【摘要】人工智能研究的難點(diǎn)是對認(rèn)知的解釋與建構(gòu)，而認(rèn)知研究的關(guān)鍵問題則是自主和意識現(xiàn)象的破解。本文首先介紹了認(rèn)知科學(xué)及態(tài)勢感知發(fā)展的歷程，回顧了人機(jī)交互中心理與認(rèn)知學(xué)科的研究狀況，指出了認(rèn)知工程研究的未來領(lǐng)域；其次通過對人機(jī)交互中的態(tài)勢感知及自動控制機(jī)制研究的規(guī)律分析，對當(dāng)前人機(jī)領(lǐng)域中的深度態(tài)勢感知研究進(jìn)行了分析；最后對深度態(tài)勢感知研究的發(fā)展前景進(jìn)行了分析。認(rèn)為在充滿變數(shù)的人機(jī)環(huán)境交互系統(tǒng)中，存在的邏輯不是主客觀的必然性和確定性，而是與各種可能性保持互動的同步性。當(dāng)今乃至可見的未來，人機(jī)之間的交互關(guān)系應(yīng)該是相互按力分配、取長補(bǔ)短。 

【關(guān)鍵詞】深度態(tài)勢感知 人工智能 人機(jī)環(huán)境系統(tǒng)交互 哲學(xué)

從某種意義上說，人類文明是一個人類對世界和自己不斷認(rèn)知的過程，所謂認(rèn)知就是對有用的數(shù)據(jù)---信息進(jìn)行采集過濾、加工處理、預(yù)測輸出、調(diào)整反饋的全過程?？v觀人類最早的美索不達(dá)米亞文明（距今6000多年）、古埃及文明（距今6000年）及其衍生出的古希臘文化（現(xiàn)代西方文明的起源，距今3000年左右），其本質(zhì)反映的是人與物（客觀對象）之間的關(guān)系，這也是科學(xué)技術(shù)之所以在此快速發(fā)展的文化基礎(chǔ)；而古印度所表征的文明中常常蘊(yùn)含著人與神之間的信念；時間稍晚的古代中國文明是四大古文明中唯一較為完整地綿延至今的文化脈搏，其核心之道理反映的是人與人、人與環(huán)境之間的溝通交流（這也許正是中華文明之所以持續(xù)的重要原因吧）。

縱觀這些人、機(jī)（物）、環(huán)境之間系統(tǒng)交互的過程中，認(rèn)知數(shù)據(jù)的產(chǎn)生、流通、處理、變異、卷曲、放大、衰減、消逝是無時無刻不在進(jìn)行著的……如何在這充滿變數(shù)的過程中保持各種可能的穩(wěn)定與連續(xù)呢？為此人們發(fā)明了眾多理論和模型，使用了許多工具和方法，試圖在自然與社會的秩序中找到有效的答案和萬有的規(guī)律。直至近代，16世紀(jì)一位天主教教士哥白尼的“日心說”讓宗教的權(quán)威逐漸轉(zhuǎn)讓給了科學(xué)，從此數(shù)百年來，實(shí)驗和邏輯重新建構(gòu)了一個完全不同的時空世界，一次又一次地減輕了人們的生理負(fù)荷、腦力負(fù)荷，甚至包括精神負(fù)荷……

隨著科學(xué)思想的不斷演化，技術(shù)上也取得了長足的進(jìn)步，“老三論”（系統(tǒng)論、控制論和信息論）尚未褪色，耗散結(jié)構(gòu)論、協(xié)同論、突變論等“新三論”便粉墨登場，電子管、晶體管、集成電路還未消逝，納米、超算機(jī)、量子通信技術(shù)更是躍躍欲試，20世紀(jì)4、50年代誕生的人工智能思想和技術(shù)就是建立在這些基礎(chǔ)領(lǐng)域上而涌現(xiàn)出的一個重要前沿方向。但是由于認(rèn)知機(jī)理的模糊、數(shù)學(xué)建模的不足、計算硬件的局限等原因，使得人工智能一直不能快速地由小到大，由弱變強(qiáng)。從目前了解到的數(shù)學(xué)、硬件等研究進(jìn)展上看，短期內(nèi)取得突破性進(jìn)展將會很難，所以如何從認(rèn)知機(jī)理上打開突破口就成了很多科學(xué)家的選擇之處。本文旨在對深度態(tài)勢感知進(jìn)行初步地的介紹與述評，以期促進(jìn)該理論在國內(nèi)的研究與應(yīng)用。

2、深度態(tài)勢感知的理論緣起

2013年6月美國空軍司令部正式任命Mica R. Endsley這位以研究態(tài)勢感知（Situation Awareness，SA）而著名的女科學(xué)家為新一任美國空軍首席科學(xué)家，這位1990年南加州大學(xué)工業(yè)與系統(tǒng)工程專業(yè)畢業(yè)的女博士和她的上一任Mark T. Maybury都是以人機(jī)交互中的認(rèn)知工程為研究方向，一改2010年9月以前美國空軍首席科學(xué)家主要是以航空航天專業(yè)或機(jī)電工程專業(yè)出身的慣例。這種以認(rèn)知科學(xué)為專業(yè)背景任命首席科學(xué)家的局面在美軍其他兵種當(dāng)中也相當(dāng)流行，這也許意味著，在未來的軍民科技發(fā)展趨勢中以硬件機(jī)構(gòu)為主導(dǎo)的制造加工領(lǐng)域正悄悄地讓位于以軟件智慧為主題的指揮控制體系。

