智能是什么？人具有智能的一部分，而不是全部。

智能是東西方文明一直共同關(guān)注的對象，孟子曰:“是非之心，智也”（《告子上》）；米塞斯說:區(qū)別A與非A即是知識，是非在西方可以用“to be or not to be”來替代，兩者之間的活動——應(yīng)該（should）即是智能。西方人偏哲學(xué)科學(xué)是為了反對迷信（神太多），中國人好歷史倫理是以人為本（人不少），其實智能里這些成分都有。智能里包含了邏輯，同時也存在著大量的非邏輯成分，如直覺、非公理、模糊等因素。智能里不僅存在著邏輯/倫理悖論的對抗，而且還隱藏著邏輯/倫理悖論的妥協(xié)，本質(zhì)上是用多元（一切）的可能性通過一元的現(xiàn)實性不失其意的表征，簡言之，就是把萬千的可能性用唯一的現(xiàn)實性表達(dá)出來，以簡示繁，彌聚有度。

智能是相關(guān)無關(guān)化的應(yīng)該存在，即把表面上無關(guān)（本質(zhì)上存在著千絲萬縷關(guān)系）的事物應(yīng)該相關(guān)在一起去發(fā)現(xiàn)、分析、解決問題的能力。評價智能好壞的指標(biāo)是處理問題的復(fù)雜程度。首要的關(guān)系不是智能和事物的關(guān)系，而是：智能就是事物的關(guān)系，智能把每一物擁入存在并保持在存在里，就此而言，智能本身即是關(guān)聯(lián)，不考慮因果的關(guān)聯(lián)。狹義的智能有時空性（如人工智能），要求在資源有限的情況下適應(yīng)性地處理信息；廣義的智能則沒有時空性（如智慧），用無限的材質(zhì)方法去達(dá)到目的——這種有無時空的跨界也是智能很難被定義的原因之一。

智能是關(guān)系主觀的建構(gòu)，智能同時也是對客觀存在的反映，是一種主客觀融合的產(chǎn)物。所謂對客觀存在的描述實際上就是把人物（機(jī)）環(huán)境系統(tǒng)之間的交互關(guān)系梳理清楚、分析干凈。僅以當(dāng)前的數(shù)學(xué)模型確實很難，有不完備的成分在。從這個意義上說，大家對智能的突破期待，實際上是對嶄新描述方法和手段的渴望。盡管主客觀二元劃分的方法雖然為人類提供了不少解釋世界的便利，但同時也為改造世界設(shè)置了一定的障礙，如何打破之（比如除了主客體之外設(shè)立第三體角度），可能是未來的一個突破方向吧！

當(dāng)前的智能本身就不是單獨的科學(xué)或數(shù)學(xué)或哲學(xué)或人文能解決的一個學(xué)問。比如說數(shù)學(xué)，現(xiàn)在的數(shù)學(xué)可以比較好比較精確描述物理對象，但是比較難描述復(fù)雜過程，尤其是心理、社會、認(rèn)知方面的過程，所以有人用這樣一句話來形容數(shù)學(xué)的局限：“數(shù)學(xué)可以很好地解決問題的精確性，但不容易解決問題的方向性”。未來的智能本身也不是以后的某個學(xué)科單獨能解決的一個學(xué)問。它本質(zhì)是復(fù)雜性問題，需要多領(lǐng)域的不斷地交叉融合。當(dāng)然，通過一些學(xué)科的努力會取得一些進(jìn)步，但這些進(jìn)步也許會造成一些隱形的退步或阻礙，簡而言之——進(jìn)步的退步。

二

“強人工智能”一詞最初是約翰·羅杰斯·希爾勒（John Rogers Searle）針對計算機(jī)和其它信息處理機(jī)器創(chuàng)造的，其定義為：

“強人工智能觀點認(rèn)為計算機(jī)不僅是用來研究人的思維的一種工具；相反，只要運行適當(dāng)?shù)某绦?，計算機(jī)本身就是有思維的。”（J Searle in Minds Brains and Programs. The Behavioral and Brain Sciences, vol. 3, 1980。但事實上，Searle本人根本不相信計算機(jī)能夠像人一樣思考，在這個論文中他不斷想證明這一點。他在這里所提出的定義只是他認(rèn)為的“強人工智能群體”是這么想的，并不是研究強人工智能的人們真正的想法。因此反駁他的人也不少。）

擁有“強人工智能”的機(jī)器不僅是一種工具，而且本身擁有思維。“強人工智能”有真正推理和解決問題的能力，這樣的機(jī)器將被認(rèn)為是有知覺，有自我意識。

強人工智能可以有兩類：

類人的人工智能，即機(jī)器的思考和推理就像人的思維一樣。

非類人的人工智能，即機(jī)器產(chǎn)生了和人完全不一樣的知覺和意識，使用和人完全不一樣的推理方式。

三

約翰·羅杰斯·希爾勒（John Rogers Searle，1932年7月31日出生于美國丹佛），哲學(xué)教授。

他主要研究語言的“目的性”。他不同意“強人工智能”的提法，認(rèn)為感知出現(xiàn)于一個生物整個物理特性，人的意識是有目的性的，而電腦沒有目的性，因此電腦沒有意識。

