马斯克、脑机交互与人机融合

最近几天，一个题目疯传微信群中：“整个微信都在刷屏！刚刚美国突然宣布！始料未及！”。平直觉而论，这很可能又是马斯克同学融资的一个大广告！

侵入式脑机交互带来的问题会产生很多法律伦理社会的问题：外部干扰源、无意识失误、错误、黑客入侵、贫富有别（有点像基因工程）……，还有其它衍生问题，所以，目前很可能还是宣传融资（象阿尔法狗一样）。

脑机接口最新的研究成果发表在2020年 4 月 23 日的《细胞》杂志上：脑机接口成功恢复患者触觉和运动，28岁瘫痪男子重获新生。美国 Battelle 研究所和俄亥俄州立大学韦克斯纳医学中心（Wexner Medical Center）的一个研究小组表示，他们已经能够使用脑机接口（Brain-Computer Interface，BCI）系统，恢复严重脊髓损伤的患者手部触觉。该脑机接口技术利用了肉眼难以察觉的微小神经信号，通过将残存的、低于知觉反应范围的触觉信号转换成有意识的知觉，并反馈给参与者，达到增强神经信号的目的，这一技术也极大地丰富了瘫痪患者的运动功能。

大家看看，上面这个才是脑机接口技术的最前沿：“极大地丰富了瘫痪患者的运动功能”！距离“全世界瞠目结舌！这堪称是一项里程碑式的技术突破，它将彻底改变人与机器的交互方式，并进而改变人类自身和社会！在浓密的云端，科技的惊雷正在酝酿、生成，一场风暴正在扑来！”还极其遥远！

再退一步说，即使如马斯克团队表明的那样，脑机接口技术正在一日千里地发展。“通过心念操纵机器，让机器替代人类身体的一些机能，修复残障人士的生理缺陷。”。但也做不到“在人或动物脑（与外部设备间，建立的直接连接通路，以实时翻译意识,最终做到人类与人类之间、人类与机器之间自由传输思想、下载思维。”在这点上，脑机交互与人工智能的处境很相似：都还没有搞清楚意识/智能的机制，上来就期望用物理、数理解决生理、心理、伦理、管理等问题，妄想以“有限的理性”模拟“无限的感性”、以“绝对”仿真“相对”、以“客观”取代“主观”，不得而知，到头来很可能是一场“空”折腾。

一、感觉的分析

    人对客观事物的认识是从感觉开始的，它是最简单的认识形式。例如当菠萝作用于我们的感觉器官时，我们通过视觉可以反映它的颜色；通过味觉可以反映它的酸甜味；通过嗅觉可以反映它的清香气味，同时，通过触觉可以反映它的粗糙的凸起。人类是通过对客观事物的各种感觉认识到事物的各种属性。感觉器官是脑的工具，脑是借助于感觉器来反映外部世界的。人类的态势感知具有这样一些机器还无法实现的功能：聚态，就是融会贯通；弥势，就是触类旁通；感它，就是闻一知十；知异，就是举一反三。

    感觉不仅反映客观事物的个别属性，而且也反映我们身体各部分的运动和状态。例如，我们可以感觉到双手在举起，感觉到身体的倾斜，以及感觉到肠胃的剧烈收缩等等。

    感觉虽然是一种极简单的心理过程，可是它在我们的生活实践中具有重要的意义。有了感觉，我们就可以分辨外界各种事物的属性，因此才能分辨颜色，声音、软硬、粗细、重量、温度、味道、气味等，有了感觉，我们才能了解自身各部分的位置、运动、姿势、饥饿、心跳，有了感觉，我们才能进行其它复杂的认识过程。失去感觉，就不能分辨客观事物的属性和自身状态。因此，我们说，感觉是各种复杂的心理过程(如知觉、记忆、思维)的基础，就这个意义来说，感觉是人关于世界的一切知识的源泉。

人工智能是一种返回修改模式。也就是说，一组代码解决一个问题，以前是代码执行，问题没处理好就拉倒，程序结束。人工智能是代码执行，问题没处理好，代码自动返回修改数据代码再执行。反复修改，也就是反复学习，这就是人工智能。当然，好的人工智能技术，在一定范围内可以自己修改不足的模型，进而可以在一定程度上模拟人的具体功能，比如人类的部分计算、逻辑推理能力，但它对人类“非家族相似性”的类比、决策能力还无能为力。所以人工智能中的“人”并不是真的“人”。

