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

一、概念是超三体的问题

解决三体以上的科学问题是非常困难的，概念就是一个超三体的问题：变尺度、变时空、变表征、变推理、变反馈、变规则、变概率、变决策、变态势、变感知、变关系……犹如速度与加速度之间的关系映射一般，反映者智能的边界。有效概念的认知是怎样产生的，OODA还是OAOODDDAA？亦或是OA？这是一个值得思考的问题！

复杂系统是规律与非规律的结合。人机关系即是确定与不确定性的知识关系组合，具体可初步反映在语言中是如何使用概念的。人的概念谋划算计可以违反大数定律，可以不符合物理规律，创造出了复杂性。人机时空的不一致性，形成不必要信息变多，造成必要信息的缺失，或不准确，这就要求在使用概念时更需要的是想象力。

概念往往是从无序到有序的凝炼，就像人类神经网络中的序可以装任何东西，并可以进行泛化成新的序一样。但概念也可以从有序到无序，反对称破缺，跨越临界态。概念这种形式化与非形式化的弥聚现象，以及动态调整认知相似性结构的动力可能在于其本体的可变性或非元本体性。

数据/信息/知识常常是有时效性的，比如5分钟有效即可（推理和决策也应有有效性）。另外，每个概念定义的内涵、外延常常是静态有界的，但对它的使用却是动态且有时效的（当时任务情境的时空中即可，比如2分钟内涵有效，30秒内外延成立，第3分钟超越范围等），甚至会跨界或无界的，这就是概念常常出现不确定性的主要原因，这种动态跨界的现象并没有打破语言使用的全局系统性混乱，其规律又会是什么呢？

多，意味着差异的存在；变，意味着非存在的有；复杂，意味着反直观特性；自组织/自相似/自适应/自学习/自演进/自评估意味着系统的智能……，人机环境网络中重要/不重要节点的隐匿与恢复是造成全局态势有无的关键，好的语言学家与好的数学家相似：少计算多算计，知道怎么做时计算，不知道怎么做时算计，算计是从战略到策略的多逻辑组合，人机混合计算计机制犹如树藤相绕的多螺旋结构，始于技术，成于管理。如果说计算是科学的，算计是艺术的，那么计算计就是科学与艺术的。

二、概念也是一个计算计问题

1、、人机环中是不是要先考虑任务目标，任务的模型该考虑哪些关键要素？

从多维度到变维度，从多尺度到变尺度，从多关系到变关系，从多推理到变推理，从多决策到变决策，从多边界条件到变边界条件。计算-算计相互作用的整合法则（线性与非线性的整合）。神经中的序可以装任何东西，并可进行泛化成新的序。

任务需求是智能的目的，一切行为都是任务和目标驱动的。任务的模型最基础的是5W2H（who、where、when、what、why、how、how much），并结合各服务领域的关键要素展开，进行事实性与价值性混合观察、判断、分析、执行。

2、、人机融合是不是要对人、机建模，人和机的模型，要考虑哪些关键因素？

人和机的融合肯定是基于场景和任务（事件）的，要考虑输入、处理、输出、反馈、系统及其影响因素等，具体如下：1）、客观数据与主观信息、知识的弹性输入——灵活的表征；2）、公理与非公理推理的有机融合——有效的处理；3）、责任性判断与无风险性决策的无缝衔接——虚实互补的输出；4）、人类反思与机器反馈之间的相互协同调整；5）、深度态势感知与其逆向资源管理过程的双向平衡；6）、人机之间的透明信任机制生成；7）、机器常识与人类常识的差异；8）、人机之间可解释性的阈值；9）、机器终身学习的范围/内容与人类学习的不同。

3、人机融合（人机高效协作）的衡量的关键指标？分别请从人、机和任务三个方面介绍下

人机环境系统高效协同的关键指标在于三者运行绩效中的反应时、准确率，具体体现在计划协同，动作协同，特别是跨组织实现步调上的协同，当然还有资源、成本的协同等等方面。比如人的主动、辩证、平衡能力，机的精确、逻辑、快速功能，任务的弹性、变化、整体要求。如何有机地把人、机、任务的这些特点融入到系统协同的反应时、准确率两大指标之中呢？是一个关键问题。

