从三段论到人工智能，逻辑是这一切的重要基础
人工智能技术的发展正逐渐改变我们的生活方式。
我们几乎每个人手中都有一部智能手机，只需动一动手指就能够对家里的电器下达指令；在医院里，手术机器人已经开始被投入使用，代替医生做一些极其精巧的手术，具有图片识别功能的人工智能软件也开始帮助医生分析病理图片，从而更好地诊断病情，给病人带来福音；机器人生产线极大地提高了生产力，一台机器人能够顶十几个熟练工人的工作量；自动驾驶汽车也可能很快会来到我们的生活中，我们可以在开车时拥有自己的时间，甚至在开车时还可以参加远方的视频会议。
在这些高科技成果的背后，有着十分漫长的发展历程。
无论未来人工智能技术达到多么发达的水平，逻辑学这门基础科学在其中所起的重要作用无法被忽视。而这门重要的科学，早在2000多年前，就已形成了雏形。
从“if…then…”到“弱三段论”生活中我们经常会用到“如果…那么…”的句式。“如果你考试考了一百分，那么爸爸妈妈就带你出去旅游”；“如果你多看书，那么你就能够有更多的知识储备”。这种在生活中非常普遍的句式其实蕴含着一种最常见的逻辑关系。
在公元前5世纪的古希腊，便已经出现了“如果…那么…”的推理辩论方法。如果你学过编程，可能会说，这不就是计算机语言中的“if…then…”吗？是的，只不过当时，这种语法不是用来编程的，而往往被用来做否定的推理。
举个例子，两个古希腊人相遇了，A为了显示自己的博学，用充满自信的口气向B说到：
“所有动物都会奔跑。”
这时，B就会拿出这个看起来像编程语句的话来反驳：
“如果所有动物都会奔跑，那么鲨鱼也会奔跑。”
根据常识，大家就知道A说的话是错的了，这便是最简单的逻辑推理（但是这种推理还是需要一定的经验常识来辅助，如果有人不知道鲨鱼是什么，那么B可能就不能说服这个人）。
不要觉得这样的对话很奇怪，古希腊社会非常崇尚演讲和辩论，这样的交谈方式并不少见。在这些辩论的过程中，人们也在不断思考如何进行辩论，这就促进了逻辑学的发展。
比如柏拉图曾提出过一种名为“划分法”的辩论方法。
举个例子，柏拉图曾经说过：
“所有动物要么是会死的，要么是不朽的，
“人是动物，
“所以人要么是会死的，要么是不朽的。”
在这段话中，第一行似乎是一个大前提，第二行成为一个小前提，第三行得出了结论。看上去，划分法已经具有了三段论的雏形，亚里士多德的《前分析篇》中认为，“划分法”是一种“弱三段论”。但划分法与真正的三段论还是有些区别的——这种“弱三段论”的结论并不是一个确定的推论（而是两种可能性）。
亚里士多德和他的三段论三段论的提出者——亚里士多德。图片来源：Aristotle｜Wikipedia
亚里士多德（公元前384-322），古希腊人，在逻辑学、心理学、政治学、哲学等领域均做出了卓越的贡献，因此被称为百科全书式的科学家。提到亚里士多德，我们可能会联想到教科书中那个常被当作“反面教材”的形象（例如他认为地球上的物质由水火土气四种元素组成被作为朴素唯物主义的代表、他认为力是维持物体运动的原因等），但实际上亚里士多德在逻辑学、数学、哲学、美学、生物学等方面的贡献对后世影响深远。他开创了形式逻辑的先河，被誉为逻辑学之父；在哲学方面，亚里士多德虽然没有提出复杂的辩证唯物主义，但其思想中包含着辩证法的思维方式。可以说，亚里士多德在科学以及人类发展史中是功不可没的。
亚里士多德在他的著作《前分析篇》中提出了三段论的逻辑分析方法，他给出了三段论的定义：“只要确定某些论断，某些异于它们的事物便可以必然地从如此确定的论断中推出。”
通俗地说就是只要给定了确定的大前提和小前提，就能推出确切的结论。例如，亚里士多德曾就苏格拉底之死说过一段著名的三段论：
“人都会死。（Allmenaremortal.）………………………………大前提
“苏格拉底是人。（Socratesisaman.）…………………………小前提
“所以苏格拉底会死。（Therefore,Socratesismortal.）”……结论