他發(fā)現(xiàn)了一個目的現(xiàn)象的特性并稱之為“適合方向”。比如某人看到一朵花，他的意識狀態(tài)就適合了外部世界的狀態(tài)。這個過程的適合方向是從意識向世界。但假如他伸手去采這朵花的話，那么他就要使的外部世界的狀態(tài)適合他的意識狀態(tài)。因此這時的適合方向是從世界向意識。他還提出了一個稱為“背景”的技術(shù)概念。這個概念引起了一些哲學(xué)探討。簡而言之“背景”是一個目的性的行動的周圍環(huán)境，其中包括行動者對世界的認(rèn)識以及別人對他的目的的了解和認(rèn)識。

他從理論上證明了一個社會環(huán)境中的集體目的性。提出五個論點：

1、集體目的性的活動是存在的，它與不是個人目的性活動的總和不是一回事。

2、集體目的不能被簡化為個人目的。

3、上述兩個論點有兩個限制：

A、一個社會只是由其個人組成的，一個社會沒有獨立的團(tuán)體意識或團(tuán)體知覺；

B、個人或團(tuán)體的目的性與個人信仰的真實性無關(guān)。

為了滿足這些論點，他發(fā)明了一種描寫集體目的性的方式來將集體目的性與個人目的性聯(lián)系起來，而同時又將兩者區(qū)分開來。其結(jié)果是個人目的性可以構(gòu)成集體目的性。要構(gòu)成一個集體目的性，一個人必須知道別人可以參加他的目的性，因此：

4、集體目的性的前提是對他人作為社會成員的一個背景了解：他人能夠參加集體運動。

將這些論點集中在一起我們獲得：

5、目的性理論加上上述的背景可以解釋集體目的性。

他將他對目的性的分析運用到社會構(gòu)造上。他的興趣在于我們這個世界的一定方面是怎樣成為利用這些方面人共同的目的性的。比如一張五元錢的紙幣只是憑集體目的性才成為一張五元錢的紙幣的[缺乏這個集體目的性，比如在另一個國家（地區(qū)）中，這張紙幣僅是一張印有花紋的紙而已]。只有因為社會中所有的人都認(rèn)為它值五元錢，它才能夠完成它的貿(mào)易作用。這與政府是否支持它的價值無關(guān)（假如大家都不信任它的價值，那么即使政府強制，它依然不會獲得它的價值，這是為什么會出現(xiàn)黑市價的原因）。這樣的社會構(gòu)造充斥著我們的生活。我們使用的語言、我們對我們私有財產(chǎn)的擁有以及我們與其他人之間的關(guān)系都根本地建立在這樣的目的性上。

他對社會構(gòu)造的研究成果與其他不認(rèn)同有這樣的與意識無關(guān)的事實的論點非常不同。他認(rèn)為我們所稱的真理是一種社會構(gòu)造。

四

人機(jī)融合智能不是簡單的人+機(jī)器，而是人*機(jī)器，簡單地說就是充分利用人和機(jī)器的長處形成一種新的智能形式，是各種“有限理性”與“有限感性”相互疊加和往返激蕩的結(jié)果。

人機(jī)融合智能就是由人、機(jī)、環(huán)境系統(tǒng)相互作用而產(chǎn)生的新型智能系統(tǒng)。之所以說它與人的智慧、人工智能不同，具體表現(xiàn)在三個方面: 首先是在智能輸入端，它是把設(shè)備傳感器客觀采集的數(shù)據(jù)與人主觀感知到的信息結(jié)合起來，形成一種新的輸入方式；其次是在智能的數(shù)據(jù)／信息中間處理過程，機(jī)器數(shù)據(jù)計算與人的信息認(rèn)知融合起來，構(gòu)建起一種獨特的理解途徑；最后是在智能輸出端，它把機(jī)器運算結(jié)果與人的價值決策相互匹配，形成概率化與規(guī)則化有機(jī)協(xié)調(diào)的優(yōu)化判斷。人機(jī)融合智能也是一種廣義上的“群體”智能形式，這里的人不僅包括個人還包括眾人，機(jī)不但包括機(jī)器裝備還涉及機(jī)制機(jī)理，除此之外，還關(guān)聯(lián)自然和社會環(huán)境、真實和虛擬環(huán)境等。著重解決上述人機(jī)融合過程中產(chǎn)生的智能問題。比如諸多形式的數(shù)據(jù)/信息表征、各種邏輯/非邏輯推理和混合性的自主優(yōu)化決策等方面。

人機(jī)融合智能研究是智能技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機(jī)器與人、機(jī)器與環(huán)境及人、機(jī)、環(huán)境之間關(guān)系的探索。

人機(jī)融合需要界定角色和責(zé)任，以及制定人機(jī)協(xié)作的規(guī)則，這種功能分配的根源在于如何想辦法把人類的需求、功能及策略轉(zhuǎn)換成機(jī)器感知、能力和執(zhí)行。即如何把人的感知/理解/預(yù)測/反饋與機(jī)器的輸入/處理/輸出/迭代有機(jī)地融合在一起。

