计算计（ ji suan ji）

计算是对世界的解释和说明，算计则是对世界的行动与改造。新逻辑不但涉及计算的传统逻辑还将涉及算计的超逻辑。

不能在理性之外研究博弈，就不是生态开放的博弈，没有人性的逻辑，就不是真实的博弈智能。理性会压制感性，也会让想象力进入牢笼区间，失去博弈的精华--艺术部分。

智能应该把人从物中解放出来，进而绑定到自我及其协同的实现，从绝对理性走向活生生的意义--自主性，当然也有一些它主性及其两者的协调。

​

对博弈智能而言，传统的深度学习、强化学习两种机器学习形式存在着先天不足。智能往往就是二班的，一班的大都是三好学生，或许智能就是孙悟空—非存在的有，即主体、客体划分之外的混体、动体或变体—主客体或客主体才是更好的划分。自我不如变我，价值是赞同的程度，价值里既有基于事实的部分，也有虚构的部分，还有半虚半实的部分。

智能就是孙悟空—非存在的有，除了数，还有其它学，算计里面包含有一些非计算的成分，是一种有意识的计算，如矛盾、歧义、锚定、贝叶斯、N次锚定+N次贝叶斯…不钻牛角的是计算，侯世达说的“怪圈”，对中国人而言不是，而是计算计（jisuanji)，jisuanji就是随机应变+举一反三+触类旁通+弥聚有度+和而不同+不同而合。过时、刻板、机械的计算快害死了智能，未来的新计算或许能反映智能。

人类学习中的所有难以解释的过程都不是机器能靠逻辑学习领会的，而机器学习作为基石如果无法完整的奠定军事智能的基础，那么再看上去厉害的成果实质上都是脆弱的。有人说：“要在经典计算机上做到偶发，实现真正的人工智能恐怕很难，类脑计算机和量子计算机倒是有很大希望。量子计算机在运行中有相当比例的错误率，这里的错误会是实现计算机普适性的关键，但前提我们要找到驾驭它并进行信息筛选的方法。这将是通往人工智能的必由之路。”实际上，再快的计算也取代不了好的算计。算计基于价值，计算基于事实。好的算计有时也定量，是价值的量。

数据与知识的形成、使用、协同都是主客观混合的过程，人机混合的核心问题也就是主客观如何有效混合的问题，所以单纯使用客观手段很难实现对其根本性的理解、发现。不同的数据结合不同的知识可以产生相同的等价结果，可计算性完成了正向过程，而可解释性需要完成其逆向过程，由于逆向过程的相对无限性（尤其对于当前数学的一义性和不完备性而言），所以事物的发展常常会不可解释的，这也是机器学习不可解释的根本所在。因此，对于人机之间的互学习，目前仍是一个不能实现的问题，究其因，机器学习不能实现人类学习中所能够产生的一系列的隐性知识、规则与秩序。

许多人大都不自觉地使用还原思想去处理系统问题。人机环境系统中最难的是各种混合，如可计算、可算计、可判定、可解释等方面的混合。人机混合系统终究不是一个数学物理问题，但大家却不自觉地都把它当成了一个数学物理问题去解决，这也就是它仍处在研究初级阶段的主要原因：定位错误。各种态势感知也是如此，它们与人的主观性也有密切关系，却常常被人有选择性的忽略掉了。未来的人机环境混合智能系统应该是生物数学物理社会系统。

机器学习对于跨域、突变、临界、分界、边缘、转折性数据处理会很窘迫，它可以较好地理解春夏秋冬，但会很难明白换季之际的世界。

代数规则不是记忆事实或特定实例之间关系的有限表，而是可以自由泛化到某些类中的所有元素的开放式关系。

相比机器而言，人类的计算能力是非常弱的，有弊就有利，短有短的长处，人类定量计算能力相比机器而言很差，但在定性分析算计统筹方面却有特色。

当人们可以在受限数据的基础上自由泛化全称量化一一映射。通过反向传播训练的每个变量多接点的多层感知器就会遇到问题。但这并不意味着任何类型的模型都不能从受限数据中获得自由泛化。

一般来说，系统需要具备5个属性：

1、系统必须有办法区分实力与变量。就像数学教科书用不同的字体表示变量和常量一样。

2、系统必须能够表示变量之间的抽象关系，类似于y=x+2这样的方程。

3、系统必须能够将特定实例绑定到给定的变量，就像变量x可以被赋值7一样。

4、系统必须能够操作任意的实例变量，例如加法操作必须能够将任何两个数字作为输入，复制操作必须能够复制任何收入，级联操作必须能够结合任意两个输入。

5、系统必须能够在训练示例基础上提取变量之间的关系。符号的表征固然重要，但符号的加工更重要。

机器的泛化能力主要依赖于训练空间的大小，而人类的自由泛化可以在训练空间之外实现，如非家族相似性的经验迁移等等。

概念是思维的基本单位。明确概念是判断与推理的前提和基础，如果没有清晰的概念的界定，由此而来的判断和推理就也就很难保证其正确性。算计不是计算，更不能把算计异化为单纯的理性逻辑。这些概念替代算计并作为智能术语，必然给人机混合智能的理解及执行带来了巨大的混乱。

