1. 智能的產生
1.1 智能生成機理
有關智能生成的機理，一直是許多領域關注的焦點問題，涉及面之廣、深很是少見，初步梳理可能會與這樣幾個最基本的問題有關：認知生成的機理、知識生成的機理、意義生成的機理、情感生成的機理、情境生成的機理，甚至還避不開哲學的基本問題：世界的本源是物質的還是意識的？我是誰？從哪裡來？到哪裡去？認識世界的手段如何？語言是破解人類智能的鑰匙嗎？心靈與現象的關係如何？等等……
這個問題遠不是幾位數學家、哲學家、物理學家、計算機專家、自動化專家、社會學者、心理學學者、語言學工作者開幾次研討會所能解決的，歷史已經證明，萊布尼茲、維根斯坦、愛因斯坦、薛丁格、圖靈、維納、香濃、貝塔朗菲、馮諾依曼、西蒙、明斯基、辛頓等先驅大師的智能思想混合在一起並沒有發生期待中的化學變化。這個問題有點像愛情生成的機理一樣，有一千對羅密歐與朱麗葉、一萬雙許仙與白娘子的故事就有成千上萬的解釋和理解。對人類而言，這是一個永恆的話題，是世世代代追求的夢中情人和理想家園。無論如何，「沒有人，就沒有智能，也就沒有人工智慧」這個道理依然存在實用。
由於多種原因，人們常常把智能與科學技術聯繫在一起，簡稱為智能科技，這是不準確的。智能早於科技的出現，當人們為了生存使用石塊、木棒和火時，就出現了智能。那時還沒有科技。
毋庸置疑，智能創造了科技以後，對智能本身的發展和演化起到非常重要的作用，尤其是極大地改變了人們的衣食住行和精神世界。科學研究採用可觀測、可測量、可證明的方法。這意味著，人類可以觀察、測量某種現象或問題，然後用數學工具形式化描述為嚴格準確的知識，進而找到對具體自然、社會現象或問題的規律性解釋或結論，做出實證或證偽。可是，再後來出現了物理的不可測、經濟的不可能、數學的不完備……慢慢地，終於，人們像當年懷疑千年神學一樣開始懷疑現代的科學了……
智能的生成機理，也許就像哲學中「我」的三個問題（誰？哪來？哪去？），本質是文化問題，智能也是多種文化交互作用的結果。其中休謨之問（能否從客觀事實中推出主觀價值來？即如何從「是/being」推出「應該/should」問題）可能是一個切入點，幾乎所有的智能生成都將涉及到主觀目的和動機（無論有意或無意），都會與情境中的客觀事實變化相關。而解答休謨之問的關鍵則是各種顯隱類比機制的破解（如潛意識就是隱類比），對此，侯世達在《表象與本質》一書做了很好的思考，但仍有一些問題值得商榷，譬如人們總是在無限接近與無限之間企圖矇混過關，是和應該之問有一個前提瑕疵，即近是與是的混淆。邏輯學是產生種種矇混的秘密所在，邏輯的運行建立在假定上，所謂的「是」並不存在。實質上，人類的理解過程就是在事實being中尋找到了價值should的過程。有詞典解釋為：to know the meaning of……，這個know是主體的，這個meaning也是個性化的。所以，嚴格意義上講，理解就是：自以為是；而智能則是：實事求是。智能是不分領域的，但是可以跨域遷移的，所以軍事智能準確地講應是智能軍事，如同智能農業、智能交通、智能醫療等，這些都是智能在不同領域方向的應用，但在許多基本機理方面是相通的，如在輸入端的表徵方式、在理解融合過程中的推理機制、在輸出端的決策輔助手段等。
真實的智能研究既包括非完全信息下的博弈決策也包括完全信息下的直覺洞察（如把所有真實的材料都給你，你能裝配好魯班鎖和魔方嗎？你能做出敵人會仁川登陸的正確決策嗎？），智能最重要的表徵是決策的關鍵點在哪裡？重點關注的是什麼？如何恰當地使用數據、信息和經驗。而不是那一堆CNN、RNN、ANN、DL、RL、Bayes、Markov……若達到此目的，就需要靜下來捫心自問一下：現有的這些常規方法/參數到底有啥問題？哪些東西可以形式化，哪些東西不可以形式化？如何抓住這些牛鼻子，找到並解決這些關鍵問題？
休謨之問表面上是主客觀關聯問題，即天行健（客觀規律—相對論）與君子必自強不息（主觀意願—世界觀）能否相互轉化的問題。實際上，休謨之問還有一個關鍵之處——推，這將涉及到歸納、演繹等方面的不完備性問題，更重要的是這個「推」還將與類比論證有關，尤其是源自於心理和物理現象的差異。
「我們在我們自身中發現了記憶、推理、感到愉快和感到痛苦這樣的事情。我們認為棍子和石頭不會有這些經驗，但其他人卻有。」對他心主觀的類比顯然不同於對物理事實的類比，這要求一種有別於物理學解釋的假定。於是我們訴諸於主客觀跨界類比，「其他人的行為在許多方式上類似於我們自己的，於是我們假定一定有類似的原因」（註：Rosenthal編：《心之性質》，英國牛津大學出版社1991年版，第89頁。）。他人按我們同樣的方式行為，因此在我們感到鬱悶（或愉快）時，他人會同樣感到鬱悶（或愉快）。也就是說，身體行為上的相似不應該僅僅由物理、生理上的因果關係進行解釋，也應該可以推出知識、意識和感情上的相似。這種同情共感作用的機制實際上是實現人與機器之間產生有效對話、協同的前提和基礎。
