【摘要】人工智能成果斐然，然而現(xiàn)階段的人工智能體還遠(yuǎn)未達(dá)到接近人類心智的水平。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(dá)到人工智能所追求的與人類智能相似的結(jié)果，故而我們需要人在人機交互融合中發(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(dá)到更好的智能。計算—算計模型為人機混合智能提供了一種可行架構(gòu)。它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(rèn)知方式讓機器與人各司其職，互相融合促進(jìn)，這才是人機交互的前景和趨勢。
【關(guān)鍵詞】計算計 深度態(tài)勢感知 人機交互 人機混合智能
【中圖分類號】TP18 【文獻(xiàn)標(biāo)識碼】A
【DOI】10.16619/j.cnki.rmltxsqy.2022.24.009
劉偉，北京郵電大學(xué)人工智能學(xué)院研究員，清華大學(xué)戰(zhàn)略與安全中心人工智能組專家，劍橋大學(xué)訪問學(xué)者。研究方向為人機混合智能、人機交互、認(rèn)知工程、用戶體驗、人機環(huán)境系統(tǒng)工程、分析哲學(xué)、未來態(tài)勢感知模式與行為分析/預(yù)測技術(shù)。主要著作有《人機融合——超越人工智能》《追問人工智能：從劍橋到北京》等。
引言
現(xiàn)如今，人類對人工智能還未下確切的定義，一個符合大多數(shù)人觀點的定義是：讓計算機完成人類心智能做的各種事情。從20世紀(jì)40年代圖靈的人工智能預(yù)言，到20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（M. A. Boden, 2016）。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，同時也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”（R. Collobert et al., 2011）。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，往往忽視內(nèi)部的心理活動，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”的問題以及不確知事物的知識表示與問題求解的問題。
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：認(rèn)為智能是解決問題的能力，解決更復(fù)雜的問題需要更高水平的智能。相比于加減法，微分方程需要更高的智能水平；相比于井字游戲，圍棋需要更高的智能水平。然而，機器能夠求解某種特定問題，并不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（D. Lee, 2020）。以人類的神經(jīng)網(wǎng)絡(luò)為例，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)每一個都由許多神經(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，然而人們忽略了外界信息與體內(nèi)信息的比例。具體來說，人們常常將該系統(tǒng)簡化為輸入輸出系統(tǒng)，而實際上，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（L. Segal, 2001）。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，正是神經(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（金觀濤，2019）。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。本文先對算計進(jìn)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，最后介紹了算計在人機交互、人機融合智能中的應(yīng)用并進(jìn)行總結(jié)。
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、多過程體現(xiàn)：算計是運用計算之前的行為，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。算計是多算勝，少算不勝，是知己知彼的“知”。算計是沒有數(shù)和圖的計算，即沒有數(shù)學(xué)的計算，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)合型的，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)常常不是一回事。
算計的研究意義與發(fā)展
認(rèn)知。認(rèn)知也可以稱為認(rèn)識，是指人認(rèn)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(jìn)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(rèn)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(jìn)行信息處理的心理功能。
認(rèn)知模型是在理解人類認(rèn)知能力的基礎(chǔ)上構(gòu)建的模擬人的認(rèn)知過程的計算模型（S. B. Wintermute, 2010）。這里認(rèn)知模型中的認(rèn)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。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，通過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(jìn)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（P. Langley et al., 2009）。杜奇（Wlodzislaw Duch）根據(jù)記憶和學(xué)習(xí)的不同將現(xiàn)有的認(rèn)知模型分為三類：符號化認(rèn)知模型、浮現(xiàn)式認(rèn)知模型和混合型認(rèn)知模型（D. Wlodzislaw et al., 2008）。
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(rèn)識往往是“感﹢知”的，于是“態(tài)勢感知”便成了固定搭配。后來，人們發(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(rèn)知”便呼之欲出了。也可以說：認(rèn)知是對感知的感知。再后來，人們發(fā)現(xiàn)人的認(rèn)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，這樣自然就衍生出了“人機融合的深度態(tài)勢認(rèn)知”概念。深度態(tài)勢感知的含義是“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。它是在以艾德雷斯（Mica R. 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?mdash;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(rèn)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(rèn)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(jìn)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，可以無意識地協(xié)調(diào)各種自然活動的秩序。該系統(tǒng)進(jìn)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(rèn)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，系統(tǒng)建模研究時常面臨著較大困難。
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，甚至是固層次固角度的。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(dá)文波特（Thomas H. Davenport）認(rèn)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。人機混合智能難題在于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(fù)荷下降、心理認(rèn)知負(fù)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(xì)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（“計算﹢算計”）特點，即有限的理性計算與無限的感性算計共在。例如人類創(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(rèn)為，各種算法必須超越表面相關(guān)性，達(dá)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(jìn)而在此基礎(chǔ)上對比東西方在算計上的差異猶如解構(gòu)主義之父法國著名哲學(xué)家雅克·德里達(dá)（Jacques 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，作出了很大的貢獻(xiàn)。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(rèn)為“神秘”的東方智慧，從物理到心理再到管理等，從早期的萊布尼茨（Gottfried Wilhelm Leibniz）到李約瑟（Joseph Needham）再到侯世達(dá)（Douglas Richard Hofstadter）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：“沒有比人更高的山，沒有比計更好的算”。
