最近幾天，一個題目瘋傳微信羣中：“整個微信都在刷屏！剛剛美國突然宣佈！始料未及！”。平直覺而論，這很可能又是馬斯克同學融資的一個大廣告！
侵入式腦機交互帶來的問題會產生很多法律倫理社會的問題：外部干擾源、無意識失誤、錯誤、黑客入侵、貧富有別（有點像基因工程）……，還有其它衍生問題，所以，目前很可能還是宣傳融資（象阿爾法狗一樣）。
腦機接口最新的研究成果發表在2020年4月23日的《細胞》雜誌上：腦機接口成功恢復患者觸覺和運動，28歲癱瘓男子重獲新生。美國 Battelle 研究所和俄亥俄州立大學韋克斯納醫學中心（Wexner MedicalCenter）的一個研究小組表示，他們已經能夠使用腦機接口（Brain-Computer Interface，BCI）系統，恢復嚴重脊髓損傷的患者手部觸覺。該腦機接口技術利用了肉眼難以察覺的微小神經信號，通過將殘存的、低於知覺反應範圍的觸覺信號轉換成有意識的知覺，並反饋給參與者，達到增強神經信號的目的，這一技術也極大地豐富了癱瘓患者的運動功能。
大家看看，上面這個纔是腦機接口技術的最前沿：“極大地豐富了癱瘓患者的運動功能”！距離“全世界瞠目結舌！這堪稱是一項里程碑式的技術突破，它將徹底改變人與機器的交互方式，並進而改變人類自身和社會！在濃密的雲端，科技的驚雷正在醞釀、生成，一場風暴正在撲來！”還極其遙遠！
再退一步說，即使如馬斯克團隊表明的那樣，腦機接口技術正在一日千里地發展。“通過心念操縱機器，讓機器替代人類身體的一些機能，修復殘障人士的生理缺陷。”。但也做不到“在人或動物腦（與外部設備間，建立的直接連接通路，以實時翻譯意識,最終做到人類與人類之間、人類與機器之間自由傳輸思想、下載思維。”在這點上，腦機交互與人工智能的處境很相似：都還沒有搞清楚意識/智能的機制，上來就期望用物理、數理解決生理、心理、倫理、管理等問題，妄想以“有限的理性”模擬“無限的感性”、以“絕對”仿真“相對”、以“客觀”取代“主觀”，不得而知，到頭來很可能是一場“空”折騰。
一、感覺的分析
人對客觀事物的認識是從感覺開始的，它是最簡單的認識形式。例如當菠蘿作用於我們的感覺器官時，我們通過視覺可以反映它的顏色；通過味覺可以反映它的酸甜味；通過嗅覺可以反映它的清香氣味，同時，通過觸覺可以反映它的粗糙的凸起。人類是通過對客觀事物的各種感覺認識到事物的各種屬性。感覺器官是腦的工具，腦是藉助於感覺器來反映外部世界的。人類的態勢感知具有這樣一些機器還無法實現的功能：聚態，就是融會貫通；彌勢，就是觸類旁通；感它，就是聞一知十；知異，就是舉一反三。
感覺不僅反映客觀事物的個別屬性，而且也反映我們身體各部分的運動和狀態。例如，我們可以感覺到雙手在舉起，感覺到身體的傾斜，以及感覺到腸胃的劇烈收縮等等。
感覺雖然是一種極簡單的心理過程，可是它在我們的生活實踐中具有重要的意義。有了感覺，我們就可以分辨外界各種事物的屬性，因此才能分辨顏色，聲音、軟硬、粗細、重量、溫度、味道、氣味等，有了感覺，我們才能瞭解自身各部分的位置、運動、姿勢、飢餓、心跳，有了感覺，我們才能進行其它複雜的認識過程。失去感覺，就不能分辨客觀事物的屬性和自身狀態。因此，我們說，感覺是各種複雜的心理過程(如知覺、記憶、思維)的基礎，就這個意義來說，感覺是人關於世界的一切知識的源泉。
人工智能是一種返回修改模式。也就是說，一組代碼解決一個問題，以前是代碼執行，問題沒處理好就拉倒，程序結束。人工智能是代碼執行，問題沒處理好，代碼自動返回修改數據代碼再執行。反覆修改，也就是反覆學習，這就是人工智能。當然，好的人工智能技術，在一定範圍內可以自己修改不足的模型，進而可以在一定程度上模擬人的具體功能，比如人類的部分計算、邏輯推理能力，但它對人類“非家族相似性”的類比、決策能力還無能爲力。所以人工智能中的“人”並不是真的“人”。
二、東西方智能之源