天行健，君子必自強不息嗎？這個問題在西方的休謨之問看來很難成立，在《易》中卻不盡然，變通（change）不但涉及自然秩序、人類社會，還會與人自身有關，這也是東方的態、勢、感、知與西方的Situation Awareness (態勢感知)不同之處！人類智能的形成過程就是從感覺到知覺、從感性到理性的過程嗎？真實的情況應該不是這樣的，因為還有從知覺到感覺、從理性到感性的加工過程，這裡面既有西方人倚重的線性思維也包含東方人擅長的非線性思維。
對事物的清晰認識應該不是就事論事、就物論物，而是通過與其它事物所構建起的參照系所對照出來的。人對事物的認知一般是多參照系觸動的，其中包括顯、隱坐標系有機的融合作用（藏貓貓、石頭剪刀布、圖靈測試等遊戲裡面包含了這些成分）。
智能具有時代性，每一代人的智能都不同，從某種角度來看，牛頓的智能還不如一個現在物理系大學生的智能，至少牛頓還不知道相對論的存在。但是，牛頓超越了他那個時代，照亮了他同代及以前諸代的蒙昧與黑暗。從知幾、趣時、變通的角度來看，智能也是一種藝術形式，藝術的基礎是情感，藝術的哲理是美學。類比，比較，比喻，比方，相似都是實現智能藝術的重要途徑，很多情境下，類比機制的增強與衰減常常意味著智能力的強弱。
近來，Bengio說深度學習需要被修正。他認為，只有超越模式識別的範圍，更多地了解因果關係，它才能實現真正的人工智慧革命。換句話說，他說，深度學習需要開始問為什麼事情會發生。認知科學實驗也表明，認識因果關係是人類發展和智力的基礎，儘管目前還不清楚人類是如何形成這種知識的。
這些觀點也對也不對，對是因為他比機器學習前進了半步——不再僅僅依靠統計的相關性分析機械前行，不對是因為他還沒有走出西方科技工作者優良的傳統思路：仍把因果關係看成是求科學根問技術底的一副萬能良藥。實際上，類比、比較、比喻、比方、相似才可能是實現創造性智能的最重要途徑（包括擬合生成各種各樣的新概念）。留心一下，你就會發現：小孩子們平時很喜歡說某某像某某，總愛拿已知的事物類比未知的事物，從形狀、顏色、大小等外部狀態表象屬性開始，再到時間、空間、變化等內部趨勢本質關係，也許這就是人類認知的秘密吧！「因果」更可能只是「果因」的另一種稱謂而已，無論蘋果落地還是水星光偏，莫不如此，牛頓和愛因斯坦大概都是主觀唯心主義者吧！無獨有偶，有人就一語中的地說過：「本質上，數學就是有關概念的學問」，當然所有的概念都與主觀有關。
智能，包括人工智慧，都是複雜系統，其中的許多事情不是都能用邏輯思維解釋清楚的，裡面還有大量的非線性、非邏輯成分，可解釋性、終身學習、動態表徵、強弱推理都需要類比，但類比的機制機理遠遠不是單純用科學技術所能解決了的，尤其涉及情感、情境、虛體等，更是如此！試圖單純用數學，尤其是用現代不完備的數學解決智能或人工智慧的主要核心問題，無異於緣木求魚、畫餅充飢、水中撈月，如同拿著木棒、石頭造飛機和火箭一般，原因很簡單：定性的真東西尚都在遙遙無期中探索，定量的只能是自動化。在人類前進的過程中，很多人費了很大的努力和心血，但在某個領域一直沒有大的進步和質的飛躍，始終處於亂麻一團，東一錘子西一棒子，遍地都是坑，就是打不出水來，究其因，一是沒找到亂麻團的線頭，二是沒有用心，前者是定位問題，後者是努力問題。
1.2 類比與智能
如果說機器深度學習有幾個重要的邊界：數據邊界、語義邊界、符號邊界和因果邊界。那麼突破這幾個邊界的口子可能就是——類比，不僅是比例類比，更是跨域機器類比機理的形成可能就是一條前進的光明大道。
所謂類比是這樣的一種推理，它把不同的兩個（兩類）對象進行比較，根據兩個（兩類）對象在一系列屬性上的相似，而且已知其中一個對象還具有其他的屬性，由此推出另一個對象也具有相似的其他屬性的結論。
類比推理的基本原理可以用下列模式來表示：
A對象具有屬性a、b、c，另有屬性d。
B對象具有屬性a、b、c。
èB對象具有屬性d。
上述的「A」、「B」是指不同的對象：或是指不同的個體對象，比如地球與太陽；或是指不同的兩類對象，比如植物類與動物類；或是指不同的領域，比如宏觀世界與微觀世界。類比推理的應用場合是多種多樣的，有時也可以把某類的個體對象與另—類對象進行類比，例如，為了弄清某種新藥物在人類身上的效用和反應如何，往往是用某類動物個體來做試驗，然後通過類比求得答案。
類比的結論是或然的。類比的結論之所以具有或然性主要是由於以下兩方面的原因；一方面是因為對象之間不僅具有相同性，而且具有差異性。就是說，A，B兩對象儘管在一系列屬性（a、b、c）上是相似的，但由於它們是不同的兩個對象，總還有某些屬性是不同的。如果d屬性恰好是A對象異於B對象的特殊性，那麼我們作出B劉象也具有d屬性的結論，便是錯誤的。例如，地球與火星儘管它們在一系列屬性上是相似的（太陽系的行星，存在著大氣層，適於生命存在的溫度等等），但是地球上有生物，能不能說火星上也有生物呢?不能，因為火星還有不同於地球的特殊性。近年來航天的科學考察表明，火星上並未發現什麼生物。另一方面，對象中並存的許多屬性，有些是對象的固有屬性，有些是對象的偶有屬性。比如，血液循環是人體的固有屬性，而吃了雞蛋產生過敏反應，這是個別人身上的偶有屬性。如果作出類推的d屬性是某一對象的偶有屬性，那麼另一對象很可能就不具有d屬性。
