刘伟 | 智能的本质不是数据算法算力和知识

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

编者按：人机之间未解决的大部分问题不是统计问题，而是统计概率分布外的问题。人是自然的，又不是自然的，还是社会的，人类和机器都可以作为认知的载体，但认知的性质是不同的，一个是生命的认知，一个是机器的认知——特定人对特定事物的认知。很多没有专业知识的普通人，也可以具有高智力、好智能、优智慧，反之，很多具有专业知识的人，也可以没有……人处理事情，尤其是带有矛盾的复杂事情，常常是根据实际的变化条件/前提进行各种关系的组合使用。所有的知识都是有范围有背景的，离开这些范围和背景，知识的内涵外延会发生很大的变化，甚至可以相反。数字人（如《流浪地球2》中）能够通过摄像头对客观事实进行感知、识别、反应是可能的，但能否产生主观价值是目前科技和数学工具水平所解决不了的难题。

人活着的意义或许仅仅是留给世界的信息数量和质量：曾经存在过……

语言也和意识一样，只是由于需要，由于和他人交往的迫切需要才产生的。
——卡尔·马克思

智能也和语言、意识一样，既有规则、理性的一面，也有非规则、非理性的一面。

东方的美与感性有关：虚实，意境，想象，山水，田园；西方的美与理性有关：写实，客体，比例，人体，建筑……东西方的智能或许也与其各自的美学有关。

生理的交互实现了生命，心理的交互成就了自己，人物（机）环境系统的交互衍生出了社会中的“我”。交互产生了真实与虚拟。交互形成了“我”，“我”就是交互，没有交互就没有数据、信息、知识、推理、判断、决策、态势、感知。首先，交互过程具有双向性，A给予B，同时，B也给予A；其次，交互过程具有主动性，A、B之间存在着同等发起关系；再次，交互过程具有同理性，A要考虑B的承受度，同时，B也要考虑A的承受度；最后，交互过程具有目的性，A、B之间存在着一致性协调关系；所以，严格意义上讲，目前的机器本身是没有交互性的，也即机器没有“我”的概念抽象。

也可以说，智能就是源于交互——“我”而产生的存在。智能与数据、信息、知识、算法、算力的关系不大，而是与形成数据、信息、知识机制以及怎样处理、理解的交互机理关系颇大。数据、算法、算力、知识只是智能的部分表现而已，使用它们想实现智能有点像搬梯子登月一样，真实的智能与非存在的有之表征、信仰与理解之融合、事实与价值之决策密切相关，智能是一种可去主体性的可变交互，它能够把不同的存在、情境和任务同构起来，实现从刻舟求剑到见机行事、从盲人摸象到融会贯通、从曹冲称象到塞翁失马的随机切换，进而达到由可信任、可解释的初级智能形式（如人工智能）逐步向可预期、可应变的人机环境系统融合智能领域转变。

简单而言，机器（智能）就是人类特定（理性）智能的加速。再好的机器也与什么样的人使用有关，不同的人与机器结合，所产生的效果是不同的，人机融合可以让机的效能倍增，也可能让机的作用减小，反之也成立。人机融合的主要作用可以解决各种的变化一致性问题（人形而上、机形而下）。机器不应只是成为人身体的一部分，而应是人的好“伙伴”。人机融合不仅仅是拓展了人类的视觉、听觉、触觉、嗅觉、味觉等感觉，还增强了理解、学习、判断、决策、顺应、同化等知觉行为，更重要的是产生出了新的智能形式——一种新的看待世界的方式：认知+计算。

智能也许就是解决认知/算计供给矛盾、计算由悖到恰的过程。认知中的计算就是人类的理性，这一点是机器与人相通的。如何在计算中实现一点儿认知是关键，目前这也是机器和人难以相通的地方。计算中的认知，可以简化成如何让机器产生计算直觉。

人是依据直觉产生灵活的理解，再进一步凝练就是计算中的认知了。如果沿着这个路径，就是如何提高机器的多视角理解力，多视界交叉的机器理解力，或许可以作为切入点。过程哲学家怀特海有从创造力角度对理解的论述，认知科学家侯世达也有关于流动概念的研究。概念的可能性本身就是类型—类推—类比的抽象过程，一个概念的意义是多角度多域的，试图一以贯之，固定的表征是不现实的，横看成岭侧成峰，远近高低各不同，具体问题具体分析抽象是人类智能认知的基本特点。

