刘伟 | 高速发展的科技对未来人类社会结构的影响机制

作者 | 刘伟  北京邮电大学人工智能学院研究员、剑桥大学访问学者

转自 | 人机与认知实验室

10 年来，通信技术和互联网技术飞速发展，人们的生产生活与交流沟通的方式都发生了颠覆性的变化。通信技术的迭代发展也 引申出远超通信行业本身的价值和作用。在人们享受新兴技术带来的福利之余，也需要应对新技术带来的一些新问题，如人机的信任 问题、社会网络结构变化引发的分析难题。区块链技术通过去中心化、非对称加密、分布式存储等机制，可以保证系统中的所有节点 都能在信任的环境下自动安全地交换数据，用“智能合约”解决了“陌生信任”。

上述技术方法解决了一部分信息篡改和恶意攻击的问题，但是从人机信任的关系来看，信任并非能够通过数据是否真实 来评判，人机之间存在直接进行语言交流的障碍，各自有不同的认 知模型，机器难以实现人类的自学习水平。这些问题直接影响着人 们对自主系统的信任，在下文中将对人机智能的实现方向进行阐述。

复杂网络分析技术在从社会学、经济学到社会学的许多领域都被频繁使用，但是在信息科技高速发展的现在，小世界、弱连接、无标度、聚类的这些特性正在快速变化。著名的“六度分离”a 假设已经被一些学者提出建议修改为“三度分离”b，面对新型冠状病毒肺炎（COVID-19）疫情，行程码、轨迹分析重新定义了人们的互动半径与亲疏关系，社会网络的分析需要进一步借助大数据、云计算、人工智能等工具由面到点地进行个性化分析。下文将结合人 - 机 - 环境系统，对万物互联的世界中的人机问题展开讨论。

社会网络是指社会个体成员之间因为互动而形成的相对稳定的关系体系，其关注的是人们之间的互动和联系。社会网络是由许多节点构成的一种社会结构，节点通常是指个人或组织，社会网络代表各种社会关系，经由这些社会关系，把从偶然相识的泛泛之交到紧密结合的家庭关系的各种人或组织串连起来。社会关系包括朋友关系、同学关系、生意伙伴关系、种族信仰关系等。

在 2012 年出版的《网络化：新的社会操作系统》（Networked：The New Social Operating System）一书中，李·雷恩（Lee Rainie）和巴里·韦尔曼（Barry Wellman）将社会网络革命（social network revolution）、移动革命（mobile revolution）与互联网革命（internetrevolution）并列为新时期影响人类社会的三大革命。虽然社会网络革命是人类社会三大革命中最先出现的，却是最不为人关注的。社会网络革命带来的变化主要表现在广泛连接、群体性弱化和个人自主性增强。

自 20 世纪 70年代以来，随着人类学、心理学、社会学、通信、数学等学科的发展，对社会网络结构的探索逐渐受到重视。特别是近 10 年来，通信技术和互联网技术飞速发展，高速的信息传播使得人与人之间的信任关系受到严重挑战，区块链技术又以机器信任的方式导致信息关系更加复杂。在新科技的加持和变革下，之前用于描述人类社会关系的理论受到严重冲击，下文将会介绍复杂网络理论、区块链技术及 6G 通信技术之间的相互作用关系，探究高速信息获取、开放的信息传播机制，以及机器信任对人类社会结构的影响机制。

一、用发展的眼光看新时代的人-机-环境系统

社会网络是指社会个体成员之间因为互动而形成的相对稳定的关系体系，其关注的是人们之间的互动和联系。社会网络是由许多节点构成的一种社会结构，节点通常是指个人或组织，社会网络代表各种社会关系，经由这些社会关系，把从偶然相识的泛泛之交到紧密结合的家庭关系的各种人或组织串连起来。社会关系包括朋友关系、同学关系、生意伙伴关系、种族信仰关系等。在2012年出版的《网络化：新的社会操作系统》（Networked：The New Social Operating System）一书中，李·雷恩（Lee Rainie）和巴里·韦尔曼（Barry Wellman）将社会网络革命（social network revolution）、移动革命（mobile revolution）与互联网革命（internet revolution）并列为新时期影响人类社会的三大革命。虽然社会网络革命是人类社会三大革命中最先出现的，却是最不为人关注的。社会网络革命带来的变化主要表现在广泛连接、群体性弱化和个人自主性增强。
  

自20世纪70年代以来，随着人类学、心理学、社会学、通信、数学等学科的发展，对社会网络结构的探索逐渐受到重视。特别是近十年来，通信技术和互联网技术飞速发展，高速的信息传播使得人与人之间的信任关系受到严重挑战，区块链技术又以机器信任的方式导致信息关系更加复杂。在新科技的加持和变革下，之前用于描述人类社会关系的理论受到严重冲击，下文将会介绍复杂网络理论、区块链技术及6G通信技术之间的相互作用关系，探究高速信息获取、开放的信息传播机制以及机器信任对人类社会结构的影响机制。

