1.对智能科学技术的再认识
1.1从“人工智能”到人机系统
Wiener的“控制论”和钱学森的“工程控制论”是人们研制较为简单的系统，且系统运行的环境也不复杂情况下的一面旗帜。
1956年，在美国Dartmouth举行的一个信息科学大会上，J.McCarthy和H.Simon倡议开展人类思维活动规律的研究，并给予其“人工智能”(ArtificialIntelligence)的命名。人工智能主要研究用人工的方法和技术来模仿、延伸及扩展人的智能，从而实现机器智能。迄今为止，这一方向虽然已取得了不少成就，如博弈、自动定理证明、模式识别、自然语言理解、自动编程和专家系统等，但是，传统的人工智能在方法论上以符号推理为中心，企图用机器来实现人类的思维活动。所以，许多年来的研究虽然取得了一些成就，但距离人工智能提出的目标还有很大距离。
近三十年来，人工智能进展缓慢。1979年，H.L.Dreyfus《计算机不能做什么?》一书的副标题就是“人工智能的极限”提出了人工智能存在不可逾越的障碍。紧接着，以人工神经网络为代表的“计算智能”和Brooks的反应式结构(“没有表示”、“没有推理”的系统)给传统的符号智能带来了巨大冲击。特别是日本提出的“第五代计算机”并没有达到预期的目标，仅以实现一个“人机对弈”而告终，这些事实都促使人们对“智能”(或“人工智能”)要有一个重新的认识。对人工智能四十年的研究进行反思，使人们从科学概念上明白了以往不自觉地企图用机器解决一切问题的局限性，并试图从科学观念、研究目标和方法论上打开思路，以重新认识，寻求新的途径。
另一方面，四十年来，特别是从最近二十多年科学技术的发展来看，在当前的信息社会中，信息技术是立国之本，信息化的进一步发展必然走向“智能化”因此，以“智能”为核心的技术是至关重要的。从两次海湾战争以及其他局部战争，我们可以十分清楚地看出，今后的战争是人——机结合的智能系统之间的对抗，而智能技术将会覆盖几乎所有的工程技术领域。
既然完全基于机器的符号推理(也包括其他的智能方法)不能达到实现人的思维的目的，那么有没有其他道路可循?这是人们都很关心的问题。解决这个问题要从两方面着手。一方面，需要脑科学、认知科学等一些研究人的智慧的基础学科继续研究人的思维规律一一这也是人类永远的追求。虽然目前还不能做到这一点，但人们总是在不遗余力、一步一步地向着这一目标前进。当然，这也是人类社会发展赋予智能学科的一个任务，这就是智能科学的目标。另一方面，社会生产、生活、科技、军事各个方面又提出了层出不穷的需求，迫切要求设备、系统、工程要“智能化”而现在尚没有真正能模拟人的智慧的计算机,因此计算机还不能代替人。解决这个问题只有从两方面入手，一方面实事求是，尽量开拓、发展当前的计算机科学技术，使计算机尽可能多地帮助人做工作;另一方面，尽可能把人的智慧包含到系统中去，人要起主导作用，但要充分发挥计算机科学与技术的优势，创造出最有“智能”的人机结合系统。
具体来说，人机结合的系统就是将人作为一个组成部分包括到系统之中，并能清楚地区分出哪些工作应该由人完成，哪些工作应该由机器完成。在运行过程中，当进行到需要人完成的工作时，系统就将工作交给人;而当需要机器完成时，就将任务转交给机器，最终构成一套和谐的、协调的、高效的运行机制，以保证系统目标的实现。
1.2“智能”学科的三个层次
根据研究任务的不同，智能科学技术的学科内容可以划分为智能科学、智能技术、智能工程三个层次。
(1)智能科学(IntelligenceScience)
这是基础研究的层次，它的主要任务是研究人的智慧，建立人机结合系统的理论，并用其模拟人的智慧。智能科学主要包括脑科学、思维科学、认知科学等在内的基础学科。
思维科学着重研究人的思维规律，也就是研究人是如何思维的，这种研究的目的是为了给人工智能提供基础，也就是告诉计算机要模拟什么。而认知科学则是研究人的认识，也就是人是如何认识事物的，并将其扩展去研究动物的智能。
智能科学的成果将是整个智能科技发展的基础和先导。
(2)智能技术(IntelligenceTechnology)
在智能科学的框架内创建人机结合的智能系统，需要有合适的方法、工具和技术，这就是智能技术。
信息的本质是知识，而知识是构成智能的基础。因此，信息化发展必然走向智能化。
(3)智能工程(IntelligenceEngineering)
用智能科学的理念和思想，充分运用智能技术工具去创建各种应用系统，这就是智能工程。“智能化”实质上就是智能工程实现的过程和归宿。智能工程是当前科学技术和社会发展的前沿阵地，特别是高技术发展的核心动力之一。同时，它也是当前新技术、新产品、新产业的重要发展方向、开发策略和显著标志。
2.无处不在的智能科技
2.1前沿高技术是智能科学技术发展的动力和源泉
智能科学技术是一个融合计算机、人工智能、模式识别等研究领域的交叉性学科，这些前沿高技术也是当前智能科学发展的动力和源泉。
在所有系统中，体现智能行为的工具和载体就是计算机。所以，计算机科学很自然地成为智能科学发展最重要的支撑点和原动力之一。
以符号推理为基础的人工智能方法和以人工神经元网络为代表的计算智能方法仍然是当前智能技术的重要组成部分。它们从不同的途径和方法进行问题求解，在搜索、规划、学习等各类问题中取得了相当有价值的成果。
模式识别是人类智能的一种体现。“模式”是一个极为广泛的概念，如图像、图形、文字、语言都是一种“模式”。按Zadeh的定义，“模式识别”是一种从“模式”出发的一种非线性映射，它是一种技术，可以用来实现人类智慧的一部分功能，如文字识别(认字)、语言的说与听等。模式识别的目的是将对象进行分类，可以是图像、信号波形式或者任何可测量且需要分类的对象。模式识别在工业自动化以及信息处理和检索中变得日益重要，这种趋势把模式识别推向工程应用研究的高级阶段。在大多数机器智能系统中，模式识别是用于决策的主要部分。