人工智能复杂算法的不可解释性首先就在于知识、概念的动态多变使然。人工智能可以不按照人的方式产生机器智能，但人机融合领域确是人工智能向高级阶段迈进的试金石。DNA是双螺旋交互结构，智能则是人物（机是人造物）环境系统的多螺旋交互结构。人机融合智能技术既改造人，也改造物和环境，属于主客观并行技术。

“太极”这个道家概念是西方人无法理解的，在他们的心里，一就是一，二就是二，什么叫做“一而二二而一”？大就是大，小就是小，什么叫做既大又小？一个定义里怎么可能包含两种完全相反的东西？“不二”是是佛教用语，也是一个汉语词汇，意思为无彼此之别（出自《佛学大辞典》“一实之理，如如平等，而无彼此之别，谓之不二。”）；“智乃是非之心”是儒家观念，常常与“仁、义、礼、信”结合，强调智能不仅仅是累积性学问，还是交叉性学问。《孙子兵法》：具备“权变”的思维，才能看到本质的规律。不要用表象的东西去否定本质，表象有的时候是本质的延伸，但更多的时候会“遮掩”本质。在某些情况下，表象并不代表本质，甚至是和本质相反的，如果没有灵活多变的思维习惯，那么就会被错误的角度和因素所束缚，做出错误的决定。这些东方思想与传统的西方理性主义往往相去甚远，比如数学中的非错即对之非二义性，经典物理学中绝对主义，这些理性思想基本上都不涉及相悖性和矛盾性的，这与客观实践往往有不少出入。

有人认为：数学给不出通用智能，数学本身是通用智能的产物。那么一个人能否不通过交互，生成另一个人吗？一个事物能否不借助外力产生另一个事物吗？一个知识不经过实践会发生变易吗？一个数据不被采集可以出现吗？一个公式是否不经过算计而衍生另外的公式吗？数学在智能中的困窘是：一开始，数学就要求无矛盾性（无岐意二义性）。

法国启蒙运动时期的著名哲学家、作家伏尔泰曾经说过：“不确定让人不舒服，而确定又是荒谬的。”例如：大嫂大姐大妈夫人根据不同的场合和任务可以变化性地指同一个人，同一个人也可以在不同的情境和环境下可以变化地被赋予各种身份，甚至是迥然不同的，如男扮女装等。在庄子看来，各种事物都存在它自身的两面性，而这相互对立的两面又是相互并存、相互依赖的。所以，“圣人不走划分正误是非的道路而是观察比照事物的本然，也就是顺应事物自身的发展”。

以此说明儒家和墨家的是非之辩不仅没能看到事物发展的本质，走错了道路，而且还离本质越来越远。庄子认为彼此两个方面都没有其对立的一面，这就是大道的枢纽，抓住了达到的枢纽也就抓住了事物的要害，从而顺应事物无穷无尽的变化。其实，庄子的这一观点就是老子在《道德经》中阐述的“守中”，在事物的对立中找到关键点，然后谨慎地维护好这个关键点，那么事物自然会沿着规律顺应发展。

当前的人机融合智能就是人把一部分说清楚的智能先放到机器中，然后根据外部任务环境的变化结合自己说不清楚的智能去实施完成目标的过程。未来的人机融合智能还可能加上机器自己产生的智能。人类智能及智慧的关键在于变、通以及通、变，变表征、变目标、变推理、变前提、变决策、变行动，相比之下，机器的变显得比较生硬和模式化，没有把变和通的关系处理好。can不仅仅是一个伦理问题，更是一个智慧问题，或者说是一个融合了责任和智能的问题。所以说，真正人类智能的弹性体现在“道”和“得”（德）的取舍中，是事实与价值的共同表征和体现，是being、should、can、want、change等一多共在的问题。

一些智能方法只是通过深度学习神经网络对专家知识库进行集合和收敛，代表已有的先验知识。而无法对新产生的数据和信息进行处理，即无法将后验知识升级为先验，也无法发现隐含知识。所以，它的作用在于集大成，而没有创新能力。这有点像教育，学校的任务是将知识点教授给学生（有点像机器学习一样），但教育不只是教授知识点，教育应该挖掘知识背后的逻辑，或者是更深层次的东西。比如，我们在教计算的时候，其实要去想计算背后是什么。我们首先是应该培养学生们的数感，再去教他们计算的概念，什么是加、什么是减，然后教怎么应用，进而形成洞察能力。

