本文發(fā)表在《學(xué)術(shù)前沿》2022.12下

摘要：人工智能取得成果斐然，但是現(xiàn)階段的人工智能體還遠未達到接近人類心智的水平。在面對復(fù)雜環(huán)境下，僅靠計算體系的人工智能有很大限制，無法達到人工智能所追求的與人類智能相似的結(jié)果，故而我們需要人在與智能體中發(fā)揮重要作用，使機的能力價值（計算）與人的能力價值（算計）協(xié)同以達到更好的智能。本文先對算計進行定義，接著介紹其研究意義及發(fā)展，討論算計與計算的區(qū)別聯(lián)系并提出計算-算計模型，最后敘述其應(yīng)用并進行總結(jié)。人機之間的關(guān)系并不是一種加法，它是意義明確與不明確的各種可能性混合。

關(guān)鍵詞：計算計；深度態(tài)勢感知；人機交互；人機混合智能

一、引言

現(xiàn)如今，人類對人工智能還未下確切的定義，但是一個符合大多數(shù)人觀點的定義，提到人工智能就是讓計算機完成人類心智能做的各種事情。從上世紀(jì)40年代圖靈的人工智能預(yù)言，到上世紀(jì)80年代專家系統(tǒng)的開發(fā)，再到如今三大主義分支的人工智能應(yīng)用滲透到人類生活的各個方面[1]。其中，聯(lián)結(jié)主義強調(diào)模仿大腦皮質(zhì)神經(jīng)網(wǎng)絡(luò)以及神經(jīng)網(wǎng)絡(luò)間的聯(lián)結(jié)機制，即用多隱層的處理結(jié)構(gòu)，處理各種大數(shù)據(jù)；行為主義以模仿人或生物個體、群體控制行為功能為主，主要表現(xiàn)為具有獎懲控制機制的強化學(xué)習(xí)方法；符號主義強調(diào)以物理符號系統(tǒng)來產(chǎn)生智能行為，主要應(yīng)用為知識圖譜的應(yīng)用體系。人工智能的應(yīng)用取得了一定成果，但是其存在不可忽視的缺陷。聯(lián)結(jié)主義下的深度學(xué)習(xí)算法不可微分，計算收斂性較弱，在開放的動態(tài)環(huán)境下效果較差，其模型本身是一個“黑盒”[2]。行為主義的強化學(xué)習(xí)將人的行為過程看的過于簡單，實驗中只是測量簡單的獎懲反饋過程。其次行為主義研究可觀察行為，往往忽視心理的內(nèi)部活動，否定意識的重要性，將意識與行為對立。符號主義及其知識圖譜遇到了如何定義“常識”問題以及不確知事物的知識表示與問題求解問題。

要讓人工智能接近人類的心智，還需要探索何為智能。大部分對智能的定義有一個共同特點：智能是解決問題的能力，更復(fù)雜的問題需要更高水平的智能。相比于加減法，求解微分方程需要更高的智能水平；相比于井字游戲，會下一手好圍棋需要更高的智能水平。但是，機器能夠求解某種特定問題，并不是意味著機器具有較高的智能水平，哪怕這種問題非常復(fù)雜[3]。將目光轉(zhuǎn)向人類的神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)常常簡化為感知器，中樞，效應(yīng)器組成的系統(tǒng)單元，且三個系統(tǒng)每一個都有許多神經(jīng)元組成，互相之間都有反饋。以目前的神經(jīng)科學(xué)分析手段，該模型是正確的，但是人們往往忽略了外界信息與體內(nèi)信息的比例。人們常常將該系統(tǒng)簡化為輸入輸出系統(tǒng)，實際上神經(jīng)系統(tǒng)接收內(nèi)部信息的感受器是接受外部信息感受器的10萬倍[4]。也就是說，神經(jīng)系統(tǒng)在整體上更像一個自我封閉系統(tǒng)。而且，正式神經(jīng)網(wǎng)絡(luò)的封閉性，使得建構(gòu)主義可以推出客觀存在不能離開建構(gòu)者的哲學(xué)理論[5]。機器作為客觀存在，解決問題離不開人類。所以說，實現(xiàn)完全脫離人類的通用人工智能系統(tǒng)是不現(xiàn)實的一個課題。本文先對算計進行定義，接著介紹其研究意義及發(fā)展，討論算計與計算的區(qū)別聯(lián)系并提出計算-算計模型，最后敘述其應(yīng)用并進行總結(jié)。

二、算計的定義和性質(zhì)

算計是一種用感性與理性的混合手段處理各種事實價值混合關(guān)系的方法，即使沒有數(shù)據(jù)也可以一目了然地深度態(tài)勢感知。算計可以在多方面、多過程的體現(xiàn)：算計是運用計算之前的行為、算計是非自發(fā)的秩序，是人事先設(shè)計而產(chǎn)生的，由人類設(shè)計而非人類行為產(chǎn)生的秩序。是多算勝，少算不勝，是知彼知己的“知”、算計是沒有數(shù)和圖的計算，即沒有數(shù)學(xué)的計算、算計是人類帶有動因的理性與感性混合盤算，是已有邏輯形式與未知邏輯形式的融合籌劃。

