前幾年，深藍(lán)、沃森、阿爾法系列著實(shí)讓地球人發(fā)了幾次燒！近一段時(shí)間，隨著歲月的洗刷，人們逐漸冷靜下來后，面對(duì)各種復(fù)雜智能/智慧系統(tǒng)的期望，又不僅問道：AI靠譜嗎？人工智能真能在對(duì)抗博弈（多域、跨域）中起到作用嗎？對(duì)此，下面我們將拋磚引玉，提出幾點(diǎn)粗淺的認(rèn)識(shí)以享！

人工智能有限的理性邏輯和困難的跨域能力是其致命的缺陷。人工智能無法理解相等關(guān)系，尤其是不同事實(shí)中的價(jià)值相等關(guān)系；人工智能也無法理解包含關(guān)系，尤其是不同事實(shí)中的價(jià)值包含關(guān)系（小可以大于大，有可以生出無）。人可以用不正規(guī)不正確的方法和手段實(shí)現(xiàn)正規(guī)正確的目的，還可以用正規(guī)正確的方法和手段實(shí)現(xiàn)不正規(guī)正確的意圖。還有，人可以用普通的方法處理復(fù)雜的問題，還可以（故意）用復(fù)雜的方法解答簡單的問題。

人工智能的理念源于20世紀(jì)40年代。1948年，英國科學(xué)家圖靈在其論文《計(jì)算機(jī)器與智能》中描述了可以思考的機(jī)器”，被視為人工智能的雛形，并提出“圖靈測(cè)試”。在之后的 1956年，馬爾文·明斯基、約翰·麥卡錫、香農(nóng)等學(xué)者在美國達(dá)特茅斯學(xué)院召開了一次關(guān)于人工智能的研討會(huì)，史稱“達(dá)特茅斯會(huì)議”， 正式確立了人工智能的概念與發(fā)展目標(biāo)。研究L域包括命題推理、知識(shí)表達(dá)、自然語言處理、機(jī)器感知、機(jī)器學(xué)習(xí)等。人工智能60多年的發(fā)展歷程，可以總結(jié)為以下幾個(gè)主要發(fā)展階段。次G潮期（1956~1974）：達(dá)特茅斯會(huì)議之后，研究者們?cè)谒阉魇酵评�、自然語言、機(jī)器翻譯等L域取得了一定的成果。次低谷期（1974~1980）：隨著計(jì)算機(jī)運(yùn)算能力不足、計(jì)算復(fù)雜性較G、常識(shí)與推理實(shí)現(xiàn)難度較大等原因造成機(jī)器翻譯項(xiàng)目失敗，人工智能開始受到廣泛質(zhì)疑和批評(píng)。第二次G潮期（1980~1987）：具備邏輯規(guī)則推演和在特定L域解決問題的專家系統(tǒng)開始盛行，日本“第五代計(jì)算機(jī)計(jì)劃”為其典型代表。第二次低谷期（1987~1993）：抽象推理不再被繼續(xù)關(guān)注，基于符號(hào)處理的智能模型遭到反對(duì)。發(fā)展期（1993~2012）：“深藍(lán)”等人工智能系統(tǒng)的出現(xiàn)讓人們?cè)俅胃惺艿饺斯ぶ悄艿臒o限可能。爆發(fā)期（2012-）：機(jī)器學(xué)習(xí)、移動(dòng)網(wǎng)絡(luò)、云計(jì)算、大數(shù)據(jù)等新一代信息技術(shù)引發(fā)信息環(huán)境和數(shù)據(jù)基礎(chǔ)變革，運(yùn)算速度進(jìn)一步加快且成本大幅降低，推動(dòng)人工智能向新一代階段爆發(fā)式增長。

現(xiàn)代的人工智能有點(diǎn)像小學(xué)生做作業(yè)，布置什么就是什么，缺乏需求任務(wù)的自主/自動(dòng)生成、動(dòng)態(tài)任務(wù)規(guī)劃、需求矛盾協(xié)調(diào)。很難處理快態(tài)勢(shì)感知和慢態(tài)勢(shì)感知之間的矛盾，更不容易實(shí)現(xiàn)整個(gè)人機(jī)環(huán)境系統(tǒng)的有機(jī)相互聯(lián)動(dòng)和事實(shí)與價(jià)值元素的混編嵌入。