二、东西方智能之源

为什么现在有好多人提出未来人工智能的问题？这是因为现在的人工智能还远远未达到大家的期望，现在大家看到的AI某种意义上都是自动化或者是高级自动化，那智能化和自动化有什么区别呢？自动化是这样的，固定的输入及可期望的输出，如很多生产线都是自动化生产线，而智能化不是这样，输入可以固定也可以不固定，但是输出一定是非预期性的，绝大部分是非预期性，出乎意料的东西，这才是智能。什么叫做智能？有两个说法：第一个说法孟子写过“智者是非之心也”，是非之心就是“智”，你可以有意识，但不一定有智慧，意识是无关乎是非的，而智慧是要知道是非的，明白伦理的。根据我们的研究，伦理和人类智能应该是很接近的事。什么是伦理？从古希腊角度来看，伦是分类，分类的道理就是伦理；大家注意智能的本质也是分类——是非之心，今天这个话题很有意思，大家可以去查一下有关文献，尤其是古希腊的，他们就把伦理当做分类的道理，人和人是不是有道德和伦理，什么叫道德？道就是走路的大道，德是什么？获得。按照正确的道路走，得到你想要的东西就叫做道德，如果不按照正确的路走就没有道德。什么叫仁？孔子的仁就是一撇一捺——人，通假字通到那个人身上。什么叫义？义就是应该，孟子特别讲义和仗义。东方和西方智能的共同交界处可能就是这个义——should。东西方的“智能”区别：一个类比/隐喻多，一个归纳/演绎多

图中列了一些与智能有关的名人，下面是东方人，上面是西方人，这些人里面有几个人：第一个是西方科学与哲学鼻祖泰勒斯，最早用理性眼光看世界和日全食的人；第三个是很多AI人不认识的休谟，是智能哲学起源的根，休谟之问，即从事实里面能不能推出价值来？这是休谟很重要的观点，可能是未来强人工智能的突破点，也是人机融合智能的关键之处。第六个是智能科学之源莱布尼兹，他第一次提出“普遍语言”和“理性演算”，在这两个词的基础上弗雷格提出了分析哲学里面的涵项一词。后来出现了布尔，也是从莱布尼兹的思想里面演化出布尔代数的，再后来是图灵、冯诺依曼都是从这延伸出来的……真正技术起源是莱布尼兹，若还有点牵强的话，那么大家都知道图灵，实际上图灵的老师和朋友是维特根斯坦（第七位，也是被AI圈很少提及的一位），这是一个很厉害的人。他有几个特别之处：第一个特别，他是希特勒小学同班同学，他有犹太血统，他们家是欧洲的钢铁大王，但他酷爱分析哲学。第二个特别，他的学生和朋友就是图灵，他与图灵的研讨和争论给了图灵很多好的智能和哲学思想，但是很多人很少知道他，这是非常遗憾的，也是人工智能界的遗憾，不提他是不行的，他人生里面两部书：第一部书是翻译成中文只有几十页《逻辑哲学论》，这部书里面讲人的语言是撬开人和人、人和世界关系的切入点，规范化的社会语言是非常重要的，即按照规则语法一句话一句话地说可以理解世界；当他40多岁之后，他又回到剑桥，他写了一些手稿，后来他的一个女学生安斯康姆给他整理了第二本书叫做《哲学研究》，这本书也不厚，翻译成汉语一两百页，他否定性地继承了第一本书的思想，认为真正了解人类智能最重要的切入点是自然化和生活化的语言，如集贸市场人与人之间无语法的对话等。这两部书就是弱人工智能和强人工智能的哲学基础，第一部书有关逻辑哲学论，第二部书则涉及哲学研究，没有逻辑。真正强人工智能里面肯定不全是逻辑，仅有逻辑，那是自动化，那都是规则化（或者加点调味品-统计概率）的东西，而一些非理性的东西，才是揪人心的东西，才是人类智慧的东西。休谟、莱布尼兹、维特根斯坦这些人才是智能的真正源头。

东方思想这块从《易经》开始，《易》经非常棒，中国只有东方思想，西方是不承认东方有哲学的，东方思想里面少逻辑性的东西，只有结果性的东西。最早是伏羲氏，他看到四季变化就开始写了《易经》，《易经》第二个作者是周文王——文王拘而演周易，文王把社会管理放在《易经》里面，除了自然以外放入了社会化管理，《易经》第三个作者是孔子，他把人与人之间的伦理放入了《易经》里面，《易经》就是这三个人接力综合集成所著。《易经》里面有三个词6个字是人类智慧的核心：第一个词叫“知几”，就是要看到事物发展的苗头、兆头，第二个词是“趣时”，即要及时抓住时机，第三个词是“变通”，即随机应变、因时而变。现在智能产品里面有这些东西吗？什么苗头，什么抓住时机，什么变通，你看看大部分都是自动化。第二本书是老子《道德经》，第一句话可能是智能里面最重要的一句话：“道可道非常道，名可名非常名”，老子的“名”里面涉及到智能里面的第一阶段——输入表征阶段，在西方叫representation，就是表达、表示、表征，一个事物有万种表征，一花一世界，一树一菩提，人能把一个事物表征为很多方面，但在知识图谱里面就非常糟糕，知识图谱的对象、属性、关系都是死的，那是一个标签的世界，什么时候出现活的知识图谱现在还看不到边界，因为现有的表征手段解决不了这个问题。老子《道德经》里面的“道”，包含了算法，算法不是单纯的数学计算方法，也包含了人非逻辑性的算计之法在里面，这是人特有的直觉性的东西，算计里有算有计，可以穿越非家族相似性，计算里有规有矩，很难整合非结构化数据、非线性的算法、非面性的推理、非体性的判断、非系统的决策......