如果說“計算”的未來在于利用宇宙復(fù)雜的物理行為，那么“算計”的未來則在于利用宇宙復(fù)雜的物理與非物理行為。與機器計算不同的是，人的算計是復(fù)合型，既有體現(xiàn)事實的理性部分，又有體現(xiàn)價值的感性部分，而且感性部分可以不自洽、可以矛盾（如愛恨交加），甚至可以辯證（相互轉(zhuǎn)化），所以，感性價值是人機之間智能的最重要區(qū)別之一。當(dāng)然，人機之間的理性事實和理性價值部分也不是完全等價的。具體而言，人類的一多關(guān)系與機器的一多結(jié)構(gòu)常常并不是一回事。

三、算計的研究意義與發(fā)展

2.1 認知

認知也可以稱為認識，是指人認識外界事物的過程，或者說是對作用于人的感覺器官的外界事物進行信息加工的過程。它包括感覺、知覺、記憶、思維、想象、言語，是指人們認識活動的過程，即個體對感覺信號接收、檢測、轉(zhuǎn)換、簡約、合成、編碼、儲存、提取、重建、概念形成、判斷和問題解決的信息加工處理過程。在心理學(xué)中是指通過形成概念、知覺、判斷或想象等心理活動來獲取知識的過程，即個體思維進行信息處理的心理功能。

認知模型是對人類認知能力的理解并在次基礎(chǔ)上構(gòu)建的模擬人的認知過程的計算模型。這里認知模型中的認知能力通常包括感知、表示、記憶與學(xué)習(xí)、語言、問題求解和推理等方面[7]。為了能夠構(gòu)建出更加智能的機器，我們便希望從人的身上尋找靈感，同時也是更好地探索和研究人的思維機制，特別是人對周圍信息的感知處理機制，進而可為打造出真正的人工智能系統(tǒng)提供新的體系結(jié)構(gòu)和技術(shù)方法[8]。Duch[9]根據(jù)記憶和學(xué)習(xí)的不同將現(xiàn)有的認知模型分為三類：符號化認知模型、浮現(xiàn)式認知模型和混合型認知模型三種。

2.2 深度態(tài)勢感知

人們對“態(tài)”常用感覺，對“勢”常用知覺，而世界的態(tài)、勢常常是混雜的，所以人們對世界的認識往往是感+知的，于是態(tài)勢感知便成了固定搭配，后來發(fā)現(xiàn)知對應(yīng)的“勢”一般是短勢，為了處理中長勢，形成某種更深邃的洞察力，即超越事實本身的理解、判斷、預(yù)測能力，態(tài)勢認知便呼之欲出了，也可以說：認知是對感知的感知。再后來發(fā)現(xiàn)，人的認知是有偏好、習(xí)慣、先驗、模糊、記憶等局限的，而機器和協(xié)同的機制機理可以與之相得益彰、取長補短，自然就衍生出了人機融合的深度態(tài)勢認知概念。深度態(tài)勢感知含義是“對態(tài)勢感知的感知，是一種人機智慧，既包括了人的智慧，也融合了機器的智能（人工智能）”, 是能指+所指，既涉及事物的屬性（能指、感覺）又關(guān)聯(lián)它們之間的關(guān)系（所指、知覺），既能夠理解事物原本之意，也能夠明白弦外之音。它是在以Endsley為主體的態(tài)勢感知（包括信息輸入、處理、輸出環(huán)節(jié)）基礎(chǔ)上，加上人、機（物）、環(huán)境（自然、社會）及其相互關(guān)系的整體系統(tǒng)趨勢分析，具有“軟/硬”兩種調(diào)節(jié)反饋機制；既包括自組織、自適應(yīng)，也包括他組織、互適應(yīng)；既包括局部的定量計算預(yù)測，也包括全局的定性算計評估，是一種具有自主、自動彌聚效應(yīng)的信息修正、補償?shù)钠谕?選擇-預(yù)測-控制體系。

從某種意義上講，深度態(tài)勢感知是為完成主題任務(wù)在特定環(huán)境下組織系統(tǒng)充分運用各種人的認知活動（如目的、感覺、注意、動因、預(yù)測、自動性、運動技能、計劃、模式識別、決策、動機、經(jīng)驗及知識的提取、存儲、執(zhí)行、反饋等）的綜合體現(xiàn)。既能夠在信息、資源不足情境下運轉(zhuǎn)，也能夠在信息、資源超載情境下作用。通過實驗?zāi)M和現(xiàn)場調(diào)查分析，我們認為深度態(tài)勢感知系統(tǒng)中存在著“跳蛙”現(xiàn)象（自動反應(yīng)），即從信息輸入階段直接進入輸出控制階段（跳過了信息處理整合階段），這主要是由于任務(wù)主題的明確、組織/個體注意力的集中和長期針對性訓(xùn)練的條件習(xí)慣反射引起的，如同某個人邊嚼口香糖邊聊天邊打傘邊走路一樣可以無意識地協(xié)調(diào)各種自然活動的秩序，該系統(tǒng)進行的是近乎完美的自動控制，而不是有意識的規(guī)則條件反應(yīng)。深度態(tài)勢感知本質(zhì)上就是變與不變、一與多、自主與被動等諸多悖論產(chǎn)生并解決的過程。所以該系統(tǒng)不應(yīng)是簡單的人機交互而應(yīng)是貫穿整個人機環(huán)境系統(tǒng)的自主（包含期望、選擇、控制，甚至涉及情感領(lǐng)域）認知過程。鑒于研究深度態(tài)勢感知系統(tǒng)涉及面較廣，極易產(chǎn)生非線性、隨機性、不確定性等系統(tǒng)特征，使之系統(tǒng)建模研究時常面臨著較大困難。