爲什麼現在有好多人提出未來人工智能的問題？這是因爲現在的人工智能還遠遠未達到大家的期望，現在大家看到的AI某種意義上都是自動化或者是高級自動化，那智能化和自動化有什麼區別呢？自動化是這樣的，固定的輸入及可期望的輸出，如很多生產線都是自動化生產線，而智能化不是這樣，輸入可以固定也可以不固定，但是輸出一定是非預期性的，絕大部分是非預期性，出乎意料的東西，這纔是智能。什麼叫做智能？有兩個說法：第一個說法孟子寫過“智者是非之心也”，是非之心就是“智”，你可以有意識，但不一定有智慧，意識是無關乎是非的，而智慧是要知道是非的，明白倫理的。根據我們的研究，倫理和人類智能應該是很接近的事。什麼是倫理？從古希臘角度來看，倫是分類，分類的道理就是倫理；大家注意智能的本質也是分類——是非之心，今天這個話題很有意思，大家可以去查一下有關文獻，尤其是古希臘的，他們就把倫理當做分類的道理，人和人是不是有道德和倫理，什麼叫道德？道就是走路的大道，德是什麼？獲得。按照正確的道路走，得到你想要的東西就叫做道德，如果不按照正確的路走就沒有道德。什麼叫仁？孔子的仁就是一撇一捺——人，通假字通到那個人身上。什麼叫義？義就是應該，孟子特別講義和仗義。東方和西方智能的共同交界處可能就是這個義——should。東西方的“智能”區別：一個類比/隱喻多，一個歸納/演繹多。
圖中列了一些與智能有關的名人，下面是東方人，上面是西方人，這些人裏面有幾個人：第一個是西方科學與哲學鼻祖泰勒斯，最早用理性眼光看世界和日全食的人；第三個是很多AI人不認識的休謨，是智能哲學起源的根，休謨之問，即從事實裏面能不能推出價值來？這是休謨很重要的觀點，可能是未來強人工智能的突破點，也是人機融合智能的關鍵之處。第六個是智能科學之源萊布尼茲，他第一次提出“普遍語言”和“理性演算”，在這兩個詞的基礎上弗雷格提出了分析哲學裏面的涵項一詞。後來出現了布爾，也是從萊布尼茲的思想裏面演化出布爾代數的，再後來是圖靈、馮諾依曼都是從這延伸出來的……真正技術起源是萊布尼茲，若還有點牽強的話，那麼大家都知道圖靈，實際上圖靈的老師和朋友是維特根斯坦（第七位，也是被AI圈很少提及的一位），這是一個很厲害的人。他有幾個特別之處：第一個特別，他是希特勒小學同班同學，他有猶太血統，他們家是歐洲的鋼鐵大王，但他酷愛分析哲學。第二個特別，他的學生和朋友就是圖靈，他與圖靈的研討和爭論給了圖靈很多好的智能和哲學思想，但是很多人很少知道他，這是非常遺憾的，也是人工智能界的遺憾，不提他是不行的，他人生裏面兩部書：第一部書是翻譯成中文只有幾十頁《邏輯哲學論》，這部書裏面講人的語言是撬開人和人、人和世界關係的切入點，規範化的社會語言是非常重要的，即按照規則語法一句話一句話地說可以理解世界；當他40多歲之後，他又回到劍橋，他寫了一些手稿，後來他的一個女學生安斯康姆給他整理了第二本書叫做《哲學研究》，這本書也不厚，翻譯成漢語一兩百頁，他否定性地繼承了第一本書的思想，認爲真正瞭解人類智能最重要的切入點是自然化和生活化的語言，如集貿市場人與人之間無語法的對話等。這兩部書就是弱人工智能和強人工智能的哲學基礎，第一部書有關邏輯哲學論，第二部書則涉及哲學研究，沒有邏輯。真正強人工智能裏面肯定不全是邏輯，僅有邏輯，那是自動化，那都是規則化（或者加點調味品-統計概率）的東西，而一些非理性的東西，纔是揪人心的東西，纔是人類智慧的東西。休謨、萊布尼茲、維特根斯坦這些人才是智能的真正源頭。
東方思想這塊從《易經》開始，《易》經非常棒，中國只有東方思想，西方是不承認東方有哲學的，東方思想裏面少邏輯性的東西，只有結果性的東西。最早是伏羲氏，他看到四季變化就開始寫了《易經》，《易經》第二個作者是周文王——文王拘而演周易，文王把社會管理放在《易經》裏面，除了自然以外放入了社會化管理，《易經》第三個作者是孔子，他把人與人之間的倫理放入了《易經》裏面，《易經》就是這三個人接力綜合集成所著。《易經》裏面有三個詞6個字是人類智慧的核心：第一個詞叫“知幾”，就是要看到事物發展的苗頭、兆頭，第二個詞是“趣時”，即要及時抓住時機，第三個詞是“變通”，即隨機應變、因時而變。現在智能產品裏面有這些東西嗎？什麼苗頭，什麼抓住時機，什麼變通，你看看大部分都是自動化。第二本書是老子《道德經》，第一句話可能是智能裏面最重要的一句話：“道可道非常道，名可名非常名”，老子的“名”裏面涉及到智能裏面的第一階段——輸入表徵階段，在西方叫representation，就是表達、表示、表徵，一個事物有萬種表徵，一花一世界，一樹一菩提，人能把一個事物表徵爲很多方面，但在知識圖譜裏面就非常糟糕，知識圖譜的對象、屬性、關係都是死的，那是一個標籤的世界，什麼時候出現活的知識圖譜現在還看不到邊界，因爲現有的表徵手段解決不了這個問題。老子《道德經》裏面的“道”，包含了算法，算法不是單純的數學計算方法，也包含了人非邏輯性的算計之法在裏面，這是人特有的直覺性的東西，算計裏有算有計，可以穿越非家族相似性，計算裏有規有矩，很難整合非結構化數據、非線性的算法、非面性的推理、非體性的判斷、非系統的決策......
