对军事智能而言，传统的深度学习、强化学习两种机器学习形式存在着先天不足。智能往往就是二班的，一班的大都是三好学生，或许智能就是孙悟空—非存在的有，即主体、客体划分之外的混体、动体或变体—主客体或客主体才是更好的划分。自我不如变我，价值是赞同的程度，价值里既有基于事实的部分，也有虚构的部分，还有半虚半实的部分。

智能就是孙悟空—非存在的有，除了数，还有其它学，算计里面包含有一些非计算的成分，是一种有意识的计算，如矛盾、歧义、锚定、贝叶斯、N次锚定+N次贝叶斯…不钻牛角的是计算，侯世达说的“怪圈”，对中国人而言不是，而是计算计（jisuanji)，jisuanji就是随机应变+举一反三+触类旁通+弥聚有度+和而不同+不同而合。过时、刻板、机械的计算快害死了智能，未来的新计算或许能反映智能。

人类学习中的所有难以解释的过程都不是机器能靠逻辑学习领会的，而机器学习作为基石如果无法完整的奠定军事智能的基础，那么再看上去厉害的成果实质上都是脆弱的。有人说：“要在经典计算机上做到偶发，实现真正的人工智能恐怕很难，类脑计算机和量子计算机倒是有很大希望。量子计算机在运行中有相当比例的错误率，这里的错误会是实现计算机普适性的关键，但前提我们要找到驾驭它并进行信息筛选的方法。这将是通往人工智能的必由之路。”实际上，再快的计算也取代不了好的算计。算计基于价值，计算基于事实。好的算计有时也定量，是价值的量。

数据与知识的形成、使用、协同都是主客观混合的过程，人机混合的核心问题也就是主客观如何有效混合的问题，所以单纯使用客观手段很难实现对其根本性的理解、发现。不同的数据结合不同的知识可以产生相同的等价结果，可计算性完成了正向过程，而可解释性需要完成其逆向过程，由于逆向过程的相对无限性（尤其对于当前数学的一义性和不完备性而言），所以事物的发展常常会不可解释的，这也是机器学习不可解释的根本所在。因此，对于人机之间的互学习，目前仍是一个不能实现的问题，究其因，机器学习不能实现人类学习中所能够产生的一系列的隐性知识、规则与秩序。

许多人大都不自觉地使用还原思想去处理系统问题。人机环境系统中最难的是各种混合，如可计算、可算计、可判定、可解释等方面的混合。人机混合系统终究不是一个数学物理问题，但大家却不自觉地都把它当成了一个数学物理问题去解决，这也就是它仍处在研究初级阶段的主要原因：定位错误。各种态势感知也是如此，它们与人的主观性也有密切关系，却常常被人有选择性的忽略掉了。未来的人机环境混合智能系统应该是生物数学物理社会系统。