類比，作為一種推理方法，它是通過比較不同對象或不同領域之間的某些屬性相似，從而推導出另—屬性也相似。它既不同於演繹推理從一般推導到個別，也不同於歸納推理從個別推導到一般，而是從特定的對象或領域推導到另一特定對象或領域的推理方法。
儘管類比推理可以在某類個體對象與另一類對象之間進行，但是類比推理卻不能在某類與該類所屬的個別對象之間進行。如果以為類比推理是歸納推理和演繹推理的壓縮，那就錯了。類比推理只能在兩個不同對象或不同領域中進行過渡。
有人以為存在著這樣一種類比推理：
S類的某一個體具有屬性a，b、c、d。
S類具有屬性a、b、c。
è S類具有屬性d。
這種觀點是錯誤的，因為這是憑主觀想像用類比推理的模式去描述了一個實際上是歸納概括的邏輯過程。誠然，無論是歸納推理還是類比推理都是已有知識的外推和擴展。但是不能因此而混淆了兩種推理方法之間的根本區別：歸納推理是從個別（特殊）概括到一般，而類比推理是從某一特定的對象或領域外推到另一個不同的特定的對象或不同的領域。
還有人認為有這樣一種類比推理：
S類對象具有屬性a、b、c、d。
S類的某一個體對象具有屬性a、b、c。
è S類的某一個體對象具有屬性d。
這種觀點同樣也是錯誤的，因為這是憑主觀想像用類比推理的模式去描述了一個實際上是演繹的邏輯過程，演繹推理是從一般推出個別（特殊），而類比卻是從某一特定對象或領域外推到另一個特定對象或領域的。這種根本區別不能混淆。
機器的類比很難實現，是因為人類還沒有梳理出自己的類比機制，不知己就不知彼。沒有同理心，很難知「彼」，沒有同情心，更難知「己」，沒有共感，何談共鳴，無論類比吧！
A對象具有關係a、b、c，另有關係d，
B對象具有關係a、b、c，
è B對象具有關係d ？
構成世界的也許是關係，而不僅是屬性
人能夠有效利用各種少量錯誤樣本和少量正確樣本的學習獲取知識和對世界的認知，在修正錯誤認知時，可以改幾處，但不一定整個過程全改。人還可以類比形成訓練樣本數據以外的智能行為。
而機器是使用大量正確樣本的學習獲取相關性結果，在修改錯誤時，常常動一發而動全身，改一處而全過程修改。機器很難歸納、演繹形成訓練數據以外的智能行為。
圖靈獎得主、「貝葉斯網絡之父」Judea Pearl最新力作《為什麼：關於因果關係的新科學》一書上半部分場在談因果關係，下半部分在談事實性的因果關係，價值性的因果關係卻不見了蹤影，而現實智能世界中既包含形式化事實部分，也涉及到價值性意向部分，所以，針對因果性中的主觀部分得不到很好的理解和處理，這種因果終究還是不全面、不成熟、不能解釋、非魯棒的半成品，相比之下，事物之間差別最大而聯繫最緊的造勢機制，人們無關相關化能力的類比洞察能力跨度可能對於創新更重要一些吧。
與機相比，人的小樣本是多樣性、正負性、跨域性、參照性的，是生態成長性的，是記憶而存儲連續性的，是舉0.1反N，不觸類也旁通型的……也許，人的樣本不在小，在乎是非之間也！
1.3 數學與智能
數學和智能一樣，都是人類在與各種環境中的事物打交道中產生出來的，既有順理成章，也有千奇百怪，所以人類的推理也有許多非樹、非林結構，這也是說數學不是邏輯的原因之一吧！有人發現：畫一個雞蛋難，畫三個雞蛋容易些，畫三個雞蛋在盤子裡更好畫，在盤子上放個叉子或一雙筷子就非常容易畫了。其實，對另外一些人而言，這個發現也許就不成立啦。當前數學體系的不完備性和公理化，就隱含著非邏輯的假設——蛙跳現象：不見樹木也可見森林，或者，不見森林也可見樹木。
自然語言是包含價值性的、能力性的、啟發性的「for」之目的，數學語言則蘊藏著事實性的、功能性的、產生性的「if」之形式化。根據菜譜一般很難炒出好菜來，這需要看主體，大廚根據菜譜也可以炒出好菜來，關鍵是他得有「非家族相似性」的炒其他菜的經驗和炒此菜的動機，實際上，炒菜之前的情感信息很重要。正如戴維·卡森所說：「我非常相信設計的情感，以及在有人開始閱讀之前，在他們獲得其餘信息之前發出的信息；他們對產品、故事、繪畫的情感反應是什麼——不管是什麼。」
有人說，數學不是邏輯，是一種發現。數學語言無主體性，背後有結構，這個結構需要探索。而自然語言有主體性，強調理解。自然語言與數學語言不是一回事，中間有鴻溝，需要分開來研究。
數學語言與自然語言之間的鴻溝裡面正是人工智慧的困難所在：如何把事實與價值、陳述與判斷、主觀與客觀、形式化與意向性、態與勢、感與知、being與should、主動與被動等因素有機地關聯在一起？！這也是人機融合智能的瓶頸之一。它橫擋在人類面前，得意洋洋……
