来源：人机与认知实验室 目前的人工智能仍然是以计算机为中心，并没有实现人们所希望“以人为中心”的认知。如何把人类认知模型引入到人工智能中，让它能够在推理、决策、记忆等方面达到类人智能水平，是目前科学界讨论的热点、难点和焦点。认知的核心是智能、是洞察，而智能和洞察的核心是心理，人工智能的核心是数理，心数不正（一致），何谈相似？！单纯的机器，无论是学习还是智能都是没有感情的，而人的理性表面上类似机器，其实这种理性是建立在情感意志等底层之上的，是一种知、情、意融合的理智，例如人的许多记忆一但涉及到“我”就会变得又快又好，这种邻近性智能触发机理就包含着情感化--通情达理。鉴于人机融合的智能是心理+数理的同理共情，因而可以很大程度上实现认知与计算的混成结合。正如一位朋友所言：除非有人以确凿的证据向我们证明如何按照非定域原理把精神意识引入了某个人工系统，不管该系统的可观察行为与人类行为多么相似，我们都不能认为该系统真的具有了精神意识，没有了精神意识，再厉害的计算也产生不了认知和洞察。另外，爱就是人类一种独特的界面，可以无限地由内而外扩展自己与外部世界交互的智能界面，这也是机器所不能产生的一种界面。世界上的事物本身是不能够定义解释说明自己的，只能用其他事物去定义解释说明之，但是这些另外的事物们本身具有不一致性，既有相似之处，又有不同的地方，所以比喻、类比都不是精确的解释，而是近似的说明，正是由于这些近似性的存在，构成了各种可用的概念、观念、习俗、常识、表征、沟通和交流。准确地说，当前计算的源泉----数学本身也是近似的，例如那些公理、假设、条件、约束、边界、规定等。可是，现在的不少数学家或者人工智能学者们竟然忽略了这些数学的近似，故意把数学视为精确、客观、绝对的化身，用一个个有着先天局限性的公式、方程、范式、推理、计算去完成不可能完成的技术工作，进而出现了自动化、智能化程度越高，人们的认知/心理负荷越重的悖论现象，究其因，是人为把不完美的有限错觉成了完美的无限之故吧！人是在与人、物的交互中逐步形成自我的，包括亲人、声音、事物、纸笔、……。交互、融合是智能的源泉，也是帮助我们思考的工具，从语言到手机，也许都是认知本身的一部分。一方面，我们的认知总是在与这个世界发生着融合；另一方面，被误用的计算却也可能会影响我们的认知。1968年图灵奖获得者理查德·哈明就曾一语中的地认识到：“计算的目的不在于数据，而在于洞察事物。”表面上，人工智能在搜索、计算、存储和优化领域似乎比人类有着更高效的优势，其实不然。例如，当一个或多个目标出现时，你会很难立刻结合环境形成正确或有效的态势感知的，只有态势演化进入到适当的时空、程度时，人才能够形成良好的态势认知水平。据此，我们不妨把态势感知这一认知机制分为预启动期、发展期、实现期、深度期、衰退期、结束期……这期间，注意力集中程度为调节态势感知不同时期的主要手段。态势感知，这种认知行为一般由两部分构成，一是无机部分，即对诸符号的形式化处理；二是有机部分，涉及理解、解释、思维等心灵方面的意向性分析。无机的部分可以用计算的方式优化，而有机的部分用认知处理比较理想，如下面这些情境，用计算很难表征而用认知则相对比较容易分析：态静势动、态动势静、感动知静、感静知动、态多势少、态少势多、感多知少、感少知多、态虚势实、态实势虚、感虚知实、感实知虚。态势的态势就是深度态势，感知的感知就是深度感知，态势感知的态势感知就是深度态势感知。所有的人机交互都是为了人人交流或自我认知而生，而机就是一种媒介或一种工具，使得人与他人互相作用的更有效便利舒适。人工智能模拟的是人的思维，而思维根本上就是各种交互中人的心理活动和过程，思维活动相对稳定了，就形成了某种思想。所以人工智能中的人之认知比起计算方法、计算能力、计算数据来更重要更本质更彻底，人工智能之源是人，而不是工，若说当前的人工智能界本末倒置，是一种机械智能、偷懒智能恐怕不为太过吧！