人機(jī)融合智能機(jī)制、機(jī)理的破解將成為未來戰(zhàn)爭致勝的關(guān)鍵。任何分工都會(huì)受規(guī)模和范圍限制，人機(jī)融合智能中的功能分配是分工的一部分，另外一部分是能力分配。功能分配是被動(dòng)的，外部需求所致；能力分配是主動(dòng)的，內(nèi)部驅(qū)動(dòng)所生。在復(fù)雜、異質(zhì)、非結(jié)構(gòu)、非線性數(shù)據(jù)/信息/知識(shí)中，人的或者是類人的方向性預(yù)處理很重要，當(dāng)問題域被初步縮小范圍后，機(jī)器的有界、快速、準(zhǔn)確優(yōu)勢(shì)便可以發(fā)揮出來了；另外，當(dāng)獲得大量數(shù)據(jù)/信息/知識(shí)后，機(jī)器也可以先把他們初步映射到幾個(gè)L域，然后人再進(jìn)一步處理分析。這兩個(gè)過程的同化順應(yīng)、交叉平衡大致就是人機(jī)有機(jī)融合的過程。

未來的關(guān)鍵就在于人機(jī)融合的那個(gè)“恰好”！陰陽魚中間的那條S形分隔線，無論怎樣機(jī)器是不可能創(chuàng)造出意識(shí)來的，機(jī)器再多再大，也只是源自半個(gè)世界，小半個(gè)的世界。如若不信，不妨就請(qǐng)稍微關(guān)注一下當(dāng)前的疫情演化苗頭，也許就會(huì)有點(diǎn)感覺了吧！

今天傍晚遛彎，竟然聽到了布谷鳥的叫聲。這不禁使人想起，不同地區(qū)的人會(huì)有不同的音譯，有“布谷，布谷”成“阿公阿婆，割麥插禾”的，還有“布谷，布谷”成“不哭不哭，光棍好苦”的，……總之，人可以隨心所意地布谷出各種各樣、千奇百怪的意思來，而對(duì)于機(jī)器而言，只有響度、音調(diào)和音色是反映聲音特性的三個(gè)物理量吧！

可解釋性：人工智能過不去的道坎

如今，AI的可解釋性正在成為一道過不去的坎，去年，歐盟出臺(tái)《人工智能道德準(zhǔn)則》，明確提出AI發(fā)展方向應(yīng)該是“可信賴的”，包含安全、隱私和透明、可解釋等方面。

人工智能應(yīng)用以輸出決策判斷為目標(biāo)�？山忉屝允侵溉祟惸軌蚶斫鉀Q策原因的程度。人工智能模型的可解釋性越G，人們就越容易理解為什么做出某些決定或預(yù)測(cè)。模型可解釋性指對(duì)模型內(nèi)部機(jī)制的理解以及對(duì)模型結(jié)果的理解。其重要性體現(xiàn)在：建模階段，輔助開發(fā)人員理解模型，進(jìn)行模型的對(duì)比選擇，必要時(shí)優(yōu)化調(diào)整模型；在投入運(yùn)行階段，向決策方解釋模型的內(nèi)部機(jī)制，對(duì)模型結(jié)果進(jìn)行解釋。比如決策推薦模型，需要解釋：為何為這個(gè)用戶推薦某個(gè)方案。

目前，各L域?qū)θ斯ぶ悄艿睦斫馀c界定因L域分殊而有不同，但在共性技術(shù)和基礎(chǔ)研究方面存在共識(shí)。階段人工智能旨在實(shí)現(xiàn)問題求解，通過機(jī)器定理證明、專家系統(tǒng)等開展邏輯推理；第二階段實(shí)現(xiàn)環(huán)境交互，從運(yùn)行的環(huán)境中獲取信息并對(duì)環(huán)境施加影響；第三階段邁向認(rèn)知和思維能 力，通過數(shù)據(jù)挖掘系統(tǒng)和各類算法發(fā)現(xiàn)新的知識(shí)。