一直認為，智能的核心和本質比智能的計算和模型重要的多。西方人之所以在科學技術上不斷突破和領先，主要是有著深厚的積累，這種積累不但包括物理、化學、生物等具體學科的，更包括哲學、文學、藝術等抽象領域的。以智能為例，表面上，符號主義、聯結主義、行為主義衍生出知識圖譜、深度學習、強化學習等一系列可計算、可模型的工具和方法，實際上，這些主義背後的懷疑哲學、形式推理、因果分析等思想卻是真正使然的動力源泉。
而縱觀當前我國智能領域，數據、算法、算力儼然成了智能領域的代名詞，而在西方，智能的關注則是在常識、自主、學習等機制機理的突破上，先進落後、孰是孰非、的矢有無、顛覆大小一目了然。沒有對根本的認知，速度越快，失之千裡。
仔細想想，當你全力追逐眼前的、表面客觀的存在Being ——現實性時，而對手卻在認真把握未來的、內部無限的趨勢Should——可能性，如此這般一番，槍聲還未響起你就落後了，陣勢還未擺好你就屈人了，攥著一把紙幣或數幣，以為自己真有本錢嗎？！
當然，智能領域的發展不是不需要數學，而是需要更好的數學，能夠把形式化和意向性有機結合的數學；不是不需要數據，而是需要更好地理解數據，能夠把物理性和心理性綜合表徵的數據；不是不需要算法，而是需要更好地認識算法，能夠把事實和價值有效彌聚的算法；不是不需要算力，而是需要更好地發展算力，能夠把個性和共性融合協調的算力。
很多人從小就想像有另外一種數學體系，與現有的數學體系不同，它既包括數字圖形，也涉及文字描述；既能夠定量計算，也能夠定性算計；既可以歸納演繹，也可以隱喻類比；既能夠邏輯達理，也能夠感性通情；既可以形式化自洽，也可以意向性矛盾；既能夠產生式假設，也能夠啟發式求證；既可以表徵人工智慧，也可以指示人類智慧；既能夠處理形上學，也能夠混合辯證思維；既可以解釋物理世界，也可以說明心理環境......
求解休謨之問的關鍵：類比，尤其是實物、情境、情感之間融合混雜類比機制的解析。深度的類比既可以餃子感知溫暖；也可以狐狸與酸葡萄態勢得不到；既可以母親祖國，也可以計算機之父；既可以摹狀可能性，也可以泛化現實性；既可以喜鵲叫喳喳，也可以風馬牛也相及；既可以主觀客觀化，也可以客觀主觀化；既可以非存在的有，也可以有中生無；既可以一多分有，也可以千變萬化……
未來的數學可以求解休謨之問，休謨之問也可以為未來的數學提供前提組成各種矩陣方程，兩者不但表象互補而且本質一致，既對立又統一。這種想法目前看來很不切實際，但未來依然存在著隱約的可能性，這或許也是實現人機融合的基礎路徑之一。我們應該為未來的智能方式設計，而不是為過去的智能方式設計。儘管現在看來有些「荒謬」！
1.4 直覺與智能
從智能領域的角度看，意識也是一種存在。無意識即還沒有發生或產生出關係，潛意識就是隱約出現可能的關係。形式符號系統的意義解釋和知識建構如何可以內在於系統而不僅僅依賴於我們頭腦，應該是人機融合智能研究的核心問題。
如果把智能看做大海，那麼認知就是通向大海的河流，而思維則是河流中的大船，上面載滿了各種的深思熟慮和各樣的奇思妙想。如同大海不是河流也不是大船一樣，智能不是認知，也不是思維。
畢達哥拉斯把數與圖當做信仰，通過簡單的計算就可以準確預測斜邊的長度，多麼神奇而又準確的佔卜啊！實際上，畢達哥拉斯這個崇拜可能僅僅是個發現，而不是真正的發明創造，正如愛因斯坦所言：「創造並非邏輯推理之結果 , 邏輯推理只是用來驗證已有的創造設想。」，不難看出，真實的創造往往含有非邏輯的成分抑或是邏輯與非邏輯成分的混合，不單純是事實上的因果關係，還有價值上的因果構建，包括有的放矢的果因關係，仿佛作家作文、畫家畫畫一般。
人類伊始，猶如嬰兒，並無思維和智能。開始只是觀察並以本能生存。慢慢通過把個人的認知（觀、察、覺）與其他成員交流匯成思維方法，最終變為智能形式開天闢地、改造自然，同時也改造著自己和同族。
從上述過程中，我們不難發現，人類的認知、思維、智能都是時空性人物環境系統的混雜交互嵌套，而不是三元的絕然分立，而是陰中有陽，陽中有陰，陰陽有灰的進程。儘管如此，三者還是各有千秋，稜角分明。
認知是初始階段，它是人類通過觀察獲得數據、信息、知識、模式、狀態、趨勢的第一步，通過認知，人們從自然和社會交互中形成了不同的概念（名），提煉出差異的規律（道），梳理為多種工具和方法。認知是數據和信息的流動過程。
思維就是在認知的基礎上形而上、學而思出的高級認知維度，這個維度側重於語言產生後的反映及其手段。思維最初是人腦藉助於語言對客觀事物的概括和間接的反應過程。思維以感知為基礎又超越感知的界限。通常意義上的思維，涉及所有的認知或智力活動。它探索與發現事物的內部本質聯繫和規律性，是認識過程的高級階段。思維對事物的間接反映，是指它通過其他媒介作用認識客觀事物，及藉助於已有的知識和經驗，已知的條件推測未知的事物。思維的概括性表現在它對一類事物非本質屬性的摒棄和對其共同本質特徵的反映。隨著研究的深入，人們發現，除了邏輯思維之外，還有形象思維、直覺思維、頓悟等等思維形式的存在，在人類智能應用過程中，這些思維途逕往往是混合甚至是融合使用的，而在機器學習或人工智慧中，這些思維方式略顯孤立或被機械捆綁實施的。
