原创 刘伟 人机与认知实验室
人机与认知实验室
功能介绍人机交互与认知工程实验室 联系方式：[email protected]
1周前
收录于话题
摘要：人类文明历经了近万年的坎坎坷坷，几度辗转，几经变革，直至今日，人工智能的兴起才极大地触发了人们对智能含义的深度思考，因为只有充分了解了智能的本质，才可能将人与机器、环境更好地融合，实现真正的人机环境系统智能。本文从五个角度阐述了对智能的理解与观点。首先，提出智能是一个复杂系统，其思想基础和目的是如何把人的诸多主动能力价值浸入到机器的被动事实处理功能之中，并形成人机融合的完整事值性（事实+价值）智能协同功能力（功能+能力）系统，既包括计算（机）也包括算计（人），实现“强人工智能”关键所在：计算计（计算+算计）进行高效地结合；之后对计算与算计的关系进行了阐述，即“计算是基于事实的功能，算计是基于价值的能力”；之后对深度态势感知系统的实现做出了展望，提出基于“泛事实与泛价值”的有向态势感知模型；然后指出智能是解决问题的工具和手段，并不是万能的；最后对智能与数学的关系进行了思考，指出了人类智能与机器智能的不同，进一步提出人类智能的基石并不是数学。
关键词：人工智能；人机融合；事值性；功能力；计算计；深度态势感知
前言
有人说：“二战以后再无创新”，也有人说：“进入21世纪后，人类就再无创新”，仔细想想，恐怕不无道理。相比2500年前不约而同的东西方澎湃思潮、14-18世纪的文艺复兴、思想启蒙、20世纪的科学盛典而言，最近几十年的人类确实消停了不少！不过，虽然思想不多，魔术却也不少，掰开揉碎来看，人工智能或许算作其一吧？！
魔术是以不断变化让人捉摸不透并带给观众惊奇体验为核心的一种表演艺术，是制造奇妙的艺术。更简单地说，它是一种违反客观规律的表演。魔术是依据科学的原理，运用特制的道具，巧妙综合视觉传达、心理学、化学、数学、物理学、刑侦学、表演学等不同科学领域的高智慧的表演艺术。抓住人们好奇、求知心理的特点，制造出种种让人不可思议、变幻莫测的现象，从而达到以假乱真的艺术效果。
为什么说人工智能是一种魔术呢？简单地说，就是人工智能除去自动化、计算机、统计概率等传统学科的边际效应外，给人更多的是一种排列组合甚至是组装技术，没有公认的一般规则，没有基于公理体系的逻辑，更没有严谨的实验验证，所以人工智能距离新科学还很远，最多是一种综合了自动化、计算机、统计概率等传统”旧科学”组合技术的别称！鉴于此，也许有人会问：” 图像识别、语音识别、无人驾驶、类脑计算、智慧城市/教育/医疗/军事/交通/…等人工智能技术难道不是新科技吗？”，若想要听真话的话，答案就是：“对，这些都不含有新科学原理，都是建立在旧科学原理之上的新的技术组合，只不过让各种牵引、期待、宣传、用心等等包装成了高新科技。“。尽管如此，这并不是说人工智能等高新技术没有用，而是说，它还没有发生质变，如同中世纪的”神学“孕育出了”科学“一样，现在的各种组合”科学“产物—人工智能也可能衍生出新的”复杂“领域来。
若要加速这个进程，最佳的途径是先好好理顺一下“什么是智能“，然后再去”人工“，现在的研究往往相反：总是一群自以为很智能的人（比如许多理工科生）常常先”人工“后”智能“，为了防止大众说三道四，有的干脆再加上”人性化“以彰显强化其确实是”智能“，犹如掩耳盗铃一般。
虽然众说纷纭，各持己见，其实，智能并不是无迹可寻，智能就是以变应变，随机应变，智能不是不犯错误/失误，而是可以预防减少错误/失误，犯了错误/失误以后还可以改正错误、弥补失误，更重要的是“智能“的这种学习不仅面向别人学习，还会面向自己学习，不但会学习理工农医、还会学习文学历史哲学宗教艺术，其实智能本身就不仅仅是科学，还包括科学之外的方方面面，是真正的复杂系统，所以站在21世纪的第三个十年之端，反思”什么是智能“这个话题会非常必要，因为很多情况下，失之毫厘谬以千里，同时也顺便科普了一下”人工智能是什么“这个有趣的”魔术“！
今年是中国共产党建党100周年，若总结起各种经验教训来会很多很多，也许其中涉及人机关系的一条会很有启发，那就是她对土地的态度变化是从一个胜利走向另一个胜利的保障之一：土地革命时期，打土豪分田地；人民公社时期，土地公有化；联产承包时期，土地包产到户；集中耕种时期，土地效益最大化……，地，还是那块地，但是随着社会环境发展阶段的不同，管理机制却发生着很大甚至相反的变化，一会儿弥散一会儿聚合，犹如人的呼吸机理一样。这种人、机、环境相互作用的系统工程也是人机关系的重要组成部分，这种“时变法亦变”的方法不仅是工程问题，而且还暗含隐藏着许许多多科学、非科学问题，可以说是人机智能战略决心与顶层设计的典型代表。
其实，在科研工作上，也有类似的人机关系存在，所有的科研工作都是人做出来的，如何把人的主动性、积极性、创造性、协调性发挥出来是实现科研工作的重中之重，钱学森先生曾经不无感慨地说过，他一生中最感幸福的“科研工作”有两段时光，一段是在美国同导师冯·卡门等人从事空气动力学、固体力学和火箭、导弹等领域的研究阶段，另一段就是回国后与诸多专家学者从事东风、长征等系列火箭、导弹等领域的研究时期，原因是大家民主活泼、自由翱翔、无拘无束……
表面上是人与机器装备之间的人机关系，实际上是人与人之间的人机（机制）关系。人还是那些人，物还是那些物，如何高效、可靠、舒适地把大家的力量形成方向一致的合力已然摆在了我国下一阶段科技快速发展的面前，这也是新型人机关系急需解决的新问题、新考验。
当前，我国的新基建7个领域分别是：5G、特高压、城际高铁和城市轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网，具体包括三大方向：
1、信息基础设施：通信基础设施、算力基础设施。
2、融合基础设施：智慧交通基础设施、智慧能源基础设施。
3、创新基础设施：科技创新基础设施、科教创新基础设施、产业技术创新基础设施。