一个伍迪·艾伦式的三段论：“所有人都会死，苏格拉底会死，所以，所有人都是苏格拉底。”好像有哪里不对劲？图片来源：AZQuotes
三段论看起来比较简单，但其实还有很多的规则来确保三段论的正确性。在《前篇分析》中亚里士多德就为三段论设置了一些基本规则：
1、每个三段论中，必须有一个前提是肯定的并且必须有一个前提是全称命题。
2、在每个三段论中，两个前提中否命题的数目必须与结论中否命题的数目相同。
3、每个证明都是且只能是通过三个词项得到的。
这些规则里有一个重要的概念：全称命题。全称命题是指某一类事物的全部成分（个体）都具有或不具有某种性质。例如“人都会犯错”、“鸟都会飞”等包括了泛指某一类事物的词，这些前提都是全称命题。全称命题概念的出现也为后来数学中集合概念的提出奠定了基础。
为了方便记忆，我们把三个规则分别叫做“全称命题”，“数目相同”，和“三个词项”。
仅看规则不免有些晦涩，不妨通过“苏格拉底之死”的例子来理解三段论的规则：
在这个三段论中，两个前提分别是“人都会死”和“苏格拉底是人”，都是肯定的，且“人都会死”是一个全称命题，符合了“全称命题”。
结论是肯定的，两个前提也是肯定的，满足了“数目相同”。
在这个证明中，是通过人、苏格拉底、死这三个词来证明的，符合了“三个词项”。
雅克-路易·大卫的油画《苏格拉底之死》。图片来源：TheDeathofSocrates｜Wikipedia
现在，我们可以来验证这些规则的正确性了。
对于第一条规则，如果三段论中没有全称命题，则可能出现的情况是这样的：
“野猪会跑，
“乌鸦会飞，
“所以野猪会飞。”
显然这是一个荒谬的三段论，这是因为两个相比较的内容其实毫无任何关联。所以，必须有一个全称命题，使得相对比的两个东西有关联。
对于第二条规则，如果前提和结论中的否命题数目不同，则可能出现这样的情况：
“所有的水果都不好吃，
“菠菜不是水果，
“所以菠菜好吃。”
这也是一个在逻辑上不成立的三段论。
对于第三条规则，如果一段证明中出现了四个词，可能会发生下列情况：
“所有人都会死，
“苏格拉底是人，
“所以凯撒会死。”
在这里凯撒这个无辜而又悲惨的第四者出现了，使得这个证明没有了逻辑关系。
引入变项亚里士多德在《后分析篇》中采用变项来表示某一特征或某一内容。类似于今天计算机中的赋值。他用A来表示肯定的命题，用E表示否定，并认为所有的三段论都可以转化为AAA或EAE两种形式。
AAA:
“所有糖都是甜的，
“葡萄糖是糖，
“所以葡萄糖是甜的。”
EAE:
“所有的好人都不会骗人，
“小明是好人，
“小明不会骗人。”
亚里士多德还将他的三段论划分为三个格式和十四个有效形式，对于具体内容我们就不再这里细述了。
这一套推理系统，已经出现了现代逻辑公理系统的雏形，保证了逻辑推理系统的有效性和必然性，也保证了推理结果是“逻辑真理”。
得到“逻辑真理”这点在逻辑分析中至关重要。在这套逻辑推理系统产生前，若想对某些事物进行判断，依靠的是个人经验。人们的经验总是有限的，因此能够做出判断的内容也是有限的。而根据亚里士多德的逻辑推理系统，人们可以不依赖于经验事实，而只通过逻辑分析的方法得到“逻辑真理”。正如罗素认为的那样：“逻辑只与形式有关，它们不包含任何经验的内容，它们不依赖于其内容而仅依赖于其形式。”这对于逻辑学的发展有重大意义，同样对计算机的发展也具有重要意义——计算机并不存在生活经验，因此需要一套完全不依赖于经验的“逻辑真理”的体系。
乌鸦悖论：“树叶是绿色”和“乌鸦是黑色”之间竟然有关系？亚里士多德的三段论推理系统保证了推理所得的结果是“逻辑真理”。而逻辑学的有趣之处在于，一些在逻辑学中被认为正确的事情可能会与人们的直觉相矛盾，让人们很难理解和接受，其中典型代表就是乌鸦悖论。
先来看一个命题：“所有乌鸦都是黑色的”。
我们已经看过了几百只乌鸦，它们都是黑的，我们就使用归纳法，认为乌鸦都是黑的，也就相信这一命题是真的。之后我们每看到一只黑色的乌鸦都会让我们更加确信这一命题为真。