嚴(yán)格意義上說，美國的人工智能技術(shù)總體上世界L先，但是一旦涉及到人機(jī)融合智能，往往就體現(xiàn)不出那么大的優(yōu)勢(shì)了，甚至不見得有L先的態(tài)勢(shì)（也許中美在人機(jī)融合智能方面根本不存在代差）。究其因，人的問題。例如這次疫情，按醫(yī)療軟件、硬件、醫(yī)療人員水平條件來看，美國應(yīng)該比目前狀況要比好得多，可惜應(yīng)了《三體》里的一句話：弱小和無知不是生存的障礙，傲慢才是！L導(dǎo)人的失誤和錯(cuò)誤已讓許多的先進(jìn)性大打折扣，甚至蕩然無存。這不禁使人聯(lián)想到前幾日美國《軍備控制雜志》的報(bào)道可能也類似吧！美國防部2021財(cái)年申請(qǐng)289億美元用于美國核武器設(shè)施的現(xiàn)代化建設(shè)，體現(xiàn)了特朗普政府戰(zhàn)略發(fā)展重點(diǎn)：提升核指揮、控制和通信（NC3）基礎(chǔ)設(shè)施的G度自動(dòng)化與提G其速度和準(zhǔn)確性，但同時(shí)也引發(fā)一個(gè)令人不安的問題，即在未來的核戰(zhàn)爭中，AI自主系統(tǒng)在決定人類命運(yùn)方面將扮演哪種角色？當(dāng)前計(jì)算機(jī)輔助決策仍處于起步階段，容易出現(xiàn)難以預(yù)料的故障。機(jī)器學(xué)習(xí)算法雖擅長面部識(shí)別等特定任務(wù)，但也會(huì)出現(xiàn)通過訓(xùn)練數(shù)據(jù)傳達(dá)的內(nèi)在“偏見”。因此，在將人工智能應(yīng)用于核武器指控方面需采取謹(jǐn)慎負(fù)責(zé)的態(tài)度，只要核武器存在，人類（而不是機(jī)器）就需要對(duì)核武器的使用行使終控制權(quán)，此時(shí)，人機(jī)融合智能的真實(shí)能力將會(huì)如疫情管控一樣顯得異常重要。

人機(jī)融合智能，根本上就是科學(xué)技術(shù)與人文藝術(shù)、數(shù)學(xué)符號(hào)事實(shí)語言與自然經(jīng)驗(yàn)價(jià)值語言結(jié)合的代表。時(shí)空不但在物理L域可以發(fā)生彎曲，而且還可以在智能中發(fā)生了扭曲。如果說哲學(xué)邏輯經(jīng)歷了世界的本源問題、研究方法問題的轉(zhuǎn)向，那么上個(gè)世紀(jì)分析哲學(xué)——對(duì)人類語言工具的剖析成了人類思想上的一次 “革命”，這一場以維特根斯坦為象征的哲學(xué)革命，直接誘發(fā)了以圖靈機(jī)、圖靈測(cè)試為代表的人工智能科技之快速發(fā)展。但金觀濤老師的“真實(shí)性哲學(xué)”認(rèn)為，在二十一世紀(jì)中分析哲學(xué)終反倒將哲學(xué)束縛在了牢籠中，實(shí)際上也造成了思想的禁錮：符號(hào)不指涉經(jīng)驗(yàn)對(duì)象時(shí)亦可以有其自身的真實(shí)性，而且這一結(jié)論對(duì)數(shù)學(xué)語言和自然語言皆可成立。與此同時(shí)，純符號(hào)的真實(shí)性是可以嵌入到經(jīng)驗(yàn)真實(shí)性中的；科學(xué)研究與人文研究可以成為有所統(tǒng)一但互不重疊且有各自真實(shí)性標(biāo)準(zhǔn)的兩個(gè)L域。人類的巨大進(jìn)步是讓真實(shí)性本能（常識(shí)的客觀性）處于終J關(guān)懷和相應(yīng)價(jià)值的系統(tǒng)的支配之下。但是今天真實(shí)性的兩大柱石正在被科學(xué)進(jìn)步顛覆，真正令人感到恐怖的事情發(fā)生了：人正在無法抗拒地淪為聰明的“動(dòng)物”——在一個(gè)真假不分的世界里，不會(huì)有是非，也不會(huì)有真正的道德感和生命的尊嚴(yán)。

人不僅是用符號(hào)的等同或包含邏輯關(guān)系來表達(dá)世界的，人的教育不等于學(xué)習(xí)與知識(shí)，而是把欲望誘導(dǎo)到好的方向。計(jì)算機(jī)本身是不可能跨越“理解”這個(gè)鴻溝的，只有人才可以跨越符號(hào)指向的困窘。對(duì)主體而言，符號(hào)與經(jīng)驗(yàn)是混雜的，邏輯與非邏輯是混雜的，公理與非公理混雜在一起，數(shù)據(jù)、信息、知識(shí)混雜在一起，這也是為什么可解釋性之所以困難的主要原因們。人機(jī)融合就是符號(hào)（數(shù)學(xué)）如何程度不同地嵌入主體經(jīng)驗(yàn)（受控實(shí)驗(yàn)）之中，正如老子在《道德經(jīng)》中說：“道生一，一生二，二生三，三生萬物。”

