久久99国产精品尤物-国产高清色播视频免费看-男生肌肌往女人桶爽视频-精品国产-91PORNY九色|www.jqdstudio.net

          一、引言

人機融合智能是一種新型智能形式，它不同于人的智能、也不同于人工智能，是一種跨物種越屬性結合的下一代智能科學體系。如果說真就是Being，善就是Should，美就是Being+Should的融合；假設機就是Being，人就是Should，那么人機就是Being+Should的融合。同時，人機融合智能也是東西方文明的共同結晶體現。

一般而言，東方文明對于智能的追求永遠是“反求諸己”，企圖打破人自身思維的界限而達到超越性的智慧；西方則是追求借助外力計算實現超越，計算即要求有窮，或者至少極限存在being，函數收斂。而針對無窮發散式的問題，也就是should的問題，人工智能很難跨出聚合這一步，而人機融合智能則能跨出這一步：人的意向性可以靈活自如地幫助人機協調各種智能問題中的矛盾和悖論。

表面上，人機融合智能問題是一個現代科學技術問題，同時也是一個古老的倫理問題。倫，有四種解釋：1輩，類。2人與人之間的關系。3條理，次序。4姓；倫理，就是指的就是人與人以及人與自然的關系和處理這些關系的規則。人們往往把倫理看作是對道德標準的尋求。道德是后天養成的合乎行為規范和準則的東西。它是社會生活環境中的意識形態之一，它是做人做事和成人成事的底線。它要求我們且幫助我們，并在生活中自覺自我地約束著我們。假如沒有道德或失去道德，人類就很難是美好的，甚至就是一個動物世界，人們也就無理性無智慧可言。倫理道德的最現實作用就是使人對事物產生價值觀，而這價值觀恰恰是產生意向（should）和存在（being）的主要源泉，意向性是意識的基礎、存在是規律的反映，人類智能的根本就在于此：：“德化情，情生意，意恒動。”“意恒動，識中擇念，動機出矣。”

傳統邏輯學規范的對象是一種可自控的推理活動。作為對于邏輯學奠基于倫理學之上的一個基本論證，皮爾士強調：“就其一般特征來看，推理現象類似于那些道德活動的現象。因為，推理本質上乃處于自控狀態下的思想，正如道德活動乃處于自控狀態下的活動一樣。實際上，推理是受控活動的一種，因此必然帶有受控活動的本質特征。雖然由于教士專門負責讓你們記住，推理現象并非像道德現象那樣為你們所熟知，但是，如果你們關注推理現象，你們可以很容易看到，一個得出理性結論的人不僅認為它是真的，而且認為每一類似情況下的推理同樣正確。如果他沒有這樣認為，他的推斷就不能稱為推理。它不過是他心中出現的一個想法，他無法抗拒地認為它是真的。而由于沒有經受任何檢查或控制，它并不是被有意認可的，并不能稱為推理。”這里核心的論證結構是：任何可判定好壞的行為都必須是可自控的，邏輯學以區分推理好壞為主要任務，所以作為邏輯規范對象的推理必須是可自控的活動。作為人造的機器、機制而言，其本質必然是可自控的活動結果，而人的則未必完全是邏輯自控的，人機融合智能更不是邏輯的自控推理活動。

二、人機融合智能的思考

人類價值觀的起源是倫理學，機器的起源是人類（它們的上帝）。現實中，人類的倫理道德困境就不少，而人類給機器人“裝”進去價值，恐怕會有更多的倫理范式之間的對沖矛盾產生吧？！無論如何，從中不難看出，人機融合的未來必將會荊棘密布、困難重重。

