本文经AI新媒体量子位（公众号 ID: QbitAI）授权转载，转载请联系出处
「我们要造新灯塔，照亮新航道。」
这是清华大学人工智能研究院院长、中国科学院院士张钹教授，对任正非把基础研究比喻为灯塔的回应。
也是张钹教授给当前人工智能发展提出的新思路，因为新灯塔和新航道，正是他反复强调的第三代人工智能。
在纪念《中国科学》创刊70周年的专刊中，张钹教授以通信作者发出《迈向第三代人工智能》文章，指出是时候把第一代的知识驱动和第二代的数据驱动结合起来，通过利用知识、数据、算法和算力等 4 个要素，构造更强大的人工智能。
而在量子位的采访中，张钹教授进一步解释了发展第三代人工智能的重要性、紧迫性，特别是当前在基础科研方面遭遇“卡脖子”的中国。
张钹教授还进一步指出了基础科研和教育中的关键挑战。不仅有国家院士的忧思，还包含了对于人才培养制度的积利除弊，每一个思考都振聋发聩。
为了更加完整展现张钹教授思考，我们以第一人称方式呈现本次采访，内容在不更改原意的基础上，进行了编辑。方便阅读的小标题，亦为后添加。
以下是全文：
现在最关键是对AI发展现状的正确评估
当前全世界来讲，我们今后从信息科技走向智能化、走向人工智能的前景，无论从社会发展的角度，从经济发展的角度，大家都有共识。信息化网络化以后，未来就是智能化，这个大家没有太多分歧。
但最关键的问题是对发展现状的评估。
总体来讲，至少前一阶段，业界估计得过分乐观。这个也不是第一次，人工智能整个发展过程中，总体的估计总是乐观，乐观以后出问题了就低潮，低潮以后又乐观，再产生新东西。
本质是对人工智能的艰巨性认识不足，都以为说我们人的智力很强，既然过去信息技术发展得那么快，下一步搞智能化肯定也会是很快的。
这么想问题是没有顾及到，AI要涉及到人的智能问题，这个是一个很难的问题，我们自己对自己的了解，特别是对大脑的了解太少了，无知就无畏，往往很多东西就把它想得太简单了。
为什么讲第三代AI？因为中国有历史性机遇
这段时间，特别是在深度学习出现高潮后，新的乐观情绪又出来了。
在这种情况下，我在很多场合强调人工智能才刚刚开始，还处在初级阶段，我们的路还很远还很困难。
刚开始因为大多数人都很乐观，我也不宜去泼冷水，所以说得比较模糊，后来大多数人逐步认识到过去太乐观了，所以我也开始讲得更加明确。
现在提出第三代人工智能，非常明确地讲，我们的第一代、第二代AI，都只是序幕，都还没到正戏正剧。
第三代人工智能才是这个正剧，这个正剧之于中国，机会也很明显。
第一，历史上看，就信息革命而言，它从二战前后开始，至今差不多有80年，我们有40多年没有参与其中。
所有关键的重要的贡献，都是外国人做的。计算机理论、计算机、晶体管、集成电路……一路下来，关键技术都是人家提出和掌握的，我们一直是后来者、追赶者，追赶极为困难。
解决卡脖子就得“相互依赖”
如果我们一直是跟随者，能跟上就很不错了。现在的状态是基本跟得上，但有些关键技术，比如集成电路总是跟不上。
所以问题该怎么解？
我认为只有抓住新的技术革命，从一开始就是参与者，在当中做出关键贡献，不让技术完全掌握在别人手里，有几个关键技术我们作得最好。
比如拿光刻机来讲，这里头有上千道工序，有大量的工艺问题，材料问题，各种各样的问题……。任何一个国家都不可能掌握其中的所有技术，实际上，光刻机中的关键技术被荷兰、美国、德国和日本等许多国家分别掌握。遗憾的是我们中国不在其中，人家就能卡你。
为什么形成这个局面？
因为在发展过程中，你都不是参与者，你是旁观者，到现在才过来追赶，那就非常困难了。
问题不是要求我们去掌握所有技术，而是有一两项技术你是第一，别人就卡不了你。
真相是你中有我，我中有你，大家互相依赖罢了。日本人掌握了光刻胶技术，所有光刻胶都得跟他买，谁也不敢卡了。作为追赶者就很难做到这一点，必须是从头到尾的参与者。
这也是我为什么疾呼发展第三代人工智能。
因为第三代人工智能刚刚开始，我们在同一起跑线上。我们历史上错过了好多机会，现在有机会跟全世界在同一起跑线上，如果做好了，做大了，别人就卡不了我们。
另外，现在还有个误解，认为在深度学习上，我们跟国际在同一起跑线上，我要纠正一下这个想法。
不对的！
在深度学习上我们已经落后人家了。
深度学习从什么时候开始？1943年开始，发展到今天已经有六七十年历史，我们跟别人不在一个起跑线上。
甚至现在乐观到认为深度学习我们领先，不可能的。深度学习在六七十年发展过程中，我数了一下，做出重要贡献的大概有7-8个国家，没有一个属于中国。
在这种情况下，你怎么可能跟人家在一个起跑线上？
好在第一代第二代人工智能已经过去了，那只是序幕，我们可以不去管它了。
冲击AI无人区，比搞两弹还难
过去错过的已经错过了，大部分的追赶任务可以留给企业去完成，科学研究应该在新航道（赛道）上下功夫，勇闯无人区。
我常说研究第三代人工智能，目标不明确，研究路线也大不清楚，可能比搞两弹还难，同时这方面我们还缺乏经验。
