沒有歷史和反思，人與機(jī)沒有區(qū)別！未來，自主機(jī)器的因果、倫理關(guān)系與人類的因果關(guān)系將會有很大的差異。其根本就是事實與價值之間的相互作用問題，即being與should的關(guān)系問題。智能問題歸根結(jié)底還是一種“人”學(xué)，不是“機(jī)”學(xué)！

1     引言

近年來，得益于機(jī)器學(xué)習(xí)的成熟，以及大數(shù)據(jù)時代數(shù)據(jù)和高性能計算/云計算的支持，人工智能(Artificial Intelligence, AI)取得了突破性的進(jìn)展，尤其是深度學(xué)習(xí)概念的提出和發(fā)展^[1]，以及和強(qiáng)化學(xué)習(xí)技術(shù)的結(jié)合應(yīng)用，使得人工智能實現(xiàn)了在單一領(lǐng)域超越人的智能，諸如圖像和語音識別領(lǐng)域^[2-5]，腦科學(xué)研究^[6]，以及基因科學(xué)等^[7]。尤其是DeepMind打造的AlphaGo智能體在圍棋領(lǐng)域以4:1戰(zhàn)勝世界圍棋冠軍^[8]，以及后續(xù)的AlphaGo Zero更是在無任何人類輸入的情況下戰(zhàn)勝了AlphaGo，在完全信息博弈領(lǐng)域徹底的取得了超越人的智能，引起軒然大波。OpenAI打造的 OpenAI Five更是在Dota 2游戲平臺，在非完全信息博弈的戰(zhàn)場環(huán)境下，5 vs. 5戰(zhàn)勝了具有職業(yè)水平的玩家隊伍^[9]。

然而，當(dāng)前的人工智能難以突破單一領(lǐng)域的限制，從而構(gòu)建具有通用屬性的強(qiáng)人工智能，究其原因是其難以突破意識的壁障，進(jìn)行具備因果關(guān)系的推理 ^[10-11]。為實現(xiàn)強(qiáng)人工智能，中國學(xué)者提出研究融合了人工智能計算屬性和人的認(rèn)知屬性的混合智能^[12-14]。同時斯坦福大學(xué)發(fā)布2030人工智能生活報告，也將人機(jī)相互補(bǔ)償和增強(qiáng)的智能協(xié)同系統(tǒng)列為未來人工智能的重要發(fā)展趨勢之一^[15]。而且，為了實現(xiàn)人類智能與機(jī)器智能的深度融合并協(xié)同工作，國內(nèi)外學(xué)者研究以腦機(jī)接口為代表的神經(jīng)技術(shù)以實現(xiàn)腦機(jī)融合及其一體化^[16-19]。然而，總體來講，人機(jī)融合智能研究仍然處于起步階段。為此，本文從信息、系統(tǒng)等多個角度對人機(jī)融合進(jìn)行思考，對人機(jī)融合的定義、人機(jī)中的深刻關(guān)系以及人機(jī)融合的關(guān)鍵問題進(jìn)行了分析和界定。

2     人機(jī)融合智能概念

機(jī)器在搜索、計算、存儲等方面具有人類無法比擬的優(yōu)勢，然而在感知、推理、學(xué)習(xí)等方面遠(yuǎn)不如人類智能高效。為實現(xiàn)具有通用屬性的人工智能，需要結(jié)合機(jī)器智能和人類智能的優(yōu)勢，實現(xiàn)將人的認(rèn)知屬性和機(jī)器計算屬性深度融合。結(jié)合前人提出的混合智能的層次化概念框架[14]，以及我們對人機(jī)融合智能中深度態(tài)勢感知的思考[20]，我們給出人機(jī)融合智能的體系結(jié)構(gòu)，如圖1所示。并給出人機(jī)融合智能的定義，如下：

人機(jī)融合智能是由人、機(jī)、環(huán)境系統(tǒng)相互作用產(chǎn)生的新型智能系統(tǒng)。它結(jié)合了人與機(jī)器各自的優(yōu)勢，是跨物種越屬性的下一代智能科學(xué)體系。它兼具人類智能的意向性和人工智能的計算性，可以靈活的協(xié)調(diào)人機(jī)融合智能問題中的各種矛盾和悖論。

