人机交互与智能的研究（3）

 

 

 

感性是理性的一个虫洞，可以产生很多无厘头的穿越与任性，而理性却是感性的黑洞，它的约束与严格，使之没有逃逸的可能性。这两者之间的相互作用对立统一，构成了我们的生活，构成了我们的学习，构成了我们的研究。

 

 

我们可以从以上的讨论当中看出来，未来的人机交互及人工智能系统，它有一个明确的发展方向，这个方向包含四个方面，第一个方面，是主动的推荐，第二个方面叫自主的学习，第三个方面叫自然的进化，第四个方面叫自身的免疫。在这四个方面当中，自主性是非常重要的一个概念。

 

大家可能不太清楚，有一个系统叫深绿系统，是美军的一个很重要的工程，它是DARPA创立的一个工程，它的目的是根据深蓝来映射到这个军事指挥，和控制里面的这个领域。它通过深绿系统的三个模块，指挥员助手，水晶球，和闪电战这三个模块，来整合出当前的和过去的，这种战场态势进行实时的，有效的指挥员的辅助决策。在这个系统里边，最重要的是自主性和主动推荐。什么叫自主？什么叫主动？这是人工智能和智能科学一个很重要的，研究的热点和难点。

 

所谓自主，它至少应该包括以下几个方面，第一个方面，自主应该具有记忆的功能，大家注意，记忆而不是存储，记忆是灵活的，是什么？能够相关无关的东西，产生直觉的一种方式，存储永远出现不了直觉，它只是符合逻辑的东西。第二，自主里边除了记忆以外，还应该具有选择性。选择性就是单向性的，A对B的取舍叫选择。除了选择以外还有一个很重要的方面，叫匹配性。匹配和选择最大的区别，就是匹配是双向性的，A可以选择B，B也可以选择A。这个关系可以用非诚勿扰来可以举例，谈恋爱也好结婚也好，一般的不是选择的而是匹配的。第四个方面应该是什么？是控制。在自主里面有控制，没有控制和反馈，这个自主，是很难建立起来的。所以，自主里边至少要包括这几个模块。记忆、选择、匹配和控制这几个模块。我们认为未来的人机交互，及人工智能系统，它至少是人机环境系统的自主耦合，形成了一个认知智能。认知的意思，就是简单的说，就是信息的流动过程，包括输入、处理、输出和反馈这个环节。

 

    人工智能，和这门科学的发展的重要发展方向，就是人机混合智能。现在大家可以负责任的说，可以负责任去讨论这个问题，为什么呢？像科幻像强人工智能、通用人工智能，像人一样的人工智能，可能还比较遥远，比较实在的一个方式，就是人机混合智能。什么叫人机混合智能？就是研究如何在人、机及环境系统之间，实现最优的智能匹配，人的智能加上机器的智能，涉及人机环境系统的整体设计，及其优化等方面的研究，研究的目的包括可靠、高效和舒适等几个方面。它最主要的涉及到两个基本问题，一个问题是人的意向性和机器的形式化问题。所谓意向性，就是意识的指向。大家注意，一旦涉及到这种灵活的，这种可改变的，甚至带有矛盾性的东西的时候，机器往往无能为力，但是机器的长处，在于它不疲劳、擅计算，并且能够准确及时的处理形式化、符号化的东西，在这方面人是望之莫及。所以，如何把机器的长处和人的这种优点，充分的结合在一起，这是一个很重要的命题，也是人机混合智能的一个命脉。

 

我给大家介绍一个著名的悖论，叫莫拉维克悖论，在这个悖论里面，它是这样提出来的，它说和传统的设计不同，对计算机而言，实现逻辑推理等人类的高级智慧，只需要相对很少的计算能力，就可以进行推理进行合理化的推理，而实现感知、运动等低级的智慧，却需要巨大的计算资源。

 