认知和计算之间的关系有时被抽象为事实与符号之间的描述刻画（描画）关系或映射关系，实际上是赋予命题符号以意义的过程的一个方面，即意指。一个命题符号，在我理解它之前，于我而言，它还是死的、没有生命的。理解与意指过程在某种意义上说是相反过程，意指是指从事实到思想，再到命题符号；理解则是从命题符号到思想，再到事实。从哲学高度来看，认知是啥？感性的素质；计算是啥？理性的修养。一般而言，艺术是培养训练感性素质重要的手段，科学技术是发展延伸理性修养的主要途径。大多数现实世界的感性理性互动都涉及隐藏信息，而大多数的人工智能研发恰恰都忽视了这一点。蒙特利尔大学的Yoshua Bengio是深度学习的先驱者之一，他在一封电子邮件中写道：“学习使用的估计模型与现实之间依然存在着巨大差异，尤其是现实情况很复杂的时候。”因此，以数理计算为核心的人工智能的进步之途依然漫长……就像有句话所说的那样：只有计算才分对错，而认知则没有标准答案。本能就是在没有预见的情况下能够产生某种结果，并且也不需提前训练就能完成的行动能力。美国第一任心理学会会长威廉.詹姆斯似乎认为本能的结构方面是模块化的。各个本能之间都独立负责某种简单行为，但同时它们之间也协同工作，而机器的计算到目前为止还远远没有产生本能，也不可能产生出本能。有人认为：“目前人和机器之间的信息传递效率仍然非常低，远未能实现真正意义上的人机协同、互相促进。要实现人机协同的混合智能，需要解决的第一个难题就是人和机器之间的交互问题。”仔细想来，这并不能算是人机融合的主要矛盾和核心问题。人机融合的瓶颈不是简单的交互问题，而是认知与计算的结合问题，1972年图灵奖获得者埃德斯加·狄克斯特拉说过：“程序测试智能用来证明有错，决不能证明无措“。波兰尼也曾断言：“知识的取得，甚至于‘科学的知识’的取得，一步步都需要个人的意会的估计和评价。” 物理学领域，量子论的创立，使人们对主客体关系的认识发生了根本性的变化。在量子世界中，科学主体与客体之间已经不像在宏观世界那样有着绝对分明的界限，而是像玻尔所说的那样：“我们既是演员，又是观众”。与此相关，海森堡也明确指出：几率函数运动方程中包括了量子运动与测量仪器（归根到底是人）相互作用的影响，这种影响也成了不确定性的重要因素。玻尔所说的演员和观众的关系，其含义是科学认识主体和客体之间，存在一个主体客体化，客体主体化的过程。主客体相互转化、相互包含的结果，也就具有了波兰尼所谓的“双向内居”的关系。在人机融合的智能时代到来前的黎明，计算也悄悄主动靠向了认知，正如艾伦·佩利（1966图灵奖获得者）所言：“任何名词都可以变为动词“。对此，约翰·麦卡锡也表现出了积极的认同：“与所有专门化的理论一样，所有科学也都体现于常识中。当你试图证明这些理论时，你就回到了常识推理，因为常识指导着你的实验。“从中，我们不难看出：认知里的常识恰恰是被计算所过滤掉的精华。人类在常规拓扑方面的直觉相对有限，高维情形很难建立起来具体的想像，唯一能够把握的只有严格的数学推导计算加上活泼的心理抽象认知。或许只有这样逻辑和非逻辑空间才能相融共生，形成合力去破解大自然提出的一个比一个难以回答的问题，才能处理那些我们自以为理解的事情。总之，认知不是计算，计算却是一种认知。
张亚勤、刘慈欣、周鸿祎、王飞跃、约翰.翰兹联合推荐
这是一部力图破解21世纪前沿科技大爆发背后的规律与秘密，深度解读数十亿群体智能与数百亿机器智能如何经过50年形成互联网大脑模型，详细阐述互联网大脑为代表的超级智能如何深刻影响人类社会、产业与科技未来的最新著作。
《崛起的超级智能;互联网大脑如何影响科技未来》2019年7月中信出版社出版。刘锋著。了解详情请点击：【新书】崛起的超级智能：互联网大脑如何影响科技未来
未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。
未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