人機(jī)融合的體系結(jié)構(gòu)采用分層的體系結(jié)構(gòu)。人類通過認(rèn)知對環(huán)境進(jìn)行感知，其認(rèn)知過程可分為意圖層、決策層、感知與行為層三層，機(jī)器通過計算對外界環(huán)境進(jìn)行感知，其計算感知過程也分為目標(biāo)層、任務(wù)規(guī)劃層、感知與執(zhí)行層三層。體系結(jié)構(gòu)強(qiáng)調(diào)人類和機(jī)器在同層次以及多層次之間的多尺度融合，強(qiáng)調(diào)人機(jī)環(huán)三者的深度交互。          

圖1人機(jī)融合智能的體系結(jié)構(gòu)

3     人機(jī)中的深刻關(guān)系

當(dāng)前的人工智能專注于計算，基于物理規(guī)律對客觀世界進(jìn)行建模，憑借強(qiáng)大的硬件運(yùn)算處理能力，可實現(xiàn)在單一的領(lǐng)域超越人的智能。但是由于機(jī)器更擅長處理家族相似的事物，人工智能一旦跳出模型所適用的特定領(lǐng)域，效果往往不盡人意。除此之外，計算的源頭——數(shù)學(xué)，其本身并不是完全精確的，所以建立在數(shù)學(xué)基礎(chǔ)上的人工智能本身也存在著許多無法修正的精度問題。

人的智能則與機(jī)器的智能有很大的不同。人具有意識，可以對客觀世界進(jìn)行自由的認(rèn)知，通過對連續(xù)的物理世界利用自己的感性認(rèn)知進(jìn)行理性的抽樣，總結(jié)出一系列的規(guī)則和邏輯，得到離散近似的科學(xué)。因而，在科學(xué)基礎(chǔ)上建立的機(jī)器智能從根本上就是完全理性的，且其理性是建立在一系列的邏輯和規(guī)則上的。其完全按照人為設(shè)定的邏輯運(yùn)行、利用人類數(shù)學(xué)進(jìn)行計算，就連看上去十分智能的相似家族事件處理能力，究其根底，不過也是人類數(shù)學(xué)在機(jī)器上的運(yùn)用。與此相對，人的理性則是建立在以感性認(rèn)知為底層的理性之上，這是人與機(jī)器最大的不同之處。

目前的人工智能以計算機(jī)為中心，并沒有實現(xiàn)“以人為中心”的認(rèn)知。在1968年圖靈獎獲得者理查德·哈明就說過：“計算的目的不在于數(shù)據(jù)，而在于洞察事物?！庇嬎銠C(jī)的本質(zhì)就是通過數(shù)理反應(yīng)心理和物理規(guī)律。玻爾也說過：“完備的物理解釋應(yīng)當(dāng)絕對地高于數(shù)學(xué)形式體系?！?/span>認(rèn)知的核心是智能，是洞察事物，所以計算屬于認(rèn)知，但認(rèn)知卻不等同于計算。以計算為中心的人工智能和以認(rèn)知為中心的人類智能各有優(yōu)缺點，基于計算的機(jī)器如果沒有人的認(rèn)知能力，就永遠(yuǎn)也跳不出“人工”的痛點，當(dāng)然，人肉體的局限性也使得人不可能具備機(jī)器的高速運(yùn)算和處理能力。然而，人工智能模擬的就是人的智能，人類智能核心是心理，根本在于理解，但人工智能的理性和人類理解是不一樣的，數(shù)學(xué)的方法可能遮蔽了深刻的洞察，拋棄心理的本質(zhì)而追求高效率的計算并不能實現(xiàn)真正的人工智能。將人的認(rèn)知模型引入到人工智能中，將兩者結(jié)合并使之協(xié)調(diào)發(fā)展，讓它能夠在推理、決策、記憶等方面達(dá)到類人智能水平，才是未來智能的趨勢。未來的智能應(yīng)該在融合了諸多學(xué)科新一代數(shù)（信息）學(xué)的基礎(chǔ)之上成長起來，而不是僅僅建立在當(dāng)前有著諸多不完備性的數(shù)學(xué)基礎(chǔ)之上。

