本文转载自微信公众号“人机与认知实验室”(ID: 9h_9c3c1f805cb8)，作者：白驹， 摄影：徐明

人工智能本身也许就是一个伪存在，其实质是人机环境系统的智能问题，单独的一个人工智能产品或系统就是一个人造工具，是不可能有效孤立存在的，故AI根本就是人、机、环境协同作业的综合问题。

1、人的问题

不可靠的人在系统中不但无益，更可能有害，如造成疫情失控等；

2、机的问题

机器的计算结果与人的逻辑、真实的环境变化相差甚远，所以机器是“伪智能”，易导致人依据的错觉；

3、人机混合的问题

人机混合智能中容易产生机器智能在局部控制指挥人的现象，从而造成人机环境系统的失调失配，从而产生不可控、不可预测的后果。

凭心而论，逻辑系统和算术系统并不等价。赫尔曼·布洛赫说：“逻辑，如同数学，是无风格的。”。命题逻辑和谓词逻辑都是完备的，这是哥德尔完备性定理；而算术系统是不完备的，这是哥德尔不完备性定理。

哥德尔说，人心比机器大，就是说数学离不开人的直觉，不可能完全形式化。完全形式化的东西，只能是数学的一部分，可能是非常小的一部分。但是，怎么超越现有的形式计算，是重大问题，非常重大的问题。大家可以对此多讨论。（纽约老熊）

传统的推荐计算算法缺点与抖音、快手相似：只有计算，没有算计，更没有计算计……。算计，简单地说就是把无关的事物相关化的能力。算计的作用在于使人摆脱了计算的有限必然性而开启了更多的可能性，使人拥有了一个由复数可能性构成的意向性世界，包括了更丰富的时间、空间、价值、责任弥聚维度。算计不仅涉及谋略，还应包括使用谋略。

严谨一点说，算法应包括计算的算法（数学性的算法，即客观性的规则/概率）和算计的算法（谋略性的算法，即非客观的规则/概率）两种，一般常常不自觉地会用计算的算法代替算法，这应该是片面的，因为它漏掉了更重要的算计性算法。算计是形而上系统的可判定性（是否可计算、如何计算的问题），计算是形而下/形而中系统的可计算性（有限时间内获得收敛解的过程）。计算侧重规则，算计偏向无规则。

算计中的时空、事实、价值、责任与计算中的时空、事实、价值、责任常常不一致。所以不能把计算与算计完全等同起来，算计中的时间、空间、事实、价值、责任相对性个性化比较强，如何梳理出算计中的时空、事实、价值、责任之非客观规则/概率并与计算中的客观规则/概率进行有效结合依然成为智算（计算计）系统的关键和瓶颈。

一般而言，显性的状态参数可以用计算性算法表示，隐性的趋势管控可以用算计性算法表征，两者结合才能产生有“态”有“势”的感知、认知与洞察。计算与算计的动态互构性可以简称为计与算、智与慧之间的动态互构性。

有人认为：“学习知识就是归类，因此，机器学习就是归类。不同的学习问题，就是不同的归类问题。”。实际上，学习不仅是归类，而且还应有（创）造类，对已知类的变异、动态表征问题是智能的主要瓶颈。对人类而言，学习概念不但是会使用概念，而且还应会创造出新的概念。可解释性的实质是小数据/小信息的知识化，这，也许是人类学习的秘密之一。

对事实/价值否定的准确性和时机性是评价计算与算计的关键，也是摆脱必然性开启可能性的瓶颈。事实与价值的比较也是信任、可解释性产生的原因之一。现在更多的人疯狂的朝拜某项新技术之际，却往往忽视了人的智慧。

如果说，关于变量，绑定，实例和对变量的操作的这四个假设构成了符号计算的核心，那么对于非符号算计而言，又该如何定义自己的表征呢？如关于算计的变量、绑定、实例和操作。

人能弘道，非道弘人