用哈佛大学教授Steven pinker的一句话来说，就是困难的问题是简单的，简单的问题是困难的。这对于人工智能而言。针对整个的这个悖论而言，我有一些思考，跟大家一块去分享，这个思考里面，首先咱们可以看一下，什么是意识？意向性、意识是整个智能科学的瓶颈，那么究竟什么是意识？我们可以看出来，意识就是一种感知，awareness 就是一个情境感知。到目前为止说对了一半，还有一个是非情境的感知，能够穿越时空，这是人的意识，机器不然。

 

我们怎样形而上学的认识意识呢？其中有一个伟大的心理学先驱，曾经说过那么一句话，他是美国第一届的心理学协会的会长，叫William James，他说，人的智慧就是忽略的智慧，人知道怎么忽略一些不重要的事物，而知道把聚焦到一些重要的，一些关键之处，特征之上，而机器不然，它只是，只会处理大数据，它不会处理小数据。

 

这里边涉及到一个忽略里面，就有一个意识。意识，我们常常提到它深不可测，变化莫测，其实意识是比较容易理解的一个东西，咱们前面讲到的“我”来开始。在老子，有一篇很重要的论述里面，他提到了“我”的产生，是意识最重要的一个基础，什么是我，我是谁？我从哪里来到哪里去？实际上就是建立了一个坐标系，我就是坐标系的原点，从哪里来到哪里去是矢量的指向。意识的出现往往会造成什么？无中生有和有中生无。无中生有，它的过程是这样的，它往往是只有外界的刺激，所产生的数据形成数值，这个数值不但包括客观的数量，而且还形成了主观的赋值。比如说“1”里边，它是一个什么？一个数，单纯的数值，它是客观的一个值，同时“1”也是我独有情中的一个数，比如说给你一杯茶，给你一个毛巾，里面有很多主观的一些情感化的赋予。第二，形成数值以后，它要提取一个有价值的东西叫信息。

 

信息就是有价值的数值或者数据，从信息里面可以获取知识，从知识里边提炼逻辑，也就是从0到1，从1到n的过程，正应了咱们古代的一句话，叫从“道生一、一生二、二生三、三生万物”，它整个的过程就是无中生有的过程。那么有中生无，就是指逻辑产生意向，从意向性导出意识，就是觉察觉知，从意识里边，沉淀出潜意识，从潜意识升华为无意识的过程，也就是从n到1，从1到0的一个过程，万物归三、三归二、二归一、一归道之历程。

 

我们谈完意识，就是态势感知就是情景感知，情境化的东西和非情境化的东西的结合，那么我们提出一个新的概念，叫做深度的情境感知，也叫深度的态势感知，用英文叫Deep Situational awareness。什么叫深度的情景感知，我们认为,这是一种人机智慧，既包括了人的智慧，也融合了机器的智能，是能指和所指，所谓能指,就是指事物本身。所谓所指,就是事物本身，所包含的语义和内涵，即涉及事物的属性。能指主要涉及到事物的感觉，又关联它们之间的关系,.所指包括它们的知觉。所谓感觉,就是指对属性的这种映射，所谓知觉就是联系，就是理解。既能够理解事物原本之意，又能够明白弦外之音，是合情合理、通情达理的一个方式，是人机环境系统中，各元素的主动的拓朴，处理跨情境的原型特征的一个空间。

 

具体到咱们平时的一个生活当中，它涉及的是感觉、知觉、规划和反馈那么四个环节，感觉，人的感觉和机器的这种输入不太一样，人的感觉里面包含了想象，和真实的刺激，所以人的感觉是真实的和虚拟的叠加，知觉就是一种联系。所谓对事物的理解，就是看见了联系。规划和反馈，这都是控制方面的，很重要的两个术语，我在此不再赘述。

 

另外，人的这种深度态势感知，深度情境感知里面，一个很重要的一个机理叫弥聚 ，就是能够把很多的道理，比如说数理、地理、物理、生理、心理、伦理、法理、管理等等这些道理，能够及时的准确的进行融合，进行分配，进行表征，而机器它只是从一个角度，进行梳理的处理，所以人机的差异，在深度情境感知里边。也能可以看出相应的这种差异。