所謂的AI，很大程度上不過是運(yùn)用了計(jì)算機(jī)不斷增強(qiáng)的計(jì)算能力，而采用這條路徑注定是錯(cuò)誤的，人是活學(xué)活用，機(jī)是死學(xué)僵用。而人類智能就是對(duì)小樣本態(tài)勢(shì)感知的能力大小。態(tài)勢(shì)感知的一個(gè)著名例子就是中醫(yī)中的望聞問切，通過自然語言和數(shù)學(xué)語言之間的差別來打破心智與物理之間的分歧，進(jìn)而把事實(shí)與價(jià)值統(tǒng)一起來。

態(tài)勢(shì)感知早應(yīng)源于《難經(jīng)》第六十一難，曰：經(jīng)言，望而知之謂之神，聞而知之謂之圣，問而知之謂之工，切脈而知之謂之巧。何謂也？早使用四字聯(lián)稱，則應(yīng)處于《古今醫(yī)統(tǒng)》：“望聞問切四字，誠為醫(yī)之綱L。”望是觀察病人的發(fā)育情況、面色、舌苔、表情等；聞是聽病人的說話聲音、咳嗽、喘息，并且嗅出病人的口臭、體臭等氣味；問是詢問病人自己所感到的癥狀，以前所患過的病等；切是用手診脈或按腹部有沒有痞塊（叫做四診）。

人工智能可解釋性之所以困難，其根本原因在于其包含的不僅僅是數(shù)學(xué)語言，還有自然語言，甚至是思維語言（所以根本不可能邁過這道坎）。而人機(jī)融合智能不但可以進(jìn)行主體的懸置，還可以游刃有余地進(jìn)行主體變換，在人、機(jī)、環(huán)境系統(tǒng)交互中真正實(shí)時(shí)適時(shí)地實(shí)現(xiàn)深度態(tài)勢(shì)感知，有機(jī)地完成數(shù)學(xué)語言、自然語言、思維語言之間的能指、所指、意指切換，可以輕松地直奔目的和意圖實(shí)現(xiàn)。

終身學(xué)習(xí)：人工智能過不去的第二道坎

人的學(xué)習(xí)學(xué)的不是知識(shí)，而是獲取數(shù)據(jù)、信息、知識(shí)經(jīng)驗(yàn)的方法；機(jī)器的學(xué)習(xí)學(xué)的是數(shù)據(jù)、信息和知識(shí)。

不同的物質(zhì)系統(tǒng)之間存在著相似性；同一物質(zhì)系統(tǒng)的每個(gè)子系統(tǒng)與其整體系統(tǒng)之間也有相似性；具有不同運(yùn)動(dòng)形式和不同性質(zhì)的物質(zhì)系統(tǒng)，卻遵守著相似的物理規(guī)律，這些事實(shí)都說明：相似性是自然界的一個(gè)基本特性。比如質(zhì)量-彈簧-阻尼構(gòu)成的機(jī)械系統(tǒng)與電阻-電感-電容構(gòu)成的電路系統(tǒng)是相似系統(tǒng)，就反映了物理現(xiàn)象之間的相似關(guān)系（一般而言，相似關(guān)系可以用來化簡復(fù)雜系統(tǒng)進(jìn)行研究）。機(jī)器比較容易學(xué)習(xí)、遷移這種同質(zhì)性、線性的相似系統(tǒng)，卻很難實(shí)現(xiàn)異質(zhì)性、非線性相似系統(tǒng)的類比、轉(zhuǎn)換。但是人的學(xué)習(xí)卻可以在對(duì)稱與非對(duì)稱、同質(zhì)與非同質(zhì)、線性與非線性、同源與非同源、同構(gòu)與非同構(gòu)、同理與非同理、同情與非同情、周期與非周期、拓?fù)渑c非拓?fù)�、家族與非家族之間任意自由馳騁、漫步。

機(jī)器的學(xué)習(xí)離不開時(shí)間、空間和符號(hào)，而人的學(xué)習(xí)則是隨著價(jià)值、事實(shí)、情感變化而變化的系統(tǒng)；機(jī)器的學(xué)習(xí)遵循、按照、依賴已有的規(guī)則，而人的學(xué)習(xí)則是如何修改舊規(guī)則、打破常規(guī)則、建立新規(guī)則。例如真正優(yōu)秀的L導(dǎo)人和指揮員在于如何打破規(guī)則——改革，而不是按部就班地邁著四方步穩(wěn)穩(wěn)當(dāng)當(dāng)?shù)刈呦驔]落和腐朽，更不是眼睜睜看著疫情泛濫施虐雙眼卻盯著競選和烏紗帽。

