最近几天，美国联合人工智能中心（JAIC）发布了《人工智能技术指南》，该文件由JAIC战略与通信主管Greg Allen撰写，解释了人工智能概念，为国防部高级官员提供决策支持，以避免在不了解人工智能工作原理和功能的情况下做出有关人工智能实施的决策。其中的两幅图对AI中机器学习和人的手动知识系统做了较好的解析和对比：

图1 机器学习性能发展的关键要素

图2 两种人工智能系统数据处理过程

    在指南中，Allen告诫有关部门不能盲目追求人工智能，应该针对需要提高的性能和生产力制定特定的指标。仅开发高性能人工智能模型不能提高组织生产力，该模型必须集成到运行技术系统、组织流程和员工工作流程中。现有流程基本上都需要进行更改才能够充分利用人工智能模型的能力。在不修改流程的情况下直接引入人工智能技术无法发挥人工智能的所有潜能。Allen认为传统的项目管理方式仍然适用。许多人工智能项目的失败不是由于技术的原因，而是因为没有设定正确的期望值、无法与旧系统集成或未培训操作人员。

简评：

    简而言之，该《指南》的核心是说：人智与AI的失调匹配是导致目前人工智能应用领域弱智的主要原因。人可以身在曹营心在汉，是非、01同在：既是又不是，叠加态。危机管理呢？常常是叠加势：危险与机会共生，危中有机，机中有危，两者纠缠在一起，如何因势利导、顺势而为，则是人机融合智能中深度态势感知的关键。

   另外，2020年5月13日，美国“勇士专家”网站发布了一篇克里斯·奥斯本撰写的题为《人工智能与未来战争——存在极限吗？》的文章，介绍了美国陆军技术部门研究人工智能在未来战争中的应用的情况，其中，美陆军未来司令部司令约翰·默里上将和陆军其他技术领导人强调“人类”必须最终作出重要决定并掌控“指挥和控制”系统，同时还明确指出快速演化的人工智能武器系统应用可以让陆军指挥人员“率先看到、率先作出决定、率先采取行动”，当然由此能够更快地摧毁敌人。（人工智能的数据处理能力会让人类的决策速度呈现指数级的提高，即提速OODA环。）

简评：

   人工智能在对抗博弈中起重要作用需要几个条件：首先是找到数学定量计算就能解决的部分，其次与人融合过程中使该AI部分找到适当的时机、方式和作用，最后，人做对的事，AI“把事情做对”。

   仔细想想，任何事物都不会无中生有，凡事都有苗头和兆头，人机融合就是能够及时（恰如其分）地捕捉到这些零零碎碎的迹象和蛛丝马迹，太快太慢都不好，“率先看到、率先作出决定、率先采取行动”，不一定由此能够更快地摧毁敌人。有时，慢一点未必不是一个好的选择，太快了也许更容易上当受骗吧！

数学不是逻辑

​    数学（mathematics或maths，其英文来自希腊语，“máthēma”；经常被缩写为“math”），是研究数量、结构、变化、空间以及信息等概念的一门学科，从某种角度看属于形式科学的一种。数学家和哲学家对数学的确切范围和定义有一系列的看法。

    而在人类历史发展和社会生活中，数学也发挥着不可替代的作用，也是学习和研究现代科学技术必不可少的基本工具。

    逻辑（logic）源自古典希腊语（logos），最初的意思是“词语”或“言语”，（引申出意思“思维”或“推理”），指的是思维的规律和规则。

    狭义上逻辑既指思维的规律，也指研究思维规律的学科即逻辑学。广义上逻辑泛指规律，包括思维规律和客观规律。

    逻辑包括形式逻辑与辩证逻辑，形式逻辑包括归纳逻辑与演绎逻辑，辩证逻辑包括矛盾逻辑与对称逻辑。对称逻辑是人的整体思维（包括抽象思维与具象思维）的逻辑。

有人说：数学=逻辑+公理

数学逻辑专注在将数学置于一坚固的公理架构上，并研究此一架构的成果。