AI的划分及发展

一、三代AI划分（主流学术定义）

第一代 AI（知识驱动/符号主义，1956—2010）

- 核心：人工编码规则+符号推理
​
- 代表：专家系统、逻辑推理、早期棋类AI
​
- 缺点：领域窄、知识难手工构建、无法处理不确定性

第二代 AI（数据驱动/深度学习，2010—2020）

- 核心：大数据+神经网络+统计学习
​
- 代表：ImageNet、AlphaGo、GPT-3/4、多模态大模型
​
- 缺点：不可解释、易被攻击、鲁棒差、依赖海量数据、无真正理解与常识

第三代 AI（2020至今，发展中）

由张钹院士（清华AI研究院）2020年正式提出：

- 核心：知识+数据双驱动（符号+概率+神经网络融合）
​
- 四要素：知识、数据、算法、算力（知识优先）
​
- 目标：可解释、鲁棒、安全、可信、可靠、可扩展、通用

二、第三代AI核心特征

- 可解释性：能说清“为什么”，不是黑盒
​
- 安全鲁棒：抗攻击、少幻觉、稳定可靠
​
- 知识与数据融合：常识、逻辑、因果与学习结合
​
- 通用能力：跨领域、多任务、环境自适应
​
- 具身/空间智能：进入物理世界，感知-行动-交互（脑体融合）
​
- 自主Agent：规划、工具调用、长期记忆、自我修正

三、当前代表方向

- 因果推理、神经符号系统
​
- 可解释大模型、对齐与安全
​
- 具身智能、机器人、空间AI
​
- AI智能体（Agent）、自主系统
​
- 通用人工智能（AGI）探索

简单说：
第一代是“按规则干活”，第二代是“从数据模仿”，第三代是“会理解、能推理、可信任、会行动”的智能。