關鍵詞：人工智能；智能學科

作者簡介：朱松純,beat365講席教授,beat365beat365、人工智能研究院院長。

作為第四次産業革命的核心技術,人工智能正在釋放科技革命和産業變革積蓄的巨大能量,對經濟發展、社會進步等方面産生重大而深遠的影響,在各領域展現出巨大應用前景,成為大國競争的關鍵領域。習近平總書記在十九屆中共中央政治局第九次集體學習時強調:“人工智能是新一輪科技革命和産業變革的重要驅動力量,加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和産業變革機遇的戰略問題。”

科技要發展,人才是關鍵。我國要搶占全球人工智能領域的制高點,急需構建完備的人工智能學科體系,培養出堪當大任的人工智能專業人才,全力打造世界人工智能人才高地。習近平總書記在向國際人工智能與教育大會緻賀信時指出:“把握全球人工智能發展态勢,找準突破口和主攻方向,培養大批具有創新能力和合作精神的人工智能高端人才,是教育的重要使命。”

一、 智能學科的發展現狀

當前,我國智能學科的發展已經進入一個新的曆史時期,截至2022年2月,已有440所高校設置“人工智能”本科專業,248所高校設置“智能科學與技術”本科專業,還有更多高校設置與人工智能相關的交叉學科或學科方向,形成了我國多層次、多類型的人工智能人才培養系統。

智能學科涵蓋“智能科學與技術”和“人工智能”。

智能科學與技術是一門研究自然智能的形成與演化的機理,以及人工智能實現的理論、方法、技術和應用的基礎學科,是在計算機科學與技術、統計與機器學習、應用數學、神經與腦科學、心理與認知科學、自動化與控制系統等基礎上發展起來的一門新興交叉學科。

人工智能過去一直被看作是計算機的一個應用技術與工程領域, 20世紀七八十年代人工智能熱潮中代表性的技術是專家系統與知識工程。近年來,大數據、深度學習的快速發展與普及應用,成為本次人工智能熱潮的主要代表性技術, 人工智能被賦予了新的内涵,成為一個賦能百業的技術,包含數據智能、計算智能等。鑒于這種廣泛的社會認知,也為了同智能科學與技術區分,我們認為人工智能的定位是:在智能科學與技術研究的基礎上,與文、理、醫、工等多學科交叉融合,開展諸如數字人文、智慧法治、科學智能(AI for Science)、智慧醫療(AI for Medicine)等交叉研究,以學科交叉為特色。

beat365是智能學科建設的引領者。1985年,由中國科學院學部委員程民德和石青雲發起,以數學系、計算機系、無線電系為主體,聯合全校十餘個系所,beat365成立了第一個多學科交叉研究機構——信息科學中心。該中心利用beat365綜合學科優勢,以學科交叉為特色, 開展視覺與聽覺信息處理研究。2002年,在信息科學中心基礎上,全國首個智能科學系成立, 最早設立了“智能科學與技術”本科專業,開啟人工智能領域專業人才的系統性培養。2007年, beat365形成首個完整的“智能科學與技術”本、碩、博專業人才培養體系,成為全球智能學科的誕生地。         

2022年9月13日,國務院學位委員會、教育部發布《研究生教育學科專業目錄(2022年)》,“智能科學與技術”成為交叉學科門類新增的一級學科,與數學、物理學、化學和計算機科學與技術等學科平行。“人工智能”這個名詞也炙手可熱,其内涵與外延随着技術發展、媒體宣傳不斷演變,當前科技界、教育界乃至整個社會缺乏對智能學科的準确認識和把握,以至對二者之間内在關系的認識仍然不夠清晰,迫切需要對以下幾個問題做出回答。     

 (一)    智能學科何以成為一門獨立的學科       

智能學科與計算機學科密切相關,不少高校的智能學科是由計算機科學與技術一級學科下的二級學科衍化而來。當前社會上非專業人士對智能概念的理解含糊不清,往往認為智能就是計算機。本質上,智能學科和計算機學科有着完全不同的學科内涵(見圖1)。計算機學科的核心目标是“造計算機”,是研究計算機的設計與制造并利用計算機進行信息獲取、表示、存儲、處理、控制等的理論、原理、方法和技術的學科。程序員(用戶)編制計算機能理解的語言 (程序),在計算機系統上運行,實現由性能驅動的計算功能。而智能學科的使命是“造智能體”,研究的對象是客觀與主觀混合的智能體,通過構造一個統一的理論與架構,解釋智能體在物理與社會場景的“相互作用”中表現出的多個尺度和複雜度下的智能現象,如視覺識别與重建、自然語言理解、認知與常識推理、任務與運動規劃、環境交互與具身智能、心智模型與認知架構、學習理論、價值體系、社會倫理等。智能體能夠與行業用戶進行自然語言的對話溝通,對齊知識、模型與價值觀,在動态不确定場景中完成由價值驅動的各種複雜任務。