倫理可以規范出道理，道理可以演化出物理，物理可以抽象出數理，數理可以泛化于管理、生理、心理……。正如生活中所常見的那樣，一個自然數據一接觸到一種自然數據或社會數據性質就會發生較大變化，尤其是那些在臨界值／區的數據/數值變化，直接導致了價值的出現和信息的產生。（自然、社會、真實、虛擬）隱顯混合信息／知識構成的概念“能指、所指”往往呈現出生態多樣性，在理論中變得越發生動活潑跳躍。人機之間的理論、概念、知識、信息、數據之間是彌散膨脹關系，反之是聚合壓縮關系，但為了不失真，它們相互之間的轉換效率都需要某種方法來衡量，這些表征就是我們要尋找的關鍵和突破口。人機融合后，整個系統的輸入、處理、輸出會發生不少變化：首先通情達理（這里的“理”包括倫理和道理）就是should到being的信數（人的信息與機的數據可以通過信數這個新中介形式進行融合，這個中介信數是由一個矢量+一個標量或一組矢量+多組標量構成的矢標量（還是矢量）值，通過信數這個矢標量值進行人機融合關系程度優良好壞的初步判定，即輸入階段的評價指標。），即通過人的價值取向有選擇地獲取數據的過程，在這個輸入過程中不但是客觀數據與主觀信息的融合，還應包括人的先驗知識和條件；其次，在人機信息／數據融合處理過程中，人的非結構化信息架構（如自然語言）會漸變為結構化一些，而機的結構化數據據語法就會非結構化一些，在這種半結構化的情境中，不但要使用基于公理的推理，還要兼顧結合非公理性推理，使得整個推理過程更加縝密合理；最后，在決策輸出階段，人常常是由腦中若干記憶碎片，與五感接收到的信息，綜合在一起，跳過邏輯層次，直接將這些信息中和的結果，反射到思維之中，形成所謂的“直覺”，其結果的準確程度，在很大方面取決于一個人的綜合判斷能力，而機器則是通過計算獲得的結果--“間覺”進行間接評價，這種把直覺與“間覺”相結合的獨特決策過程就是人機融合智能輸出的一大特點。概而擴之，人機融合的關鍵應包括:一多與靈活彌聚的表征、公理與非公理混合推理、直覺與“間覺”交融的決策。

人的感覺常常是嵌套混合貫通聯合的，視覺里包含著聽覺觸覺嗅覺和味覺，機器的信號采集／數據輸入則是單純唯一獨立分離的，各種通道模態之間沒有融合交叉。人與機的感覺秩序大相徑庭，刺激與數據、信息與信號差異太大。對人而言，未感覺到的刺激往往被隱藏在感覺到時刺激里，進而形成無意識感覺或下意識感覺。不難相信，這種聯覺或遷移覺在文字、詞語中也有著相似的機理。機器的這種能力至今尚未被開發出來，這或許是人機融合智能方面中的一個瓶頸吧!如何打破“人擅計機長算”的基本架構，數據一多分有全息表征的輸入至關重要，這里面不僅有顯性的個別數值體現，還有默會的眾多關系作用。人的看里包含了大量的其他感覺到的東西，如聽覺、觸覺、嗅覺、味覺，這些聯覺都潛在在視覺里，機器的看沒有聯覺、統覺，機器聽覺等莫不如此……另外，情境中每個東西都有眾多屬性和關系，當前的打標就是九牛一毛，往往打標后掛一漏十白白損失了大量的信息，所以現有的“人工”智能中數據標注工作值得商榷。深入下去，人對這類復合信息的加工也應該是復合并行的處理: 既有邏輯清晰地推理過程，可謂之達理，更有感性豐富地動情發展，可謂之通情；既有基于公理地顯性信息的分析，也有基于非公理地隱含信息的綜合，慢慢形成顯、隱理解的共存，進而演化為顯、隱意向性，為下一步的規劃決策做好準備。在完成情境任務目標的價值驅動下，顯性的意向性可以變成理性決策，隱性的意向性可以演化成直覺決策。

在傳統的人工智能研究中，聯接主義的代表形式是人工神經網絡，主要處理數據；行為主義的代表形式是強化學習方法，主要處理信息（獎懲后有價值的數據）；符號主義的代表形式是知識圖譜和專家系統，主要處理知識和推理（有限的知識及推理）；三者有遞進的味道，但距離人擅長的概念產生和理論建立相距甚遠，尤其是在情感化表征、非公理性推理和直覺決策等方面機器更是望塵莫及! 另外，機器學習中的反饋、迭代的生硬艱澀滯后與人的相比也是比較低級，這是因為人的態勢感知能力不但來自科學技術還源于社會學、史學、哲學、文學、藝術等多方面的素養與思維技能，進而產生價值取向（態勢感知的基本預設是: 人可以發現未來的動向并影響它的進程）。機器的態勢感知做不到，所以機器暫時還是單一領域的擅長者（如圍棋、國際象棋等）。一般而言，機器在定義域（人為規則）里比人存儲量大且準確、數據處理快，人在非定義域（自然情境）里比機智靈活且深刻、信息融合好。人的優勢是劃圈（劃分領域/定義域），機的優勢是畫圓（精確執行），人機融合的優勢則是既能劃好圈又能畫團圓（可跨域實現目標），正可謂：人心所想，機器所為。當前的人機融合產品還是共性的（誰都可以用，如手機、電腦），個性化服務的人機智能融合還未真正出現，但已有原始級別的系統悄悄暫露頭角（如個人輔助決策系統等）。