东方最后这两位先生简单介绍一下，金岳霖先生是学西方哲学，做数理逻辑做的很好，是最早把西方逻辑介绍到我国的先驱之一。后面是华罗庚先生，没有华老就没有中国的计算机和中国的人工智能，最早提出跟踪世界新技术做计算机的时候，是由他提出来的。蒋介石当时派华老去美国学先进技术，冯诺依曼做计算机，华老看到计算机计算的能力后就力主中国也要搞，结果蒋介石去台湾了，共产党来了，华老回国后在清华找了几个人，把中科院计算所搞起来了，中国最早的计算机现仍在曲阜师范大学，大家去孔府孔庙的时候可以顺便去看看，机器还健在。大家要追中国计算机和人工智能的根，可以追到华老身上。后来中国社会科学院有一些老先生一直在追踪前苏联和欧美维纳控制论思想，点燃了中国的人工智能之星星之火，后来一些做计算机和自动化的老师们才逐渐开各种会议、成立人工智能方面的团体等等，做学问一定要挖根，找到真正根源才能长大，不然人云亦云，智能的科学起源是什么？智能的哲学起源是什么？技术起源又是什么？不是1956年，1956年是一个表象，AI这个概念据一个朋友考证，不是达特茅斯学院那几个人提出来的，而是英国的一位数学家写信告诉了那个人，那几个人才用了AI，国内现在对此有点乱，还没有学会朔源，只追到最根本的地方才能产生出中国真正的智能，尤其对中国古代非常好的东方思想、大量智慧性的东西，挖掘的远远不够，只看到一些做商品、做系统的，那不是这样的，那是应付性的，那是挣钱的，真正不为了单纯挣钱的时候，中国的人工智能才能够茁壮成长，否则，你会很难做出事来。

  人工智能源自形式逻辑框架，人类智能脉于辩证思维体系，人机融合智能根本在逻辑与非逻辑的思想结合：无论是非，只管正反，不止叠加，还有纠缠。

三、融合

    英国诗人布莱克的诗句说：“在一粒沙中，见到全世界；在一朵野花中，见到天堂；将无垠，握在掌中；见永恒，于一刹那。”科学家已经证明：一粒沙也许不能包含整个宇宙，但是一个人机融合系统却有可能做到。也就是说，从交互信息的角度来讲，我们的世界已经不幸地“沦为”了一种人机环境系统中事实与价值的态势感知图像！

    机器学习的是相对刚性事实，而人学习的不仅是弹性价值，而且是弹性事实与价值的弥聚。在皮亚杰的自主学习理论中，儿童同化的是价值和意义，顺应的是事实和必须，而图式的产生是同化价值与顺应事实的弥散聚合之平衡。

    爱因斯坦在他的相对论中提出空间与时间是不可分割的一个整体，他称为“空间—时间连续体”，这个理论影响了全世界。类比一下，实际上，事实与价值也是不可分割的一个整体，我们不妨称之为“事实—价值连续体”，在正常的生活情境中，许许多多事、物也皆为连续体，表面上看起来每一件事物都是分离的，然而每一件事物都是另一件事物的事实延伸和价值弥聚。

    如同毕德哥拉斯学派认为世界是由数字构成的一样，全息理论说客观物质是不存在的，我们的思维外界是遥远时空的全息投影，我们的世界不是物质的，而是信息的，我们感受到的宇宙其实是外界的信息。世界不是物质的，而是信息的。全息论的核心思想是，世界是一个不可分割的、各部分之间紧密关联的整体，任何一个部分都包含整体的信息。人机环境系统在逐渐形成生态群落的过程中，事实与价值的态势感知、理解、预测之间也变成一个整体，其中的任何一个部分也都包含整体的信息。
    我们不妨将那个更深层的“趋势”称为“隐卷序”，意思就是“隐藏或折叠起来的秩序”，而把我们生存其中的客观“状态”环境称为“显展序”，意思就是“展现开来的秩序”。那么世界中所有事物所呈现的表象，其实就是这两个秩序间不断隐藏和展现的结果。如同你在一张纸上画一个图案，然后把纸折起来，图案就不见了，而展开后，图案又出现了。在人机环境系统中这两种形态都隐藏于认知的整体中，我们不同的观察方式决定了哪一种形态被展现，哪一种形态仍维持隐藏的状态。 态势包括事实和价值两个方面。从事实方面来说感觉是知觉的缩影；从价值方面来说，直觉是逻辑的缩影。我们感觉一切事物都在不断向前发展的，人机环境系统理论告诉我们，与单纯的客观事实时空链不同，在深层次的主观价值世界网络里，人、机和环境都是共同存在于一起的。

