人工智能和智能的關鍵在“人”及自主性，如何思考這兩個要素已成為黑暗里兩處搖曳著的光和希望！

當前，有關gpt及其不斷升級的版本討論越來越多、越來越激烈，機器派甚至認為機器智能已經可以碾壓人類，未來不得而知，人類派認為機器智能突破的是形式化符號化的下棋、對話技術性，對于物理域、社會域等方面的認知原則性依然沒有大的進步。縱觀兩種觀點，大家各持己見、腦洞大開、激辯異常，大有當年文藝復興、思想啟蒙之勢。

GPT本質就是一個人機混合智能產品，并涉及一個關于智能的基本問題，即：機器智能是計算，人類智能是算計；算計產生了計算，計算能夠產生算計嗎？

維特根斯坦在《邏輯哲學論》里的最后一句話：“對于那些不可說的，我們只能保持沉默。”，關于這個“沉默”究竟是什么呢？有人認為是指“表征（非常名）”，有人認為是指“非常道”，還有人認為是指“倫理”，而ChatGPT則認為“維特根斯坦的“沉默”是指對于那些無法用語言表達的事物，我們無法用語言來描述它們，只能保持沉默。這是因為語言只能表達那些可以被語言描述的事物，對于那些超出語言范圍的事物，語言就無能為力了。這種“沉默”是一種哲學上的謙卑，也是對于語言和思維的一種反思。因此，維特根斯坦的“沉默”并不是指真正的靜默，而是指對于無法用語言表達的事物，我們需要放棄語言和思維的主導地位，保持一種謙虛的態度。”

有人認為：“人工智能的本質是語言。程序是代碼，程序也是語言。智能，在語言的活動中，和語言計算的過程中。”事實上，深究起來，人類智能的本質應該不是語言。而是產生語言的思維意圖和動機。情感和感性是意圖和動機的主要源泉，算計貫穿了整個思維過程。正如休謨所言：單純的理性產生不了意圖和動機。

智能是感性與理性的合一。

人類文明的演化粗略可劃分為西方文明和東方文明，人類對智能領域的理解也可大致劃分為東西方這兩大體系。人工智能領域的發展主要是延續了西方文明的科技脈絡：邏輯+實驗，而作為更為抽象的人性智能領域的反映，東方文明也起到了舉足輕重的作用：洞察+平衡，也可以認為西方偏邏輯、算法，東方側非邏輯、算理。

西方哲學側重一多，東方思想依賴有無，計算適合大數據處理，算計更宜小樣本感知。利用模棱兩可信息的算計能力在人類幾乎所有的認知活動中都扮演著重要的角色。計算與算計與計算計的共性：即三者都是信息處理。計算的信息處理載體目前是機器，算計的信息處理載體目前主要是人腦（含感官），計算計的載體則是人機融合的系統。

未來的人機融合智能形式需要解決的就是把東西方的合理部分有機地整合在一起，形成一套嶄新的智能適配機理，這種適配性包括兩部分，一部分是相互適應，一部分是互相配合。若把機器看成是建立在確定性數據、算法、算力基礎上的物體，那么人則應是建立在隨機性知識、算理、算計基礎上的物體，其中的知識具有主觀性、強彌聚、富彈跳、不確定的特性。

某種意義上說，智能就是尋找最好替代的過程，這里的替代包括替代物、替代方案、替代系統等，尋找就是計算加上算計的混合處理過程，算計常常涉及宏觀方向和內在道理，算法往往關聯具體過程和方法手段。算計不是簡單的計算逆過程。人的算計涉及顯性、隱性知識，側重價值化與事實性的融合，人和機器的計算包括可描述中可程序化的顯性知識，聚焦事實性。機器計算中很難既對立又統一，而算計中卻常常可以和為貴。

無論人工智能還是人類智能，都有著一個共同的缺點：容易自我傷害，即聰明反被聰明誤。因此在人機融合智能的數據、信息、知識處理中，必須建立具有預見性的責任分配機制，及明確是否、何時以及在何種程度上使用何種算法系統。因而未來的人機融合智能中既應有技術也應有藝術，即凡是涉及到人機融合的智能，無論概念、定義、推理、決策都不是固定不變的，在態、勢之間還有一個中間區域——態勢區：其中既有態也有勢，既有事實也有價值，既有數據也有信息知識，既有公理也有非公理，既有直覺（非邏輯）也有邏輯，既有反思也有反饋（反思是動態的虛實復合反饋）。