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。計算常常是以感—存—算—傳—用—饋—評的順序展開，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（現(xiàn)實性）的邏輯推理；對于算計則不然，即使是客觀事實輸入，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（可能性）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的“華山文理之戰(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)合起來可實現(xiàn)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加以支撐，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(jìn)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(jìn)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。那么人機融合則是辯證的形式邏輯或形式的辯證邏輯，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，這是對形式化計算邏輯與辯證性算計邏輯的認(rèn)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，算計的過程中也需要用計算來完成基礎(chǔ)性的工作。二者缺一不可，只有二者結(jié)合才能實現(xiàn)更好的智能。
計算—算計模型
人工智能成果斐然，然而現(xiàn)階段的人工智能體還遠(yuǎn)未達(dá)到接近人類心智的水平。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)揮其優(yōu)勢。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)還需進(jìn)一步研究。根據(jù)現(xiàn)有的計算及認(rèn)知領(lǐng)域成果，筆者提出計算—算計模型，包括態(tài)勢感知層、認(rèn)知決策層和目標(biāo)行為層。
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，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(fù)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(jìn)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。即，人類對任務(wù)以及環(huán)境的感知很大程度上基于經(jīng)驗，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。現(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（agent）的信任度下降問題。
認(rèn)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(rèn)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(rèn)知能力，算計的思想即包含于其中。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(jìn)行簡單的問答，但問答內(nèi)容局限性較強。主要原因除計算能力外，還有機器被授予的推理能力是基于一對一、一對多、多對一的知識映射關(guān)系。如何實現(xiàn)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。同時，將動態(tài)表征下的知識進(jìn)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(jìn)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(jìn)行的知識表達(dá)的算術(shù)框架；遺傳與進(jìn)化算法在進(jìn)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)在人機混合決策方面。當(dāng)出現(xiàn)更高水平的智能體時，人類永遠(yuǎn)處于決策的最高層，這是在許多領(lǐng)域達(dá)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)對真實世界中的生存至關(guān)重要，很多研究表明了人類努力建構(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。為了使機器有效地與人類合作，機器與人類的反應(yīng)和決策應(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(dá)到人機混合決策的目標(biāo)。
算計的應(yīng)用
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，然而，我們?nèi)晕纯吹嚼杳髑暗氖锕?，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，此處不再贅述；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(xì)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。科幻的使命在于未來，所以更要肩負(fù)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)展正漸露疲態(tài)，如數(shù)學(xué)的哥德爾不完備定理、物理的海森堡測不準(zhǔn)原理、經(jīng)濟學(xué)的阿羅不可能定理等。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（當(dāng)前）非存在的有。
哲學(xué)上講，客觀世界是完全獨立于主觀世界的存在，但這是個偽命題，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(dá)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(dá)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，同理可知，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。或許，人機領(lǐng)域啟發(fā)式的計算計恰恰就是新邏輯壓縮成功與否的關(guān)鍵。
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)上。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”的溯源。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(rèn)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(rèn)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(rèn)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(rèn)識、改善人機的結(jié)構(gòu)和表達(dá)幫助有限。因此傳統(tǒng)的基于預(yù)定策略和經(jīng)驗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(fù)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(rèn)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，正如愛因斯坦所言：“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)系和新邏輯實踐之中。