（一）移动通信

自20世纪80年代之后，移动通信技术已经对世界产生了深刻的影响。当移动通信已经将前沿拓展到了5G时代，6G技术可挖掘的应用场景逐渐显现。6G将会是更加先进的下一代移动通信系统，且其内涵会远远超过通信领域的定义，可以承载巨大的分布式神经网络，集通信、感知、计算等能力于一身。在5G的基础上，6G可以跨越人、物、环境，向万物互联迈进。2020年前后，5G商用在全球快速铺开，扩展了“人联”，且在各类终端之间建立了“物联”，简单的人类社会分析慢慢演变为人机环境系统分析。6G将为人机环境提供更好的连接，推动“人联”“物联”向智联转变，开启智能社会。在5G的三大应用场景之上，6G将新增人工智能和感知智能两大应用场景。

伴随着物联网设备数量的快速增长和为学习算法提供数据的无线感知新能力的出现，人工智能将成为各类工作的自动化、智能化引擎。为了支持更多的使用场景以满足多样化的市场需求，6G必须建立可验证和可度量的定制化可信体系。未来6G可能促使网络所有权和运营权逐渐从运营商手中解脱出来，演变为一种多方参与、共建共赢的模式。此时就需要一个包容性的多模信任模式。

与此同时，人工智能的发展正在促成一种新的社会形态——智能社会。人工智能的飞速发展对人类社会产生巨大的影响，从未来趋势可以判断，这种影响具有战略性和主导性。以人工智能为核心要素的智能社会，将会是继狩猎社会、农耕社会、工业社会和信息化社会之后的第五种社会形态。智能社会的形成与科技的发展密不可分，从某种程度上来讲，人工智能是智能社会发展的主要推动力。

在科技发展的进程中，人类开始希望机器能够逐渐智能并拥有之前只有人类才拥有的能力，即在一些限定条件下自主学习和处理问题的能力，在某些限定条件、限定场景下能够半自主决策，或是有一定的自主意识，并采取相应的行动，替代人类主体发挥作用。未来的智能社会将会是一个万物互联的社会，各类信息载体、智能终端、计算资源以及配套的社会价值，将人类集合成为统一的整体，实现人类社会横向、纵向和端对端的扁平化、网络化、一体化高度集成。

（二）区块链

区块链通过基于共识的数学算法，在机器之间建立“信任”网络，通过技术背书来进行全新的信用创造，成为可支撑数字经济传递信任和管理价值的关键。近年来，区块链不仅在数字经济领域、加密数字货币的使用场景下崭露头角，在6G网络、工业互联网这类技术的加持下，区块链甚至可以重新定义整个网络空间的核心架构。

随着数字经济的深入发展，区块链等新一代信息技术日益融入经济社会发展的各领域、全过程，正在成为重组全球要素资源、重塑全球经济结构、改变全球竞争格局的重要力量。区块链技术具有基于多方公式、不可篡改、透明可追溯等特征，能够助力构建数字经济信任基础设计，形成产业链多方之间的分布式可信协作网络，推动实现更加强劲、绿色、健康的全球发展。围绕数据要素的可信流通，区块链开始步入以“信任链”“协作链”为导向的新发展阶段。区块链技术可以在低成本构建数据全流程信任通道的基础上，助力产业数字化转型，深度服务跨主体、跨领域的可信协作网络建设。

（三）复杂网络
  

复杂网络的发展经过了三个阶段：规则网络、随机网络和复杂网络。在实际的网络研究中，人们发现现实的复杂网络存在一些普世的规律性，如小世界、无标度、高聚合和弱连接等。小世界特性的著名科学假设是“六度分离”理论，；该理论是指在大多数人中，任意两个素不相识的人通过朋友的朋友，平均最多通过5个人就能够彼此认识。事实上，随着现代化交通通信工具的快速发展，人与人之间的时空距离急剧缩小，人们的活动半径快速增长。已经有学者提出将“六度分离”改为“三度分离”。更小的世界在给人们的沟通带来便利的同时，疾病和谣言等的扩散也变得更加容易。在无标度网络中，因为大多数普通节点只拥有很少的连接，少数的热门节点拥有极大数量的连接，所以无标度网络同时具有鲁棒性和脆弱性，错误发生在枢纽节点（连接数多的节点）的概率很小，但是蓄意攻击网络的枢纽节点将会很容易破坏网络结构。