 無獨(dú)有偶，正當(dāng)世界各地的人工智能、自動化等專業(yè)認(rèn)真研究態(tài)勢感知（SituationAwareness，SA）技術(shù)之時，全球的計算機(jī)界正努力分析上下文感知（Context Awareness，CA）算法，語言學(xué)領(lǐng)域?qū)τ谧匀徽Z言處理中的語法、語義、語用等方面也非常熱衷，心理學(xué)科中的情景意識也是當(dāng)下討論的熱鬧之處，西方哲學(xué)的主流竟也是分析哲學(xué)（是一個哲學(xué)流派，它的方法大致可以劃分為兩種類型：一種是人工語言的分析方法，另一種是日常語言的分析方法。當(dāng)然，認(rèn)知神經(jīng)科學(xué)等認(rèn)知科學(xué)的主要分支目前的研究重心也在大腦意識方面，試圖從大腦的結(jié)構(gòu)與工作方式入手，弄清楚人的意識產(chǎn)生過程。

我們大家現(xiàn)在生活在一個信息日益活躍的人-機(jī)-環(huán)境（自然、社會）系統(tǒng)中，指揮控制系統(tǒng)自然就是通過人機(jī)環(huán)境三者之間交互及其信息的輸入、處理、輸出、反饋來調(diào)節(jié)正在進(jìn)行的主題活動，進(jìn)而減少或消除結(jié)果不確定性的過程。

針對指揮控制系統(tǒng)的核心環(huán)節(jié)，MicaR. Endsley在1988年國際人因工程（Human Factor）年會上提出了有關(guān)態(tài)勢感知（Situation Awareness，SA）的一個共識概念：“…theperception of the elements in the environment within a volume of time andspace, the comprehension of their meaning, and the projection of their statusin the near future.”（就是在一定的時間和空間內(nèi)對環(huán)境中的各組成成分的感知、理解，進(jìn)而預(yù)知這些成分的隨后變化狀況”）。具體如下圖所示：

該模型被分成三級，每一階段都是先于下一階段（必要但不充分），該模型沿著一個信息處理鏈，從感知通過解釋到預(yù)測規(guī)劃，從低級到高級，具體為：第一級是對環(huán)境中各成分的感知，即信息的輸入。第二級是對目前的情境的綜合理解，即信息的處理。第三級是對隨后情境的預(yù)測和規(guī)劃，即信息的輸出。

一般而言，人、機(jī)、環(huán)境（自然、社會）等構(gòu)成特定情境的組成成分常常會發(fā)生快速的變化，在這種快節(jié)奏的態(tài)勢演變中，由于沒有充分的時間和足夠的信息來形成對態(tài)勢的全面感知、理解，所以準(zhǔn)確對未來態(tài)勢的定量預(yù)測可能會大打折扣（但應(yīng)該不會影響對未來態(tài)勢的定性分析）。大數(shù)據(jù)時代，對于人工智能系統(tǒng)而言，如何在充分理清各組成成分及其干擾成分之間的排斥、吸引、競爭、冒險等邏輯關(guān)系的基礎(chǔ)上，建立起基于離散規(guī)則和連續(xù)概率，甚至包括基于情感和頓悟的、反映客觀態(tài)勢的定性定量綜合決策模型越發(fā)顯得更為重要，簡言之，不了解數(shù)據(jù)表征關(guān)系（尤其是異構(gòu)變異數(shù)據(jù)）的大數(shù)據(jù)挖掘是不可靠的，建立在這種數(shù)據(jù)挖掘上的智能預(yù)測系統(tǒng)也不可能是可靠的。

另外，在智能預(yù)測系統(tǒng)中也時常面對一些管理缺陷與技術(shù)故障難以區(qū)分的問題，如何把非概念問題概念化？如何把異構(gòu)問題同構(gòu)化？如何把不可靠的部件組成可靠的系統(tǒng)？如何通過組成智能預(yù)測系統(tǒng)之中的前/后（剛性、柔性）反饋系統(tǒng)把人的失誤/錯誤減到最小，同時把機(jī)和環(huán)境的有效性提高到最大？對此，1975年計算機(jī)圖靈獎及1978年諾貝爾經(jīng)濟(jì)獎得主西蒙（H.A.Simon）提出了一個聰明的對策：有限的理性，即把無限范圍中的非概念、非結(jié)構(gòu)化成分可以延伸成有限時空中可以操作的柔性的概念、結(jié)構(gòu)化成分處理，這樣就可把非線性、不確定的系統(tǒng)線性化、滿意化處理（不追求在大海里撈一根針，而只滿意在一碗水中撈針），進(jìn)而把表面上無關(guān)之事物相關(guān)在了一起，使智能預(yù)測變得更加智慧落地。

但是在實(shí)際工程應(yīng)用中，由于各種干擾因素（主客觀）及處理方法的不完善，目前態(tài)勢感知理論與技術(shù)仍存在不少缺陷，鑒于此，我們嘗試提出了深度態(tài)勢感知這個概念，具體說明如下。

