目前的人工智能仍然是以計算機為中心，并沒有實現(xiàn)人們所希望“以人為中心”的認知。如何把人類認知模型引入到人工智能中，讓它能夠在推理、決策、記憶等方面達到類人智能水平，是目前科學(xué)界討論的熱點、難點和焦點。

認知的核心是智能、是洞察，而智能和洞察的核心是心理，人工智能的核心是數(shù)理，心數(shù)不正（一致），何談相似？！單純的機器，無論是學(xué)習(xí)還是智能都是沒有感情的，而人的理性表面上類似機器，其實這種理性是建立在情感意志等底層之上的，是一種知、情、意融合的理智，例如人的許多記憶一但涉及到“我”就會變得又快又好，這種鄰近性智能觸發(fā)機理就包含著情感化--通情達理。鑒于人機融合的智能是心理+數(shù)理的同理共情，因而可以很大程度上實現(xiàn)認知與計算的混成結(jié)合。正如一位朋友所言：除非有人以確鑿的證據(jù)向我們證明如何按照非定域原理把精神意識引入了某個人工系統(tǒng)，不管該系統(tǒng)的可觀察行為與人類行為多么相似，我們都不能認為該系統(tǒng)真的具有了精神意識，沒有了精神意識，再厲害的計算也產(chǎn)生不了認知和洞察。另外，愛就是人類一種獨特的界面，可以無限地由內(nèi)而外擴展自己與外部世界交互的智能界面，這也是機器所不能產(chǎn)生的一種界面。

世界上的事物本身是不能夠定義解釋說明自己的，只能用其他事物去定義解釋說明之，但是這些另外的事物們本身具有不一致性，既有相似之處，又有不同的地方，所以比喻、類比都不是精確的解釋，而是近似的說明，正是由于這些近似性的存在，構(gòu)成了各種可用的概念、觀念、習(xí)俗、常識、表征、溝通和交流。準確地說，當前計算的源泉----數(shù)學(xué)本身也是近似的，例如那些公理、假設(shè)、條件、約束、邊界、規(guī)定等?？墒?，現(xiàn)在的不少數(shù)學(xué)家或者人工智能學(xué)者們竟然忽略了這些數(shù)學(xué)的近似，故意把數(shù)學(xué)視為精確、客觀、絕對的化身，用一個個有著先天局限性的公式、方程、范式、推理、計算去完成不可能完成的技術(shù)工作，進而出現(xiàn)了自動化、智能化程度越高，人們的認知/心理負荷越重的悖論現(xiàn)象，究其因，是人為把不完美的有限錯覺成了完美的無限之故吧！

人是在與人、物的交互中逐步形成自我的，包括親人、聲音、事物、紙筆、……。交互、融合是智能的源泉，也是幫助我們思考的工具，從語言到手機，也許都是認知本身的一部分。一方面，我們的認知總是在與這個世界發(fā)生著融合；另一方面，被誤用的計算卻也可能會影響我們的認知。1968年圖靈獎獲得者理查德·哈明就曾一語中的地認識到：“計算的目的不在于數(shù)據(jù)，而在于洞察事物。”

表面上，人工智能在搜索、計算、存儲和優(yōu)化領(lǐng)域似乎比人類有著更高效的優(yōu)勢，其實不然。例如，當一個或多個目標出現(xiàn)時，你會很難立刻結(jié)合環(huán)境形成正確或有效的態(tài)勢感知的，只有態(tài)勢演化進入到適當?shù)臅r空、程度時，人才能夠形成良好的態(tài)勢認知水平。據(jù)此，我們不妨把態(tài)勢感知這一認知機制分為預(yù)啟動期、發(fā)展期、實現(xiàn)期、深度期、衰退期、結(jié)束期……這期間，注意力集中程度為調(diào)節(jié)態(tài)勢感知不同時期的主要手段。態(tài)勢感知，這種認知行為一般由兩部分構(gòu)成，一是無機部分，即對諸符號的形式化處理；二是有機部分，涉及理解、解釋、思維等心靈方面的意向性分析。無機的部分可以用計算的方式優(yōu)化，而有機的部分用認知處理比較理想，如下面這些情境，用計算很難表征而用認知則相對比較容易分析：態(tài)靜勢動、態(tài)動勢靜、感動知靜、感靜知動、態(tài)多勢少、態(tài)少勢多、感多知少、感少知多、態(tài)虛勢實、態(tài)實勢虛、感虛知實、感實知虛。態(tài)勢的態(tài)勢就是深度態(tài)勢，感知的感知就是深度感知，態(tài)勢感知的態(tài)勢感知就是深度態(tài)勢感知。所有的人機交互都是為了人人交流或自我認知而生，而機就是一種媒介或一種工具，使得人與他人互相作用的更有效便利舒適。