五

在人類的歷史長河中，古埃及的象形文字、古巴比倫的楔形文字、古印度河流域的印章文字和中國的甲骨文共同形成了世界四大古文字體系。唯有中國的甲骨文穿越時空，至今仍在使用并且充滿活力。其根本原因在于西漢時期出現(xiàn)了隸書—這一表意性文字，自此，中文文字完成了由表形（圖畫）到表意的驚險一跳，成為世界上唯一一個連綿不斷的文明！智能科學(xué)的核心和關(guān)鍵依舊是何時能夠完成“得意忘形”這一驚險的一跳，目前科技進(jìn)展的種種跡象表明：人的意向性+機(jī)的形式化是實現(xiàn)智能的最高形式——“得意忘形”可能性最大的方式。

人工智能領(lǐng)域的先驅(qū)、貝葉斯網(wǎng)絡(luò)之父Judea Pearl 認(rèn)為AI深陷于概率關(guān)聯(lián)的泥潭，而忽視了因果。Pearl 認(rèn)為研究者應(yīng)該研究因果（Cause and Effect），這可能是實現(xiàn)真正智能的機(jī)器的可能路徑。

目前人機(jī)融合智能系統(tǒng)的本質(zhì)就是：“物是人非”。機(jī)器這個人造物可以處理一定程度的相關(guān)、關(guān)聯(lián)關(guān)系，而人類自己則可以擬合出風(fēng)俗、習(xí)慣關(guān)系甚至更厲害的因果關(guān)系。

Pearl在其新書《The book of why》中闡述機(jī)器不能只有把發(fā)燒和瘧疾聯(lián)系起來的能力，還要有推理「瘧疾引起發(fā)燒」的能力。一旦這種因果框架到位，機(jī)器就有可能提出反事實的問題——詢問在某種干預(yù)下因果關(guān)系將如何變化，允許機(jī)器進(jìn)行概率思維，而人則是有目的的概率思維。

人機(jī)融合需要界定角色和責(zé)任，以及制定人機(jī)協(xié)作的規(guī)則，這種功能分配的根源在于如何想辦法把人類的需求、功能及策略轉(zhuǎn)換成機(jī)器感知、能力和執(zhí)行。即如何把人的感知/理解/預(yù)測/反饋與機(jī)器的輸入/處理/輸出/迭代有機(jī)地融合在一起。

智能化與自動化的主要區(qū)別是在不確定性很大情況下基于各種信息（來自各種問題領(lǐng)域的信息）做出決策的能力，自我學(xué)習(xí)的能力，對“意外情況”和不斷變化的情況的自適應(yīng)能力。自我學(xué)習(xí)和自適應(yīng)能力是系統(tǒng)獨立（沒有外部干預(yù)）完善其內(nèi)置軟件的能力，亦即在出現(xiàn)算法不能做出反。據(jù)此，我們可初步提出下面這個分布式式深度態(tài)勢感知的自適應(yīng)控制系統(tǒng)理論框架:

人機(jī)融合智能=生物智能+非生物智能

=刺激/選擇/反應(yīng)+刺激/反應(yīng)

其中的如何刺激、如何選擇、如何反應(yīng)將是構(gòu)建的難點和熱點。

這種分布式式深度態(tài)勢感知的自適應(yīng)控制系統(tǒng)ACT-DDSA(Adaptive Control of Thought—DDSA)主要包括數(shù)據(jù)庫+（新舊）知識圖譜+任務(wù)要求（各種環(huán)境條件）+態(tài)勢圖譜+人的能力（負(fù)荷狀態(tài)等）+機(jī)的能力（機(jī)器狀態(tài)等）等構(gòu)成。

這個認(rèn)知框架與以前的認(rèn)知框架一個主要區(qū)別是：具有同化與順應(yīng)遷移機(jī)制。關(guān)于遷移，安德森等人提出了“共同要素理論”。這一理論實質(zhì)上是桑代克的相同要素理論在信息加工心理學(xué)中的新版本，它的特點是以產(chǎn)生式規(guī)則取代了相同要素。理解知識如何在領(lǐng)域間遷移關(guān)鍵取決于認(rèn)知任務(wù)分析(檢查一個領(lǐng)域中已獲得的知識結(jié)構(gòu)，并評估對另一領(lǐng)域的應(yīng)用性)。按照“共同要素理論”，兩種技能之間發(fā)生遷移的條件是：它們之間必須共用相同的程序性知識，并且，兩種技能之間的遷移量，可以通過計算它們共用的程序性知識的數(shù)量來作出估計：(1)如果兩種技能共用較多的程序性知識,它們之間將產(chǎn)生顯著的遷移；(2)如果兩種技能共用較少的程序知識，即使它們共用相同的陳述性知識，它們之間也將產(chǎn)生很少的遷移或者沒有遷移。這種遷移可能類似于隨機(jī)函數(shù)（randomized function）定義的映射（mapping），其實具體如何定義，還是次要的，把學(xué)習(xí)僅看成某種單層的映射，才是限制他們的根。如何產(chǎn)生合理的多層映射（包括虛實映射）是關(guān)鍵。