3、深度態(tài)勢感知的理論表述與模型

3.1 基本觀點(diǎn)

深度態(tài)勢感知含義是“對態(tài)勢感知的感知，是一種人機(jī)智慧，既包括了人的智慧，也融合了機(jī)器的智能（人工智能）”, 是能指+所指，既涉及事物的屬性（能指、感覺）又關(guān)聯(lián)它們之間的關(guān)系（所指、知覺），既能夠理解事物原本之意，也能夠明白弦外之音。它是在以Endsley為主體的態(tài)勢感知（包括信息輸入、處理、輸出環(huán)節(jié)）基礎(chǔ)上，加上人、機(jī)（物）、環(huán)境（自然、社會）及其相互關(guān)系的整體系統(tǒng)趨勢分析，具有“軟/硬”兩種調(diào)節(jié)反饋機(jī)制；既包括自組織、自適應(yīng)，也包括他組織、互適應(yīng)；既包括局部的定量計算預(yù)測，也包括全局的定性算計評估，是一種具有自主、自動彌聚效應(yīng)的信息修正、補(bǔ)償?shù)钠谕?選擇-預(yù)測-控制體系。

從某種意義上講，深度態(tài)勢感知是為完成主題任務(wù)在特定環(huán)境下組織系統(tǒng)充分運(yùn)用各種人的認(rèn)知活動（如目的、感覺、注意、動因、預(yù)測、自動性、運(yùn)動技能、計劃、模式識別、決策、動機(jī)、經(jīng)驗及知識的提取、存儲、執(zhí)行、反饋等）的綜合體現(xiàn)。既能夠在信息、資源不足情境下運(yùn)轉(zhuǎn)，也能夠在信息、資源超載情境下作用。

通過實(shí)驗?zāi)M和現(xiàn)場調(diào)查分析，我們認(rèn)為深度態(tài)勢感知系統(tǒng)中存在著“跳蛙”現(xiàn)象（自動反應(yīng)），即從信息輸入階段直接進(jìn)入輸出控制階段（跳過了信息處理整合階段），這主要是由于任務(wù)主題的明確、組織/個體注意力的集中和長期針對性訓(xùn)練的條件習(xí)慣反射引起的，如同某個人邊嚼口香糖邊聊天邊打傘邊走路一樣可以無意識地協(xié)調(diào)各種自然活動的秩序，該系統(tǒng)進(jìn)行的是近乎完美的自動控制，而不是有意識的規(guī)則條件反應(yīng)。這與《意識探秘》一書中說的當(dāng)學(xué)會一件事物時，有意識的參與反而會影響效率的說法不謀而合。與普通態(tài)勢感知系統(tǒng)相比，它們信息的采樣會更離散一些，尤其是在感知各種刺激后的信息過濾中（信息“過濾器”的基本功能是讓指定的信號能比較順利地通過，而對其他的信號起衰減作用，利用它可以突出有用的信號，抑制/衰減干擾、噪聲信號，達(dá)到提高信噪比或選擇的目的），表現(xiàn)了較強(qiáng)的“去偽存真、去粗取精”的能力。對于每個刺激客體而言，既包括有用的信息特征，又包括冗余的其它特征，而深度態(tài)勢感知系統(tǒng)具備了準(zhǔn)確把握刺激客體的關(guān)鍵信息特征的能力（可以理解為“由小見大、窺斑知豹”的能力），所以能夠形成階躍式人工智能的快速搜索比對提煉和運(yùn)籌學(xué)的優(yōu)化修剪規(guī)劃預(yù)測的認(rèn)知能力，可以做到執(zhí)行主題任務(wù)自動迅速。對于普通態(tài)勢感知系統(tǒng)來說，由于沒有形成深度態(tài)勢感知系統(tǒng)所具備的認(rèn)知反應(yīng)能力，所以覺察到的刺激客體中不但包括有用的信息特征，又包括冗余的其它特征，所以信息采樣量大，信息融合慢，預(yù)測規(guī)劃遲緩，執(zhí)行力弱。

在有時間、任務(wù)壓力的情境下，“經(jīng)驗豐富”的深度態(tài)勢感知系統(tǒng)常常是基于離散的經(jīng)驗性思維圖式/腳本認(rèn)知決策活動（而不是基于評估），這些圖式/腳本認(rèn)知活動是形成自動性模式（即不需要每一步都進(jìn)行分析）的基礎(chǔ)。事實(shí)上，它們是基于以前的經(jīng)驗積累進(jìn)行反應(yīng)和行動，而不是通過常規(guī)統(tǒng)計概率的方法進(jìn)行決策選擇（基本認(rèn)知決策中的情境評估是基于圖式和腳本的。圖式是一類概念或事件的描述，是形成長期記憶組織的基礎(chǔ)?！癟op-Down”信息控制處理過程中，被感知事件的信息可按照最匹配的存在思維圖式進(jìn)行映射，而在“Bottom-Up”信息自動處理過程中，根據(jù)被感知事件激起的思維圖式調(diào)整不一致的匹配，或通過積極的搜索匹配最新變化的思維圖式結(jié)構(gòu)）。