    这种事实—价值式的人机环境系统还包含了什么？任由你去想象，因为这是一个开放而无确定答案的问题。但是请你注意：当执着于自己的身体感受、眼睛所见和大脑思考时，那种事实—价值世界的整体感觉常常是体验不到的，所以不要认为自己的眼睛和大脑就是绝对可靠的，事实可能并不是“真”的，真正的事实我们还没有找到，它被隐藏在更深层的事实-价值世界里。古罗马时代的著名哲学家圣·奥古斯丁的一句名言：“奇迹的发生，并不违反大自然的定律，只不过是违反了我们目前所知的大自然。”，这在某种程度上诠释了人机环境系统中事实与价值的深度态势感知论。

    人机环境系统中事实与价值的深度态势感知原理启示人们：人们经历的所有事情，都可以归结为态、势、感、知的变化，归结为态、势、感、知的频率和波动，大脑“翻译”这些波动，对它们进行加工、重建，成为一种立体的现实-虚构融合。这往往让人相信：不可思议也很自然。在这个体系中，个性的智能实际上是一个群体智能的个别组成部分，其实一切都是相互连接的。如果多个分离的智能体在更深的事实-价值层面上是一个互相关联的整体，他们之间的“心/芯有灵犀”，就不需要任何解释。

    智能定义一个概念，可以动态弹性地明确主体是谁、主体目标及其构成、系统涉及哪些要素、这些要素之间两两之间如何相互作用并推动事情沿着时间—空间事实轴和直觉—逻辑价值轴变化，等等。所以，讨论智能之前，要确定定义弥聚这个概念的目的是什么 呢？如此高抽象度的概念弥聚，其内涵和外延的边界必定是模糊的，只有结合具体领域、具体事情和目标，才能完全最终确定下来、并适时增添新的概念外延和调整概念内涵，在此基础上，需要引入新的弥聚弹性技术认知和改进、甚至新的体系化设计。这也是为什么说所有的仿真都是错误的、所有的演习结果都与事实不符的主要原因：有时候，事实与价值的弥聚尺度远远超出了许多家族相似性！人机融合应该是一种非结构性依赖的系统。

    一般而言，对于一个具体的任务态势而言，事物的价值量常常围绕其事实（显著性）量而发生变化，但不是确定性的变化，而是不确定性的弥聚变化，时大时小，弥散聚合富有弹性，这与我们通常生活中的价值观相似，不断同化顺应、修正平衡。就像费曼所说：事物在微小尺度上的行为完全不像大尺度上的行为。有时，变化态势中事物的事实量与价值量不是线性变化的，而是像电影里的镜头一样按照自己的逻辑线索改变，不需要日常的中间时空，既可以无中生有，也可以有中生无。某些特定的态势下事物的事实性与价值性即便相距的再远，也能瞬间互相识别，形成自动模式匹配效应。

四、人与机

    人工智能中的“人”不是真“人”。自主并不代表智能，或者说自主是智能的必要而非充分条件，只有具备了价值观的自主体，才能说它是智能体。所以说，事实性自主仅是自动化，价值性自主才是智能化。

    一部好的作品，是众人创造的结果，比如《平凡的世界》是路遥写的，是李野墨说的，是演员演的，是无数读者/听众想的，是各种媒介传的……；一个好的智能产品或系统，也是众人创造的结果，比如“阿尔法狗”或“阿尔法元”是Deep Mind开发的，是前人棋谱训练出的，是群众想象出的，是各种媒介传的……

    有人说：“感性是复杂的模式模糊计算，是最节能与最高效的平衡”。其实不然，感性智能不是计算，而是加了算计的计算计机制，这才是复杂的模式模糊计算计，是最节能与最高效的平衡。计算计机制时常在不一定了解发生事情的确切过程时能给出一个满意的答案，尽管这些过程是不透明的，而且很难清晰的证明可以做什么，不可以做什么。对感性智能而言，规则是可以被修正的，如果它产生了我们不愿意接受的推理；推理可以被拒斥的，如果它违反了我们不愿意修改的规则。事实转换为价值的过程就是在规则与被接受的推理之间进行相互调整的一种微妙的过程；最终确定的价值就存在于他我或自我达成的协议中。也许，真的不能用人工智能的基本规律去解释人类智能的规律。