智能與認知和思維最大的區別是：智性，也就是人們常說的靈性和洞察性。即這裡的智能可能不同於計算智能、感知智能和認知智能，而是洞察性的智能，能夠舉一反三、觸類旁通、指鹿為馬、指桑罵槐……，儘管表面上，東方有點不講理，西方有些不盡情，但老子、亞里斯多德、劉徽、萊布尼茲等聖人先賢依然在沒有現代精密儀器設備和大數據的情況之下，卻也可以發現不少道和名的規則、概率，估計有些至理應該是超越科學技術中的實驗求得吧……人，本身也許就是最好的精儀和設備，人可以將事物進行人格性同化，而機器卻不能進行機格化順應。智能的是非觀，不是截然的二元對立，而是彼此間的滲透。好的智能可使我們能了解到「是什麼」，也能知道「應是什麼」，更能理解「為什麼」。
認知科學、思維科學、智能科學三者肯定有重疊部分，但是各自的主要思想是不同的，如果這樣，就需要特別關注三者的主要區別，而不是過多考慮他們重疊的地方：認知是數據與信息的流動，思維是概括性的推測反映，智能為涉及認知、思維的是非使能力。
人類在交互時，無論對象是人還是物，都會產生一種能力：同情同理共感化對象，主動性跨越事實界限，生成各種意義和價值，如做各種有意義的類比（沒有氣泡的可樂等於沒有辣味的川菜），甚至把枯燥的科學變成有趣故事。
如果說維根斯坦的分析哲學是在尋找世界的邏輯之旅，那麼海德格爾的現哲學就是試圖發現世界的本源所在。拋開他倆與希特勒的是是非非，單就對智能的貢獻而言，都是最底層的思考。只可惜圖靈只測試了維根斯坦，而沒能機制化海德格爾。社會規範化語言的《邏輯哲學論》側重規則理性，生活自然化語言的《哲學研究》關注於統計概率；延展拋射化直覺的《存在與時間》更多非邏輯洞察直覺。
現象學的關鍵在於意識的意向性。所謂「意識的意向性」，最早是由布倫塔諾提出來的，胡塞爾從他得到啟發，了解了我們的意識一定有意向性。換句話說，意識在本質上都是指向意識之外的事物，你不可能有意識而沒有意識的對象。我們一般常用的一些詞，像知覺與概念、觀念與幻想、渴望與欲求，這些在意識裡面出現的活動都是指向某物。如果你沒有指向一樣東西的話，那你意識到什麼東西呢？意識也不可能出現了，因此所謂的「意識」就是意識到某個對象。那麼「回歸事物本身」是指什麼呢？就是你要排除各種成見理論或預設，而只就現象本身來看。
海德格爾認為「此在」是個正在生成的但目前仍然是個尚不是的東西，指的是人的生成過程，換句話說，就是指正在生成、每時每刻都在超越自己的人。但他不是指一般意義上的名詞的人，而是生命活動的動態的人。「此在是在世中展開其生存的」，是人在成長過程中呈現其生命價值。
在不少情境中，直覺是發明的工具，邏輯是證明的工具，直覺和靈感在發現真理方面比邏輯推導更重要得多。從這個意義上說，目前的人工智慧研究多少帶有葉公好龍、掩耳盜鈴的味道：沒有產生直覺的趨勢，只是反映狀態（邏輯）的局勢。
也許一張好的照片裡面不僅有故事，還應該有點神性，能夠使人產生聯覺：畫面裡面有屬于欣賞者獨特的旋律和設計者與欣賞者之間的同情共鳴。有人從西方哲學的角度，也謂之：非存在的有。比如說不同的「美」，看不見摸不著，但從有的作品中就能感受到，這種以有限的具體畫面詮釋出無限的抽象過程就是「非存在的有」，如西方的聖誕老人，東方的孫悟空，如同好照片裡的魂和真正智能的魄！
也許，能根據客觀數據優化決策的就是人工智慧；而能根據主客觀數據/信息/知識優化決策的就是自然智能；能根據人、機、環境系統變化而優化決策的就是人機融合智能。無論如何，一旦你把功能當成了能力的話，智能就會消逝的無影無蹤，智能應是加速認知形成洞察的利器，它就在你的身邊，每時每刻……智能是自我意識與他人意識的感知混合，通過同情同理心產生可能性的理解和推斷，適時合地……
據英國《金融時報》報導，谷歌聲稱已經達到「量子霸權」，打造出第一臺能夠超越當今最強大的超級計算機能力的量子計算機！該計算機能夠在3分20秒內執行一個計算，而同樣的計算用當今最強大的超級計算機Summit進行，需要約10000年。這是一個真正裡程碑式的進展？！對於計算而言，的確如此，然而，對於智能而言，也許不盡然：真正的智能不是計算，是融合了算計的計算。
算計中包含著多種矛盾認知張力，而認知張力可以驅動認知向量產生意向性。計算本身並沒有方向，而是新計算裡混合了認知張力，就變成了有方向的且包含了主客觀向量的矩陣。
計算是有時/空間約束的，也可以沒有；而認知可以沒有時空約束，也可以有。何時何處使用有/無時空約束的計算或認知就是智能的調控和調度。
隨便給出一組數，你總能找出或組成某種意義記憶下來（如52579952，可以諧音成「我愛我妻救救我兒」等），但是機器不行，它可以存儲，但沒有意義。計算是事物數術，一種邏輯功能；算計是關係認知，一種類比能力。