另一方面，深度態(tài)勢感知系統(tǒng)有時也要被迫對一些變化了的任務(wù)情境做有意識的分析決策（自動性模式已不能保證準(zhǔn)確操作的精度要求），但深度態(tài)勢感知系統(tǒng)很少把注意轉(zhuǎn)移到非主題或背景因素上，這將會讓它的“分心”。這種現(xiàn)象也許與復(fù)雜的訓(xùn)練規(guī)則有關(guān)，因為在規(guī)則中普通態(tài)勢感知系統(tǒng)被要求依程序執(zhí)行，而規(guī)則程序設(shè)定了觸發(fā)其情境認(rèn)知的閾值（即遇到規(guī)定的信息被激或），而實(shí)際上，動態(tài)的情境常常會使閾值發(fā)生變化；對此，深度態(tài)勢感知系統(tǒng)通過大量的實(shí)踐和訓(xùn)練經(jīng)驗，形成了一種內(nèi)隱的動態(tài)觸發(fā)情境認(rèn)知閾值（即遇到對自己有用的關(guān)鍵信息特征就被激活，而不是規(guī)定的）。

一個“Top-Down”處理過程提取信息依賴于（至少受其影響）對事物特性的以前認(rèn)識；一個“Bottom-Up”處理過程提取信息只與當(dāng)前的刺激有關(guān)。所以，任何涉及對一個事物識別的過程都是“Top-Down”處理過程，即對于該事物已知信息的組織過程?！癟op-Down”處理過程已被證實(shí)對深度知覺及視錯覺有影響。“Top-Down”與“Bottom-Up”過程是可以并行處理的。

   在大多數(shù)正常情境下，態(tài)勢感知系統(tǒng)是按“Top-Down”處理過程達(dá)到目標(biāo)；而在不正?；蚓o急情境下，態(tài)勢感知系統(tǒng)則可能會按“Bottom-Up”處理過程達(dá)到新的目標(biāo)。無論如何，深度態(tài)勢感知系統(tǒng)應(yīng)在情境中保持主動性的（前攝的，如使用前饋控制策略保持在情境變化的前面）而不是反應(yīng)性的（如使用反饋控制策略跟上情境的變化），這一點(diǎn)是很重要的。這種主動性的（前攝的）策略可以通過對不正常或緊急情境下的反應(yīng)訓(xùn)練獲得。

    在真實(shí)的復(fù)雜背景下，對深度態(tài)勢感知系統(tǒng)及技術(shù)進(jìn)行整體、全面的研究，根據(jù)人-機(jī)-環(huán)境系統(tǒng)過程中的信息傳遞機(jī)理，建造精確、可靠的數(shù)學(xué)模型已成為研究者所追求的目標(biāo)。人類認(rèn)知的經(jīng)驗表明：人具有從復(fù)雜環(huán)境中搜索特定目標(biāo)，并對特定目標(biāo)信息選擇處理的能力。這種搜索與選擇的過程被稱為注意力集中（focusattention）。在多批量、多目標(biāo)、多任務(wù)情況下，快速有效地獲取所需要的信息是人面臨的一大難題。如何將人的認(rèn)知系統(tǒng)所具有的環(huán)境聚焦（environmentfocus）和自聚焦（self focus）機(jī)制應(yīng)用于多模塊深度態(tài)勢感知技術(shù)系統(tǒng)的學(xué)習(xí)，根據(jù)處理任務(wù)確定注意機(jī)制的輸入，使整個深度態(tài)勢感知系統(tǒng)在注意機(jī)制的控制之下有效地完成信息處理任務(wù)并形成高效、準(zhǔn)確的信息輸出，有可能為上述問題的解決提供新的途徑。如何建立適度規(guī)模的多模塊深度態(tài)勢感知技術(shù)系統(tǒng)是首先解決的問題，另外，如何控制系統(tǒng)各功能模塊間的整和與協(xié)調(diào)也是需要解決的一個重要問題。

通過研究，我們是這樣看待深度態(tài)勢感知認(rèn)知技術(shù)問題的：首先深度態(tài)勢感知過程不是被動地對環(huán)境的響應(yīng)，而是一種主動行為，深度態(tài)勢感知系統(tǒng)在環(huán)境信息的刺激下，通過采集、過濾，改變態(tài)勢分析策略，從動態(tài)的信息流中抽取不變性，在人機(jī)環(huán)境交互作用下產(chǎn)生近乎知覺的操作或控制；其次，深度態(tài)勢感知技術(shù)中的計算是動態(tài)的、非線形的（同認(rèn)知技術(shù)計算相似），通常不需要一次將所有的問題都計算清楚，而是對所需要的信息加以計算；再者，深度態(tài)勢感知技術(shù)中的計算應(yīng)該是自適應(yīng)的，指揮控制系統(tǒng)的特性應(yīng)該隨著與外界的交互而變化。因此，深度態(tài)勢感知技術(shù)中的計算應(yīng)該是外界環(huán)境、裝備和人的認(rèn)知感知器共同作用的結(jié)果，三者缺一不可。

研究基于人類行為特征的深度態(tài)勢感知系統(tǒng)技術(shù)，即研究在不確定性動態(tài)環(huán)境中組織的感知及反應(yīng)能力，對于社會系統(tǒng)中重大事變（戰(zhàn)爭、自然災(zāi)害、金融危機(jī)等）的應(yīng)急指揮和組織系統(tǒng)、復(fù)雜工業(yè)系統(tǒng)中的故障快速處理、系統(tǒng)重構(gòu)與修復(fù)、復(fù)雜壞境中仿人機(jī)器人的設(shè)計與管理等問題的解決都有著重要的參考價值。