其实，除了这些人与具体硬件设施的研究外，这些人与人之间、装备与装备之间、人与环境之间、装备与环境之间的管理机制、控制机理也许更为重要吧！这次疫情之演变也充分说明了：中美之间的角力不会单纯是AI等科技的单打独斗，而应是人机环境系统综合工程。
新年伊始，人、机、环境系统中新型人机（机器、机制、机理）关系将越来越值得关注与期待！
什么是智能人机交互
这是一个非常有趣的问题，既涉及智能又牵扯人机交互，更重要的是两者之间的联系。
如果把人机交互看成脖子以下，即生理与物理之间的相互作用（如视域、听域、可达域、舒适域）的话，那么智能就应该是脖子以上的问题（如人的自然智能、机器的人工智能），这样一来，智能人机交互就可以说是脖子上下一体化的问题：一个活生生人-机-环境系统问题吧！
单纯从理性思维的角度分析，西方创立的科学技术体系已被证明是非常有力的，如现代意义上的衣食住行、船坚炮利、自由民主；同样，单纯从感性思维的尺度衡量，东方起源的儒释道思想体系也业已被世人所推崇，如传统意义上的仁义礼智信、缘起性空、天人合一。智能人机交互不但要求有情有理，更希望通情达理、情理交融，比如可以穿越一下，用老子的《道德经》（非常道、名）回答休谟之问（从客观事实being中能否推出主观价值should？），即用“等价”的相对思想取代“相等”的绝对意识（这也许会是新数学体系诞生的征兆）。相等与蕴含是现有数学（包括数、图、集合）的基石，也是计算的前提，更是人工智能的条件；而等价和类比则是复杂领域（包括跨域、交叉、融合）的关键，也是算计的本质，更是人类智能的精华。实现人机交互中的“交”，可以有效地使用计算方法尝试，而要完成人机交互中的“互”，则还需要更进一步的算计手段运用其中。如何实现从交互到互交、从相等到等价、从计算到算计的有机融合，是智能人机交互的重要瓶颈表征。
深入下去，我们不难发现，智能人机交互系统中的“互”或许是问题的核心、题眼之所在，能否“互”、怎样“互”、何时“互”、何处“互”、“互”什么、“互”程度、“互”范围……这些都将随着人、机、环境系统的动态演化而发生相应变化，若要快速、准确、及时、恰好地实现这些变化就需要更进一步的梳理出人机之间的各种新型关系来。比如人机融合智能中深度态势感知中的计算计就是要解决这个核心问题：事实、价值、责任能否、如何等价问题？有限的态与无限的势之间的矛盾，有限的感与无限的知之间的矛盾，这两个矛盾也是人机之间的主要矛盾之二。实际上，人机中的态、势、感、知各有其各自的时、空、情坐标但又相互关联，严格地说，“态势感知”应该叫做“感知态势”，人们常常是使用自己与机器的感、知算计算或计算计把不同的态、势配准拼接形成决策行动的方案，这里面既与理解、信任、透明机制有关，也与记忆、注意、意图机理有关，人机总是在互补与被互补、主动与被动、正常与异常过程中进行有目的或有任务的经验编程、知识验证、自愈泛化，通过区别对象的属性及关系的属性，衍生出对应的弹性概念和理论，并进行个性化的表征、推理和判断。正如丹麦著名的诗人、哲学家、心理学家克尔凯郭尔所说：“人是有个性的自由存在，人们可以利用自己的特点去创造自己特有的本质，这样才能够体现出人们的价值。”。
未来的某一天，机器可以运用人设定的程序发展出各种可能性，开始真正意义上的自我认识和自我否定，能够有目的的自我修正，并且不断意识到自已的无知而突破自我，一如阿尔法狗在围棋领域所展现出的无限可能性一样，此时，这种个性化的精神形成也许就是革命性智能人机交互的伊始吧！有人认为，“人工智能的圣杯应该是这样一台机器：它可以开始建立这个世界的坚实模型，这个模型可以随着时间的推移被打造得越来越强大，并通过与人类的交互得到完善与纠正。这才是我们需要的。”。苏格拉底曾说过一句名言：“一无所需最像神”。一个人对物质的需求越少，就越接近于神。因为神是自足的，完完全全是精神性的存在，不需要物质。一台个性化的机器除了能量以外，还需要什么呢？
若要回答我们能知道什么这个问题，就要首先看看认识者和被认识者之间的关系如何。古典哲学中的真理被看成是语言与事物的一致相应，康德问道：这种一致如何才成为可能？事物是具体的和物化的，而语言是抽象的，这两种东西怎么会一致？实际上人的感知提供的只是物体的某些特性，如质量、体积、形状、数量、重量、运动速度等，没有这些特性，我们就无法对物体展开想象。这是物体的主要特性。物体还有其它从属特性，如颜色、声音、味道和温度感觉等，这些从属特性虽然是物体的一部分，但是人们可以进行不同的想象。例如我们可以把一辆蓝色的桌子想象成绿色的桌子。这种主要特性和从属特性的区别让人进一步问：外部世界真实状况究竟是什么？因为如果我对物体的某些特性可以进行不同的想象，也就是说这些特性似乎只在我的态势感知中存在，我怎样才能肯定世界只不过是存在于我的头脑当中？因此，语言与事物的一致(真理)似乎只有在人的头脑中才成为可能。
这当然是令人绝望的极端怀疑主义。如果人们不甘于接受这一观点该怎么办？也许一种我们无法认知的外部世界确实存在，那我们又该怎么办？康德以前，哲学家对这一问题的回答就是把这一问题推给上帝：我们的思想与外部世界一致，因为这是上帝愿意这样安排的。但问题是：我们怎么知道上帝让我们看到的事物就是事物的本来面目？康德把这个问题彻底给颠倒了。知性为自然立法。他的这一论断与现代量子力学有着惊人相似之处：事物的特性与观察者有关。在“纯粹理性批判”中，康德研究了人类感知的形式，即空间和时间。存在于时间和空间里的物质被人类的理解力加工为经验，而康德把人类理解力的形式称为“(绝对)范畴”，这些人类理性的形式中包括人们对灵魂、世界和上帝的设想，康德把它们理解为某种制约原则，人们的经验世界就是通过这些原则得以构造。
智能的人机交互也许也需要这些原则才能得以构造吧！？只不过需要把康德的“上帝”设想改为“复杂系统”的研究。
三、事实与价值（事值性）