人工智能模擬的是人的思維，而思維根本上就是各種交互中人的心理活動和過程，思維活動相對穩(wěn)定了，就形成了某種思想。所以人工智能中的人之認知比起計算方法、計算能力、計算數(shù)據(jù)來更重要更本質(zhì)更徹底，人工智能之源是人，而不是工，若說當前的人工智能界本末倒置，是一種機械智能、偷懶智能恐怕不為太過吧！

認知和計算之間的關(guān)系有時被抽象為事實與符號之間的描述刻畫（描畫）關(guān)系或映射關(guān)系，實際上是賦予命題符號以意義的過程的一個方面，即意指。一個命題符號，在我理解它之前，于我而言，它還是死的、沒有生命的。理解與意指過程在某種意義上說是相反過程，意指是指從事實到思想，再到命題符號；理解則是從命題符號到思想，再到事實。

從哲學(xué)高度來看，認知是啥？感性的素質(zhì)；計算是啥？理性的修養(yǎng)。一般而言，藝術(shù)是培養(yǎng)訓(xùn)練感性素質(zhì)重要的手段，科學(xué)技術(shù)是發(fā)展延伸理性修養(yǎng)的主要途徑。大多數(shù)現(xiàn)實世界的感性理性互動都涉及隱藏信息，而大多數(shù)的人工智能研發(fā)恰恰都忽視了這一點。蒙特利爾大學(xué)的Yoshua Bengio是深度學(xué)習(xí)的先驅(qū)者之一，他在一封電子郵件中寫道：“學(xué)習(xí)使用的估計模型與現(xiàn)實之間依然存在著巨大差異，尤其是現(xiàn)實情況很復(fù)雜的時候。”因此，以數(shù)理計算為核心的人工智能的進步之途依然漫長……就像有句話所說的那樣：只有計算才分對錯，而認知則沒有標準答案。

本能就是在沒有預(yù)見的情況下能夠產(chǎn)生某種結(jié)果，并且也不需提前訓(xùn)練就能完成的行動能力。美國第一任心理學(xué)會會長威廉.詹姆斯似乎認為本能的結(jié)構(gòu)方面是模塊化的。各個本能之間都獨立負責某種簡單行為，但同時它們之間也協(xié)同工作，而機器的計算到目前為止還遠遠沒有產(chǎn)生本能，也不可能產(chǎn)生出本能。

有人認為：“目前人和機器之間的信息傳遞效率仍然非常低，遠未能實現(xiàn)真正意義上的人機協(xié)同、互相促進。要實現(xiàn)人機協(xié)同的混合智能，需要解決的第一個難題就是人和機器之間的交互問題?！弊屑毾雭?，這并不能算是人機融合的主要矛盾和核心問題。人機融合的瓶頸不是簡單的交互問題，而是認知與計算的結(jié)合問題，1972年圖靈獎獲得者埃德斯加·狄克斯特拉說過：“程序測試智能用來證明有錯，決不能證明無措“。波蘭尼也曾斷言：“知識的取得，甚至于‘科學(xué)的知識’的取得，一步步都需要個人的意會的估計和評價。” 物理學(xué)領(lǐng)域，量子論的創(chuàng)立，使人們對主客體關(guān)系的認識發(fā)生了根本性的變化。在量子世界中，科學(xué)主體與客體之間已經(jīng)不像在宏觀世界那樣有著絕對分明的界限，而是像玻爾所說的那樣：“我們既是演員，又是觀眾”。與此相關(guān)，海森堡也明確指出：幾率函數(shù)運動方程中包括了量子運動與測量儀器（歸根到底是人）相互作用的影響，這種影響也成了不確定性的重要因素。玻爾所說的演員和觀眾的關(guān)系，其含義是科學(xué)認識主體和客體之間，存在一個主體客體化，客體主體化的過程。主客體相互轉(zhuǎn)化、相互包含的結(jié)果，也就具有了波蘭尼所謂的“雙向內(nèi)居”的關(guān)系。在人機融合的智能時代到來前的黎明，計算也悄悄主動靠向了認知，正如艾倫·佩利（1966圖靈獎獲得者）所言：“任何名詞都可以變?yōu)閯釉~“。對此，約翰·麥卡錫也表現(xiàn)出了積極的認同：“與所有專門化的理論一樣，所有科學(xué)也都體現(xiàn)于常識中。當你試圖證明這些理論時，你就回到了常識推理，因為常識指導(dǎo)著你的實驗?！皬闹?，我們不難看出：認知里的常識恰恰是被計算所過濾掉的精華。

人類在常規(guī)拓撲方面的直覺相對有限，高維情形很難建立起來具體的想像，唯一能夠把握的只有嚴格的數(shù)學(xué)推導(dǎo)計算加上活潑的心理抽象認知?；蛟S只有這樣邏輯和非邏輯空間才能相融共生，形成合力去破解大自然提出的一個比一個難以回答的問題，才能處理那些我們自以為理解的事情。

總之，認知不是計算，計算卻是一種認知。