實現(xiàn)人機(jī)融合的智能，人的意識是重要基礎(chǔ)，幫助協(xié)調(diào)人機(jī)融合中各種悖論和矛盾。人機(jī)融合智能的實質(zhì)是在“以人為中心”的意識統(tǒng)籌下的多無意識智能在大腦的融合。意識是對各種客觀事物的主觀體驗。人類本來就是意識和無意識的融合，人的大部分思維、動作和行為都是無意識的，有意識的只占極少數(shù)。意識的反應(yīng)慢，會受到距離的影響，從腿上出來的信號比從眼睛傳來信號要慢很多。無意識的反應(yīng)速度很快，諸如看到飛蛾眨眼，無意識的抓住落下的筆，這些都是本地化的智能反應(yīng)。意識只存在于大腦深處的某個區(qū)域，而身體各部分都只是具有自己的智能，而無意識。這也影射了人機(jī)融合智能的可行性，通過發(fā)展具有足夠智能的機(jī)器，作為人無意識部分的延伸，結(jié)合人的意識，形成更強(qiáng)的人機(jī)融合智能體。

4     人機(jī)融合的關(guān)鍵問題

人機(jī)融合智能研究的對象是物理和生物混合的復(fù)雜系統(tǒng)，是廣義上的“群體”智能，包括人、機(jī)和環(huán)境。智能作為一種現(xiàn)象，本身就表現(xiàn)在個體、群體以及自然的相互作用和行為過程中。人機(jī)交互本質(zhì)上是人的感性結(jié)構(gòu)化與人的部分理性程序化之間的融合。人類理解世界是通過認(rèn)知，所以人能相關(guān)表面上看上去無關(guān)的東西，但是機(jī)器卻做不到。人有跨領(lǐng)域結(jié)合的能力，而機(jī)器沒有。建立人與機(jī)器之間的雙向交互關(guān)系，是實現(xiàn)真正智能的突破口。朱利奧.托諾尼的整體信息論（Integrated Information Theory，IIT）表明，一個有意識的系統(tǒng)必須是信息高速整合的[20]。為了保證人機(jī)融合智能系統(tǒng)共同意識的存在，人和機(jī)器之間必須建立高速有效的雙向信息交互關(guān)系。為構(gòu)建人機(jī)之間的雙向交互關(guān)系，需要從抽象的角度著手，抽象的角度越高，適應(yīng)范圍越廣，用一層層的抽象方法去理解事物的本質(zhì)，就能從思想上突破技術(shù)的局限性。另外，試圖以形式化的方法獲取人智能的思想是行不通的，因為模型并不是完全準(zhǔn)確的。

人機(jī)融合智能的一個瓶頸問題，是如何將計算和認(rèn)知結(jié)合起來。1971圖靈獎獲得者約翰·麥卡錫發(fā)表觀點：“與所有專門化的理論一樣，所有科學(xué)也都體現(xiàn)于常識中。當(dāng)你試圖證明這些理論時，你就回到了常識推理，因為常識指導(dǎo)著你的實驗?！睆闹?，我們不難看出：認(rèn)知里的常識恰恰是被計算所過濾掉的精華。常識就是非結(jié)構(gòu)化的多模態(tài)信息／知識的復(fù)合體。研究將常識應(yīng)用于計算是突破知識和認(rèn)知結(jié)合的關(guān)鍵。