3.2意義的建構(gòu)

 在深度態(tài)勢感知系統(tǒng)中，我們主要目的不是構(gòu)建態(tài)勢，而是建構(gòu)起態(tài)勢的意義框架，進(jìn)而在眾多不確定的情境下實(shí)現(xiàn)深層次的預(yù)測和規(guī)劃。

 一般而言，感對應(yīng)的常是碎片化的屬性，知則是同時進(jìn)行的關(guān)聯(lián)（關(guān)系）建立，人的感、知過程常常是同時進(jìn)行的（機(jī)的不然），而且人可以同時進(jìn)行物理、心理、生理等屬性、關(guān)系的感與知，還可以混合交叉感覺、知覺，日久就會生成某種直覺或情感，從無關(guān)到弱關(guān)、從弱關(guān)到相關(guān)、從相關(guān)到強(qiáng)關(guān)，甚至形成“跳蛙現(xiàn)象”，類比在這個過程中起著非常重要的作用，是把隱性默會知識轉(zhuǎn)化成顯性規(guī)則/概率的橋梁。根據(jù)現(xiàn)象學(xué)，意識最關(guān)鍵的是知覺，就是能覺知到周邊物體和自身構(gòu)成的世界。而對物體的知覺是自身和物體的互動經(jīng)驗整合而得到的自身對物體的可以做的行動。比如對附近桌子上的一個蘋果的知覺是可以吃，走過去可以拿在手里，可以拋起來等。一般認(rèn)為知覺是信號輸入，但事實(shí)上，計算機(jī)接受視頻信號輸入但是沒有視覺，因為計算機(jī)沒有行動能力。知覺需要和自身行動結(jié)合起來，這賦予輸入信號語義，輸入信號不一定導(dǎo)致一定的行動，必須要結(jié)合動作才有知覺。知覺的產(chǎn)生先經(jīng)過輸入信號、自身運(yùn)動和環(huán)境物體協(xié)調(diào)整合，整合形成經(jīng)驗記憶，再遇到相關(guān)的信號是就會產(chǎn)生對物體的知覺（對物體可作的行動）。當(dāng)然只有知覺可能還不夠，智能系統(tǒng)還需要有推理、思考、規(guī)劃的能力。但這些能力可以在知覺平臺基礎(chǔ)上構(gòu)建。

人與機(jī)器在語言及信息的處理差異方面，主要體現(xiàn)在能否把表面上無關(guān)之事物相關(guān)在一起的能力。盡管大數(shù)據(jù)時代可能會有所變化，但對機(jī)器而言，抽象表征的提煉亦即基于規(guī)則條件及概率統(tǒng)計的決策方式與基于情感感動及頓悟冥想的判斷（人類特有的）機(jī)理之間的鴻溝依然存在。

愛因斯坦曾這樣描述邏輯與想像的差異：“Logic will get you from A to B，Imaginationwill take you everywhere”，其實(shí)，人最大的特點(diǎn)就是能根據(jù)特定情境把邏輯與想像、具象與抽象進(jìn)行有目的的彌聚融合。這種靈活彈性的彌散聚合機(jī)制往往與任務(wù)情境緊密相關(guān)。正如涉及詞語概念時，有些哲學(xué)家堅持認(rèn)為，單詞的含義是世界上所存在的物理對象所固有的，而維特根斯坦則認(rèn)為，單詞的含義是由人們使用單詞時的語境所決定的一樣。究其因，大概源于類似二極管機(jī)理中的競爭冒險現(xiàn)象吧。這種現(xiàn)象在人的意識里也有，如欲言又止，左右為難，瞻前顧后。思想斗爭的根源與不確定性有關(guān)，與人、物、情境的不確定有關(guān)，有限的理性也許與之有某種聯(lián)系吧，關(guān)鍵是如何平衡，找到滿意解（碗中撈針），而不是找最優(yōu)解（海中撈針）。相比之下，最近戰(zhàn)勝圍棋世界冠軍李世石的機(jī)器程序阿爾法狗參數(shù)調(diào)的就很好，這種參數(shù)的平衡恰恰就是競爭冒險機(jī)制的臨界線，就像太極圖中陰陽魚的分界線一般。競爭冒險行為中定性與定量調(diào)整參數(shù)之間一直有個矛盾，定性是方向性問題，而定量是精確性問題，如何又紅又專，往往有點(diǎn)to be or not to be的味道。