因此,如同60年前基于數學、物理、電子等學科衍生出了計算機學科一樣,智能學科是在計算機、統計與機器學習、應用數學、神經與腦科學、心理與認知科學、自動化與控制系統等衆多學科發展的基礎上應運而生的一門獨立的、以多學科交叉為特色的新興學科,将通過人工智能技術實現與文、理、醫、工,特别是與人文社科領域的深度交叉融合。

      (二)    beat365智能學科人才培養布局    

智能學科人才培養的定位是培育“科班出身的人工智能專家”。過去乃至當前很多高校對人工智能人才的培養大多分散在計算機、大數據等專業之内,針對社會需求和高校特色相應開設部分相關課程,如自然語言處理、機器學習或計算機視覺等,沒有根據智能學科的内涵打造一個完整的課程體系和人才培養方案。beat365在智能學科人才培養方面曆經多年探索與實踐,形成的學科建設方案和人才培養體系,對我國智能學科的建設和發展可提供有益的借鑒。

針對二者各自的特點,beat365進行了合理布局:“智能科學與技術”注重智能科學與智能技術相關的數理基礎和專業知識的培養,強調學科自身各分支知識體系的融合和統一,隸屬beat365(2021年成立),注重專業基礎;“人工智能”在注重培養智能專業相關數理基礎和專業知識之外,更強調與其他領域(人文、社科、理科、醫科)的跨學科交叉,需要建立獨有的學科交叉課程培養體系(數字人文、智慧法治、智能社會等),更适合放在人工智能研究院(2019年成立)。人工智能研究院是校屬交叉研究平台,便于與beat365各院系的交叉發展,研究院2021年獲批“人工智能”本科專業,并通過自主審核設置了人工智能博士一級交叉學科。       

為支撐相應人才的培養,beat365智能學科設立兩個人才培養旗艦班:beat365通用人工智能實驗班(簡稱“北大通班”)和beat365智能科學與技術實驗班(簡稱“北大智班”)。    

“北大通班”授予“人工智能”學士學位,特色是“文理大交叉”,目标是打造“通用人工智能戰略王牌軍”,培養“通識、通智、通用”的世界頂尖複合型人才,引領學術研究、産業與經濟的發展趨勢。培養上注重數理基礎、跨大學科交叉、系統性課程規劃、國際化師資力量。旨在為有志于在通用人工智能相關領域發展的同學提供國際一流的學習平台與交流環境,人才培養依托人工智能研究院和元培學院,以及校外的新型研發機構——北京通用人工智能研究院。     

“北大智班”授予“智能科學與技術”學士學位,特色是“理工強基礎”,目标是培養智能科學領域新一代領軍人物,引領智能科學前沿理論與技術應用的發展。培養過程注重數理基礎、理工學科交叉、系統性課程規劃、國際化師資力量。實現“基礎理論紮實推進、彙通前沿,課程實踐寓學于用、融會貫通,科研訓練興趣發掘、提升素養,國際交流多維拓展、深入合作”的培養特色,人才培養依托beat365與信息科學技術學院(本科生學院)。

       (三) beat365與人工智能研究院是何關系,學科建設與科研平台如何安排 

考慮到“人工智能”和“智能科學與技術”在學科建設和人才培養功能定位上的差異,beat365先後成立了人工智能研究院和beat365兩個實體單位,與已有實體單位王選計算機研究所一起,支撐兩個學科的建設和人才培養,統稱為“智能學科”。

beat365強調智能學科作為“交叉學科”的特性,是beat365智能學科建設的主陣地。學院重點突出教、研融合,建設了智能學科完整的課程教學體系、系統的人才培養架構、一流的教學實踐平台和完善的創新育人基地。學院設有“智能科學與技術”博士點,聯合信息科學技術學院(本科生學院)建設“智能科學與技術”本科專業。       