西方哲学难题“休谟之问”是说：从客观事实being里面是否能够推导出主观价值should来？人智的“是”离不开非（不是），机智的“是”离开了非（不是）。真正的自主不是自己去决定什么，而是在随机中应变，在变化的人机环境系统中动态而又恰当地决定什么。自主不是自己去决定，而是在随机中应变，在动态的人机环境系统中恰当地决定，事物的价值意义正是由许许多多零碎的片段融合涌现出来的。人类的表征和知识除了纵向和横向关联关系之外，还有Z轴关系，以及三者之中的时间跳跃关系，人的认知除了自上而下、自下而上两种方法之外，还有上下震荡法及其混合等方法，推理除了归纳、演绎等方法之外，也还有归纳演绎融合方法。杨振宁先生认为理论物理的工作是“猜”，而数学讲究的是“证”，而智能领域里面却同时包含两者，前者是价值“should”，后者是事实“being”。对于智慧而言，仁、义不能分离，道、德也不能分离，同样对于（真正的）智能而言，事实“being”、价值“should”也不能分离。
有人认为：“自由”即成为“自己”，而“自己”只能通过“永恒”不变者才可达成。追求永恒的“确定性”知识于是成为一项自由的事情。有时恰恰相反，“自由”即不成为“自己”，而“自己”只能通过“永恒”变者才可达成。追求永恒合理的“不确定性”知识于是成为一项自由的事情。
休谟认为：“一切科学都与人性有关，对人性的研究应是一切科学的基础。”，任何科学都或多或少与人性有些关系，无论学科看似与人性相隔多远，它们最终都会以某种途径再次回归到人性中。科学尚且如此，包含科学的复杂也不例外，其中真实的智能有着双重含义：一个是事实形式上的含义，即通常说的理性行动和决策的逻辑，在资源稀缺的情况下，如何理性选择，使效用最大化；另一个是价值实质性含义，既不以理性的决策为前提，也不以稀缺条件为前提，仅指人类如何从其社会和自然环境中谋划，这个过程并不一定与效用最大化相关，更大程度上属于感性范畴。理性的力量之所以有限，是因为真实世界中，人的行为不仅受理性的影响，也有“非理性”的一面。人工智能“合乎伦理设的计”很可能是黄粱一梦，原因很简单，伦理对人而言还是一个很难遵守的复杂体系。简单的伦理规则往往是最难以实现的，比如应该帮助处在困难中的人，这就是一条很难（遵守者极容易上当被骗）操作的伦理准则。对于AI这个工具而言，合乎伦理设计应该科幻成分多于科学成分、想象成分多于真实成分。
当前的人工智能及未来的智能科学研究具有两个致命的缺点：（1）把数学等同于逻辑；（2）把符号与对象的指涉混淆。所以，人机融合深度态势感知的难点和瓶颈在于：（1）（符号）表征的非符号性（可变性）；（2）（逻辑）推理的非逻辑性（非真实性）（3）（客观）决策的非客观性（主观性）。
四、功能与能力（功能力）
机器的功能表现在赋能的多少，人类的能力体现在使能的好坏，机器没有真正的能力，人类却既有能力也有功能，人机融合智能的“脖子”就在于人机功能力（功能+能力）分配，即动态界定自己“功能圈与能力圈”边界的能力。这些功能力分配实现的好很难，分配的不好较容易（比如用一些不疼不痒的算法较容易实现一些不疼不痒的功能赋能，却很难发现主动使能的能力）！
事实上，所有的人和机器都存在功能力的盲点。人机对自己的专业领域、旁的人机或是某一件事情或许能够做到客观，但是对于万事万物都秉持客观的态度却是很难的，甚至可以说是有违人、机之本性的。
但是人机环境系统融合却可以做到凡事主客观结合的，事实证明通过后天的训练是可以培养出高效人机协同思维的，而这种思维方式的养成将使你看到别人看不到的东西，预测到别人预测不到的未来，从而达到更安全、高效和舒适的目的。即使这样，一组人机在各种任务中可以真正实现的真见卓识仍然非常有限，所以正确的决策必须局限在自己的“能力圈”以内。一种不能够界定其边界的能力，当然不能称为真正的能力。
一般而言，好的政治家需要找到共识，有限区间的共识才能积极行事，人机之间也需要如此。人机动态功能分配的核心问题在于：对现有数学方法不完备性的挑战——人，讲究等价类比，机，倚重相等蕴含。
严格地说，人机功能分配是人的能力与机器的功能分配，人具有主动性的能力使然（使能），机体现被动试的功能赋予（赋能），是人的动态算计与机器的准动态计算之间的分配。算计里面有过去/现在/未来的估计、规划和“阴”谋，计算里面有过去的规则、统计和阳谋，而没有当前和未来的规则、统计和阳谋，计算是基于已知条件的运算功能，是一种不基于价值导向的封闭性运算，算计则是基于部分已知和部分未知条件的开放性筹划能力，是一种价值导向的筹划。如何破解事实功能导向与价值能力导向的过程划分，如何区别已知/未知条件的“计算计（计算+算计）”，已成为人机能力/功能分配的关键问题之一。
另外，人机能力/功能分配是一个不准确的概念，因为人具有的是一种超出功能作用的能力，所以准确的说，人机关系应该是人的能力与机器的功能如何有效协调的问题，再深入一下，人机关系更是一种人机环境系统交互的关系，人的能力与机器的功能再加上系统提供的使能条件，已然成为构成军事智能体系的三要素，人的能力是会随着人机环境系统的变化而变化的（人的情境意识与态势感知会因时因法因环境而发生变化的），而机器的功能则不会恰如其分地随人随环境而应变。如此看来，人机环境之间经常失配、失互是正常的，人机环境之间的有效配合反而是不正常的。个性化使能推荐系统+富弹性知识库的研发已成为解决此问题的两种可能的办法，反人工智能就是要加速、加强我方人机环境系统的协同能力，同时破坏对手的人机环境系统的协调融合能力，自主是有价值的主动使能形式，而不是被动赋能形式。
仔细想想，Pearl《为什么》的因果只是多种因果关系中的一种事实性因果！人常常是先经过价值算计，再进行事实计算的，属于价值性因果。机器不然，它没有价值，只有事实性计算。人可以“举一反三”，机器有时可以“举一反三”，但更多时候是“举三反一”。亚当.斯密很有意思，第一部书《道德情操论》首先提出了“利他”和“同情”问题，第二部书《国富论》就反其道而行之，提出了“利己”和“分工”问题。更有意思的是，他只提出这两个问题，并没有解决两者如何平衡的问题，美其名曰：自有后人评说！而人机能力/功能分配恰恰包含“利他”、“利己”、“同情”、“分工”等问题。
五、计算与算计（计算计）