對人類而言最最神秘的意識是如何產(chǎn)生的，這個問題一直受到學(xué)者們的關(guān)注。其中有兩個主要問題，一是意識產(chǎn)生的基本結(jié)構(gòu)，二是交互積累的經(jīng)驗。前者可以是生理的也可以是抽象的，是人類和機(jī)器的差異，后者對人或機(jī)器都是必須的。意識是人機(jī)環(huán)境系統(tǒng)交互的產(chǎn)物，目前的機(jī)器理論上沒有人機(jī)環(huán)境系統(tǒng)的（主動）交互，所以沒有你我他這些參照坐標(biāo)系。有人說“當(dāng)前的人工智能里面沒有智能，時下的知識系統(tǒng)里面沒有知識，一切都是人類跟自己玩，努力玩得似乎符合邏輯、自然、方便而且容易記憶和維護(hù)”,此話固然有些偏頗，但也反映出了一定的道理，即意識是人機(jī)環(huán)境系統(tǒng)交互的產(chǎn)物，目前的機(jī)器理論上沒有人機(jī)環(huán)境系統(tǒng)的（主動）交互，所以沒有你我他這些參照坐標(biāo)系，從而很難反映出各種隱含著穩(wěn)定和連續(xù)意義的某種秩序。筆者曾經(jīng)和一位有名的攝影家交流，他曾不無深意地給攝影人說過十句話：1.照片拍得不夠好，是因為你離生活還不夠近。2.用眼睛捕捉的鏡頭只能稱照片，用心靈捕捉的鏡頭才能叫藝術(shù)。3.我所表達(dá)的都是真實(shí)的自我，是真正出于我的內(nèi)心。4.有時候最簡單的照片是最困難的。5.只有好照片，沒有好照片的準(zhǔn)則。6.攝影師必須是照片的一部分。7.我覺得影子比物體本身更吸引我。8.名著、音樂、繪畫都給我很多靈感和啟發(fā)。9.我不喜歡把攝影當(dāng)作鏡子只反映事實(shí)，所以在表達(dá)上留有想象空間。10.我一生都在等待光與景物的交織，然后讓魔法在相機(jī)中產(chǎn)生。這十句話似乎對深度態(tài)勢感知中的意義建構(gòu)也同樣有意義。

有時可把數(shù)據(jù)理解或定義為人對刺激的表示或應(yīng)對，即使是看見一個字，聽到一個聲等等。沒有各種刺激，智能可能無法發(fā)育、生長（不是組裝），愛因斯坦原話說過: “單詞和語言在我的思考工程中似乎不起任何作用。我思索時的物理實(shí)體是符號和圖像，它們按照我的意愿可以隨時地重生和組合?！闭Z言是符號的線性化，語言也限制思維，這些許像人機(jī)智能的差異：一種記憶型（類機(jī)），一種模糊型（類人），人的優(yōu)點(diǎn)在于可以更大范圍、更大尺度（甚至超越語言）的無關(guān)相關(guān)化，機(jī)的局限性恰在于此: 有限的相關(guān)。如描述一個能在三維空間跟蹤定位物體的系統(tǒng)，通過將位置和方向納入一個目標(biāo)的屬性，系統(tǒng)能夠推斷出這些三維物體的關(guān)系。盡管大數(shù)據(jù)冗余也可能造成精度干擾或認(rèn)知過載（信息冗余是大數(shù)據(jù)時代的自保策略）,但在許多應(yīng)用場合，小數(shù)據(jù)也應(yīng)該有很大助益，因為畢竟小數(shù)據(jù)更加依賴分析的精度（其短板是沒有大數(shù)據(jù)的信息冗余作為補(bǔ)償）。 

3.3、人的智慧與人工智能的比較

    到目前為止，機(jī)器的存儲依然是形式化實(shí)現(xiàn)的，而人智慧的往往是形象化實(shí)現(xiàn)的，人工智能的計算是形式化進(jìn)行的實(shí)在，而人的算計往往是客觀邏輯加上主觀直覺融合而成的結(jié)果。計算出的預(yù)測不影響結(jié)果，算計出的期望卻時常改變未來，從某種意義上說，深度態(tài)勢不是計算感知出的，而是認(rèn)知成的，自主有利有弊，有悖有義，是由內(nèi)而外的嘗試修正，是經(jīng)歷的驗證～經(jīng)驗的類比遷移。如果說計算是腦機(jī)，那么算計就是心機(jī)，心有多大世界就有多大。

    有人認(rèn)為：人工智能就是人類在了解自己、認(rèn)識自己。實(shí)際上，人工智能只是人類試圖了解自己而已，因為“我是誰”這個坐標(biāo)原點(diǎn)遠(yuǎn)遠(yuǎn)還沒有確定下來……“我是誰”的問題就是自主的初始問題，也是人所有智能坐標(biāo)體系框架的坐標(biāo)原點(diǎn)，記憶是這個坐標(biāo)系中具有方向性的意識矢量（意向性），與馮諾伊曼計算機(jī)體系的存儲不同，這里面的程序規(guī)則及數(shù)據(jù)信息不是靜止不變的，而是在人機(jī)環(huán)境系統(tǒng)交互中隨機(jī)應(yīng)變的（所以單獨(dú)的類腦意義是不大的），這種變化的靈活程度常常反映出自主性的大小。例如語言交流是自主的典范，是根據(jù)交互情景（不是場景）展開的，無論怎樣測試，都是腳本與非腳本的反應(yīng)，其準(zhǔn)確性的大小可以判定人機(jī)孰非…… 有人把語言分為三指，即指名、指心、指物三者, 并指出研究這三者及其之間的關(guān)聯(lián)一直是人工智能面臨的難題和挑戰(zhàn)。無獨(dú)有偶，19世紀(jì)，英國學(xué)者就提出過能指、所指的概念，細(xì)細(xì)想來，這些恐怕都不外乎涉及事物的屬性（能指、感覺）及其之間的關(guān)系（所指、知覺）問題吧！實(shí)際上，一個詞、一句話、一段文都離不開自主的情境限定，我們知道的要（所指）遠(yuǎn)比我們能說出來的（能指）要多得多吧？! 若不信? 想想你見過的那些眼睛會說話的人吧！溯根追源，究其因，一般是緣于此中的情理轉(zhuǎn)化機(jī)制: 感性是理性的蟲洞，穿越著理性的束縛與約束；理性是感性的黑洞，限制著感性的任性與恣意。正可謂，自主的意識駕馭著情理，同時有被情理奴役著……