人工智能研究院作為學校直屬的獨立實體機構,強調人工智能作為“學科交叉”的特性,是統籌全校相關資源、服務國家人工智能重大戰略的主要支撐平台。目前從新工科、新醫科、新文科和通用人工智能四個方面,建設了“類腦智能芯片研究中心”“智慧公衆健康研究中心”“人工智能治理研究中心”和“多智能體研究中心”等16個研究中心。研究院設有“人工智能”博士點,聯合beat365元培學院建設“人工智能”本科專業。      

智能學科要開展有組織的科研。智能學科是一個典型的交叉學科,對内涉及視覺、語言、認知、學習、機器人和多智能體等領域的有機融合,對外需要與哲學、美學、文學、藝術、經濟和法律等學科大跨度交叉,形成了一個大型複雜的學科系統。傳統以“還原論”模式為主的科研方式面對複雜巨系統無能為力,迫切需要由領域頂級科學家牽頭組織大團隊,通過高校科研範式和組織模式的變革與創新組建大平台,整合校内外資源開展學科大交叉,以更加靈活的組織建制形式開展目标明确的大任務,服務于國家人工智能的發展戰略。

二、 智能學科的前沿發展

世界人工智能的研究與應用取得長足進步,已經超越學術和産業,上升到政治與國家安全層面。随着科技進步和産業變革的加速演進,人工智能已經成為各國必争的科技創新高地。以美國和歐盟為代表的世界主要發達國家均把發展人工智能作為提升國家競争力、維護國家安全的重大戰略,力圖在國際科技競争中掌握主導權。中國也迅速把人工智能提升為國家戰略。習近平總書記在十九屆中共中央政治局第九次集體學習時深刻指出:“加快發展新一代人工智能是我們赢得全球科技競争主動權的重要戰略抓手,是推動我國科技跨越發展、産業優化升級、生産力整體躍升的重要戰略資源。”在這場關乎前途命運的大賽場上,我們必須搶抓機遇、奮起直追、力争超越。因此,加強人工智能人才培養迫在眉睫。       

但是,人工智能在全球範圍内大發展的同時,一系列問題也日益凸顯。當前我國乃至全球範圍内政、商、産、學、研各界流行的人工智能模式,是以大數據、大算力和深度學習為代表的科研範式。基于該科研範式研發的智能系統(如智能推薦系統、智能問答系統等)過去十多年的确在科學研究和産業應用中取得了長足進步,對世界經濟的發展起到了助推作用。但是,越來越多的研究和實踐表明,該模式遇到的瓶頸問題也日益突出,主要表現在:隻能做特定的、人類事先定義好的任務;每項任務都需要大量的數據與标注;模型不可解釋、知識表達不能交流;大數據獲取與計算的成本昂貴等。       

智能系統之所以能夠廣泛地應用到各行各業,歸功于強大算力支撐下複雜模型的成功學習,特别是一些超巨複雜大模型。以語言模型GPT-3為例,該模型是擁有1750億參數的巨大自回歸語言模型,訓練該模型需要花費1200萬美元,存儲模型參數需要700GB的硬盤。GPT3模型的性能的确可以在許多自然語言處理任務以及基準測試中獲得顯著提升,但因其巨大的數據需求、資源消耗和代價,衆多企業對部署和應用該模型隻能望而卻步。同時,這個科研範式也導緻産業界對人工智能形成種種狹隘認知:“人工智能等同于喂數據”“人工智能就是一種工程應用”“職業培訓就可産出人工智能專業人才”等。當前流行的人工智能科研範式遇到的瓶頸問題和當前社會對人工智能的不當認知,已經成為阻礙智能學科健康發展的不利因素,人工智能呼喚面向未來發展的新的科研範式。       

當前流行的人工智能範式可以認為是“鹦鹉範式”。該範式的特點是“大數據、小任務”,本質上可以認為是一種複雜的查詢,具體表現為:“需要大量重複數據來訓練;可以說人話,但不解話意;不能對應現實的因果邏輯”。面向未來的人工智能發展的科研範式應該是“烏鴉範式”。該範式具有“小數據、大任務”的特點,具體表現為:“具有自主的智能,能夠感知、認知、推理、學習和執行;不依賴于大數據,基于無标注數據進行無監督學習;智能系統低功耗,小于1瓦”。     