學習，對人而言最重要的是忽略那些非關鍵的數據、忘記那些不重要的信息，從而在諸多事物及其之間發生的各種關系~事實中游刃有余地特征相關、關聯存在、變化應該、統計概念、概率規則、把握因果，可惜的是，目前的機器學習不會忽略不懂忘記，人這種過濾的機理與價值取向判斷有關，弱類似于決策機理，機器沒有價值體系。從透視主義的角度來看，人的認知存在兩類選擇性透視，一是生理功能上的，如對可見光的感受；二是觀念上的，如情境、理論和價值預設。生理功能上的意思就是說我們選擇認識什么不認識什么取決于生理感受與反映乃至內在機制；觀念上是指各種預設使人在認識中會放大、虛構和過濾。人的價值取向相應可分為生理性和社會性，兩者都包含個性化與共性成分，并在不同的情境組合中轉換、釋放出來，形成風格各異的認知特點和規律。迄今為止，這些價值體系尚未賦予沒有個性的機器們。人類意向性的背后就是價值取向，即價值觀倫理性（倫就是類和次序），如何讓形式化（數據化）的機器產生價值取向就是讓它產生意向性，即形式化的意向性，可以有道德有倫理的機器或許可以由此實現，產生不了有價值取向的機器，這一切都難以起始。事實上如何產生有價值傾向的機器，就是人的倫理道德像理性邏輯一樣可描述化程序化問題，即倫理如何變成道理再變成公理原理的進程。此外，人的深度學習也不同于機器的深度學習，人的深度學習是學校教育與社會教育的一致，在于理論與實踐的統一，在于矛盾和悖論的協同……是一種內外共鳴同情的學與習；而機器的深度學習源于人工神經網絡的研究，含多隱層的多層感知器就是一種深度學習結構，深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。兩種學習的機制根本不同：一個經過思考和實踐，一個就是仿真和模擬。

為什么人類傾向于用概念、關系和屬性做解釋？這是因為任何解釋都是在認知基本框架（常識）下進行的。人類認識世界理解事物的過程，其實就是在用概念、屬性和關系去認知世界的過程。概念、屬性、關系是理解和認知的基石，機器不能把不同性質的東西聯系起來，人卻可以相關表面上無關的事物。為什么“整體不同于其部件的總和”？因為構成整體的部件（屬性）們產生了關系，有內在的也有外在的，語義的進化也許就是新關系的形成，知識的產生也是各種各樣的新關系被發現的過程，關系有單向性（不是雙向的）和依附性，如何建立起人機之間的雙向關系至關重要，這也是一個突破口和切入點。其中，構造與功能的關系、特征屬性與語義向量關系是當下科研的熱點和難點。

為什么知識圖譜和專家系統在實際應用中漏洞百出、問題層出不窮？其中最重要的原因是關系的梳理沒有到位。其中對于主觀參數和客觀參數的不匹配不協同就是一個重要問題。正如維納對智能控制的定義：“設有兩個狀態變量，其中一個是能由我們進行調節的，而另一個則不能控制。這時我們面臨的問題是如何根據那個不可控制變量從過去到現在的信息來適當地確定可以調節的變量的最優值，以實現對于我們最為合適、最有利的狀態。”如一個認知模型如何處理突出值、價值觀、頻率性、可信度等主客觀融合特性，也許是評判其好壞的主要依據吧。早年Fechner在創立心理物理學時，提出過外部的心理物理學和內部的心理物理學等概念。外部物理世界各種物理刺激作用于人的感官，引起人的內部物理世界的活動，即腦的活動，從而產生內部心理世界的感覺體驗。Fechner認為人的感覺過程既涉及外部物理世界的物理刺激，又涉及內部物理世界的腦活動過程，還有內部心理世界的感覺體驗。他認為外部的心理物理學研究外部物理刺激強度和內部心理世界感覺體驗強度之間的關系，而內部的心理物理學則研究內部物理世界即腦活動強度和內部心理世界感覺體驗強度之間的關系。高級意識是什么呢，有人認為高級意識就是大量的基礎意識的集成，把大量不同種類的基礎意識有機地集成到一起，這種集成應該具有穿越性，能夠把“無關”事物／事實有指向地相關起來，穿越比集成更迅捷。目前看來，單純人的智慧在單個領域落后于人工智能已成為現實，對跨領域超級智能的期待仍無依無據，但是人機融合智能則可以更快更好更靈活地同化外來信息和順應外部變化，是有機與無機的跨界混搭，是記憶與存儲、算計與計算、直覺與間覺、自主與它主、慧與智的彌聚，也許這中融合智能正是未來的方向。