2017年3 月 16 日美國國防GJ研究計(jì)劃局（DARPA）計(jì)劃啟動(dòng) " 終身學(xué)習(xí)機(jī)器 "（Lifelong Learning Machines，L2M）項(xiàng)目，旨在發(fā)展下一代機(jī)器學(xué)習(xí)技術(shù)，并以其為基礎(chǔ)推動(dòng)第三次 AI 技術(shù)浪潮。DARPA 認(rèn)為 AI 技術(shù)的發(fā)展已歷經(jīng)次和第二次浪潮，即將迎來第三次浪潮。次 AI 技術(shù)浪潮以 " 規(guī)則知識(shí) " 為特征，典型范例如 Windows 操作系統(tǒng)、智能手機(jī)應(yīng)用程序、交通信號(hào)燈使用的程序等。第二次 AI 技術(shù)浪潮以 " 統(tǒng)計(jì)學(xué)習(xí) " 為特征，典型范例如人工神經(jīng)網(wǎng)絡(luò)系統(tǒng)，并在無人駕駛汽車等L域取得進(jìn)展。雖然上述 AI 技術(shù)對(duì)明確的問題有較強(qiáng)的推理和判斷能力，但不具備學(xué)習(xí)能力，處理不確定問題的能力也較弱。第三次 AI 技術(shù)浪潮將以 " 適應(yīng)環(huán)境 " 為特征，AI 能夠理解環(huán)境并發(fā)現(xiàn)邏輯規(guī)則，從而進(jìn)行自我訓(xùn)練并建立自身的決策流程。由此可知，AI 的持續(xù)自主學(xué)習(xí)能力將是第三次 AI 技術(shù)浪潮的核心動(dòng)力，L2M 項(xiàng)目的目標(biāo)恰與第三次 AI 浪潮 " 適應(yīng)環(huán)境 " 的特征相契合。通過研發(fā)新一代機(jī)器學(xué)習(xí)技術(shù)，使其具備能夠從環(huán)境中不斷學(xué)習(xí)并總結(jié)出一般性知識(shí)的能力，L2M 項(xiàng)目將為第三次 AI 技術(shù)浪潮打下堅(jiān)實(shí)的技術(shù)基礎(chǔ)。目前，L2M包含30個(gè)性能團(tuán)體的龐大基礎(chǔ)，通過不同期限和規(guī)模的撥款、合同開展工作。

2019年3月，DARPA合作伙伴南加州大學(xué)(USC)的研究人員發(fā)表了有關(guān)探索仿生人工智能算法的成果：L2M研究員兼USC維特比工程學(xué)院的生物醫(yī)學(xué)工程和生物運(yùn)動(dòng)學(xué)教授Francisco J. Valero-Cuevas與該學(xué)院博士生Ali Marjaninejad、Dario Urbina-Melendez和Brian Cohn一起，在《自然-機(jī)器智能》(Nature Machine Intelligence)雜志上發(fā)表了一篇文章，文中詳細(xì)介紹了人工智能控制的機(jī)器人肢體的成功研發(fā)。該肢體由類似動(dòng)物的肌腱驅(qū)動(dòng)，能夠自學(xué)行走任務(wù)，甚至能自動(dòng)從平衡失調(diào)中恢復(fù)。

推動(dòng)USC研究人員開發(fā)這一機(jī)器人肢體的是一種仿生算法，只需五分鐘的“非結(jié)構(gòu)化游戲”(unstructured play)，就能自主學(xué)習(xí)行走任務(wù)；也就是說，進(jìn)行隨機(jī)運(yùn)動(dòng)，使機(jī)器人能夠?qū)W習(xí)自己的結(jié)構(gòu)和周圍的環(huán)境。

當(dāng)前的機(jī)器學(xué)習(xí)方法依賴于對(duì)系統(tǒng)進(jìn)行預(yù)編程來處理所有可能的場景，復(fù)雜、工作量大且低效。相比之下，USC研究人員揭示，人工智能系統(tǒng)有可能從相關(guān)的經(jīng)驗(yàn)中學(xué)習(xí)，因?yàn)殡S著時(shí)間的推移，它們致力于尋找和適應(yīng)解決方案，以應(yīng)對(duì)挑戰(zhàn)。

