伴隨著深度學習[1]、強化學習[2]等新一代人工智能技術的發展，智能化已成為社會發展的重要趨勢。能工智能（AI）的概念在1956年的達特蒙斯會議上首次被提出，其理論思想逐漸演變為三大流派，分別是聯結主義、行為主義和符號主義。三種理論都已經有了深入的研究並在圖像識別[3]、自然語言處理[4]、語音識別[5]等領域有了實際應用，但是每種理論在取得了卓越的成就的同時也均存在不足之處。
自古希臘人將歐幾里得幾何歸納整理成歐幾里得公理體系，到牛頓編撰的鴻篇鉅著《自然哲學的數學原理》，人類的現代數學和物理知識被系統化整理成公理體系。符號主義的主要思想便是應用邏輯推理法則，從公理出發推演整個理論體系[6]。但是符號主義思想面臨四個主要挑戰：1.知識的自動獲取；2.多元知識的的自動融合；3.面向知識的表示學習；4.知識推理與運用。符號主義雖通過模擬人的思維過程實現人工智能，但在以上四個問題難以有突破性的結果[7]。聯結主義的基本思想則是模擬人類大腦的神經元網絡，將人工神經網絡設計成多級結構，低能的輸出作為高級的輸入[6]。但該方法限制於在具有可微分、強監督學習、封閉靜態系統任務下才會得到良好的結果，並且訓練得到的結果也限制於給定條件的問題上。行為主義思想通過不斷模仿人或生物個體的行為超越原有的表現來推進機器的進化，主要依賴具有獎懲控制機制的強化學習方法。然而該方法的缺點在於過於簡化人類的行為過程，忽略人類心理的內部活動過程，忽略意識的重要性[7]。
人工智能的優勢在於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“應該”（should），也即“事實”命題能否推出“價值”命題；也無法處理情感的表徵問題。人工智能嘗試通過大數據與逐步升級的算法實現人的情感與意指依舊沒有辦法實現跨越[7]。
1. 智能的產生
有關智能生成的機理，一直是許多領域關注的焦點問題，涉及面之廣、深很是少見，初步梳理可能會與這樣幾個最基本的問題有關：認知生成的機理、知識生成的機理、意義生成的機理、情感生成的機理、情境生成的機理，甚至還避不開哲學的基本問題：世界的本源是物質的還是意識的？我是誰？從哪裡來？到哪裡去？認識世界的手段如何？語言是破解人類智能的鑰匙嗎？心靈與現象的關係如何？等等……
這個問題遠不是幾位數學家、哲學家、物理學家、計算機專家、自動化專家、社會學者、心理學學者、語言學工作者開幾次研討會所能解決的，歷史已經證明，萊布尼茲、維特根斯坦、愛因斯坦、薛定諤、圖靈、維納、香濃、貝塔朗菲、馮諾依曼、西蒙、明斯基、辛頓等先驅大師的智能思想混合在一起並沒有發生期待中的化學變化。這個問題有點像愛情生成的機理一樣，有一千對羅密歐與朱麗葉、一萬雙許仙與白娘子的故事就有成千上萬的解釋和理解。對人類而言，這是一個永恆的話題，是世世代代追求的夢中情人和理想家園。無論如何，“沒有人，就沒有智能，也就沒有人工智能”這個道理依然存在實用。
智能的生成機理，也許就像哲學中“我”的三個問題（誰？哪裡來？哪裡去？），本質是文化問題，智能也是多種文化交互作用的結果。其中休謨之問（能否從客觀事實中推出主觀價值來？即如何從“是”/being推出“應該”/should問題）可能是一個切入點，幾乎所有的智能生成都將涉及到主觀目的和動機（無論有意或無意），都會與情境中的客觀事實變化相關。而解答休謨之問的關鍵則是各種顯隱類比機制的破解（如潛意識就是隱類比），對此，侯世達在《表象與本質》一書做了很好的思考，但仍有一些問題值得商榷，譬如事物的表象與本質常常互為嵌套，表裡不一，似是而非等。