    连接时间与空间的是速度，连接能量与质量的也是速度，那么连接事实与价值的会是什么呢？即用什么指标来衡量值不值得做某件事的问题。这也许是连接真实与虚拟、现实与虚构、结构与功能等平行世界的问题吧！

    近来，美陆军未来司令部网络跨职能小组与指挥、控制和通信-战术计划执行官（PEO C3T）共同举办“联合全域指挥控制”（JADC2）会议，与联合参谋部、国防部首席信息办公室、陆军、空军、海军及海军陆战队的代表共同探讨JADC2概念下的技术、资源和实验等方面的协同工作。

    美国防部将JADC2定义为“利用所有作战域的能力做出决策的艺术与科学以及将这些决策迅速转化为行动的能力，以与任务合作伙伴在竞争和冲突中获得作战优势。”其应用包括通过指挥控制（C2）网络将所有作战域的传感器（如飞机、雷达、士兵可穿戴设备）与武器系统联系起来，为所有作战力量提供支持。在JADC2概念下，传感器和武器的所有数据都可通过联合网络访问。

    也许，未来的指控体系中应该同时成立智能辅助决策的两个组，一个是负责事实的计算组，一个是掌管价值的算计组，两者联合起来才能真正实现指挥控制系统恰如其分的计算计（机计算+人算计）功能吧！

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。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挣钱、消费和智商、情商的正常使用。

五、算法的秘密

1. 算法中的算，包括计算和算计两部分
1.1 计算是逻辑的，而逻辑就是推理
1.1.1 推理是有规则的。
1.1.2 规则一般不会变化，但变化却是一种规则。
1.1.3 规则是产生式的，属于自动化范畴。
1.1.4 自动化的本质就是计算的逻辑规则推理，包括与或非及其各种组合。
1.1.5 人工智能的物理基础就是数字化与或非逻辑及其各种组合计算（尽管也会涉及到一些非线性统计概率计算）。
1.1.6 人工智能是自动化领域的一部分。
1.2 算计是非逻辑的，而非逻辑不是推理
1.2.1非逻辑不按推理程序进行。
1.2.2 算计穿透着各个推理领域的部分。
1.2.3 这种启发式跨域的能力与感性有关。
1.2.4 感性是生产式的，属于智能化范畴。
1.2.5 智能化的核心就是算计的非逻辑非规则跨域性感知，包括与或非及其各种组合及其之外的洞察。
1.2.6 自动化是智能化领域的一部分。
2. 算法中的法，是算计的算计
2.1 法中包括具身性和反身性
2.1.1 具身性使用耦合和涌现等概念解释认知过程，而不必要假设一个“表征”的概念。
2.1.2 反身性即认识可以产生认识，行为可以生产行为。
2.1.3 画里的留白、话外的留白都是法，其它部分是算。
2.2 法不是计算
2.2.1 法不是计算的法则，是算计的法则。
2.2.2 计算的法则有情境，算计的法则无情境。
2.2.3 人工智能有封闭性，智能没有封闭性。
2.3 算法中法大于算
2.3.1 法不是事实，而是价值。
2.3.2 事实适用于推算，价值适合觉察。
2.3.3 法可以反事实推理，也可以反价值推理，还可以跨域（非）推理。
2.3.4 算在下，自下而上，产生式，有理有据。
2.3.5 法在上，自上而下，启发式，通情达理。
2.3.6 法能看到远处，算能看到近处。
2.3.7 人擅长法，机优于算。
3. “计算计”与深度态势感知
3.1 计算+算计生成“计算计”
3.1.1 计算用“是”，算计用“应”。
3.1.2 计算有源，算计无本。
3.1.3  计算是科学，算计为艺术。
3.1.4 计算计就是深度态势感知。
3.2 深度态势感知即洞察
3.2.1 态是计算，势是算计，感是映射，知是联系。
3.2.2 态势感知就是用确定性计算计非确定性。
3.2.3 深度态势感知就是计算计事实、价值、责任。
3.2.4 计算一定要情境、场景、态势化，算计则可以非情境、非场景、非态势化。
3.2.5 计算计过程中会衍生出自主机制，一种在计算与算计之间的恰当切换。
3.2.6 计算计可以交易、变易、不易、简易，也可以同化、顺应、平衡。

4.“ 计算计”不是科学问题，而是复杂性问题

    自动化是确定性的输入，可编程的处理，确定性的输出；人工智能是部分确定性的输入，可编程的处理，部分确定性的输出；智能是不确定性的输入，不可编程的处理，不确定性的输出；人工智能（含自动化）与智能的区别是：一个是功能一个是能力。很多人期望的是能力，而不是功能，即通过人工智能功能手段实现智能能力目的，这就是理想与现实的矛盾之所在，同时也是人们失望之所在：把功能看成了能力。功能，指事物或方法所发挥的有利作用，非生命体的非主动效能，如锤子、汽车、机器人等的功能。能力，是完成一项目标或者任务所体现出来的主动性综合素质，也是生命物体对自然探索、认知、改造水平的度量，如人的某方面能力、动植物的生殖能力等。

