有关人机交互的随语

人机之事就是分分合合

有位哲人说只有两类人不犯错，一个是上帝，一个是雕塑。中国儒家思想核心是“仁、义”。杀身成仁、舍生取义的观念已经深深铭刻在中国人民的心里。卢梭说得好，人类正因为从孩子长起，所以人类才有救。

机器容易处理同构的类比，人类擅长对付异构的类比，不但涉及事实性的异构情境，还包括价值性的异构态势。

类比可分为：态类比，势类比，感类比，知类比。

人会自我否定，态、势、感、知的自否，机不能。

大匠能与人规矩，不能使人巧；人能与机规矩，不能使机巧。

一个命题只有找到矛盾才有被进步的可能，机很难能找到矛盾，它更像一个博学的无知者。

人已经走出自己语言的边界，开始使用机器和机制不断扩大自己的边界。

模仿学习的不足，如同一个武术大师，穿上数据衣，教会了一个机器人所有的拳法和套路，结果它可能依然不会武术。

人机互化的智能本质就是使资源更优化的配置。

人的认知往往是从一个确定的部分开始探索复杂性（不确定性）的，其中充满了试错和反思。

类比本质上就是一种人（自动）的抽象。

机器不会提问，小孩子不但能够提问，还能感知好坏。

伦理也在变化，以前表示尊敬的“您”之称谓可以变成拍拍你肩膀的一声“老张”。

应，就是智能体的内在驱动力。

人，大知闲闲；机，小知间间。

一个药品的科学疗效，和人们是否信服或服用这个药物，这两者之间没有必然关系。前者是自然科学研究的对象being，后者才是社会科学研究的内容should。我们必须承认，科学只是一个方法，它有着它适用的边界，千万不要迷信科学，也不要把自然科学的方法无限延伸到社会科学。

有的人，活着是科学，死了，是幻想；有的人，活着是幻想，死了，是科学；两者有什么不同？

协同性（Cooperativeness）常常只是适用于政策而不是用于每一个基本行动。

认知形式化描述是人-机交互中数据采集、分析、处理的核心，如何重构人-机认知过程也是人机交互研究前沿。

集合拓扑～拓扑集合～范畴集合拓扑

人的认知与机的感知不同，它包含概念结构化、集合非结构化的弥聚拓扑，主要源于对事（关系）的非、半标定化，对物的半标定化、标定性表征。 这也是形式化向意向性转化的瓶颈、难点，人的变化多端甚至无常大多植根与此… 概念的准确性程序化使其内涵固化、外延滞化，集合的边界性约束化使其定义域僵化、值域单一化，不能随机有机的灵活拓扑、辐射、迁移、隐喻、类比……

自主～期望+选择+协调+控制+混馈+随机标定

目前所有的自主研究都具有忽悠的嫌疑，能够把半自主或者半自动～人机功能分配搞好些就很不容易了

点、线、面、体，重构解构中产生关系、联系

管理是协调并产生秩序，领导是引领并创造新事物，两者的区别是：一个是构建一个是解构，一个是合一个是分，一个是矛一个是盾，既对立又统一，犹如生活一般。两者都能够使平凡变得不平凡。