二、人机关系，万物互联发展及其关键问题分析

（一） 移动通信网络

根据全球移动供应商协会（GSA）数据，截至2021年6月，全球133个国家和地区的443家电信运营商开展5G投资建设，其中70个国家和地区的169家运营商开始5G商用。我国于2019年6月6日正式发放5G牌照，两年以来5G发展势头迅猛。

一是，在网络层面，我国已经建成全球最大的5G独立组网（SA），覆盖全国所有的地级以上城市。截至2021年6月，我国累计建成5G基站数量超过96.1万个，占全球5G基站数量的70%。5GSA网络已经覆盖全国342个城市。与此同时，5G网络的服务能力变强，建立了多频立体的供给能力，将逐渐实现由广覆盖向室内深覆盖演进。针对不同场景，还可以提供差异化的网络个性化配置，大幅提高效率。

二是，在用户层面，我国5G手机用户进入快速发展期，5G手机用户突破3亿。截至2021年第二季度，我国手机终端连接数量达到3.65亿户，占全球5G用户的73%，且大部分用户不再主动关闭5G网络（在5G网络建设初期，5G手机用户开通5G网络后手机更容易耗电和发热，大量用户因此会选择主动关闭5G网络）。

三是，在应用层面，个人与行业应用成果初见成效，5G个人应用涌现超高清和沉浸式等新型多媒体内容；5G行业应用由试点向商用推进；应用云化，业务形态由“重”变“轻”；应用无人化，从局域场景向广域场景拓展。

四是，在产业层面，5G终端产品丰富，截至2020年12月，全球厂商总共发布了519款5G终端产品，包括智能手机，行业路由器，5G固定接入客户前置设备（Customer Premise Equipment, CPE ）和虚拟现实（VR）/增强现实（AR）头盔、眼镜、车载终端等；国产芯片在设计和制造这重要的两环都取得了阶段性成果，且开始具备芯片设计环节的自主能力；国产终端厂商从硬件、系统到生态开始全面演进，从单一的产品设计生产转为“1+N”的生态链。我国的终端产业在5G时代展现出从硬件、系统到生态的全面演进。

从5G到6G，增加了连接、感知和智能化运维，以网络公有化为主向“公有化+私有化”转变；网络安全由以加密为基础的安全机制逐步向技术驱动的可信体系转化；网络算法中融入了对数据的分析和智能化处理；基础设施的建设更加强调计算基础设施和网络设施的共同建设；信号覆盖的范围乃至行业进一步扩大。

6G强调的感知和智能化，也就是人机环境之间交互的能力，迄今人机交互的主要方式还是人去主动适应机器，去学习操作鼠标键盘、触摸屏，去适应机器的指令操作。而在下一代人机交互网络中，希望实现的是以人为中心的体验，人机交互的方式将转变为机器智能主动适应人，理解人的自然语言、手势和眼神。这些目标的实现需要新一代通信网络的支持，用高速、稳定的网络架起一座人机和虚实世界之间沟通的桥梁 。

智能不是人脑（或类脑）的产物，也不是人自身的产物，而是人、物、环境系统相互作用的产物，正如马克思所言：“人的本质不是单个人所固有的抽象物，在其现实性上，它是一切社会关系的总和。”事实上，真实的智能同样也蕴含着人、物、环境三种成分，在信息社会下，这个“物”其实就是“机”，所以我们身处人-机-环境系统之中。希望让人工智能在现有的数学体系和软硬件的设计基础上拥有超越人类智能的能力几乎不可能，但将限定条件转换为人机一体化或是人机环境系统中就充满了可能性。人工智能是基于逻辑的，智能则不一定基于逻辑的，其中还混杂了许多情感和非理性要素。智能是一个非常辽阔的空间，它可以随时打开异质的集合，把客观的逻辑与主观的超逻辑结合起来。

研究复杂性问题是困难的，所以需要将其分解为人、机、环境问题分析处理。研究智能，人所要解决的是“做正确的事（杂）”，机所要解决的是“正确地做事（复）”，环境所要解决的是“提供做事平台（复杂）”。正如中国科学院院士郭雷所言：“复杂性和智能化是系统科学发展的两个永恒的主题。复杂性主要体现的是系统科学认识世界的一面，而智能化主要体现的是系统科学改造世界的一面。”

（二）机器信任

新兴技术（如云计算、大数据）加速了产业数字化转型，在为企业降本增效的同时，也为企业的IT架构带来了新的安全挑战。零信任安全理念及架构在数字化转型过程中能够有效应对安全痛点，打破了网络位置和信任间的默认关系，能够最大限度地保证资源被可信访问。信任问题不仅仅存在于狭义的网络中，在社会网络中乃至社会治理中也有其可以预见的作用，而区块链被视为解决数字信任问题的有力工具。