實質上，人類的理解過程就是在事實being中尋找到了價值should的過程。有詞典解釋為：to know the meaning of……，這個know是主體的，這個meaning也是個性化的。所以，嚴格意義上講，理解就是： 自以為是；而智能則是：實事求是。智能是不分領域的，但是可以跨域遷移的，所以軍事智能準確地講應是智能軍事，如同智能農業、智能交通、智能醫療等，這些都是智能在不同領域方向的應用，但在許多基本機理方面是相通的，如在輸入端的表徵方式、在理解融合過程中的推理機制、在輸出端的決策輔助手段等。
近來，Bengio說深度學習需要被修正。他認為，只有超越模式識別的範圍，更多地瞭解因果關係，才能實現真正的人工智能革命。換句話說，他說，深度學習需要開始問為什麼事情會發生。認知科學實驗也表明，認識因果關係是人類發展和智力的基礎，儘管目前還不清楚人類是如何形成這種知識的。這些觀點也對也不對，對是因為他比機器學習前進了半步——不再僅僅依靠統計的相關性分析機械前行，不對是因為他還沒有走出西方科技工作者優良的傳統思路：仍把因果關係看成是求科學根問技術底的一副萬能良藥。實際上，類比、比較、比喻、比方、相似才可能是實現創造性智能的最重要途徑（包括擬合生成各種各樣的新概念）。
智能，包括人工智能，都是複雜系統，其中的許多事情不是都能用邏輯思維解釋清楚的，裡面還有大量的非線性、非邏輯成分，可解釋性、終身學習、動態表徵、強弱推理都需要類比，但類比的機制機理遠遠不是單純用科學技術所能解決了的，尤其涉及情感、情境、虛體等，更是如此！試圖單純用數學，尤其是用現代不完備的數學解決智能或人工智能的主要核心問題，無異於緣木求魚、畫餅充飢、水中撈月，如同拿著木棒、石頭造飛機和火箭一般，原因很簡單：定性的真東西尚都在遙遙無期中探索，定量的只能是自動化。
2. 何謂博弈智能
博弈智能不是博弈+人工智能，而是其中既包括機的自洽性過程計算也包含有人的矛盾性有向算計，博弈智能如生物進化一樣不太講究多強大、多聰明，而更關注任務執行中的恰當變通，它不是包治百病的神藥，而是對症下的準藥，最高境界是達到不戰而屈人的目的[8]。
當前博弈系統的自主化與弱通訊、無通訊條件下的高級自動化等價，而現代的博弈無人化側重於統計概率下的機械化+自動化。即使科技發展出的裝備再先進，其形成的產品或系統也只是機器計算，01的數理基礎仍然沒有變，就像5G、6G、…NG一樣，若沒有意向性和價值性出現，系統本質上還是機器。
博弈智能的本質是對抗性角逐，即要摧毀對方的博弈意志；人工智能的本質是服務性智力，滿足對象的需求。博弈智能以損人為本，民智以助人為樂。AI作為計算的邏輯實質上是一種“主體轉向”，“博弈智能的算計邏輯”是當仁不讓地以人類為主體，研究的對象是對手的認知、思維、智能種種，強調應是什麼應幹什麼等問題，博弈智能不但涉及手段還包括意志和隨機偶然性；AI計算的邏輯則是將計算機作為信息處理的主體，側重是什麼幹什麼問題，研究的是計算機的處理方式以及人與計算機的互動關係。
未來的博弈智能不是功能性的工具（錘子）而是能力性的軟件+硬件+溼件，它不太講究事實和形式，多涉及價值和意義。它會不斷地超越軍種、行業、領域的格局和前瞻的戰略視野，是顛覆性技術創新的重要支撐。