學(xué)習(xí)如何學(xué)習(xí)的機(jī)制至少包括下面三個環(huán)節(jié)：可變的表征+非單調(diào)的推理+融合決策。實事求是地講，人的智能不是鳥，人工智能也不是飛機(jī)，盡管很多人都愛以此做某種類比。現(xiàn)代人工智能技術(shù)經(jīng)過推理、知識、學(xué)習(xí)三個階段進(jìn)入了一個大家都翹首以待的時期，就像一個面對禮物盒充滿遐想的小孩子一般……期望是可以理解的，誰不想在吃飽點后就想吃好點呢？!但這種類人的智能缺乏人的智能特點:可變的表征+非單調(diào)的推理+融合決策（通情達(dá)理），會很難達(dá)到大眾的胃口和期待。人的智能是推理的推理+知識的知識+學(xué)習(xí)的學(xué)習(xí)，還有理解的理解、意識的意識……如果說理解就是看見了聯(lián)系，那得看是誰看的，什么時候看的，在哪里看的，如何看的，怎樣看的聯(lián)系……所以現(xiàn)在的人工智能之工作基本上可看做是編制程序人員+部分領(lǐng)域人員的特定情境下的視角，距離實際要求相差還較遠(yuǎn)。

一位朋友最近讀了一年多后現(xiàn)代發(fā)現(xiàn):國外的哲學(xué)家史學(xué)家都特善長文學(xué)，中國的哲學(xué)家史學(xué)家都在拼命和文學(xué)劃清界限，有點像中國的人工智能學(xué)者們都拼命與哲學(xué)和心理學(xué)劃清界限一般。其實，國外好的大學(xué)不要說人工智能專業(yè)，就是計算機(jī)專業(yè)的課程也常常開設(shè)一些人文、藝術(shù)、歷史、哲學(xué)、心理等方面的課程，人家培養(yǎng)出來的是人，能夠超越一般程序員和機(jī)械數(shù)學(xué)的引領(lǐng)者，咱們卻在辦某種意義上的藍(lán)翔技校。套用一句經(jīng)典語錄: 從一開始就輸在了起跑線上了! 人類認(rèn)知過程常常是通情達(dá)理，通過故事來學(xué)習(xí)的，這方面以各種宗教為甚。而“AI目前是分裂的。首先，一部分人陶醉于機(jī)器學(xué)習(xí)、深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的成功之中。他們不理解因果的觀點，只想繼續(xù)進(jìn)行曲線擬合。但是和在統(tǒng)計學(xué)習(xí)范疇以外研究AI的人們談?wù)撨@些時，他們立刻可以理解。” Pearl講得很深刻，趨勢外推所隱含的歸納思想在休漠和波普爾那里就被證明無法成為萬能的工具。

不難看出，從根本而言，AI還是Being與should問題。什么是正義?這也是人工智能的盲點和命門。正義就是公正的、正當(dāng)?shù)牡览?，?yīng)該should。人自個都不知道什么是義，機(jī)器咋知道呢？古人云：“玉不琢，不成器，人不學(xué)，不知義”，捫心自問一把：玉琢了，就能成器?人學(xué)了，就能知義? 日本高知工科大學(xué)的任向?qū)嵳J(rèn)為，人工智能的下一步發(fā)展，并非決定于諸如能否提高產(chǎn)量或更快捷高效的完成某些任務(wù)等傳統(tǒng)指標(biāo)，而是激發(fā)人類潛能的能力，而是旨在考慮身心健康、創(chuàng)造力、情感、道德觀、自我實現(xiàn)等因素。而人機(jī)融合智能可以做到這些考慮。也許真正的創(chuàng)新之源不在于科技，而在于人的主觀世界（藝術(shù)、文學(xué)、哲學(xué)、宗教、管理）啟發(fā)。圣奧古斯汀曰：汝若不信則不明。說人話是：先信仰后理解! 科學(xué)與宗教莫不如此，而大多數(shù)人都是：先理解后信仰……談到文學(xué)的意義和價值，有人認(rèn)為最重要的是它打開了人的可能性。在生活中，我們總是要去權(quán)衡各方面的選擇，很多時候都被禁錮在一條固定的規(guī)整的道路上，美國詩人羅伯特·弗羅斯特在詩作《未選擇的路》中就有這樣的句子：“一片樹林里分出兩條路，而我選了人跡更少的一條，從此決定了我一生的道路。”，相比之下，科學(xué)方法實質(zhì)上是使用同質(zhì)性假設(shè)來解決反事實問題，這在自然科學(xué)實驗和日常生活中經(jīng)常用到，反事實關(guān)系是一種虛擬蘊含命題，常用產(chǎn)生式if~then,如愛情與婚姻:有可能時沒條件，有條件時沒可能。這種反事實常常會涉及時間穩(wěn)定性和因果關(guān)系短暫性。第一種解決反事實問題的科學(xué)方法是同時假設(shè)：時間穩(wěn)定性，即Yt的值不隨時間變化而變化，和因果關(guān)系穩(wěn)定性，即個體u之前是否受到干預(yù)或控制對Yt的值無影響。第二種解決反事實問題的科學(xué)方法是假設(shè)個體同質(zhì)性，即假設(shè)兩個個體是相同的。然而事實上，這一假設(shè)在很多情況下是不存在的，對于認(rèn)知科學(xué)和社會科學(xué)而言更是如此。