两弹很难，但目标非常明确，已经有人做出来了，是一个追赶的问题。
人工智能是一个无人区，你根本就不知道怎么做，全世界都不知道怎么做，是一项探索任务，所以需要完全不同的体制机制。
我们做追赶任务有很多经验，因为目标很明确，可以利用举国体制动员全国力量来完成。
但人工智能是无人区，目标不明确，路线也不清楚，怎么组织大家攻关？肯定要建立一个宽松的环境，让大家去自由探索，不可能从上到下做一个统一计划，第一步干什么、第二步干什么，那肯定难以成功。
无人区的探索，靠少数专家计划和具体安排也是不行的。
所以归根结底，我还是要强调，现在我们有一个非常好的机会，百年不遇，不容错过。
第一代、第二代人工智能已经过去了，我们要着眼未来，瞄准第三代人工智能。
我们该造新灯塔，照亮新航道
任正非把基础研究比作灯塔，这个比喻很好。他还说我们过去是照着美国人的灯塔去走的，跟着他照亮的路走，现在美国人的灯塔要对中国关闭，怎么办？
我想说的是，美国灯塔管它亮不亮，我们都要在新的航道上造个新的灯塔，以照亮新的航道。
第三代人工智能，就是新的航道（或者赛道），也是新的希望，我们中国人奔向这个新航道，在这个新航道上有可能做出好成绩。
第一代第二代的旧航道，我们有些落伍，需要有人去追赶和落地。我们的着力点应该在新的航道上。
科研必须高举开放和国际化
但也要注意，造新灯塔、照亮新航道，发展第三代人工智能，不是只供我们自己使用，而是要照亮全世界，引领全世界共同启航。
美国人越讲断供，我们就越要高举科学无国界、坚持开放和国际化。他们要把我们剔出去，我们必须反其道而行之。
刚才也说了，解决卡脖子不是样样都自己搞、每一项自己都是第一，而应该相互依赖，共同发展，只要有一两项你是第一，你就有了话语权。
科学研究是全世界的共同事业，人类是命运共同体，特朗普政府在科技上想与中国脱钩，既不符合全人类的利益，也违背广大科技工作者的意愿，实际上也行不通。实际上，特兰普政府的各种动作对科学界的影响并不大。
发展第三代人工智能必须高举开放和国际化，必须全世界团结起来，共同发展，以造福全人类。
我常跟年轻学生讲，搞研究要避免发明中国人才懂的词，一个词你用了，就得考虑英文怎么写，国外人看得懂看不懂，不然怎么跟你一起走？怎么引领全世界？
不要关起门来搞什么“中国的科学”，科学只有一种，不存在东方的科学，西方的科学。有东方的文化、西方的文化，但科学全世界就只有一种。所以在科学的基本表达上，就得让对方看懂。
我们写的“迈向第三代人工智能”的文章，已经在《中国科学》上发表了，很多同事和朋友看后，建议我们把这篇文章译为英文发表，这个建议很好，我们正在做。
第三代AI当前关键问题是算法
发展第三代人工智能，依靠知识、数据、算法和算力四个要素，这四个要素是什么关系？
发展第三代AI依靠的是两项资源，即知识和数据，通过算法与算力把这两个资源利用起来。知识、数据和算力资源我们都还可以。
而关键的问题是算法，因为目前所有原始的AI算法都是外国人弄的，算法从哪里来？从基础研究中来，因此发展第三代AI首先要抓基础研究。清华大学人工智能研究院在算法研究上取得一些进展，我们发布了“珠算”概率编程库，这是一个开源算法平台，其中有我们设计的新算法。
我反复强调要抓住这个处于同一起跑线的机会，多做出成绩，把生态建立起来，就不怕别人卡脖子，也有了话语权。
之前几年，大家对深度学习都很乐观，我讲的内容可能不容易被接受，现在慢慢很多人都能接受了。
因为多数人没有经历过AI发展的全过程，没有看到“全貌”，只是看到其中很小的一部分，因此很难看清楚。
我们从1978年就开始从事人工智能研究，经历过70年代到80年代的高潮，也体会到90年代的低谷，再到现在的重新高潮，经过40多年的风雨，才逐步搞清楚AI的目标是什么，我们现在离目标还有多远等等。
符号主义虽然不成功，但它涉及到人工智能的核心问题。
深度学习尽管最初受神经科学的启发，但是后来发展出来的一套算法，完全是基于概率统计的传统信息处理方法，其所以获得成功，关键在于计算机算力的提高。现在大家把深度学习的所有功劳都归于人工智能，这其实是错觉。
大家应该注意到，第三代人工智能我们是把知识放在第一位，数据放在第二，算法放在第三位，算力放在最后，这个排序是经过仔细琢磨，不是随便排的。主要是强调“知识”在发展人工智能中的重要性。
网络时代数据量指数增长，计算机处理数据的能力远比人类强，所以将知识处理与数据处理结合起来，可以发挥人类与机器的共同作用。
最后，解决了资源问题，现在要回到利用资源的方法，即需要有好的算法。目前针对数据的算法比较多，知识处理的算法则很少，所以在我们研究院专门成立了一个叫知识智能的研究中心，就是想通过它加强处理知识的研究。目前在我国研究知识驱动方法的人很少，是我们的短板。以2018年国际人工智能联合大会(IJCAI)上发表的主要论文来看，与机器学习有关的论文，中国人发表的论文占70%左右，而与知识处理有关的论文，几乎没有我们的文章。我们建立的通用知识库也远比美国少。
