客观地说，复杂性科学是一个错误的概念，复杂性是一个多学科融合的过程，而科学则是“分科而学”的过程，一个聚合过程，一个弥散过程，一正一反，所以正确的称谓应该是复杂性研究领域。智能就是复杂性研究领域中的一个突出代表，它根本上不是“分科而学”的科学，而是融合多学科的复杂性。

人机融合智能是复杂性研究领域，而不仅是科学问题，还包括非科学问题。人机融合的矛盾在于：人发散，机收敛，人辩证，机规则，一弥一聚，一动一静。再有我们面对的常常不是一个问题，而是交织在一起的一群不同问题！所以运用单纯的数理逻辑方法很难实现解决的目的，所以还需要同时使用形式逻辑、辩证逻辑，甚至非逻辑手段。 

机器学习甚至人工智能的不确定性和不可解释性主要缘于人们发现发明的归纳、演绎、类比等推理机制确实有可能导致某种不完备性、不稳定性和相悖矛盾性，而且随着计算规模的不断扩大，这些不确定性和不可解释性越大。而人类的反事实推理、反价值推理可以从虚拟假设角度提前预防或预警这些形式化的自然缺陷。把人机融合体当做一个认知主体，更有利于解决复杂性问题，只是需要解决在不同任务下的如何融合的问题。另外，一人一机的单一融合与多人多机的群体融合从根本机理上也会很不相同，正可谓：三个臭皮匠顶个诸葛亮。

    “先天”常常指从概念出发，从逻辑原理出发，从概念推导概念，从原理得出结论；“后天”往往指从经验出发，从经验提炼出概念，依据经验事实建立理论；这两者之间的区别也是从逻辑到感知的过程。 

     现象哲学代表性学者胡塞尔从前期《逻辑研究》转向后期《大观念》的思路；同时，分析哲学领袖维特根斯坦也从前期《逻辑哲学论》转向后期《哲学研究》的思路。这两次转变都不约而同地去掉了“逻辑”，分别走向了“观念”和“哲学”，也许这不是巧合和偶然。     
      两位哲学家都在潜移默化地遵循着先/后天研究领域的规律：从逻辑走向非逻辑。这里大致有两个原因。首先从研究的过程来说，“逻辑”主要涉及“判断理论”，它属于较高层次的意识活动，而要讲清楚判断理论，还要对感觉、知觉等较低层次的意识活动进行研究。另一个原因涉及逻辑和数学的普遍有效性。弗雷格指出，心理规律是经验规律，只具有偶然的真理性；逻辑和数学的规律具有普遍必然性，它不能用经验的规律说明。也许这也是智能领域研究的突破口和契入点吧！
       从不同角度看，也许客观规律并不具有唯一性，可谓“横看成岭侧成峰，远近高低各不同”。一个事物，从物理学角度，从数理学角度，从心理学角度，从博弈学角度，从伦理学角度，从管理学角度，……都会不一致吧！？也许会各有各的客观规律，各有各的逻辑线索，所谓非逻辑，往往是游刃于这诸多各自逻辑线索的适时适处的辗转腾挪、缝补联结、恰到好处而已，有道是：逻辑是为非逻辑服务的、智能是为智慧服务的之缘故吧！具体到人机融合智能中的深度态势感知，既有逻辑维度上的态、势、感、知，又有非逻辑上的态、势、感、知，逻辑上的可以形式化计算，非逻辑上的应该意向性算计，当前火热的AI们，试图解决的是前者，对后者一般采取的是视而不见，因为这个问题已足以困难到影响他们挣钱、消费和智商、情商的正常使用。
     不过，世界本身就是不完美的，理解这些朋友们！

人机融合智能是复杂性研究领域，而不仅是科学问题，还包括非科学问题