为什么AI距离智能越来越远？

2021年涉及了人机交互系统中的深度态势感知问题，并探讨了人类的策略与机器计算如何融合的可能性。随后，一位朋友向我提出了五个疑问。

第一，在探讨数学与逻辑之间的关系问题时，长期以来一直是数学理论的核心议题之一。从实用主义角度而言，“将数学等同于逻辑”、“将逻辑误认为智能”以及混淆符号与对象的指涉之间存在明显偏差。然而，在关于计算与算计相互作用的研究中，“上述三项本质缺陷”的解决仍是悬而未决的问题。也就是说，在两者如何形成有机统一的整体中，在何种内在联系中两者才真正实现和谐共生？

二号段落：若将"计算"视为反映客观事实的事物，则"算计"便体现出人的主观意志与价值判断特征。这种划分是否过于绝对地割裂了主观与客观的关系？若以"计算"与"算计"为界域，则主体间如何相互影响？

第三部分借助太极八卦这一图式框架揭示了计算模型与算计策略或经验之间的关系，并将其描述为"相互嵌套"；然而这种嵌套的表现形式是什么样的？或者进一步探讨：如果将其符号化是否会陷入计算符号主义的困境？

第四，在数学领域中应对"beings"问题与"shoulds"问题尚有不足。如何实现两者的整合及其内在逻辑是什么？

第五,"构建"和"规划"分别代表了以第一性原理为基础的不同理论类型：构造论与归纳论之间的主要区别在于它们对西方数学危机后的处理方式存在差异。尽管如此，在某些情况下仍然尝试将归纳论纳入抽象演绎体系中去，并未能彻底实现这一目标。为何会产生这一现象？它与您所主张的"算计"有何关联？是否存在一个更具普遍性的解释框架？

在今天的分享内容里，在线交流中可能会有一些零星的回答出现。大家希望指正自己不清楚的地方吗？共同讨论吧。

一、世界是多因多果多维多元的计算计宇宙

我们相信世界是由多种因素相互作用形成的一个复杂系统，并将其视为一个由数学模型构建的高维数据空间。在这个模型中包含了传统的时空坐标系（即X,Y,Z,T）以及虚拟时空坐标系（X',Y',Z',T'）。而虚拟现实与真实世界的时空概念则存在显著差异——而通过引入事实性维度和社会价值维度，则可能进一步扩展其维度结构至多个层面——此外还包括诸如人生目标、社会职责以及道德荣誉等内涵。

图1 世界是多因多果多维多元的计算计宇宙

在图1所示的一排西方智者中可以看出，在当前的研究中主要聚焦于一个基础性问题：即自'being'（存在）概念起始。'Being'作为客观存在，在逻辑学中被定义为"是"的意思，并且是一个系动词，在科学研究中用于探讨事物的根本属性以及其存在的本质意义。这也正是为什么科学和技术理性思想能够最早在西方产生并得到快速发展的重要原因之一。而在东方或中国，则不同：他们所关注的主要问题是不涉及'being'的存在探讨；相反地，则是以'should'为问题导向进行研究：其中,'should'作为一个'义'(morphism)概念，在伦理学与社会学领域具有重要意义。它涉及到的是人与人以及人与环境之间的情感主导的情感理关系问题

我特别想把东西方思想的差异性体现出来。因为西方侧重于人和物之间的关系，并以科学技术的发源地为人类做出了很重要的贡献。比如以计算为思想的学科物理、化学、天文、地理、近现代数学，涌现出了的微积分（包括范畴论、集合论）都是西方理性思想很重要的一个发展延续。但在东方，长期以来，更多的是一个人和人、人和社会、人和环境之间的情理关系问题。虽然也有数学，还是比较早期的、机械性的，虽说也有一些现代数学萌芽，但是没有发展出像西方基于公理的科学技术洪流。

所以西方对"道"有偏重,将"道"定义为自然规律,其具有很强的理性属性.而"名"则是人类为了规范社会行为而设立并命名的各种规范体系."名"的本质就是人为主导的社会活动所确立的人类行为准则."道可道非常道 名可名非常名"这两句话紧密联系在一起 单独引用其中一句很难完整表征出这种人为规范与自然规律之间的相互作用及相互影响关系.其中'道'体现了自然界的根本规律 '名'则体现的是人类社会活动的基本准则 道与名相融合则展现了中西方文明思想的重要交汇点.

