作者：关天海

  智能是种能力，可以像人一样发现问题的本质和与其他事物之间的关系，可以通过之前所处理过的问题（有限的资源）习得经验形成一个判断模式或方法，得以处理更复杂的问题。处理的问题越复杂可以说智能越强。智能可以是主观的已经习得的经验和方法与客观的问题现状进行结合从而解决问题。目前人工智能分为三种流派：联结主义、行为主义、符号主义。但是大多数工作都是在进行识别事物属性的工作，未来会更加注重事物关系层面的研究。

为了更进一步的提高智能水平人、机、环境相互作用的新形式或许是一条非常好的途径。输入方式为硬件传感器信息与人五感收集到的信息。信息处理的方式为人的认知方式和计算机的计算能力结合起来。输出信息的方式将人的价值效应加入计算机逐渐迭代算法的匹配。人处理价值的部分和计算机处理计算的部分。在我看来现在人类利用计算机的模式可能是人来控制计算机完成各种任务，人通过编写程序来控制计算机让其完成任务，任务的各种价值判断已经是人来完成。人们对未来人工智能的构想可能是让计算机或者其他设备完成像人一样的各种价值以及其他的运算。目前我们很难做到这一点，所以退而求其次，人在了解机器的局限性进行操作决策，机器也要更加的贴合人类使用者，在人类的使用的过程中学习和人类的相处模式。在此可能会涉及到一个匹配的问题，人脑的速度和机器的运算速度是天差地别的，如何让人脑去跟上机器的速度可能是一个需要解决的问题。

人机融合的分工也是很重要的部分，结构决定处理问题的方式与速度。要判断哪些需要进行人做好预处理，哪些直接由计算机处理也很重要，可能也需要事先的配合研究归纳出一个合理的范围。

现在人机融合应用于多种场合，一些工作机器人，在军事方面也有作战指挥决策系统，基于对环境的信息的收集，指挥官做出初步的判断，假定方案，计算机生成模型模拟对应情况，与指挥官交流完成细节，最后由指挥官在计算机模拟的方案中做出决策选出最优解。即结合了计算机强大的计算模拟能力，又可以发挥出人对价值的判断，同时也实时更新环境数据可以最快决策。

  智能源于交互，智能与形成数据、信息、知识以及怎样处理、理解交互能力关系很大。交应是数据的交换、互则是内化的过程。机器的智能的关键是产生一点认知。认知方面，概念大多是不能固定表征的，人类智能是可以具体问题具体分析的，并且可以抽象出方法与思想，但是机器很难做到这一点。因此人机融合就是为了解决这个问题，具体的问题交给机器，抽象的思想方法由人来解决。

深度态势感知要研究状态的变形、趋势的变异、感觉的变换、知觉的变异。态与时空有关、势与时空关系不大、感与事实有关、知与价值联系较为密切。事物在的所属关系很复杂也存在变换。

现在AI存在的问题包括人机环境的复杂问题过度简化用AI算法去处理。态势感知的深度不够，忽略了风马牛之间的隐含联系。

人工智能现阶段的可解释性不够，可解释性越高，人们越容易理解为何做出某些决定和预测。可解释性的困难之处在于其包含的不仅是数学语言、自然语言还有思维语言。人机融合可以克服这类困难找到目的和意图。人工智能目前欠缺从已有的经验中获得知识和获得知识的能力，缺乏价值上的类别。并且人工智能缺乏对于常识的感知与认识和应用，缺乏基本的对世界的理解能力。

  军事智能本质的目的在于摧毁对方的博弈意志。研究对象是对手的认知、思维、智能，强调应是什么、应干什么。未来军事智能应是不在意事实和形式而在于背后的价值和意义。目的在于实现更高维度的感知、洞察并实施诈与反诈。因而不能局限于精确的数据，应从全局把握，人机融合显得更加的必要。

  军事智能的发展经历了机械战、信息战，现在阶段随着网络技术的发展出现了网络中心站、算法战、马赛克战。其中网络中心战是利用网络对各地的部队和士兵进行一体化的指挥与控制，实现信息共享提高决策效率。算法战是出现于对于各地部队对数据的分析的需求，通过算法提高处理信息的能力从而帮助进行高效决策。马赛克战是将各简单系统联网，在不同的场景连接不同的模块发挥对应的功效。多域战是指可以联合多域包括陆、海、空、天、网络等作战力量，形成优势窗口，进而创造更多优势窗口，实现对敌压制。

美军军事智能的发展经过了三次抵消战略，即在战争结束初期，国力相对下降，大国挑战加剧，谋求新技术来拉大军事优势的战略。现正处于后疫情时代，正经历百年未有之大变局，美国影响力正在衰退，正处于第三次抵消时期。而该次战略是以利用人工智能和自主技术为首的技术拉大军事优势的战略。DARPA军事智能经历了人工智能研究、战略计算项目、技术发展、自主领域成立四个阶段，研究领域主要在语音识别、环境感知技术、人工智能技术、机器人自主控制技术、自主编组协调技术。

人机环境融合或许是未来智能化战争的关键，人机融合智能中的分工应依靠功能与能力的共同协调，在复杂非结构等的各种的问题中，人类或类人的预处理非常重要，将无界的问题转化为有界问题，进而交给机器进行准确处理。同时也需要智慧化协同作战，将非逻辑的因素考虑其中。

现阶段的态势感知停留在对事实数据的分析，没有去探寻背后的价值即意图。因此需要人机融合智能，人的部分来解决对价值的判断，机器的部分来解决对事实的计算处理。人机融合知识的表征问题是，缺少能够将传感器数据与指挥官的知识融合，适应实际作战场景的弹性知识库。决策机制方面的主要问题是，缺少基于人机沟通的个性化智能决策机制。并且战场上有很多不确定性因素。