现在来回忆一下高中时候学过的逆否命题，“所有的乌鸦都是黑色的”这一命题的逆否命题是：“所有不是黑色的东西都不是乌鸦”。
重点来了，一个命题和它的逆否命题在逻辑上是等价的，如果我们认为“所有乌鸦都是黑色的”为真，那就也应该认为“所有不是黑色的东西都不是乌鸦”是真命题。同时，每当我们看到一棵绿色的大树、一盏蓝色的台灯、一只褐色的烤鸭的时候，就应该让“所有乌鸦都是黑色的”这一命题的可信度又增加了一分（对此贝叶斯概率可以证明）。
在我们的直觉中，并不觉得看到一棵树、一张白纸与乌鸦有任何关系，但却要接受我们已经在逻辑上增加了乌鸦颜色命题的可信度，这往往令我们很难理解，这就是著名的乌鸦悖论，它是一个人们的直觉和感性的认知与逻辑学中的理性判断之间存在矛盾的著名案例。
逻辑打开了人工智能的可能性可能人们很难将亚里士多德的三段论与人工智能联系起来，但正是他所提出的这套推理系统，使逻辑迈上了形式化的轨道。后人在此基础上对其理论不断完善和发展，让逻辑学得到了极大的进步。尤其是后来发明的布尔代数，使计算可以通过逻辑变换得到。后来，英国哲学家、逻辑学家罗素（BertrandRussell）曾尝试把数学完备的建立在逻辑基础上，虽然最终失败了，但是里面产生的想法和伟大思想从侧面促进了计算机科学的诞生，为人工智能的发展奠定了最坚实的基础。（编辑：婉珺）
人工智能–它是什么，它为什么重要
人工智能历史人工智能一词始创于1956年，而如今，由于数据量的增加、先进算法的出现以及计算能力和存储能力的提高，人工智能变得越来越流行。
20世纪50年代早期的AI研究探索了诸如问题解决和符号方法之类的主题。20世纪60年代，美国国防部对这种工作产生了兴趣，并开始训练计算机来模仿基本的人类推理。例如，美国国防部高级研究计划局(DARPA)在20世纪70年代完成了街道测绘项目。远在Siri、Alexa或Cortana成为家喻户晓的名字之前，DARPA就于2003年创造了智能个人助理。
这项早期工作为我们如今在计算机中看到的自动化和形式推理铺平了道路，其中包括可以对其进行设计以用来补充和增强人类能力的决策支持系统和智能搜索系统。
尽管好莱坞电影和科幻小说将AI描绘成占领世界的类人机器人，但当前的AI技术发展并没有那么可怕，或者说，还没有那么聪明。相反，AI已经发展到可以为各个行业提供许多特定利益。继续阅读有关医疗保健、零售业等行业中人工智能的现代示例。
人工智能是在数学计算机科学,离散数学在人工智能方面的应用doc
离散数学在人工智能方面的应用
离散数学在人工智能方面的应用
摘要：离散数学，又称为组合数学。离散数学是计算机出现以后迅速发展起来的一门数学分支。计算机科学就是算法的科学，而计算机所处理的对象是离散的数据，所以离散对象的处理就成了计算机科学的核心，而研究离散对象的科学恰恰就是离散数学。离散数学的发展改变了传统数学中分析和代数占统治地位的局面。它在各学科领域，特别在计算机科学与技术领域有着广泛的应用，同时离散数学也是计算机专业的许多专业课程，如程序设计语言、数据结构、操作系统、编译技术、人工智能、数据库、算法设计与分析、理论计算机科学基础等必不可少的先行课程。人工智能是研究出具有智能行为的计算机系统，这种智能主要体现在计算机的推理能力上，而推理理论主要来自与离散数学。
关键词：离散数学人工智能数理逻辑应用
离散数学是现代数学的一个重要分支，是计算机类专业的重要课程。它以研究离散量的结构及其相互间的关系为主要目标，其研究对象一般是有限个或可数个元素，因此离散数学可以充分描述计算机学科离散性的特点。由于离散数学在计算机科学中的重要作用，国内外几乎所有大学的计算机类专业的教学计划中都将其列为核心课程进行重点建设，它是其他骨干课程，如数据结构、操作系统、人工智能、计算机网络、软件工程、编译原理等的先修课程，国内许多大学将其作为计算机专业类研究生入学考试的内容。