實(shí)際上，對(duì)于眾多無限的學(xué)習(xí)而言，人是很難實(shí)現(xiàn)終身的，總有一些能學(xué)習(xí)到，還有許多另一些也一知半解甚至一無所知的更多，對(duì)于沒有“常識(shí)”和“類比”機(jī)理的機(jī)器而言，終身學(xué)習(xí)也許就是一個(gè)口號(hào)！先需要理清楚的應(yīng)該是：哪些能學(xué)？哪些不能學(xué)？

人類的學(xué)習(xí)是全方位的學(xué)習(xí)，不同角度的學(xué)習(xí)，一個(gè)事物可以變成多個(gè)事物，一個(gè)關(guān)系可以變成多個(gè)關(guān)系，一個(gè)事實(shí)不但可以變成多個(gè)事實(shí)，甚至還可以變成多個(gè)價(jià)值，更有趣的是，有時(shí)，人的學(xué)習(xí)還可以多個(gè)不同的事物變成一類事物，多個(gè)不同的關(guān)系可以變成一個(gè)關(guān)系，多個(gè)事實(shí)可以變成一個(gè)事實(shí)，甚至還可以變成一個(gè)價(jià)值。而機(jī)器學(xué)習(xí)本質(zhì)上是人（一個(gè)或某些人）的認(rèn)知顯性化，嚴(yán)格意義上，是一種“自以為”“是”，即人們常常只能認(rèn)出自己習(xí)慣或熟悉的事物，所以，這個(gè)或這群人的局限和狹隘也就在不自覺中融進(jìn)了模型和程序中，因而，這種一多變換機(jī)制往往一開始就是先天不足。當(dāng)然，機(jī)器學(xué)習(xí)也并不是一無是處，雖然做智能不行，但用來做計(jì)算機(jī)或自動(dòng)化方向的應(yīng)用應(yīng)該還是不錯(cuò)的！

如果說，學(xué)習(xí)的實(shí)質(zhì)就是分類，那么人的學(xué)習(xí)就是獲得并創(chuàng)造分類的方法，而機(jī)器學(xué)習(xí)只是簡單地被使用了一些分類的方法而已。DARPA的 " 終身學(xué)習(xí)機(jī)器 "（Lifelong Learning Machines，L2M）項(xiàng)目本質(zhì)上也許就是一個(gè)美麗的泡泡，吹一下就會(huì)忽G忽低地漂浮在空中，盡管陽光照耀之下也會(huì)五彩斑斕，但終究會(huì)破滅的吧！

機(jī)器常識(shí)：人工智能過不去的第三道坎

正如所有的藥一樣，所有的知識(shí)都是有范圍和前提的，失去了這些，知識(shí)的副作用就會(huì)涌現(xiàn)出來。知識(shí)只是常識(shí)的素材和原材料，機(jī)器只有“知”而沒有“識(shí)”，不能知行合一。知識(shí)不應(yīng)依附于思想，而應(yīng)同它合二為一；知識(shí)如果不能改變思想，使之變得完善，那就好把它拋棄。擁有知識(shí)，卻毫無本事，不知如何使用——還不如什么都沒有學(xué)——那樣的知識(shí)是一把危險(xiǎn)的劍，會(huì)給它的主人帶來麻煩和傷害。其中限制知識(shí)這些副作用發(fā)作的有效途徑之一便是常識(shí)的形成，一般而言，常識(shí)往往是碎片化的，而態(tài)勢(shì)感知就是通過對(duì)這些零零碎碎常識(shí)狀態(tài)、趨勢(shì)的感覺、知覺形成某種非常識(shí)的認(rèn)識(shí)和洞察。另外，常識(shí)是人類感知和理解世界的一種基本能力。典型的AI系統(tǒng)缺乏對(duì)物理世界運(yùn)行的一般理解（如直觀物理學(xué)）、對(duì)人類動(dòng)機(jī)和行為的基本理解（如直覺心理學(xué)）、像成年人一樣對(duì)普遍事物的認(rèn)知。