2.3 算計

人類的符號、聯(lián)結(jié)、行為、機制主義是多層次多角度甚至是變層次變角度的，相比之下，機器的符號、聯(lián)結(jié)、行為、機制主義是單層次單角度以及是固層次固角度的。人類思維的本質(zhì)是隨機應(yīng)變的程序，也是可實時創(chuàng)造的程序，能夠解釋符號主義、聯(lián)結(jié)主義、行為主義、機制主義之間的聯(lián)系并能夠打通這些聯(lián)系，實現(xiàn)綜合處理。達文波特認為：人類的某種智能行為一旦被拆解成明確的步驟、規(guī)則和算法，它就不再專屬于人類了。科學(xué)發(fā)現(xiàn)如何成為一個可以被研究的問題。人機混合智能難題，即機器的自主程度越高，人類對態(tài)勢的感知程度越低，人機之間接管任務(wù)順暢的難度也越大，不妨稱之為“生理負荷下降、心理認知負荷增加”現(xiàn)象。

算計是人類不借助機器的跨域多源異構(gòu)系統(tǒng)的復(fù)雜“計算”過程。某種意義或程度上，算計就是觀演一體化、“存算一體化”這兩個“神經(jīng)形態(tài)”過程的交互平衡，觀（存）就是拉大尺度或顆粒的非實時TOP-DOWN過程，演（算）就是小尺度細顆粒實時bottom-up過程。在跳躍的思維之外，人類的心智本質(zhì)上不是符號的，因而是不可計算的，人腦不是電腦，在具有物理屬性的同時還有非物理的生理和心理屬性。既能夠從無意義的事實中孵化出有意義的價值，也能夠從有意義的價值中產(chǎn)生出無意義的事實。這種主客觀的混合決定了心智的計算計特點，即有限的理性計算與無限的感性算計共在。比如人類創(chuàng)新“跳躍式”思維也不是基于計算的，即那些常常不按照語言和邏輯所做的思維，所以完全基于機器的人工智能可能也無法有“跳躍式”思維，因此就不太可能有真正非封閉開放環(huán)境下的創(chuàng)造性。

真實世界里的各種概念、命題具有著各種組合流動性和彈性。算計不是符號性的，而是流程性的，也是意識的顯化過程。意識或許就是許多“隱性”的“顯性”化，隱態(tài)與隱勢的顯化，隱感或隱知的顯化，隱注意及隱記憶的顯化，隱判斷與隱推理的顯化，隱分析且隱決策的顯化，隱事實和隱價值的顯化，隱人情并隱物理的顯化。東方的算計以前主要是算計人情世故管理，現(xiàn)在正在融入物理、數(shù)理、法理等的新算計。

現(xiàn)在，越來越多的人認為，各種算法必須超越表面相關(guān)性，達到真正理解的水平，從而實現(xiàn)更高水平的人機融合智能。態(tài)與勢是兩個藕連體，勢態(tài)與態(tài)勢反映兩個不同點的變化方向，用算計比用計算更準(zhǔn)確。

進而在此基礎(chǔ)上對比東西方在算計上的差異猶如解構(gòu)主義之父法國雅克·德里達（Jacque Derrida）所言：邏輯理性的有無。衍生于北非中亞文明的西方發(fā)現(xiàn)了科技的力量，并發(fā)明了一系列相關(guān)的學(xué)科領(lǐng)域，形成了以“算”為核心的世界觀和價值觀，不但名可名，而且道可道，以客觀事實為基礎(chǔ)，以邏輯理性為工具，為人類社會還原了物質(zhì)世界、經(jīng)濟現(xiàn)象、自然選擇的許多規(guī)律，做出了很大的貢獻。然而，最近一段時間，西方的許多有識之士在充分開發(fā)發(fā)掘其邏輯理性優(yōu)勢的同時愈發(fā)感覺到了邏輯理性的局限和不足，自覺或不自覺地把目光投向了他們認為“神秘”的東方智慧，從物理到心理再到管理等等，從早期的萊布尼茨到李約瑟再到侯世達等人，東方思想的“計”與西方的“算”是很好的一對搭檔，也是定性與定量、主觀與客觀、價值與事實、系統(tǒng)與還原的完美結(jié)合。正可謂：“沒有比人更高的階，沒有比計更好的算”。

四、算計與計算的區(qū)別與聯(lián)系

計算的本體是事實性概念，算計的本體是價值性偏好。計算的主體是人，算計的主體是包含人的系統(tǒng)。計算的主體可變，本體不變；算計的主體不變，本體常變。計算使用參數(shù)建模，算計創(chuàng)造參數(shù)建模。計算常常是感-存-算-傳-用-饋-評順序展開，而算計卻往往根據(jù)具體情況具體打破感-存-算-傳-用-饋-評的秩序組合，可以一會兒感-存-算，也可以一會兒感-算-評。對于計算來說，如果是客觀事實輸入，那么就會輸出確定性的客觀事實，可謂是真憑實據(jù)、實事求是，是理性being的邏輯推理；對于算計則不然，即使是客觀事實輸入，那也不一定就會輸出確定性的客觀事實，即真實的輸入可以用主觀改變選擇從而輸出價值，實事求義，是感性should的非邏輯實現(xiàn)。如輸入23，可以是喬丹，也可以是詹姆斯等。