党的十九届四中全会强调，必须加强和创新社会治理，完善党委领导、政府负责、民主协商、社会协同、公众参与、法制保障、科技支撑的社会治理体系。为了实现这一目标，将最新科技成果应用于社会治理，区块链大有可为。在社会治理和公共服务中心，区块链有广泛的应用空间，将有力推动社会治理的数字化、智能化、精细化、法制化水平。

2020年4月20日，国家发展和改革委员会首次明确新型基础设施的范围包括3个方面内容：、信息基础设施、融合基础设施、创新基础设施。区块链首次被列为信息基础设施之列。区块链技术具备去中心化、不可篡改、可追溯等特点，区块链共识机制、智能合约、分布式一致性等特性与共建、共治、共享的社会治理体系相吻合，区块链可推动社会治理模式创新，赋能社会治理能力提升。区块链技术创新持续活跃，底层功能架构趋于稳定，结合业务场景需求开展技术优化迭代成为下一步重点。我国企业主导的联盟链开源项目陆续启动，开源生态建设驶入快车道。目前，区块链技术架构已趋于稳定，围绕产业区块链场景实际需求，相关技术朝着“高效、安全、便捷”的方向持续演化。联盟链主要服务于企业级应用，其关注重点在节点管控、监管合规、性能、安全等方面。其中，密码算法、对等网络、共识机制、智能合约、数据存储等核心技术进展相对缓慢，运维管理、安全防护、跨链互通等扩展技术发展较快，且与其他信息技术融合趋势明显，行业焦点逐步由核心技术攻关转向为面向场景优化为主。

在技术飞速发展的同时，在合适的地方应用技术才能最大化发挥其作用，而不该“手里拿着锤子，看什么都像钉子”。人难以理解自动化机器已经成为限制人机协同控制安全实施及效能发挥的一个瓶颈, 如何解决该问题从而将人的认知能力与自动化机器的计算能力紧密结合来实现更加安全有效的人机协同控制成为目前自动化机器开发和部署的难点。既然人对自动化的理解与自动化的实际能力之间总是存在差距，人缺乏客观评估自动化能力的缺陷只能用信任来弥补，信任是发展有效关系的关键因素, 信任在人类合作中的重要性也得到了广泛认可。

自动化信任（trust in automation）, 即人对自动化的信任，已经被确定为调节人与自动化之间关系的关键因素, 其作用方式与人类之间的信任相似。人机合作是人工智能研究领域的一个重要课题。人机合作在人与人工智能系统间建立起分工合理、配合默契的信任机制，可以在发挥人的智慧的同时，合理运用人工智能系统的高性能，目前已经受到了越来越多的关注。近年来，人机合作的研究普遍采用“以人为中心”的理念。信任在心理学和社会学等行为科学领域被分析和定义。尽管每个学科都有自己的研究视角，但是由于定义的多样性，很难对研究结果进行比较，人们一致认为，信任是涉及交易或交换的关系的基础。在人际信任中，信任的双方都是人。信任是人际互动的重要条件。

在人际互动中，信任帮助人们面对不确定性，适时采取决策和行动。信任他人意味着必须承受易受对方行为伤害的风险，因此愿意承担易受伤害的风险也是人机信任的核心。在人机合作领域中所进行的信任研究，大多基于一个定义，即“一方承受另一方风险或伤害行为的意愿”。人机合作中的“信任”是委托人主动提出的意图行为，它描述了委托人对目标委托人的信任程度或多或少的原因。对“信任”的更全面的理解应该进一步考虑信任合作的过程，因为随着双方的不断互动，信任将逐渐演变。在行为科学领域，人们普遍认为信任的动态演化可以分为初始信任和持续信任两个阶段。最初的信任（它）发生在合作建立之前。由于委托人（人）对目标委托人（人工智能系统）缺乏认识，依据目标委托人要求委托人在信息不足时承担一定风险，即目标委托人可能有意无意地有不履行预期责任的风险。

这种信任意味着信任者在扩展信任之前，会根据自己的认知判断对情况做出理性的决定。持续型信任（continuous Trust，CT）发生在合作建立以后，意味着信任方对目标信任体有了一点了解，可以在某些情境下预测目标信任体的行为。因此，持续信任的本质是将合作行为的结果加入信任的反馈回路中。合作行为的结果（有利或不利）将影响拥有属性与目标信任方的下一次互动，进而影响信任。霍夫曼（Hoffman）认为人机合作中的信任也是一个变化过程，即人机合作信任是人对人工智能系统表现的心理预期与人工智能系统自身效能的一种混合交互过程，这种交互过程是通过人和人工智能系统持续的双向互动逐步建立起来的。因此，对人机合作中的信任研究也需要同时考虑初始型信任和持续型信任。