算指邏輯推理，計指認知洞察。算計是算在前，通過邏輯推理產生洞察策略……計算則計在前，通過認知關係進行邏輯操作。算計偏認知和洞察，計算側數術和邏輯。不是簡單的逆運算關係。AI是一種無意向性的功能，計算為主；而智能是一種有意識的能力，算計為主。每個簡單的人都有理性，只要告訴他推理的前提是什麼就行了。但是理解卻不同，它提供的是原初性的東西，從而也是直覺性的常識知識，在這裡出現了人與機之間天生的差別。
如同並行計算中的關鍵不是計算（Being），而是專業性問題的並行性梳理和分析一樣，未來的智能也是一開始就得有良好的頂層結構設計，而不是過程中的大修大補。而要實現這一目標，人機融合的必要性就顯得越發突出了。
未來的人機融合智能可以設計出設計者沒有想到的設計、可以計算出計算者沒有算計(Should)出的計算、可以決策出決策者沒有意料出的決策、可以反思出反思者沒有反思出的總結……
2. 何謂軍事智能
軍事智能不是軍事+人工智慧，而是其中既包括機的自洽性過程計算也包含有人的矛盾性有向算計，軍智如生物進化一樣不太講究多強大、多聰明，而更關注任務執行中的恰當變通，它不是包治百病的神藥，而是對症下的準藥，最高境界是達到不戰而屈人的目的。
當前軍事系統的自主化與弱通訊、無通訊條件下的高級自動化等價，而現代的軍事無人化側重於統計概率下的機械化+自動化。即使科技發展出的裝備再先進，其形成的產品或系統也只是機器計算，01的數理基礎仍然沒有變，就像5G、6G、…NG一樣，若沒有意向性和價值性出現，系統本質上還是機器。
軍事智能的本質是暴力性對抗角逐，即要摧毀對方的博弈意志；人工智慧的本質是服務性智力，滿足對象的需求。軍智以損人為本，民智以助人為樂。AI作為計算的邏輯實質上是一種「主體轉向」，「軍智的算計邏輯」是當仁不讓地以人類為主體，研究的對象是對手的認知、思維、智能種種，強調應是什麼應幹什麼等問題，軍智不但涉及手段還包括意志和隨機偶然性；AI計算的邏輯則是將計算機作為信息處理的主體，側重是什麼幹什麼問題，研究的是計算機的處理方式以及人與計算機的互動關係。
未來的軍事智能不是功能性的工具（錘子）而是能力性的軟體+硬體+溼件，它不太講究事實和形式，多涉及價值和意義。它會不斷地超越軍種、行業、領域的格局和前瞻的戰略視野，是顛覆性技術創新的重要支撐。
在20世紀50年代末，美國軍方的共識是，其指揮與控制系統不能滿足日益複雜和快速多變的軍事環境下快速決策的緊迫需求，1961年甘迺迪總統要求軍隊改善指揮與控制系統。在該國防安全重大問題提出以後，國防部指派DARPA負責此項目。為此DARPA成立了信息處理技術辦公室，並邀請麻省理工學院約瑟夫利克萊德（J.C.R.教授出任首任主任。雖然是軍方的迫切需要和總統欽定的問題，但是DARPA沒有陷入軍種的眼前需求和具體問題，而是基於利克萊德提出「人機共生」的思想，認為人機互動是指揮與控制問題本質，並就此開展長期、持續的研究工作。此後，IPTO遵循著利克萊德的思想逐漸開闢出計算機科學與信息處理技術方面的很多新領域，培育出ArpaNet等劃時代顛覆性技術，產生了深遠的影響，直至今天。
軍事智能化不是無人化也不是自主化。自主化指自己作主，不受別人支配程度；無人化是指能在無人操作和輔助的情況下自動完成預定的全部操作任務的程度；而軍智主要是實現更高價的覺、察並實施詐和反詐，是人機環境系統融合的深度態勢感知，是人機融合的「鋼」（裝備）+「氣」（精神）。
當前，許多人認為軍事智能就是軍事+AI，還有人認為軍智就是自主系統或者無人系統，大都是沒有認清軍事對抗博弈的實質使然。另外一個需要警惕的軍智問題是：單純機器計算的越精細、越準確、越快速，危險性越大，因為敵人可以隱真示假、造勢欺騙、以真亂假，所以有專家參與的人機融合軍智相對顯得更重要、更迫切、更有效。
3. 人機融合智能
人、機、環境系統之間的相互作用產生了智能，這不僅是一個科學問題，也包含非科學部分的研究（如人文藝術、哲學宗教），其中，人是複雜系統，機是相對簡單的系統，環境的漲落變化非常大，所以我們研究的人機環境系統既有「確定性」，又有「隨機性」，就成為「複雜的巨系統」。錢學森先生認為針對「複雜的巨系統」人類目前還沒有找到解決的一般原理和方法，人機融合系統的深度態勢感知理論可能就是一種有益的嘗試。
有人說：沒有經過人機融合合作訓練過的智能系統就是弱智系統。這句話的背後隱含著這樣一個事實：當前，人與機是不同的，而且，兩者之間是失調、失配的。其實，人機的職責分別在於準度和精度，準度涉及方向，精度關聯過程。
機器具有功能，產生不了能力，所以處理不了有意義有價值的聯繫，也沒有形成默會的知識和常識。人與人溝通時，不說出的事物常常更重要，人機互動時則不然，主要是機器不了解這些潛在的前提和線索，只好左顧右盼，插渾打科，所聊非所聊，所答非所問，就像現在的聊天、問答機器人一樣，沒有主體性與客體性之間的理解揣摩，沒有博弈性語言學，也沒有主體間一對一的語義出現，只能夠陳述有限的事實，不能夠判斷無限的價值。
