【摘要】本文首先探討了現(xiàn)有人工智能科技的發(fā)展?fàn)顩r，分析了聯(lián)結(jié)主義、行為主義、符號(hào)主義的缺點(diǎn)和不足，進(jìn)而指出約束智能科學(xué)發(fā)展的瓶頸所在；其次對(duì)智能科學(xué)系統(tǒng)中的數(shù)據(jù)/信息表征、認(rèn)知模型的構(gòu)建優(yōu)缺點(diǎn)進(jìn)行了概況分析；最后指出人機(jī)智能融合系統(tǒng)是未來智能科學(xué)的主要發(fā)展趨勢。

【關(guān)鍵詞】人機(jī) 融合 智能 思考

【中圖分類號(hào)】TP18 【文獻(xiàn)標(biāo)識(shí)碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2017.20.004

《三國演義》第一回即云：“話說天下大勢，分久必合，合久必分?！弊匀豢茖W(xué)中的諸多學(xué)科之大勢也莫不如此。人類經(jīng)歷了數(shù)百年的學(xué)科精分細(xì)化，目前隨著人工智能的快速發(fā)展，許多學(xué)科正在慢慢交叉融合起來。在經(jīng)歷了三次起伏（即上世紀(jì)70年代后期對(duì)數(shù)學(xué)定理證明非萬能的清醒、90年代后期對(duì)專家系統(tǒng)與五代機(jī)的失望、2006年深度學(xué)習(xí)掀起了新一輪的浪潮）之后，人們狂熱的希望逐漸踏實(shí)了很多，目光和注意力也慢慢地從癡迷科幻轉(zhuǎn)移到了一個(gè)嶄新而又富有活力的領(lǐng)域：人機(jī)融合智能領(lǐng)域。

現(xiàn)有人工智能的不足

從歷史上看，人工智能大概分三大門派，一是以模仿大腦皮層神經(jīng)網(wǎng)絡(luò)及神經(jīng)網(wǎng)絡(luò)間的連接機(jī)制與學(xué)習(xí)算法的聯(lián)結(jié)主義（Connectionism），主要表現(xiàn)為深度學(xué)習(xí)方法，即用多隱層的處理結(jié)構(gòu)處理各種大數(shù)據(jù)；二是以模仿人或生物個(gè)體、群體控制行為功能及感知—?jiǎng)幼餍涂刂葡到y(tǒng)的行為主義（Actionism），主要表現(xiàn)為具有獎(jiǎng)懲控制機(jī)制的強(qiáng)化學(xué)習(xí)方法，即通過行為增強(qiáng)或減弱的反饋來實(shí)現(xiàn)輸出規(guī)劃的表征；三是以物理符號(hào)系統(tǒng)（即符號(hào)操作系統(tǒng)）具有產(chǎn)生智能行為的充分必要條件假設(shè)（Newell and Simon， 1976）和有限理性原理為代表的符號(hào)主義（Symbolicism），主要表現(xiàn)為知識(shí)圖譜應(yīng)用體系，即用模擬大腦的邏輯結(jié)構(gòu)來加工處理各種信息和知識(shí)。正是由于這三種人工智能派別的取長補(bǔ)短，再結(jié)合蒙特卡洛算法（兩種隨機(jī)算法中的一種，如果問題要求在有限采樣內(nèi)，必須給出一個(gè)解，但不要求是最優(yōu)解，那就要用蒙特卡羅算法。反之，如果問題要求必須給出最優(yōu)解，但對(duì)采樣沒有限制，那就要用拉斯維加斯算法）使得特定領(lǐng)域的人工智能系統(tǒng)超過人類的智能成為了可能，如IBM的Waston問答系統(tǒng)和Google Deepmind的AlphaGo圍棋系統(tǒng)等。盡管這些人工智能系統(tǒng)取得了驕人的績效，但仍有不少缺陷和不足之處，而且還有可能產(chǎn)生很大的隱患和危險(xiǎn)。