 

目前的人工智能，它的未来的发展的一个态势，这个人工智能发展到今天，它解决的主要的一个途径，就是形式化符号化的问题。现在的人工智能对知识表示、问题的求解、自动的推理、机器学习、自然语言理解和模式识别，做了大量的工作，也进行了这个统一的，认知结构化的，一些处理，但是大家对它的未来，仍有很多的质疑和不满，主要原因在于什么？主要有两个很重要的领域，尚未得到有效的开发，第一个是神经科学，是关于人的大脑的，这种开发，还没有得到非常令人欣喜的结果。

 

第二是认知心理学，这个领域也没有得到很好的发展，因为神经科学它涉及到三个主要的方面，第一个方面是神经的编码，第二是计算的回路，第三是神经的发育，这三个方面都没有得到有效的这种研究和表征。认知心理学里边包括概念的发展，学习和记忆，和知觉的加工，也没有深刻的理解，所以造成了这种认知的滞后，进而映射到这个人工智能里面，产生了一些不良的反应，所以如何来实现这些学科的综合协调的发展，人机环境系统很可能是一个有效的工具，来进行协调和整理。

 

下面是一个我个人的思考，大家知道，在人文哲学艺术里边，它的研究角度，常常是第一人称的，是“我”来进行研究的，而在科学和宗教里面，常常用第三人称“它”，是指的物来进行研究的，这个原子是什么，这个分子是什么？所以这些都是第三者――“它”。所以第一人称的人文，和第三人称的科学，能不能进行有效的协同，现在还是一个问号。

 

具体化一点，我们可以问一个问题，就是第一人称可以研究第三人称吗？用理性的方法可以认识非理性吗？这个问题希望大家能够在平时的工作学习当中，思考一下。因为大家知道，用理性的方式对待爱人，是一个错误的方法，用科学的方式对待爱人，也是一个错误的方法，所以我在这儿，有一个简单的思考，跟大家分享一下，叫感性与理性的关系。

 

    我常常想，感性是理性的一个虫洞，可以产生很多无厘头的穿越与任性，而理性却是感性的黑洞，它的约束与严格，使之没有逃逸的可能性。这两者之间的相互作用对立统一，构成了我们的生活，构成了我们的学习，构成了我们的研究。在这个感性和理性的过程中，有一个很重要的方向，就是大家所熟知的可计算性理论。在可计算性理论里边，有一个对立面叫可算计性理论，这个理论大家可能不太熟悉，我给大家解释一下。所谓的可计算性理论，就是指运用事先规定的规则，将一组数值变换为另一组数值的过程，就是可计算的过程。而可算计性理论，不但要处理合理性，还要处理非合理性，包括非理性的东西。它不但要处理逻辑性的东西，而且要非逻辑性的东西；不但要进行计算，而且还要进行算计，这些对立面的整合，可能是算计性理论的一个基础。在此基础上，需要重新定义一些，什么是学习？什么是理解？什么是知识和什么是概念？比如说理解，就是看见了联系叫理解，看不到联系叫不理解，这是一个概念。什么是学习呢？机器是学习吗？机器不是学习，机器是输入，是赋值，是规则。而人的学习，学和习则不同，学是由内而外发出了一个主观性的行为，习是练习，通过练习，来加强它的理解等等，所以可算计性理论，大家可以在以后的这个生活当中，体验一下。

 

另外，我想介绍一下，我们实验室的一些研究的，一些基本方向。我们实验室是研究人机交互，及认知科学的，一个认知工程的实验室。我们实验室未来的研究，将来要浓缩三个主要的方向，第一个方向，是智能的人机环境系统交互，第二个方向，是深度的情境感知技术，包括数学和认知这两大块，第三个方向，包括认知计算。

 

好，我今天的报告和交流就到此结束。下面是我们实验室的一个微信公众号，如果有兴趣的话可以加入，可以讨论一下，谢谢大家。