東方最後這兩位先生簡單介紹一下，金嶽霖先生是學西方哲學，做數理邏輯做的很好，是最早把西方邏輯介紹到我國的先驅之一。後面是華羅庚先生，沒有華老就沒有中國的計算機和中國的人工智能，最早提出跟蹤世界新技術做計算機的時候，是由他提出來的。蔣介石當時派華老去美國學先進技術，馮諾依曼做計算機，華老看到計算機計算的能力後就力主中國也要搞，結果蔣介石去臺灣了，共產黨來了，華老回國後在清華找了幾個人，把中科院計算所搞起來了，中國最早的計算機現仍在曲阜師範大學，大家去孔府孔廟的時候可以順便去看看，機器還健在。大家要追中國計算機和人工智能的根，可以追到華老身上。後來中國社會科學院有一些老先生一直在追蹤前蘇聯和歐美維納控制論思想，點燃了中國的人工智能之星星之火，後來一些做計算機和自動化的老師們才逐漸開各種會議、成立人工智能方面的團體等等，做學問一定要挖根，找到真正根源才能長大，不然人云亦云，智能的科學起源是什麼？智能的哲學起源是什麼？技術起源又是什麼？不是1956年，1956年是一個表象，AI這個概念據一個朋友考證，不是達特茅斯學院那幾個人提出來的，而是英國的一位數學家寫信告訴了那個人，那幾個人才用了AI，國內現在對此有點亂，還沒有學會朔源，只追到最根本的地方纔能產生出中國真正的智能，尤其對中國古代非常好的東方思想、大量智慧性的東西，挖掘的遠遠不夠，只看到一些做商品、做系統的，那不是這樣的，那是應付性的，那是掙錢的，真正不爲了單純掙錢的時候，中國的人工智能才能夠茁壯成長，否則，你會很難做出事來。
人工智能源自形式邏輯框架，人類智能脈於辯證思維體系，人機融合智能根本在邏輯與非邏輯的思想結合：無論是非，只管正反，不止疊加，還有糾纏。
三、融合
英國詩人布萊克的詩句說：“在一粒沙中，見到全世界；在一朵野花中，見到天堂；將無垠，握在掌中；見永恆，於一剎那。”科學家已經證明：一粒沙也許不能包含整個宇宙，但是一個人機融合系統卻有可能做到。也就是說，從交互信息的角度來講，我們的世界已經不幸地“淪爲”了一種人機環境系統中事實與價值的態勢感知圖像！
機器學習的是相對剛性事實，而人學習的不僅是彈性價值，而且是彈性事實與價值的彌聚。在皮亞傑的自主學習理論中，兒童同化的是價值和意義，順應的是事實和必須，而圖式的產生是同化價值與順應事實的彌散聚合之平衡。
愛因斯坦在他的相對論中提出空間與時間是不可分割的一個整體，他稱爲“空間—時間連續體”，這個理論影響了全世界。類比一下，實際上，事實與價值也是不可分割的一個整體，我們不妨稱之爲“事實—價值連續體”，在正常的生活情境中，許許多多事、物也皆爲連續體，表面上看起來每一件事物都是分離的，然而每一件事物都是另一件事物的事實延伸和價值彌聚。
如同畢德哥拉斯學派認爲世界是由數字構成的一樣，全息理論說客觀物質是不存在的，我們的思維外界是遙遠時空的全息投影，我們的世界不是物質的，而是信息的，我們感受到的宇宙其實是外界的信息。世界不是物質的，而是信息的。全息論的核心思想是，世界是一個不可分割的、各部分之間緊密關聯的整體，任何一個部分都包含整體的信息。人機環境系統在逐漸形成生態羣落的過程中，事實與價值的態勢感知、理解、預測之間也變成一個整體，其中的任何一個部分也都包含整體的信息。
我們不妨將那個更深層的“趨勢”稱爲“隱卷序”，意思就是“隱藏或摺疊起來的秩序”，而把我們生存其中的客觀“狀態”環境稱爲“顯展序”，意思就是“展現開來的秩序”。那麼世界中所有事物所呈現的表象，其實就是這兩個秩序間不斷隱藏和展現的結果。如同你在一張紙上畫一個圖案，然後把紙折起來，圖案就不見了，而展開後，圖案又出現了。在人機環境系統中這兩種形態都隱藏於認知的整體中，我們不同的觀察方式決定了哪一種形態被展現，哪一種形態仍維持隱藏的狀態。態勢包括事實和價值兩個方面。從事實方面來說感覺是知覺的縮影；從價值方面來說，直覺是邏輯的縮影。我們感覺一切事物都在不斷向前發展的，人機環境系統理論告訴我們，與單純的客觀事實時空鏈不同，在深層次的主觀價值世界網絡裏，人、機和環境都是共同存在於一起的。
這種事實—價值式的人機環境系統還包含了什麼？任由你去想象，因爲這是一個開放而無確定答案的問題。但是請你注意：當執着於自己的身體感受、眼睛所見和大腦思考時，那種事實—價值世界的整體感覺常常是體驗不到的，所以不要認爲自己的眼睛和大腦就是絕對可靠的，事實可能並不是“真”的，真正的事實我們還沒有找到，它被隱藏在更深層的事實-價值世界裏。古羅馬時代的著名哲學家聖·奧古斯丁的一句名言：“奇蹟的發生，並不違反大自然的定律，只不過是違反了我們目前所知的大自然。”，這在某種程度上詮釋了人機環境系統中事實與價值的深度態勢感知論。
