人机融合智能的瓶颈之一

人工智能为什么没有类似物理学的定理定律出现？据说是因为智能的基本知识和实验经验总结还尚未完成。与之相似，人机融合智能也没有类似物理学的定理定律出现，也不外乎于此。那么该如何打破这个瓶颈呢？

一般而言，人处理的是信息，机处理的是数据。数据涉及自然，大多属于过去式；信息牵扯自觉，不少属于现在进行式。物理是物之间相互作用的数理体现，其根本是数据，20世纪前的经典物理们常常认为这些数据如时间空间的表征是不变的，现代物理发现这些不但是可变的（相对论），而且还与主观有关（量子物理），也就是说，物质能量从根本上而言是主客观融合的结果。人的认知是事与事、物与事、物与物之间相互作用的非数理表征，其根本是信息，信息一开始就是可变的……人可以根据环境、任务、想法、条件自主地去调整信息、预期、推理、判断、决策，表面上是一个静态的IF，实际上是多个动态的IF，推出的是变化着的THEN们。人的信息表征是活的，不是死的，可以产生范围不确定的弥聚和指向，这也是人类灵活机动的秘密吧。许多事物的模式外表虽然相似、相像，实际上可能不是一样的，即似是而非，人们可以把从相似的任务里学到的经验整合，或者同一个经验里学到的东西和不同的新的任务结合，形成一种似是而是的能力。

信息不仅仅如香农所言“是用来减少随机不确定性的东西”，有时还是增加随机不确定性的东西，其根本在于计算的仅仅是信息量而不是信息内容，在信息这个矢量里往往不但包含着精度还涉及着方向（正确）性方面。数据最大的缺点就是它的优点：可计算性。即不随情境、任务、（长短）上下文的变化而变化的不变性，而信息（知识）则不同，它应该是可变的，内涵和外延具有一定程度的弥聚性，甚至相反性，对特定的情境任务而言，可以指鹿为马，更甚者，可以黑白颠倒、福祸不分。

正常情形下，人们习惯于系统、体系级别的调控处理，往往忽略了信号、数据、信息、知识级别的弹性改变，尤其是对于人机融合智能而言，输入的灵活表征同系统/体系级别的反馈机动一样重要。对输入主客观信息数据而言，客体感知的显著性与主体操控（非感知）的价值性将变得非常重要。质能的存在常常会造成周围时空数据的弯曲，而人的感觉显著性与知觉价值性存在往往会造成周围信息的弯曲甚至变异。人的意向性是由外在事物本身的价值和人内在主观认为的价值叠加产生的，并且这种价值不是静态单一性的，而是动态链条状的，可以称之为价值链！事物的显著性有时会与价值性重合，有时会分离，这种离合是由当时的态势而决定的，正如人的视觉与注意的离合关系相似，态势感知的核心就是价值链的形成和发展过程。

若把人工智能看成是一个理性行为的话，那么智能和人机融合智能就是一个理性与感性混合的行为，而智慧根本就是非理性的行为，是一种超越事物本身的事实性联系。人的智慧就是适应性变化，是活的变化，这不是预先能够建模出来的，而是一种随变的框架，可以应付每次都可能出现的意外。智为阳，慧为阴，智为显，慧为隐。人工智能领域的符号（数理）、联结（生理）、行为主义（心理+生理+数理）常常属于个体性、外在的、客观的，而真正智能的形成往往与群体/社会性、内在的、主观（动机）有关。机制主义理论：如果我们认识基础的部分，就可以继而认识全部。这也许是不可能的，可能不会有元的存在，元会变异于一多交互过程中的弥散和聚合之中。

人机的关系化简后不妨可以这样来看，以前是人智机械，现在是机智人慧，未来是人机智慧融合。人机融合应该是分段离散式的，把机精于的感、态与人擅长的知、势分不同的时间、空间、任务结合在一起才可能有价值和意义。研究人机融合智慧的目的就是帮助我们去除态、势、感、知中的盲点，最大限度地提高我们观察-判断-决策-行动的绩效。人机交互是显性的生理“低频交互”，而人机融合则是隐性的心理“高频交互”。人机融合的关系不仅是共生，而且还是共长，不求最优化（最优化常常会导致变质、退化），但求开放环境下的共同发展。

    总之，人机融合智能的瓶颈不但在于“道”不清，还在于“名”不正。道可道非常道，就是说人获取所选择解决问题的道路（道）/方法因人而异，不是常规的、普适的道路（道）/方法。这种唯一性恰恰是目前人工智能抑或人机融合智能领域很难解决的问题之一：个性化的生长。名可名非常名，就是说万事万物都没有恒定的名称概念，是会在与其他事物的相互作用中不断变化其名称，这种变化也是目前人工智能抑或人机融合智能领域很难解决的问题之一：信息知识的可变性计量与计算。