如今人们可以从许多西方科学技术的书籍中逐渐感受到东方思想的渗透，在物理学（如量子物理、相对论等）领域也渗透了大量传统的道家、儒家等传统思想以及佛家理念。在中国文化圈乃至全球范围内，《西风东渐》的现象深深植根于人们的认知中：它彻底改变了人类文明的发展轨迹。而东方与西方各自展现出不同的特质——西方倾向于精确计算而东方则侧重于策略算计，在此基础之上形成了一个统一的整体即所谓的"计算计体系"。人类社会的进步实质上就是从简单的"能算"到"精算"的过程：能否进行计算以及如何进行计算构成了人类思维的核心特征

雅克·德里达（Jacques Derrida）是一位重要的法国解构主义思想家，在东方与西方文明的本质区别问题上展开了深入探讨。他指出东方思想体系在逻辑系统上存在明显不足，在这种背景下形成了自身独特的认识论体系；相比之下，在西方体系中哲学、科学以及人文等领域都具备系统的逻辑体系，并且尤其是在近代的人文领域展现出了极强的逻辑性特征。因此他提出了东西方文明的根本性差异这一命题，并将其简化为"东计西算"的概念：东方以算计为主导的思想模式与西方以计算为主的理性思维形成了显著的区别；由于计算依赖于严格的逻辑推理过程而算计往往包含非逻辑性的因素如直觉或其他超越理性思考的内容；因此"东计西算"这一概念恰可作为东西方思维方式主要差异的一种典型表现形式

图中展示的是雅克·德里达（Jacques Derrida），著名的法国哲学家，在二十世纪下半叶是一位重要的思想家之一，并且是西方解构主义的主要倡导者。

值得我们深入探讨的问题是将一个机器智能视为通过计算来实现的一种表现形式。这种计算的本质即为函数关系，在这种函数关系中既包含基于规则定义的部分又包含基于概率统计的方法。这三者之间存在这样的数学模型：即输入端自变量X与输出端因变量Y之间的映射关系Y＝F（X）。已知任意两个变量即可确定第三个变量。

图3 机器计算智能及人类算计智能的比较

虽然东西方现代数学中的'计算'这一概念仍然占据重要地位,但随着新领域的兴起,越来越多的'非计算'思想如范畴论和集合论等正在成为主流.曾向一位经验丰富的技术专家请教过相关问题,他提到计算机科学理论是推动软件开发的重要力量.软件工程方法的出现为解决复杂系统设计问题提供了有效的解决方案.而像图论、范畴学等系列分支领域的研究则会愈发深入和完善.

人类的智慧借助"算计"这一手段得以实现。在人的智囊袋中，并非只储备着已知信息去寻求解答；而是在若已知两者的某些属性或特征的情况下，则可探究出第三者的相关性质或规律。除此之外，在知识储备尚显单薄的情况下仍可继续补充新的认知层面；还可以通过持续的试验和探索来接近目标。

但是，在运算过程中所得出的结果（即FXY）与规划过程中的目标（即算计中的FXY）并不相同。原因在于，在运算过程中所使用的各项参数均具有明确性与确定性：它们彼此独立且遵循一定规则；它们具有明确的空间范围；它们受到严格的限制；它们具备明确的标准与依据；它们具备明确的前提条件等特性。然而，在规划过程中所设定的目标状态X通常缺乏明确边界与限制条件：它既不包含外在环境的影响因素也不受内部思维活动的具体内容制约；其约束条件往往是开放性的：不仅涵盖了外部环境的影响还包括个人思维活动的具体内容等多方面因素综合作用的结果。因此，在规划中所设定的目标状态X实际上是一个复合体：它由多个子目标状态共同构成，并非单一目标状态所能代表

通过比较这两个方面可以看出，计算与算计在性质上有明显区别。其中理性思维与感性思维并存，并体现出情感色彩；然而，在方法论上，则以理性分析为核心。

二、计算与算计的逻辑基础

西方科学技术的进步以及涵盖西方哲学思想的进步均以逻辑为其理论基础。这一逻辑体系自亚里士多德创立以来便不断演进并持续至今，在计算机科学领域中存在三个核心法则。

首先, 同一律在数学中表现得尤为显著. 其定义为"A=A", 无论何物, 均为其自身属性.