人机融合的实质就是要处理变与不变的关系，中国人常常称之为“易”中的“变易”和“不易”。人的变与不变是由价值驱动的，机器的变与不变常常是由事实驱动的，尽管机器也会带有造机者的一些观念和习惯，但机器终究还是不能实现变化情境中有意义的选择和决策。例如用户画像，即用户信息标签化，通过收集用户的社会属性、消费习惯、偏好特征等各个维度的数据，进而对用户或者产品特征属性进行刻画，并对这些特征进行分析、统计，挖掘潜在价值信息，从而抽象出用户的信息全貌。如何实现动态的用户画像更重要。

人机融合智能中深度态势感知终究不是数学意义上的集合问题，原因在于其中的元素是非同构非同类的，而且会有相同元素（非互异性）产生出现。所以我们可称之为泛集合/伪集合问题。现代深度态势感知的研究已从对“态”的研究转移到“势”上，已从简单的“计算”研究转移到复杂的“计算”与“算计”混合研究上，已从客观“事实”研究转移到“价值”研究上，即人机融合态势感知上。就像“鸡蛋从外向内打破是煎蛋，从里面打破飞出来的是生命。”

这句话体现出的那样：从一个客观对象延伸到主观事物。一个智能系统的扩张是客观世界的需求和内在逻辑双重引导下的产物，正如事实好编码（空间时间编码），价值却很难编码。信息就是有价值的数据，是一种人物环境系统交互的产物。态势感知SA中态、势、感、知四个循环如何产生共振共鸣？将是OODA环最优化的关键。其中态与感属于外循环，势与知属于内循环，这两大循环的相互促进十分重要，外循环要“看得准、听得清”，内循环就是“拎得清，判得准”。传统的拓扑学主要研究在连续变形下关于几何形状的不变性质。而认知的拓扑则是研究在连续变化态势下关于感知的不变性质，既包括事实类（时间、空间两个维度），又包括价值类（情感、意向、责任三个维度）。

目前，智能领域的瓶颈还是人机融合智能中的深度态势感知问题，例如未来的战争不仅是智能化战争，更是智慧化战争，未来的战争不但要打破形式化的数学计算，还要打破传统思维的逻辑算计，是一种结合人机环境系统优势互补的新型计算-算计系统。智慧化战争是基于人+物+环境互联网络数据信息知识系统，人使用智能化武器装备及相应作战方法，在陆、海、空、天、电、网及认知、社会领域进行的一体化战争。通俗讲，是以人机环境系统融合智能认知技术手段为支撑的战争。

智能认知是指在数据、信息、知识输入不充分或充满相斥干扰条件下的感觉、分析、判断、决策综合优化过程。它涉及输入、处理、输出、反馈等过程，智能感知只是智能认知的输入阶段。狭义的智能认知是指机器的输入、处理、输出、反馈等过程，是一种没有指涉对象的形式化符号（如数学）系统，这也是机器智能之所以不可理解、不能终身学习、难以形成常识的根本原因；广义的智能认知是指人机环境系统的输入、处理、输出、反馈等过程，是一种能够把指涉对象的符号系统（如人的自然语言等）、无指涉对象的机器形式化符号（如数学）系统与任务环境改变有机结合的系统，这也是广义智能认知（人机融合智能）之所以可理解、有意识、易跨域、富弹性、擅变化、超人智的根源。

智能认知相关理论发展主要经历三个阶段：第一阶段以博弈运筹学、控制论、信息论、系统论等相关理论为基础，主要目标是实现辅助计算；第二阶段是以专家系统、智能优化等相关理论为基础，主要目标是实现辅助决策，降低人的生理、心理负荷；第三阶段是以机器学习（包括深度学习、强化学习、迁移学习等）、数据挖掘、知识图谱、类脑计算等人工智能领域的理论成果为基础，主要目标是实现决策的自主化和智能化。由于博弈对抗的特殊性，传统意义上的智能认知将逐渐转移到人机融合的智能认知阶段，以达到隐真示假、去伪存真等洞察目的，具体体现在两大类七维度的人机深度态势感知上，即事实类（包括空间3维+时间1维）+价值类（意识1维+情感1维+责任1维），在“快”和“准”的基础上，实现“好”（英语称之为right）。

