人机融合智能的新思考

      所有复杂系统都由许多相互作用的不同部分组成。几个世纪以来，物理学家一直在研究它们，而它们很难用数学方法来描述——系统中可能有数目众多的组件，也可能受偶然因素的支配，其形式逻辑的规则蕴含着同一律、矛盾律、排中律和理由充足律，这四条规律要求思维必须具备确定性、无矛盾性、一贯性和论证性，而真正的智能却常常与之相悖，并处于意识和无意识、理性和非理性的边界上。人机融合智能可能就是解决这些复杂系统的途径之一。

没有明确的概念，量得分析是毫无意义的。
                                             ____冯•诺依曼

      近年来，随着科学技术的发展，人工智能取得了显著成果，但依然没有突破性进展。人机融合智能是未来人工智能的发展方向。本文阐述了对人机融合智能的几点思考，首先简要介绍人工智能的起源，提出未来人工智能的发展方向是人机融合智能，并对人机融合智能的相关概念进行了阐述；接着分析了现今人机融合智能面临的困难；最后提出了人机融合智能的探索方法，即深度态势感知，并尝试着建立了人机融合智能理论框架。

           大知闲闲，小知间间

                              ____庄子

本文发表于《人工智能》杂志 2019.8

一、人工智能的起源与未来发展方向

人工智能（AI）真正起源于欧洲，最初形态是以哲学、数学的形式表现出来的，如古希腊哲学中的“我是谁？”、莱布尼兹数学里的“普遍文字+理性演算”等。1956年的达特茅斯学院暑期论坛根据英国一位数学家的想法提出了人工智能（AI）的概念。此后六十年来人工智能随着机器学习、数据挖掘、深度学习等技术的发展取得了显著的进步。在这期间人工智能产生了三大主流理论思想，分别是以神经网络为代表的联结主义、以增强学习为代表的行为主义和以知识图谱(专家系统)为代表的符号主义。最近，美国国防部先进技术局DARPA基于技术特征对AI技术发展阶段的分析判断，认为AI已经历第一波和第二波浪潮，将迎来第三波浪潮：第一波AI技术浪潮开始于上世纪60年代初，以“手工知识”为特征，通过建立一套逻辑规则来表示特定领域中的知识，针对严密定义的问题进行推理，没有学习能力，处理不确定性的能力很弱。第二波AI技术浪潮开始于上世纪60年代末，以“统计学习”为特征，针对特定的问题域建立统计模型，利用大数据对它们其进行训练，具有很低程度的推理能力，但不具有上下文能力。第三波AI技术浪潮以“适应环境”（上下文自适应）为特征，可持续学习并且可解释，针对真实世界现象建立能够生成解释性模型的系统，机器与人之间可以进行自然的交流，系统在遇到新的任务和情况时能够学习及推理。AI的持续自主学习能力将是第三波AI技术浪潮的核心动力[9]。在此基础上，我们经过思考和分析，认为第四波AI技术浪潮会以“主动适应环境”（更大范围的上下文自适应）为特征，具有可持续学习+不可持续学习并且可解释+不可解释，针对真实+虚拟世界现象能够生成主动适度解释性的模型系统，机器与人之间可以进行自然的深度交流，系统在遇到新的任务和情况时能够实现人机互学习及互推理。人机融合中的主动性互学习互理解互辅助……互助融合能力将是第四波AI技术浪潮的核心动力。

客观地说，人工智能只是人类智能可描述化、可程序化的一部分，而人类的智能是人、机（物）、环境系统相互作用的产物。智能生成的机理，简而言之，就是人物（机属人造物）环境系统相互作用的叠加结果，由人、机器、各种环境的变化状态所叠加衍生出的形势、局势和趋势（简称势）共同构成，三者变化的状态有好有坏、有高有低、有顺有逆，体现智能的生成则是由人、机、环境系统态、势的和谐共振大小程度所决定的，三者之间具有建设性和破坏性干涉效应， 或增强或消除，三位一体则智能强，三位多体则智能弱。如何调谐共频则是人机融合智能的关键。当代人工智能由最初的完全人工编译的机器自动化发展到了人工预编译的机器学习，接下来的发展可能是通过人机融合智能的方法来实现机器认知，最终实现机器觉醒。

二、人机融合智能面临的困难

“智能”这个概念就暗含着个体、有限对整体、对无限的关系。针对智能时代 的到来，有人提出，“需要从完全不同的角度来考虑和认识自古以来就存在的行为时空原则”，如传统的人、物、环境关系等。当人们进行一段智能活动时，一般都会根据外部环境的变化进行关键点或关键处修正或调整，通过局部与全局的短、中、长期优化预期，实时分配权重于各种数据信息知识处理，更多的是程序化+非程序化混合流程。而机器智能则很难实现这种随机的混合应变能力，确定性的程序化印记比较突出，像“阿尔法狗”（AlphaGo）/ 元 /star 这样比较优秀的