西方理解智能（包括AI）一个最大的角度是物理，把智能的本质看成是物理规律，并结合数理方法去处理这些物理化了的智能体，尽管其中也有生理、心理等学科的浸入，其认识论的主轴主线依然是物理规律结合数理方法，很容易用解析还原的观点看智能。

英国学者凯瑞·布朗在新书《欧洲人眼中的中国》里写道，“对21世纪的人们来说，了解和接触中国已越来越成为一种刚需”。

东方（可以细化为中华文明）理解智能则不同，她从不把人当做物理体，更很少用数学工具去分析处理智能领域，而是把智能当成人类生命本身以及与自然、社会环境交互而产生的事物，智能不是一条条抽象的定理、公式和数据，更是活生生的交互、认知和知行，比较倾向于用系统体系的眼光看智能。

如果说西方式研究的是人工智能，那么东方更擅长研究的是人的智能及系统的智能。这两者都有优缺点，可以在各自没有彻底搞明白之前，尝试把两种智能的优点融合在一起，形成一种人机环境系统的智能体系。由于物理数理侧重客观事实性的逻辑推理，人理事理倾向主观价值性的直觉判断，可以简称人机环境系统智能为计算-算计（计算计）混合的智能。

相对于事实being的客观而言，价值should常常是一种前后主观的差值、比值，而信任是联系两者的桥梁，具体而言，更像是一种二者在特定时空环境下的测试与评价，图灵测试就是其中之一：主观认为符合一定客观事实的比例就通过了智能测试。殊不知，这是对智能测试与评价的误解、误导。

真实智能的测试指标具有非先进性，犹如小孩子的智能指标一样，不一定高，但具有成长性。目前人工智能的测试与评价指标都很好，以彰显其优秀的智能程度，实际上，这里面就有拔苗助长、好大喜功、不懂智能的因素存在，没有成长性的高指标常常是机械弱智的表现，何谈衡量智能的高低？！好的智能测试与评价指标应该是具有很强的自我优化成长性。

不同的联结会让事物的属性或关系发生变化。真实智能或人工智能的测试与评价应在智能成分增减的变化率上，而不是人为设定的固定智能指标体系或比率上。所以，图灵测试有不小的问题……​英国剧作家汤姆·斯塔帕德（Tom Stoppard）说：“活在这个年代是最好的，你自以为懂得的一切，几乎都是错的。”，因为：“每一个出口都是另一出的入口。”。