20世纪的计算机出现，带动了世界性的信息革命的伟大进程。计算机科学在信息革命中的学科地位有如牛顿力学在工业革命中的学科地位一样，由计算机出现带动的信息革命当然计算机科学将起着主导的作用。随着信息时代的到来，工业革命时代以微积分为代表的连续数学占主流的地位已经发生了变化，离散数学的重要性逐渐被人们认识。离散数学课程所传授的思想和方法，广泛地体现在计算机科学技术及相关专业的诸领域，从科学计算到信息处理，从理论计算机科学到计算机应用技术，从计算机软件到计算机硬件，从人工智能到认知系统，无不与离散数学密切相关。
离散数学是传统的逻辑学，集合论(包括函数)，数论基础，算法设计，组合分析，离散概率，关系理论，图论与树，抽象代数(包括代数系统，群、环、域等)，布尔代数，计算模型(语言与自动机)等汇集起来的一门综合学科。离散数学课程主要介绍离散数学的各个分支的基本概念、基本理论和基本方法。这些概念、理论以及方法大量地应用在数字电路、编译原理、数据结构、操作系统、数据库系统、算法的分析与设计、人工智能、计算机网络等专业课程中；同时，该课程所提供的训练十分有益于学生概括抽象能力、逻辑思维能力、归纳构造能力的提高，十分有益于学生严谨、完整、规范的科学态度的培养。
人工智能是计算机学科中一个非常重要的方向,离散数学在人工智能中的应用主要是数理逻辑部分在人工智能中的应用。数理逻辑又称符号逻辑、理论逻辑。它既是数学的一个分支，也是逻辑学的一个分支。是用数学方法研究逻辑或形式逻辑的学科。其研究对象是对证明和计算这两个直观概念进行符号化以后的形式系统。数理逻辑是数学基础的一个不可缺少的组成部分。虽然名称中有逻辑两字，但并不属于单纯逻辑学范畴。数理逻辑在离散数学中包括命题逻辑和谓词逻辑,命题逻辑就是研究以命题为单位进行前提与结论之间的推理,谓词逻辑在命题逻辑的基础上更加细化了，谓词逻辑主要就是研究句子内在的联系。大家都知道,人工智能共有两个流派,连接主义流派和符号主义流派。其中在符号主义流派里,他们认为现实世界的各种事物可以用符号的形式表示出来,其中最主要的就是人类的自然语言可以用符号进行表示。语言的符号化就是数理逻辑研究的基本内容,计算机智能化的前提就是将人类的语言符号化成机器可以识别的符号,这样计算机才能进行推理,才能具有智能。再比如在人工智能研究领域，定理机器证明与自动推理、专家系统、自然语言的理解、感知系统，由此可见数理中重要的思想、方法及内容贯穿到人工智能的整个学科。
总之，离散数学无处不在，它的主要应用就是在各种复杂关系中找出最优的方案。所以离散数学完全可以看成是一门量化的关系学，一门量化了的运筹学，一门量化了的管理学。现在我国每一所大学的计算机专业都开设离散数学课程,正因为离散数学在计算机科学中的重要应用,可以说没有离散数学就没有计算机理论,也就没有计算机科学。所以,应努力学习离散数学,推动离散数学的研究,使它在计算机中有着更为广泛的应用。
人工智能涉及的学科
人工智能涉及的学科人工智能涉及哪些学科？计算机类自动化类数学专业领域类心理学和哲学学习人工智能为什么要会心理学知识？哲学和人工智能有什么关系？其他人工智能涉及哪些学科？人工智能相关学科有很多，看看你的知识储备够不够！需要补充哪些方面？
计算机类首先，人工智能是计算机科学中的一个分支，所以对应的计算机科学、计算机基础知识、编程语言、互联网知识、物联网知识、软件工程、信息安全等是必备的。
自动化类其次，人工智能的目标是实现辅助人类智慧、部分代替人类智能、扩展人类智能，所以还会涉及自动化、机器学习、智能科学与技术、空间信息与数字技术、电子与计算机工程、信息与计算科学。
数学然后，人工智能需要处理大量的数据，所以数学和逻辑思维也很重要，高数、数学与应用数学、信息与计算科学、数理基础科学、数据科学与大数据技术等。
专业领域类另外，除了一些通用的学科，面对不同的领域，还要学习不同的学科，如：通信工程、信息工程、水声工程、电子信息工程、微电子科学与工程、光电信息科学与工程、自然语言处理、电磁度场与无线技术、电子信息科学与技术、电波传播与天线、集成电路设计与集成系统、轨道交通信号与控制。