人機融合智能系統是一個資源調度中心，一個資源調度員，將人的溼件與機器的硬體、軟體匹配起來，在任務環境中進行資源的分配和控制。就如同一個單位指揮調度機構，使得人、物、環境發揮更高的工效。人機系統要想充分發揮功能，就需要有相應各件的支持與配合。只有進行軟硬溼結合，軟體硬化，硬體軟化，機件人化，人件機化才能最大程度發揮人機系統資源調度的作用，這就是適配性的問題。
人的智能在於事前的無數據，機器的智能在於事後的有數據，而數據的價值和意義是由人確定的，所以是可變的，所以有機無人的數據是註定無用的。智能是一種虛實融合的非物質體，有實構，也有虛構，其中「非存在的有」就是虛構的重要組成成分。就像攝影、體育、科研、生活一樣……這種「非存在的有」可以或誘發或喚醒出某種某程度理解之外的理解，並通過認知遷移、旋轉變異出意料之外，進而形成一系列新的感、覺、受、動、察、知……
化合價表示原子之間互相化合時原子得失電子的數目，如果形成的化合物的離子的化合價代數和不為零，就不能使構成離子化合物的陰陽離子和構成共價化合物分子的原子的最外電子層成為穩定結構，也就不能形成穩定的化合物。如果把人和機的智能都看成若干智能單元構成，那麼人機融合則看成智能單元之間的交換，交換通暢無礙趨於穩定，則會形成穩定的融合價。需要強調的是，人、機的智能單元不同，人的是認知智能單元，機的是計算智能單元，認知包括感性和理性，計算主要與理性有關。認知是真實世界的反映表徵，計算是符號系統的仿真模擬，而所有的仿真模擬都是近似的。如何把主客觀有機統一起來，這就需要更深層次的探索和思考。
主觀和意識都是一種心理性存在，而不是常規意義上的物理性存在，儘管它們依託在了動物物理性存在的高級形式——生理性存在平臺上存在。但是，它們終究是存在，而不是非存在。人們通過使用它們不僅可以解釋說明世界，而且還可以構建改變世界。所有的科學技術、宗教信仰、人文藝術都是通過這種心理性存在與各種物理性存在相互作用而衍生出來的。
機器中的軟體和硬體本身就是物理性存在，是為了被使用而存在著；而人及其智能永遠不會為需要它的東西現存著，它被併入了利用它的系統存在者之中。機器總是具備某種功能，是If…then…do；而人是具有某種能力，是For…then…do。如果智能擁有做什麼的能力，首先是因為人擁有能力。機器可用於製造，是being，但機器本身不存在去製造的衝動，機器絕不可能先行把自己置於製造之中。與此不同，能力是「為了……」的能力，是should，能力本身引導它做什麼、如何做，能力自己把自身置於自己之所為。故而能力提供了理解人及其智能的新思路。為什麼會產生人的智能?因為人的能力只有藉助於智能才能實現；人為什麼會有能力?因為人在世界中的存在是通過人的智能實現的。
機器只能在某一場景環境中執行功能，但永遠不能在一個情境世界之內生成能力，而人可以。
在情境世界中人們可以感知到一種「內在關係」，該關係存在於圖畫和一些對象之間，而非概念和概念之間。無論這種「內在關係」存在於語詞、對象還是概念之間，它都不能簡單地被還原為視覺性質，它超越了視覺等「感覺」的狀態空間範疇，形成了聯想等「知覺」趨勢特徵向量空間。如下圖中的「鴨頭？兔頭？」：
算法的實質是建立在計算邏輯基礎上的理性思維，缺少非事實或反事實想像過程，即面向事實中對象、屬性、關係不斷變換調整的認知動態過程。顯性的（明）態勢感知常常是可以計算的，隱性的（暗）態勢感知往往很難形成算法，但是可以被認知的，事實上，在許多態勢下，認知的價值（角度）可以改變計算的事實。因果關係，除了有事實上的，還應該有價值上的吧！
當前，語言（包括形式化符號語言）的作用被無限化了，比如人們虛構了所謂的自我意識這一概念，自我就是（個性）經歷，意識就是（群體）經驗。實際上，真實的知識、概念、意識不是來源於語言，而是人、物、環境之間的交互，語言就是一個工具，就像科學技術、人工智慧一樣，它們促進了人類的進步，也束縛著文明的進一步發展。
形式化的邏輯與意向性的邏輯不同，一個是being邏輯，一個是should邏輯，類比就是嘗試把兩張邏輯統一起來，而且should的「邏輯」常常是being的非邏輯。人機融合智能本質上就是處理這兩種「邏輯」協同問題。即如何建立形式化計算+意向性算計混合模型。
4. 深度態勢感知
在態勢感知的概念裡，「勢」相對比較重要，如何從各種各樣的狀態變量空間裡及時準確地推出「勢」來，是眾多智能領域研究者們夢寐以求一件事吧，「有態無勢」的評價結論實在是令人難以接受了! 針對這個跨越，有人用跨越神經科學與神學的界限之難都不為過。其實這與大多數人的學科背景有關：偏理工少人情世故！狀態空間常常與客觀事實有關，但大勢所趨往往與主觀價值相連，比如塞翁失馬是態，焉知禍福則是勢。也許態、勢之間的轉換不僅涉及歸納與演繹，而且還可能隱藏著主客觀之間的類比關係。