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。由此，我們轉(zhuǎn)而思考人類智能的本質(zhì)、來源，試圖從認(rèn)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，然而收效甚微。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（劉偉，2018）。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(rèn)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(rèn)知能力與機的計算能力融合起來，建立新的理解途徑，進(jìn)而作出合目的性合規(guī)律性的決策，產(chǎn)生人機融合大于“人﹢機”的效果（劉偉，2019a）。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)鍵的是如何使機器的認(rèn)知能力與機器的計算能力有機地融合（劉偉，2019b）。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(jìn)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(jìn)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(rèn)知水平上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(rèn)知水平進(jìn)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，這樣才能跨域解決不同領(lǐng)域的問題。越是抽象的思維表征越能夠適應(yīng)不同的情境。同時，高抽象能力也會帶來更普適的遷移能力，從而突破思維的局限性。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(rèn)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(jìn)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作出解釋進(jìn)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史決策正確率不高，這時便會出現(xiàn)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包括：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作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，人作出的思考、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做出的靜態(tài)分配，通過一定系統(tǒng)相對合理地將不同的功能按人和機能力進(jìn)行分配（M. Cummings et al., 2007）。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(yuǎn)遠(yuǎn)不能達(dá)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(rèn)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。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(jìn)而就遠(yuǎn)離了智能的真實與靈變。
總結(jié)與展望
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(jìn)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(jìn)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(rèn)知角度構(gòu)建認(rèn)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(rèn)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(rèn)知方式，讓機器與人各司其職，互相融合促進(jìn)，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。”例如，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人、物、環(huán)境這三種成分，隨著科技的快速發(fā)展，其中的物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)中卻是有可能的?？萍际沁壿嫷模藱C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。
參考文獻(xiàn)
金觀濤，2019，《系統(tǒng)的哲學(xué)》，廈門：鷺江出版社。
劉偉，2018，《智能與人機融合智能》，《指控信息系統(tǒng)與技術(shù)》 ，第4期。
劉偉，2019a，《追問人工智能：從劍橋到北京》，北京：科學(xué)出版社。
劉偉，2019b，《人機融合智能的現(xiàn)狀與展望》，《國家治理》，第4期。
B. J. Baars, 1997, "In the Theater of Consciousness: Global Workspace Theory, A Rigorous Scientific Theory of Consciousness," Journal of Consciousness Studies, 4(4).
B. Manuel and B. Lenore, 2021, "A Theoretical Computer Science Perspective on Consciousness," Journal of Artificial Intelligence and Consciousness, 8(1).
D. Wlodzislaw; R. J. Oentaryo; P. Michael, 2008, "Cognitive Architectures: Where Do We Go from Here?" Frontiers in Artificial Intelligence and Applications, 171, IOS Press.
D. Lee, 2020, Birth of Intelligence: From RNA to Artificial Intelligence, Oxford University Press.
L. Segal, 2001, The Dream of Reality: Heinz von Foerster's Constructivism, Springer Science & Business Media.
M. Cummings et al., 2007, "Automation Architecture for Single Operator, Multiple UAV Command and Control," The International C2 Journal, 1(2).
M. A. Boden, 2016, AI: Its Nature and Future, Oxford University Press UK.
P. Langley; J. E. Laird; Seth Rogers, 2009, "Cognitive Architectures: Research Issues and Challenges," Cognitive Systems Research, 10(2).
R. Collobert; J. Weston; L. Bottou; M. Karlen; K. Kavukcuoglu; P. Kuksa, 2011, "Natural Language Processing (Almost) from Scratch," Journal of Machine Learning Research, 12.
S. B. Wintermute, 2010, "Abstraction, Imagery, and Control in Cognitive Architecture," Michigan: University of Michigan.
責(zé) 編∕李思琪
A Viable Architecture for Man-Machine Integration Intelligence:
A Computation-Calculation Model
Liu Wei
Abstract: Artificial intelligence has achieved remarkable results. However, AI at this stage is still far from reaching a level close to human mind. In a complex environment, AI with computational system alone has great limitations and cannot achieve similar results as human intelligence. Therefore, we need human to play an important role in the cooperation with the AI, so that the value of the machine's ability (computation) and the value of the human's ability (calculation) can synergize to achieve better intelligence. The computation-calculation model provides a feasible architecture for man-machine integration intelligence. It needs to consider both the rapid development of machine technology and the way of thinking and cognition of the interacting subject, i.e., humans, so that machines and humans can each do their own job and integrate and facilitate each other, which is the prospect and trend of human-computer interaction.
Keywords: jisuanji, deep situational awareness, human-machine interaction, man-machine integration intelligence