人機環境系統中事實與價值的深度態勢感知原理啓示人們：人們經歷的所有事情，都可以歸結爲態、勢、感、知的變化，歸結爲態、勢、感、知的頻率和波動，大腦“翻譯”這些波動，對它們進行加工、重建，成爲一種立體的現實-虛構融合。這往往讓人相信：不可思議也很自然。在這個體系中，個性的智能實際上是一個羣體智能的個別組成部分，其實一切都是相互連接的。如果多個分離的智能體在更深的事實-價值層面上是一個互相關聯的整體，他們之間的“心/芯有靈犀”，就不需要任何解釋。
智能定義一個概念，可以動態彈性地明確主體是誰、主體目標及其構成、系統涉及哪些要素、這些要素之間兩兩之間如何相互作用並推動事情沿着時間—空間事實軸和直覺—邏輯價值軸變化，等等。所以，討論智能之前，要確定定義彌聚這個概念的目的是什麼呢？如此高抽象度的概念彌聚，其內涵和外延的邊界必定是模糊的，只有結合具體領域、具體事情和目標，才能完全最終確定下來、並適時增添新的概念外延和調整概念內涵，在此基礎上，需要引入新的彌聚彈性技術認知和改進、甚至新的體系化設計。這也是爲什麼說所有的仿真都是錯誤的、所有的演習結果都與事實不符的主要原因：有時候，事實與價值的彌聚尺度遠遠超出了許多家族相似性！人機融合應該是一種非結構性依賴的系統。
一般而言，對於一個具體的任務態勢而言，事物的價值量常常圍繞其事實（顯著性）量而發生變化，但不是確定性的變化，而是不確定性的彌聚變化，時大時小，彌散聚合富有彈性，這與我們通常生活中的價值觀相似，不斷同化順應、修正平衡。就像費曼所說：事物在微小尺度上的行爲完全不像大尺度上的行爲。有時，變化態勢中事物的事實量與價值量不是線性變化的，而是像電影裏的鏡頭一樣按照自己的邏輯線索改變，不需要日常的中間時空，既可以無中生有，也可以有中生無。某些特定的態勢下事物的事實性與價值性即便相距的再遠，也能瞬間互相識別，形成自動模式匹配效應。
四、人與機
人工智能中的“人”不是真“人”。自主並不代表智能，或者說自主是智能的必要而非充分條件，只有具備了價值觀的自主體，才能說它是智能體。所以說，事實性自主僅是自動化，價值性自主纔是智能化。
一部好的作品，是衆人創造的結果，比如《平凡的世界》是路遙寫的，是李野墨說的，是演員演的，是無數讀者/聽衆想的，是各種媒介傳的……；一個好的智能產品或系統，也是衆人創造的結果，比如“阿爾法狗”或“阿爾法元”是Deep Mind開發的，是前人棋譜訓練出的，是羣衆想象出的，是各種媒介傳的……
有人說：“感性是複雜的模式模糊計算，是最節能與最高效的平衡”。其實不然，感性智能不是計算，而是加了算計的計算計機制，這纔是複雜的模式模糊計算計，是最節能與最高效的平衡。計算計機制時常在不一定了解發生事情的確切過程時能給出一個滿意的答案，儘管這些過程是不透明的，而且很難清晰的證明可以做什麼，不可以做什麼。對感性智能而言，規則是可以被修正的，如果它產生了我們不願意接受的推理；推理可以被拒斥的，如果它違反了我們不願意修改的規則。事實轉換爲價值的過程就是在規則與被接受的推理之間進行相互調整的一種微妙的過程；最終確定的價值就存在於他我或自我達成的協議中。也許，真的不能用人工智能的基本規律去解釋人類智能的規律。
連接時間與空間的是速度，連接能量與質量的也是速度，那麼連接事實與價值的會是什麼呢？即用什麼指標來衡量值不值得做某件事的問題。這也許是連接真實與虛擬、現實與虛構、結構與功能等平行世界的問題吧！
近來，美陸軍未來司令部網絡跨職能小組與指揮、控制和通信-戰術計劃執行官（PEO C3T）共同舉辦“聯合全域指揮控制”（JADC2）會議，與聯合參謀部、國防部首席信息辦公室、陸軍、空軍、海軍及海軍陸戰隊的代表共同探討JADC2概念下的技術、資源和實驗等方面的協同工作。
美國防部將JADC2定義爲“利用所有作戰域的能力做出決策的藝術與科學以及將這些決策迅速轉化爲行動的能力，以與任務合作伙伴在競爭和衝突中獲得作戰優勢。”其應用包括通過指揮控制（C2）網絡將所有作戰域的傳感器（如飛機、雷達、士兵可穿戴設備）與武器系統聯繫起來，爲所有作戰力量提供支持。在JADC2概念下，傳感器和武器的所有數據都可通過聯合網絡訪問。
也許，未來的指控體系中應該同時成立智能輔助決策的兩個組，一個是負責事實的計算組，一個是掌管價值的算計組，兩者聯合起來才能真正實現指揮控制系統恰如其分的計算計（機計算+人算計）功能吧！
人機融合智能是複雜性研究領域，而不僅是科學問題，還包括非科學問題。客觀地說，複雜性科學是一個錯誤的概念，複雜性是一個多學科融合的過程，而科學則是“分科而學”的過程，一個聚合過程，一個彌散過程，一正一反，所以正確的稱謂應該是複雜性研究領域。智能就是複雜性研究領域中的一個突出代表，它根本上不是“分科而學”的科學，而是融合多學科的複雜性。
人機融合的矛盾在於：人發散，機收斂，人辯證，機規則，一彌一聚，一動一靜。再有我們面對的常常不是一個問題，而是交織在一起的一羣不同問題！所以運用單純的數理邏輯方法很難實現解決的目的，所以還需要同時使用形式邏輯、辯證邏輯，甚至非邏輯手段。