真實的博弈過程中，表面上是數(shù)學(xué)計算的理性過程，實際上還有算計的感性過程，更準(zhǔn)確地說是計算計的過程，即雙方不僅僅是在理性中刀光劍影，還存在著大量感性因素的波譎云詭，是事實與價值混合鉸鏈在一起華山的文理之戰(zhàn)。

計算的基礎(chǔ)是有限的封閉性，算計的特點是有條件的開放性，計算計即從有限的客觀事實Being（現(xiàn)實性）推理出無限的主觀價值Should（可能性）。計算是確定性的推理，算計是不確定性的推理，計算計是確定性與不確定性的彌聚混合。機器只有局部性事實邏輯，沒有人類的整體性價值邏輯，因此人機結(jié)合起來進行功能與能力的互補，用人類的算計這把利刃穿透機器計算不時遇到的各種各樣的“墻”。人機融合中有價值的東西通過動態(tài)環(huán)境使得事實過程變成對智能邏輯而言有意義的事情，事實不因事實本身是什么而是什么，而是在與價值的融合之中是其所是，這就需要建立一套新的邏輯體系以支撐之，即人機融合的計算-算計邏輯體系。

那么，什么是計算？什么是算計？計算是從已知條件開始的邏輯，解決“復(fù)”，算計是從未知前提出發(fā)的直覺，處理“雜”。算計的核心有兩個字“異”和“易”。

算計里面對于不同領(lǐng)域的東西進行變化平衡的處理，這是算計的核心，而計算恰恰是講究相同的結(jié)構(gòu)，相同的數(shù)據(jù)，相同的性質(zhì)，才能進行，算出的結(jié)果往往是不變的、是確定的。

相比之下，人重價值邏輯，機偏事實邏輯，人側(cè)辯證邏輯，機向形式邏輯。與機器計算不同的是，人的算計是復(fù)合型，既有體現(xiàn)事實的理性部分，又有體現(xiàn)價值的感性部分，而且感性部分可以不自洽、可以矛盾，甚至可以辯證、相互轉(zhuǎn)化，所以感性價值是人機之間智能的最重要區(qū)別之一。當(dāng)然，人機之間的理性事實和理性價值部分也不是完全等價的。具體而言，人類的一多關(guān)系與機器的一多結(jié)構(gòu)常常并不是一回事。那么人機融合則是辯證的形式邏輯or形式的辯證邏輯，這就涉及到一個邏輯轉(zhuǎn)化的難題，即事實形式化邏輯如何轉(zhuǎn)化為價值辯證邏輯，或價值辯證邏輯如何轉(zhuǎn)化為事實形式化邏輯問題。表面上，人類的辯證邏輯是用來思考問題而不是解決問題的，解決問題要靠形式邏輯。實際上，這是緣于對形式化計算邏輯與辯證性算計邏輯的認識不清所致，與計算思維不同，算計思維方式在很多方面都與計算邏輯相悖。

計算與算計的關(guān)系也是密不可分的。計算的過程中需要算計來指引方向，算計的過程中也許用計算來作為基礎(chǔ)完成基礎(chǔ)性的工作。二者缺一不可。計算的本體是事實性概念，算計的本體是價值性偏好。計算的主要對象，算計的主體是包含人的系統(tǒng)。計算不能改變事實性概念，但可以改變操作的人；算計中人的系統(tǒng)不能改變，但價值性的偏好卻常常改變。因此只有二者結(jié)合才能實現(xiàn)更好的智能。

五、計算-算計模型

人工智能取得成果斐然，但是現(xiàn)階段的人工智能體還遠未達到接近人類心智的水平。在面對復(fù)雜環(huán)境下，計算體系中的人工智能水平有限，無法發(fā)揮其特點。智能是一個復(fù)雜系統(tǒng)，在追求算力與算法實現(xiàn)人工智能應(yīng)用的時代，人在與智能體的合作中的作用不可忽視。機的能力價值（計算）與人的能力價值（算計）協(xié)同系統(tǒng)還需研究。本文通過不同角度分析機器的計算邏輯以及人類“算計”的認知能力，探究其能力與不足，并且提出計算-算計模型，為人機混合智能提供一種可行架構(gòu)。

本文根據(jù)現(xiàn)有的計算及認知領(lǐng)域成果，提出計算-算計模型，模型包括態(tài)勢感知層、認知決策層和目標(biāo)行為層類。以三個層次來進行構(gòu)建計算-算計模型。

態(tài)勢感知層內(nèi)包含環(huán)境信息。環(huán)境包括自然時空與社會時空內(nèi)的環(huán)境，一切問題的源頭來自于自然與社會，也可以說人類知識的來源也是如此，此環(huán)境包含了確定以及不確定的成分。除此之外，態(tài)勢感知層還負責(zé)態(tài)勢信息的收集與感知處理。數(shù)學(xué)領(lǐng)域的微積分類似于這一過程，通過將已知數(shù)據(jù)進行處理，從而接近問題答案。指揮與控制領(lǐng)域的情報收集與分析領(lǐng)域同樣是對信息的感知處理，相對于數(shù)字與微積分符號，情報的量化更加復(fù)雜，更多的是交由經(jīng)驗豐富的指揮員處理。傳統(tǒng)的自動化方法及機器學(xué)習(xí)算法可能會導(dǎo)致“回路外”錯誤，因為人類對任務(wù)的態(tài)勢感知度較低，因為人類對任務(wù)以及環(huán)境的感知有很大程度基于經(jīng)驗，使容易產(chǎn)生自滿情緒或缺乏警惕性。環(huán)境的不確定反饋也會對回路外的問題產(chǎn)生影響，這凸顯了在緊密結(jié)合與松散結(jié)合的人機環(huán)交互之間實現(xiàn)平衡的重要性?，F(xiàn)如今，算法處理后的數(shù)據(jù)可解釋性下降，使得人類困于“回路外”，同時也產(chǎn)生人類對智能代理的（agent）信任度下降問題。

