一个卡人机混合智能脖子的问题

人机混合（群体）智能就是实事求是的过程，事实即客观存在的事物及其联系（客观），求就是我们去研究（主观），是即事物变化的内部规​律性（客观），所以，人机混合（群体）智能本质上就是人机环之间的主客观有效协同问题。

如果说决策的本质就是资源分配，那么局部最优与全局最优的矛盾解决就是关键，一般而言，局部最优可以用计算，全局最优可以用智算（算计）展开，而在人机混合智能中，局部可用机器智能，全局可用人类智能。

群体智能的瓶颈在于三体以上的协同逻辑构建，个体智能的瓶颈在于具身离身反身三体的协调逻辑构建，一多智能的瓶颈在于物理域、认知域、信息域等不同参照系的表征、转换、选择以实现局部与全局最优的匹配。

科学哲学家菲利普·基切尔提出了一种良序科学的概念，来规范什么是好的科学。一个良序的科学应当包括各种观点的代表的协商，科学家、决策者、普通群众等等，他们的对话应该贯彻科学产生的所有过程。科技研究的资源分配、研究方法、理论成果转化为应用的过程，都涉及到了所有人的利益，因而也应该需要所有人的声音。

人机融合智能从根本上说，就是人类智慧与机器智能（AI）根据外部环境的变化进行有效联动的过程，其根本问题也是“良序”的问题，只不过这个“良序”既包括事实性交互序列，也包括价值性交互序列，既包括事实性因果序列（如Pearl的因果关系），也包括价值性因果序列（如宗教的因果关系）。人机共同完成一个任务甲，可以看成一个由若干子任务（a、b、c、d……）构成的序列，这些子任务的要求都是根据外部环境的变化而变化的，既有构成要素、属性的变化，也有本身、相互之间关系的变化，简单地说，既有客观事实性变化，也有主观价值性变化，如何高效地组织好这些主客观子任务序列呢？或者说，如何更快、更好、更巧地形成良序呢？

人机融合，分工序列明确很重要，比如人把握方向序列，机器处理过程序列，还可以再追问一下，这些方向序列还可以分为哪些方向序列是人可以把握的，哪些方向序列是人不好把握的，哪些过程序列是机器能够处理的，哪些过程序列是机器也不容易处理的。

认识分感性认识(包括感觉、知觉、表象)和理性认识(包括概念、判断、推理)，思维是指以感性认识为基础的理性认识，是感性认识的概括和升华。表象是头脑中再现的某一类事物的形象，表象是感性认识向理性认识转化的桥梁，概念是思维的细胞和主要形式。仁，人心也！义，人路也！道，自然法则！德，而然获得！

面向深度态势感知的人机协同就是把群体+个体中感性与理性、表象与概念、仁义道德有机结合形成良序的过程，是（多）人（多）机（多）环境的系统工程，计算的算法是其中可程序化的一部分，算计的算法是其中可描述的一部分，除此之外，还有直觉顿悟、半真半假、半信半疑、半推半就等主客观融合的不可描述的随动部分，如何实现这些复杂系统的良序整合，或许已超出现有数学、科学的范畴！

有人认为，在中国近代，科学技术都是作为一种“先进”、“文明”角色出现，给中国人带来了“科学是好的”的观念，一直影响至今。我们潜意识里认为：科学=正确。我们理解的“科学”总是带有某种正面价值。当我们说“这不科学！”时，表达的意思是“这是不对的”。实际上，科学同样具有负面的效应，氟利昂、DDT等科学技术都带来了负面的效应。那么科学技术到底是什么呢？同样，AI、互联网、原子弹到底是什么呢？也许它们应该是一柄悬在人类头顶上的达摩克利特之双刃剑吧！

大自然原本没有自变量与因变量的划分，只是人类为了研究的方便发明了自变量与因变量这两个词。

自变量是指研究者主动操纵，而引起因变量发生变化的因素或条件，因此自变量被看作是因变量的原因。在函数关系式中，某特定的数会随另一个或者是另几个，会变动的数的变动而变动，就称为因变量。细细想来，不觉可分为：

客观事实性自变量与主观意识性自变量

客观事实性自变量与主观意识性因变量

客观事实性因变量与主观意识性自变量

客观事实性因变量与主观意识性因变量

客观事实性自变量与客观事实性自变量

客观事实性自变量与客观事实性因变量

而当前，人工智能只部分解决了后两者……

数学，究竟是一种发明呢？还是发现呢？

人们对于人机融合认识的一个根本障碍在于：整体本身从来就不是既定的，它们无一例外是我们的心智建构成的。概念和事物之间的明确关系是一种错置的谬误。
人们对于外部事物之间的等价或包含关系常常是通过感知和认知而主观形成的，而不是根据客观……

从“至今观察的所有物体都遵守牛顿的引力定律”到“所有的物体都遵守牛顿的引力定律”等等这些推论。对于这些案例中的每一情形，我们的推理似乎都依赖于一个假设，即我们未检验过的物体将在某些相关的方面与我们已经检验过的同类物体相似。这一假设正是休谟对于自然的齐一性的解释。2006年克里斯托弗·诺兰导演的一部电影《致命魔术》中有关魔术三步骤的几句旁白是：

第一个步骤是“以虚代实”。魔术师秀出一个真实的东西，一副牌、一只鸟或者一个人，让你看这样东西，让你检查，看他的确是真的，平常的不得了的真实的东西，但其中一定有假。

第二个步骤是“偷天换日”。魔术师利用这个普通的东西，做出令人叹为观止的表演，然后你很想找出秘诀，但是绝对找不到。因为你根本没有真正在看，你并不是真的想知道，你想要被骗。但是你还不会鼓掌，因为把东西变不见还不够，你必须变回来。

也就是魔术最难的一个步骤：“化腐朽为神奇”。

也许自变量与因变量常常在生活中互换。

AI常常有“序”无“良”，或者是有“序”后再思“良”，较少先“良”后“序”。人机融合的目的就是要保证先“良”后“序”的结构和功能。

人机混合智能中不但有客观事实性数据、主观价值性知识，还有主客观混合的各种事实-价值的信息、经验等。一般而言，事实之间是映射关系（即函数、函项，其基准是：A=A），事实与价值之间是态射（不同于范畴论中的态射，其基准是：A=X），价值之间是势射（最大可能性之间的转换关系，其基准是：X=X）。计算的主要结构是映射，算计的主要处理手段则是态射、势射。如何构建起类似映射逻辑关系的有效态射、势射逻辑系统，依然成为人机混合智能的一个重要瓶颈，同时也是群体智能中各组成成分/元素独立程度和高效协同的关键之所在。

正如菜刀可以切菜也可以杀人一样，事实与价值并存的“良”“序”问题依然是AI的两难伦理问题，人机融合就是让AI从“良”有“序”，至于如何实现之，请看小书——《人机融合：超越人工智能》。

​

协同进化是一种好的愿望，协同也常常会造成退化，机器底层计算的不确定性使人机混合智能往往有态无势，犹如无人驾驶中的各种缺陷。

​

当基于规则、统计的数理逻辑遇到哥德尔不完备定理不能计算时，就可以试试基于价值、意向的非数理逻辑进行算计……