在分析"非同一律"时所依据的逻辑基础中指出，在任何情况下这一命题表明该现象不一定等同于自身状态。然而，该现象既可视为自身状态，也可被视为其他可能性。

第二, 关于无矛盾律

第三条，在计算逻辑中任何一个事物必须明确地属于一类属性而不处于另一类属性之外；即任何一个事物必须明确地表现为A属性或者表现为非A属性，并且不允许存在部分属于A属性或者部分既属于又不属于的情况；而辩证思维则突破这种限制，在其框架下允许同一事物同时具有不同的属性表现形式并存，并且允许在同一时间内出现矛盾状态的存在

我们所提出的算计具有不准确的逻辑基础。由于算计中存在大量超越常规逻辑或非传统的元素,现有的逻辑体系难以系统地归纳其特征。然而,在计算过程中我们会遇到诸多悖论与矛盾,包括集合论中罗素提出的理发师悖论,这一现象能够得到合理的解释:这是因为出现了违反同一律、违反矛盾律以及违反排中律的情况,而且在计算体系内很少出现明显的悖论与矛盾,这主要是由于出现了这些违背传统思维规律的现象

三、计算计：计算如剑，算计如谱

我在与一位来自北京邮电大学的电子学领域资深教授交流时,分享了我对计算与算计融合过程的看法,并最终归纳出'计算似剑'、'算计如谱'这两个比喻来体现它们的软性和相互关联性。

如果计算涉及到事实性的人机环境系统问题，则主要关注价值性和意图性的问题。这种情况下计算本质上是将事实与价值相结合的人机环境系统问题。在实践与工程应用中，则需要根据不同层次（战略级、战役级、战术级）的模型，在具体的实际情境下进行相应的调整。

在调整过程中存在两个主要方向：其一是在世界层面进行调整的同时也在观察对象上进行相应的调整；其二是在自我层面进行调整，则需要依赖于预测与反思。

在改变过程中呈现出两个显著特征即贝叶斯理论与锚定论两者共同构成了变化过程的关键要素。其中贝叶斯理论表明结果会因外界数据的变动而相应调整而锚定论则揭示了即使外界条件持续变动并伴随干扰因素的影响个体信念仍能保持恒定的本质特征前者体现了变动规律后者则展现了稳定性这一矛盾统一的关系构成了人机混合认知体系的核心动力机制

1 、什么是人工智能？

到目前为止，在计算领域最能说明的智能就是人工智能。我强烈推荐一本由商务印书馆于2003年出版的《逻辑·语言·计算(马希文选集)》书籍。在这本书中，我们从中看到了人工智能在上个世纪80年代被定义为的问题及其解答框架。该书通过特定程序（P）的方式表述了其解法则。

《逻辑·语言·计算(马希文文选)》

马希文著 . 商务印书馆 . 2019-05

当知识较为充足时,人们无需等到看到特定的问题（记为 D）就可以通过已知的知识库（记为 K）生成一种通用解决方案（记为 P）。这种生成的 P 方案适用于所有 D 问题,能够满足各种需求。
在知识储备不足或者现有解决方案（即 P）过于复杂的情况下,我们可以考虑另一种解决途径:设计一种元程序 M,该 M 能够针对特定的 D 系统,基于 K 方案自动生成专门解决针对每个 D 问题的具体实现。
此时,元程序 M 能够适应多种不同的 K 方案,其特点是先收集具体问题描述后再完成相应的解决方案设计。
然而,M 的这种设计模式往往是在获得具体问题描述后才完成相应的解决方案设计。
这种设计模式通常被称为问题求解框架。

在这种情况下的M中，通常不涉及K的具体细节。研究导致M的研究与问题的具体领域分离了。这也是人工智能理论的核心议题之一——搜索问题。

值得我们关注的是马老师所给出的定义——它既简明扼要又精准，并且易于理解。他指出人工智能是基于已知知识对数据进行处理的过程——通过建立模型并设计相应的程序来实现这一目标的过程完成处理任务即可完成任务这就是人工智能这一概念其表述十分浅显易懂仅用五个关键字母即可描述这一过程我认为这是一个较为优秀的定义

2 、XOR（异或）与深度学习的天花板问题

对大脑工作机制的科学本质仍存在诸多未解之谜。值得注意的是，在这一领域中,马库斯所著《代数大脑：解析智能运行深层逻辑》一书尤为值得关注,其理论体系具有极强的思想深度,尽管这些观点已被现代机器学习的新成果部分涵盖,但其基本架构依然值得深入探讨