關(guān)系是怎樣產(chǎn)生的？being+should共同使然。人的“自由意志”可以產(chǎn)生出關(guān)系。科學(xué)的懷疑與宗教的相信都建立在一個共同的前提下：贊同看不見的有存在，藝術(shù)也是如此吧！知識即是普遍客觀可靠的，又是個人主觀虛構(gòu)的，既要相信又要懷疑，懷疑是科學(xué)的，相信是宗教的。知識是朝向?qū)嵲诘?，而非?dāng)下符合實在的。當(dāng)未來機(jī)器自己衍生出的理性與人的合理性融合（或反之）之際，會產(chǎn)生出新的智能形式。認(rèn)知科學(xué)家認(rèn)為，我們用于理解現(xiàn)實世界的很多比喻都是基于我們的身體在物理世界中的體驗。人機(jī)融合的本質(zhì)是分布式，有智能的也有非智能的（如情和意）。人關(guān)注的常常是語義語用，而不是單詞和語法，人的學(xué)習(xí)不僅是建構(gòu)，更重要的是還有發(fā)現(xiàn)，不但包括刺激、數(shù)據(jù)、信息、知識，還包括體驗、經(jīng)驗和常識。讀萬卷書常常包括數(shù)據(jù)信息和知識，行萬里路往往涉及刺激體驗經(jīng)驗和常識。再多的知識也游不了泳，再多的理論也騎不了自行車。人的態(tài)勢感知是一種主觀的真實，像電影院里一樣：虛擬的心理+生理的現(xiàn)實。

亞當(dāng)斯密在《國富論》中指出，“分工是文明的起點”。智能領(lǐng)域快速發(fā)展背景下人機(jī)融合智能發(fā)展戰(zhàn)略的基本問題，也是在感知認(rèn)知分工體系中找到和發(fā)揮比較優(yōu)勢。比較優(yōu)勢從來都是一個動態(tài)現(xiàn)象，發(fā)展初期的不利條件隨著發(fā)展階段的變化會逐步變成新的比較優(yōu)勢，這是快速發(fā)展領(lǐng)域中比較普遍的局部發(fā)展現(xiàn)象。如果相對落后部分找到了適合發(fā)揮自己比較優(yōu)勢的交互模式和具備融入結(jié)構(gòu)體系能力的話，這些部分就開始進(jìn)入智能快速增長的軌道。深入分析就會發(fā)現(xiàn)，人機(jī)智能都有自己獨特的發(fā)展模式，其獨特之處在于激勵智能發(fā)展的不同變量做出了極不相同的貢獻(xiàn)，但在本質(zhì)上又有相似之處。

人工智能增長表面的決定因素是數(shù)據(jù)、算法、硬件優(yōu)勢，但是最終起作用的是認(rèn)知和其他學(xué)科的不斷突破。人機(jī)融合智能的特征之一，在于形式化和意向性兩極之間不斷增長的交互關(guān)聯(lián)：一極是復(fù)雜環(huán)境的諸多影響，另一極是復(fù)合適應(yīng)性的因勢變化，見微知著。should就是帶有反事實推理性質(zhì)，不是從后往前反事實，而是從前往后反虛擬的事實，與產(chǎn)生式的if—then（傾向于規(guī)則）不完全相同，更側(cè)重于主觀性的意向。自然語言智能處理中語義中既包含being成分，又包含should成分，而語用則在很多情境下還含有want成分，語法里以being為主，所以語法語義語用的靈活性遞增的同時，客觀性在減弱，而語法是程序形式化的基礎(chǔ)，從而是現(xiàn)有人工智能或自動化產(chǎn)品／系統(tǒng)的基礎(chǔ)，按語法執(zhí)行固然有些意料之外，但根本上仍沒有主觀的should、want出現(xiàn)，于是人機(jī)智能的融合就越發(fā)顯得重要了。

有效的準(zhǔn)則只存在于個人的認(rèn)知行為中。雙重概率，指主觀概率+客觀概率事件被偶然性支配的觀念，以及只有在巧合的基礎(chǔ)上這些事件才能模擬的有序模式，兩者之間是有潛在關(guān)聯(lián)的。檢驗這些巧合發(fā)生的概率并因此而檢驗在多大程度上允許設(shè)想它們發(fā)生。 所謂秩序就是人為合理性而產(chǎn)生的偶然，自然選擇只能解釋為什么不適者沒有生存下來，而不能說明適者或不適者為什么會出現(xiàn)。組織（organ）是能夠獲得一個特定結(jié)果的任何力量的暫時集合。目的就是意向性，形式化就是一種組織，知識可視化的過程就是內(nèi)部的心理知識和外部的物理知識之間的轉(zhuǎn)化過程，概念圖、思維導(dǎo)圖、認(rèn)知地圖、語義網(wǎng)絡(luò)是常用的知識可視化方法。知識可視化一般要考慮三個關(guān)鍵問題：要對什么類型的知識進(jìn)行可視化？為什么要對這些知識進(jìn)行可視化？如何對這些知識進(jìn)行可視化？

