一
智能是什么？人具有智能的一部分，而不是全部。
智能是東西方文明一直共同關注的對象，孟子曰:“是非之心，智也”（《告子上》）；是非在西方可以用“to be or not to be”來替代，兩者之間的活動——應該（should）即是智能。西方人偏哲學科學是為了反對迷信（神太多），中國人好歷史倫理是以人為本（人不少），其實智能里這些成分都有。智能里包含了邏輯，同時也存在著大量的非邏輯成分，如直覺、非公理、模糊等因素。智能里不僅存在著邏輯/倫理悖論的對抗，而且還隱藏著邏輯/倫理悖論的妥協，本質上是用多元（一切）的可能性通過一元（一）的現實性不失其意的表征，簡言之，就是把萬千的可能性用唯一的現實性表達出來，以簡示繁，彌聚有度。
智能是相關無關化的應該存在，即把表面上無關（本質上存在著千絲萬縷關系）的事物應該相關在一起去發現、分析、解決問題的能力。評價智能好壞的指標是處理問題的復雜程度。首要的關系不是智能和事物的關系，而是：智能就是事物的關系，智能把每一物擁入存在并保持在存在里，就此而言，智能本身即是關聯，不考慮因果的關聯。狹義的智能有時空性（如人工智能），要求在資源有限的情況下適應性地處理信息；廣義的智能則沒有時空性（如智慧），用無限的材質方法去達到目的——這種有無時空的跨界也是智能很難被定義的原因之一。
人們解釋世界常常是秩序（時序）的，但理解世界往往不是如此，改造世界更不是這般!智能提供了使現實在其可能性中顯現的“邏輯空間”。智能使得“可能性優先于現實性”出現了，然后把世界轉變成了一個可能的世界，同時又實現了新的現實性。從這個意義上說，智能就是現實可能性的能力。
智能是由最小的知覺所觸發的適應性交互行為。這種行為的締造者不是人腦，也不是人，而是由人物環境系統相互作用產生的。這種行為在自然和日常中得到體現。知覺是身體感覺和交互行為產生出的關系。所有關涉事物或事實的智能基準點就是“我”的存在，“我”的概念包括了身體、行為、意識、語言、秩序、關系、機制機理等方面，事實上，這個世界是由“我”構建生成的，所有的交互都是以個性化出現的，涉及到外部的事物變化也是個性化的理解，隨著“我”的消失，這些變化就會變化，進而由新“我”一切態勢，其中應該有舊“我”的痕跡。創造性的本質和源泉就是個性化的“我”。“我”從幼兒到兒童到青年到成人就是從無智~意智~情智~理智的過程，也即從本能到智能的過程，這個演化過程可以粗略地用這樣一組類比來體驗一下：照貓畫貓，照貓畫虎，照貓畫豹，照貓畫狗，照貓畫鹿，照貓畫馬，照貓畫猴，照貓畫人，照貓畫外星人…啥也不照就成啦。這是一個從形式到內容再到價值的過程，個性化具有語義形態，大眾化具有語法模式，而連接兩者的就是適用的語用情境。智能是順勢而為，天地人、人機環的合一；智能同時又可逆勢而為，一刀切，出奇制勝（明知不可為而為之）。
智能是關系主觀的建構，智能同時也是對客觀存在的反映，是一種主客觀融合的產物。所謂對客觀存在的描述實際上就是把人物（機）環境系統之間的交互關系梳理清楚、分析干凈。僅以當前的數學模型確實很難，有不完備的成分在。從這個意義上說，大家對智能的突破期待，實際上是對嶄新描述方法和手段的渴望。盡管主客觀二元劃分的方法雖然為人類提供了不少解釋世界的便利，但同時也為改造世界設置了一定的障礙，如何打破之（比如除了主客體之外設立第三體角度），可能是未來的一個突破方向吧！
當前的智能本身就不是單獨的科學或數學或哲學或人文能解決的一個學問。比如說數學，現在的數學可以比較好比較精確描述物理對象，但是比較難描述復雜過程。未來的智能本身也不是以后的某個學科單獨能解決的一個學問。它本質是復雜性問題，需要多領域的不斷地交叉融合。當然，通過一些學科的努力會取得一些進步，但這些進步也許會造成一些隱形的退步或阻礙，簡而言之——進步的退步。
二
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知的過程，所謂認知就是對有用的數據---信息進行采集過濾、加工處理、預測輸出、調整反饋的全過程。
自學習系統就是系統具有能夠按照自己運行過程中的經驗來改進控制算法的能力，它是自適應系統的一個延伸和發展。自學習系統理論也是用于工程控制的理論，它有“定式”和“非定式”兩個方面。前者是根據已有的答案對系統工作狀態做出判斷來改進系統的控制，使之不斷趨近于理想的算法。后者是通過各種試探、統計決策和模式識別等工作來對系統進行控制，使之趨近于理想的算法。
