人工智能 (Artificial Intelligence，简称AI)在60多年的发展历史中，一直存在两个相互竞争的范式，即符号主义与连接主义(或称亚符号主义)。符号主义（即第一代人工智能）到上个世纪八十年代之前一直主导着AI的发展，而连接主义（即第二代人工智能）从上个世纪九十年代逐步发展，到本世纪初进入高潮，大有替代符号主义之势。但是今天看来，这两种范式只是从不同的侧面模拟人类的心智 (或大脑)，具有各自的片面性，不可能触及人类真正的智能。
清华大学人工智能研究院院长、中国科学院院士张钹教授在“纪念《中国科学》创刊70周年专刊”上发表署名文章，首次全面阐述第三代人工智能的理念，提出第三代人工智能的发展路径是融合第一代的知识驱动和第二代的数据驱动的人工智能, 同时利用知识、数据、算法和算力等4个要素, 建立新的可解释和鲁棒的AI理论与方法，发展安全，可信，可靠和可扩展的AI技术，这是发展AI的必经之路（全文链接http://scis.scichina.com/cn/2020/SSI-2020-0204.pdf）。
自2018年成立以来，清华大学人工智能研究院本着“一个核心、两个融合”的发展战略，大力推动人工智能的基础理论和基本方法的源头性和颠覆性创新，在人工智能基础理论、关键技术和产学研合作等诸方面取得了创新成果。人工智能的序幕刚刚拉开，正剧正在上演。基础研究是科技创新的源头，尤其在当前复杂多变的国际环境下，更需要提升我国的原始创新能力，久久为功，努力实现人工智能领域更多“从0到1”的突破。
以下全文刊载张钹院士的文章《迈向第三代人工智能》。
为感谢读者朋友的长期支持，今天赠送由北京大学出版社《机器学习与深度学习算法基础》，名额共计5个，欢迎大家在评论区留言，集赞最多的5位读者可以获得一本。
你可以转发微信群和分享到朋友圈邀请好友为你点赞！
活动截止时间：2020年10月12号 12:00整！
1.全面：涉及机器学习领域中常见的经典模型，以及新兴的深度学习中的卷积神经网络、循环神经网络、生成对抗网络等模型。
2.细致：不仅对算法思路的进行了详细的梳理和分析，还对算法中每个步骤、每条公式的含义都进行了细致的讲解。
3.通用：让读者学习到经典模型的算法步骤和数学形式，更重要的是理解每个算法形成的思路和过程，培养算法思维，获得在日常工作和学习中更为通用的能力。
4.扩展：每章的最后一节都有一个关于相关话题的讨论，可以使读者拓展视野，增加阅读的深度、广度。
本书从机器学习的概念与基本原理开始，介绍了机器学习及近年来流行的深度学习领域的经典模型。阅读本书可以让读者系统地了解机器学习和深度学习领域的基本知识，领会模型算法的思路与策略。
本书分为两篇，共18章。一篇为经典机器学习模型，主要介绍常用的机器学习经典模型，包括线性回归、支持向量机模型、逻辑斯蒂回归、决策树模型、k近邻、朴素贝叶斯、线性判别分析和主成分分析、流形学习、聚类算法、稀疏编码、直推式支持向量机、集成算法。第二篇为深度学习模型与方法，剖析神经网络的基本要素，并介绍常用的深度学习模型，包括感知机、卷积神经网络、循环神经网络、生成对抗网络。
本书试图从初学者的角度对机器学习和深度学习的经典算法进行详细阐述。本书插图丰富，语言通俗易懂，适合初入机器学习领域的“萌新”，也适合希望将机器学习算法应用到日常工作中的其他专业从业者，还可供对人工智能领域感兴趣的读者参考阅读。
贾壮，毕业于清华大学自动化系，专业为模式识别与智能系统方向。主要从事于机器学习与深度学习在图像处理以及地球物理领域内的相关应用研究，对机器学习相关算法有较深的理解。参与过多项机器学习相关工程项目，发表SCI期刊论文及会议论文数篇。曾获得国家奖学金、数学建模一等奖、很好毕业生等奖项和荣誉称号。