人機(jī)融合的關(guān)鍵還應(yīng)該包括：一多與靈活彌聚的表征、公理與非公理混合推理、直覺與“間覺”交融的決策。首先，通過人的價值取向有選擇地獲取數(shù)據(jù)，在這個輸入過程中不僅是客觀數(shù)據(jù)與主觀信息的融合，還應(yīng)該包括人的先驗知識和條件；其次，在人機(jī)信息/數(shù)據(jù)融合處理過程中，人的非結(jié)構(gòu)化信息框架（如自然語言）會漸變?yōu)榻Y(jié)構(gòu)化一些，而機(jī)的結(jié)構(gòu)化數(shù)據(jù)語法就會非結(jié)構(gòu)化一些，這個過程不但要使用基于公理的推理，并且還需兼顧結(jié)合非公理性推理，使得整個推理過程更加縝密合理；最后，在決策輸出階段，人常常是由腦中若干記憶碎片，與五感接收到的信息，綜合在一起，跳過邏輯層次，直接將這些信息中和的結(jié)果，反射到思維之中，形成所謂的“直覺”，其結(jié)果的準(zhǔn)確程度，在很大方面取決于一個人的綜合判斷能力，而機(jī)器則是通過計算獲得的結(jié)果--“邏輯”進(jìn)行間接評價，這種把直覺與“間覺”相結(jié)合的獨特決策過程就是人機(jī)融合智能輸出的一大特點。

人機(jī)融合智能的一個核心問題是介入問題，即人與機(jī)相互之間何時何處以何種方式（或平滑或迅速）介入的問題，尤其是在歧義點或關(guān)鍵閾期間介入的反應(yīng)時、準(zhǔn)確率。比如，在融合時彼此之間的接受、容忍、信任、匹配、調(diào)度、切換、說服、熟練程度，以及如何訓(xùn)練出個性化的伙伴關(guān)系等都是具體亟待解決的問題。由于人機(jī)融合在細(xì)節(jié)層面和人人之間的合作幾乎同樣復(fù)雜，或者說是有一些另類的復(fù)雜問題。因而可以認(rèn)為，從技術(shù)角度講，人機(jī)融合智能絕不僅是一個數(shù)學(xué)仿真建模問題，還應(yīng)是一個實驗統(tǒng)計體驗擬合的問題。

人機(jī)融合智能的另外一個重要問題是倫理問題。人類價值觀的起源是倫理學(xué)，人類自身的倫理道德困境就很多，所以人機(jī)融合的未來也會困難重重。人機(jī)融合智能有兩大難點: 理解與反思。人是弱態(tài)強(qiáng)勢，機(jī)是強(qiáng)態(tài)弱勢，人是弱感強(qiáng)知，機(jī)是強(qiáng)感若知。人機(jī)之間目前還未達(dá)到相聲界一逗一捧的程度，因為還沒有單向理解機(jī)制出現(xiàn)，能夠幽默的機(jī)器依舊遙遙無期。另外，人機(jī)之間配合必須有組合預(yù)期策略，尤其是合適的第二第三預(yù)期策略。單純的一次期望匹配很難達(dá)成融合，所以第二、第三預(yù)期的符合程度很可能是人機(jī)融合一致性的關(guān)鍵問題。人機(jī)融合就是機(jī)機(jī)融合，器機(jī)理+腦機(jī)制；人機(jī)融合也是人人融合，人情意+人理智。

5        總結(jié)

人機(jī)融合智能研究是智能技術(shù)發(fā)展到一定程度的產(chǎn)物，它既包括人工智能的技術(shù)研究，也包括機(jī)器與人、機(jī)器與環(huán)境及人、機(jī)、環(huán)境之間關(guān)系的探索。與很多新興學(xué)科一致，它的歷史不長，但發(fā)展速度很快。尤其是近些年，依托著深度學(xué)習(xí)的興起，以及一些大事件（AlphaGo系列）的產(chǎn)生，人們對人工智能本身，以及人機(jī)融合智能研究的興趣陡然上升，對其相關(guān)研究與著作也相對增多。但是，可以預(yù)期到的是，人機(jī)融合智能技術(shù)本身離我們設(shè)想的智能程度還相去甚遠(yuǎn)，且自發(fā)的將人的智能遷移到機(jī)器中的想法本身實現(xiàn)難度就極大。這是一個很難回避的問題。這些都需要目前的智能科學(xué)家們做進(jìn)一步的研究。人機(jī)融合智能研究不僅僅要考慮機(jī)器技術(shù)的高速發(fā)展，更要考慮交互主體-人類的思維與認(rèn)知方式，讓機(jī)器與人類各司其職，互相促進(jìn)，這才是人機(jī)融合智能研究的前景與趨勢。