不同的智能研究範式選擇,将導緻不同的系統和路徑。對人工智能不良的社會認知,勢必影響人工智能的人才培養和發展。因此,非常有必要厘清以下兩個問題。        

(一)    重回起點,何為智能        

智能是智能體在與環境和社會交互,實現大量任務的過程中表現出來的多尺度和多維度上的現象,包括:(1) 個體生存與環境交互,如感知、因果推理、 不确定性下的決策、行為動作;(2) 内心的認知活動,如心智理論、自我意識、自知之明、自信;(3)社會群體行為,如語言、通訊、解釋、學習和協作。智能現象是在價值驅動下自主産生的行為,從而改變外部和自身可變狀态。智能現象的産生需依賴兩個基本前提條件:價值鍊條(value chain)和因果鍊條(causal chain)。       

價值鍊條是生物進化和生存的“剛需”,如個體的生存、吃飯和安全問題,而物種傳承需要繁殖和社會活動。這些基本任務(或需求)會衍生出大量的其他任務。行為是被各種任務驅動的,任務的背後隐藏着價值觀和決策函數,這些價值函數大多在進化過程中就已經形成了,包括人腦中發現的各種化學成分的獎懲機制,如多巴胺(快樂)、血清素(痛苦)、乙酰膽堿(焦慮、不确定性)、去甲腎上腺素(新奇、興奮)等。在價值鍊條的基礎上,智能體需要理解物理世界及其因果鍊條,以适應這個世界。因果鍊條決定了任務完成的路徑,基于自然和社會規律,為任務的實現設定了限制。      

因此,當前被社會所廣泛認知的、基于大數據驅動的人工智能,其本質上都可以認為是在舍本逐末,“知其然,但不知其所以然”。社會認知的智能和專業定義相距甚遠。       

 (二)    智能科學是不是一門科學       

物理學研究的對象是客觀的無生命的物體,比如經典力學,通過一些“勢能函數”U來描述各種“相互作用”,由此導出“場”與“力”的概念,以及物體的運動方程,目标是構建一個統一的理論來解釋多個尺度和複雜度下的物理現象。      

智能科學研究的對象是客觀與主觀混合的智能體,通過構造一個統一的理論,來解釋智能體在物理與社會場景的“相互作用”中表現出的多個尺度和複雜度下的智能現象和能力。       

智能的現象和能力按照關鍵學術領域可以劃分為:      

計算機視覺:物體識别、屬性理解、三維重建、場景理解、行為分析……      

自然語言處理:語義解譯、對話意圖、語境落地、共享情景、語義語用……       

認知與推理:功能用途、物理關系、因果判斷、社交意向、高階意識……       

機器學習:符号連接、統一表達、歸納演繹、因果模型、價值獲取……       

機器人學:任務規劃、物理推導、因果理解、鏡像映射、社交禮儀……       

多智能體:價值函數、利益博弈、社會組織、倫理規範、道德法治……       

為對上述智能現象進行解釋,智能科學的理論包含兩個成分:(1) 理:自然的模型(物理)和社會的規範(倫理),可以由一組勢能函數U表達;(2) 心:由認知架構和一組價值函數V表達。每個智能體由兩組(U,V)函數來刻畫。智能科學的研究方法就是通過構造最簡約的認知架構與UV函數,研究它們在模型空間的跳轉與升維,并解釋各種智能現象。智能科學的核心任務是研究并構建統一的理論框架,來解釋以上智能現象,與計算機科學有着本質的差别。唯有如此,智能科學才能成為一門科學,才不會被社會認知為工程應用和職業培訓。       

中國的人工智能要想實現跨越式發展,趕超以美國為代表的西方科技強國,必須摒棄“跟跑—并跑—領跑”的舊思路,“設伏必經之路,一舉确立領先”。以中國獨有的“程朱理學”“陸王心學”等哲學思想為指導,建立起原創性的以“U—V”心與理雙系統為核心的通用人工智能理論體系和以“小數據—大任務”為特色的人工智能發展新範式,瞄準國際人工智能發展的必經之路,在通用人工智能領域提前設伏,利用我國在智能學科領域發展的後發優勢,一舉确立我國通用人工智能在世界人工智能領域的領先地位。