首先分析一下讓人工智能在當(dāng)下火熱燙手的聯(lián)結(jié)主義。當(dāng)前的人工智能之所以高燒不退，其主要的力量源泉是2006年Hinton提出的深度學(xué)習(xí)方法大大提高了圖像識(shí)別、語音識(shí)別等方面的效率，并在無人駕駛、“智慧+”某些產(chǎn)業(yè)中切實(shí)體現(xiàn)出助力作用。然而，任何一種算法都有其不完備性，深度學(xué)習(xí)算法也不例外。該方法的局限性和不足是最好使用在具有可微分（函數(shù)連續(xù)）、強(qiáng)監(jiān)督（樣本數(shù)據(jù)標(biāo)定很好、樣本類別/屬性/評(píng)價(jià)目標(biāo)恒定）學(xué)習(xí)、封閉靜態(tài)系統(tǒng)（干擾少、魯棒性好、不復(fù)雜）任務(wù)下，而對(duì)于不可微分、弱監(jiān)督學(xué)習(xí)（樣本分布偏移大、新類別多、屬性退化嚴(yán)重、目標(biāo)多樣）、開放動(dòng)態(tài)環(huán)境下該方法效果較差，計(jì)算收斂性不好。另外，相對(duì)于其他機(jī)器學(xué)習(xí)方法，使用深度學(xué)習(xí)生成的模型非常難以解釋。這些模型可能有許多層和上千個(gè)節(jié)點(diǎn)；單獨(dú)解釋每一個(gè)是不可能的。數(shù)據(jù)科學(xué)家通過度量它們的預(yù)測結(jié)果來評(píng)估深度學(xué)習(xí)模型，但模型架構(gòu)本身是個(gè)“黑盒”。它有可能會(huì)讓你在不知不覺間失去“發(fā)現(xiàn)錯(cuò)誤”的機(jī)會(huì)。再者，如今的深度學(xué)習(xí)技術(shù)還有另一個(gè)問題，它需要大量的數(shù)據(jù)作為訓(xùn)練基礎(chǔ)，而訓(xùn)練所得的結(jié)果卻難以應(yīng)用到其他問題上。如何在各種現(xiàn)實(shí)情境任務(wù)中恰如其分地解決這些問題，就需要結(jié)合其他的方法取長補(bǔ)短、協(xié)調(diào)配合。

其次，對(duì)于行為主義中的增強(qiáng)學(xué)習(xí)，它的優(yōu)點(diǎn)是能夠根據(jù)交互作用中的得失進(jìn)行學(xué)習(xí)績效的累積，與人類真實(shí)的學(xué)習(xí)機(jī)制相似。該方法最主要的缺點(diǎn)是把人的行為過程看得太過簡單，實(shí)驗(yàn)中往往只是測量簡單的獎(jiǎng)懲反饋過程，有些結(jié)論不能遷移到現(xiàn)實(shí)生活中，所以外部效度不高。還有，行為主義銳意研究可以觀察的行為，但是由于它的主張過于極端，不研究心理的內(nèi)部結(jié)構(gòu)和過程，否定意識(shí)的重要性，進(jìn)而將意識(shí)與行為對(duì)立起來，限制了人工智能的縱深發(fā)展。

最后是符號(hào)主義及其知識(shí)圖譜，符號(hào)主義屬于現(xiàn)代人工智能范疇，基于邏輯推理的智能模擬方法模擬人的智能行為。該方法的實(shí)質(zhì)就是模擬人的大腦抽象邏輯思維，通過研究人類認(rèn)知系統(tǒng)的功能機(jī)理，用某種符號(hào)來描述人類的認(rèn)知過程，并把這種符號(hào)輸入到能處理符號(hào)的計(jì)算機(jī)中，就可以模擬人類的認(rèn)知過程，從而實(shí)現(xiàn)人工智能?？梢园逊?hào)主義的思想簡單歸結(jié)為“認(rèn)知即計(jì)算”。從符號(hào)主義的觀點(diǎn)來看，知識(shí)是信息的一種形式，是構(gòu)成智能的基礎(chǔ)，知識(shí)表示、知識(shí)推理、知識(shí)運(yùn)用是人工智能的核心，知識(shí)可用符號(hào)表示，認(rèn)知就是符號(hào)的處理過程，推理就是采用啟發(fā)式知識(shí)及啟發(fā)式搜索對(duì)問題求解的過程，而推理過程又可以用某種形式化的語言來描述，因而有可能建立起基于知識(shí)的人類智能和機(jī)器智能的同一理論體系。目前知識(shí)圖譜領(lǐng)域面臨的主要挑戰(zhàn)問題包括：1.知識(shí)的自動(dòng)獲?。?.多源知識(shí)的自動(dòng)融合；3.面向知識(shí)的表示學(xué)習(xí)；4.知識(shí)推理與應(yīng)用。符號(hào)主義主張用邏輯方法來建立人工智能的統(tǒng)一理論體系，但卻遇到了“常識(shí)”問題的障礙，以及不確知事物的知識(shí)表示和問題求解等難題，因此，受到其他學(xué)派的批評(píng)與否定。