在20世紀50年代末，美國軍方的共識是，其指揮與控制系統不能滿足日益複雜和快速多變的軍事環境下快速決策的緊迫需求，1961年肯尼迪總統要求軍隊改善指揮與控制系統。在該國防安全重大問題提出以後，國防部指派DARPA負責此項目。為此DARPA成立了信息處理技術辦公室，並邀請麻省理工學院約瑟夫•利克萊德（J.C.R.教授出任首任主任。雖然是軍方的迫切需要和總統欽定的問題，但是DARPA沒有陷入軍種的眼前需求和具體問題，而是基於利克萊德提出“人機共生”的思想，認為人機交互是指揮與控制問題本質，並就此開展長期、持續的研究工作。此後，IPTO遵循著利克萊德的思想逐漸開闢出計算機科學與信息處理技術方面的很多新領域，培育出ArpaNet等劃時代顛覆性技術，產生了深遠的影響，直至今天。
博弈智能化不是無人化也不是自主化。自主化指自己作主，不受別人支配程度；無人化是指能在無人操作和輔助的情況下自動完成預定的全部操作任務的程度；而博弈智能主要是實現更高價的覺、察並實施詐和反詐，是人機環境系統融合的深度態勢感知，是人機融合的“鋼”（裝備）+“氣”（精神）。
當前，許多人認為博弈智能就是博弈+AI，還有人認為博弈智能就是自主系統或者無人系統，大都是沒有認清對抗博弈的實質使然。另外一個需要警惕的博弈智能問題是：單純機器計算的越精細、越準確、越快速，危險性越大，因為對手可以隱真示假、造勢欺騙、以真亂假，有時候系統越強越脆弱，所以有專家參與的人機融合博弈智能相對顯得更重要、更迫切、更有效。
3. 人機融合智能
人、機、環境系統之間的相互作用產生了智能，這不僅是一個科學問題，也包含非科學部分的研究（如人文藝術、哲學宗教），其中，人是複雜系統，機是相對簡單的系統，環境的漲落變化非常大，所以我們研究的人機環境系統既有“確定性”，又有“隨機性”，就成為“複雜的巨系統”。錢學森先生認為針對“複雜的巨系統”人類目前還沒有找到解決的一般原理和方法，人機融合系統的深度態勢感知理論可能就是一種有益的嘗試。
有人說：沒有經過人機融合合作訓練過的智能系統就是弱智系統。這句話的背後隱含著這樣一個事實：當前，人與機是不同的，而且，兩者之間是失同、失配的。其實，人機的職責分別在於準度和精度，準度涉及方向，精度關聯過程。機器具有功能，產生不了能力，所以處理不了有意義有價值的聯繫，也沒有形成默會的知識和常識。人與人溝通時，不說出的事物常常更重要，人機交互時則不然，主要是機器不瞭解這些潛在的前提和線索，只好左顧右盼，插渾打科，所聊非所聊，所答非所問，就像現在的聊天、問答機器人一樣，沒有主體性與客體性之間的理解揣摩，沒有博弈性語言學，也沒有主體間一對一的語義出現，只能夠陳述有限的事實，不能夠判斷無限的價值。總之，人機中的時空、邏輯機制不一致是引發融合困難的關鍵，人機融合智能的瓶頸還是如何實現有理、有利、有節的節奏和韻律。
人機融合智能系統是一個資源調度中心，一個供給側資源調度員，將人的溼件與機器的硬件、軟件匹配起來，在任務環境中進行資源的分配和控制。就如同一個單位指揮調度機構，使得人、物、環境發揮更高的工效。即使同一個人在不同階段的邏輯也不一定完全一致，機器最好能夠在人犯糊塗時進行輔助矯正。人機系統要想充分發揮功能，就需要有相應各件的支持與配合。只有進行軟硬溼結合，軟件硬化，硬件軟化，機件人化，人件機化才能最大程度發揮人機系統資源調度的作用，這就是適配性的問題。人的智能在於事前的有數據，機器的智能在於事後的有數據，而數據的價值和意義是由人確定的，所以是可變的，所以有機無人的數據是註定無用的。智能是一種虛實融合的非物質體，有實構，也有虛構，其中“非存在的有”就是虛構的重要組成成分。就像攝影、體育、科研、生活一樣……這種“非存在的有”可以或誘發或喚醒出某種某程度理解之外的理解，並通過認知遷移、旋轉變異出意料之外，進而形成一系列新的感、覺、受、動、察、知……