認知決策層類似于對態(tài)勢感知信息的深加工，其不僅僅取決于人的傳統(tǒng)意義上的認知，同時也需要機器推理的能力。人類的推理基于直覺，邏輯，關(guān)聯(lián)等認知能力。算計的思想包含于其中。20世紀(jì)80年代專家系統(tǒng)盛行，基于人工智能的專家系統(tǒng)風(fēng)靡一時，機器可以進行簡單的問答，但是問答內(nèi)容局限性較強。主要原因除了計算能力外，還有機器被授予的推理能力基于一對一，一對多，多對一的知識映射關(guān)系。如何實現(xiàn)在動態(tài)表征下的彈性推理，在具備足夠硬件算力條件下是值得被考慮的問題。并且將動態(tài)表征下的知識進行散射、漫射、影射，實現(xiàn)多跳推理，是實現(xiàn)該問題的關(guān)鍵。模糊邏輯提供一個或多個連續(xù)狀態(tài)變量映射至相應(yīng)類別進行推理和決策的框架；神經(jīng)網(wǎng)絡(luò)利用程序，在大型典型案例數(shù)據(jù)庫的訓(xùn)練過程中學(xué)習(xí)到的可變互聯(lián)權(quán)重來進行的知識表達的算術(shù)框架；遺傳與進化算法在進化遺傳學(xué)的啟發(fā)下，采用重復(fù)仿真的方法，縮小潛在的選項范圍，選擇最優(yōu)解決方案。人類通過人機交互界面與機器交互，機器給予人類輔助決策。實現(xiàn)機件人化是人機融合中邁出的一大步。

目標(biāo)行為層主要體現(xiàn)在人機混合決策。當(dāng)出現(xiàn)更高水平的智能體時，人類永遠處于決策的最高層，這是在許多領(lǐng)域達成的共識（在目標(biāo)追求低人力成本條件下例外）。意義建構(gòu)是對真實世界中的生存至關(guān)重要，很多研究表明人類努力建構(gòu)這個世界中的對象，事件和態(tài)勢的意義。人類較為擅長跡象解讀，對人類而言，建構(gòu)是一種心理活動。為了使得機器有效與人類合作，機器與人類的反應(yīng)與決策應(yīng)當(dāng)將相同對象、事件或態(tài)勢解讀為相同的跡象，或者獲得相同的意義。機器的輔助決策在必要時刻同樣需要提供更完整的意義建構(gòu)，達到人機混合決策的目標(biāo)。

六、算計的應(yīng)用

6.1人機交互

當(dāng)前人機交互最前沿的問題之一就是人與人工智能的交互，但我們還仍沒有看到黎明前的曙光，究其因，人機之間只有“計算”尚無“算計”浸入，再簡化一點說，即只有“算”沒有“計”。

人機交互中的“互”可以分為：基于態(tài)的交互、基于勢的交互、基于感的交互、基于知的交互，另外一種分法是：基于事實性（數(shù)據(jù)）的交互和基于（主觀）價值性的交互，以及基于事實-價值混合性的交互。人機系統(tǒng)中的算計就是人類沒有數(shù)學(xué)模型的計算，科技計算中的“與或非”邏輯，大家比較熟悉了，就不再多贅述；科幻算計中的邏輯不妨稱之為“是非應(yīng)”，其中“是”偏同化、“非”側(cè)順應(yīng)、“應(yīng)”為平衡，當(dāng)遇到未來科幻問題時，先用“是”、再用“非”、后用“應(yīng)”。大是大非時，大是不動，先試小非，再試中非，若不行，大非不動，先試小是，再試中是，這些試的過程就是“中”的平衡。“應(yīng)”就是不斷嘗試、調(diào)整、平衡。以上就是科技計算與人機算計結(jié)合的新邏輯體系，人機算計邏輯把握價值情感方向，科技計算邏輯細化事實理性過程。

機器是物理學(xué)與數(shù)學(xué)的結(jié)晶，環(huán)境是地理與歷史的產(chǎn)物，人機環(huán)境系統(tǒng)交互代表的人機系統(tǒng)則是復(fù)雜形式與簡單規(guī)律的表征?？苹玫氖姑谟谖磥?，所以更要肩負起“道非道，名非名”的重任與擔(dān)當(dāng)?，F(xiàn)有的科技邏輯體系隨著各學(xué)科的深入發(fā)展正在漸露疲態(tài)，如數(shù)學(xué)上的哥德爾不完備定律、物理上的海森堡不可測原理、經(jīng)濟學(xué)阿羅不可能定理，時代在呼喚新的科學(xué)原理、新的技術(shù)手段，而這都需要出現(xiàn)新的邏輯體系，一種有別于傳統(tǒng)思維方式且更符合客觀事實與主觀價值的非存在的有。