六、自主的概念

自主，Autonomy，源自古希腊语，(AncientGreek: αὐτονομία autonomia from αὐτόνομος autonomos from αὐτο-auto- "self" and νόμος nomos, "law", hence when combinedunderstood to mean "one who gives oneself one's own law")意思是“赋予自己法律的人”，是道德、政治和生物伦理哲学中的一个概念。在这些情况下，理性的个人有能力做出一个知情的，非强迫性的决定。

  在社会学领域，关于自主边界的争论一直停留在相对自主的概念上，直到在科学技术研究中创造和发展了自主的分类。它认为，当代科学存在的自主形式是反身自主：科学领域内的行动者和结构能够翻译或反映社会和政治领域提出的不同主题，并影响他们对研究项目的主题选择。

哲学家伊恩·金在如何做出正确的决定和始终保持正确的态度方面，提出了一个“自主原则”，他将其定义为“让人们自己选择，除非我们比他们更了解他们的利益。”

  瑞士哲学家让·皮亚杰（Jean Piaget，1896-1980）通过分析儿童在游戏过程中的认知发展，并通过访谈，确定（除其他原则外）儿童道德成熟过程分为两个阶段，第一阶段为他律性阶段，第二阶段为自主性阶段：

他律推理：规则是客观和不变的。它们必须是文字的，因为权威对其排序，并且不适合异常或讨论。这一规则的基础是上级（父母、成年人、国家）的权威，在任何情况下都不应给出实施或履行规则的理由。             

  自主推理：规则是协议的产物，因此可以修改。它们可以被解释，适合例外和反对。这一规则的基础是其本身的接受，其含义必须加以解释。制裁必须与缺席相称，假定有时犯罪行为可以不受惩罚，因此，如果集体惩罚不是有罪的，则是不可接受的。这种情况不能惩罚罪犯。

  在医学领域，尊重病人的个人自主权被认为是医学中许多基本伦理原则之一。自主性可以定义为一个人做出自己决定的能力。这种对自主的信念是知情同意和共同决策概念的核心前提。知情同意的七个要素包括阈值要素（能力和自愿）、信息要素（披露、建议，以及理解）和同意要素（决定和授权）。

  自主有许多不同的定义，其中许多将个人置于社会环境中。如关系自主，这意味着一个人是通过与他人的关系来定义的；以及“支持自主”，这意味着在特定情况下，可能有必要在短期内暂时损害该人的自主性，以便在长期内保持其自主性。

  在机器人领域，自主或自主行为是一个有争议的术语，指的是无人系统（如无人驾驶汽车），因为人们对没有外部命令而行动的事物是通过其自身的决策能力还是通过预先编程的决策方法来进行决策缺乏了解。这是一种难以衡量的抽象品质。从某种意义上讲，机器的自主只是一种类比，并且该类比不包括人类社会的伦理道德，而自动则意味着系统将完全按照程序运行，它别无选择。自主是指一个系统可以选择不受外界影响，即一个自主系统具有自由意志。真正的自主性系统能够在没有人类内部指导的情况下完成复杂的任务。这样一个系统可以说进一步自动化了整个过程的其他部分，使整个“系统”变得更大，包括更多的设备，这些设备可以相互通信，而不涉及人员及其通信。

  在数学分析中，如果一个常微分方程与时间无关，则称其为自主方程；在语言学中，自主语言是一种独立于其他语言的语言，例如有标准、语法、词典或文献等；在机器人学中，“自主意味着控制的独立性。这个特性意味着自主性是两个智能体之间关系的一个属性，在机器人技术中，是设计者和自主机器人之间关系的一个属性。根据Rolf Pfeifer的说法，自给自足、位置性、学习或发展以及进化增加了智能体人的自主程度；在空间飞行任务中，自主也可以指在没有地面控制器控制的情况下执行的载人飞行任务；在社会心理学中，自主性是一种人格特质，其特点是注重个人成就的独立性和对独处的偏好，常被贴上与社会取向相反的标签。

  自主也有定义为：一种由内而外的，不待外力推动而行动，能够造成有利局面，使事情按照自己的意图进行。有人更简单地定义自主为：自以为是、自作主张。

  传统意义上将自动化定义为：“设备或系统在没有或较少人工参与的情况下，完成特定操作实现预期目标的过程。”，广义的自动化概念包涵用于执行逻辑步骤和实际操作的软件及其他应用过程。