機器學習甚至人工智能的不確定性和不可解釋性主要緣於人們發現發明的歸納、演繹、類比等推理機制確實有可能導致某種不完備性、不穩定性和相悖矛盾性，而且隨着計算規模的不斷擴大，這些不確定性和不可解釋性越大。而人類的反事實推理、反價值推理可以從虛擬假設角度提前預防或預警這些形式化的自然缺陷。把人機融合體當做一個認知主體，更有利於解決複雜性問題，只是需要解決在不同任務下的如何融合的問題。另外，一人一機的單一融合與多人多機的羣體融合從根本機理上也會很不相同，正可謂：三個臭皮匠頂個諸葛亮。
“先天”常常指從概念出發，從邏輯原理出發，從概念推導概念，從原理得出結論；“後天”往往指從經驗出發，從經驗提煉出概念，依據經驗事實建立理論；這兩者之間的區別也是從邏輯到感知的過程。
現象哲學代表性學者胡塞爾從前期《邏輯研究》轉向後期《大觀念》的思路；同時，分析哲學領袖維特根斯坦也從前期《邏輯哲學論》轉向後期《哲學研究》的思路。這兩次轉變都不約而同地去掉了“邏輯”，分別走向了“觀念”和“哲學”，也許這不是巧合和偶然。
兩位哲學家都在潛移默化地遵循着先/後天研究領域的規律：從邏輯走向非邏輯。這裏大致有兩個原因。首先從研究的過程來說，“邏輯”主要涉及“判斷理論”，它屬於較高層次的意識活動，而要講清楚判斷理論，還要對感覺、知覺等較低層次的意識活動進行研究。另一個原因涉及邏輯和數學的普遍有效性。弗雷格指出，心理規律是經驗規律，只具有偶然的真理性；邏輯和數學的規律具有普遍必然性，它不能用經驗的規律說明。也許這也是智能領域研究的突破口和契入點吧！
從不同角度看，也許客觀規律並不具有唯一性，可謂“橫看成嶺側成峯，遠近高低各不同”。一個事物，從物理學角度，從數理學角度，從心理學角度，從博弈學角度，從倫理學角度，從管理學角度，……都會不一致吧！？也許會各有各的客觀規律，各有各的邏輯線索，所謂非邏輯，往往是遊刃於這諸多各自邏輯線索的適時適處的輾轉騰挪、縫補聯結、恰到好處而已，有道是：邏輯是爲非邏輯服務的、智能是爲智慧服務的之緣故吧！具體到人機融合智能中的深度態勢感知，既有邏輯維度上的態、勢、感、知，又有非邏輯上的態、勢、感、知，邏輯上的可以形式化計算，非邏輯上的應該意向性算計，當前火熱的AI們，試圖解決的是前者，對後者一般採取的是視而不見，因爲這個問題已足以困難到影響掙錢、消費和智商、情商的正常使用。
五、算法的祕密
1. 算法中的算，包括計算和算計兩部分
1.1 計算是邏輯的，而邏輯就是推理
1.1.1 推理是有規則的。
1.1.2 規則一般不會變化，但變化卻是一種規則。
1.1.3 規則是產生式的，屬於自動化範疇。
1.1.4 自動化的本質就是計算的邏輯規則推理，包括與或非及其各種組合。
1.1.5 人工智能的物理基礎就是數字化與或非邏輯及其各種組合計算（儘管也會涉及到一些非線性統計概率計算）。
1.1.6 人工智能是自動化領域的一部分。
1.2 算計是非邏輯的，而非邏輯不是推理
1.2.1非邏輯不按推理程序進行。
1.2.2 算計穿透着各個推理領域的部分。
1.2.3 這種啓發式跨域的能力與感性有關。
1.2.4 感性是生產式的，屬於智能化範疇。
1.2.5 智能化的核心就是算計的非邏輯非規則跨域性感知，包括與或非及其各種組合及其之外的洞察。
1.2.6 自動化是智能化領域的一部分。
2. 算法中的法，是算計的算計
2.1 法中包括具身性和反身性
2.1.1 具身性使用耦合和涌現等概念解釋認知過程，而不必要假設一個“表徵”的概念。
2.1.2 反身性即認識可以產生認識，行爲可以生產行爲。
2.1.3 畫裏的留白、話外的留白都是法，其它部分是算。
2.2 法不是計算
2.2.1 法不是計算的法則，是算計的法則。
2.2.2 計算的法則有情境，算計的法則無情境。
2.2.3 人工智能有封閉性，智能沒有封閉性。
2.3 算法中法大於算
2.3.1 法不是事實，而是價值。
2.3.2 事實適用於推算，價值適合覺察。
2.3.3 法可以反事實推理，也可以反價值推理，還可以跨域（非）推理。
2.3.4 算在下，自下而上，產生式，有理有據。
2.3.5 法在上，自上而下，啓發式，通情達理。
2.3.6 法能看到遠處，算能看到近處。
2.3.7 人擅長法，機優於算。
3. “計算計”與深度態勢感知
3.1 計算+算計生成“計算計”
3.1.1 計算用“是”，算計用“應”。
3.1.2 計算有源，算計無本。
3.1.3 計算是科學，算計爲藝術。
3.1.4 計算計就是深度態勢感知。
3.2 深度態勢感知即洞察
3.2.1 態是計算，勢是算計，感是映射，知是聯繫。
3.2.2 態勢感知就是用確定性計算計非確定性。
3.2.3 深度態勢感知就是計算計事實、價值、責任。
3.2.4 計算一定要情境、場景、態勢化，算計則可以非情境、非場景、非態勢化。
3.2.5 計算計過程中會衍生出自主機制，一種在計算與算計之間的恰當切換。
3.2.6 計算計可以交易、變易、不易、簡易，也可以同化、順應、平衡。