心理学和哲学除了计算机知识，心理学和哲学也是必学的学科。
学习人工智能为什么要会心理学知识？试想一下人工智能模仿的是人类的什么？是人类的智慧。人类的智慧由什么产生？人的思想、知识、记忆、创造力。而这一切皆由人的大脑控制。而心理学其实是大脑活动后的一种产物，所以要想让一台计算机真正拥有人类智慧，必须了解人类的心理活动和思考方式。与其说人工智能是在模仿人类智慧，不如说人工智能是在模仿人类思维。只有当人工智能可以像人类一样思考、分析问题、拥有人类的喜怒哀乐，才能算得上是真正的人工智能。
哲学和人工智能有什么关系？说到人工智能中的哲学问题，不得不提著名的图灵测试。图灵测试是由阿兰·麦席森·图灵在1950年的一篇论文《计算机器与智能》中提出的。图灵是英国著名的数学家和逻辑学家，被称为计算机科学之父、人工智能之父，是计算机逻辑的奠基者。图灵测试说的是，一个人和一台机器，在人类不知道对面是机器的情况下对他提问，以此来判断对面的是人类还是机器。进行多次测试后，如果机器让平均每个参与者做出超过30%的误判，那么这台机器就通过了测试，并被认为具有人类智能。从哲学层面来说，如果一台机器通过了图灵测试，那么它真的能被称之为和人类一样有智慧吗？判定一台机器有智慧的标准或者说是界限到底是什么？在实际应用中，哲学在人工智能上也起到了很多决定性的作用。比如一台人工智能机器，在面对文化、信仰、法律都不同的日本人和阿拉伯人，一个可能说这台机器非常智能，一个可能说并不智能，达不到想要的、或做的不对。那么这时，这台机器能不能被称之为是一台人工智能机器？在人工智能发展上，有很多关于类似的哲学问题。仅仅是“智能”二字，在哲学上都有很多的争议。比如，智能的含义到底要怎么去定义？达到什么样的界定才能称之为智能？在这里，我给自己留一个作业，等以后我积累了更多的知识，再和大家讨论关于“人工智能与哲学之间的关系”的问题。
其他除了上面提到的学科，还有认知科学、神经生理学、信息论、控制论、不定性论等。因为人工智能属于跨学科的技术，所以想要学习人工智能，不仅要知道人工智能的基本知识，还要确定研究的方向，朝着既定的目标前进，才不至于在人工智能的学习道路上走岔了。
关于人工智能，总书记这样强调！
2020世界人工智能大会云端峰会于7月9日至7月11日召开，今年大会的主题为“智联世界共同家园”。
2018年9月17日，习近平总书记曾向2018世界人工智能大会致贺信。在贺信中，习近平总书记深刻指出：“新一代人工智能正在全球范围内蓬勃兴起，为经济社会发展注入了新动能，正在深刻改变人们的生产生活方式。”
2018年10月31日，中共中央政治局就人工智能发展现状和趋势举行第九次集体学习，习近平总书记主持学习并发表重要讲话，强调要深刻认识加快发展新一代人工智能的重大意义，加强领导，做好规划，明确任务，夯实基础，促进其同经济社会发展深度融合，推动我国新一代人工智能健康发展。
习近平总书记高度重视科技创新，多次为人工智能发展把脉定向。让我们一起来回顾总书记关于人工智能的重要论述！
三个“重要”
重要驱动力量、重要战略抓手、重要战略资源
人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
加快发展新一代人工智能是我们赢得全球科技竞争主动权的重要战略抓手，是推动我国科技跨越发展、产业优化升级、生产力整体跃升的重要战略资源。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
三个作用
革故鼎新、添薪续力、“头雁”效应
要推进互联网、大数据、人工智能同实体经济深度融合，做大做强数字经济。要以智能制造为主攻方向推动产业技术变革和优化升级，推动制造业产业模式和企业形态根本性转变，以“鼎新”带动“革故”，以增量带动存量，促进我国产业迈向全球价值链中高端。