（三）复杂网络
      

物联网（Iot）正在将现有行业重塑为以数据驱动决策为特征的智能行业。物联网的内在特性带来了许多挑战，如去中心化、互操作性差、存在隐私和安全漏洞。区块链技术为解决物联网挑战带来了机遇。区块链和物联网的综合被称为BCoT（block chain of things）。信息通信技术（ICT）的最新进展推动了传统计算机辅助行业向以数据驱动决策为特征的智能行业的发展。在这种范式转变期间，物联网在将物理工业环境与计算系统的网络空间连接起来，从而在形成网络物理系统方面发挥了重要作用。

具体而言，物联网具有以下特点：物联网系统的去中心化；物联网设备和系统的多样性；物联网数据的异构性；网络复杂性。
  

区块链被用于解决物联网系统的去中心化、信任问题，更新一代的移动网络技术提供了更大的接入量和更稳定的接入质量后，人机环境系统中，数据的异构性、网络的复杂性开始显现出来，要真正实现一个万物互联的世界，需要分析的是复杂系统和复杂网络的问题。

人-机-环境交互系统往往由具有意志、目的和学习能力的人的活动组成，涉及许多变量和复杂的关系，贯穿于人的主观因素和意识目的之中，因此主客体之间的界限往往是模糊的，具有拥有属性的个性、人为性、异质性、不确定性、价值与事实的统一性、主客体的相关性。

此外，人-机-环境交互系统在机器（设备）和环境（自然）的研究活动中具有明显的主客体区分，具有强烈的实证性、自由性、同质性、确定性、价值中立性、客观性等特点。在西方国家，无论是在古代、中世纪还是现代，哲学宗教早已不仅仅是一种意识形态，而是逐渐成为一股强大的政治力量，其影响力不断渗透到社会生活的方方面面，更是把哲学、政治、法律和上层建筑置于宗教的控制之下。

总之，上述主客观因素的影响导致了人-机-环境交互系统的异常复杂性和不确定性。因此，人-机-环境交互系统的研究不仅应该包括实验、理论、模拟、大数据等科学范式，还应该包括直觉、猜想、推测、风格、形象、情境等多种人类艺术方法，在许多情况下，还应该与哲学和宗教的各种方法联系起来，如现象、体现、分析、理解和信仰。

在一个充满变量的人机环境互动系统中，存在的逻辑不是主观性和客观性的必然性和确定性，而是与各种可能性互动的同步性，是一种对游戏的“形态”的“获得”和“忘记”，一切都在改变能力。这种思维和能力可能更适合于人类各种复杂的艺术过程。这正是人工智能所缺乏的。

2021年5月28日，习总书记出席两院院士大会并发表重要讲话，他指出，科技创新速度显著加快，以信息技术、人工智能为代表的新兴科技快速发展，大大拓展了时间、空间和人们认知范围，人类正在进入一个“人机物”三元混合的万物智能互联时代。人机智能是人-机-环境系统相互作用而产生的新型智能系统，其与人的智慧、人工智能的差异具体表现在三个方面：

首先，在混合智能输入端，它把设备传感器客观采集的数据与人主观感知到的信息结合起来，形成一种新的输入方式；

其次，在智能的数据／信息中间处理过程，机器数据计算与人的信息认知相混合，构建起一种独特的理解途径；

最后，在智能输出端，它将机器运算结果与人的价值决策相匹配，形成概率化与规则化有机协调的优化判断。人机混合智能是一种广义上的“群体”智能形式，这里的人不仅包括个人，还包括众人，机不但包括机器装备，还涉及机制机理；此外，还关联自然/社会环境、真实/虚拟环境、网络/电磁环境等。

三、从人机混合智能的角度看待新时代人、机、环境关系

万物互联的世界可以等同为一个人-机-环境系统，而机器如何摆脱单纯的工具，融入整个体系之中，人机混合智能的概念应运而生。智能是一个复杂的系统，既包括计算也包括算计，一般而言，人工（机器）智能擅长客观事实（真理性）计算，人类智能优于主观价值（道理性）算计。当计算大于算计时，可以侧重人工智能；当算计大于计算时，应该偏向人类智能；当计算等于算计时，最好使用人机智能。

（一）人机混合智能
  

人工智能的优势在于庞大的信息存储量和高速的处理速度，但是无法处理如“休谟之问”，即从“是”（being）能否推出“应该”（should），也即“事实”命题能否推出“价值”命题；也无法处理情感的表征问题。