认知的最高境界是超越感觉，不只是它给你，而是你给它，就像听好的音乐、欣赏好的摄影作品或指控一场酣畅淋漓的博弈对抗一样，相互之间的变化、赋予、激发、唤醒是实时的，而绝不是像程序员依据规则、条例、条件、前提预估、制定、编程、绘制出来的那样，虽然整个过程中肯定有固定程序化的部分，但那也是变化中的不变，如何处理这些变与不变，是人机融合智能认知研究的主要内容和任务。其中递归关系很重要，它就是实体自己和自己建立关系，也就是在运行的过程中调用自己。机器的递归是制式的，人的递归是非制式的，弹性较大，可以正话反说、指桑骂槐、半真半假。

认知的维度可用态、势、感、知四维度表征，态包括时空数，势涉及变化率，感关于主动性（期望、努力）、知特指价值量。在数理上同一性质既属于又不属于同一个东西，这是不可能的……这是一切原理中最确定无疑的……因此，那些做论证的人把这当成一条最终的意见。因为它依其本性就是其他一切公理的来源”，实际上，人看待事物可以既可以是也可以非，机不然，所以人机融合才有必要。世界上存在无事物属性的联系，也存在无联系的事物属性，存在有事实的价值，也存在无事实的价值……所以深度态势感知DSA要研究状态的变形、趋势的变异、感觉的变化、知觉的变易。

哲学关注问题的提出，数学更关注问题的解决。深度态势感知之所以难计算，可能与布尔代数的排中律不符，态与时空有关，势与时空关系不大，感与事实有关，而知与价值联系较密切。实际上，在生活常识中，很多东西可以同时属于又不属于某个类，比如一个人可以同时属于又不属于父母，作为孩子属于父母，作为丈夫或妻子又不属于父母，一个茶杯可以同时属于工具又不属于工具，作为喝茶可以属于工具，作为艺术品又不属于工具。联系态、势和感、知的桥梁既包含时空变化，也涉及事实价值之间的等价、蕴含与转化。

连接态、势的是变化，连接感、知的也是变化，既有简单变量，也有复合变量，还有系统变量及其三者融合的人机变量，既包括实态虚势+虚态实势的复态势又涉及实感虚知+虚态实知的复感知，更有关实/虚态势+虚/实感知形成的复态势感知。艺术的本质是个性化的，智能的本质也是个性化的，在这点上，两者是相通的。不同的是，智能除了个性化还有共性规律，这种共性为数学提供了基于约定公理的逻辑舞台。人工智能难理解性的根本原因在于数学是没有指涉对象的符号系统，而理解性是人类自然语言这种具有指涉对象符号系统所特有的性质。符号与对象及其性质之间不是一一映射关系，实现不了表征的一多实时性，符号主义就不可能进步；解决不了动态的表征和非公理逻辑问题，AI可信可解释性将很难根本解决。很多有关自动化/智能化系统就是几个关键参数综合平衡调整，而且常常是按起葫芦浮起瓢，不过许多人却睁着眼睛只谈葫芦不谈瓢。智能化的关键还是如何把不确定的不可控的因素转化为确定性的可控性的因素。

人机融合智能是人机并行，人中有机、机中有人；人机混合则是人机串行，人停机动，机停人动。辅助决策或辅助驾驶严格意义上而言都是人机融合，人机双方同时都在工作，即双方良好的协同在于一致性的随时备份状态，若一方跟不上对方的节奏，可能就会出现冷启动长延时的高事故风险；打字或称重基本上就是人机混合，人机串行而动。图灵认为：计算者任一时刻的行为都由彼时他观察到的符号和彼时他的“思维状态”决定。现在有人提人机交互、人机混合、人机融合的区别，深入下去，也许能够对计算、感知、认知、洞察机制机理会有更多更新的认识吧！

新闻需要联系起来看，记得最清楚的阮次山先生说的一句话：”看似不相关的事，实则是有内在联系的。"，智能和反智能也是如此吧！图灵机本质是有限自动机，而人则是无限选择机，当前人机融合智能应该就是有限自动机与无限选择机的有效协同。若函数是反映状态之间的关系，那么趋势则是成员为函数的矩阵，即关系的关系；若监督学习就是态的学习，无监督学习则就是势的学习，通过势态来感知态势。人机融合智能中的深度态势感知DSA也许就是突破口。

 司马迁说：“世有非常之人，而后有非常之事。”，钱学森先生“以人为主、人机结合，从定性到定量（再回到定性）”的综合集成研讨厅体系一一专家体系、机器体系和知识体系，很可能就是解决智能这个开放的复杂的巨系统问题的金钥匙，但是人机结合很可能还不够，还需要人机环境系统进行协调、共生、成长……

跳出规则，绝大多数智能可能为自动化。

——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