智能是一个复杂的系统，既包括计算也包括算计，一般而言，人工（机器）智能擅长客观事实（真理性）计算，人类智能优于主观价值（道理性）算计。当计算大于算计时，可以侧重人工智能；当算计大于计算时，应该偏向人类智能；当计算等于算计时，最好使用人机智能。费曼说：“物理学家们只是力图解释那些不依赖于偶然的事件，但在现实世界中，我们试图去理解的事情大都取决于偶然。”。但是人、机两者智能的核心都在于：变，因时而变、因境而变、因法而变、因势而变。
如何实现人的算计（经验）与机的计算（模型）融合后的计算计系统呢？太极八卦图就是一个典型的计算计（计算+算计）系统，有算有计，有定性有定量，有显有隐，有阴有阳，计算交融，情理相依。其中的“与或非”逻辑既有人经验的、也有物（机）数据的，即人价值性的“与或非”+机事实性的“与或非”，人机融合智能及深度态势感知的任务之一就是要打开与、或、非门的狭隘，比如大与、小与，大或、小或，大非、小非……大是（being）、大应（should）、小是（being）、小应（should）。人的经验性概率与机器的事实性概率不同，它是一种价值性概率，可以穿透非家族相似性的壁垒，用其它领域的成败得失结果影响当前领域的态势感知SA，比如同情、共感、同理心、信任等。
人类智能的核心是意向指向的对象，机器智能的核心是符号指向的对象，人机智能的核心是意向指向对象与符号指向对象的结合问题。它们都是对存在的关涉，存在分为事实性的存在和价值性的存在、还有责任性的存在。比如同样的疫情存在，钟南山院士说的就是事实性存在，特朗普总统说的就是价值性存在，同时他们说的都包含责任性存在，只不过一个是科学性责任，一个是政治性责任。
一般而言，数学解决的是等价与相容（包涵）问题，然而这个世界的等价与相容（包涵）又是非常复杂，客观事实上的等价与主观价值上的等价常常不是一回事，客观事实上的相容（包涵）与主观价值上的相容（包涵）往往也不是一回事，于是世界应该是由事实与价值共同组成的，也即除了数学部分之外，还有非数之学部分构成，科学技术是建立在数学逻辑（公理逻辑）与实验验证基础上的相对理性部分，人文艺术、哲学宗教则是基于非数之学逻辑与想象揣测之上的相对感性部分，二者的结合使人类在自然界中得以不息的存在着。
某种意义上，数学就是解决哲学上“being”（是、存在）的学问（如1/2，2/4，4/8……等价、包涵问题），但她远远没有、甚至也不可能解决“should”（应、义）的问题。例如，当自然哲学家们企图在变动不居的自然中寻求永恒不变的本原时，巴门尼德却发现、没有哪种自然事物是永恒不变的，真正不变的只能是“存在"。在一个判断中（“S是P”），主词与宾词都是变动不居的，不变的惟有这个“是”（being）。换言之，一切事物都“是”、都"存在”，不过其中的事物总有一天将“不是”、“不存在”，然而“是”或“存在”却不会因为事物的生灭变化而发生变化，它是永恒不变的，这个“是”或“存在”就是使事物“是”或“存在”的根据，因而与探寻时间上在先的本原的宇宙论不同，巴门尼德所追问的主要是逻辑上在先的存在，它虽然还不就是但却相当于我们所说的“本质”。这个“是”的一部分也许就是数学。
人机环境之间的关系既有有向闭环也有无向开环，或者有向开环也有无向闭环，自主系统大多是一种有向闭环行为。人机环境系统融合的计算计系统也许就是解决休谟之问的一个秘密通道，即通过人的算计结合机器的计算实现了从“事实”向“价值”的“质的飞跃”。
有人认为：“全场景智慧是一个技术的大融合。”，实际上，这是指工程应用的一个方面，如果深究起来，还是一个科学技术、人文艺术、哲学思想、伦理道德、习俗信仰等方面的人物环境系统大融合，如同这次抗疫。较好的人机交互关系如同阴阳图一样，你中有我，我中有你，相互依存，相互平衡，就像当前的中美关系一样，美国想去掉华为的芯片，英特尔等就受损。简单地说，目前人机关系就是两条鱼，头尾相连，黑白相间。
每个事物、每个人、每个字、每个字母……都可以看成一个事实+价值+责任的弥聚子，心理性反馈与生理性反馈、物理性反馈不同。感觉的逻辑与知觉的逻辑不同，易位思考，对知而言，概念就是图型，对感而言，概念就是符号。从智能领域上看，没有所谓的元，只有变化的元，元可以是一个很大的事物，比如太阳系、银河系都可以看成一个元单位。我们称之为智能弥聚子。
六、界面就是异质事物的 “互”（相交）
2019年1月美国国防高级研究项目局（Defense Advanced Research Projects Agency，DARPA）的一份“知识指导的人工智能推理图式（Knowledge-directed ArtificialIntelligence Reasoning Over Schemas，KAIROS）”项目公告指出，该机构期望能发展一个可在“看起来没有关联的各类事件”中发现并画出关联关系、进而更好地描述全球事件的半自动化人工智能系统。
实际上，“看起来有关联的各类事件”中发现并洞察出无关联关系也很重要！粟裕常常从第三者（上帝）的视角度看待宏观、微观局面态势的切换、迁移、弥聚、缩放，还往往不依靠无线通讯设备的辅助，其“可在“看起来没有关联的各类事件”中发现并画出关联关系、“看起来有关联的各类事件”中发现并洞察出无关联关系、进而更好地描述全球事件的半自动化人工智能系统”能力非同寻常。
若把人工智能看成是一个理性行为的话，那么智能就是一个理性与感性混合的行为，而智慧就是非理性的行为，是一种超越事物本身的事实性联系。任何一个事物的值都会随着事实的变化而发生价的随动，所以其价值往往不是固定的，就像水在不同环境情景中的意义一样。如何准确理解并表征这种微妙的变化是智能的最重要阶段。
如何从情境定位事件再定位对象及其属性、意向，结合反之，即如何从对象及其属性、意向定位事件再定位情境，这也是一个值得思考的智能核心问题!单纯的二维地图容易干扰指挥员的态势感知，三维地图（含加上时间维度的四维电子裸眼3D地图）虽然可以增强其态势感知能力，仍难以产生超越事物本身属性的反映其真实显隐关系的深度态势感知能力，这种“去伪存真、去粗存精、由此及彼、由表及里”的洞察能力形成就是我们需要研究的人机融合智能问题之关键所在!