  自主系统是指可应对非程序化或非预设态势，具有一定自我管理和自我引导能力的系统。相比自动化设备与系统，自主性设备和自主系统能够应对更多样的环境，完成更广泛的操作和控制，具有更广阔的应用潜力。一般来说，自主化是指应用传感器和复杂软件，使设备或系统在较长时间内无需通信或只需有限通信，无需其他外部干预就能够独立完成任务，能够在未知环境中自动进行系统调节，保持性能优良的过程。自主化可以被看作是自动化的外延，是智能化和更高能力的自动化。

目前，大部分无人机、无人车、无人艇都需要人力遥控，其自主化水平相对较低。未来，这些远程控制装备可能会包含更多自主性功能，既可通过遥控进行操作，也有可能是半自主化或全自主化（实际上是某种程度上的半自主化）。未来，自主化是控制领域的最终归宿。但在很长一段时间内，随着自主系统发展，包括指挥控制与协调行动在内的绝大多数任务仍需要与人员协作完成。人机融合智能是相对性与绝对性的统一。

七、数学的不美之处

根据过去数据计算现在和未来是数学常用的手段，根据未来期望算计现在和过去才是人智的方法。

意大利哲学家克罗齐在其名著《美学原理》一书的开头就曾写道：“知识有两种形式：不是直觉的，就是逻辑的；不是从想象得来的，就是从理智得来的；不是关于个体的，就是关于共相的；不是关于诸多个别事物的，就是关于它们中间关系的；总之，知识所产生的不是意象，就是概念。”

 《数学之美》这本书最大的价值，是告诉我们，数学是以什么方式定义了我们的世界，数学思维的魅力究竟在哪里。你可以不懂那么多复杂的公式，但如果你理解了数学背后的思维方式，有了感知和理解这个世界的能力，就会进入一个新境界。

  《人机研究》（正在撰写中）一书想告诉我们的是，世界并不像毕达哥拉斯和伽利略所说的那样：“万物皆数”和“数学是描述宇宙的语言”，其实，在数和数学之外还有更广阔的世界！

  最早把数的概念提到突出地位的是毕达哥拉斯学派。他们很重视数学，企图用数来解释一切。宣称数是宇宙万物的本原，研究数学的目的并不在于使用而是为了探索自然的奥秘。他们从五个苹果、五个手指等事物中抽象出了五这个数。这在今天看来很平常的事，但在当时的哲学和实用数学界，这算是一个巨大的进步。在实用数学方面，它使得算术成为可能。在哲学方面，这个发现促使人们相信数是构成实物世界的基础。他同时任意地把非物质的、抽象的数夸大为宇宙的本原，认为“万物皆数”，“数是万物的本质”，是“存在由之构成的原则”，而整个宇宙是数及其关系的和谐的体系。毕达哥拉斯将数神秘化，说数是众神之母，是普遍的始原，是自然界中对立性和否定性的原则。

  毕达哥拉斯定理提出后，其学派中的一个成员希帕索斯考虑了一个问题：边长为1的正方形其对角线长度是多少呢？他发现这一长度既不能用整数，也不能用分数表示，而只能用一个新数来表示。希帕索斯的发现导致了数学史上第一个无理数√2的诞生。

  这个小小√2的出现，却在当时的数学界掀起了一场巨大风暴。它直接动摇了毕达哥拉斯学派的数学信仰，使毕达哥拉斯学派为之大为恐慌。实际上，这一伟大发现不但是对毕达哥拉斯学派的致命打击。对于当时所有古希腊人的观念这都是一个极大的冲击。希帕索斯后被毕达哥拉斯投海溺毙。

  这一结论的悖论性表现在它与常识的冲突上：任何量，在任何精确度的范围内都可以表示成有理数。这在希腊当时是人们普遍接受的信仰！可是为当时的经验所确信的，完全符合常识的论断居然被小小的√2的存在而推翻了！这应该是多么违反常识，多么荒谬的事！它简直把以前所知道的事情根本推翻了。更糟糕的是，面对这一荒谬人们竟然毫无办法。这就在当时直接导致了人们认识上的危机，从而导致了西方数学史上一场大的风波，史称“第一次数学危机”。

  事实求是地说，当前人工智能领域的根源就是数学，无论是符号主义、联行结主义还是行为主义、机制主义，离开了基于规则和统计的数学体系，人工智能的大厦顷刻间就会老老实实地恢复成成自动化，甚至是机械化、木牛流马化，为什么？原因很简单，有机无人，或者说，有智无慧。

  帕斯卡尔在《人是一根能思想的苇草》里说：“思想形成人的伟大。”。能思想的苇草，即我不是求之于空间，而是求之于自己的思想的规定。我占有多少土地都不会有用；由于空间，宇宙便囊括了我并吞没了我，有如一个质点；由于思想，我却囊括了宇宙。 