智能的本質(zhì)在于自主與“相似”的判斷，在于恰如其分的把握“相似度基準(zhǔn)”分寸。人比機(jī)器的優(yōu)勢之一就是：可以從較少的數(shù)據(jù)中更早的發(fā)現(xiàn)事物的模式。其原因之一就是源于，機(jī)器沒有坐標(biāo)原點(diǎn)，即“我”是誰的問題。對人而言，事物是非存在的有---其存在并不是客觀的，而是我們帶著主觀目的觀察的結(jié)果，并且這種主客觀的混合物常常是情境的上下文的產(chǎn)物，如圍繞是、應(yīng)、要、能、變、等過程的建構(gòu)與解構(gòu)往往是同時進(jìn)行的。另外，即使是同一種感覺，如視覺也具備具體指向與抽象意蘊(yùn)，握手的同時除了生理接觸還可以伴隨心理暗示。人腦在進(jìn)行自主活動時可以產(chǎn)生“從歐幾里得空間到拓?fù)淇臻g的映射“，也就是說在做選擇和控制時，人可以根據(jù)具體目的的不同，其依據(jù)進(jìn)行的相似度基準(zhǔn)（不是歐式空間上的接近性，而是情理上的聯(lián)系網(wǎng)絡(luò)）是在變化的，并依此決定進(jìn)行情境分類實(shí)施。

與機(jī)相比，人的語言或信息組塊能力強(qiáng)，有限記憶和理性；機(jī)器對于語言或信息組塊能力弱，無限記憶和理性，其語言（程序）運(yùn)行和自我監(jiān)督機(jī)制的同時實(shí)現(xiàn)應(yīng)是保障機(jī)器可靠性的基本原則。人可以在使用母語時以不考慮語法的方式進(jìn)行交流，并且在很多情境下可以感知語言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時還具有情感性，常常能夠知覺到只可意會不可言傳的信息或概念（如對哲學(xué)這種很難通過學(xué)習(xí)得到學(xué)問的思考）。機(jī)器盡管可以下棋、回答問題，但對跨領(lǐng)域情境的隨機(jī)應(yīng)變能力很弱，對彼此矛盾或含糊不清的信息不能反應(yīng)（缺少必要的競爭冒險選擇機(jī)制），主次不分，綜合辨析識別能力不足，不會使用歸納推理演繹等方法形成概念、提出新概念，更奢談產(chǎn)生形而上學(xué)的理論形式。

     除此之外，人的學(xué)習(xí)與機(jī)器學(xué)習(xí)不同之處在于: 人的學(xué)習(xí)是碎片化+完整性混合進(jìn)行的，所以自適應(yīng)性比較強(qiáng)，一直在進(jìn)行不足信息情境下的穩(wěn)定預(yù)測和不穩(wěn)定控制，失預(yù)、失控場景時有發(fā)生，所以如何二次、三次……多次及時的快慢多級反饋調(diào)整修正就顯得越發(fā)必要，在這方面，人在非結(jié)構(gòu)非標(biāo)準(zhǔn)情境下的處理機(jī)制要優(yōu)于機(jī)器，而在結(jié)構(gòu)化標(biāo)準(zhǔn)化場景下，機(jī)器相對而言要好于人些。并且這種自適應(yīng)性是累積的，慢慢會形成一種個性化的合理性期望，至此，自主（期望+預(yù)測+控制）機(jī)制開始產(chǎn)生了，且成長起來……“智能的真實(shí)標(biāo)志不是知識，而是想象?！睈垡蛩固拐f：“想象力比知識更重要,因為知識是有限的,而想象力概括著世界的一切,推動著進(jìn)步,并且是知識進(jìn)化的源泉?！碧摌?gòu)是智能的實(shí)質(zhì)表征，從似曾相識、似是而非、似非而是等可強(qiáng)意會弱言傳的現(xiàn)實(shí)存在可見一斑。

    主流機(jī)器學(xué)習(xí)的辦法是：首先用一個“學(xué)習(xí)算法”從樣本中生成一個“模型”，然后以此模型為算法解決實(shí)際問題。而實(shí)際問題常常不嚴(yán)格區(qū)分學(xué)習(xí)過程和解題過程，而把整個系統(tǒng)運(yùn)行分解成大量“基本步驟”，每一步由一個簡單算法實(shí)現(xiàn)一個推理規(guī)則。這些步驟的銜接是實(shí)時確定的，一般沒有嚴(yán)格可重復(fù)性（因為內(nèi)外環(huán)境都不可重復(fù)）。因此一個通用的智能系統(tǒng)應(yīng)該沒有固定的學(xué)習(xí)算法，也應(yīng)該沒有不變的解題算法，而且“學(xué)習(xí)”和“推理”應(yīng)是同一個過程。