哲學(xué)上講，客觀世界完全獨立于主觀世界的存在，但是這是個偽命題，并不是真正存在的。真正能觀察到的，是客觀和主觀之間的結(jié)合，由于觀察者和被觀察的世界相互作用，我們不可能無窮精準(zhǔn)地把客觀世界了解清楚。如當(dāng)硬件能力到達一定程度，大家就會關(guān)注軟件能力的提高，當(dāng)軟件能力到達一定程度，人們就會關(guān)注人件能力的提高。衡量一個科技產(chǎn)品的水平可以嘗試從它“跨”、“協(xié)”不同領(lǐng)域能力的速度和準(zhǔn)確性來初步判斷，同理可得，衡量一部人機系統(tǒng)的情理水平可以嘗試從她“跨”、“協(xié)”不同領(lǐng)域能力的速度和準(zhǔn)確性來初步判斷。簡單地說，科技處理問題的方式一般是產(chǎn)生式的“if-then”因果關(guān)系，人機系統(tǒng)則更應(yīng)是啟發(fā)式的不求最優(yōu)但求滿意情理混合新邏輯，而啟發(fā)式往往可以處理非線性問題。當(dāng)人機在異常復(fù)雜的環(huán)境里無能為力之時，也許就是邏輯坍塌之際?；蛟S，人機領(lǐng)域啟發(fā)式的計算計（計算+算計）恰恰就是新邏輯壓縮成功與否的關(guān)鍵之所在。

人機領(lǐng)域的瓶頸和難點之一是人機環(huán)境系統(tǒng)多域失調(diào)問題，具體體現(xiàn)在不同學(xué)科領(lǐng)域中的“跨”與“協(xié)”如何有效實現(xiàn)的問題，這不但關(guān)系到解決各種人機建構(gòu)系統(tǒng)中“有態(tài)無勢”，甚至是“無態(tài)無勢”的不足，而且還將涉及到許多人機環(huán)系統(tǒng)“低效失能”的朔源。嘗試把人文域、藝術(shù)域、社會域構(gòu)成的基礎(chǔ)理論域與物理域、信息域、認知域構(gòu)成的科學(xué)技術(shù)域有機地結(jié)合起來，為實現(xiàn)人機跨域協(xié)同中的真實“跨”與有效“協(xié)”打下基礎(chǔ)。

目前，針對客觀現(xiàn)實及實際應(yīng)用而言，我們要清醒地認識到：當(dāng)前的人機環(huán)境系統(tǒng)大潮，并非基于科技發(fā)展機理認識上的重大突破，而只是找到了一種較能利用當(dāng)前不完善科技和計算機特長的強大方法——舊邏輯+舊科技，它未必能撬開創(chuàng)造真幻之門。人們心目中的“人機”大都離不開理解、意向性、意志、情感、自我意識以及精神等方面的經(jīng)歷體驗。這些方面的研究迄今并無突破，也無近期內(nèi)會有重大突破的先兆。而且，依賴科技的可解釋性、常識性、學(xué)習(xí)性和可視化都較差，對加深理解、提高認識、改善人機的結(jié)構(gòu)和表達幫助有限。因此傳統(tǒng)的基于預(yù)定策略和經(jīng)驗的判斷的邏輯方式不再可行。如何確保人群在高復(fù)雜度、高負荷的人機環(huán)境下，面對關(guān)鍵信息不充足的情況下，還要準(zhǔn)確地從大量態(tài)勢信息中獲取有用信息、形成正確認知、迅速主動沉浸成為未來人機領(lǐng)域亟需解決的問題。也許，能夠控制人類思想的真正機制與迄今為止創(chuàng)建的任何傳統(tǒng)邏輯都根本不同，正如愛因斯坦說過：“當(dāng)數(shù)學(xué)談及現(xiàn)實時，它不確定，當(dāng)數(shù)學(xué)確定時，它無關(guān)現(xiàn)實”，而人的一切經(jīng)驗和信息都蘊藏在未來人機環(huán)境系統(tǒng)交互關(guān)系和新邏輯實踐。

6.2人機融合智能

人工智能雖然在各特定領(lǐng)域的應(yīng)用越來越廣泛，但人們對通用人工智能的呼聲愈發(fā)明顯，不再滿足于弱人工智能有限的能力。計算機發(fā)展到今天，算力已經(jīng)大幅提升，量子計算機又會將算力提升幾個數(shù)量級。于是我們轉(zhuǎn)而思考人類智能的本質(zhì)、來源，試圖從認知神經(jīng)科學(xué)等方面找靈感來理解意識，希望賦予人工智能自主意識，但收效甚微。更為實際可行的方案是人機交互融合，充分讓人的意識思考即算計與機的邏輯計算有機地結(jié)合起來，讓機在融合中去學(xué)習(xí)理解人的算計能力。人機融合智能將開啟新的智能時代。

什么是人機融合智能？簡單地說，就是著重描述一種由人、機、環(huán)境系統(tǒng)相互作用、充分利用人和機器的長處產(chǎn)生的新型智能形式[11]。它既不是人的智能，也不是人工智能。人機融合智能不是簡單的人機結(jié)合，而是要讓機器逐漸理解人的決策，讓機器從人的不同條件下的決策來漸漸地理解價值權(quán)重的區(qū)別。人通過對周圍環(huán)境的感知加上自己的欲望沖動形成認知，而機器只能對周圍環(huán)境獲取數(shù)據(jù)、信息，通過特定的數(shù)據(jù)觸發(fā)特定的執(zhí)行過程，將人的認知能力與機的計算能力融合起來，建立新的理解途徑，進而做出合目的性合規(guī)律性的決策，產(chǎn)生出人機融合大于人+機的效果[12]。人工智能只是人類智能可描述化、可程序化的一部分，而人類的智能是人、機（物）、環(huán)境系統(tǒng)相互作用的產(chǎn)物。人機功能能力的匹配分級可按全部人工、人主機器數(shù)據(jù)性輔助、人主機器規(guī)則化計算性推理輔助、人主機器概率化計算性推理輔助、人主機器弱判定性輔助決策、人主機器強判定性輔助決策劃分，但無論如何在人機系統(tǒng)中人始終處于主導(dǎo)地位，即全過程人主機輔，以免造成系統(tǒng)失控的局勢。