4、 从认知工程的智能系统框架、以及中西方的基础理论来看，哪些是未来3年内，认知功能具备可工程化的能力框架？哪些是尚不具备工程化的认知功能？

简单的说就是：计算部分与算计部分之分。未来3年内，认知功能具备可工程化的能力框架在于软硬件计算功能的快速、精确、大存储量的进一步提高，尚不具备工程化的认知功能在于反映规划、组织、协同算计谋划能力的知几趣时变通得到明显改善。

智，常常在可判定性领域里存在；能，往往存在于可计算性领域。认知工程的瓶颈和矛盾在于：总想用逻辑的手段解决非逻辑问题，例如试图用形式化的手段解决意向性的问题。不同的人机其任务上下文中的上下程度弹性是不同的。

计算是算计的产物，计算常是算计的简化版，不能体现出算计中主动、辩证、矛盾的价值。计算可以处理关键场景的特征函数，但较难解决基本场景的对应规则，更难对付任意场景的统计概率，可惜这些还仅仅只是场景，尚远未涉及情境和意识……

依据当前的各种人机环境条件简略而言，可能会有这么几个关键之颈：

（1）人机环境网络体系化特点将加速呈现
（2）传统的价值性思想依然生机勃勃
（3）复杂动态规划“新”流程比人、机更重要
（4）跨域的力量融合与精准的投放至关重要
（5）人工智能可能会成为反制己方的力量
（6）需要新的数学出现，如主客观计算混合

计算常常是针对状态参数和属性的（客观数据和事实），算计则是一种趋势和关系之间的谋划（根据主观价值的出谋划策），所以态势感知中，态与感侧重计算推理，势和知偏向算计谋划。计算计最大的特点就是异、易的事实价值并行不悖。

人类的符号、联结、行为、机制主义是多层次多角度甚至是变层次变角度的，相比之下，机器的符号、联结、行为、机制主义是单层次单角度以及是固层次固角度的。

人类思维的本质是随机应变的程序，也是可实时创造的程序，能够解释符号主义、联结主义、行为主义、机制主义之间的联系并能够打通这些联系，实现综合处理。达文波特认为：人类的某种智能行为一旦被拆解成明确的步骤、规则和算法，它就不再专属于人类了。科学发现如何成为一个可以被研究的问题。人机混合智能难题，即机器的自主程度越高，人类对态势的感知程度越低，人机之间接管任务顺畅的难度也越大，不妨称之为“生理负荷下降、心理认知负荷增加”现象。

如何破解呢？有经验的人常常抓关任务中的键薄弱环节，在危险情境中提高警觉性和注意力，以防意外，随时准备接管机器自动化操作，也可以此训练新手，进而形成真实敏锐地把握事故的兆头苗头、恰当地把握处理时机、准确地随机应变能力，并在实践中不断磨砺训练增强。

即便如此，如何在非典型、非意外情境中解决人机交互难题仍需要进一步探讨！

计算计，合久必分，分久必合。算计需要的是发散思维，计算需要的是缜密思维，这是两种很不一样的思维方式，这两种方式同时发生在某个复杂过程中是小概率的事件，由此带来的直接后果就是，复杂领域的突破也只能是小概率的事件。

对待场景中的变化，机器智能可以处理重复性相同的“变”，人类智能能够理解杂乱相似性（甚至不相似）的“变”，更重要的是还能够适时的进行“化”，其中“随动”效应是人类计算计的一个突出特点，另外，人类计算计还有一个更更厉害的武器——“主动”。仅仅是机器智能永远无法理解现实，因为它们只操纵不包含语义的语法符号。

贝叶斯思想，贝叶斯是主观评价事件发生的概率，根据先验知识来假设先验分布，若观测的数据符合先验分布，则后验分布与先验分布类似；若观测的数据不符合先验分布，则后验分布开始向观测数据倾斜，若观测数据为无穷大时，那么前验分布可以忽略不计，最大似然函数估计参数与后验分布估计参数相同，直接可以用最大似然函数来估计参数。

价值不同于事实之处在于可以站在时间的另一端看待发生的各种条件维度及其变化。

系统论的核心词是突显（整体大于部分），偏向价值性should关系；控制论的核心词是反馈（结果影响原因），侧重事实性being作用。耗散结构论的核心词是开放性自组织（从非平衡到平衡），强调从being到should过程。控制论中的反馈是极简单的结果影响（下一个）原因的问题，距离人类的反思-这种复杂的“因果”（超时空情境）问题很遥远。