人機融合智能的一個核心問題是介入問題，這也是一個體驗問題，即人與機相互之間何時何處以何種方式（或平滑或迅速）介入的問題，尤其是在歧義點或關鍵閾期間介入的反應時、準確率。例如，交互中機器出現的變形了的非自主“主觀”對人機融合很重要，尤其是在特定定義域（如圍棋）中，可以改變人的習慣和偏好，甚至是世界觀。再如，在融合時彼此之間的接受、容忍、信任、匹配、調度、切換、說服、熟練程度，以及如何訓練出個性化的伙伴關系等都是具體亟待解決的問題。例如未來的人機說服技術，就需要人機之間的通情達理，因勢利導。由于人機融合在細節層面和人人之間的合作幾乎同樣復雜，或者說是有一些另類的復雜問題。因而可以認為，從技術角度講，人機融合智能絕不僅是一個數學仿真建模問題，還應是一個實驗統計體驗擬合的問題。

一般來講，對于一項技術的理解要從抽象的角度著手，抽象的角度越高，適應范圍越廣，用一層一層的抽象的方法去理解事物的本質，就能從思想上突破技術的局限性。比如一個簡單的問題：計算機是什么？計算機的本質就是一個可編程的、用于計算的機器。任何問題只要能轉換成計算問題，那計算機就能解決，如果不是計算問題，那計算機就解決不了。人處理的外部客觀事物屬性／關系本身就包含多重意義，再加上人本身的主觀認知也豐富多彩，因而復雜性是不可避免的。相比之下，機器的數據分析倒是相對自然簡單一些。信息的輸入、處理、輸出過程對人而言都是雙向的，如“看想看的”、“聽想聽的”就是眼耳與大腦的雙向流動，而彈奏想彈的曲子則是手腦之間的雙向作用；數據的處理過程則是機器的單向使然，人為的反饋前饋仍難以掩蓋其無機性。羅素認為，我們所說的每個事物都只由我們擁有的直觀知識和理解的事物的說法（也許是合成的）構成——知識實質上憑的是感性知覺。例如，機器不會學不會問，所以沒學問。你問人: 吃了嗎？人理解!你問機: 充（電）了嗎？機會理解嗎?那種試圖以現有形式化方法獲取類人智能的思想也許確實是行不通的，因為從本質上講，所有的仿真和模型都是錯誤的，只不過有些模型可參考性較大一點罷了。

人與人之間有人道，機與機之間有機道，人與機之間有人機道。數據、信息、知識，三者之間由于主體介入程度上的不同，而性質隨之變化。例如：當你面對一堆數據時，數據與主體產生關聯，你就發現或得到信息；當信息做為對象被主體思維運算后，形成認識時，信息就變成了知識；當知識從主體傳播出來，面對其他接收主體，又轉換成了信息；當信息存儲在外，無主體對應或介入時，就變成了數據。在語法面，規則性的語法逐漸為概率性的語法所替代，語義/語用方面，則出現了可能（性）的價值是新型決策依據

人機融合智能科學要研究的是一個物理與生物混合的復雜系統。智能作為一種現象，就表現在個體與自然、社會群體的相互作用和行為過程中。基于信息技術的認知延展可以為延展認知的哲學假說進行辯護，而心靈的邊界將變得更為模糊，身體、大腦、環境、技術、社會正在形成一種新的相互融合的智能體。這不僅僅會改變人的基本認知結構，也進一步改變了我們對人性以及對自身存在狀態的理解。人與不同機融合表現出來的智能是不同的，與手機交互時的智能遠遠大于與自行車交互時的智能?；蛟S這些行為和現象類似物理學一樣必然有統一的力、相互作用、基本元素來描述。例如在圖像識別中，真實的識別不是在圖像中的位置（圖像是一個平面）。而是要識別圖像指向的空間中的位置。要建立空間概念，以及物體在空間中相互關系的概念。單純基于概率統計的方法（先天智能）解決不了看圖說話的問題，要建立一種基于當前圖像個性反饋（后天智能）。人，有一種隨時隨地都可以“標注”的能力~“打”標