如果把人和機的智能都看成若干智能單元構成，那麼人機融合則看成智能單元之間的交換，交換通暢無礙趨於穩定，則會形成穩定的融合價。需要強調的是，人、機的智能單元不同，人的是認知智能單元，機的是計算智能單元，認知包括感性和理性，計算主要與理性有關。認知是真實世界的反映表徵，計算是符號系統的仿真模擬，而所有的仿真模擬都是近似的。如何把主客觀有機統一起來，這就需要更深層次的探索和思考。
主觀和意識都是一種心理性存在，而不是常規意義上的物理性存在，儘管它們依託在了動物物理性存在的高級形式——生理性存在平臺上存在。但是，它們終究是存在，而不是非存在。人們通過使用它們不僅可以解釋說明世界，而且還可以構建改變世界。所有的科學技術、宗教信仰、人文藝術都是通過這種心理性存在與各種物理性存在相互作用而衍生出來的。機器中的軟件和硬件本身就是物理性存在，是為了被使用而存在著；而人及其智能永遠不會為需要它的東西現存著，它被併入了利用它的系統存在者之中。機器總是具備某種功能，是If…then…do；而人是具有某種能力，是For…then…do。如果智能擁有做什麼的能力，首先是因為人擁有能力。機器可用於製造，是being，但機器本身不存在去製造的衝動，機器絕不可能先行把自己置於製造之中。與此不同，能力是“為了……”的能力，是should，能力本身引導它做什麼、如何做，能力自己把自身置於自己之所為。故而能力提供了理解人及其智能的新思路。為什麼會產生人的智能?因為人的能力只有藉助於智能才能實現；人為什麼會有能力?因為人在世界中的存在是通過人的智能實現的。機器只能在某一場景環境中執行功能，但永遠不能在一個情境世界之內生成能力，而人可以。在情境世界中人們可以感知到一種“內在關係”，該關係存在於圖畫和一些對象之間，而非概念和概念之間。無論這種“內在關係”存在於語詞、對象還是概念之間，它都不能簡單地被還原為視覺性質，它超越了視覺等“感覺”的狀態空間範疇，形成了聯想等“知覺”趨勢特徵向量空間。
機器只能在某一場景環境中執行功能，但永遠不能在一個情境世界之內生成能力，而人可以。在情境世界中人們可以感知到一種“內在關係”，該關係存在於圖畫和一些對象之間，而非概念和概念之間。無論這種“內在關係”存在於語詞、對象還是概念之間，它都不能簡單地被還原為視覺性質，它超越了視覺等“感覺”的狀態空間範疇，形成了聯想等“知覺”趨勢特徵向量空間。如圖1中展示的是“鴨頭”或“兔頭” ？
圖 1
在人機融合過程中，這些問題將會變得很重要：怎樣進行人機功能分配？人機何時何處何方式進行何分配？ 當人、機速度不匹配時，以人速為準較好還是以機速為準較好？人機怎樣融合學習？人機怎樣融合理解？人機怎樣融合決策？人機怎樣融合推理？人機怎樣融合感知？人機怎樣融合意圖？數據、信息、知識、智能、智慧之間究竟是如何相互作用並轉化的？
算法的實質是建立在計算邏輯基礎上的理性思維，缺少非事實或反事實想象過程，即面向事實中對象、屬性、關係不斷變換調整的認知動態過程。顯性的（明）態勢感知常常是可以計算的，隱性的（暗）態勢感知往往很難形成算法，但是可以被認知的，事實上，在許多態勢下，認知的價值（角度）可以改變計算的事實。
因果關係，除了有事實上的，應該還有價值上的！當前，語言（包括形式化符號語言）的作用被無限化了，比如人們虛構了所謂的自我意識這一概念，自我就是（個性）經歷，意識就是（群體）經驗。實際上，真實的知識、概念、意識不是來源於語言，而是人、物、環境之間的交互，語言就是一個工具，就像科學技術、人工智能一樣，它們促進了人類的進步，也束縛著文明的進一步發展，所以人類的語言會有不斷的突破和發展。