[美] 加里·F.马库斯著，

刘伟，刘欣，于栖洋等译

机械工业出版社，2021-11-01

在书中,马库斯教授深入探讨了关于大脑运作机制的核心问题,系统地分析了两种主要理论:联结主义模型与符号处理模型,并着重考察它们在计算层面的优势与局限性,同时深入探讨各种联结主义架构间的异同点,及其与符号处理理论间的基本假设差异,特别深入地探讨了多层感知机这一核心结构,并特别剖析了神经网络体系中基于深度学习的基本原理及其应用前景

本文探讨了异或问题在深度学习体系中的核心地位。单层神经网络架构无法有效解决异或问题这一难题直接引发了人工智能发展的第二波寒潮其重要性何在？从硬件实现的角度来看由于异或函数的本质特性从逻辑电路的角度讲它无法仅用与非门来实现而软件实现则需依赖多层次神经网络架构因此辛顿（Geoffrey Hinton）通过发展多层神经网络模型成功解决了这一关键性难题从而推动第三次人工智能革命得以延续至今然而即便是在经过深度学习优化后的多层次神经网络体系中仍然存在一些局限性和挑战正如《代数大脑》一书中所指出的这些局限性不仅限制了当前AI技术的发展还为后续研究指明了一些改进方向

第一部分：人工神经网络（ANN）在透明性方面仍有待提升，在无法深入解释其迁移能力局限性的情况下仍然表现出对数据的高度依赖性。为了满足其需求 ANN 必须接受并处理海量的数据进行持续训练，并在经过严格训练后进行性能评估。ANN 假定世界的基本结构相对恒定 但在许多情况下外部环境展现出动态变化的特点 这种稳定性假设与实际复杂多变的外界条件形成显著差异。

第二部分未能完全解决开放式的推理问题。现代深度学习与强化学习在处理封闭式推理方面已为大家所熟知。AlphaGo在开放环境下击败人类选手的表现令人震撼：若将其部署到真实环境中的交易决策或战略博弈中，则难以发挥应有的作用。该技术路线因无法直接应用于工程实践且尚未充分结合先验知识而受到限制：缺乏对复杂层次结构问题的自然处理能力，并未能明确区分因果关系与统计关联性——其结果往往只能作为参考依据而非绝对可靠。

在深度学习与机器学习的各种学习算法中扮演着关键角色的一种近似的模拟，在这些算法中表现为一种显著的局限性。这种局限性的表现形式通常会呈现出"失之毫厘而谬以千里"的特点，并导致模型不可信、解释性不足以及透明度较低的后果。因此，《代数大脑》一书至今仍清晰地阐述着机器学习基本原理及其优缺点。

3 、脉冲神经网络

辛顿教授在与马库斯教授辩论时提出了一个新的神经网络——脉冲神经网络。该体系包含了具备时序动力学特征的神经元节点以及具备稳态-可塑性平衡特性的突触结构，并且具有功能特异性。在生物优化方面进行了深度借鉴（例如局部非监督机制中的脉冲时序依赖可塑性机制以及短时突触可塑性机制等），同时也采用了基于能量函数的部分全局弱监督方法（如多巴胺奖赏学习算法和基于能量函数的能量优化方法）。因此该模型从而具备强大的时空信息表征能力以及异步事件信息处理能力，并且能够实现有效的网络自组织学习过程。

其核心观点在于动态神经网络中的神经元并非在每一次迭代传播中都被激活（而在典型的多层感知机网络中则是如此），而是只有当其膜电位达到特定阈值时才会被激活。当某一特定神经元达到阈值时（从而产生冲动信号）后会触发与其他神经元之间的互动以调节阈值膜电位水平。因此脉冲 neural network的行为模式与生物体的运作机制具有相似之处

基于神经科学的研究成果, 人们能够精准地构建基于脉冲产生时间机制的神经网络模型. 这种新型神经网络体系运用了spike coding技术, 通过获取其发生的时间信息, 这种创新性的神经网络架构不仅能够获取更多关于系统的动态信息, 并且能够提高计算效率.

