道可道非常道，名可名非常名，这两句实际上讲的是交互关系的有限与无限。对于人工智能而言，常常是先名（打标）后道（计算），对于智能而言，往往是先道（筹划算计）后名（定义概念）。

东方的辩证思维或许就是随机应变，西方的逻辑思维或许就是步步为营。《易经》是以中华文化为代表的东方思维的精华，辩证思维或变化关系或者相对范畴是其核心。这种思维的主要特点是整体性、模糊性和不确定性，它强调形象思维、想象力或直觉悟性，以事物多角度事实分析和全局价值系统设计见长。而西方文化和思维主要表现为逻辑思维或者分析思维或者绝对思维，其思维的主要特点是孤立性、准确性和确定性，它强调形式化和形而上学的方法，以结构化数量分析、基于公理的逻辑推理和应用系统分析描述见长，这两种思维方式各有所长，要相互交融，取长补短，相得益彰。贝叶斯的本质是结果随着输入的变化而变化，是一种自底向上bottom-up的常道，锚定论的核心是输出很难为输入所干扰，是一种自上而下top-down的常道，实践中贝叶斯与锚定论的混杂可谓之非常道。比如归纳论认为：相似的原因，在相似的条件下，将永远产生相似的结果，而客观事实证明：相似的原因，在相似的条件下，不一定会产生相似的结果，其中既有锚定论的牵引，也有贝叶斯的扰动。从已知到未知+从未知到已知=最简单的算计，这些已知与未知既包含形式化符号系统也包含非形式化非符号系统，这里的双向计算既包括机器的计算也包括人的计算。

“交互”是这个世界最基本的存在，无时不在，无处不在，正是有了万事万物的交互才产生了许许多多事实与价值的属性、关系，数学一直试图用数、形这两种抽象符号反映出这些事物交互所产生的属性和关系，时至今日，有过成功也有过失败，并且在可见的未来会继续尝试下去，直到取代她的那个事物出现，就像科学取代宗教一样，人机问题为这个新生事物准备了临产盆，也为亲爱的路人们准备了一盏灯，她会伴随人类一直走下去。另外，无论自主系统还是协同工作都离不开学习，这里的学习涉及的是两种机制，即人类学习+机器的学习，对于两者的机理目前都还远远没有搞清楚，对于两者的混合学习机制更是初步的初步。

许多朋友大都不自觉地使用还原思想去处理系统问题。人工智能（产品或系统）不止是技术问题，还必然涉及到许多非技术问题。把AI看成是一个技术问题的人，就不是智能。人机混合智能系统终究不仅是一个数学物理问题，但大家却不自觉地都把它当成了一个数学物理问题去解决，这也就是它仍处在研究初级阶段的主要原因：定位错误。人工智能是典型的数学物理系统，而人机混合智能则往往不是如此，而是一个非完备数学物理系统（主被动态势感知也是如此，它们与人的主观性也有密切关系，却常常被人有选择性的忽略掉了）。现在很多人却把人机环境系统问题当成了计算问题，忽视了更重要的算计问题。未来的人机环境混合智能系统应该是生物数学物理社会复杂系统。

世界或许是由标量与矢量混杂而成的不规范矩阵，溯因推理既人工智能的盲点，更是人类认知的盲点。数据驱动的AI作为一种智能模型，其本质是有缺陷的（忒死板）；知识驱动的AI作为一种智能模型，其本质也是有缺陷的（太灵活）。数据+知识驱动的AI作为一种智能模型，其本质不是有缺陷，而是有大缺陷的：归纳、演绎、因果、自然齐一性等里面充满了各种视而不见和鼠目寸光。如：“太阳每天都会从东方升起”，这个归纳是有问题的，也许有一天，太阳也会不存在了……。数据是事实，知识是半事实，价值是非事实。计算处理事实，算计判定价值，计算计解决事实+知识+价值。

逻辑推理容易利用规则知识，机器学习容易利用数据事实，举一反三容易利用价值判断，触类旁通容易利用责任规范，从人类决策来看，通常需要结合知识、事实、价值、责任以解决问题。研究一个能够融合机器学习、逻辑推理、举一反三、触类旁通并使其协同工作的统一框架，被视为人机智能的顶级挑战。人机之间讲协同，人机环境系统讲协调，深度态势感知讲配合，计算计讲衔接，衔接的往往不是点对点，而是区间对区间。

伪命题是指不真实的命题。所谓不真实，有两种情况：其一是不符合客观事实；其二是不符合一般事理和科学道理。 另一种解释是指没有意义的命题，无法断定其真假，既不是先天的分析命题，也不是可以通过经验判断的综合命题。对当前的智能基础理论而言，人机交互中的“互”可能是一个伪命题，互信任、互学习、互理解、互处理、互决策……这些“互”基本上都是人类单向的，目前的机器还做不到人类的信任、学习、理解、处理、决策，很难实现双向对等的“互”。

只要一个智能体还没有真正实现价值的自主，那么程序事实所提供的自主，对ta就是没有意义的，而价值又常常是隐藏在事实之下很深的东西。计算是共性事实使然，算计是个性价值应然，所以哪怕是从单纯“计算”的角度出发，也不难发现人与机器是异质的。即便都叫“计算”，人的与机器的也是不同的：一个是绘画式计算，一个是照相式计算。

小孩子初始下象棋时往往会犯一个常见的错误——忘记了对方也会采取行动。但对于博弈系统而言，从知彼知己开始，人们在采取对策的时候常常就把对方的行为也计算在内，实现算彼算己，双向计算是人类最简单的算计形式，而且，这种双向计算不仅仅是一般归纳、演绎具象的混合嵌套，还有种因摘果、生因长果的主观设计，更有一心二意、双手互搏的变体临商，某种意义上说，与机器的计算不同，人类的计算里面时时刻刻处处闪烁着可计算性与可判定性平衡问题，进而可以运用“算计”在模糊、矛盾、悖论、冲突、不确定的情况下，进行态势感知的优化与简化的精确性计算。

有学者认为：“意识不是语言或者计算，而是一种语言或者一种计算或者一种函数。意识是定义为一种形式语言，或者说定义为是一种形式函数。或者说定义成一个谓词。或者说定义为一个集合。”，从中不难看出，该学者应该是一位有独立思考的理工科学者。从另外一个角度看，或许，意识更像一个超越了语言、函数、谓词、集合、范畴、计算的“算计”系统，不是用知去识、不是用见去识、不是用标去识，而是用辩去识、是用意去识、是用胆去识，……

对于机器计算而言，“1+1=2”是一个结果，过程是人类设计好的程序代码，而对于人的计算而言，“1+1=2”不仅是一个结果与设计好的程序代码，还隐含着“1”、“+”、“=”等范畴的抽象定义、约定规范、内涵外延、衍生变化等等，尤其是对于主观的“1”是如何转化为客观的“1”的、事物之间事实性与价值性关系为什么用“+”而不是用“*”、等值与等价是如何界定的等潜在问题的存在依然没有清晰的解释。

皮亚杰认知心理学讲四个阶段：图式、同化、顺应、平衡，或许您稍微留神一下就会发现这四个阶段可以分的更细，如事实性的图式、同化、顺应、平衡，价值性的图式、同化、顺应、平衡，责任性的图式、同化、顺应、平衡，期望性的图式、同化、顺应、平衡，非期望性的图式、同化、顺应、平衡，……，联想起算计（盘算），是否也有类似的细分呢：事实性的算计，价值性的算计，责任性的算计，期望性的算计，非期望性的算计……

或许，真正的智能突破不会来自理工领域......