中国人工智能应用领先，但基础研究是突出瓶颈。一篇深度解读，揭示了从认知神经科学到数学的关键科学问题，并提出了面向2035年的发展思路与战略布局。
智能速览
当前AI范式与强AI有本质区别，基础理论亟待突破
人工智能核心基础问题是“认知和计算的关系”
认知神经科学、认知心理学、统计学和数学是关键支撑学科
我国AI基础研究起步晚，原创贡献较少，核心算法薄弱
未来突破可能依赖于几何深度学习、量子机器学习等数学理论创新
精华内容
要实现新一代人工智能的跨越，必须回归本源，深入探索其基础科学问题。这不仅是技术挑战，更是关乎未来竞争力的战略布局。
核心瓶颈何在
当前主流的人工智能范式基于大数据的深度学习，与强人工智能有本质区别，且受限于计算机的硬件能力与机器学习的数理统计框架，面临可解释性、泛化性等理论挑战。
对于中国而言，最大的压力并非应用技术开发，而是基础研究的滞后。我国人工智能研究起步较晚，原创性贡献不多，核心算法和开源系统薄弱，高质量论文虽增长显著，但顶级理论和重大创新仍以发达国家为主。
认知与计算
新一代人工智能的核心基础科学问题被凝练为“认知和计算的关系”。这进一步细化为四个方面：认知基本单元与计算基本单元的关系、认知神经表达的解剖结构与人工智能计算体系结构的关系、认知涌现与计算涌现的关系，以及认知与计算的数学基础的关系。
理解认知的涌现现象，如意识，是对符号处理认知计算理论的深远挑战，需要将其从直觉思辨转变为科学实验研究。
基础学科赋能
人工智能基础研究是多学科交叉的复杂课题，认知神经科学和认知心理学为其提供生物结构与心理活动的基础，揭示人类智能这一最佳模板。
统计学为数据驱动的建模提供途径，但需建立适应深度学习、小样本等场景的新理论。数学则作为关键支撑，用代数、几何、概率论等工具研究AI的机理与模型，以应对可计算性、创造性等源于数学的挑战。
未来破局方向
突破当前人工智能的瓶颈，未来可能依赖于数学理论的创新，如几何深度学习、量子机器学习或神经微分方程等新兴领域。攻克这些挑战不仅会推动AI技术进步，还可能催生新的数学分支。
战略层面，国家应加大对基础研究的支持，培养和引进高端人才，完善教育体系，通过系统性部署，推动中国人工智能基础研究迈向全球前沿。
这份战略思考为中国人工智能基础研究指明了方向。通过凝聚共识、聚焦核心，从应用繁荣走向理论创新，中国有望在全球人工智能的未来竞争中贡献关键力量。