形式化的邏輯與意向性的邏輯不同，一個是being邏輯，一個是should邏輯，類比就是嘗試把兩張邏輯統一起來，而且should的“邏輯”常常是being的非邏輯。人機融合智能本質上就是處理這兩種“邏輯”協同問題。即如何建立形式化計算+意向性算計混合模型。
4. 深度態勢感知
深度態勢感知在態勢感知的概念裡，“勢”相對比較重要，如何從各種各樣的狀態變量空間裡及時準確地推出“勢”來，是眾多智能領域研究者們夢寐以求的一件事，“有態無勢”的評價結論實在是令人難以接受了! 針對這個跨越，有人用跨越神經科學與神學的界限之難都不為過。其實這與大多數人的學科背景有關：偏理工少人情世故！狀態空間常常與客觀事實有關，但大勢所趨往往與主觀價值相連，比如塞翁失馬是態，焉知禍福則是勢。也許態、勢之間的轉換不僅涉及歸納與演繹，而且還可能隱藏著主客觀之間的類比關係。羅素曾這樣來表述類比論證，“抽象的表述看來是這樣的：我們由觀察我們自己知道一種‘A引起B’形式的因果規律，其中A是一種‘思想’，而B是一個物理事件。我們有時觀察到某種B卻不能觀察到任何A，我們於是推斷出一個A”（注：Rosenthal編：《心之性質》，英國牛津大學出版社1991年版，第90頁。）。反之呢？如果A是一種‘物理’，而B是一個心理事件……生活中，這些心物理轉化的類比比比皆是：刻舟求劍、盲人摸象、望梅止渴、守株待兔等等。哈耶克曾說，“我們的結論必定是，對我們來說心智必然永遠停留在物自體王國，在那裡我們只能通過直接經驗瞭解它，而永遠不能完全解釋或‘引申’到其它地方。即使我們可能知道我們經驗的那種精神事件能夠被運轉自然其它部分的同樣力量所生成，我們永遠不能說，哪種特定的現實事件‘對應於’某一特定的精神事件。”於是，人類不可能完全認識這個宇宙及其各種事物。結論與康德類似，但用的是哈耶克自己的邏輯。他後來的經典概念就是：“理性不及”。司馬賀（西蒙）也曾用“有限的理性”去解釋正常的經濟活動。尤其是用理性化方法去模擬仿真真實的人機環境系統，並且缺乏感性方面的輔助和引導，就像失去了語氣和語用後的人類語言只剩下乾巴巴的語法一樣。
在態勢感知中，態就像是符合各種邏輯的語法，而勢更符合非邏輯的語義和語用。由態向勢的轉換，實質上就是由邏輯向非邏輯的轉換，就是由客觀實際向主觀價值的轉換。也是西方哲學中討論的一個熱點：他人何在（在我的意識中，還是在之外），亦即英美分析哲學主要關心的是他人之心的認知問題，簡稱他心問題，也就是我們怎樣知道除我們自己之外存在著具有思想、感情和其他心理屬性的人的問題。事物以數據、信息、知識方式進入主體，意義是主體基於經驗對事、物的關係反應，給人們產生出各種關係模型和非關係框架，並以"情感->價值+事實->意義"模式來整合認知世界的過程，其結果表現為通情達理或實事求是，這也是從狀態空間（內外）產生出趨勢目的的過程。對這種意義關係變化的理解有兩個維度。一個維度，凸顯的客觀的真實性，用“態勢”一詞。一個維度，強調的主觀的意向性，用“勢態”一詞。
5. 結束語
在西方倫理學界一般認為倫理學的基本問題有兩個基準：一個是我們應該如何行動？另一個是我們應該成為什麼樣的人？前者以行為為中心，屬於規範倫理學研究範疇，也是休謨之問的should問題；後者以行為者為中心，屬於美德倫理學研究範疇，也是休謨之問的being問題。這與智能生成的基本問題：“事實與價值能否相符”是一致的。
智能的生成將涉及到主觀目的與行為動機，並與情境中的客觀事實變化密切相關。產生智能不僅需要形式化的計算，更需要意識性的類比。掌握事實性與價值性的因果關係，深研人機融合智能，開展深度態勢感知，將是智能研究的重大突破。
閱讀更多 明日情報 的文章
