智能与人机融合智能的思考

1.智能概念

  智能是什么？人具有智能的一部分，而不是全部。

   智能可以简单分为两种，一是以数学计算为基础的机器智能，另一种是以价值算计为基础的人类智能。一位数学专业的朋友却说：其实，数学本身常常不是特别在意“数”。

  智能是东西方文明一直共同关注的对象，孟子曰:“是非之心，智也”（《告子上》）；是非在西方可以用“to be or not to be”来替代，两者之间的活动——应该（should）即是智能。西方人偏哲学科学是为了反对迷信（神太多），中国人好历史伦理是以人为本（人不少），其实智能里这些成分都有。智能里包含了逻辑，同时也存在着大量的非逻辑成分，如直觉、非公理、模糊等因素。智能里不仅存在着逻辑/伦理悖论的对抗，而且还隐藏着逻辑/伦理悖论的妥协，本质上是用多元（一切）的可能性通过一元（一）的现实性不失其意的表征，简言之，就是把万千的可能性用唯一的现实性表达出来，以简示繁，弥聚有度。

  智能是相关无关化的应该存在，即把表面上无关（本质上存在着千丝万缕关系）的事物应该相关在一起去发现、分析、解决问题的能力。评价智能好坏的指标是处理问题的复杂程度。首要的关系不是智能和事物的关系，而是：智能就是事物的关系，智能把每一物拥入存在并保持在存在里，就此而言，智能本身即是关联，不考虑因果的关联。狭义的智能有时空性（如人工智能），要求在资源有限的情况下适应性地处理信息；广义的智能则没有时空性（如智慧），用无限的材质方法去达到目的——这种有无时空的跨界也是智能很难被定义的原因之一[1]。

  人们解释世界常常是秩序（时序）的，但理解世界往往不是如此，改造世界更不是这般! 智能提供了使现实在其可能性中显现的“逻辑空间”。智能使得“可能性优先于现实性”出现了，然后把世界转变成了一个可能的世界，同时又实现了新的现实性。从这个意义上说，智能就是现实可能性的能力。

  智能是由最小的知觉所触发的适应性交互行为。这种行为的缔造者不是人脑，也不是人，而是由人物环境系统相互作用产生的。这种行为在自然和日常中得到体现。知觉是身体感觉和交互行为产生出的关系。所有关涉事物或事实的智能基准点就是“我”的存在，“我”的概念包括了身体、行为、意识、语言、秩序、关系、机制机理等方面，事实上，这个世界是由“我”构建生成的，所有的交互都是以个性化出现的，涉及到外部的事物变化也是个性化的理解，随着“我”的消失，这些变化就会变化，进而由新“我”一切态势，其中应该有旧“我”的痕迹。创造性的本质和源泉就是个性化的“我”。“我”从幼儿到儿童到青年到成人就是从无智~意智~情智~理智的过程，也即从本能到智能的过程，这个演化过程可以粗略地用这样一组类比来体验一下：照猫画猫，照猫画虎，照猫画豹，照猫画狗，照猫画鹿，照猫画马，照猫画猴，照猫画人，照猫画外星人…啥也不照就成啦。这是一个从形式到内容再到价值的过程，个性化具有语义形态，大众化具有语法模式，而连接两者的就是适用的语用情境。智能是顺势而为，天地人、人机环的合一。智能同时又可逆势而为，一刀切，出奇制胜（明知不可为而为之）。

  智能是关系主观的建构，智能同时也是对客观存在的反映，是一种主客观融合的产物[2]。所谓对客观存在的描述实际上就是把人物（机）环境系统之间的交互关系梳理清楚、分析干净。仅以当前的数学模型确实很难，有不完备的成分在。从这个意义上说，大家对智能的突破期待，实际上是对崭新描述方法和手段的渴望。尽管主客观二元划分的方法虽然为人类提供了不少解释世界的便利，但同时也为改造世界设置了一定的障碍，如何打破之（比如除了主客体之外设立第三体角度），可能是未来的一个突破方向吧！

  当前的智能本身就不是单独的科学或数学或哲学或人文能解决的一个学问[3]。比如说数学，现在的数学可以比较好比较精确描述物理对象，但是比较难描述复杂过程。未来的智能本身也不是以后的某个学科单独能解决的一个学问。它本质是复杂性问题，需要多领域的不断地交叉融合。当然，通过一些学科的努力会取得一些进步，但这些进步也许会造成一些隐形的退步或阻碍，简而言之——进步的退步。

2.人机融合智能与深度态势认知

  从某种意义上说，人类文明是一个人类对世界和自己不断认知的过程，所谓认知就是对有用的数据---信息进行采集过滤、加工处理、预测输出、调整反馈的全过程。

  自学习系统就是系统具有能够按照自己运行过程中的经验来改进控制算法的能力，它是自适应系统的一个延伸和发展。自学习系统理论也是用于工程控制的理论，它有“定式”和“非定式”两个方面。前者是根据已有的答案对系统工作状态做出判断来改进系统的控制，使之不断趋近于理想的算法。后者是通过各种试探、统计决策和模式识别等工作来对系统进行控制，使之趋近于理想的算法[4]。

  一般而言，人、机、环境（自然、社会）等构成特定情境的组成成分常常会发生快速的变化，在这种快节奏的态势演变中，由于没有充分的时间和足够的信息来形成对态势的全面感知、理解，所以准确对未来态势的定量预测可能会大打折扣（但应该不会影响对未来态势的定性分析）。大数据时代，对于人工智能系统而言，如何在充分理清各组成成分及其干扰成分之间的排斥、吸引、竞争、冒险等逻辑关系的基础上，建立起基于离散规则和连续概率，甚至包括基于情感和顿悟的、反映客观态势的定性定量综合决策模型越发显得更为重要，简言之，不了解数据表征关系（尤其是异构变异数据）的大数据挖掘是不可靠的，建立在这种数据挖掘上的智能预测系统也不可能是可靠的[5]。

  另外，在智能预测系统中也时常面对一些管理缺陷与技术故障难以区分的问题，如何把非概念问题概念化？如何把异构问题同构化？如何把不可靠的部件组成可靠的系统？如何通过