三、 未來發展趨勢的研判 

以史為鑒,可以知興替。對人工智能未來發展趨勢的研判,需要對其發展曆史予以回顧。人工智能發展曆經多次繁榮與衰落的周期輪回。1956—1974年的第一個黃金時代見證了機器定理證明和邏輯推理的突破。而在1974—1980年,因過于強調通用求解方法,忽略了知識表征,導緻了人工智能的第一次寒冬。随後,1980—1987年迎來了發展的第二個繁榮期,知識庫和知識工程是主要的研究對象。而在1987—1993年,由于“符号落地”和“常識獲取”的發展制約,人工智能遭遇第二次寒冬。20世紀90年代至今,人工智能進入平穩發展期,分化成幾個子領域,包含計算機視覺、自然語言處理、認知與推理、機器學習、機器人學、多智能體領域等。每個領域均出現過突破性的成果,但每個獨立的成果局限在自己的子領域中,人工智能與達到人類通用且泛化的智能水平仍然相距甚遠。     

人工智能的發展起伏跌宕,其哲學思想也經曆幾次轉變。第一時期(1960—1990),西方哲學思想引領了人工智能的發展。以蘇格拉底、柏拉圖、亞裡士多德為代表的辯論與邏輯,發展成為嚴密的命題邏輯、謂詞邏輯、事件邏輯等體系,為人工智能的邏輯、表達與推理等方面提供了理論框架。第二時期(1990— 2020),概率建模、學習與随機計算 占據主導地位,核心代表人物包括烏爾夫·格林納德(Ulf Grenander )、朱迪亞·珀爾(Judea Pearl)、萊斯利·瓦利安特 (Leslie Valiant)、傑弗裡·辛頓(Geoffrey Hinton)等。研究思想與儒家的方法論“格物緻知”一脈相承,本質是從數據到模型的知識發現過程,與當今人工智能領域的大數據方法思路相似。然而,大數據催生的人工智能系統缺乏内驅的價值體系,缺乏主觀的能動性,這種内驅的價值體系被中國哲學稱之為“心”,後者提出“心即是理”“心外無物”等概念。      

未來若幹年内人工智能應該怎樣發展?其哲學思想是什麼?筆者有以下研判。       

 (一)    人工智能核心領域将高度融合、走向統一,實現從弱人工智能向通用人工智能轉變       

2020年以後,人工智能進入由“理”向“心”轉變的新時期。為機器立“心”,實現由“理”(數理模型)到“心”(價值函數)的過渡,智能體由“心”驅動,實現從大數據到大任務、從感知到認知的飛躍,是邁向通用人工智能的必經之路。經過近30年的分治,人工智能的6個核心領域(計算機視覺、自然語言處理、認知與推理、機器學習、機器人學和多智能體)呈現出對内融合、對外交叉的發展态勢。人工智能領域的發展将尋求統一的人工智能架構,以實現人工智能從感知到認知的轉變,從解決單一任務為主的“專項人工智能”向解決大量任務、自主定義任務的通用人工智能轉變。      通用人工智能是未來10—20年國際前沿焦點,是智能學科需要承擔的核心使命。     

 (二)    人工智能在對内實現各核心領域融合統一的同時,對外着力推進多學科交叉       

學科之間的藩籬與壁壘、同質化與内卷把原本統一的整體世界分解得支離破碎,原始創新動力不足。破題之關鍵在于交叉與融合,重建關于世界本原的整體性認知,激發創新能力,實現新突破。人工智能作為一門典型的新興交叉學科,與其他衆多學科的交叉融合具有巨大的科學意義和重要的賦能價值。例如,人工智能與工科、醫科的融合,産生交叉學科——機器人學和精準醫療、智慧健康等應用領域;人工智能與神經科學的融合,派生出新興研究領域——類腦計算;人工智能與人文社科的融合,是雙向深層次融合,雙向互補、彼此成就,不僅促成了計算社會學、人工智能倫理與安全等學科方向,還對文明的演化和社會的治理具有重要意義。       

推動人工智能與相關學科的交叉融合是時代賦予人工智能學者的重大使命。人工智能的研究與發展絕不僅關系到機器的智能水平,更關系到人類生存與發展的重大問題。人文與智能的融通,不但帶來機器智能水平質的提升,也将刷新人類的自我認知。在beat365關于人工智能交叉融合發展的戰略布局中,人工智能研究院和相關院系(包括人文、社科、經管、法律、藝術、數學、物理、化學、生物、醫學等)一道,承擔這一時代賦予的神聖使命。