分布式認(rèn)知對于技，術(shù)促進(jìn)個體的心智模型的形成和顯性化具有啟發(fā)意義，心智模型是一種隱性知識，把個體的知識結(jié)構(gòu)或知識庫轉(zhuǎn)化為外部表征，有助于知識共享和協(xié)同創(chuàng)新。認(rèn)知任務(wù)的分布式表征研究。認(rèn)知科學(xué)研究早已表明，并非所有的認(rèn)知任務(wù)都適合和都能夠分布出去。在特定的認(rèn)知任務(wù)中，哪些任務(wù)適用于內(nèi)部表征、哪些任務(wù)適用于外部表征，是一項具有實踐意義的研究問題。由于個體差異的存在，描述認(rèn)知任務(wù)的不同表征形態(tài)極為困難。然而，每一種認(rèn)知任務(wù)在其多樣的表征背后都有特定的邏輯結(jié)構(gòu)，認(rèn)知任務(wù)的抽象結(jié)構(gòu)可以作為分布式表征研究的突破口。認(rèn)知任務(wù)的分布式表征，對未來數(shù)字化學(xué)習(xí)資源的設(shè)計將產(chǎn)生重要影響。

人的有意識行為總是指向某個結(jié)果，符合期待的結(jié)果即謂“目的”。“目者人眼，的者靶心”，目的是古人把“瞄準(zhǔn)射中靶心”這一具體事物轉(zhuǎn)化而成的抽象概念。 喬納森（Jonassen） 強調(diào)將技術(shù)作為“學(xué)習(xí)者手里的工具”，相信學(xué)習(xí)者通過技術(shù)工具的使用能夠獲得很好的思維技能，即皮耶（Pea）所說的“智力是實現(xiàn)的（accomplished）而非擁有的（possessed）”。分布式認(rèn)知的前提是孤立情境下個體也能夠認(rèn)知，只是借助工具會提高個體的認(rèn)知效率（如果沒有外部輔助，個體就難以進(jìn)行高效率的認(rèn)知加工）和效果（如果沒有外部輔助，個體就難以達(dá)到理想的認(rèn)知結(jié)果）。外部環(huán)境一般主要承擔(dān)輔助記憶和輔助計算的功能。例如，當(dāng)個體需要搜索某種知識時，可以利用外部知識存儲的載體（如互聯(lián)網(wǎng)、百科全書等）來彌補自己頭腦中知識庫的不足。

六

多重不確定性（知識的+理解的）造成了態(tài)勢感知SA的不確定性。經(jīng)驗是朝向?qū)嵲诘?，即從should ——being，陌生是實在朝向的，即從being——should，自發(fā)是無意識無規(guī)劃的，自覺是有意識有規(guī)劃的。語言是人類之間和其他一些動物之間相互溝通交流的重要手段，目前人機(jī)之間交互溝通的主要還是使用人類的語言，什么時候機(jī)器也能產(chǎn)生自己的語言或人機(jī)之間產(chǎn)生一種能夠相互溝通的語言，真正的革命就出現(xiàn)了……

人機(jī)融合智能的內(nèi)涵是意向性+形式化。從事數(shù)學(xué)證明的最底要求是把數(shù)學(xué)證明的邏輯序列當(dāng)做一個有目的的過程來理解，即彭加勒所言: 使這一證明具有一致性的某種東西。而機(jī)器推理證明則沒有這種一致性的東西，這種東西包含著先驗、經(jīng)驗、后驗，也包含著常識性的前提和條件，更包含著多重非確定性融合出的直覺——非邏輯性的邏輯。 第一人稱往往沒有being，如童年般充滿了should。為人父母，才是真真的童年，主動多于被動……也許人類真正的童年是從為人父母開始的~