4.“ 計算計”不是科學問題，而是複雜性問題
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，不可編程的處理，不確定性的輸出；人工智能（含自動化）與智能的區別是：一個是功能一個是能力。很多人期望的是能力，而不是功能，即通過人工智能功能手段實現智能能力目的，這就是理想與現實的矛盾之所在，同時也是人們失望之所在：把功能看成了能力。
功能，指事物或方法所發揮的有利作用，非生命體的非主動效能，如錘子、汽車、機器人等的功能。能力，是完成一項目標或者任務所體現出來的主動性綜合素質，也是生命物體對自然探索、認知、改造水平的度量，如人的某方面能力、動植物的生殖能力等。
六、自主的概念
自主，Autonomy，源自古希臘語，(AncientGreek: αὐτονομίαautonomia from αὐτόνομοςautonomos from αὐτο-auto-"self" and νόμος nomos, "law", hence whencombinedunderstood to mean "one who gives oneself one's own law")意思是“賦予自己法律的人”，是道德、政治和生物倫理哲學中的一個概念。在這些情況下，理性的個人有能力做出一個知情的，非強迫性的決定。
在社會學領域，關於自主邊界的爭論一直停留在相對自主的概念上，直到在科學技術研究中創造和發展了自主的分類。它認爲，當代科學存在的自主形式是反身自主：科學領域內的行動者和結構能夠翻譯或反映社會和政治領域提出的不同主題，並影響他們對研究項目的主題選擇。
哲學家伊恩·金在如何做出正確的決定和始終保持正確的態度方面，提出了一個“自主原則”，他將其定義爲“讓人們自己選擇，除非我們比他們更瞭解他們的利益。”
瑞士哲學家讓·皮亞傑（Jean Piaget，1896-1980）通過分析兒童在遊戲過程中的認知發展，並通過訪談，確定（除其他原則外）兒童道德成熟過程分爲兩個階段，第一階段爲他律性階段，第二階段爲自主性階段：
他律推理：規則是客觀和不變的。它們必須是文字的，因爲權威對其排序，並且不適合異常或討論。這一規則的基礎是上級（父母、成年人、國家）的權威，在任何情況下都不應給出實施或履行規則的理由。
自主推理：規則是協議的產物，因此可以修改。它們可以被解釋，適合例外和反對。這一規則的基礎是其本身的接受，其含義必須加以解釋。制裁必須與缺席相稱，假定有時犯罪行爲可以不受懲罰，因此，如果集體懲罰不是有罪的，則是不可接受的。這種情況不能懲罰罪犯。
在醫學領域，尊重病人的個人自主權被認爲是醫學中許多基本倫理原則之一。自主性可以定義爲一個人做出自己決定的能力。這種對自主的信念是知情同意和共同決策概念的核心前提。知情同意的七個要素包括閾值要素（能力和自願）、信息要素（披露、建議，以及理解）和同意要素（決定和授權）。
自主有許多不同的定義，其中許多將個人置於社會環境中。如關係自主，這意味着一個人是通過與他人的關係來定義的；以及“支持自主”，這意味着在特定情況下，可能有必要在短期內暫時損害該人的自主性，以便在長期內保持其自主性。
在機器人領域，自主或自主行爲是一個有爭議的術語，指的是無人系統（如無人駕駛汽車），因爲人們對沒有外部命令而行動的事物是通過其自身的決策能力還是通過預先編程的決策方法來進行決策缺乏瞭解。這是一種難以衡量的抽象品質。從某種意義上講，機器的自主只是一種類比，並且該類比不包括人類社會的倫理道德，而自動則意味着系統將完全按照程序運行，它別無選擇。自主是指一個系統可以選擇不受外界影響，即一個自主系統具有自由意志。真正的自主性系統能夠在沒有人類內部指導的情況下完成複雜的任務。這樣一個系統可以說進一步自動化了整個過程的其他部分，使整個“系統”變得更大，包括更多的設備，這些設備可以相互通信，而不涉及人員及其通信。
在數學分析中，如果一個常微分方程與時間無關，則稱其爲自主方程；在語言學中，自主語言是一種獨立於其他語言的語言，例如有標準、語法、詞典或文獻等；在機器人學中，“自主意味着控制的獨立性。這個特性意味着自主性是兩個智能體之間關係的一個屬性，在機器人技術中，是設計者和自主機器人之間關係的一個屬性。根據Rolf Pfeifer的說法，自給自足、位置性、學習或發展以及進化增加了智能體人的自主程度；在空間飛行任務中，自主也可以指在沒有地面控制器控制的情況下執行的載人飛行任務；在社會心理學中，自主性是一種人格特質，其特點是注重個人成就的獨立性和對獨處的偏好，常被貼上與社會取向相反的標籤。
自主也有定義爲：一種由內而外的，不待外力推動而行動，能夠造成有利局面，使事情按照自己的意圖進行。有人更簡單地定義自主爲：自以爲是、自作主張。
傳統意義上將自動化定義爲：“設備或系統在沒有或較少人工參與的情況下，完成特定操作實現預期目標的過程。”，廣義的自動化概念包涵用於執行邏輯步驟和實際操作的軟件及其他應用過程。