    另外，人的學(xué)習(xí)是因果關(guān)系、相關(guān)關(guān)系甚至于風(fēng)俗習(xí)慣的融合，這些有的可以程序化，很多目前還很難描述清楚（如一些主觀感受、默會的知識等），而機(jī)器學(xué)習(xí)顯性的知識內(nèi)涵要遠(yuǎn)遠(yuǎn)大于隱性的概念外延。實(shí)際上，對人的認(rèn)知過程而言，規(guī)則與概率之間的關(guān)系是彌聚性的，規(guī)則就是大概率的存在，概率本質(zhì)則是沒有形成規(guī)則的狀態(tài)。習(xí)慣是規(guī)則的無意識行為，學(xué)習(xí)則是概率的累積過程，包含熟悉類比和生疏修正部分，一般而言，前者是無意識的，后者是有意識的，是一個復(fù)合過程。還有，人處理信息的過程是變速的，有時是自動化的下意識習(xí)慣釋放，有時是半自動化的有意識與無意識平衡，有時則是純?nèi)斯さ穆龡l斯理，但是這個過程不是單純的信息表達(dá)傳輸，還包括如何在知識向量空間中建構(gòu)組織起相應(yīng)的語法狀態(tài)，以及重構(gòu)出各種語義、語用體系。

而且自由調(diào)節(jié)的環(huán)境系統(tǒng)觸發(fā)了自主體系的反向運(yùn)動，由此形成了人機(jī)與環(huán)境之間的多向運(yùn)動或多重運(yùn)動，進(jìn)而導(dǎo)致了矛盾和沖突。這種不一致甚至相反問題的解決常常不是單純數(shù)學(xué)知識力所能及的，一個問題有邊界、有條件、有約束的求解時是數(shù)學(xué)探討，同一個問題無邊界、無條件、無約束求解時往往變成了哲學(xué)研究。例如虛構(gòu)如何修正真實(shí)，真實(shí)怎樣反饋與虛構(gòu)？這將是一個很有味道的問題！

4、結(jié)束語

總之，深度態(tài)勢感知本質(zhì)上就是變與不變、一與多、自主與被動等諸多悖論產(chǎn)生并解決的過程。所以該系統(tǒng)不應(yīng)是簡單的人機(jī)交互而應(yīng)是貫穿整個人機(jī)環(huán)境系統(tǒng)的自主（包含期望、選擇、控制，甚至涉及情感領(lǐng)域）認(rèn)知過程。鑒于研究深度態(tài)勢感知系統(tǒng)涉及面較廣，極易產(chǎn)生非線性、隨機(jī)性、不確定性等系統(tǒng)特征，使之系統(tǒng)建模研究時常面臨著較大困難。在之前的研究中，多種有價值的理論模型被提出并用于描述態(tài)勢感知系統(tǒng)行為，但這些模型在對實(shí)際工程應(yīng)用系統(tǒng)的實(shí)質(zhì)及影響因素方面考慮還不夠全面，也缺乏對模型可用性的實(shí)驗驗證，所以本文重點(diǎn)就是針對深度態(tài)勢感知概念的實(shí)質(zhì)及影響因素這兩個關(guān)鍵問題進(jìn)行了較深入探討，追根溯源，以期早日實(shí)現(xiàn)高效安全可靠之深度態(tài)勢感知系統(tǒng)，并應(yīng)用于相應(yīng)的人機(jī)智慧產(chǎn)品或系統(tǒng)中。

參考文獻(xiàn)      

[1] Turing A M. Computing machinery and intelligence[J]. Mind,1950, 59(236): 433-460.

[2] 司馬賀著,武夷山譯.人工科學(xué).上海:上?？萍冀逃霭嫔?/span>,2004: 1-201.

[3] Lighthill I. Artificial intelligence: A generalsurvey[R]//Artificial Intelligence: A Paper Symposium. London: Science ResearchCouncil, 1973.

[4] 劉偉,袁修干.人機(jī)交互設(shè)計與評價.北京:科學(xué)出版社,2008: 1--68.

[5] Mica R. Endsley、Daniel J. Glrland. Situation AwarenessAnalysis and Measurement. Lawrence Erlbaum Associates, Inc, 2000

[6] R.M.Harnish. Minds, Brains, Computer: An HistoricalIntroduction to the Foundations of Cognitive Science[M].Oxford: Blackwell Publishing Ltd.2008:1-290

[7]José LuisBermúdez，Cognitive Science，Cambridge ：Cambridge University Press，2010:1-36

[8] Anderson C. The long tail: Why the future of business isselling less of more[J]. Journal of Product Innovation Management, 2006, 24(3):274-276.

[9] Hawkins J, Blakeslee S. On intelligence[M]. Times Books,2004.

[10] Kurzweil R. The singularity is near: When humans transcendbiology[J]. Cryonics, 2006, 85(1): 160-160.

[11]劍橋雜感---認(rèn)知的道理：https://blog.sciencenet.cn/blog-40841-684216.html

[12] 劍橋雜感---關(guān)于語言自然性的幾點(diǎn)分析：https://blog.sciencenet.cn/blog-40841-683544.html

本文摘自《山東科技大學(xué)學(xué)報（社科版）》2017.11