的进化密码识别及保存有重要作用。

另外，还有人体有关的数学方法，如心脏力学数学、听觉过程数学、细胞数学、生物流体数学等都有助于人工智能的研究开发。

人类智能的最终解密离不开数学，宇宙智慧和“超级大脑”的研究也离不开数学。

人工智能只有建立在“数学＋哲学＋工程学＋N”的学科丛林越来越茂盛的基础上，才能长出最优“方法论”的硕果。