人的优缺点的研究和补偿是人机融合智能的瓶颈和关键；软硬件排第三；其次是环境系统的影响，没有情景、上下文、态势、语境等，人机系统中的设计与使用就会严重脱节。所以人的研究很重要，而人机环境系统的综合平衡、共生共长更重要！其实，人机混合的结果很可能也会造成人类智慧的某种退化。例如，丰田的技术官也提出了类似的理念，没有人工生产线，人理解不了自动生产线，也无法持续改进。丰田保留了人工生产线，培养员工和持续改进。
人机的背后是人性（智能），人性（智能）背后是对未知的选择和判断，而不是对已知的判断。从融合智能的角度看，开放的有限空间要好于封闭的无限空间。斯图尔特·罗素有三个原则：1、利他主义（Altruism）——机器的唯一目标是最大限度地实现人类的偏好；2、谦逊原则（humility）——机器最初并不确定人类的偏好是什么，这是创建有益机器的关键；3、学习预测人类偏好，人类偏好的最终信息来源是人类行为。这三个原则对确定人机融合智能的方式具有参考作用。
人机之间是多事实多价值多责任性交互，对于机器学习而言就没有完全封闭的环境，因而就不存在自洽，一定是适应性成长系统。如何保证机器智能的“上限不能过，底线不能破，红线不能踩。”呢？自和互似乎比较关键，自，“我”性；互，“人”性。
开放环境下的动态表征能力不仅是智能的入口，也应是人机交互的前提，自表征、自定义、自拟合、自适应、自协同、自封闭、自推理、自判断、自决策与互表征、互定义、互拟合、互适应、互协同、互封闭、互推理、互判断、互决策如何产生/结合问题也许是智能问题的两大关键。
七、深度态势感知的实现
科学家们常常只是力图解释那些不依赖于偶然的事件，但在现实世界中，人机环境系统工程往往试图去理解的事情大都取决于一些偶然因素，如同人类的命运。维特根斯坦（Ludwig Wittgenstein）就此曾有过著名的评论：“在整个现代世界观的根基之下存在一种幻觉，即：所谓的自然法则就是对自然现象的解释。”，基切尔也一直试图复活用原因解释单个事件的观点，可是，无穷多的事物都可能影响一个事件，究竟哪个才应该被视作它的原因呢？。更进一步讲，科学永远都不可能解释任何道德原则。在“是”与“应该”的问题之间似乎存在一道不可逾越的鸿沟。或许我们能够解释为什么人们认为有些事情应该做，或者说解释为什么人类进化到认定某些事情应该做，而其他事情却不能做，但是对于我们而言，超越这些基于生物学的道德法则依然是一个开放的问题。牛津大学的彭罗斯教授也认为：“在宇宙中根本听不到同一个节奏的“滴答滴答”声响。一些你认为将在未来发生的事情也许早在我的过去就已经发生了。两位观察者眼中的两个无关事件的发生顺序并不是固定不变的；也就是说，亚当可能会说事件P发生在事件Q之前，而夏娃也许会反驳说事件P发生在事件Q之后。在这种情形下，我们熟悉的那种清晰明朗的先后关系——过去引发现在，而现在又引发未来——彻底瓦解了。没错，事实上所谓的因果关系（Causality）在此也彻底瓦解了。” ，也许有一种东西，并且只有这种东西恒久不变，它先于这个世界而存在，而且也将存在于这个世界自身的组织结构之中：它就是——“变”。
某种意义上讲，智能是文化的产物，人类的每个概念和知识都是动态的，而且只有在实践的活动中才可能产生多个与其它概念和知识的关联虫洞，进而实现其“活”的状态及“生”的趋势。同时，这些概念和知识又会保持一定的稳定性和继承性，以便在不断演化中保持类基因的不变性。时间和空间是一切作为知识概念的可能条件，同时也是许多原理的限制：即它们不能与存在的自然本身完全一致。可能性的关键在于前提和条件，一般人们常常关注可能性，而忽略关注其约束和范围。我们把自己局限在那些只与范畴相关的原理之上，与范畴相关，很多与范畴无关的原理得不到注意和关涉。实际上，人机环境系统中的中态、势、感、知都有弹性，而关于心灵的纯粹物理概念的一个问题是，它似乎没有给自由意志留多少空间:如果心灵完全由物理法则支配，那么它的自由意志就像一块“决定”落向地心的石头一样。所有的智能都与人机环境系统有关，人工智能的优点在于缝合，人工智能的缺点在于割裂，不考虑人、环境的单纯的人工智能软件、硬件就是刻舟求剑、盲人摸象、曹冲称象……简单地说，就是自动化。
人的学习是初期的灌输及更重要的后期环境触发的交互学、习构成，机器缺乏后期的能力。人的学习是事实与价值的混合性学习，而且是权重调整性动态学习。人的记忆也是自适应性，随人机环境系统而变化，不时会找到以前没注意到的特征。通过学习，人可以把态转为势，把感化成知，机器好像也可以，只不过大都是脱离环境变化的“死”势“僵”知。聪明反被聪明误有时是人的因素，有时是环境变化的因素。我们生活在一个复杂系统（complexsystem）中，在这种系统中有许多互相作用的变主体（agent）和变客体。人机融合中有多个环节，有些适合人做，有些适合机做，有些适合人机共做，有些适合等待任务发生波动后再做，如何确定这些分工及匹配很重要，如何在态势中感知？或在一串感知中生成态势？从时间维度上如何态、势、感、知？从空间维度上如何态、势、感、知？从价值维度上如何态、势、感、知？这些方面都很重要。
那么，如何实现有向的人机融合与深度的态势感知呢？一是“泛事实”的有向性。如国际象棋、围棋中的规则规定、统计概率、约束条件等用到的量的有向性，人类学习、机器学习中用到的运算法则、理性推导的有向性等，这些都是有向性的例子。尽管这里的问题很不相同，但是它们都只有正、负两个方向，而且之间的夹角并不大，因此称为“泛事实性”的有向性。这种在数学与物理中广泛使用的有向性便于计算。二是“泛价值”的有向性，亦即我们在主观意向性分析、判断中常用到的但不便测量的有向性。我们知道，这里的向量有无穷多个方向，而且两个方向不同的向量相加通常得到一个方向不同的向量。因此，我们称为“泛价值”的有向量。这种“泛向”的有向数学模型，对于我们来说方向太多，不便应用。
然而，正是由于“泛价值”有向量的可加性与“泛物”有向性的二值性，启示我们研究一种既有二值有向性、又有可加性的认知量。一维空间的有向距离，二维空间的有向面积，三维空间、乃至一般的N维空间的有向体积等都是这种几何量的例子。一般地，我们把带有方向的度量称为有向度量。态势感知中态一般是“泛事实”的有向性，势是“泛价值”的有向性，感一般是“泛事实”的有向性，知是“泛价值”的有向性。人机关系有点像量子纠缠，常常不是“有或无”的问题，而是“有与无”的问题。有无相生，“有”的可以计算，“无”的可以算计，“有与无”的可以计算计，所以未来的军事人机融合指控系统中，一定要有人类参谋和机器参谋，一个负责“有”的计算，一个处理“无”的算计，形成指控“计算计”系统。既能从直观上把握事物，还能从间接中理解规律。