意识也许就是各种集合的因应弥聚隐显指向～

什么叫数学证明？简单地说，是在特定的公理系统中按照某种规则或标准（逻辑系统）由公理或已经被证明的结论（定理或命题）推导出的命题，数学证明通常依靠演绎推理。

人工智能缺归纳残演绎弱类比。

理想的模型往往实参固参，真实的模型常常虚实变参。

数据的动态性及信息的动价性决定了决策的不确定性，这种动态有自身的和非自身的动，博弈的不确定性也源于此

现象、规律、价值，最后一项是贝叶斯不准确的源

规律的表现是规则，也是动态变化的，时变法亦变，若现象的表征～数据、信息也变，主观价值也在变，结果能不变吗？

不变的是特征值、大规则、重价值

隐喻不是存在、此在，而是一种变在

生物世界，（活）的规律不大可能可用反映物理世界规律的'计算'来表示和预测

AI本质在试图解决一个经济学的根本问题：供需匹配，知识的affordance

意识就是虫洞

意向性就是不感或弱感而能隐约知

计算机理解机器语言吗？其实也不理解，是机器设计者理解机器语言，机器只是数据处理辅助工具

人类直觉的秘密在记忆，机械的存储不能实现灵活的类比的特征保留组合：

记忆～意向性～主动性～自主性～直觉

机器是存储，不是记忆，所以不能产生概率空间函数～因而没有意向性，只有表层的归纳演绎推理，很难产生深入的事件样本跨情境特征匹配整合，挂一漏万，非深度态势感知
而人则是: 记忆～意向性（跨情境特征选择整合）～主动性～自主性～直觉～深度态势感知

人的记忆～保留原型（活的特征，可概率穿梭时空，随机应变组合，形成跨情跨境）；
机的存储～数据模版（死的数字，机械呆板，就事论事，不能越雷池半步）

存储是形式化的方式，失去了意向性的丰富*～

直觉本质上是一种介于文字和数字（定性定量混杂）的快速表征，是对逻辑的不耐烦。

记忆是匹配而不仅是简单的选择

一是自动化二是人教机三是机助人四是人机互助五是机主人

如何让数据动起来是规则和概率的事，如何让规则和概率动起来现在是人的事，未来希望机能做到～

图形和语言正在走到一起

计算机程序（包括OOD程序）一般都是通过表征、模拟外部对象的行为来“理解”外部对象。比如各种图形辅助设计软件、信息管理软件。
在AI系统里，不自觉地也用类似的办法来“理解”外部世界，问题是物体的表征不是真实物体，模拟物体功能不是物体真实的功能。
对AI系统来说重要是要“知道”外部物体，而不是表征外部物体。可是不用数据（或逻辑）把物体的各种关系表达出来，怎么做到“知道”？
用一定数据和逻辑来表达物体还是必要的，但“理解”不能停留在这些数据上，而是要回到外部物体上。怎样回去？不是要每时每刻都和物体直接打交道，而是要知道数据不是物体，所有在数据上的处理只是“想象”、“模拟”，而不是事实。

AI本质在试图解决一个经济学的根本问题：供需匹配，知识的affordance，无规律的秩序，非存在的有，模糊的清晰，默会的显性

意识的形式化

机器知道的东西必须放在机器之外，放在机器里面的数据机器不可能知道。虽然人觉得在机器里面的东西是机器的记忆、知识，也许是吧，但是关于外部东西的记忆和知识。目前的电脑并不知道它的数据和外部事物的关系。

电脑或AI系统知道它在做什么吗？aphaGo知道它在下棋吗？，Watson知道它在看病吗？计算机知道它运行的程序吗？路由器知道它转发的报文吗？应该都不知道。
对比人，人不知道大脑如何做学习、推理、记忆，但人知道世界上的东西，和这些东西的规律。
还是那个问题，人能知道什么，不知道什么，为什么能知道？对机器，一样的问题，它知道什么？怎么知道的？
知道什么对智能系统非常重要，很难想象什么都不知道的东西会有智能。


功能可供性是知觉领域里的一个新概念，心理学意义的可供性（affordance）认为人知觉到的内容是事物提供的行为可能而不是事物的性质，而事物提供的这种行为可能就被称为可供性。简单来说，我们可以将功能可供性粗略地理解为事物的一种可能的意义，它描述的是环境属性和个体发生连接的过程。

一个认知体，小到草履虫，大到人，也包括机器，如果能够对外界认知，必有某些共同的。这是我希望了解的。这就是我反复想了解affordance的原因。我想至少一点比较清楚了，那就是，事物有的性质，是随主观的情况而变动。而这是认知体的基本属性。不具备这个属性的，恐怕就不是独立的认知体。

人类的“高阶智慧”重要的不是计算，而是理解

直觉不一定和复杂计算或推理有关

哲学上有一对范畴，叫“应该”与“是”。“应该”是一种理想，是一种追求；“是”是一种现状，是一种真实处境。人工智能的发展有两条线---形式化、意向性

大国崛起往往与大规模科幻作品同步出现

      而，我们要去的地方常常没有路……

科幻电影就是一个人～机～环境系统工程