  依照目前的数学体系，在可见的未来，机器应该不会产生出“思想”，更不会伟大到可以“描述宇宙”，原因中姑且不再谈“哥德尔不完全性定理第一、二定理”，就是特定情境中状态参数的设置和表征、非公理的逻辑矛盾、直觉反思的不确定性就让当代的数学现形不少了，而那些真以为和假以为数学能够包打天下的学者可以抽空静下来，停止吆喝，问问自己在家能不能不靠父母，在外能不能不靠数学，仓廪实而知礼节呢？！

数学很美！但数学也像其它学科一样也有不美的地方，这个应该承认，就是科学也有许许多多不美之处，AI更是如此：不要象当年的神学一样从鼎盛走向衰亡，......

八、“忠诚僚机”不应该“忠诚”

2015年，空军研究实验室（AFRL）正式启动了“忠诚僚机”的概念研究，发布了需求公告。该公告要求应开发自主技术有效增强美空军未来在对抗和拒止环境下的作战行动和能力，此外应能够将有人驾驶战斗机与具备自主作战能力的无人机实现有效集成，完成协同作战，提高作战效能。该公告同时指出无人机应尽可能携带更多数量的武器，充当F-35的弹药库，能够对空中和地面目标实施打击。

只讲规矩，仅得方圆；只讲方圆，仅得眼前。一直怀疑人工智能，尽管它的确改变了一些任务状态（下棋、打扑克）！不是怀疑它的功能，而是怀疑它的能力！智能是极致简单性和超越性，但缺乏现代逻辑的极致严密性和精确性，单纯用形式化逻辑去描述、理解世界会犯很多错误，可是无论东西，偏偏就有许多以此为生的孜孜不倦地让别人相信、让自己相信：AI能搞定什么什么......那么真实的情境应该是什么呢？任何一个工具（包括AI和自动化）如果不与人、（任务）环境融合，就会是某种类似阿尔法狗似的大广告，热闹一时可以，但不可能太久！在所有研究智能的机构里，也许最客观、最老实的就是“自动化”院/所/系吧！智能和智慧根本而言，是人在生产、生活的实践环境中通过不断交互、交流而形成的一种事物，它远远超出了数学的范畴，是常道和非常道、常名和非常名的混杂融合体，想用规则和概率就能搞定这些既复又杂的事物，无异于缘木求鱼、狼则罹之、刻舟求剑、盲人摸象、掩耳盗铃。

事实上，到目前为止，“人工智能数学模型的无条件安全性是可以用数学证明的”命题的真实性也一直有争议的，只需查查有关人工智能安全性证明的论文就一清二楚了。退一万步（不考虑完备性与否），即使人工智能的抽象数学模型将来被证明是无条件安全的，也不能证明人工智能真实的物理过程是无条件绝对安全的，因为数学模型不等于真实的物理、心理过程。无论数学模型做得多完美，它只可能是真实世界部分的和近似的反映，对模型的任何分析和证明只能是真实世界特性的近似结果。

人类的学习是全方位的学习，不同角度的学习，一个事物可以变成多个事物，一个关系可以变成多个关系，一个事实不但可以变成多个事实，甚至还可以变成多个价值，更有趣的是，有时，人的学习还可以多个不同的事物变成一类事物，多个不同的关系可以变成一个关系，多个事实可以变成一个事实，甚至还可以变成一个价值。而机器学习本质上是人（一个或某些人）的认知显性化，严格意义上，是一种“自以为”“是”，即人们常常只能认出自己习惯或熟悉的事物，所以，这个或这群人的局限和狭隘也就在不自觉中融进了模型和程序中，因而，这种一多变换机制往往一开始就是先天不足。当然，机器学习也并不是一无是处，虽然做智能不行，但用来做计算机或自动化方向的应用应该还是不错的！

“忠诚僚机”不应该“忠诚”，只有不“忠诚”的僚机才可能是真正的智能僚机和可信赖的僚机吧！

九、尾声

霍金教授在《大设计》一书中写道：“真实世界就像地图，山川图、气象图、建筑图等等叠加才无限趋近真实，单独看任何一张都只代表局部的真实。个人站在自己的观测点上，看到的是局部真实，观测点越高，越能看到更多真实。我们要做的是把试图改变他人局部的力气收回来，尊重对方的局部真实，不要求他人的认同，因为地图和地图的重合点其实是很少的，同时努力提高自己的观测点，去看到更多的真实。”。据此，我们能否建立一个人实时建模（处理信息和知识）+机器旧时建模（处理数据）结合在一起的动态人机融合学习模型呢？进而用人的情境意识和机器的态势感知融合把事实与价值统一起来，铸造出感它、知异这把利剑并搭起聚态、弥势这座桥梁。