西方发展起来的科学侧重于对真理的探求，常常被分为两大类：理论的科学和实践的科学。前者的目的是知识及真理，后者则寻求通过人的行动控制对象。这两者具体表现在这样一个对真理的证明体系的探求上：形式意义上的真理（工具论——逻辑），实证意义上的真理（物理——经验世界），批判意义上的真理（后物理学——形而上学）。俞吾金先生认为：“迄今为止的西方形而上学发展史是由以下三次翻转构成的：首先是以笛卡尔、康德、黑格尔为代表的“主体性形而上学”对柏拉图主义的“在场形而上学”的翻转；其次是在主体性形而上学的内部，以叔本华、尼采为代表的“意志形而上学”对以笛卡尔、康德、黑格尔为代表的“理性形而上学”的翻转；再次是后期海德格尔的“世界之四重整体（天地神人）的形而上学”对其前期的“此在形而上学”的翻转。”通过这三次翻转，我们可以引申出这样的结论：智能是一种人机环境系统交互，不但涉及理性及逻辑的研究，还包括感性和非逻辑的浸入，当前的人工智能仅仅是统计概率性混合了人类认知机理的自动化体系，还远远没有进入真正智能领域的探索。若要达到真正的智能研究，必须超越现有的人工智能框架，老老实实地把西方的“真”理同东方的“道”理结合起来，形成事实与价值、人智与机智、叙述与证明、计算与算计混合的计算计系统。
正如李朝东老师（原载《西北师大学报》2000年第5期）所言：“西方哲学就是一种真理的证明体系，而不是道德价值的话语系统，不是道理的语言。它是一种自以为然、以他为然的、为落入思想经验中的世界“立法”的真理语言，是一种事实判断的体系，而不是一种价值评判体系。中国人所追求的真理是与对错、好坏、是非的价值评判体系相关的东西，换言之，国人从来没有在整个证明体系上进入真理或哲学。
西方人讲真理，中国人讲道理。道理乃自然之理，自然乃然其所然，既不能自以为然，也不能他然。所谓道法自然，就意味着道本身然其所然。然其所然的“所然”指的是阴阳、天地、男女之道，所以一阴一阳谓之道。道通于天地，男女之道谓之曰大道。国人的思想经验便是这种相反相成的二极经验，负阴抱阳自明。若不懂阴阳、天地、男女之道，无论你赋道以怎样的哲学意义都是无济于事的。道是一种相当深奥的生命经验、人生经验和美感经验，但它与真理的证明体系没有任何关系。”。
可解释性的关键在于合适透明性所产生出的信任性，信任性的关键在于理解后的赞同，理解是对意义的把握，即把各种（事实、价值、责任等）可能相关事物有机整合在一起的能力。这个世界是由智能和非智能共同构成的，未来，能够制约智能系统的也许就包含非智能因素吧！如读康德的作品只靠理解力是不够的，还需要超强的想象力。再如机器强化学习中只有得失没有是非，极易形成“局部最优”而丧失“大势所趋”。
自此，真正的智能将不仅能在叙述的框架中讲道理，而且还应能在证明的体系中讲真理；不仅能在对世界的感性体验中言说散文性的诗性智慧以满足情感的需要，而且能在对世界的理智把握中表达逻辑性的分析智慧以满足科学精神的要求，那时，智能才能真正克服危机——人性的危机。
为什么AI总是很难落地？为什么人工智能常常被人诟病？有人说这是由于科幻电影、科幻小说、电子游戏、新闻媒体等造成的，这个观点有一定的合理成分，但还有一个更重要的事实为大家所忽略，那就是本应为“人机环境系统融合智能”常常被误认为是“人工智能（甚至是一些算法）”所致。当前，在众多AI辅助决策系统中更多的是妨碍，由于人、机处在不同惯性坐标系的态、势、感、知之中，机很难跟上人思维的跳跃、穿越和变速。那么，在不同惯性系里的态、势、感、知是怎样变化的呢？比如在一个元帅和士兵、机器视野中的事实与价值……计算机有限的理性逻辑和尴尬的跨域能力是人机融合智能的短板，机器无法理解相等关系，尤其是不同事实中的价值相等关系，而人却可以用不正规不正确的方法和手段（或打着名正言顺的旗帜）实现正规正确的目的，人还可以用普通的方法处理复杂的问题，还可以用复杂的方法解答简单的问题。
人智与AI的失调匹配是导致目前人工智能应用领域弱智的主要原因。人可以身在曹营心在汉，是非、01同在：既是又不是，叠加态。危机管理呢？常常是叠加势：危险与机会共生，危中有机，机中有危，两者纠缠在一起，如何因势利导、顺势而为，则是人机融合智能中深度态势感知的关键。无论是军用领域还是民用领域，无论是自动化产品还是智能系统，大凡接地气，并为众人所接受的喜闻乐见，仔细想想，无不是在安全、高效、舒适方面做的比较好些。而要具备这些优点，其人、机、环境系统大都比较和谐一致，至少不是简单的AI+某某领域或者是某某领域+智能算法。
现有的人工智能教育体系培养出的“人才”可能还是没有“魂魄”的“机器人”，究其因，还是干巴巴的“算法”所致，有算无法，有术无道，有感无知，有理无情，有态无势，有芝无瓜，有（类）脑无心，有形无意，有眼无珠……只能在可能性的圈圈里打转转，而不能尝试探索不可能的世界，即使有些探索，也还只是在家族相似性的河床上蹦蹦跳跳，而对真实的非家族相似性还远远无能为力。
未来交互所产生出的智能系统，将不仅可以改变各种参数，而且还应会改变各种规则......无论怎样，一个只反映事实的智能只能是AI，既能反映事实也能反映价值的才是真正的智能。
除了人机环境系统交互之外，第二个方面就是对深度态势感知的理解和消化，比如很多情境下只知道时空之间的配准、校正，不明白态、势、感、知之间的配准与校正；只知道非协同距离的失真解算，却忘了协同距离的模糊展开；只知道变频、变量，不思考变态、变势、变感、变知、变通；只知道数据链、信息链，不琢磨事实链和价值链，甚至是态链、势链、感链、知链的纠缠叠加所形成的人机环境系统链；只知道同质、均匀、顺序的态势感知单一调制，而忽略了更重要的异质、非均匀、随机态势感知多级阵列，以及先感后知的快速机动性和先知后感的准确灵活性，还有态、势、感、知之间的自相关、互相关的转化概率；只知道人模机样，不晓得机模人样；只知道仿真验证结构，不重视实战得到功能。
一些事情发生了，我们不时会自觉或不自觉地与身边的刚刚发生或印象比较深的事物关联在一起，建立自己个性化的“因果关系”态势谱（不仅是图谱），的确有关的被称为客观事实性关联，似是而非的称之为可能性关联，风马牛不相及的被称为主观意向性关联……这些生活中的常常发生的关联都是智能认知的组成部分，能够程序化的客观事实性关联部分也往往被称为AI，可能性关联和主观意向性关联却被过滤掉了，而这两者却是个性化智能之所以弹性的重要组成成分。
