纵观人类科技发展历史，每一次科技革命的背后都有一个起全局性关键性作用的核心主导技术。第一次科技革命是蒸汽机技术，它使人类进入了机械时代，第二次科技革命是电力技术，它使人类进入电气时代，第三次科技革命是信息技术，它使人类进入信息时代。当前，科技正在孕育第四次革命，人类已经看到了新时代的曙光--智能时代，那么未来谁是主导智能时代的核心技术？有的人会说是人工智能技术，但人工智能技术要实现重大突破，是继续依托信息技术还是需要新的科技支撑，这是一个值得深入思考和研究的重大战略问题。本文就此谈谈我们的认识与思考，希望与大家进行共同探讨。

1. 洞见：信息科技的推力渐显边际效应

毫无疑问，过去几十年的科技进步，信息技术居功至伟。信息科技不仅催生了计算机、互联网、手机等影响人类社会的重大发明，也通过与其它科技深度交叉融合，推动了各领域科技的快速精进与发展。但是，任何的科技都有时代的局限性，新的科技取代旧的科技是科技发展的永恒规律。从当前情况来看，信息技术虽然仍在有力推动人类科技进步，但其速度和力度已经有些感觉乏力，似乎越来越接近边际效应。观察摩尔定律这个反映信息技术发展的风向标，以微处理器的发展为例就能比较明显地看到这一点，如图1所示，在1978年到1986年，微处理器性能的平均每年长率是25%，随后的1986年到2003年的17年中，年平均增长率增加到52%。接下来的10年，微处理器性能的年平均增长率开始下降到23%，随后的几年，进一步下降到12%，直到近5年，已经下降到了3%左右。

图 1 微处理器性能增长趋势凸显边际效应

所以，今天的信息技术也在寻求突围，或是打破传统的硅基材料局限，或是创造从“2D微型化”向“3D堆叠”的新方法。但是我们看到，现在所作的大部分突破，基本还是沿用过去的既有模式和架构，就如PC的性能在不断提高，但仍然是冯.诺依曼结构，因此，必然会遇到已有模式和架构的边际限制。与此同时，大部分突破也需要机器智能这个强大工具的有力支持，真正的跃升还需要材料、能源、计算等其他科技的换代性突破。所以，单纯的依赖信息技术进行科技的迭代发展，正在变得举步维艰，成本消耗与性能提升之间渐行渐远、得不偿失。因此，信息技术逐渐演变为基础底层技术而让位于新的技术几乎成为了历史的必然。

2. **先见：**智能科技的接力孕育关键突破

随着信息科技的逐渐乏力，智能科技异军突起。本质上来说，信息技术打造了数字化网络化，完成了推动万物可量化、可连接的使命。但对于下一个使命打造平行孪生世界就显得力不从心，因为这个使命的核心是可计算，而其计算的复杂度极其巨大，传统的逻辑线性计算已然无法满足需求。于是，如何引入人类的智慧，提升复杂计算能力成为科技发展的重大紧迫需求，人工智能再次焕发青春，应运而生。随着人类智慧的引入，机器计算能力产生了飞跃性的变化，机器计算不再是单纯的逻辑线性计算，而是逐渐融入了抽象非线性计算，也就是类人的思维计算，这使得人类在面对比较复杂的问题时有了一把解锁的钥匙。比如，过去的围棋计算主要关注每一步的线性推理结果，但在大规模的复杂选择面前极易陷入无穷计算的森林，而今天AlphaGo模仿人类思维（如图 2所示），加入了态势研判这个抽象思维逻辑，于是找到了有效的前行方向，走出了一叶障目的困局。

图 2 AlphaGo的基础原理示意图

人机智慧融合的成功，根本还在于人的思维与机器思维具有互补融合性，这种互补融合性就像DNA的双螺旋体（如图3所示），使其可以很好地结合在一起。随着人工智能应用于社会各个领域，每个领域的计算都呈现出爆发式的能力增长，于是产业发展获得了新的推动力，呈现一片繁荣之景。

