前言

智能科学研究智能的本质和实现技术,是由脑科学、认知科学、人工智能等创建的前沿交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质； 认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学； 人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能。智能科学不仅要进行功能仿真,而且要从机理上研究和探索智能的新概念、新理论、新方法。智能的研究不仅要运用推理,自顶向下,而且要通过学习,由底向上,两者并存。智能科学运用综合集成的方法，对开放系统的智能性质和行为进行研究。

智能科学是生命科学的精华、信息科学技术的核心，现代科学技术的前沿和制高点，涉及自然科学的深层奥秘，触及哲学的基本命题。因此，在智能科学上一旦取得突破，将对国民经济、社会进步、国家安全产生深刻而巨大的影响。目前，智能科学正处在方法论的转变期、理论创新的高潮期和大规模应用的开创期，充满原创性机遇。

智能科学的兴起和发展标志着对以人类为中心的认知和智能活动的研究已进入新的阶段。智能科学的研究将使人类自我了解和自我控制，把人的知识和智能提高到空前未有的高度。生命现象错综复杂，许多问题还没有得到很好的说明，而能从中学习的内容也是大量的、多方面的。如何从中提炼出最重要的、关键性的问题和相应的技术，这是许多科学家长期以来追求的目标。要解决人类在21世纪所面临的许多困难，诸如能源的大量需求、环境的污染、资源的耗竭、人口的膨胀等,单靠现有的科学成就是很不够的。必须向生物学习，寻找新的科技发展的道路。智能科学的研究将为智能革命、知识革命和信息革命建立理论基础，为智能系统的研制提供新概念、新思想、新途径。

进入21世纪以来，国际上对智能科学及其相关学科，诸如脑科学、神经科学、认知科学、人工智能的研究高度重视。2011年2月14—16日，IBM人工智能系统“沃森”在美国著名智力竞答电视节目《危险边缘》（Jeopardy）中，战胜了两名“常胜将军”詹宁斯和鲁特尔。2016年3月9—15日，谷歌AlphaGo采用深度强化学习和蒙特卡罗搜索算法，以4∶1战胜了围棋冠军韩国棋手李世石。2021年7月22日,AlphaFold2破译整个人类蛋白质组结构（98.5%的人类蛋白质），极大地扩展了蛋白结构覆盖率。这些重大事件标志着人类“智能时代”到来。

2013年1月28日，欧盟启动了旗舰“人类大脑计划”（human brain project）。2013年4月2日，美国启动BRAIN计划。我国也在积极筹备“脑科学与类脑研究计划”。为了争夺高科技的制高点，国务院于2017年7月8日正式发布《新一代人工智能发展规划》，力图在新一轮国际科技竞争中掌握主导权。

2024年10月8日，2024年诺贝尔物理学奖颁奖，授予霍普菲尔德(J.J.Hopfield)和欣顿（G.E.Hinton），以表彰他们“通过人工神经网络实现机器学习的基础性发现和发明”。2024年10月9日,瑞典皇家科学院决定将2024年诺贝尔化学奖的一半颁发给大卫·贝克（D.Baker），以表彰其在计算蛋白质设计方面的贡献，另一半则共同授予哈萨比斯(D.Hassabis)和约翰·迈克尔·江珀(J.M.Jumper)，以表彰其在蛋白质结构预测方面的贡献。智能科学研究取得了明显进展，时代要求《智能科学》更新，出版第4版。

本书系统地介绍智能科学的概念和方法，吸收了脑科学、认知科学、人工智能、信息科学、形式系统、哲学等方面的研究成果，综合地探索人类智能和机器智能的性质和规律。2006年出版第1版、2013年出版第2版、2018年出版第3版以来，国内外在该领域的研究取得了极大进展，我们也取得了不少成果。为了反映智能科学的最新研究成果和发展方向，对原书第3版作了全面修改，特别增加了感知智能、大语言模型等内容。全书共分16章。第1章是绪论，介绍智能科学兴起的科学背景和研究内容。第2章介绍智能科学的生理基础。第3章讨论神经计算的进展。第4章探讨重要的心智模型。第5章论述感知智能。第6章讨论语言认知的理论。第7章重点论述大语言模型。第8章介绍重要的学习理论和方法； 记忆是思维的基础。第9章探讨记忆机制。第10章重点讨论思维形式和类型。第11章研究智力的发展。第12章讨论情绪和情感的有关理论。第13章初步探讨意识问题。认知结构是智能科学的重要理论基础，第14章讨论认知结构。第15章介绍智能机器人研究的进展。第16章介绍大数据智能和类脑智能，概述国际上重大的类脑智能计划的研究进展和基本原理，展望智能科学发展路线图。

2002年，戈策尔（B. Goertzel）和王培等提出通用人工智能（Artificial General Intelligence，AGI）的研究，但正式公开使用“通用人工智能”这一术语则是2006年。这里通用人工智能并非要解决所有领域的问题，但通用人工智能必须具有更为通用的原则，并具备更强的泛化能力。

在本书撰写过程中，作者与美国麻省理工学院（MIT）明斯基（Marvin Minsky）教授、加利福尼亚大学伯克利分校扎德（Lotfi A. Zadeh）教授、斯坦福大学心智与脑计算中心麦克伦特（J.L.McClelland）教授、华盛顿大学圣路易斯分校范埃森（David van Essen）教授、南加州大学罗森勃卢姆（P.S.Rosenbloom）教授、密歇根大学莱尔德（J.E.Laird）教授、卡内基梅隆大学米切尔（T.M.Mitchell）教授、西北大学福伯斯（K.D.Forbus）教授、密歇根州立大学翁巨扬（J.Weng）教授、加拿大滑铁卢大学伊莱亚史密斯（C.Eliasmith）教授、德国海德堡大学迈耶（K.Meier）教授、德累斯顿工业大学巴德尔（F.Baader）教授等的讨论和交流，对本书学术思想的确立和发展发挥了重要作用，在此谨向上述学者表示衷心的感谢。

本书研究工作得到国家重点基础研究发展计划课题“脑机协同的认知计算模型”（No.2013CB329502）、“非结构化信息(图像)的内容理解与语义表征”（No.2007CB311004）； 自然科学基金重点项目“基于云计算的海量数据挖掘”（No.61035003）、“基于感知学习和语言认知的智能计算模型研究”（No.60435010）、“Web搜索与挖掘的新理论与方法”（No.60933004）等的支持； 国家863高技术项目“海量Web数据内容管理、分析挖掘技术与大型示范应用”(No.2012AA011003)“软件自治愈与自恢复技术”（No.2007AA01Z132）等项目的支持； 清华大学出版社对本书的出版给予了大力支持，在此一并致谢。

本书可作为大学高年级本科生和研究生的“智能科学”“认知科学”“认知信息学”“人工智能”等课程的教科书，对从事智能科学、脑科学、认知科学、人工智能、神经科学、心理学、哲学等领域的研究人员也具有重要的参考价值。

智能科学是处于研究发展中的前沿交叉学科，许多概念和理论尚待探讨，加之作者水平有限，撰写时间仓促，书中难免存在错误或不妥之处，恳请读者指正。

史忠植

2025年5月于北京