智能不是人腦（或類腦）的產(chǎn)物，也不是人自身的產(chǎn)物，而是人、物、環(huán)境系統(tǒng)相互作用的產(chǎn)物。人工智能的優(yōu)勢在于龐大的信息存儲量和高速的處理速度，但是無法處理如休謨之問，即從“是”（being）能否推出“應(yīng)該”（should），也即“事實”命題能否推出“價值”命題。
目前，國內(nèi)外人工智能的核心在于兩個方向，一個是“機器學習”，另一個是“自主系統(tǒng)”。在機器學習各方法中，深度學習方法容易導致局部（非全局）最優(yōu)，強化學習很難識別意圖的隱藏和偽裝，遷移學習的跨域能力很差等等，這些機器學習的缺點很難實現(xiàn)真正的智能；另外，現(xiàn)在的自主系統(tǒng)還處在“偽自主”階段，究其原因是由其底層的技術(shù)架構(gòu)——機器學習和大數(shù)據(jù)處理機制局限所致。無論行為主義的強化學習、聯(lián)結(jié)主義的深度學習，還是符號主義的專家系統(tǒng)都不能如實準確地反映人類的認知機理，比如直覺、情感、價值等。
目前人工智能技術(shù)的核心問題
當前的人工智能及未來的智能科學研究存在兩個致命的缺點：一是把數(shù)學等同于邏輯。弗雷格、羅素等邏輯主義者一般是把數(shù)學歸于邏輯學(logic)之下（“+logy”也成為許多學科(非所有學科)的字尾，譬如生物學Biology=bio+logy）。
邏輯是探索、闡述和確立有效推理原則的學料。數(shù)學不等同于邏輯，數(shù)學研究空間形式和數(shù)量關(guān)系結(jié)構(gòu)，是一種基于公理的邏輯體系；邏輯研究思維的形式結(jié)構(gòu)。二者一致之處在于“研究對象都是高度抽象的結(jié)構(gòu)”。二者不同之處在于，一方面，數(shù)學和邏輯的研究對象不同，數(shù)學的研究對象是客觀事物的空間形式與數(shù)量關(guān)系，而邏輯學的研究對象是思維的形式及規(guī)律；另一方面，數(shù)學和邏輯的任務(wù)和目標不相同，數(shù)學的主要目標和任務(wù)是揭示客觀事物的空間形式與數(shù)量關(guān)系的特征，探索其規(guī)律性，而邏輯的主要目標和任務(wù)卻是為了解決思維推理形式的有效性或真實性問題。
另一個致命的缺點便是把符號與對象的指涉混淆。符號重點在于表征，而對象重點在于意向性。一般來說，一種意向可以對應(yīng)一種或多種符號，而一種符號代表的意向性也可以有多個指向（如能指、所指、意指），人類可以用“一花一世界，一樹一菩提”靈活地表征任何事物，而目前的機器卻只能用固定打標的方式孤立、靜止、片面地表征一個事物。
這兩個缺點直接誘發(fā)了以下幾個很難解決的智能領(lǐng)域及軍事智能領(lǐng)域問題：一是客觀數(shù)據(jù)與主觀信息、知識的彈性輸入——靈活的表征；二是公理與非公理推理的有機融合——有效的處理；三是責任性判斷與無風險性決策的無縫銜接——虛實互補的輸出；四是人類反思與機器反饋之間的相互協(xié)同調(diào)整；五是深度態(tài)勢感知與其逆向資源管理過程的雙向平衡；六是人機之間的透明信任機制生成；七是機器常識與人類常識的差異；八是人機之間可解釋性的閾值；九是機器終身學習的范圍/內(nèi)容與人類學習的不同。
人機混合智能是未來智能領(lǐng)域的發(fā)展方向
智能是一種由人、機、環(huán)境系統(tǒng)相互作用而產(chǎn)生的組織形式，是物理、生理、心理、數(shù)理、管理、哲理、文理、機理、藝理、地理、倫理、宗理等多事實、多價值、多責任的混合適應(yīng)體系，所以智能可能不是單純的類腦（比如狼孩的人腦就沒有人類智能）。
