两个价值观不同的人往往很难相互学习，如蜀之鄙的二僧。

人类的学习能够产生范围不确定的隐性的知识、规则和秩序，尤其对于儿童的学习而言，更是在于多域多源多角度多颗粒度的小数据融合，如除了看到一个苹果🍎的大小、形状、颜色以外，还可以通过触觉摸拿苹果、通过嗅觉去闻苹果、通过味觉去品尝苹果，并可以有限的几次眼耳鼻舌身与梨子、李子、桃子、杏子、香蕉、栗子等等相比较类比定式识别，比几十万、几百万张照片学习要准确、有效的多……可惜的是，随着人们年龄和功利性阅历的增加，人类这种通过多模态联觉、自主小数据、无限泛化学习的能力日渐衰退，许多“有识”或有意或无意地沦落成了风尘。

机器学习，严格意义上说不是学习（与人类的学习相差十万八千里），是基于数学规则模型或统计概率模型或数据仿真处理的计算与推理，是建立在数、图、集合基础上的逻辑拓扑系统。对于非结构化、非模块化、非层次化的真实世界，其避错、查错、容错、改错的能力微乎其微。

简单的说，人类的学习是主客观融合的算计产物，而机器的学习是人类建立在公理基础之上的逻辑理性计算体系。两者本质上是异质性，在封闭环境中的棋牌类中或许有一些交流、借鉴、参考，但在辽阔的开放跨域环境下确是很难相互学习、理解、预测。究其因，计算的起点是人而不是计算的原则，也就是说，计算思维是人的思维，而不是计算机的思维。计算仅是客观时空being里的功能，而算计是主客观should中的能力。计算状态描述了“这是什么”，算计趋势说明了“事物如何改变”一般而言，智能是指智力和能力的总称。在《荀子》中有这样的表述：知有所合，谓之智；能有所合，谓之能。即人的认识能力与外界事物相符合叫作 “智”，人的行动能力与外界事物相符合叫作 “能”。

计算的基础是：A is A；

算计的基础是：A should be X。

计算基于数理，算计基于杂理。

换个角度看，也可以这样：

计算的基础是：A = A；

算计的基础是：A = X。

机器的计算态势感知与人类的算计态势感知，其主要区别是：大时空尺度中捕捉信号、信息，运用经验、知识，组合分析、判断的能力。人类态、势、感、知中的数据、信息、知识在交互中常常不仅是在物理系统与物理系统之间进行映射、反射，还往往在物理系统与非物理系统、非物理系统与非物理系统之间进行数据/非数据、信息与非信息、知识与非知识的映射、反射，更有甚者，使之进行互射，并且这种相互的映射、反射可以改变定义域中原象与值域中象的性质，有点像威廉·布莱克的诗来描述：“一沙一世界，一花一天堂。无限掌中置，刹那成永恒。”

逻辑正确不一定认知正确，机器客观真假与人类主观是非不同，比如伦理常常会被科技的进步而不断突破。与目前计算机器底层——布尔代数不同，人机环境中存在着不同颗粒度事实与价值混编的与或非排序关系，有时还可以加入情感、责任、目的、情绪……

平心而论，没有人的参与，数据是不能够形成知识的，同样，在原因和结果之间也不一定要有概念上或逻辑上的联系，智能的漏洞及痛苦也时刻提醒人们：为什么这么多的科学技术进步并没有让人类社会变得更加美好？

总之，智能或人机混合智能之所以很难，主要是涉及到了人类及其社会的主客观混合问题。人类的表征不是打标签、制定规则，而是一边造标签一边破坏性地遵守规则。同时，人类的智能神经网络系统不仅是由大脑中的神经元构成，还有人身其它的神经元、机器神经元和环境中的事、物神经元及其交互构成。​

《蜀鄙二僧》　　

天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。 　　

吾资之昏，不逮人也，吾材之庸，不逮人也；旦旦而学之，久而不怠焉，迄乎成，而亦不知其昏与庸也。吾资之聪，倍人也，吾材之敏，倍人也；屏弃而不用，其与昏与庸无以异也。圣人之道，卒于鲁也传之。然则昏庸聪敏之用，岂有常哉！ 　　

蜀之鄙有二僧，其一贫，其一富。 　　

贫者语于富者曰：“吾欲之南海，何如？” 　　

富者曰：“子何恃而往？” 　　

曰：“吾一瓶一钵足矣。” 　　

富者曰：“吾数年来欲买舟而下，犹未能也。子何持而往！” 　　

越明年，贫者自南海还，以告富者。 　　

富者有惭色。 　　

西蜀之去南海，不知几千里也，僧富者不能至而贫者至蔫。 　　

人之立志，顾不如蜀鄙之僧哉？​

质粼波苍穹，何命不羞？