目前许多专家正致力于研究这一领域；然而每个事物都具有其自身的优缺点；其中输入和输出均为脉冲信号；这些信号本质上类似于二进制比特流；这在理论上是无法直接求导的；因此无法直接采用基于BP算法的训练方法。

4 、LaMDA与图灵测试

谷歌开发了一个名为LaMDA的智能聊天系统。一名程序员通过与该系统进行交流后表示自己发现了这一程序的人格特征，并从其描述中推断出该程序已通过图灵测试，并且其得分显著高于预期水平。然而随后专家们却纷纷对其表示怀疑，并有传言称该程序员因此"休假"了。那么为什么会发生这种情况呢？究其原因在于当前的对话/聊天系统本质上仍然建立在统计与概率模型基础之上，并通过搜索、对比、匹配以及最优选择的方式来实现信息检索与反馈机制以及人与人之间的互动过程。这种互动模式并不依赖于"理解"能力展开工作；而人类之间的真实交流恰恰正是以理解和沟通为基础进行的。

我想强力推荐郭宝昌先生的经典著作《了不起的游戏——京剧究竟好在哪里》。在这本书中,他深入探讨了人与人之间互动关系这一主题,并进行了深刻的总结:相较于其他角色,丑角在京剧演出中的表现所带来的欢乐体验更为显著,其对整个戏剧作品产生的冲击也更加直接而强烈,这种效果是令人难以忽视的。

《了不起的游戏——京剧究竟好在哪儿》

郭宝昌著 . 生活·读书·新知三联书店 . 2021-07

在京剧美学中存在一个显著的特点，在于其观演一体化这一独特性质。其中最具代表性的便是丑角这一角色。为什么？因为在观看京剧时演员不仅在舞台上表演还将观众的语言与肢体语言巧妙地结合在一起以此诠释剧情与场景他展现出双重身份即既入戏又出戏同时具备身体参与与空间游离的能力这种复杂的表现方式使得整个京剧院域仿佛形成了一个融合了人物与环境的空间元宇宙

所以观演一体化在人机交互领域具有重要意义，在这一过程中机器若无法实现即具身又离身还反身三种能力，则难以形成有效的理解能力。人们之间的交流正是基于观演一体化这一基础构建起来的。当两个人进行思想交流时他往往能够迅速将彼此的思想与自身融合在一起并形成共同认知的基础。人类的生命特征在于能够实现身体与环境的协调互动（即具身）、独立于环境的能力（离身）以及自我反思的能力（反身）。这些特征使得人类能够在不同情境中不断切换其主体与客体关系从而维持动态平衡状态直至生命的终结时刻。具备混合智能的人类主体同样需要通过入系统与出系统的双重能力来适应复杂的协作需求

在人机交互中处理"态"（事实状态）时需要接入系统并分配机器功能；通过退出系统来掌控机器智能的发展方向则有助于把握"势"（价值）。因此，在人机环境系统中合理规划"态"与"势"以及相关的计算流程（涵盖预测未来趋势...）显得尤为重要。

我认为在交互中有七个关键要素至关重要。第一个要素叫弹性 ，它表现出一种弹性特征；第二个要素叫动态性 ，它既不是完全静态也不是完全静态状态，在互动过程中不断调整自身的状态；第三个要素叫变速性 ，它能够灵活调节节奏，在合适的时候加快，在必要时进行延缓；第四个要素叫混序性 ，它是有序又无序的状态，在特定条件下会突然切换模式；第五个要素叫混构性 ，它允许系统在同构与异构之间自由切换；第六个要素叫互射性 ，从佛学视角来看事物之间存在相互作用关系，并非单纯的一因一果关系；第七个要素叫统原性 ，它是结合了还原论与系统论的整体框架概念。

举个例子来说说计算计吧。比如抖音和快手这样的应用平台。大家常常误以为它们仅是一种算法的应用程序但实际上并非如此它不仅需要人工智能的数据算法以及计算能力的支持而且还离不开一定的策略支撑即所谓的"算计"这通常会由用户体验组和技术团队中的调查员负责他们会对用户的行为数据与机器运算结果进行细致比较并根据差异结果对系统进行相应的优化调整从而得出最终结果并进行相应的优化调整以达到更好的用户体验效果

四、浅论人机智能

第一，在超越人类的能力之上，在超越机器的速度之下，在超越环境的力量中，在将这三者完美融合时，则能够实现计算与算计的完美结合

第二，智能是对各种态势进行感知及调整的能力。

第三，所有的符号里都包含着非符号，所有的计算里都蕴藏着非计算。

第四, 东方智能的一一对应不仅涵盖事实, 而且也涵盖了价值. 西方智能的一一对应则主要以客观事实为主. 它属于科学和技术, 并侧重于人与物之间的一些具体联系.