人工智能是一种返回修改模式。也就是说，一组代码解决一个问题，以前是代码执行，问题尚未处理好程序就结束。人工智能是代码执行，问题没处理好，代码自动返回修改数据代码再执行。反复修改，也就是反复学习，这就是人工智能。当然，好的人工智能技术，在一定范围内可以自己修改不足的模型，进而可以在一定程度上模拟人的具体功能，比如人类的部分计算、逻辑推理能力，但它对人类“非家族相似性”的类比、决策能力还是无能为力。所以，人工智能中的“人”并不是真的“人”。

人工智能有限的理性逻辑和困难的跨域能力是其致命的缺陷。人工智能无法理解相等关系，尤其是不同事实中的价值相等关系；人工智能也无法理解包含关系，尤其是不同事实中的价值包含关系（小可以大于大，有可以生出无）。人可以用不正规、不正确的方法和手段实现正规、正确的目的，还可以用正规、正确的方法和手段实现不正规、正确的意图。另外，人可以用普通的方法处理复杂的问题，还可以（故意）用复杂的方法解答简单的问题。

人机混合智能理论集中描述了一种由人、机器和环境系统相互作用而产生的新型智能，它是一种结合了物理特性和生物特性的新一代智能科学系统。人机交互主要研究颈部以下的生理和心理人体工程学，而人体工程学主要研究颈部以上的大脑和计算机的结合。

人机混合智能在以下三个方面不同于人的智能和人工智能：

首先，在智能输入端，人机混合智能的思想不单单依赖硬件传感器采集的客观数据或是人的五官感知到的主观信息，而是把两者有效地结合起来，并且联系人的先验知识，形成一种新的输入方式；

其次，在信息的处理阶段，也是智能产生的重要阶段，将人的认知方式与计算机具有优势的计算能力混合起来，构建起一种新的理解途径；

最后，是在智能的输出端，将人在决策中体现的价值效应加入计算机逐渐迭代的算法之中相互匹配，形成有机化与概率化相互协调的优化判断。在人机混合的不断适应中，人将会对惯性常识行为进行有意识地思考，而机器也将会从人的不同条件下的决策发现价值权重的区别。

人与机器之间的理解将由单向性转向双向性，人的主动性将与机器的被动性相混合。人类善于处理应有的价值取向的主观信息，而机器不仅善于处理存在等规则概率的客观数据，还会从人类处理应有信息的角度优化其算法，结果是“人+机器”既大于人，又大于机器。

人机混合采用分层的体系结构。人类通过后天完善的认知能力对外界环境进行分析感知，其认知过程可分为记忆层意图层、决策层、感知与行为层，形成意向性的思维；机器通过探测数据对外界环境进行感知分析，其认知过程分为目标层知识库、任务规划层、感知与执行层，形成形式化的思维。相同的体系结构指明人类与机器可以在相同的层次之间进行混合，并且在不同的层次之间也可以产生因果关系。图1为人机混合的示意图。

（二）计算-算计模型

1．算计简述
  

算计本质上是人类没有数学模型的计算。计算的局限性无法通过图灵机突破，所以对人的非理性、非逻辑思维解构与在机器上的重建就具有非凡的意义。从对人的认知模式的理解，尝试解释人的认知能力和构建出能学习、推理的认知模型，已经在一些应用领域取得不错的效果。之后对意识的理解构建出的意识图灵机在处理问题时能做到其思维过程的意识觉知。即便如此，我们对人类的思维过程的模仿依然显得很拙劣，对人类的直觉、灵感、顿悟等能力的模拟还是没有好的方案，更别说对人类特有的责任、价值的理解。

2.认知模型
  

认知模型是对人类认知能力的理解并在此基础上构建的模拟人的认知过程的计算模型。这里的认知模型中的认知能力通常包括感知、表示、记忆与学习、语言、问题求解和推理等。为了构建出更加智能的机器，我们希望从人的身上寻找灵感，同时也是更好地探索和研究人的思维机制，特别是人对周围信息的感知处理机制，进而可为打造出真正的人工智能系统提供新的体系结构和技术方法。

Duch根据记忆和学习的不同将现有的认知模型分为三类：符号化（symbolic）认知模型、浮现式（emergent）认知模型和混合型（hybrid）认知模型三种。粗略地讲，符号化认知模型侧重于利用高阶符号和陈述性知识，采用传统人工智能的自上而下的分析方法处理信息，如认知模型中的SOAR（State, Operator And Result，状态、运算符和结果模型）、EPIC（Executive-Process/Interactive Control，执行过程/交互控制模型）、NARS（Non-Axiomatic Reasoning System，非公理推理系统）等；浮现式认知模型则利用低水平的激活信号流经由无数处理单元组成的网络，采用一种自下而上的处理方法，这种处理依赖于浮现式自组织属性和连接属性；混合型认知模型则将这两种方式结合起来，具备符号化认知模型和浮现式认知模型的某些特点，如ACT-R（Adaptive Character of Thought-Rational，理性思维的适应性特征模型）、LIDA（Learning Intelligent Distribution Agent,学习智能分布式代理模型）、4CAPS（Call Attempts Per Second，一个混合传统行为数据以及神经成像研究成果的认知架构）等。