——2018年5月28日，在中国科学院第十九次院士大会、中国工程院第十四次院士大会上的讲话
我国经济已由高速增长阶段转向高质量发展阶段，正处在转变发展方式、优化经济结构、转换增长动力的攻关期，迫切需要新一代人工智能等重大创新添薪续力。我们要深入把握新一代人工智能发展的特点，加强人工智能和产业发展融合，为高质量发展提供新动能。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
人工智能是引领这一轮科技革命和产业变革的战略性技术，具有溢出带动性很强的“头雁”效应。在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术的驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征，正在对经济发展、社会进步、国际政治经济格局等方面产生重大而深远的影响。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
人工智能与社会治理
更加重视运用人工智能、互联网、大数据等现代信息技术手段提升治理能力和治理现代化水平。
——2019年11月5日，关于《中共中央关于坚持和完善中国特色社会主义制度推进国家治理体系和治理能力现代化若干重大问题的决定》的说明
要加强人工智能同社会治理的结合，开发适用于政府服务和决策的人工智能系统，加强政务信息资源整合和公共需求精准预测，推进智慧城市建设，促进人工智能在公共安全领域的深度应用，加强生态领域人工智能运用，运用人工智能提高公共服务和社会治理水平。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
人工智能与疫情防控
新技术发展为病毒溯源提供了新的手段，可以利用病毒蛋白和不同受体的结合特征，评估可疑动物作为中间宿主的可能性，利用人工智能、大数据等新技术开展流行病学和溯源调查，提高精准度和筛查效率。
——《求是》2020年第6期《为打赢疫情防控阻击战提供强大科技支撑》
利用人工智能、大数据等新技术开展流行病学和溯源调查，搞清楚病源从哪里来、向哪里去，提高精准度和筛查效率。
——2020年3月2日，在清华大学医学院主持召开座谈会时的讲话
要鼓励运用大数据、人工智能、云计算等数字技术，在疫情监测分析、病毒溯源、防控救治、资源调配等方面更好发挥支撑作用。
——2020年2月14日，在中央全面深化改革委员会第十二次会议上的讲话
人工智能与保障改善民生
要加强人工智能同保障和改善民生的结合，从保障和改善民生、为人民创造美好生活的需要出发，推动人工智能在人们日常工作、学习、生活中的深度运用，创造更加智能的工作方式和生活方式。要抓住民生领域的突出矛盾和难点，加强人工智能在教育、医疗卫生、体育、住房、交通、助残养老、家政服务等领域的深度应用，创新智能服务体系。
——2018年10月31日，在十九届中央政治局第九次集体学习时的讲话
人工智能与媒体融合发展
从全球范围看，媒体智能化进入快速发展阶段。我们要增强紧迫感和使命感，推动关键核心技术自主创新不断实现突破，探索将人工智能运用在新闻采集、生产、分发、接收、反馈中，用主流价值导向驾驭“算法”，全面提高舆论引导能力。
——2019年1月25日，在十九届中央政治局第十二次集体学习时的讲话
人工智能与教育
把握全球人工智能发展态势，找准突破口和主攻方向，培养大批具有创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。中国高度重视人工智能对教育的深刻影响，积极推动人工智能和教育深度融合，促进教育变革创新，充分发挥人工智能优势，加快发展伴随每个人一生的教育、平等面向每个人的教育、适合每个人的教育、更加开放灵活的教育。
——2019年5月16日，习近平总书记向国际人工智能与教育大会致贺信