自主系統是指可應對非程序化或非預設態勢，具有一定自我管理和自我引導能力的系統。相比自動化設備與系統，自主性設備和自主系統能夠應對更多樣的環境，完成更廣泛的操作和控制，具有更廣闊的應用潛力。一般來說，自主化是指應用傳感器和複雜軟件，使設備或系統在較長時間內無需通信或只需有限通信，無需其他外部干預就能夠獨立完成任務，能夠在未知環境中自動進行系統調節，保持性能優良的過程。自主化可以被看作是自動化的外延，是智能化和更高能力的自動化。
目前，大部分無人機、無人車、無人艇都需要人力遙控，其自主化水平相對較低。未來，這些遠程控制裝備可能會包含更多自主性功能，既可通過遙控進行操作，也有可能是半自主化或全自主化（實際上是某種程度上的半自主化）。未來，自主化是控制領域的最終歸宿。但在很長一段時間內，隨着自主系統發展，包括指揮控制與協調行動在內的絕大多數任務仍需要與人員協作完成。人機融合智能是相對性與絕對性的統一。
七、數學的不美之處
根據過去數據計算現在和未來是數學常用的手段，根據未來期望算計現在和過去纔是人智的方法。
意大利哲學家克羅齊在其名著《美學原理》一書的開頭就曾寫道：“知識有兩種形式：不是直覺的，就是邏輯的；不是從想象得來的，就是從理智得來的；不是關於個體的，就是關於共相的；不是關於諸多個別事物的，就是關於它們中間關係的；總之，知識所產生的不是意象，就是概念。”
《數學之美》這本書最大的價值，是告訴我們，數學是以什麼方式定義了我們的世界，數學思維的魅力究竟在哪裏。你可以不懂那麼多複雜的公式，但如果你理解了數學背後的思維方式，有了感知和理解這個世界的能力，就會進入一個新境界。
《人機研究》（正在撰寫中）一書想告訴我們的是，世界並不像畢達哥拉斯和伽利略所說的那樣：“萬物皆數”和“數學是描述宇宙的語言”，其實，在數和數學之外還有更廣闊的世界！
最早把數的概念提到突出地位的是畢達哥拉斯學派。他們很重視數學，企圖用數來解釋一切。宣稱數是宇宙萬物的本原，研究數學的目的並不在於使用而是爲了探索自然的奧祕。他們從五個蘋果、五個手指等事物中抽象出了五這個數。這在今天看來很平常的事，但在當時的哲學和實用數學界，這算是一個巨大的進步。在實用數學方面，它使得算術成爲可能。在哲學方面，這個發現促使人們相信數是構成實物世界的基礎。他同時任意地把非物質的、抽象的數誇大爲宇宙的本原，認爲“萬物皆數”，“數是萬物的本質”，是“存在由之構成的原則”，而整個宇宙是數及其關係的和諧的體系。畢達哥拉斯將數神祕化，說數是衆神之母，是普遍的始原，是自然界中對立性和否定性的原則。
畢達哥拉斯定理提出後，其學派中的一個成員希帕索斯考慮了一個問題：邊長爲1的正方形其對角線長度是多少呢？他發現這一長度既不能用整數，也不能用分數表示，而只能用一個新數來表示。希帕索斯的發現導致了數學史上第一個無理數√2的誕生。
這個小小√2的出現，卻在當時的數學界掀起了一場巨大風暴。它直接動搖了畢達哥拉斯學派的數學信仰，使畢達哥拉斯學派爲之大爲恐慌。實際上，這一偉大發現不但是對畢達哥拉斯學派的致命打擊。對於當時所有古希臘人的觀念這都是一個極大的衝擊。希帕索斯後被畢達哥拉斯投海溺斃。
這一結論的悖論性表現在它與常識的衝突上：任何量，在任何精確度的範圍內都可以表示成有理數。這在希臘當時是人們普遍接受的信仰！可是爲當時的經驗所確信的，完全符合常識的論斷居然被小小的√2的存在而推翻了！這應該是多麼違反常識，多麼荒謬的事！它簡直把以前所知道的事情根本推翻了。更糟糕的是，面對這一荒謬人們竟然毫無辦法。這就在當時直接導致了人們認識上的危機，從而導致了西方數學史上一場大的風波，史稱“第一次數學危機”。
事實求是地說，當前人工智能領域的根源就是數學，無論是符號主義、聯行結主義還是行爲主義、機制主義，離開了基於規則和統計的數學體系，人工智能的大廈頃刻間就會老老實實地恢復成成自動化，甚至是機械化、木牛流馬化，爲什麼？原因很簡單，有機無人，或者說，有智無慧。
帕斯卡爾在《人是一根能思想的葦草》裏說：“思想形成人的偉大。”。能思想的葦草，即我不是求之於空間，而是求之於自己的思想的規定。我佔有多少土地都不會有用；由於空間，宇宙便囊括了我併吞沒了我，有如一個質點；由於思想，我卻囊括了宇宙。
依照目前的數學體系，在可見的未來，機器應該不會產生出“思想”，更不會偉大到可以“描述宇宙”，原因中姑且不再談“哥德爾不完全性定理第一、二定理”，就是特定情境中狀態參數的設置和表徵、非公理的邏輯矛盾、直覺反思的不確定性就讓當代的數學現形不少了，而那些真以爲和假以爲數學能夠包打天下的學者可以抽空靜下來，停止吆喝，問問自己在家能不能不靠父母，在外能不能不靠數學，倉廩實而知禮節呢？！
數學很美！但數學也像其它學科一樣也有不美的地方，這個應該承認，就是科學也有許許多多不美之處，AI更是如此：不要象當年的神學一樣從鼎盛走向衰亡，......