想象力是穿透現(xiàn)實的能力，猶如黑暗巷道里的礦燈。初中數(shù)學(xué)的很多定義和概念都是從形如開始的，如根號下a（a>=0），學(xué)習(xí)時為什么要這樣很多人不知道，只知道這是規(guī)定要求，后來慢慢知道：平方根物理意義是一個正方形的邊長；其數(shù)學(xué)意義是對各次方程解能夠定量描述。若把各方程看成數(shù)的關(guān)系，那么這些數(shù)的關(guān)系可以通過正方形（或多邊形，或非歐曲面）的邊長變化組合表征，進(jìn)而說明數(shù)學(xué)與圖學(xué)根本上一致性，數(shù)學(xué)既包括數(shù)也包括圖，可惜現(xiàn)在的人工智能重數(shù)輕圖，得形忘意了！其實，人工智能不但與數(shù)圖等形式化有關(guān)聯(lián)，而且還應(yīng)與非數(shù)非圖的意向性相涉及，智能本來就是關(guān)系（包括復(fù)雜、非復(fù)雜）的梳理、表征、獲得、應(yīng)用，而數(shù)學(xué)只是這種關(guān)系的一部分（甚至是極小的一部分）而已，人工智能又是智能的一笑部分，所以當(dāng)前AI的如火如荼就讓人啼笑皆非了…… 人生就像數(shù)學(xué)，剛開始學(xué)是對的，現(xiàn)在可能就不對了，如平方根下a，初中時，a必須>=0，高中時出現(xiàn)了虛數(shù)，a可以＜0，……世界上沒有絕對的，只有相對，甚至是相對的相對…… 很多關(guān)系是自帶前提和條件的，“我愛你”的前提條件是“你值得我愛”，“你值得我愛”的隱含前提條件是“I 服了 U”，“I 服了 U”的隱含前提條件是“我忘了自己”，即忘我! …… 許多回頭的浪子常常把非家族相似性演繹出未知問題答案的合理性；不少根紅的苗正往往用家族相似性歸納著不明情況趨勢的可靠率。人生=有理化+合理化+數(shù)理化+非理化+道理化+經(jīng)理化+心理化+生理化+物理化+文理化+天理化+……無理化

機(jī)器智能的變是不變的變，人自然智能的變是變化的變。對于變化問題，機(jī)器智能為什么即使變也是不變的變？但問題在于：是對象在變，還是對象的表征在變？機(jī)器智能的對象大都是對象的表征，而不是對象本身。表征可以描述對象如何變，但只能是不變的變。只有把表征做feature placing，place到現(xiàn)實對象那里，對象的變才是變化的變。

真正的發(fā)現(xiàn)不是一種嚴(yán)格符合邏輯的行為，美其名曰：驚險的一跳。啟發(fā)式常常是不可逆的發(fā)現(xiàn)，產(chǎn)生式往往是可重復(fù)的推理和追溯?，F(xiàn)在的智能體系還是產(chǎn)生式的剪枝遍歷，還遠(yuǎn)沒有出現(xiàn)啟發(fā)式的跨域和跳躍，根本原因是沒有出現(xiàn)非邏輯的邏輯——發(fā)現(xiàn)關(guān)系，不是相關(guān)關(guān)系。 深度態(tài)勢感知也包括容易生成第二態(tài)勢感知，即本來第一態(tài)勢感知，第一態(tài)勢變化了，隨機(jī)變化生成新的態(tài)勢感。也意味著極好的調(diào)節(jié)能力。 一個問題就是一種理性的欲望（或叫準(zhǔn)需求）。與其他欲望一樣，它假定了有某種能使它滿足的東西存在——答案。 我們盯著那已知的資料，但不是盯著這些資料本身，而是把它們當(dāng)成通向未知事物的線索，當(dāng)作未知事物的提示和未知事物的構(gòu)成部分。如高斯所言：“我已經(jīng)有了自己的答案很長時間了，但是我卻一直還不知道如何得出這些答案。” 蓋雷：“這個……好吧，我們設(shè)想萬物皆有靈魂，采用擬人化的說法。這束光必須檢查所有可能采取的路徑，計算出每條路徑將花費的時間，從而選出耗時最少的一條。” “要做到你說的這一點，那道光束必須知道它的目的地是哪里。如果目的地是甲點，最快路徑就與到乙點全然不同。”像光一樣，最快，如果沒有一個明確的目的地，‘最快路徑’這種說法就失去了意義。也許這道光束事先必須什么都知道，早在它出發(fā)之前就知道。

七

空間知覺是概念和符號的理解的基礎(chǔ)，概念只有指向了空間中的事或物，才有意義，才被理解。人類的知識論被看做隱含著關(guān)于心靈的本體論。機(jī)器智能的運作機(jī)制可以被認(rèn)為是沒有心靈的人工知識體系。小團(tuán)隊深度態(tài)勢感知就是生理同感，心理同情，物理同理式的有機(jī)協(xié)作 但孤立的猩猩不是猩猩，籃球是我5+敵5+裁判+觀眾+電視的集體項目。

現(xiàn)代物理學(xué)經(jīng)歷了三個階段，每一個階段都在改變著人們對世界的認(rèn)識： 1，相信一種由數(shù)字和幾何圖形構(gòu)成的體系； 2，相信一個由力學(xué)上受到約束的種種質(zhì)量構(gòu)成的體系； 3，相信種種由數(shù)學(xué)恒量構(gòu)成的體系。 第4種尚未閃現(xiàn)，但從趨勢上（如量子）看，應(yīng)該是包含主觀成分的體系。 主觀，簡單地說，就是認(rèn)識所有的文子，但看不懂，猶如看花，就是好看，為什么好看，不知道…… 花兒為什么好看，一是人們習(xí)慣物理上的對稱，形狀顏色大小等，當(dāng)然也有少數(shù)人不喜歡對稱，如一些藝術(shù)家們；二是花有香氣，生理舒服；三是心理可以寄托某種美好的表征……總之，這是一個非函數(shù)最優(yōu)化過程。深度態(tài)勢感知有多層，如臺灣學(xué)者黃炳煌說：打高爾夫球——只要自己打得好即可；打網(wǎng)球——還要留意對方，有來有往；打籃球——還要兼顧團(tuán)隊成員的合作。