如何實現(xiàn)人機有機融合？目前的人機融合智能還處于初級階段，仍有一些關(guān)鍵問題需要解決，其中最關(guān)鍵的是如何機器的認知能力與機器的計算能力有機地融合[13]。當(dāng)下處于實際應(yīng)用階段的人機系統(tǒng)人和機器的分工明確，主要是機器將數(shù)據(jù)顯示給人，人通過界面操作機器，并沒有產(chǎn)生有效的融合。人的思維決策過程是在不斷接收外界信息的基礎(chǔ)上，通過感知理解、聯(lián)想想象將外界信息內(nèi)化為自己的知識或者經(jīng)驗常識，這也是學(xué)習(xí)過程，進而在遇到問題時可以調(diào)用自己的經(jīng)驗常識，并借助靈感直覺等對問題進行分析理解。而機器則不具備這種對外界信息的抽象和非理性思考的能力。所以，融合的關(guān)鍵是要在認知水平提升機器的知識理解和學(xué)習(xí)能力，這樣人和機器就能在認知水平進行溝通交流融合。人的聯(lián)系、想象表現(xiàn)為對一個問題或者知識的抽象和遷移，這樣才能由跨域解決不同領(lǐng)域的問題，越是抽象的表征越能夠進行普適的遷移能力，可突破思維的局限。人類通過先驗知識的內(nèi)化可完成非公理的直覺意識，機器則只是在理性邏輯下處理客觀數(shù)據(jù)。讓機器提升認知能力則是人機融合能夠平滑的關(guān)鍵。

人機融合智能另一個需要考慮的關(guān)鍵問題是介入，即人機融合的時機與方式。當(dāng)人的突然介入，或者人和機在對周圍環(huán)境信息的感知處理出現(xiàn)不對稱的情況進而導(dǎo)致的人和機所作出的決策有沖突時，系統(tǒng)該如何決斷。在人機各自的決策沖突時，還會有可解釋的問題，即一方該如何對自己的決策做出解釋進而說服另一方。另外，人機融合中，機因為外界信息不足或者自身一些原因?qū)е碌臍v史決策中正確率不高，這時便會有人對機的信任問題，在一些特殊場景如軍事應(yīng)用中，決策失誤的可容忍度是非常低的。如果在一般場景中，機的決策正確率很高，長此以往，又會導(dǎo)致人的依賴性過高，容易造成人性中的自信、果敢、勇氣等優(yōu)良特性喪失。人機混合智能機制機理的難點：算計的機理、智算（計算計）的機制、人機混合中信任、理解、意圖、適應(yīng)等基本概念的定義、人機混合智能中功能與能力的劃界、適配、智算關(guān)鍵在于如何實現(xiàn)計和算的辯證統(tǒng)一，而對于反計算計方面，反計可以悖論矛盾，反算可以無窮循環(huán)，態(tài)勢如何互生感知如何共融，如何學(xué)會像敵人一樣思考并做出客觀的判斷和推論。

人機融合的表現(xiàn)即人機溝通的方式有人機交互界面、輔助決策和人機功能分配等。人機之間應(yīng)建立高速、有效的雙向信息交互關(guān)系，避免信息不對稱等問題。機擅長從周圍環(huán)境中態(tài)勢感知出更多定量、具體的信息，處理后應(yīng)以簡潔直觀的方式呈現(xiàn)給人，人做出的思考、決策也應(yīng)該可解釋、有邏輯的應(yīng)用于機?，F(xiàn)有的在航空、核電、空管等領(lǐng)域應(yīng)用的人機功能分配多是根據(jù)一些自動化水平量表[14]做出的靜態(tài)分配，通過一定系統(tǒng)相對合理的將不同的功能按人和機能力進行分配。對人機功能實行合理的分配，可充分利用、結(jié)合人機各自的優(yōu)勢，體現(xiàn)人機融合系統(tǒng)的智能化。

時下的人工智能系統(tǒng)之所以還遠遠不能達到人們的期望，其根本原因在于構(gòu)造人工智能的基礎(chǔ)是當(dāng)代數(shù)學(xué)而不是真正的智能邏輯，首先數(shù)學(xué)不是邏輯，從數(shù)到圖再到集合，從算數(shù)到微積分到范疇論無一不是建立在公理基礎(chǔ)上的數(shù)理邏輯體系，而真正的智能邏輯既包括數(shù)理邏輯也包括辯證邏輯，還包括未發(fā)現(xiàn)的許多邏輯規(guī)律，這些還未被發(fā)現(xiàn)的邏輯規(guī)律既有未來數(shù)學(xué)的源泉也有真情實感邏輯的涌現(xiàn)，真實智能從不是單純腦的產(chǎn)物，而是人、物、環(huán)境相互作用、相互激發(fā)喚醒的產(chǎn)物，如一個設(shè)計者規(guī)劃出的智能系統(tǒng)還需要制造者認真理解后的加工實現(xiàn)，更需要使用者因地制宜、有的放矢地靈活應(yīng)用等等，所以一個好的人機融合智能涉及三者甚至多者之間的有效對立統(tǒng)一，既有客觀事實狀態(tài)的計算，也有主觀價值趨勢的算計，是一種人、物、環(huán)境的深度態(tài)勢感知系統(tǒng)。而當(dāng)前的人工智能無論是基于規(guī)則數(shù)學(xué)模型的還是基于統(tǒng)計概率的大都是基于計算，而缺乏人類算計的結(jié)合與嵌入，進而就遠離了智能的真實與靈變。