总之，本是人机环境复杂系统的问题人们却想用AI算法简化处理；只知道态势感知，不明白深度态势感知；忽略风马牛之间的虫洞联系；这三个问题便是造成AI总是很难落地的诱因。
在人工智能的发展过程中，不少研究者们是遵循两种方式来实现人工智能的，即功能路线与结构路线的区别。智能的“结构”和“功能”都包括事实性和价值性的两个部分。一般仿真出来的都是相对客观的事实性“结构”和“功能”，对于主观价值性的“结构”和“功能”依然无能为力。类脑应该是事实性功能仿真，相距价值性的“结构”和“功能”还比较遥远。正如尽管事实性的布尔代数已经被广泛应用，但对价值性布尔代数的探索则还远未开始一样。
多数学者把客观对象分为“结构”“功能”两个层次来讨论，认为“结构是功能的基础，没有架构便无法实现功能，但功能也是结构的表现，每一种功能都是特定的结构起到了效果。”，这种分法固然有便于分析的好处，但也割裂了“结构”“功能”之间的有机联结（例如类脑是既有结构又有功能的类比仿真隐喻，分开而言犹如割裂阴阳鱼而谈《易》一样，再如分别谈“交”、“互”一般），尤其是对异构、异能的关联而言，好的算计要比好的计算更靠谱一些，能够及时有效地处理多种意外才是关键。进而言之，表面上，没有泛化、抽象、辩证的能力是当前智能的痛点，实际上，如何有效地处理各种矛盾才是研究智能的主要问题。
智能的结构与功能最大的特点就是一多分有的弹性，个性（个体智能）是一，共性（群体智能）是多，有时相反。在数据不全、信息缺乏、知识不足情境下，人仍然能够进行稀疏状态的补偿、不明趋势的预测分析、残缺完形（填空）的感觉、相关杂乱无关的知觉，进行着人机环境系统中一多分有的深度态势感知。智能不是由一系列孤立的学科构成的，传统的智能分类实际上不符合这门学科的深刻性质（就像数学学科分类中，算术是研究数的科学，几何是研究空间对象的，代数是研究方程的，分析是研究函数的等那样）。真正要紧的不是所研究对象的性质，而是它们相互的关系以及关系之间的关系。群体智能是最常见但不同于个体智能的智能形式，其中囊括了符号、联结、行为主义等智能分类的方方面面，不过其蕴含的事实性符号/联结/行为比重会相对下降，价值性符号/联结/行为比重会相对上升。所有的智能都可分为事实性于价值性智能形式，人工智能只是事实性智能的一部分，而价值性智能则就是智慧！
生理的交互实现了生命，心理的交互成就了自己，人物（机）环境系统的交互衍生出了社会中的“我”。交互产生了真实与虚拟。交互形成了“我”，“我”就是交互，没有交互就没有数据、信息、知识、推理、判断、决策、态势、感知。首先，交互过程具有双向性，A给予B，同时，B也给予A；其次，交互过程具有主动性，A、B之间存在着同等发起关系；再次，交互过程具有同理性，A要考虑B的承受度，同时，B也要考虑A的承受度；最后，交互过程具有目的性，A、B之间存在着一致性协调关系；所以，严格意义上讲，目前的机器本身是没有交互性的，也即机器没有“我”的概念抽象。
也可以说，智能就是源于交互——“我”而产生的存在。智能与数据、信息、知识、算法、算力的关系不大，而是与形成数据、信息、知识机制以及怎样处理、理解的交互机理关系颇大。数据、算法、算力、知识只是智能的部分表现而已，使用它们想实现智能有点像搬梯子登月一样，真实的智能与非存在的有之表征、信仰与理解之融合、事实与价值之决策密切相关，智能是一种可去主体性的可变交互，它能够把不同的存在、情境和任务同构起来，实现从刻舟求剑到见机行事、从盲人摸象到融会贯通、从曹冲称象到塞翁失马的随机切换，进而达到由可信任、可解释的初级智能形式（如人工智能）逐步向可预期、可应变的人机环境系统融合智能领域转变。
交互之所以是智能的源泉，关键在于两处：一是“交”，二是“互”。所谓“交”更多是指事实性的回合，既有生理、心理、伦理的，也有数理、物理、管理的；所谓“互”更多偏向价值性的回合，既有主动、意向、目的性的，也有双向、同理、同情性的。非存在的有是一种或缺性问题，智能对此的作用就是在交互中实现查漏补缺、窥斑知豹；信仰与理解是一种认识性问题，智能对此的作用就是在交互中平衡先入为主与循序渐进的矛盾；事实与价值是一种实践性问题，智能对此的作用就是在交互中进行客观存在与主观意识的及时辩证、准确实施。最终通过人机环境系统之间的“交”和“互”，达到经验与实验、先验与后验、体验与检验、有验与无验的一致。若“交”对应着实数，“互”对应着虚数，“交互”则就对应着复数；若“交”对应着事实，“互”对应着价值，“交互”则就对应着智能（智慧），它不但包括事实逻辑性的计算，还涉及价值直觉（非逻辑）性的算计，就像冯诺依曼把希尔伯特定义的证明论步骤概括那样，“有意义的公式”并不表示为真，1+1=1同1+1=2一样有意义，因为一个公式有意义与否与其中一个为真另一个为假无关。如此一来，“交互”所产生的智能就不仅仅是一套形式化的数学多重符号系统而已，而且还包含一套意向性的人性异质非符号系统，这两套系统将建立起以否定、相等、蕴含为基础的知几、趣时、变通智能复杂体系。
简单而言，机器（智能）就是人类特定（理性）智能的加速。再好的机器也与什么样的人使用有关，不同的人与机器结合，所产生的效果是不同的，人机融合可以让机的效能倍增，也可能让机的作用减小，反之也成立。人机融合的主要作用可以解决各种的变化一致性问题（人形而上、机形而下）。机器不应只是成为人身体的一部分，而应是人的好“伙伴”。人机融合不仅仅是拓展了人类的视觉、听觉、触觉、嗅觉、味觉等感觉，还增强了理解、学习、判断、决策、顺应、同化等知觉行为，更重要的是产生出了新的智能形式——一种新的看待世界的方式：认知+计算。
智能认知相关理论发展主要经历三个阶段：第一阶段以博弈运筹学、控制论、信息论、系统论等相关理论为基础，主要目标是实现辅助计算；第二阶段是以专家系统、智能优化等相关理论为基础，主要目标是实现辅助决策，降低人的生理、心理负荷；第三阶段是以机器学习（包括深度学习、强化学习、迁移学习等）、数据挖掘、知识图谱、类脑计算等人工智能领域的理论成果为基础，主要目标是实现决策的自主化和智能化。由于博弈对抗的特殊性，传统意义上的智能认知将逐渐转移到人机融合的智能认知阶段，以达到隐真示假、去伪存真等洞察目的，具体体现在两大类七维度的人机深度态势感知上，即事实类（包括空间3维+时间1维）+价值类（意识1维+情感1维+责任1维），在“快”和“准”的基础上，实现“好”（英语称之为right）。