图 3 人机智慧融合

尽管智能技术接力信息技术使科技再向前迈进一大步，但还不足以造成技术的量变到质变。因为，科技的发展正在面临一个巨大的障碍，那就是复杂性。计算能力虽然提高了，但数字化网络化带来的万物更加广泛而深入的连接，使得计算也变得更加复杂。同时，计算规模和参数的增大也不断在加大计算的复杂性。在双重复杂性的压力下，计算正面临着路径的选择，即如何实现真正的智慧计算以解决复杂性问题。目前，以ChatGPT为代表的大模型技术十分火热，但它是否标志着智慧计算的未来仍然不能确定，因为再多的参数也完全不能保证其能够向人类一样学会理解并创造知识。比如，它如何学会“实者虚之、虚者实之”这样的道理并做出正确的选择。诚然，毋容置疑的是，即使当前的智能技术不能产生科技质变，但这是科技发展必经的一步，任何的质变都需要量变的积累。随着智能技术的广泛应用，尤其是AI4Science的发展，科学范式正在人工智能的助力下发生重大变化，这必然孕育出重大突破，今天我们也正处在突破的前夜。

3. 预见：系统科技的增力或成王者荣耀

当前，智能科技的突破关键在于如何实现人机智慧融合。但是面对浩如烟海的各种知识，邯郸学步容易，曹冲称象何难。我们判断，要实现这一步重大突破，需要满足三个前提条件，一是多学科知识融会，必须能够理解知识背后的逻辑而不是理解表面的知识联系，做到举一反三、触类旁通；二是抽象思维与逻辑思维融通，不仅会逐步推演而且会瞬间灵机；三是定性与定量计算融合，定性问题可定量化，定量问题亦可定性化。以上三个问题，其本质是知识复杂性、思维复杂性和计算复杂性的规律特点认知问题。那么，有没有这样一种方法来解决以上三个问题呢？我们认为，要解决这个关键问题，运用系统科学技术的理论方法来认知知识复杂性、思维复杂性和计算复杂性，或许是一条可行的道路。

为什么是系统科学技术？首先，包含知识、思维、计算的智慧活动是一个开放的复杂巨系统，所以智慧研究要用开放的复杂巨系统的方法论，这个方法论就是知识工程、思维工程、计算工程与系统工程的大融合，也就是钱老提出的大成智慧思想与工程。其次，无论知识融合、思维融合、计算融合，其本质都是“性智”与“量智”的融合，量智是从微观看宏观、从量变寻质变，性智是从宏观去认知、从质变去猜想，两者的融合就是从定性到定量的综合集成方法，也叫大成智慧工程，见图4。钱老曾断言:“实践已经证明，现在能用的、唯一能有效处理开放的复杂巨系统的方法，就是从定性到定量的综合集成工程”。最后，知识、思维、计算涉及所有学科的一般规律性问题，而系统科学技术也恰恰是横贯所有学科的一般规律性学问，前中国科学院院长路甬祥院士曾说过,“系统科学是自然科学、工程科学、经济与管理科学的方法和基础。”

图 4 专家体系、机器体系、知识体系为基础的综合集成

人类与众不同的一个核心智慧是反思，在我们埋头于微观进步的大潮中，我们是否应该抬起头来审视全局，用系统的思想、方法来反思我们解决问题的思路，不仅仅从微观去衍化，而是也从宏观去假设然后验证，也许这是一条更加简单且有效的方法。钱老说:“从思维科学角度看，科学工作总是从一个猜想开始的，然后才是科学论证；换言之，科学工作是源于形象思维，终于逻辑思维。形象思维则又是源于艺术，所以科学工作或许是先艺术，然后才是科学。”我们认为这很值得我们思考，至少从当前的发展态势看，系统科学是人机智慧融合的必经之路（如图 5），大力发展系统科学技术，特别是借助数字化智能化的方法，发现复杂系统的一般规律，创新破解复杂性的有效方法，一定会使人机智慧融合技术突破复杂性壁垒，全面支撑人类科技迈上新的台阶。

图 5 系统科学助力人机智慧融合

4. 总结

在万物互联的数智时代，智能化无疑是我们前进的方向，但也遇到了复杂性这座巨大的高山，翻越高山就必须实现人机智慧融合，而这就需要把知识、思维、计算紧密联系起来，注重用开放的复杂巨系统思想方法去找到一条有效捷径。早在上世纪60年代，冯.诺依曼就说:“20世纪应该着力解决的焦点问题是复杂性问题，斯蒂芬.霍金也断言:“21世纪是复杂性科学的世纪”。我们相信，系统科技在数智时代必然会大放异彩，凸显它在科技创新中独特而重要的作用。

来源: 无