3.意识图灵机
  

意识图灵机（conscious Turing machine, CTM）的灵感来源于图灵的简单而强大的图灵机。与前文提到的对大脑或思维认知的构建提出的认知模型不同，意识图灵机是针对意识构建的简单数学模型。认知神经科学家Baars提出的全局工作空间理论述了对意识的理解，另有一些脑中神经相关物的研究，布鲁姆（ Bloom）基于此提出了意识图灵机。

意识图灵机能够在处理信息过程中对意识内容产生意识觉知，能够体验感觉而不仅仅是模拟感觉，提出这些感觉产生的可能方式，如痛苦和快乐。意识图灵机适合对其所做的高级决策做出解释，这就为人工智能的不可解释性问题的解决提供了思路。另外，我们认为在意识图灵机中有意识和自由意志的感觉，以及幻觉和梦境的体验。

4.算计
  

人机混合智能系统不仅需要机器的强计算能力，更重要的是人的智慧，是一种理性与非理性、机的计算与人的算计深入混合的智能系统。机的客观数据采集输入、逻辑推理和决策输出已经在应用中大展拳脚，而对于人的认知决策过程还需要进一步理解建模，才能实现算计能力。

算计也即盘算，筹划谋算；对事情的经过或结果进行仔细而从容的反复思考；考虑。它的近义词包括权衡、谋略、谋划、打算、计划、筹划、企图、准备、预备、筹算。

算计与计算不同之处在于涉及：能否计算、如何计算。对应于英语中的deliberations，weightings，plans，strategies 。

认知是人获取和应用知识的过程，知识图谱是人对客观世界的各要素之间的理解进而尝试表示的一种形式，在目前的人工智能应用中已有良好的表现。在简单问答数据集上的问答能力已经可以和人类相媲美，但对于复杂的问题依然无能为力。这是因为复杂问题需要多跳的表征和推理。在算计中，与计算上仅仅依靠硬件传感器采集到的数据进行输入、表示过程不同，算计需要基于目标驱动和价值驱动对数据进行动态表征。

如今的深度学习系统中并没有恒定的知识表征，对不同的学习数据就会有不同的表征形式，并没有基于其自身的原点对数据进行不同事实甚至责任、价值的划分。而人类的大脑中存在“参考系”的恒定表征（参考系为位于大脑皮层的上层），人类是基于自身的观念（如欲望、义务）对于不同的事实数据进行表征理解。在计算、算计的不同表征中，连续特征空间为人（算计）的认知内容，离散语义符号空间代表机（计算）的感知系统，二者之间还应存在一种连续的准语义空间。我们可以通过上升（raising）操作将连续空间中的特征表征迁移到准语义空间中，进而通过抽象操作将准语义空间中的表征迁移到离散语义符号空间中。

反过来，我们可以通过嵌入、投影，将离散语义符号空间中的表征迁移到连续特征空间。这样一来，我们就构建了一种感知、认知相结合的通道。数学的表征常常涉及具体事实抽象化，其推理内容则严格按照逻辑来进行，这当然不可或缺，但总是有非理性非逻辑的存在。简单问题，通过一定知识图谱表示和问题求解程序在现今的人工智能系统下就能实现求解，但复杂问题往往需要多跳的推理。这种多跳的推理不仅是计算中的映射，更重要的是一些非逻辑的漫射（如发散思维）、影射（如联想想象）等。

人类的推理常常具有试探性，是经过多次试错、根据结果反馈校准之后进行下一步实施，而现有的人工智能的逻辑推理缺乏这种主动的试错性，这就在最后的决策过程中导致效果欠佳。有人提出了基于图的可解释认知推理框架，即以图结构为基础，将逻辑表达用作对复杂问题的分析过程，从而表示成显示的推理路径。可是图的结构化必然会过滤掉一些非结构化的隐信息，可以在一定程度上解释迁移性，但更像是一种“硬解释”，似乎整个结构就是为了推理过程服务。算计的弹性推理不仅需要知识驱动和数据驱动的联合，也需要更有价值和责任的引领，这样在推理过程中才会有非理性的洞见、直觉等表达。计算的决策输出则是根据逻辑推理的结果或者大数据、概率的优化产生，算计则可做出一些不合逻辑的意向性表达。计算的处理是从事实到新的事实，算计则是可以实现从事实通过动态表征和弹性推理实现价值体现。