认知的最高境界是超越感觉，不只是它给你，而是你给它，就像听好的音乐、欣赏好的摄影作品或指控一场酣畅淋漓的博弈对抗一样，相互之间的变化、赋予、激发、唤醒是实时的，而绝不是像程序员依据规则、条例、条件、前提预估、制定、编程、绘制出来的那样，虽然整个过程中肯定有固定程序化的部分，但那也是变化中的不变，如何处理这些变与不变，是人机融合智能认知研究的主要内容和任务。其中递归关系很重要，它就是实体自己和自己建立关系，也就是在运行的过程中调用自己。机器的递归是制式的，人的递归是非制式的，弹性较大，可以正话反说、指桑骂槐、半真半假。
认知的维度可用态、势、感、知四维度表征，态包括时空数，势涉及变化率，感关于主动性（期望、努力）、知特指价值量。在数理上同一性质既属于又不属于同一个东西，这是不可能的……这是一切原理中最确定无疑的……因此，那些做论证的人把这当成一条最终的意见。因为它依其本性就是其他一切公理的来源”，实际上，人看待事物可以既可以是也可以非，机不然，所以人机融合才有必要。世界上存在无事物属性的联系，也存在无联系的事物属性，存在有事实的价值，也存在无事实的价值……所以深度态势感知DSA要研究状态的变形、趋势的变异、感觉的变化、知觉的变易。
智能也许就是解决认知/算计供给矛盾、计算由悖到恰的过程。认知中的计算就是人类的理性，这一点是机器与人相通的。如何在计算中实现一点儿认知是关键，目前这也是机器和人难以相通的地方。计算中的认知，可以简化成如何让机器产生计算直觉。人是依据直觉产生灵活的理解，再进一步凝练就是计算中的认知了。如果沿着这个路径，就是如何提高机器的多视角理解力，多视界交叉的机器理解力，或许可以作为切入点。过程哲学家怀特海有从创造力角度对理解的论述，认知科学家侯世达也有关于流动概念的研究。概念的可能性本身就是类型—类推—类比的抽象过程，一个概念的意义是多角度多域的，试图一以贯之，固定的表征是不现实的，横看成岭侧成峰，远近高低各不同，具体问题具体分析抽象是人类智能认知的基本特点。人工智能复杂算法的不可解释性首先就在于知识、概念的动态多变使然。人工智能可以不按照人的方式产生机器智能，但人机融合领域确是人工智能向高级阶段迈进的试金石。DNA是双螺旋交互结构，智能则是人物（机是人造物）环境系统的多螺旋交互结构。人机融合智能技术既改造人，也改造物和环境，属于主客观并行技术。
“太极”这个道家概念是西方人无法理解的，在他们的心里，一就是一，二就是二，什么叫做“一而二二而一”？大就是大，小就是小，什么叫做既大又小？一个定义里怎么可能包含两种完全相反的东西？“不二”是是佛教用语，也是一个汉语词汇，意思为无彼此之别（出自《佛学大辞典》“一实之理，如如平等，而无彼此之别，谓之不二。”）；“智乃是非之心”是儒家观念，常常与“仁、义、礼、信”结合，强调智能不仅仅是累积性学问，还是交叉性学问。《孙子兵法》：具备“权变”的思维，才能看到本质的规律。不要用表象的东西去否定本质，表象有的时候是本质的延伸，但更多的时候会“遮掩”本质。在某些情况下，表象并不代表本质，甚至是和本质相反的，如果没有灵活多变的思维习惯，那么就会被错误的角度和因素所束缚，做出错误的决定。这些东方思想与传统的西方理性主义往往相去甚远，比如数学中的非错即对之非二义性，经典物理学中绝对主义，这些理性思想基本上都不涉及相悖性和矛盾性的，这与客观实践往往有不少出入。有人认为：数学给不出通用智能，数学本身是通用智能的产物。那么一个人能否不通过交互，生成另一个人吗？一个事物能否不借助外力产生另一个事物吗？一个知识不经过实践会发生变易吗？一个数据不被采集可以出现吗？一个公式是否不经过算计而衍生另外的公式吗？数学在智能中的困窘是：一开始，数学就要求无矛盾性（无岐意二义性）。法国启蒙运动时期的著名哲学家、作家伏尔泰曾经说过：“不确定让人不舒服，而确定又是荒谬的。”例如：大嫂大姐大妈夫人根据不同的场合和任务可以变化性地指同一个人，同一个人也可以在不同的情境和环境下可以变化地被赋予各种身份，甚至是迥然不同的，如男扮女装等。在庄子看来，各种事物都存在它自身的两面性，而这相互对立的两面又是相互并存、相互依赖的。所以，“圣人不走划分正误是非的道路而是观察比照事物的本然，也就是顺应事物自身的发展”。以此说明儒家和墨家的是非之辩不仅没能看到事物发展的本质，走错了道路，而且还离本质越来越远。庄子认为彼此两个方面都没有其对立的一面，这就是大道的枢纽，抓住了达到的枢纽也就抓住了事物的要害，从而顺应事物无穷无尽的变化。其实，庄子的这一观点就是老子在《道德经》中阐述的“守中”，在事物的对立中找到关键点，然后谨慎地维护好这个关键点，那么事物自然会沿着规律顺应发展。
哲学关注问题的提出，数学更关注问题的解决。深度态势感知之所以难计算，可能与布尔代数的排中律不符，态与时空有关，势与时空关系不大，感与事实有关，而知与价值联系较密切。实际上，在生活常识中，很多东西可以同时属于又不属于某个类，比如一个人可以同时属于又不属于父母，作为孩子属于父母，作为丈夫或妻子又不属于父母，一个茶杯可以同时属于工具又不属于工具，作为喝茶可以属于工具，作为艺术品又不属于工具。联系态、势和感、知的桥梁既包含时空变化，也涉及事实价值之间的等价、蕴含与转化。
连接态、势的是变化，连接感、知的也是变化，既有简单变量，也有复合变量，还有系统变量及其三者融合的人机变量，既包括实态虚势+虚态实势的复态势又涉及实感虚知+虚态实知的复感知，更有关实/虚态势+虚/实感知形成的复态势感知。艺术的本质是个性化的，智能的本质也是个性化的，在这点上，两者是相通的。不同的是，智能除了个性化还有共性规律，这种共性为数学提供了基于约定公理的逻辑舞台。人工智能难理解性的根本原因在于数学是没有指涉对象的符号系统，而理解性是人类自然语言这种具有指涉对象符号系统所特有的性质。符号与对象及其性质之间不是一一映射关系，实现不了表征的一多实时性，符号主义就不可能进步；解决不了动态的表征和非公理逻辑问题，AI可信可解释性将很难根本解决。很多有关自动化/智能化系统就是几个关键参数综合平衡调整，而且常常是按起葫芦浮起瓢，不过许多人却睁着眼睛只谈葫芦不谈瓢。智能化的关键还是如何把不确定的不可控的因素转化为确定性的可控性的因素。