第五项计算依据数值进行运算，并揭示数值间非线性关联。其核心特征融合了主观判断元素，并通过构建模型捕捉关键变量。模型能够生成或识别这些变量，在某些情况下能够实现对它们进行建模，在其他情况下则无法实现，并从而得出相应的结论或预测。

日常生活中的意外事件大致可分为可预测和不可预测两类。例如风险这类现象属于可预测范畴，在局部范围内表现出不确定性但整体上是可以被把握的。而像一个地区的夫妇生育男女生别同样具有不确定性其性别比例相对较为确定属于可预测类别可以通过概率统计方法进行分析。然而许多意外事件由于其复杂性和随机性难以用简单的概率模型来描述统计分析往往也只能得出大致规律而非精确结论在这种情况下仅凭统计数据很难发现其中潜在的规律性联系。此外许多文学家能够如同程序员般在不同角色之间灵活切换展现出独特的创作才华这种能力使他们在专业领域内游刃有余地开展工作

第七点指出全自主并非完美的人工智能；完美的人工智能应具备这一特性——即能够协调自身行为与外部环境的影响因素（顺应）。例如，在工作环境中，“是否能完全独立完成任务？” 未必。“在一个组织内部”，并非完全没有一定程度上的协作。“应包含协作”。这种相互协调与独立相结合的方式至关重要。

到目前为止为止，在讨论智能体系时经常强调的自主智能被视为最高级的智能体系之一，并非如此。事实上，在人类以及许多生物体内都存在两种不同的认知处理机制：一种是反映主体自身的、独立运作的主体性；另一种则是与外界环境以及其他个体之间建立互动关系的相对依存性。其中体现为主体自身协调发展的部分被称为同化过程；而表现出适应环境变化的部分则称为顺应机制。只有实现二者的和谐统一才能形成一个完善的认知与应对问题的整体系统。

五、智能与人工智能的区别

图4 智能与人工智能的区别

人的智能涉及多维度融合：从人机协同到非人类行为策略的研究，在艺术与技术交汇处探索创新思维模式；同时需要深入理解跨时空维度下的复杂现象特征，在辩证法中把握矛盾体的本质——包括随机而不规律的现象以及难以完全解释的异常情况；此外还需要具备敏锐洞察力，在机遇与挑战之间准确把握方向。这种能力表现在灵活应对变化的能力上，并能在预兆和警示信息的基础上迅速识别关键节点；灵活应对突发情况的方法即为随机应变策略（图4）。

人工智能常常以机为主，以程序为主，宜人+解忧，偏重于技术，是场景化的，涉及到自洽的数理，包括在人工智能里面它尽可能的少偶然性，因为偶然性里边会出现不可控的现象。涉及being，是计算+感知+认知，缺少洞察，强调being，是什么、干什么，然后规则+统计+鲁棒（Robus）。在人的智能里面鲁棒性不是那么强，所以才能在人机混合智能里鲁棒性也不会很强，特别强的鲁棒性在博弈的时候别人一下就看出来了。

图5 人机混合智能的基础理论框架

该理论体系通过整合定量数据与定性信息形成了一种状态，并在此基础上生成了一种趋势，在趋势引导下逐步形成了基于公理与非公理领域推演出逻辑决策与直觉决策相结合的决策模式。随后对所形成的态、势、感、知进行了分类区分，并分别赋予了量化指标。

六、小结

1 、《人-机器人交互导论》简介

前面几章主要阐述了机器人工作的基本原理，并涵盖了机器人构成的基础软件与硬件组件。随后深入探讨了不同的人机交互方式及其应用领域，在这一过程中从设计方法到拟人化再到原型工具的设计过程逐步展开，并详细讨论了各种互动方式所体现的人类需求及技术实现路径。其中特别强调的是人类与机器人之间的互动面临的情感交流难题同样重要，并通过该书对相关问题进行了详尽的阐述，在研究方法及决策逻辑上展开了深入分析的同时也对其优缺点进行了全面评估。此外还涉及到了智能设备的普及（如手机化）以及互动性提升等新兴技术的发展趋势