人工智能只是人類智能可描述化、可程序化的一部分，而人類的智能是人、機（物）、環(huán)境系統(tǒng)相互作用的產(chǎn)物。智能生成的機理，簡而言之，就是人物（機屬人造物）環(huán)境系統(tǒng)相互作用的疊加結(jié)果，由人、機器、各種環(huán)境的變化狀態(tài)所疊加衍生出的形勢、局勢和趨勢（簡稱勢）共同構(gòu)成，三者變化的狀態(tài)有好有壞、有高有低、有順有逆，體現(xiàn)智能的生成則是由人、機、環(huán)境系統(tǒng)態(tài)、勢的和諧共振大小程度所決定的，三者之間具有建設(shè)性和破壞性干涉效應(yīng)，或增強或消除，三位一體則智能強，三位多體則智能弱。
如何調(diào)諧共頻則是人機融合智能的關(guān)鍵。當代人工智能由最初的完全人工編譯的機器自動化發(fā)展到了人工預編譯的機器學習，接下來的發(fā)展可能是通過人機融合智能的方法來實現(xiàn)機器認知，最終實現(xiàn)機器覺醒。
在智能領(lǐng)域中，對自動化、智能化概念的厘清非常重要，自動化是確定性的輸入，可編程的處理，確定性的輸出；人工智能是部分確定性的輸入，可編程的處理，部分確定性的輸出；智能是不確定性的輸入，部分可編程的處理，不確定性的輸出。人工智能（含自動化）與智能的區(qū)別在于，一個是功能，一個是能力。
很多人期望得到的往往是能力，而不是功能，即通過人工智能功能實現(xiàn)智能能力，這就是期望與現(xiàn)實的矛盾之所在，同時也是人們失望之所在：把功能錯看成了能力。智能需要實現(xiàn)的是一種合成：功能+能力（簡稱功能力）。機器功能邏輯的基礎(chǔ)是映射關(guān)系，而人類直覺能力的基礎(chǔ)則是漫射、散射、影射，其中人類的想象力、創(chuàng)造力是一種情理融合之能力，也是“智能”的邊界。所以僅開發(fā)出高性能智能產(chǎn)品或系統(tǒng)仍不可能提高體系的組織力和創(chuàng)造力，該模型必須集成到運行技術(shù)系統(tǒng)、組織流程和人員運行流程中才能發(fā)揮其威力和效力。
然而，智能化的瓶頸和關(guān)鍵問題在于不是單純的快、單純的準、而是對，例如單純機器計算的越精細、越準確、越快速，危險性越大，因為博弈對方可以隱真示假、造勢欺騙、以真亂假，所以有專家參與的人機融合/混合智能顯得相對更重要、更迫切、更有效。
人機混合常常是指人+機（側(cè)重事實性數(shù)理物理結(jié)合，價值性結(jié)合較少）；人機融合往往是指人*機（既包括事實，也涉及價值，既有數(shù)理物理交互，也有心理倫理交流）。對于軍事界而言，大多數(shù)認為：人必須在人—裝備—環(huán)境系統(tǒng)中并掌控著該系統(tǒng)的關(guān)鍵使用（如許多科學家支持致命性自主武器系統(tǒng)宣言，以反對脫離人類控制的自主武器系統(tǒng)開發(fā)），這就要求兩點，首先是必須可靠的人在系統(tǒng)中，而不能是不可靠的人在系統(tǒng)中；其次，要求人、機不能是平等的關(guān)系，可靠的人必須要掌控關(guān)鍵作用。所以從這個角度看，對軍事智能而言，“人機混合”要比“人機融合”一詞要準確一些（可以保證人主機輔關(guān)系的一致性）。
如何實現(xiàn)人的算計（經(jīng)驗）與機的計算（模型）融合后的計算計系統(tǒng)呢？東方思想里的“易”就是一個典型的計算計（計算+算計）系統(tǒng)，有算有計，有性有量，有顯有隱，計算交融，情理相依。其中的“與或非”邏輯既有人經(jīng)驗的、也有物（機）數(shù)據(jù)的，即人價值性的“與或非”+機事實性的“與或非”，人機融合智能及深度態(tài)勢感知的任務(wù)之一就是要打開與、或、非門的狹隘，比如大與、小與，大或、小或，大非、小非……大是（being）、大應(yīng)（should）、小是（being）、小應(yīng)（should）。人的經(jīng)驗性概率與機器的事實性概率不同，它是一種價值性概率，可以穿透非家族相似性的壁壘，用其它領(lǐng)域的成敗得失結(jié)果影響當前領(lǐng)域的態(tài)勢感知SA，比如同情、共感、同理心、信任等。