5.计算-算计模型
  

本文根据现有的计算及认知领域成果，提出计算-算计模型。这里有个前提，由人、机、环境构成的系统智能不仅仅包括数学、计算机科学、心理学、哲学等领域，还涉及诸多其他学科混合的复杂系统，既具有确定性，也具有随机性。本文在此不对人、机、环境系统进行更加细致的客观描述，只是对其进行可行性的模型预测。

态势感知层内包含环境信息。环境包括自然时空与社会时空内的环境，一切问题的源头来自自然与社会，也可以说人类知识的来源也是如此，此环境包含了确定与不确定的成分。除此之外，态势感知层还负责态势信息的收集与感知处理。数学领域的微积分类似于这一过程，通过将已知数据进行处理，从而接近问题答案。

指挥与控制领域的情报收集与分析领域同样是对信息的感知处理，相对于数字与微积分符号，情报的量化更加复杂，更多的是交由经验丰富的指挥员处理。传统的自动化方法及机器学习算法可能会导致“回路外”错误，因为人类对任务的态势感知度较低，人类对任务与环境的感知在很大程度上基于经验，便容易产生自满情绪或缺乏警惕性。环境的不确定反馈也会对“回路外”的问题产生影响，这凸显了在紧密结合与松散结合的人、机、环境交互之间实现平衡的重要性。当前，算法处理后的数据可解释性下降，使得人类困于“回路外”，同时也产生人类对智能代理（agent）的信任度下降问题。

认知决策层类似于对态势感知信息的深加工，其不仅仅取决于人的传统意义上的认知，同时也需要机器推理的能力。人类的推理基于直觉、逻辑、关联等认知能力。算计的思想包含于其中。20世纪80年代，专家系统盛行，基于人工智能的专家系统风靡一时，机器可以进行简单的问答，但是问答内容局限性较强。

主要原因除了计算能力外，还有机器被授予的推理能力基于一对一“、一对多、多对一的知识映射关系。如何实现在动态表征下的弹性推理，在具备足够硬件算力条件下是值得被考虑的问题。将动态表征下的知识进行散射、漫射、影射，实现多跳推理，是解决该问题的关键。

模糊逻辑提供一个或多个连续状态变量,可映射至相应类别进行推理和决策；神经网络利用在典型案例数据库的训练过程中学习到的可变互联权重来进行的知识表达；遗传与进化算法在进化遗传学的启发下，采用重复仿真的方法，缩小潜在的选项范围，选择最优解决方案。人类通过人机交互界面与机器交互，机器给予人类辅助决策。实现机件人化是人机混合中迈出的一大步。

目标行为层主要体现在人机混合决策。当出现更高水平的智能体时，人类永远处于决策的最高层，这是在许多领域达成的共识（在目标追求低人力成本条件下例外）。意义建构对真实世界中的生存至关重要，很多研究表明，人类努力建构这个世界中的对象、事件和态势的意义。人类较擅长迹象解读，对人类而言，建构是一种心理活动。为了使得机器有效与人类合作，机器与人类的反应与决策应当将相同对象、事件或态势解读为相同的迹象，或者获得相同的意义。机器的辅助决策在必要时刻同样需要提供更完整的意义建构，达到人机混合决策的目标。

总 结

社会网络结构被前沿的科技重新定义，新的网络结构逐步走向人-机-物三元融合，成为真正的人-机-环境系统。机器在网络节点中不只负责透传信息，还将会对信息进行二次加工计算，未来智能网络，博弈态势高度复杂、瞬息万变，多种信息交汇形成海量数据，仅凭人脑难以快速、准确处理。只有人机融合的运行方式，基于弹性数据库、互联网、物联网、车联网等技术群，系统（人+机+环境）才能应对瞬息万变的任务情境，完成调度控制任务。

随着无人网络系统自主能力的提升，人工智能集群功能的增强，自主决策逐步显现。一旦调度系统实现不同功能的智能化，感知、理解、预测的时间将会大大压缩，效率明显提高。

加上用于诸多智能传感器图像处理的模式识别、用于网络实时决策的最优算法，将赋予未来智能网络系统更加高级的决策能力，逐步实现人、机与环境智能网络系统的联合运行。

本文选自《直面人类未来——2021年度人类社会发展十大科学问题解读》

——END——

苇草智酷简介——

苇草智酷（全称：北京苇草智酷科技文化有限公司）是一家思想者社群组织。通过各种形式的沙龙、对话、培训、丛书编撰、论坛合作、专题咨询、音视频内容生产、国内外学术交流活动，以及每年一度的互联网思想者大会，苇草智酷致力于广泛联系和连接科技前沿、应用实践、艺术人文等领域的学术团体和个人，促成更多有意愿、有能力、有造诣的同道成为智酷社区的成员，共同交流思想，启迪智慧，重塑认知。

苇草智酷好文推荐