事实上，在机器人领域中除了传统的变速器和减速器这类硬件组件外，在软件层面的变化更为显著。相比之下，在未来的发展态势上将是最大限度地保持机器人原有的硬件设计不变，并且尽可能减少不必要的改动频率。其软件系统逐渐渗透到机器人内部的各个功能模块中，并且这种嵌入方式相较于其他领域的产品来说更加频繁化。这与人体生理结构的变化相比差异并不大……但就智力发展而言则呈现出完全不同的特点：从小到大持续不断的进化和发展过程中发生了巨大的转变。

2 、关于智能框架的思考

智能是由人机交互生态系统中的人与环境不断互动产生的功能与能力相结合的事物。它不仅不是单一的人类大脑,同样不是一个普通人能够独自完成的任务。出生时人类具备的基本智能水平就有限,是随着时间不断成长、与外界进行交流与交互而逐渐发展出来的。

智能化涉及广泛的复杂系统，在其中一些情况下能够突破传统的数理规律与物理规律。其中包含着生理与心理元素的事物，并不完全属于纯粹的科学研究范畴。目前对人工智能质疑较少的原因在于其应用范围已较为广泛且技术日益成熟。因此我们得出结论：现有的人工智能框架并不等同于所谓的"智能"框架；而真正意义上的'智能'基础并非现代数学能够支撑，在未来可能需要建立一套全新的数学体系才能实现这一目标

智慧并非纯粹的大数据。相反，在特定场景下实现灵活配置的少量数据资源以及零数据环境也是一种更为贴切的定义。如果将这一概念被误认为是单纯的大数据分析技术，则会有些偏颇——因为AI系统在某些方面确实具备处理大量信息的能力。然而真正的智慧应当遵循自然规律，在随遇而安的状态下达到平衡：即通过日常小事也能洞悉全局的变化。

智能是实事与价值混合在一起的开放性的计算和算计的决策系统。

智慧并非无所不能；它需要勇气、果感等心理特质作为辅助；反智行为也存在。

当前的人工智能浪潮并非建立在对智能本质认识上的重大进展

3 、关于“计算”与“算计”的五个问题的回答

针对前文提到的五个问题，在全文中有所回答，下面作简单归纳：

探讨有机整体中的数学与逻辑之间的关系。从公理出发构建符号化的逻辑系统用于描述计算过程而算计则建立在私理基础下的非符号化推理机制其间的差异反映了个体间认知模式的独特性

第二部分,符号体系的客观性建立在事实与价值的一致上,其本质基础是无形共识为基础的人类共同认知;算计过程中的核心要素具有转换性,值得注意的是,其核心要素并非单纯的人类思维,计算过程中的主体可能包括人类因素,而其中涉及的主要部分具有相互转换的可能性.具体而言,算计中涉及的主要部分可能包括人物环境之间的实时互动机制,其中谁承担主要角色将决定整体框架的设计方式.特别地,人类作为其中的重要组成部分之一,其作用不容忽视.

第三，计算和算计是符号与非符号的融合，不会落入“计算符号主义”的巢穴。

第四部分也包含有不同层次的辩证关系,既遵循同一律,也包含有不同层次的辩证关系,也包含有不同层次的辩证关系,同时也包含有不同层次的关系和性质,既有同一性也有对立性,既有普遍性也有特殊性,既有必然性也有偶然性。这并非单纯的事物所固有的属性或固有特征,而是在这一过程中存在许多主观因素。在这一过程中存在许多主观因素,"实"与"名"的关系是一个复杂的问题,"说实"与"说实"的关系是一个复杂的问题,"说实"与"说实"的关系是一个复杂的问题,"说实"与"说实"的关系是一个复杂的问题,"说实"与"说实"的关系是一个复杂的问题,"实物""名称""现实""名称""现实""名称""现实""名称""现实""名称""现实""名称""现实","名","义","术",这些概念之间的关系都是相互依存和相互影响的。在此之外还有其他的类别需要考虑进去吗?

第五部分将来的演算与预测中包含其构建的理论体系中融入了感性与理性的新型还原理论以及新型系统论。这些新还原论与新系统论的主要目标是突破传统上由西方或东方各自构建的现有架构，并在此基础上形成一种可能超越以往认知的新结构。这种结构可能形成一种前所未有的结合体，并从历史传统中汲取养分以发展出一种全新的解决方案框架

欢迎大家批评指正！谢谢大家！

​