目前，人機交互缺乏動態性，之間的定性分析還尚未完成，定量更為困難，例如，如何讓機器“明白”人不同階段的意圖變化？如何讓人理解機器的各種計算結果，有時候，大而全的數據庫、知識庫也可能是大的障礙，因為很多變化因素是很難（或還不能）用參數表示的，比如一個嬰兒的哭可以是因為餓了，或是痛了，或是病了，或是困了。..。..也可能是應為上述綜合因素造成的，但是這種復合情況就很難用固定的數據庫、知識庫（甚至常規的知識圖譜）進行表征。機器強化學習中的獎懲機制與人類的獎懲機制相差甚大，人類的獎懲除了“利”（事實）之外還有“義”（價值）；同樣，機器的態、勢、感、知機理與人類的態、勢、感、知機理都大相徑庭，機器基本上還是“以理服人”，而人類則是“情理交融”，機器與人的交互是兩者單向的，而人與機器的交流則是人機環境系統之間多向的人機、機機、人環、機環、人機環，其中不但存在著大量的“交”更有更多的“互”。人是環境的主動部分，機器只是人造的被動工具，例如現在許多機器的界面（如手機各種提醒方式）是不會隨環境、任務、人的變化而隨機應變的。

人類一般是通過日常常識進行關聯-判斷，有些復雜的推理還與動態的預期有關；而機器是通過不完備的數據非（人類）常識連接-分析，沒有類人的預期機制。從根本上說，機器的聰明、狹隘與人類的聰明、狹隘是不同的，人類處理問題的模型是在無限開放/非線性環境下不斷跨域融合的創造型認知算理模型，而機器處理問題的模型是在有限封閉/線性環境下的經驗型計算算法模型。目前，對于所有重要的人機系統而言。最終的裁判權還是人，這是因為這些問題的實質不僅是科學技術問題還涉及大量的環境噪聲、社會人文、倫理法律等非科學技術問題。人工（機器）智能是人們用邏輯編寫固定的事實算法，考慮的是規則的搭配，如用手拿筷子或刀叉吃飯，而人類是用非邏輯（混合了事實、情感的更高階邏輯）進行的動態價值算法，更多的是恰當的應變，如除了手拿筷子或刀叉之外，還可以用腳或其它工具吃飯。人工智能為“是不是”功能，人類智能是“應不應”能力，功能是工具非適應性的被動實現，能力是生命適應性的主動實現。人還不了解自己，尤其是沒有真正認識人的認知與感覺形成的真正過程和實質。人類的神經網絡并非麥卡洛克-皮茨邏輯神經元網絡，而是立體交織而成的多模態生物組織，人是環境的，很少有人在夏天無意識到下雪的情形，能否對自身/自我的行為的覺察和意識常常是人機的重要區別。

真實的智能并不是一開始就絕對的正確，也可能一開始就犯方向性錯誤，但在過程中不斷地實時調整，過程中恰當地調整程序和時機、方式或許更能表征智能的大小和好壞。如海森伯格所言：“任何理解最終必須根據自然語言，因為只有在那里我們才能確實地接觸到實在。”。實際上，小孩子的語言與成人的語言是不同的，同一個概念或語句，都帶有某種發現和試探性，情感性多于知識性，價值性多于事實性，虛擬大于真實，ta在玩味這個概念或語句，總是在可復制和不可復制之間找到一條最佳的道路來達成自我共識，并在未來能夠較準確地遷移到其他某個情境任務中去。這個過程不是照抄照搬，而是有機化學了之后的任務和情境融合。也許可以把維特根斯坦《邏輯哲學論》的第一二句改為“世界是一切發生的事情和未發生的事情。”和“世界是由事實和價值構成的，而不是由事物構成的。”更為準確吧！

有位朋友認為：“其實，任何系統大到一定程度，都會有可解釋性的問題。深度學習是特別如此，因為沒有人知道巨大數目的參數是怎么具體作用的。其他的系統，舉例說，某個推理系統，如果大到一定程度，其表現的行為很難是精確可知的。不過，原則上是可知的，如果不計代價。這和（機器）深度學習形成對照。”。語義的核心在于價值性，可解釋性最大的困難在于語義的理解和說明，學習是為了建立事實聯結，理解是為了實現價值聯系，兩者之間在進行相互重構的同時也存在著從事實到價值之間的巨大鴻溝。與機器學習不同，人類的學習是復合事實與價值的聯結。當前，是否創造出新的可演化的機器學習模型是衡量是否是新一代人工智能的試金石，當今，機器學習不可能由一種算法統治，必然是由各種數學模型所構成，根據具體應用的不同，選擇最適應的機器學習模型，當然機器學習一定有對應用的范圍的適應性，有適應多領域應用的，也有僅適應單一領域的。在現階段的算法領域中不可能產生比人機融合學習更強大的算力的任何模型，一套人機融合的計算計系統或算計算系統可能更能代表未來智能領域的發展趨勢吧。