DARPA正在繼續(xù)開發(fā)第二代人工智能技術(shù)及其軍事應(yīng)用的同時(shí)，積J布局第三代人工智能發(fā)展，2018-2020財(cái)年，通過新設(shè)項(xiàng)目和延續(xù)項(xiàng)目，致力于第三代人工智能基礎(chǔ)研究，旨在通過機(jī)器學(xué)習(xí)和推理、自然語言理解、建模仿真、人機(jī)融合等方面的研究，突破人工智能基礎(chǔ)理論及核心技術(shù)。相關(guān)項(xiàng)目包括：“機(jī)器常識(shí)”，“終身學(xué)習(xí)機(jī)”，“可解釋的人工智能”，“可靠自主性”，“不同來源主動(dòng)詮釋”，“自動(dòng)知識(shí)提取”，“確保AI抗欺騙可靠性”，“自動(dòng)知識(shí)提取”，“加速人工智能”，“基礎(chǔ)人工智能科學(xué)”，“機(jī)器通用感知”，“利用更少數(shù)據(jù)學(xué)習(xí)”，“以知識(shí)為導(dǎo)向的人工智能推理模式”，“GJ建模仿真工具”，“復(fù)雜混合系統(tǒng)”，“人機(jī)交流”，“人機(jī)共生”等。除此，DARPA近期發(fā)布的人工智能基礎(chǔ)研究項(xiàng)目廣泛機(jī)構(gòu)公告還包括：“開放世界奇異性的人工智能與學(xué)習(xí)科學(xué)”，“人機(jī)協(xié)作社會(huì)智能團(tuán)隊(duì)”，“實(shí)時(shí)機(jī)器學(xué)習(xí)”等。

如果學(xué)問不能教會(huì)我們?nèi)绾嗡枷牒托袆?dòng)，那真是莫大的遺憾！因?yàn)閷W(xué)問不是用來使沒有思想的人有思想，使看不見的人看見的。學(xué)問的職責(zé)不是為盲人提供視力，而是訓(xùn)練和矯正視力，但視力本身需要是健康的，可以被訓(xùn)練的。學(xué)問是良藥，但任何良藥都可能變質(zhì)，保持時(shí)間的長短也要看藥瓶的質(zhì)量。

俄羅斯人弗拉基米爾·沃沃斯基（Vladimir Voevodsky）的主要成就是：發(fā)展了新的代數(shù)簇上同調(diào)理論，從而為深刻理論數(shù)論與代數(shù)幾何提供了新的觀點(diǎn)。他的工作的特點(diǎn)是：能簡易靈活地處理G度抽象的概念，并將這些要L用于解決相當(dāng)具體的數(shù)學(xué)問題。上同調(diào)概念初來源于拓?fù)鋵W(xué)，而拓?fù)鋵W(xué)可以粗略地說成是“形狀的科學(xué)”，其中研究沃沃形狀的例子如球面、環(huán)面以及它們的G維類似物。拓?fù)鋵W(xué)研究這些對(duì)象在連續(xù)變形（不允許撕裂）下保持不變的基本性質(zhì)。通俗地說，上同調(diào)論提供了一種方法將拓?fù)鋵?duì)象分割成一些比較容易研究的片，上同調(diào)群則包含了如何將這些基本片裝配成原來對(duì)象的信息。代數(shù)幾何中研究的主要對(duì)象是代數(shù)簇，它們是多項(xiàng)式方程的公共解集。代數(shù)簇可以用諸如曲線或曲面之類的幾何對(duì)象來表示，但它們比那些可變形的拓?fù)鋵?duì)象更具“剛性”。

DARPA戰(zhàn)略技術(shù)辦公室（STO）2017年提出的“馬賽克戰(zhàn)”概念認(rèn)為未來戰(zhàn)場是一個(gè)由低成本、低復(fù)雜系統(tǒng)組成的拼接圖，這些系統(tǒng)以多種方式連接在一起，可創(chuàng)建適合任何場景的理想交織效果。這個(gè)概念的一部分是“以新的令人驚訝的方式組合當(dāng)前已有的武器”，重點(diǎn)是有人/無人編組、分解的能力，以及允許指揮官根據(jù)戰(zhàn)場情形無縫召喚海陸空能力，而不管是哪支部隊(duì)在提供作戰(zhàn)能力。

簡單地說，上面介紹的“馬賽克戰(zhàn)”和“機(jī)器常識(shí)”，都是對(duì)抗博弈人機(jī)環(huán)境系統(tǒng)的新型拓?fù)湎到y(tǒng)，如同沃沃斯基創(chuàng)立的“主上同調(diào)”（motivic cohomology）理論。其中，真正厲害的不是那些基本的知識(shí)、條例和規(guī)則，而是應(yīng)用這些基本的知識(shí)、條例和規(guī)則的在實(shí)踐中獲得普遍成功能力的人，比如以毛澤東（湖南一師）、粟裕（湖南二師）等為代表的一大批非軍事名校畢業(yè)的戰(zhàn)略家和軍事家終以自己的常識(shí)打敗了黃埔軍系校長和將軍們的知識(shí)......