從上述人工智能三大流派的特點(diǎn)及缺點(diǎn)分析，我們不難看出：人的思維很難在人工智能現(xiàn)有的理論框架中得到解釋。那該如何做才有可能尋找到一條通往智能科學(xué)研究光明前程之路呢？下面我們將針對(duì)這個(gè)問題展開最基礎(chǔ)的思考和討論。

約束智能科學(xué)發(fā)展的瓶頸是什么

人工智能之父圖靈的朋友和老師維特根斯坦在他著名的《邏輯哲學(xué)論》中第一句就寫道：“世界是事實(shí)的總和而非事物的總和”，其中的事實(shí)指的是事物之間的關(guān)涉聯(lián)系——關(guān)系，而事物是指包含的各種屬性，從目前人工智能技術(shù)的發(fā)展態(tài)勢而言，絕大多數(shù)都是在做識(shí)別事物屬性方面的工作，如語音、圖像、位置、速度等，而涉及到事物之間的各種關(guān)系層面的工作還很少，但是已經(jīng)開始做了，如大數(shù)據(jù)挖掘等。在這眼花繚亂的人工智能技術(shù)中，人們常常思考著這樣一個(gè)問題：什么是智能？智能的定義究竟是什么呢？endprint

關(guān)于智能的定義，有人說是非存在的有，有人說是得意忘形，有人說是隨機(jī)應(yīng)變，有人說是魯棒適應(yīng)，有人說……，可能有一百個(gè)專家，就有一百種說法。實(shí)際上現(xiàn)在要形成一個(gè)大家都能接受的定義是不太可能的。但是這并不影響大家對(duì)智能研究中的一些難點(diǎn)、熱點(diǎn)達(dá)成一致看法或共識(shí)。比如信息表征、邏輯推理和自主決策等方面。