如何從機(jī)器學(xué)習(xí)實現(xiàn)學(xué)習(xí)機(jī)器（行為），這是一個質(zhì)的飛躍，如同人類的小孩子一般，除了感知效能之外，還有了認(rèn)知智能：自組織、自適應(yīng)、自主化，而不是它組織、它適應(yīng)、自動化…… 推理放大器，態(tài)勢放大器，態(tài)勢感知放大器，感知放大器 吸引人們注意力的常常是夸張或變形的推理、歸納、演繹，由此我們可以嘗試構(gòu)建一種感知放大器、態(tài)勢放大器，抑或態(tài)勢感知放大器，用以解決吸引眼球的問題，這也是深度態(tài)勢感知的起源~注意力的加強……

形式化的主要作用是把默會因素降低而成為更有限制性和明顯的非形式操作，但要完全消除個性化隱性參與就顯得荒謬了。 限制邏輯思維形式化的最重要定理出自哥德爾。那些定理基于這樣的事實：在任何包括算術(shù)在內(nèi)的演繹體系中，有可能建構(gòu)一個公式即命題，而這個公式或命題在那個體系之內(nèi)是無法通過證明來判定的。 比如，在電影中，經(jīng)常有不連貫的情境（包括時空、劇情、情感）出現(xiàn)，導(dǎo)演把這些離散的鏡頭呈現(xiàn)在你面前，這些鏡頭情境構(gòu)成的電影體系是沒有意義的，而是通過你——這個觀眾的主觀和眼光把這些珠子串成一個有個性化意義的故事。這里，同意的行為再一次被證實在邏輯上是與發(fā)現(xiàn)行為相似的：它們本質(zhì)上都是不可形式化的、直覺性的心靈決定。

自2008年金融危機(jī)以來，曾經(jīng)一度較為邊緣、冷戰(zhàn)結(jié)束后漸被重視的米塞斯突然更受歡迎了。為什么呢？因為這位奧地利學(xué)派經(jīng)濟(jì)學(xué)家主張人的行為是復(fù)雜的，是有自由意志的，因而是難以計算和計劃的。約翰·梅納德·凱恩斯明白這個原則： 在我看來，科學(xué)家通常遵循的那些物質(zhì)規(guī)律特性的基本假設(shè)，就是物質(zhì)界系統(tǒng)必須由個體組成……個體（態(tài)勢）分別施加其獨立恒定的效果，整體狀態(tài)的變化是由許多個體（態(tài)勢）的分別變化疊加而成的，而個體的分別變化又純粹是個體之前狀態(tài)的一個單獨部分導(dǎo)致的。 但是，對不同復(fù)雜程度的整體而言，很可能會有大不一樣的規(guī)律，會有復(fù)合體之間的關(guān)聯(lián)規(guī)律，而這種復(fù)合體之間的關(guān)聯(lián)規(guī)律是不能用連接個體構(gòu)成部分之間的規(guī)律來表述的。 遍歷過程就是老的一套來了又來，它不會因為時間或經(jīng)驗而發(fā)生變化。放在實際場景中來說就是：如果一個過程具有遍歷性，那這個過程的概率分布，過了1000年后，也和現(xiàn)在看上去一模一樣。你可以從這個過程的過去抽樣，得到概率分布，預(yù)測其未來。驅(qū)動物理世界運作的機(jī)械過程具有遍歷性。許多生物過程也是如此。

不久前，法國Grenoble大學(xué)的人工智能研究員Julie Dugdale研究壓力下的人類行為。她說， “在地震中，我們發(fā)現(xiàn)人們會更害怕沒有家人或朋友在身邊，而不是害怕危機(jī)本身。”人們第一件事就是會去尋找他們所愛的人，并且愿意在這個過程中將自身陷入危險。 在火災(zāi)當(dāng)中，也是同樣的情況。

八

若人的智能可分為理智、情智和意智。那么現(xiàn)有的人工智能解決的主要是理智部分；倫理道德宗教面對的常常是情智；意智是那些人文藝術(shù)等創(chuàng)造性意識力衍生出的智能。理智涉及人的經(jīng)驗、規(guī)范和常識知識；情智包括超越、情感、信仰（看不見就相信）認(rèn)識；意智蘊含直覺、非理、想象能力。智能不是非此即彼的數(shù)學(xué)命題，而是可真可假的條件和嘗試，是多個“我”之間的靈活自如的切換、同情、同理和遷移。從幼兒到兒童到青年到成人就是從無智~意智~情智~理智的過程，也即從本能到智能的過程。

不簡而言之，我們不妨可以認(rèn)為：強人工智能遠(yuǎn)在天邊近在眼前，就是人機(jī)融合智能。

來源：動力環(huán)境監(jiān)控 http://qdlanhai.cn/   本文采集于網(wǎng)絡(luò)，如有問題有聯(lián)系刪除