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

（一）

人机融合是一种新的智力形式，是人的智慧+机的智能，是既处理信息又处理数据的范式。

由于数据、信息的内涵，在一般意义上具有多元性、生态性，因此给予多样化的理解也是“人机”的本能，是不以人的意志为转移的“存在”，即便对“人机智能”的理解也同样如此........

通情达理，情是想象力和创造力之源~

具有了人一样的人机融合智能是不是机器，是否应该享有人的一切权利?

人造网络的电活动还表现跟大脑一样的独有特质：临界，这是一种介于有序和无序之间的状态，是工作效率最大化的一种表现形式。人机融合智能就是要寻找到这种平衡状态，让人的无序与机的有序、人的有序与机的无序相得益彰，达到安全、高效、敏捷的结果。

人工智能要突破，关键两个问题:一是产生新式逻辑（推理）二是再造（数据）表征。

一阶命题的本质在于命题的变元（项）只能是对象（可数的个体），而不能以函数（或谓词结构或命题）作为变元（项）。从中我们可以得出: 一阶处理的是事物属性，二阶解算的是事实关系~即世界的真实存在。而高阶应对的则是更复杂的关系~

数据的表征和逻辑的推理都既有一阶性，也有二阶性，更有高阶性，所以世界会不时表现出多元多态的复杂性和不确定性。人的智慧通过有意无意的降维处理，可以实现完型补偿式情境觉知处理。

机无情无义，所以没有想象力和创造力

计算重构而不是光学重构

“人机混合的高效运转使人很难预测态势的趋势。”

人机融合绝对不是简单的，它天生就是一个很复杂的学科，所以更类似于生物学而不是物理学。

信任的关键是能够产生容忍，人机之间缺乏信任，就是不能生成容忍

人机融合是有限的理性和有限的感性结合产生的

实际上，把数据如何价值性信息、把信息如何组织成知识、把知识如何抽象为概念、把概念如何逻辑化理论，这些都是完善智能科学的问题~

理论概念知识信息数据之间是聚合压缩关系，反之是弥散膨胀关系，但不失真

其中不同程度的准确灵活表征和逻辑（或非逻辑）推理的合情合理度量是两大难点

人是我，人机是我们；机是“我”，机人是“我们”。

哲学是关于智能的智能

（二）

在人机融合智能时，有一件事更重要，这个人要能够理解机器如何看待世界，并在机器的限制内有效地进行决策。反之，机器也应对配合的人比较“熟悉”，就像一些体育活动中的双打队友一样，如果彼此间没有默契，想产生化学变化般的合适融合、精确协同就是天方夜谭。高山流水，心灵感应

机器还可能能够检测人类感觉无法检测到的信号。这是一种我们觉得很难想象的感觉。

有效地人机智能融合常常意味着将人的思想带给机器，这也就意味着: 人将开始有意识地思考他通常无意识地执行的任务；机器将开始处理合作者个性化的习惯和偏好；两者都还必须随时随地地随环境的变化而变化……

人的直觉是同化、顺应之自由转换体，能够灵活自如地进行不完全归纳和弹性演绎，更重要的是: 这一切都是由内而外的自主行为。直觉经验本质上是一种感性，一种自动意识性关联~灵性弥聚……得意忘形

直觉是把存在性、可能性、意向性、潜在性勾兑显化的一种方式~也是把零碎、散化的数据信息知识非常逻辑表征，其中的粘合剂就是情感（机器所不具备的能力）-一种独特的智能-情智，直觉本质上就是通情达理，能够隐约看见许多通过理性逻辑看不到的关系、联系，从而把许多平时风马牛不相及的属性、成分（包括主观臆想客观存在）关联在一起形成某种意向性的可能存在。

人机融合智能的一个难点是主动性与被动性如何和谐兼容的问题。

人们常说分类是表示智能的能力，此话有理，但智能的能力更是体现在变分类及分变类上，因为静态的打标分类很难理解世界!

人的智能本质上就是主观的，是根据具体问题情境以个人的意志为转移的，一般是先通情后达理~如指鹿为马、指某日为教师节。

智能也是客观行为的，是通过行为表征出来的，没有行为的可以称其为意向

人机融合智能是一种类似诸葛亮+臭皮匠的模式，即专家+程序化

威肯斯人机交互中的凸显（salient）、价值（value）与王培通用人工智能中的频率（frequent）、可信度（confidence）本质上就是客观存在（being）与主观应该（should）

智能里不但有现在，也有过去、未来；不但有实构，还有虚构和想象；不但有数学，更有老舍和北平的秋天……通情达理，人可以，机器却也不能~

1940年夏，当德国轰炸机飞向伦敦之际，人机交互与智能科学的研究序幕就被徐徐拉开了……

人机融合智能起始于人机交互与认知工效学研究

若理是being，那情就是should，通情达理就是怎样由价值取向（should）通向获得事实关系（being）

高手多should，菜鸟多being，人多should，机多being

being是多，大家公认共性的；should是一，某人独特个性的。being是一，客观规律的；should是多，主观意识的。两者的关系是一多分有且相互间可切换迁移的。

should可以创造出可能性、诞生着灵性；being则孕育着逻辑和理性、培养出具象与概念……

should中的情感具有非常复杂的意向结构，它不仅是内在状态，而且是内在化的思想。

人机融合问题的关键在于找到人的本意与新意的连接点或界面。这种连接点处于字面解释与隐喻解释的内在关联中。
通过should这种虚构或模仿，我们可以发现事物之间的、以同构性为特征的新型being关系。
should意识与一个统一体相联系，是主动性的。being机器则由各部分组成，是被动性的。

笔者十分认可《二十一世纪资本论》作者皮凯蒂的这一结论：统计在很多时候会骗人，因为所取的样本时段有问题。人的生命周期短暂，故观察到的时间段也往往不长，这几乎是所有经济学家所提出的理论不能成为颠覆不破真理的根本原因。

科学问题：是什么，为什么
价值问题：该不该，好不好
工程问题：怎么办，

信息表征的复杂性，逻辑非逻辑推理的对抗性，不完全不确定信息的融合及学习，实时知识的获取

being是客观的，should是主观的，这样说基本是对的。但是，仅是第一层。主观中的客观？客观中的主观？等等，恐怕才是更要紧的。

人机融合智能简单地说就是主客观的融合

郁达夫与老舍是如何从许多北平及其他地方的being们推出should的呢？而小冰的推理逻辑应该是？

深度学习可能会被敏捷学习所取代，变标签数据为无签／弱签数据；强化学习也可能被否定学习所改变，人的智能不是简单的奖惩，而是从否定（别人和自己）开始的，即一种可变案例的学习

发现力f=ma很难。但是f=ma很简单，初中生会乘除法就可以了。
就像图灵发现图灵机很难，但图灵机很简单一样。

准确的预测很难，但可以感知（未来）

自然语言处理中的人机功能分配原则是: 机器可以处理语法，人可以处理语义和语用

在一定的情感或情绪或情境作用下，会改变人的知觉和感觉的正常秩序，如疼痛在特定恐惧紧张（战场）下会短时失去感觉，过会儿再有疼痛觉