一般而言，任何智能都是從數(shù)據(jù)輸入開始的，對(duì)人而言數(shù)據(jù)就是各種刺激（眼耳鼻舌身），對(duì)機(jī)器而言就是各種傳感器采集到的各種數(shù)據(jù)，數(shù)據(jù)是相對(duì)客觀的，而從中提煉出有價(jià)值的數(shù)據(jù)——信息卻是相對(duì)主觀的，信息已經(jīng)開始帶有人的價(jià)值觀、偏好傾向和風(fēng)俗習(xí)慣。人機(jī)處理數(shù)據(jù)最大的差異在于形成信息的表征，機(jī)器中的數(shù)據(jù)常常是結(jié)構(gòu)化歸一量化后的“標(biāo)準(zhǔn)數(shù)據(jù)”，數(shù)據(jù)表征的符號(hào)就是0、1或其他進(jìn)制的數(shù)字；人采集到的數(shù)據(jù)則是各種非結(jié)構(gòu)化、非一致性不同量綱種類的刺激輸入，其表征方式是極其靈活多變的，對(duì)一朵花、一棵樹甚至可以有無限多種表征，正可謂是“一花一世界、一樹一菩提”，而且表征出的信息符號(hào)是由“能指”和“所指”構(gòu)成的，“能指”指具體的物理刺激形象，“所指”指信息所反映的事物的概念及拓?fù)潢P(guān)系。比如，對(duì)于一杯水，機(jī)器可能表征它為高度、寬度、密度、顏色等客觀數(shù)值參數(shù)，而人除此之外，還可以把它表征為熱情、友誼、問候、送客等方面的多維內(nèi)涵外延拓展，這種千差萬別的混合指向變化，機(jī)器無論如何是表征不出、處理不了的，所以，從智能的源頭就可以找到人工智能與人類智能的根本區(qū)別之所在。數(shù)據(jù)的變化與動(dòng)態(tài)映射是感知的瓶頸，人會(huì)期望性的補(bǔ)償或回望性的修正，而機(jī)器就是把過去性（數(shù)據(jù)）當(dāng)成當(dāng)下來處理，若數(shù)據(jù)處于過程中不敏感還好些，若是臨界性數(shù)據(jù)，就常常會(huì)差之毫厘謬以千里了。數(shù)據(jù)、信息、知識(shí)、邏輯本質(zhì)上就是事物之間不同程度的關(guān)系表征，這種表征可以體現(xiàn)在人的記憶和直覺之間，也可以顯示于機(jī)器的存儲(chǔ)與計(jì)算之中。只不過機(jī)器數(shù)據(jù)的單一表征從一開始就異于人的多種刺激融合，這也是機(jī)器不能產(chǎn)生類人意向性的主要原因：缺乏靈活的一多分有（內(nèi)涵外延伸張彌聚有度自如）的表征機(jī)制。

有人認(rèn)為符號(hào)化和對(duì)象化可能是兩個(gè)不同的步驟。一個(gè)對(duì)象可以沒有符號(hào)名字，也可以有多個(gè)符號(hào)名字，一個(gè)符號(hào)可以表示多個(gè)不同對(duì)象。智能的理解要做到符號(hào)到對(duì)象的指向性，沒有做到指向性，只是符號(hào)間關(guān)系的處理，不能算理解。實(shí)際上對(duì)人而言感與知往往是同步的，在形成習(xí)慣風(fēng)俗后，對(duì)象與符號(hào)應(yīng)該也是融合的。

有了數(shù)據(jù)和信息之后，智能的信息處理架構(gòu)就格外的重要，到目前為止，有不少大家提出了一些經(jīng)典的理論或模型，例如在視覺領(lǐng)域，David Marr的三層結(jié)構(gòu)至今仍為許多智能科技工作者所追捧。作為視覺計(jì)算理論的創(chuàng)始人Marr認(rèn)為：神經(jīng)系統(tǒng)所作的信息處理與機(jī)器相似。視覺是一種復(fù)雜的信息處理任務(wù)，目的是要把握對(duì)我們有用的外部世界的各種情況，并把它們表達(dá)出來。這種任務(wù)必須在三個(gè)不同的水平上來理解，這就是：計(jì)算理論、算法、機(jī)制（見表）。

Marr早先提出的一些基本概念在計(jì)算理論這一級(jí)水平上已經(jīng)成為一種幾乎是盡善盡美的理論。這一理論的特征就是它力圖使人的視覺信息處理研究變得越來越嚴(yán)密，從而使它成為一門真正的科學(xué)。