尾 聲

如果說“邏輯是符號(hào)串的等同或包含關(guān)系”，那么非邏輯則是非符號(hào)的等同或包含關(guān)系。人工智能處理一些邏輯問題較好，而人處理一些非邏輯問題稍優(yōu)，人機(jī)融合則能處理邏輯與非邏輯的融合問題。

人工智能在對(duì)抗博弈中起重要作用需要幾個(gè)條件：先是找到數(shù)學(xué)定量計(jì)算就能解決的部分，其次與人融合過程中使該AI部分找到適當(dāng)?shù)臅r(shí)機(jī)、方式和作用，后，人做對(duì)的事，AI“把事情做對(duì)”。

近，美陸軍未來司令部司令約翰·默里上將和陸軍其他技術(shù)L導(dǎo)人強(qiáng)調(diào)“人類”需要終作出重要決定并掌控“指揮和控制”系統(tǒng)，同時(shí)還明確指出快速演化的人工智能武器系統(tǒng)應(yīng)用可以讓陸軍指揮人員“率先看到、率先作出決定、率先采取行動(dòng)”，當(dāng)然由此能夠更快地摧毀敵人。（人工智能的數(shù)據(jù)處理能力會(huì)讓人類的決策速度呈現(xiàn)指數(shù)J的提G，即提速OODA環(huán)。）仔細(xì)想想，任何事物都不會(huì)無中生有，凡事都有苗頭和兆頭，人機(jī)融合就是能夠及時(shí)（恰如其分）地捕捉到這些零零碎碎的跡象和蛛絲馬跡，太快太慢都不好，“率先看到、率先做出決定、率先采取行動(dòng)”，不一定由此能夠更快地摧毀敵人。有時(shí)，慢一點(diǎn)未必不是一個(gè)好的選擇，太快了也許更容易上當(dāng)受騙吧！

目前，人智與AI的失調(diào)匹配是導(dǎo)致目前人工智能應(yīng)用L域弱智的主要原因。人可以身在曹營心在漢，是非、01同在：既是又不是，疊加態(tài)。危機(jī)管理呢？常常是疊加勢(shì)：危險(xiǎn)與機(jī)會(huì)共生，危中有機(jī)，機(jī)中有危，兩者糾纏在一起，如何因勢(shì)利導(dǎo)、順勢(shì)而為，則是人機(jī)融合智能中深度態(tài)勢(shì)感知的關(guān)鍵。

人機(jī)是非同構(gòu)的，即本質(zhì)是不同的兩者事物，一個(gè)受控實(shí)驗(yàn)部分不可重復(fù)，一個(gè)受控實(shí)驗(yàn)普遍可重復(fù)。人的智慧也是由受控與不可受控部分、可重復(fù)與不可重復(fù)部分構(gòu)成的。色盲者認(rèn)為是無色的，對(duì)他是真的，對(duì)其它主體卻是假的，若色盲者比正常人多，則正常人會(huì)是色盲嗎？

科學(xué)的缺點(diǎn)在于否認(rèn)了個(gè)性化不受控不可重復(fù)的真實(shí)。所以基于這種科學(xué)性的基礎(chǔ)上必然會(huì)帶來一些缺陷。人，尤其是每個(gè)人都是天然的個(gè)性化不受控不可重復(fù)的主體，你不能說他就是不存在的。從這個(gè)角度看，人機(jī)融合的實(shí)質(zhì)就是幫助科學(xué)完善它的不足和局限。

大數(shù)據(jù)的優(yōu)點(diǎn)是受控實(shí)驗(yàn)普遍可重復(fù)性，如此一來可以尋找共性規(guī)律——按圖索驥；但是，這也是大數(shù)據(jù)的一個(gè)缺點(diǎn)，容易忽略新生事物——受控實(shí)驗(yàn)不可重復(fù)部分的出現(xiàn)，表現(xiàn)出刻舟求劍效應(yīng)。有些受控實(shí)驗(yàn)不可重復(fù)之真實(shí)性也是存在的，但這不在科學(xué)范圍內(nèi)。以前是盲人摸象，現(xiàn)在是人機(jī)求劍。

無論多牛的數(shù)學(xué)，都是人去發(fā)現(xiàn)、發(fā)明，脫離了人，就沒有數(shù)學(xué)和人工智能，但是人都有缺點(diǎn)和死角，都有轉(zhuǎn)不過來的時(shí)候，所以人機(jī)融合才是未來智能的方向和大勢(shì)！人工智能過不去的這三道坎，人機(jī)融合智能可以過去，究其因，也還是沒有人過不去的坎！