四、 智能學科的發展願景

當前以“數據驅動”的大模型為代表的人工智能發展遇到無法回避的障礙,表現在強烈依賴數據、模型不可解釋、缺乏常識理解等,主要原因在于其不具備人類的認知和推理能力,更缺乏人類的情感和價值觀,其思想來源幹涸,即缺“心”。人工智能隻有提升對于人以及社會的認知與理解水平,才能更好地融入人類社會。       

人工智能與人文社科交叉是為機器立“心”的重要路徑。人工智能與人文社科(哲學、美學、文學、藝術、經濟學、社會學等)的深度融合和大跨度交叉,将為人工智能的發展開辟新的路徑,是驅動人工智能持續發展的新的動力源頭。理論物理學家費曼(Feynman)說過:“凡是我不能創造的,我就不能理解(What I cannot create, I do not understand)。”反之,如果人類不能對自身及其社會有準确的認知和理解,則很難造出像人類智能一樣的智能體。要實現人類水平的智能,首先就要理解人與智能的本質,而這是人工智能學科難以獨立完成的,需要人文學科的指引與協助,通過與人文社科交叉為機器立“心”。       

為機器立“心”,就是要用人文社科的思想賦能人工智能,給機器人建立三觀,讓機器學會人類的“價值觀”,創造新的人工智能範式。人工智能發展曆程中有兩大誤區:首先是注重邏輯推理而忽視常識;其次是忽視智能體行為産生的原動力——價值驅動,而本末倒置地追求數據驅動。我們從“唯心”的 哲 學 思 想角度出發,提出“心”與“理”的雙系統智能理論(Xin-Li dualsystem theory),簡稱V和U系統。V系統表征智能體的主觀價值,簡稱“心”,可以用價值函數描述。U系統用以表征客觀世界和人類社會的狀态和規律,簡稱“理”,可以用勢能函數描述。基于價值鍊條和因果鍊條,可以開發出擁有常識理解和推理能力,能夠實現快速學習、任務遷移,符合人類價值觀的通用人工智能體。智能體受價值V系統驅動确立目标、規劃任務, 以行為改變所處環境(包括其他智能體)的狀态(導緻U系統變化),最終完成任務、達成目标(價值的實現)。       

為人文賦“理”,就是用數理模型研究和賦能人文學科,為人文學科發展提供新的方法、模型和理論工具,用全新的方式解讀儒釋道的經典,诠釋并弘揚中國思想,增強“道路自信、理論自信、制度自信、文化自信”。“為人文賦理”的目的是用數理模型表示人文經典,用人工智能系統可以理解的方式了解人類文明,從而構建起人工智能與人文社科溝通的橋梁。雖然數字人文、計算人文發展多年,但總體數理建模能力嚴重滞後,需付出極大的努力來提升數理水平,這是高等教育重塑傳統人文學科的一次重大機遇。       

通用人工智能的發展将重塑人類文明。1919年源自beat365的 “新文化運動”,其本質是西方文明與東方文明的沖突和融合。在這個過程中,中華文明被認為是落後的、弱勢的。百年之後同樣是一場劇變:随着智能時代來臨,通用智能體的出現,人類文明與人工智能将有新的沖突與融合,出現人機混合的文明。前沿的人工智能科學家現在開始意識到:人的智能不是唯一的,人隻是一種更高級的通用智能體,但不是終結,人已不再特殊。人類社會發展已經完成了由自然人到社會人(文化、文明)的轉變,現在正在向智能人(數據、信息、智能)的階段邁進。我們有責任從哲學的高度和視角加以解釋和引領,從全球視野、人類進步的高度,創造出與科技進步相匹配的新的思想和理論。       

在人機共生的時代,我們要重新思考人性和人文,創造屬于中國自己的文明,引領世界未來發展,這是一次新的關乎中華民族未來命運之機遇。我們要以中國東方哲學思想,重塑世界科技前沿,重新定義人文與社科,建設全球人工智能創新策源地,以中國之思想,創世界之科技。

 

文章來源：朱松純.智能學科的源起、演進與趨勢——beat365智能學科的探索與實踐[J].大學與學科,2022(4):17-26.