當(dāng)前，在解釋人類認(rèn)知過程工作機(jī)理的理論中，由卡耐基梅隆大學(xué)教授John Robert Anderson提出的ACT-R（Adaptive Control of Thought–Rational， ACT-R）模型被認(rèn)為是非常具有前途的一個(gè)理論。該理論模型認(rèn)為人類的認(rèn)知過程需要四種不同的模塊參與，即目標(biāo)模塊、視覺模塊、動(dòng)作模塊和描述性知識(shí)模塊。每一個(gè)模塊各自獨(dú)立工作，并且由一個(gè)中央產(chǎn)生系統(tǒng)協(xié)調(diào)。ACT-R的核心是描述性知識(shí)模塊和中央產(chǎn)生系統(tǒng)。描述性知識(shí)模塊存儲(chǔ)了個(gè)體所積累的長期不變的認(rèn)識(shí)，包括基本的事實(shí)（例如“西雅圖是美國的一座城市”）、專業(yè)知識(shí)（例如“高速鐵路交通信號(hào)控制方案的設(shè)計(jì)方法”）等。中央產(chǎn)生式系統(tǒng)存儲(chǔ)了個(gè)體的程序性知識(shí)，這些知識(shí)以條件—?jiǎng)幼鳎óa(chǎn)生式）規(guī)則的形式呈現(xiàn)，當(dāng)滿足一定條件時(shí)，相應(yīng)的動(dòng)作將被對(duì)應(yīng)的模塊執(zhí)行，產(chǎn)生式規(guī)則的不斷觸發(fā)能夠保證各個(gè)模塊相互配合，模擬個(gè)體做出的連續(xù)認(rèn)知過程。ACT-R是一種認(rèn)知架構(gòu)，用以仿真并理解人的認(rèn)知的理論。ACT-R試圖理解人類如何組織知識(shí)和產(chǎn)生智能行為。ACT-R的目標(biāo)是使系統(tǒng)能夠執(zhí)行人類的各種認(rèn)知任務(wù)，如捕獲人的感知、思想和行為。

無論是David Marr的三層結(jié)構(gòu)計(jì)算視覺理論，還是John Robert Anderson提出的ACT-R理論模型，以及許多解釋和模擬人類認(rèn)知過程的模型都存在一個(gè)共同的缺點(diǎn)和不足，即不能把人的主觀參數(shù)和機(jī)器/環(huán)境中的客觀參數(shù)有機(jī)地統(tǒng)一起來，模型的彈性不足，很難主動(dòng)地產(chǎn)生魯棒性的適應(yīng)性，更不要說產(chǎn)生情感、意識(shí)等更高層次的表征和演化。當(dāng)前的人工智能與人相比除了在輸入表征和融合處理方面的局限外，在更基本的哲學(xué)層面就存在這先天不足，即回答不了休謨問題。

休謨問題是指英國哲學(xué)家大衛(wèi)·休謨（David Hume）1711年在《人性論》的第一卷和《人類理智研究》里面提出來的。首先提出的是個(gè)未能很好解決的哲學(xué)問題，主要是指因果問題和歸納問題，即所謂從“是”（being）能否推出“應(yīng)該”（should），也即“事實(shí)”命題能否推導(dǎo)出“價(jià)值”命題。休謨指出，由因果推理獲得的知識(shí)，構(gòu)成了人類生活所依賴的絕大部分知識(shí)。這個(gè)由休謨對(duì)因果關(guān)系的普遍性、必然性進(jìn)行反思所提出的問題被康德稱為“休謨問題”。休謨問題表面上是一個(gè)著名的哲學(xué)難題，實(shí)際上更是一個(gè)人工智能的瓶頸和難點(diǎn)，當(dāng)把數(shù)據(jù)表征為信息時(shí)，能指就是相對(duì)客觀表示being，而所指就是主觀表達(dá)should。

從認(rèn)識(shí)論角度，“應(yīng)該”就是從描述事物狀態(tài)與特征的參量（或變量）的眾多數(shù)值中取其最大值或極大值，“是”就是從描述事物狀態(tài)與特征的參量（或變量）的眾多數(shù)值中取其任意值。從價(jià)值論角度，“應(yīng)該”就是從描述事物的價(jià)值狀態(tài)與價(jià)值特征的眾多參量（或變量）中取其最大值或極大值，“是”就是從描述事物價(jià)值是狀態(tài)與價(jià)值特征的參量（或變量）的眾多數(shù)值中取其任意值。endprint