八、“忠誠僚機”不應該“忠誠”
2015年，空軍研究實驗室（AFRL）正式啓動了“忠誠僚機”的概念研究，發佈了需求公告。該公告要求應開發自主技術有效增強美空軍未來在對抗和拒止環境下的作戰行動和能力，此外應能夠將有人駕駛戰鬥機與具備自主作戰能力的無人機實現有效集成，完成協同作戰，提高作戰效能。該公告同時指出無人機應儘可能攜帶更多數量的武器，充當F-35的彈藥庫，能夠對空中和地面目標實施打擊。
只講規矩，僅得方圓；只講方圓，僅得眼前。一直懷疑人工智能，儘管它的確改變了一些任務狀態（下棋、打撲克）！不是懷疑它的功能，而是懷疑它的能力！智能是極致簡單性和超越性，但缺乏現代邏輯的極致嚴密性和精確性，單純用形式化邏輯去描述、理解世界會犯很多錯誤，可是無論東西，偏偏就有許多以此爲生的孜孜不倦地讓別人相信、讓自己相信：AI能搞定什麼什麼......那麼真實的情境應該是什麼呢？任何一個工具（包括AI和自動化）如果不與人、（任務）環境融合，就會是某種類似阿爾法狗似的大廣告，熱鬧一時可以，但不可能太久！在所有研究智能的機構裏，也許最客觀、最老實的就是“自動化”院/所/系吧！智能和智慧根本而言，是人在生產、生活的實踐環境中通過不斷交互、交流而形成的一種事物，它遠遠超出了數學的範疇，是常道和非常道、常名和非常名的混雜融合體，想用規則和概率就能搞定這些既復又雜的事物，無異於緣木求魚、狼則罹之、刻舟求劍、盲人摸象、掩耳盜鈴。
事實上，到目前爲止，“人工智能數學模型的無條件安全性是可以用數學證明的”命題的真實性也一直有爭議的，只需查查有關人工智能安全性證明的論文就一清二楚了。退一萬步（不考慮完備性與否），即使人工智能的抽象數學模型將來被證明是無條件安全的，也不能證明人工智能真實的物理過程是無條件絕對安全的，因爲數學模型不等於真實的物理、心理過程。無論數學模型做得多完美，它只可能是真實世界部分的和近似的反映，對模型的任何分析和證明只能是真實世界特性的近似結果。
人類的學習是全方位的學習，不同角度的學習，一個事物可以變成多個事物，一個關係可以變成多個關係，一個事實不但可以變成多個事實，甚至還可以變成多個價值，更有趣的是，有時，人的學習還可以多個不同的事物變成一類事物，多個不同的關係可以變成一個關係，多個事實可以變成一個事實，甚至還可以變成一個價值。而機器學習本質上是人（一個或某些人）的認知顯性化，嚴格意義上，是一種“自以爲”“是”，即人們常常只能認出自己習慣或熟悉的事物，所以，這個或這羣人的侷限和狹隘也就在不自覺中融進了模型和程序中，因而，這種一多變換機制往往一開始就是先天不足。當然，機器學習也並不是一無是處，雖然做智能不行，但用來做計算機或自動化方向的應用應該還是不錯的！
“忠誠僚機”不應該“忠誠”，只有不“忠誠”的僚機纔可能是真正的智能僚機和可信賴的僚機吧！
九、尾聲
霍金教授在《大設計》一書中寫道：“真實世界就像地圖，山川圖、氣象圖、建築圖等等疊加，才無限趨近真實，單獨看任何一張都只代表局部的真實。個人站在自己的觀測點上，看到的是局部真實，觀測點越高，越能看到更多真實。我們要做的是把試圖改變他人局部的力氣收回來，尊重對方的局部真實，不要求他人的認同，因爲地圖和地圖的重合點其實是很少的，同時努力提高自己的觀測點，去看到更多的真實。”。據此，我們能否建立一個人實時建模（處理信息和知識）+機器舊時建模（處理數據）結合在一起的動態人機融合學習模型呢？進而用人的情境意識和機器的態勢感知融合把事實與價值統一起來，鑄造出感它、知異這把利劍並搭起聚態、彌勢這座橋樑。