反人工智能即与人工智能博弈，通过诈与反诈，来达到干扰敌人。博弈游戏是其中的重要研究内容。反人工智能也应是人机环境系统的自主融合智能系统。在军事方面，人机融合在反人工智能也尤为重要，通过人机融合在数据中进行判断，做到去伪存真。

深度态势感知从态势感知发展而来，态势感知的模型中分为三级从环境中的元素到情景的理解再到未来的预测逐步加深。态势感知的主要问题有八个方面分别是：注意的隧道效应、无法避免的记忆瓶颈、工作负荷、疲劳和其他压力、数据过载、错位、复杂性、错误的心理模型、人不在环综合征。深度态势感知是既包含人的智慧又包含机器的智能，通过彼此协作可以看清事物的本质。深度态势感知能够形成阶跃式人工智能快速搜索对比提炼和运筹学的优化修剪规划预测的认知能力。并且在有时间、任务的压力下深度态势感知可以基于离散的经验性思维认知决策活动。深度态势感知是种主动行为，计算是动态的非线性的，计算也应是自适应的。同时在深度感知系统中我们需要构建起态势的意义框架，在众多不确定的情景下实现深层次的预测和规划。

自主是由内而外，不受外力而行动的、按自己的意图进行。自主系统则是可以应对非程序化或非预设态势，具有一定自我管理能力和自我引导能力的系统。因此自主性在人机融合智能中是非常重要的概念，影响着未来人机融合智能的发展。自主性的重要关键要素是感知，感知大体可分为导航感知、任务感知、系统健康感知、操作感知，在所要操作的任务与对自身的状态进行感知。提升感知能力就能为完成各种任务打下坚实的基础。人机交互也担任着重要的角色，侧重人与机器的双向的认知交互，人可以有效提升机器的能力，机器也可以更好的辅助人进行决策判断。在多智能体参与时，则需要协调或采用分布式协调或采用集中式协调，都需要保证同步化和适应环境情景的动态变换。其中自主协调的方式可以使多个无人平台快速完成协调最优化。自主系统模型应侧重于为实现特定能力所需的人机认知功能与重分配决策，分配方式也随着任务的不同阶段和不同认知层次而不同，并且需要高级系统进行权衡。自主性问题上还有很多地方需要思考：自主性决策系统由于数据偏差会带来很多负面影响。随着协同行动的需要共享态势感知是支持多方协同行动的关键。并且需要构建人机信任度，保证整体的作战可信度，提高执行能力。因此要区分自主与自动的区别，自动往往去得到一个确定的答案，而自主则是可以处理一些非逻辑的问题，不同情景或价值下会进行不同的选择。

人机融合当前有很多瓶颈问题；灵活的表征、有效的处理、虚实的互补输出、人类反思与机器反馈之间的相互协调、和谐的调度，人机之间的信任、人机之间可解释性的阈值。这些问题大多都来自于真正的智能不是场景的、情景的、环境的而是人机环境，若单独从场景和环境出发，则很难产生出满意解和最优解。我们在思考智能时可以借用小孩学习时的过程同化、顺应、平衡、图式。人机之间也应是如此，不过度强调环境而用亲生的体验来达到同化的过程，并且建立起图式的体系。在融合方面，人类与机器存在着本质的区别，人类处理问题的模型是在无限开放的、非线性的环境下不断跨域融合的创造型认知算理模型。机器处理问题则是在有限封闭、线性环境下的经验性计算算法模型。我们需要突破事实和价值分析的传统思维来理解当前的人机融合智能化问题和关系。现代我们在处理智能的问题上，也不应该追求确定与唯一，建立边界来简化问题，这样固然可以使问题变得简单，但是也得不到真正的答案，因此我们应该接受不确定与随机，把其纳入体系中，或许能更加接近真正的智能。

未来人工智能会出现以主动适应环境为特征的第四波AI技术浪潮。人机融合中的主动性互学习、互理解、互助融合能力将成为第四波AI技术浪潮的核心动力。人机环境如何协调共频是人机融合智能的关键。人机融合可以应用在信息融合、态势感知、自主性的相关问题上，提高解决非逻辑性问题的能力。人机融合智能的困难主要体现在人机认知不一致，本质上还是机器与人类的底层逻辑不一样，人类的认知侧重于心理层面，而机器是以数据作为基础。人类的理解易于迁移，机器的理解往往是固定的。现阶段人机融合也缺乏对于意向性的内在感知描述。因此在人机环中，应正确处理人在系统的操作特性，人应该是系统内涵的把控者，才能构建一个良好的智能系统。在用户画像这一应用中，深度态势感知可以更加全面的分析建立用户模型，通过态进行基本的用户数据信息，是自然属性维度。通过势预测发展趋势，判断用户的价值取向。感是利用碎片化的属性，进一步刻画用户行为。知是对势的加深理解，从认知层面刻画用户。再通过反思，四个维度共同作用对比单一从行为入手可以刻画出更为准确的用户画像。

最后智能应该为一种混合的方式即可以Top-Down又可以Bottom-Up，并且可以灵活分配这二者工作机制，来适应各种问题。人机融合智能中应该突出人的意识的目的性，利用人的能力来加强整个系统的因果推理以及对意向型表述的感知，建立起有迁移能力的认知框架，再结合机器所擅长的形式化，从而解决更多现在难以解决的问题。

​

人与机，是与应，算与计，态与势，感与知，弥与聚，博与弈，虚与实.....