由于受偏好、習(xí)慣、風(fēng)俗等因素的影響，即使是人類的認(rèn)識(shí)論和價(jià)值論也經(jīng)常出現(xiàn)非因果歸納和演繹（比如嚴(yán)格意義上而言，從“天行健”這個(gè)事實(shí)（being）命題是不能推出“君子必自強(qiáng)不息”這個(gè)價(jià)值觀（should）命題的，但是隨著時(shí)間的延續(xù)，這個(gè)類比習(xí)慣漸漸變成了有些因果的意味）。人工智能的優(yōu)勢不僅在于存儲(chǔ)量大計(jì)算速度快，更重要的是它還沒有偏見的頭腦且認(rèn)知封閉，但是要處理類似雖是由人類提出的但仍遠(yuǎn)遠(yuǎn)不能完美回答的休謨問題恐怕還是強(qiáng)機(jī)所難吧！人工智能如果有一定的智能，恐怕更多的應(yīng)是數(shù)字邏輯語言智能，在特定場景、既定規(guī)則和統(tǒng)計(jì)既定輸出的任務(wù)下可以極大提升工作效率，但在有情感、有意向性的復(fù)雜情境下仍難以無中生有、隨機(jī)應(yīng)變。未來智能科學(xué)的發(fā)展趨勢必將會(huì)是人機(jī)智能的不斷融合促進(jìn)。

未來是人機(jī)智能的融合

人機(jī)智能融合，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。

英國首相丘吉爾曾經(jīng)說過：“你能看到多遠(yuǎn)的過去，你就能看到多遠(yuǎn)的未來”，所以我們有必要看看人機(jī)智能融合的過去。任何新的事物都有其產(chǎn)生的源泉，人機(jī)智能融合也不例外，其主要起源于人機(jī)交互和智能科學(xué)這兩個(gè)領(lǐng)域，而這兩個(gè)領(lǐng)域起源都與英國劍橋大學(xué)有著密切的關(guān)系：1940年夏，當(dāng)?shù)聡Z炸機(jī)飛向倫敦之際，人機(jī)交互與智能科學(xué)的研究序幕就被徐徐拉開了……英國人為了抵御德國人的進(jìn)攻，開始了雷達(dá)、飛機(jī)、密碼破譯方面的科技應(yīng)用工作，當(dāng)時(shí)在劍橋大學(xué)圣約翰學(xué)院建立了第一個(gè)研究人機(jī)交互問題的飛機(jī)座艙（即著名的Cambridge Cockpit）以解決飛行員們執(zhí)行飛行任務(wù)時(shí)出現(xiàn)的一些錯(cuò)誤和失誤，另外劍橋國王學(xué)院的畢業(yè)生圖靈領(lǐng)導(dǎo)了對(duì)德軍“恩尼格瑪”密電文的破譯……事實(shí)上，早在19世紀(jì)，劍橋大學(xué)的查爾斯·巴貝奇和阿達(dá)·奧古斯塔（劍橋大學(xué)畢業(yè)生、詩人拜倫的女兒，世界第一位程序員）就開始合作進(jìn)行機(jī)械計(jì)算機(jī)軟硬件的研制，20世紀(jì)之后，數(shù)學(xué)家羅素、邏輯學(xué)家維特根斯坦（圖靈的老師和朋友）都對(duì)智能科學(xué)的起源和發(fā)展做出了重大的貢獻(xiàn)。當(dāng)前人機(jī)智能融合領(lǐng)域比較火的兩位深度學(xué)習(xí)之父辛頓曾是劍橋大學(xué)心理系的學(xué)生、阿爾法狗之父哈撒比斯本科是劍橋計(jì)算機(jī)系畢業(yè)的……

在人機(jī)智能融合時(shí)，有一件事非常重要，就是這個(gè)人要能夠理解機(jī)器如何看待世界，并在機(jī)器的限制內(nèi)有效地進(jìn)行決策。反之，機(jī)器也應(yīng)對(duì)配合的人比較“熟悉”，就像一些體育活動(dòng)中的雙打隊(duì)友一樣，如果彼此間沒有默契，想產(chǎn)生化學(xué)變化般的合適融合、精確協(xié)同就是天方夜譚。有效的人機(jī)智能融合常常意味著將人的思想帶給機(jī)器，這也就意味著：人將開始有意識(shí)地思考他通常無意識(shí)間執(zhí)行的任務(wù)；機(jī)器將開始處理合作者個(gè)性化的習(xí)慣和偏好；兩者都還必須隨時(shí)隨地隨環(huán)境的變化而變化……高山流水，電腦與心靈相互感應(yīng)，充分發(fā)揮兩者的優(yōu)點(diǎn)和長處，如人類可以打破邏輯運(yùn)用直覺思維進(jìn)行決策、機(jī)器能夠檢測人類感覺無法檢測到的信號(hào)能力等。人類所理解的每一個(gè)命題，都必定全然是由我們所獲知的各種成分所組成的。意識(shí)是一種對(duì)隱顯關(guān)系的梳理，有時(shí)表現(xiàn)為直覺。

