人机混合智能：新一代智能系统的发展趋势

【本文发表在《上海师范大学学报（哲学社会科学版）2023年第1期》】

摘要：研究智能这个复杂问题是困难的，但可把它分解成人机环境系统问题分析处理，人所要解决的是“做正确的事（杂）”，机所要解决的是“正确地做事（复）”，环境所要解决的是“提供做事平台（复杂）”。智能不是人脑（或类脑）的产物，也不是人自身的产物，而是人机环境系统相互作用的产物。平心而论，人工智能要超越人类智能，在现有数学体系和软硬件设计模式基础之上，基本上不大可能，但在人机一体化或人机环境系统中却是有可能的。我们把智能分为两种，一种以数学计算为基础的机器智能，另一种是以价值算计为基础的人类智能（这意味着传统的因果关系发生了变化，一种是计算式的传统因果逻辑关系。另一种则是算计式变易了的人造因果关系）。人机混合智能理论侧重于描述人机环境系统相互作用产生的一种新的智能形式，不同于人类智能和人工智能，它是结合物理性和生物性的新一代智能科学系统。人机混合智能是人工智能发展的必经之路，其关键在于新逻辑体系的建立。

关键词：人工智能；人机环境系统；计算计；人机混合智能

中图分类号：TP18 文献标识码：A 文章编号：1004-8634（2022）00-0000-（00）DIO：10. 13852/J. CNKI. JSHNU. 

智能是人、物、环境系统（为简化起见，后面均以“人机环境系统”代替“人、物、环境系统”，并略去人、机，人、机、环境之间的顿号）相互作用的产物。正如马克思所言：“人的本质不是单个人所固有的抽象物，在其现实性上，它是一切社会关系的总和。”[1]如狼孩尽管具有人脑的所有结构和组成成分，但因没有与人类社会环境系统的交流或交互，所以不可能有人的智能和智慧。事实上，真实的智能同样也蕴含着人、物、环境这三种成分。随着科技的快速发展，其中的“物”逐渐被人造物——“机”所取代，本文简称为人机环境系统。平心而论，人工智能要超越人类智能，在现有数学体系和软硬件设计模式基础之上，基本上不大可能，但在人机一体化或人机环境系统中却是有可能的。人工智能是逻辑的，智能则不一定是逻辑的。智能是一个非常辽阔的空间，它可以随时打开异质的集合，把客观的逻辑与主观的超逻辑结合起来。

研究复杂性问题是困难的，但把它分解成人机环境系统问题就相对简单一些，至少可以从人机环境角度去思考理解。研究智能这个复杂问题也是困难的，但同样也可把它分解成人机环境系统问题分析处理，人所要解决的是“做正确的事（杂）”，机所要解决的是“正确地做事（复）”，环境所要解决的是“提供做事平台（复杂）”。

智能是一个复杂的系统，既包括计算也包括算计，一般而言，人工智能（机器）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，最好使用人机混合智能。

一般而言，数学解决的是等价与相容（包含）问题，然而这个世界的等价与相容（包含）又是非常复杂的，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（包含）与主观价值上的相容（包含）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，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地存在着。

机器智能的核心是符号指向的对象，人类智能的核心是意向指向的对象，人机混合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。人机混合智能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”。

一、什么是人机混合智能

人工智能的优势在于庞大的信息存储量和高速的处理速度，但是无法处理如休谟之问，即从“是”（being）能否推出“应该”（should），也即“事实”命题能否推出“价值”命题；也无法处理情感的表征问题。人工智能尝试通过大数据与逐步升级的算法实现人的情感与意识，但依旧没有办法实现跨越。

人工智能是一种返回修改模式，一组代码解决一个问题，问题没处理好，代码自动返回，修改数据，代码再执行。反复修改，也就是反复学习，这就是人工智能。当然，好的人工智能技术，在一定范围内可以自己修改不足的模型，进而可以在一定程度上模拟人的具体能力，如人类的部分计算、逻辑推理能力，但它对人类“非家族相似性”的类比、决策能力还无能为力。所以人工智能中的“智能”并不是真的人的智能。

人工智能有限的理性逻辑和困难的跨域能力是其致命的缺陷。其无法理解相等关系，尤其是不同事实中的价值相等关系。人工智能也无法理解包含关系，尤其是不同事实中的价值包含关系（小可以大于大，有可以生出无）。人可以用不正规、不正确的方法和手段实现正规、正确的目的，还可以用正规、正确的方法和手段实现不正规、正确的意图。人可以用普通的方法处理复杂的问题，还可以（故意）用复杂的方法解答简单的问题。

从人工智能的特点及缺点中，我们不难看出：人的思维很难在人工智能现有的理论框架中得到解释。那该如何做才有可能寻找到一条通往智能科学研究光明前程之路呢？下面我们将针对这个问题展开最底层的思考和讨论。

人工智能之父图灵的朋友和老师维特根斯坦在他著名的《逻辑哲学论》第一句就写道：“世界是事实的总和而非事物的总和。”[2]其中的事实指的是事物之间的关涉联系——关系，而事物是指包含的各种属性，从目前人工智能技术的发展态势而言，绝大多数都是在做识别事物属性方面的工作，如语音、图像、位置、速度等，而涉及事物间各种关系层面的工作还很少，但是已经开始做了，如大数据挖掘等。在这些眼花缭乱的人工智能技术中，人们常常思考着这样一个问题：什么是智能？智能的定义究竟是什么呢？

关于智能的定义，有人说是非存在的有，有人说是得意忘形，有人说是随机应变，有人说是鲁棒适应，一百个专家，就有一百种说法。实际上现在要形成一个大家都能接受的定义是不太可能的。但是，这并不影响大家对智能研究中的一些难点、热点达成一致看法或共识，如信息表征、逻辑推理和自主决策等方面。

有了数据和信息之后，智能的信息处理架构就格外重要，到目前为止，有不少人提出了一些经典的理论或模型，如在视觉领域，视觉计算的创始人戴维·玛尔（David Marr）的三层结构至今仍为许多智能科技工作者所追捧。玛尔认为，神经系统执行类似于机器的信息处理。视觉是一项复杂的信息处理任务，旨在掌握和表达对我们有用的外部世界的各种情况。必须从三个不同的层面理解这项任务： a. 计算理论； b. 算法； c. 机制（表1）。

表1 玛尔计算视觉的三层结构

计算理论	算法	机制
信息处理问题的定义，其解是计算的目标。这种计算的抽象性质的特点，在可见世界中找到这些属性构成了问题的约束	研究用于执行所需计算的算法	完成算法的物理实体，由给定的硬件系统构建

当前，在解释人类认知过程工作机理的理论中，由卡耐基梅隆大学教授约翰·罗伯特·安德森（John Robert Anderson）提出的ACT-R（Adaptive Control of Thought–Rational ，ACT-R）模型被认为是一个非常有前途的理论。该理论模型认为人类的认知过程需要四个不同的模块参与，即目标模块、视觉模块、动作模块和描述性知识模块。每个模块独立工作，并由中央生产系统协调。描述性知识模块和中央生产系统是ACT-R的核心。描述性知识模块存储个人随时间积累的不变知识，包括基本事实（如“西雅图是美国的城市”）、专业知识（如“设计高铁交通信号控制系统的方法”）等。由于个人程序性知识存储的中央系统，这些条件—动作(产生式