凡事有利就有弊，手機不例外，智能也不例外。在人機環(huán)境系統(tǒng)動態(tài)交互（產(chǎn)生智能）時，由于時間、空間、對象、屬性、關(guān)系、條件、規(guī)則、情緒、狀態(tài)、趨勢、感知等的變化，智能中的方式、方法、方案、手段、工具都會做適當?shù)恼{(diào)整和重新組合，正可謂時變法亦變。智能需要解決的常常是面對的真實問題，比如安全威脅、高效處理、準確預測等等。智能包含著過去的經(jīng)驗和數(shù)據(jù)，但不會僅僅依賴這些過去，它還包含著未來對此時的影響，比如期望的反饋。一般而言，不能隨機應(yīng)變的智能應(yīng)該不是真智能。人機交互、人機混合、人機融合智能……中人工智能AI可以幫助人，也可以阻礙人，還可以毀掉人，比如過度依賴AI易造成失去人性中的自信、果敢和勇氣等，做這些工作或申請項目時，望不要光看人機融合中計算計系統(tǒng)好的一面，還希望管理者、評審者也能客觀地看到其不好的一面，在不少情境任務(wù)下，不好的概率可能更高一些！
主流人工智能學科仍無法理解人機融合智能領(lǐng)域
AI追求數(shù)據(jù)化、確定性和理性的解釋，假定任何問題都有標準答案，把每個決策簡單地變成約束條件下求解，變成數(shù)據(jù)計算。但是，真實世界里具有大量的不確定性，沒有標準答案，需要人的想象力和算計，不是循規(guī)蹈矩。
研究一個事物如果不從未來看它，往往會被它迷惑。計算是算計的產(chǎn)物，計算常是算計的簡化版，不能體現(xiàn)出算計中主動、辯證、矛盾的價值。計算可以處理關(guān)鍵場景的特征函數(shù)，但較難解決基本場景的對應(yīng)規(guī)則，更難對付任意場景的統(tǒng)計概率，可惜這些還僅僅只是場景，遠未涉及情境和意識……
智能僅是解決問題的一種工具手段，若不與日常生活中的風俗習慣、倫理道德中的仁義禮智信勇、法律中的邊界規(guī)則統(tǒng)計概率等諸多方面相結(jié)合，就很容易泛濫成災(zāi)而不可控制。真實的智能不是萬能，它不但涉及事實性的真假問題，還應(yīng)該包括價值性的是非問題，更與責任性的大小輕重密切相關(guān)。所以，嚴格意義上講，軍事智能是許多領(lǐng)域的一連串組合應(yīng)用。
對于人、機而言，雖然都是將一個問題拆成幾個子問題，分別求解這些子問題，即可推斷出大問題的解，但是人的動態(tài)規(guī)劃與機器的動態(tài)規(guī)劃卻是不同的：有經(jīng)驗的人可以游刃有余地將一個復雜性大問題拆成事實、價值、責任等不同性質(zhì)的小問題來求解，即用事實、價值、責任的不同化法進行大事化小，小事化了，還可以避免各種鼠目寸光和畫地為牢，而目前的機器對此異質(zhì)合取化解問題依然望塵莫及，人工智能只會對比（不是類比），也許這也是人類智能的又一個瓶頸和難點——如何有效地處理異質(zhì)性的非形式化問題。
計算是事實性推理關(guān)系，低階的算計則是價值性推理關(guān)系，高階的算計更是事實價值混合/融合的推理關(guān)系，計算與算計是不同的因果關(guān)系。人類的“既…又…”關(guān)系往往不是“并”的計算關(guān)系，與具體態(tài)勢算計有關(guān)。是非不同于對錯，也不同于真假和01，正如孟子所云：是非之心，智也……
美國諾貝爾獎得主卡內(nèi)曼在《快與慢》一書中將人類的本能意識快決策稱為系統(tǒng)一，將人類的理性邏輯慢決策稱為系統(tǒng)二，并考察了系統(tǒng)一與系統(tǒng)二之間的區(qū)別。經(jīng)過我們進一步研究，人機環(huán)境系統(tǒng)的深度態(tài)勢感知中應(yīng)該還有決策系統(tǒng)三——人類理性與感性結(jié)合的不快不慢的right決策系統(tǒng)，即人機融合的計算計決策系統(tǒng)�！�
(作者系北京郵電大學人工智能學院研究員)