人的直覺是同化、順應(yīng)之間的自由轉(zhuǎn)換，能夠靈活自如地進(jìn)行不完全歸納和彈性演繹，更重要的是：這一切都是由內(nèi)而外的自主行為。直覺經(jīng)驗(yàn)本質(zhì)上是一種感性、一種自動(dòng)意識(shí)性關(guān)聯(lián)和得意忘形。直覺是把存在性、可能性、意向性、潛在性勾兌顯化的一種方式，也是把零碎、散化的數(shù)據(jù)信息知識(shí)進(jìn)行非常邏輯表征，其中的粘合劑就是情感（機(jī)器所不具備的能力）——一種獨(dú)特的智能——情智，直覺本質(zhì)上就是通情達(dá)理，能夠隱約看見許多通過理性邏輯看不到的關(guān)系、聯(lián)系，從而把許多平時(shí)風(fēng)馬牛不相及的屬性、成分（包括主觀臆想客觀存在）關(guān)聯(lián)在一起形成某種意向性的可能存在。而機(jī)器更適合于分類聚類，利用人類部分可以描述化、程序化的形式語言實(shí)現(xiàn)強(qiáng)監(jiān)督學(xué)習(xí)、構(gòu)建認(rèn)知模型、輔助決策等方面。當(dāng)前，人機(jī)之間的理解都是單向性的，彼此之間的學(xué)習(xí)也是，只不過逐漸開始出現(xiàn)了雙向性的苗頭，人機(jī)之間開始理解一些以前認(rèn)為不含理解成分的對(duì)象和事物，慢慢把人的主動(dòng)性與機(jī)的被動(dòng)性有效地混合起來。人處理其擅長的包含“應(yīng)該”（should）等價(jià)值取向的主觀信息，機(jī)器則計(jì)算其拿手的涉及“是”（being）等規(guī)則概率統(tǒng)計(jì)的客觀數(shù)據(jù)，進(jìn)而把休謨之問變成了一個(gè)可執(zhí)行可操作的程序性問題，也是把客觀數(shù)據(jù)與主觀信息統(tǒng)一起來的新機(jī)制，即需要意向性價(jià)值的時(shí)候由人來處理，需要形式化（數(shù)字化）的事實(shí)時(shí)候由機(jī)器來分擔(dān)，從而產(chǎn)生了一種人+機(jī)大于人、人+機(jī)大于機(jī)的效果。

人機(jī)智能融合中深度態(tài)勢感知是一個(gè)重要隘口，深度態(tài)勢感知含義是“對(duì)態(tài)勢感知的感知，是一種人機(jī)智慧，既包括了人的智慧，也融合了機(jī)器的智能（人工智能）”，是能指+所指，既涉及事物的屬性（能指、感覺）又關(guān)聯(lián)它們之間的關(guān)系（所指、知覺），既能夠理解事物原本之意，也能夠明白弦外之音。它是在以Endsley為主體的態(tài)勢感知（包括信息輸入、處理、輸出環(huán)節(jié)）基礎(chǔ)上，加上人、機(jī)（物）、環(huán)境（自然、社會(huì)）及其相互關(guān)系的整體系統(tǒng)趨勢分析，具有“軟/硬”兩種調(diào)節(jié)反饋機(jī)制；既包括自組織、自適應(yīng)，也包括他組織、互適應(yīng)；既包括局部的定量計(jì)算預(yù)測，也包括全局的定性算計(jì)評(píng)估，是一種具有自主、自動(dòng)彌聚效應(yīng)的信息修正、補(bǔ)償?shù)钠谕x擇—預(yù)測—控制體系。