智能是自然与人工的结合，准确地说，依目前的数理、物理水平，通过编写计算机程序是不可能实现人类水平的智能的，必须另辟蹊径。人机之间、态势之间、感知之间、计算与算计之间常常具有非互惠作用现象，即作用力不等于反作用力。如何量化分析这些等慧相互作用呢？并且，现有的逻辑体系很难判断处理各种意外，如塞翁失马的大逻辑与刻舟求剑的小逻辑。人机结合现阶段很难实现有机的融合，仍处于相对简单的交互水平，难点之一就在于价值意向性的形式化。

鉴于机器只有局部性事实逻辑，没有人类的整体性价值逻辑，我们可以尝试把人机结合起来进行功能与能力的互补，用人类的算计这把利刃穿透机器计算不时遇到的各种各样的“墙”。

人机融合中有价值的东西通过动态环境使得事实过程变成对智能逻辑而言有意义的事情，事实不因事实本身是什么而是什么，而是在与价值的融合之中是其所是，这就需要建立一套新的逻辑体系以支撑之，即人机融合的计算-算计逻辑体系。

相比之下，人重价值逻辑，机偏事实逻辑，人侧辩证逻辑，机向形式逻辑。那么人机融合则是辩证的形式逻辑or形式的辩证逻辑，这就涉及到一个逻辑转化的难题，即事实形式化逻辑如何转化为价值辩证逻辑，或价值辩证逻辑如何转化为事实形式化逻辑问题。

表面上，人类的辩证逻辑是用来思考问题而不是解决问题的，解决问题要靠形式逻辑。实际上，这是缘于对形式化计算逻辑与辩证性算计逻辑的认识不清所致，与计算思维不同，算计思维方式在很多方面都与计算逻辑相悖。

从历史上看，计算逻辑思维的基础确立在下述3个定律之上。

1.同一律：A=A，无论是什么，它就是它。A是它本身，而不是其他什么事物。

2.无矛盾律：A和非A不可能同时发生。没有什么事物同时既是它又不是它。一个命题和它的相反面不可能同时为真。

3.排中律：任何事物一定要么是，要么不是。A或者非A为真，但两者之间不存在其他情况。

而算计逻辑思维常常认为：

1.非同一律：A/=A:无论是什么，它不一定是它。A既是它本身，也可以是其他什么事物，阴中有阳，阳中有阴，万事万物不易、变易、…随机而变，不是静止固定不变的、甚至是可以相互转化的。

2.矛盾律：A和非A可能同时发生。任何事物同时既是它又不是它。一个命题和它的相反面可能同时为真。在特定情境下，可以白马非马，可以白马是马，可以指鹿为马，还可以指马为鹿。

3.非排中律：任何事物不一定要么是，要么不是。A与非A可以同时为真或假，两者之间可以存在其他情况。符合量子物理中的叠加、纠缠，一个事物的属性及与其它事物的关系往往与观察者有关。

世界是复杂的，复杂的世界不都是科学和计算，而是科学与非科学、计算与算计融合的计算计系统。

而计算计系统需要崭新的逻辑体系支撑，而不仅仅是与或非等“石器和木棒”。

事件的概率越小, 其发生所提供的信息量越大. 例如, 红蓝色天空比单纯蓝色天空出现的概率小, 一般来说 其信息量也就相对更大。

新的智能逻辑是兼容人、机、环境的逻辑，是对以往逻辑的包容，传统中的形式逻辑，辩证逻辑，数理逻辑等都是它的子内容，其本质依然是实践的逻辑，只不过这里的实践除了客观存在的以外，还有主观意识的补充。

真实的智能是在主客观实践中寻找原型、事实、命题、价值的过程，是通过人物（机）环境的相互作用把物理本体、认知本体、信息本体与逻辑图像、世界变化、动态使用联结起来进行态势感知。

人机混合智能的计算计结构包括感、态、势、知、行与世界结构对应。

​

“如果一个人真的想理解一个概念，他就必须在这种概念中非知性地活过。”，“某种东西可笑，可能仅仅是因为它不可知。”

“计算计”的英文翻译暂定为“jisuanji”