七、總結(jié)與展望

本文先對算計進行定義，接著介紹其研究意義及發(fā)展，討論算計與計算的區(qū)別聯(lián)系并提出計算-算計模型，以及介紹了算計在人機交互、人機融合智能中的應(yīng)用。

人機交互是人工智能發(fā)展的重要一環(huán)，其中既需要新的理論方法，也需要對人、機、環(huán)境之間的關(guān)系進行新的探索。人工智能的熱度不斷加大，越來越多的產(chǎn)品走進人們的生活之中。但是，強人工智能依然沒有實現(xiàn)，如何將人的算計智能遷移到機器中去，這是一個必然要解決的問題。我們已經(jīng)從認知角度構(gòu)建認知模型或者從意識的角度構(gòu)建意識圖靈機，這都是對人的認知思維的嘗試性理解和模擬，期望實現(xiàn)人的算計能力。計算-算計模型的研究不僅需要考慮機器技術(shù)的飛速發(fā)展，還要考慮交互主體即人的思維和認知方式，讓機器與人各司其職，互相融合促進，這才是人機交互的前景和趨勢。

人機混合智能如同智能一樣，既不是人腦或類腦的產(chǎn)物，也不是人自身的產(chǎn)物，而是人、物、環(huán)境系統(tǒng)相互作用的產(chǎn)物，正如馬克思所言：“人的本質(zhì)不是單個人所固有的抽象物，在其現(xiàn)實性上，它是一切社會關(guān)系的總和”，比如狼孩盡管具有人腦的所有結(jié)構(gòu)和組成成分，但沒有與人類社會環(huán)境系統(tǒng)的交流或交互，也不可能有人的智能和智慧。事實上，未來的人機同樣也蘊含著這人、物、環(huán)境這三種成分，隨著科技的快速發(fā)展，其中的物卻也逐漸被人造物的機所取代，簡稱為人機環(huán)境系統(tǒng)，平心而論，人機要超越目前科技水平，在現(xiàn)有數(shù)學(xué)體系和思維模式上，基本上不大可能，但在過去、現(xiàn)在、未來人機環(huán)境系統(tǒng)中卻是有著可能。科技是邏輯的，人機則不一定是邏輯的，人機是一個非常遼闊的空間，它可以隨時打開異質(zhì)的集合，把客觀的邏輯與主觀的超邏輯結(jié)合起來，把傳統(tǒng)的因果與人造的因果聯(lián)系起來。

參考文獻

[1]Boden MA. Ai: Its Nature and Future[M] , Oxford University Press UK; 2016.

[2]Collobert R, Weston J,Bottou L, Karlen M, Kavukcuoglu K, Kuksa P. Natural language processing(almost) from scratch[J]. Journal of machine learning research.2011;12(ARTICLE):2493? 537.

[3]Lee D. Birth of Intelligence: From RNA to Artificial Intelligence[M], Oxford University Press; 2020.

[4]Segal LX. The dream of reality: Heinz vonFoerster's constructivism[M] Springer Science & Business Media; 2001.

[5]金觀濤《系統(tǒng)的哲學(xué)》[M] 鷺江出版社，2019.

[6]Manuel B, Lenore B. Atheoretical computer science perspective on consciousness.[J] Journal of Artificial Intelligence and Consciousness 8.01(2021):1-42.

[7]Samuel B. Wintermute.Abstraction, Imagery, and Control in Cognitive Architecture[D]. Michigan:University of Michigan,2010.

[8]Pat Langley, John E. Laird,Seth Rogers. Cognitive architectures: Research Issues and Challenges[J].Cognitive Systems Research,2009,10(2):141-160.

[9]Wlodzislaw D, Richard J.Oentaryo, Michael P. Cognitive Architectures: Where do we go from here? [A].In: Proceedings of the 2008 conference on Artificial General Intelligence[C].Netherlands, 2008: 122-136.

[10]Baars, B. J. (1997). In theTheater of Consciousness: A rigorous scientific theory of consciousness. Journal of Consciousness Studies 4, No. 4, 292-309.

[11]劉偉. 智能與人機融合智能［J］. 指控信息系統(tǒng)與技術(shù)，2018，9（2）：1- 7.

[12]劉偉. 追問人工智能：從劍橋到北京[M]. 北京：科學(xué)出版社，2019，10:10-17.

[13]劉偉. 人機融合智能的現(xiàn)狀與展望[J]. 國家治理，2019,220（04）：9-17.

[14]CUMMINGS M L, BRUNI S, MERCIER S, et al. Automation Architecture for Single Operator, Multiple UAV Command and Control[J]. International C2 Journal,2008(2).

?

?

?

?

人機環(huán)境系統(tǒng)智能是高山流水中的時空情