算计是关于人机环境体系功能力（功能+能力）价值性结构谋划，而不是单事实逻辑连续的计算，计算计是关于正在结构中事实-价值-责任-情感多逻辑组合连续处理过程。人机混合智能难题的实质就是计算-算计的平衡。人机系统协同的一些设计包括信任度和攻防策略。信任度的不同等级会推送不同的信息。当信任度低时会推送很多的客观数据，信任度高的时候会省略客观数据给予很多的结论性的建议。相比机器智能，人类智慧的弹性往往不在单一的理性，而在多、变的感性和理性的混合使用，随时可以越界寻找方法和工具。单一的形式逻辑已经渐露难色，组合逻辑、交叉逻辑、知几逻辑、趣时逻辑、变通逻辑、辩证逻辑正在登机……，或许公理们也有此意：组合公理、辩证公理……一阴一阳谓之道，事实性的表征、推理、决策谓之阳，价值性的表征、推理、决策谓之阴，责任性的表征、推理、决策谓之道。

其它几个还没有答案的问题如下：

1、人机之间的交互中，哪些可以形成知识表征？哪些难以形成表征？

2、人类知识是如何迁移到机器上的？怎样评估机器学到了人类的知识？

3、机器过去只能学习人类已有的旧知识，能否学到或发现新的知识？

4、本体构建与领域概念模型技术不成熟的原因何在？

5、存在元认知吗？若不存在，该如何表征世界？

三、也谈数字孪生的人机治理

有人说：“自动化的最大悖论在于，使人类免于劳动的愿望总是给人类带来新的任务。”。数字孪生也有此悖论的痕迹！

数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。

美国国防部最早提出利用Digital Twin技术，用于航空航天飞行器的健康维护与保障。首先在数字空间建立真实飞机的模型，并通过传感器实现与飞机真实状态完全同步，这样每次飞行后，根据结构现有情况和过往载荷，及时分析评估是否需要维修，能否承受下次的任务载荷等。

数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。

①面向国家重大需求，您认为如何加强数字孪生技术在重点工程领域的研究呢？

数字孪生是一个复杂系统，也是一把双刃剑，为了确保发挥其有益的一面，我们要牢牢地抓住数字孪生的本质特征：人机环境系统的有机协同，针对重点工程领域，机的物理与人的管理、环境的治理有机地结合起来，取长补短，相得益彰。在设计、制造、分析、工程领域继续深化计算的优势，同时，加强培训、营销、管理、维护等领域的算计谋划拓展，真正地使数字孪生既能顶天立地，也能脚踏实地。

②从国家战略需求的角度看，您觉得发展数字孪生技术会对国家战略竞争领域产生怎样的影响力呢？

既然数字孪生是双刃剑，就有两面性，就像AI一样，用的好就会有效益、有功劳，否则不但没有效益和功劳、苦劳，甚至还会有大的损失及负面作用。比如，数字孪生就是真实与虚拟装备之间的数字映射系统，有的部分可以数字化（如物理数据和定律），有的部分就不能数字化（如管理方面的跨域组合谋划和人因工程的心理因素等等），如处理不当，就会出现人机环境系统系统性失调、失配。典型的案例，如美国波音737客机的多次事故产生的原因：所有的仿真模拟都不是真实的，只不过有些仿真还在特定的范围内还有些参考意义罢了。

③从产学研相互促进的角度来看，如何做好数字孪生基础研究、应用研究和产业化双向链接呢？

产学研是一个系统工程，需要非常好的顶层设计和基本概念原理的构建。基础研究就是要建立并深化数字孪生的基本原理概念的研究，比如数字孪生中信息化、自动化与智能化的区别和联系究竟是什么？数字孪生中的多学科、多物理量、多尺度、多概率如何在工程化中实现一致性和标准化应用？等等。

顶层设计涉及产的部分，即如何实现人机环境系统中各种人、各种机、各种环境的有效协同和合作？等等这些问题对数字孪生的多向链接都至关重要。没有好的基础研究就等于没有好的腿脚，没有好的顶层设计就等于没有好的头脑，一个人没有头脑和腿脚就不完整，一个数字孪生系统也类似。

④一句话金句总结自己这次论坛的观点。

把握好以人为本，数字为机，就可以孪生出一个新的未来环境和世界。

四、群体智能

动物之间的群体智能是本能性的随动，缺乏感知的甄别、判断的选择、理性的决策、感性的反馈，不值得去模拟仿真，真正的群体智能应该是在人类社会的衣食住行、喜怒哀乐、......之中，而不是蚁群、牛群、羊群、狗群、鸟群和鱼群！