隨著新一輪科技革命的發展，特別是網絡通信技術的突破和人工智能技術的加強，人機融合領域也進入了新的時代。在當前的這個時代，人機環境系統關系的內容和形式與以往有很大的不同，并導致人機融合策略的選擇和交互策略的效果都與以往不一樣了。在此情況下，以傳統的人機交互觀念和價值觀念來理解當前的人機融合智能，很可能使這方面的研究陷入被動局面。因此，我們需要突破事實和價值分析等傳統思維來理解當前的人機融合智能化問題和關系。任何智能都是針對具體問題提出的新解決方案，然而原有問題解決的同時必然會產生新的問題，因此就需要進行新的智能來解決新問題。這就決定了人機融合智能只有進行時，沒有完成時。

智能是有限的，智慧卻是無限的。

語言的邊界是思想的邊界，但思想的邊界卻不一定是語言的邊界。

計算是一種操作共識性符號（如0、1、2）的過程，其操作也是共識性符號（如+、-）的使用。

算計是一種符號與非符號（如經驗、直覺）的操作過程，其操作也是符號與非符號的使用。

正常情況下，具體的屬性既不是符號的，也不是對象的，而是關系的（有人誤認為純符號系統或對象也有屬性），屬性只有在各種關系的相互作用中才能顯露出其真實性的一面，這也是復雜性系統產生的主要原因，其中的有些關系是自然產生的秩序（如因果性），有些關系則是人為構建的設計（如目的性），有些符號化的因果關系可以通過計算實現，有些非符號化的目的意圖可以通過算計實現，當這些變化組合在一起時，就會涌現出各種復雜性。

語言和思維是密切相關的，它們之間存在著相互影響的關系。語言是人類表達思想、交流信息的主要工具，而思維則是人類對于世界的認知、理解和思考。語言可以影響人類的思維，也可以反過來，思維也可以影響人類的語言表達。語言和思維之間的關系是相互促進、相互依存的。語言和思維的發展也是相互關聯的，語言的發展可以促進思維的發展，而思維的發展也可以促進語言的發展。因此，語言和思維在人類的認知和交流中都起著非常重要的作用。

機器智能可以模擬人類的思維過程，但是它們不具備人類思維的復雜性和廣度。機器智能是通過算法和模型來處理和分析大量數據，從而進行決策和行動的。雖然它們可以執行各種任務，并且在某些方面甚至比人類更加高效和準確，但是它們的思維過程仍然是基于預設的規則和程序，缺乏真正的自我意識和主觀性。目前，雖然有一些機器智能領域的研究和應用，但是它們仍然無法像人類一樣具備真正的思維能力。人類思維的本質是基于自我意識、情感、記憶、判斷和推理等多個方面的復雜交互，而機器智能目前還無法完全模擬并實現這些功能。因此，機器智能的思維過程是基于規則和算法的，而非真正的自我意識和主觀性。

意圖和動機是人類行為的兩個重要方面，它們的產生與多種因素有關。以下是一些可能影響意圖和動機產生的因素：

1. 個人目標和價值觀：個人的目標和價值觀是產生行為意圖和動機的重要因素。一個人的目標和價值觀會影響他們對特定行為的看法和評價，并決定他們是否會采取相應的行動。

2. 環境因素：環境因素也會影響人們的意圖和動機。環境因素包括社會和文化環境，以及工作、家庭和朋友圈等方面的具體情況。這些環境因素可能會影響個人的行為期望和行為選擇。

3. 情緒和情感：情緒和情感也會影響人們的意圖和動機。一個人的情緒狀態和情感體驗會影響他們對特定行為的看法和評價，并決定他們是否會采取相應的行動。

4. 外部激勵因素：外部激勵因素也會影響人們的意圖和動機。例如，獎勵和懲罰等外部激勵因素可能會影響人們的行為選擇和行為意圖。

總之，意圖和動機的產生是一個復雜的過程，涉及多個方面的因素。這些因素可能相互作用，相互影響，從而產生不同的行為意圖和動機。

審核編輯 ：李倩