不管怎么標注都是終止于符號，而不是世界上的物體，應該做個能和環境世界打交道的東西，標注就是物體本身，物體的圖像、聲音、觸覺、氣味都可以通過訓練映射到物體。不是說符號沒用，符號本身也是物體對象，需要通過訓練來認識它們。符號到其代表的物體的映射（或指向）關系也是通過訓練形成。

對人類而言最最神秘的意識是如何產生的，這個問題一直受到學者們的關注。其中有兩個主要問題，一是意識產生的基本結構，二是交互積累的經驗。前者可以是生理的也可以是抽象的，是人類和機器的差異，后者對人或機器都是必須的。意識是人機環境系統交互的產物，目前的機器理論上沒有人機環境系統的（主動）交互，所以沒有你我他這些參照坐標系。有人說“當前的人工智能里面沒有智能，時下的知識系統里面沒有知識，一切都是人類跟自己玩，努力玩得似乎符合邏輯、自然、方便而且容易記憶和維護”,此話固然有些偏頗，但也反映出了一定的道理，即意識是人機環境系統交互的產物，目前的機器理論上沒有人機環境系統的（主動）交互，所以沒有你我他這些參照坐標系，從而很難反映出各種隱含著穩定和連續意義的某種秩序。還有，人處理信息的過程是變速的，有時是自動化的下意識習慣釋放，有時是半自動化的有意識與無意識平衡，有時則是純人工的慢條斯理，但是這個過程不是單純的信息表達傳輸，還包括如何在知識向量空間中建構組織起相應的語法狀態，以及重構出各種語義、語用體系。

而且自由調節的環境系統觸發了自主體系的反向運動，由此形成了人機與環境之間的多向運動或多重運動，進而導致了矛盾和沖突。這種不一致甚至相反問題的解決常常不是單純數學知識力所能及的，一個問題有邊界、有條件、有約束的求解時是數學探討，同一個問題無邊界、無條件、無約束求解時往往變成了哲學研究。例如虛構如何修正真實，真實怎樣反饋與虛構？這將是一個很有味道的問題！

三、發展與展望

人機融合智能就是由人、機、環境系統相互作用而產生的新型智能系統。之所以說它與人的智慧、人工智能不同，具體表現在三個方面: 首先是在智能輸入端，它是把設備傳感器客觀采集的數據與人主觀感知到的信息結合起來，形成一種新的輸入方式；其次是在智能的數據／信息中間處理過程，機器數據計算與人的信息認知融合起來，構建起一種獨特的理解途徑；最后是在智能輸出端，它把機器運算結果與人的價值決策相互匹配，形成概率化與規則化有機協調的優化判斷。人機融合智能也是一種廣義上的“群體”智能形式，這里的人不僅包括個人還包括眾人，機不但包括機器裝備還涉及機制機理，除此之外，還關聯自然和社會環境、真實和虛擬環境等。著重解決上述人機融合過程中產生的智能問題。比如諸多形式的數據/信息表征、各種邏輯/非邏輯推理和混合性的自主優化決策等方面。

總之，人機融合智能研究是智能技術發展到一定程度的產物，它既包括人工智能的技術研究，也包括機器與人、機器與環境及人、機、環境之間關系的探索。與很多新興學科一致，它的歷史不長，但發展速度很快。尤其是近些年，依托著深度學習的興起，以及一些大事件（AlphaGo系列）的產生，人們對人工智能本身，以及人機融合智能研究的興趣陡然上升，對其相關研究與著作也相對增多。但是，可以預期到的是，人機融合智能技術本身離我們設想的智能程度還相去甚遠，且自發的將人的智能遷移到機器中的想法本身實現難度就極大。這是一個很難回避的問題。這些都需要目前的智能科學家們做進一步的研究。人機融合智能研究不僅僅要考慮機器技術的高速發展，更要考慮交互主體-人類的思維與認知方式，讓機器與人類各司其職，互相促進，這才是人機融合智能研究的前景與趨勢。

來源：劉偉科學網博客