羅素曾這樣來表述類比論證，「抽象的表述看來是這樣的：我們由觀察我們自己知道一種『A引起B』形式的因果規律，其中A是一種『思想』，而B是一個物理事件。我們有時觀察到某種B卻不能觀察到任何A，我們於是推斷出一個A」（註：Rosenthal編：《心之性質》，英國牛津大學出版社1991年版，第90頁。）。反之呢？如果A是一種『物理』，而B是一個心理事件……生活中，這些心物理轉化的類比比比皆是：刻舟求劍、盲人摸象、望梅止渴、守株待兔等等。
哈耶克曾說，「我們的結論必定是，對我們來說心智必然永遠停留在物自體王國，在那裡我們只能通過直接經驗了解它，而永遠不能完全解釋或『引申』到其它地方。即使我們可能知道我們經驗的那種精神事件能夠被運轉自然其它部分的同樣力量所生成，我們永遠不能說，哪種特定的現實事件『對應於』某一特定的精神事件。」於是，人類不可能完全認識這個宇宙及其各種事物。結論與康德類似，但用的是哈耶克自己的邏輯。他後來的經典概念就是：「理性不及」。司馬賀（西蒙）也曾用「有限的理性」去解釋正常的經濟活動。尤其是用理性化方法去模擬仿真真實的人機環境系統，並且缺乏感性方面的輔助和引導，就像失去了語氣和語用後的人類語言只剩下乾巴巴的語法一樣。
在態勢感知中，態就像是符合各種邏輯的語法，而勢更符合非邏輯的語義和語用。由態向勢的轉換，實質上就是由邏輯向非邏輯的轉換，就是由客觀實際向主觀價值的轉換。也是西方哲學中討論的一個熱點：他人何在（在我的意識中，還是在之外），亦即英美分析哲學主要關心的是他人之心的認知問題，簡稱他心問題，也就是我們怎樣知道除我們自己之外存在著具有思想、感情和其他心理屬性的人的問題。
事物以數據、信息、知識方式進入主體，意義是主體基於經驗對事、物的關係反應，給人們產生出各種關係模型和非關係框架，並以"情感->價值+ 事實->意義"模式來整合認知世界的過程，其結果表現為通情達理或實事求是，這也是從狀態空間（內外）產生出趨勢目的的過程。對這種意義關係變化的理解有兩個維度。一個維度，凸顯的客觀的真實性，用「態勢」一詞。一個維度，強調的主觀的意向性，用「勢態」一詞。
古今對情的理解也有兩個維度。一個維度，凸顯情的發自內心的真實性。情，實也。相應地有詞語「情實」。一個維度，凸顯情的感物而發的多變性。情，感也。相應地有詞語「情感」。 如若不能，文學藝術、宗教哲學也許還有存在的必要吧！？
其實，對人而言，意義常常不是理性的產物，而是感性的結果。比如說數學不一定如實反映描述主客觀世界，會有不少熱愛數學的學者（其中不乏靠此混飯的偽學者）對此耿耿。因為他情感到了某種意義而不是理性。
除了不完全的歸納、演繹之外，類比是人類認識世界的一個主要手段和利器。但是好的類比不僅僅是屬性上的，更重要的是可能的或不可能的顯/隱關係上的。
而機器能否產生恰當的關係類比機制就將成為一個AI的難點和重點。在機器學習熱鬧過一陣子後，因果關係又要姍姍來遲，圖靈獎得主Judea Pearl說了：要建立真正的智能機器，教它們因果關係才是關鍵。
因果關係，表面上看，是揭示客觀世界中普遍聯繫著的事物具有先後相繼、彼此制約的一對範疇。原因是指引起一定現象的現象，結果是指由於原因的作用，緣之串聯而引起的現象，二者的關係屬於引起和被引起的關係。實際上，這大約反映出的是事實性的因果關係，沒有反映出價值性的因果關係。
所謂事實性的因果關係，是指客觀性存在所引起的先後相繼，如科學中重力作用與蘋果落地的關係。所謂價值性的因果關係是指主觀性存在所引起的先後相繼，如自認為出現的風馬牛也相及事件（如我思故我在、喜鵲叫好事到）等。在同一個情境中，不同的人為什麼常常會有不同的態勢感知、處理、決策、評估方案，究其因，面對客觀知識中的對象、屬性、關係，每個人（動物）心目中的價值往往不同，狗認為好的東西，人認為不好，張三覺得《銀河補習班》中的父子很不錯，而李四卻認為《哪吒之魔童降世》中的父子更有意思……
事實是高維空間，價值是低維空間，因果關係就是一個降維過程，是由人找到且梳理出的一種關係，具體反映在智能的靈活運用上，進而發現、發明了AI這一工具並使之不斷改造著主客觀世界系統。
5. 結束語
在西方倫理學界一般認為倫理學的基本問題有兩個基準：一個是我們應該如何行動？另一個是我們應該成為什麼樣的人？前者以行為為中心，屬於規範倫理學研究範疇，也是休謨之問的should問題；後者以行為者為中心，屬於美德倫理學研究範疇，也是休謨之問的being問題。這與智能生成的基本問題：「事實與價值能否相符」是一致的。
智能的生成將涉及到主觀目的與行為動機，並與情境中的客觀事實變化密切相關。產生智能不僅需要形式化的計算，更需要意識性的類比。掌握事實性與價值性的因果關係，深入研究人機融合智能，開展深度態勢感知，將是智能研究的重大突破。
來源：人機與認知實驗室
工業舔狗，舔到最後，應有盡有