相比起人工智能來，我們更愿意談人機(jī)智能融合，也許人工智能更偏應(yīng)用和技術(shù)，談人機(jī)智能融合則可以更基礎(chǔ)一些。另外，需要注意的是，人機(jī)智能融合本身不僅僅是科學(xué)問題，還涉及到其他學(xué)科，如人文藝術(shù)、哲學(xué)，甚至還有宗教神學(xué)。還有，智能不是人類獨(dú)有的能力，還關(guān)涉其他生命體，比如動(dòng)物、植物等，那么究竟什么是智能呢？美國第一屆心理學(xué)會(huì)主席威廉·詹姆斯說的一句話或許可見一斑：“智慧是一種忽略的藝術(shù)?！?/p>

單純的計(jì)算應(yīng)該是沒有大的突破，認(rèn)知+計(jì)算可能是未來。如果把認(rèn)知看成美女，計(jì)算視作野獸，未來的智能科學(xué)就是美女與野獸，而數(shù)據(jù)則是美女牽著野獸的韁繩。要把這樣的機(jī)遇變成現(xiàn)實(shí)，就需要與目前AI研究方向不同的新的研究課題，比如需要探索認(rèn)知科學(xué)對(duì)于人類與動(dòng)物如何學(xué)習(xí)與推理的研究，將其與計(jì)算科學(xué)結(jié)合，整合成最終能以人類的方式工作的系統(tǒng)。Being與should的狹義結(jié)合就是數(shù)據(jù)與知識(shí)、結(jié)構(gòu)與功能、感知與推理、直覺與邏輯、聯(lián)接與符號(hào)、屬性與關(guān)系的結(jié)合，也是未來智能體系的發(fā)展趨勢……其廣義結(jié)合是意向性與形式化、美女與野獸的結(jié)合。人工智能的美女派主要抓關(guān)系產(chǎn)生的關(guān)系，野獸派主要抓屬性產(chǎn)生的關(guān)系。臨界，這是一種介于有序和無序之間的狀態(tài)，是工作效率最大化的一種表現(xiàn)形式。人機(jī)智能融合就是要尋找到這種平衡狀態(tài)，讓人的無序與機(jī)的有序、人的有序與機(jī)的無序相得益彰，達(dá)到安全、高效、敏捷的結(jié)果。endprint

既然我們很多時(shí)候無從得知因果之間的關(guān)系，只能得知某些事物總是會(huì)連結(jié)在一起。那么我們有什么理由從對(duì)個(gè)別事例的觀察中引出普遍性的結(jié)論呢？想象力、創(chuàng)造力是感性與理性的界面，也許人機(jī)智能的融合可以實(shí)現(xiàn)一定程度上主客觀、感性與理性的相互適應(yīng)性融合吧！

參考文獻(xiàn)

Turing A M， 1950， "Computing machinery and intelligence"， Mind， 59（236）.

司馬賀，2004，《人工科學(xué)》，武夷山譯，上?？萍冀逃霭嫔?。

Lighthill I.， 1973， "Artificial intelligence： A general survey"， Artificial Intelligence： A Paper Symposium， London： Science Research Council.

劉偉、袁修干，2008，《人機(jī)交互設(shè)計(jì)與評(píng)價(jià)》，北京：科學(xué)出版社。

[英]休謨，2014，《人性論》，石碧球譯，南昌：江西教育出版社。

R.M.Harnish， 2008， Minds， Brains， Computer： An Historical Introduction to the Foundations of Cognitive Science， Oxford： Blackwell Publishing Ltd.

José Luis Bermúdez， 2010， Cognitive Science， Cambridge： Cambridge University Press.

Anderson C. ， 2006， " The long tail： Why the future of business is selling less of more"， Journal of Product Innovation Management， 24（3）.

Hawkins J， Blakeslee S. ， 2004 ， On intelligence， Times Books.

Kurzweil R.， 2006， "The singularity is near： When humans transcend biology"， Cryonics， 85（1）.

劉偉，2016，《關(guān)于人工智能若干重要問題的思考》，《人民論壇·學(xué)術(shù)前沿》，4月上。

責(zé) 編/馬冰瑩endprint