一般而言，人、機、環境（自然、社會）等構成特定情境的組成成分常常會發生快速的變化，在這種快節奏的態勢演變中，由于沒有充分的時間和足夠的信息來形成對態勢的全面感知、理解，所以準確對未來態勢的定量預測可能會大打折扣（但應該不會影響對未來態勢的定性分析）。大數據時代，對于人工智能系統而言，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、冒險等邏輯關系的基礎上，建立起基于離散規則和連續概率，甚至包括基于情感和頓悟的、反映客觀態勢的定性定量綜合決策模型越發顯得更為重要，簡言之，不了解數據表征關系（尤其是異構變異數據）的大數據挖掘是不可靠的，建立在這種數據挖掘上的智能預測系統也不可能是可靠的。
另外，在智能預測系統中也時常面對一些管理缺陷與技術故障難以區分的問題，如何把非概念問題概念化？如何把異構問題同構化？如何把不可靠的部件組成可靠的系統？如何通過組成智能預測系統之中的前/后（剛性、柔性）反饋系統把人的失誤/錯誤減到最小，同時把機和環境的有效性提高到最大？對此，1975年計算機圖靈獎及1978年諾貝爾經濟獎得主西蒙（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、非結構化成分可以延伸成有限時空中可以操作的柔性的概念、結構化成分處理，這樣就可把非線性、不確定的系統線性化、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），進而把表面上無關之事物相關在了一起，使智能預測變得更加智慧落地。
深度態勢認知的含義是“對態勢感知的認知，是一種人機智慧，既包括了人的智慧，也融合了機器的智能（人工智能）”, 是能指+所指，既涉及事物的屬性（能指、感覺）又關聯它們之間的關系（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為主體的態勢感知（包括信息輸入、處理、輸出環節）基礎上，加上人、機（機器、機制、機理）、環境（自然、社會）及其相互關系的整體系統趨勢分析，具有“軟/硬”兩種調節反饋機制；既包括自組織、自適應，也包括他組織、互適應；既包括局部的定量計算預測，也包括全局的定性算計評估，是一種具有自主、自動彌聚效應的信息修正、補償的期望-選擇-預測-控制體系。 深度態勢認知是一種自組織自適應的融合機制，即：融智合能，融情合意，融學合習，融形合神，融慧合通，融態合勢，融科合藝，融文合教，融人合機，融環合境……。
從某種意義上講，深度態勢認知是為完成主題任務在特定環境下組織系統充分運用各種人的認知活動（如目的、感覺、注意、動因、預測、自動性、運動技能、計劃、模式識別、決策、動機、經驗及知識的提取、存儲、執行、反饋等）的綜合體現。既能夠在信息、資源不足情境下運轉，也能夠在信息、資源超載情境下作用。正常的深度態勢認知不是單次就能實現的，它需要根據任務或情境需要不斷的循環迭代以滿足要求。
三
表面上，人機融合智能問題是一個現代科學技術問題，同時也是一個古老的倫理問題。
倫，字典里常常有四種解釋：1輩，類。2人與人之間的關系。3條理，次序。4姓。倫理，就是指的就是人與人以及人與自然的關系和處理這些關系的規則。人們往往把倫理看作是對道德標準的尋求。道德是后天養成的合乎行為規范和準則的東西。它是社會生活環境中的意識形態之一，它是做人做事和成人成事的底線。它要求我們且幫助我們，并在生活中自覺自我地約束著我們。假如沒有道德或失去道德，人類就很難是美好的，甚至就是一個動物世界，人們也就無理性無智慧可言。倫理道德的最現實作用就是使人對事物產生價值觀，而這價值觀恰恰是產生意向（should）和存在（being）的主要源泉，意向性是意識的基礎、存在是規律的反映，人類智能的根本就在于此：：“德化情，情生意，意恒動。”“意恒動，識中擇念，動機出矣。”
傳統邏輯學規范的對象是一種可自控的推理活動。作為對于邏輯學奠基于倫理學之上的一個基本論證，皮爾士強調：“就其一般特征來看，推理現象類似于那些倫理道德活動的現象。因為，推理本質上乃處于自控狀態下的思想，正如道德活動乃處于自控狀態下的活動一樣。實際上，推理是受控活動的一種，因此必然帶有受控活動的本質特征。雖然由于教士專門負責讓你們記住，推理現象并非像道德現象那樣為你們所熟知，但是，如果你們關注推理現象，你們可以很容易看到，一個得出理性結論的人不僅認為它是真的，而且認為每一類似情況下的推理同樣正確。如果他沒有這樣認為，他的推斷就不能稱為推理。它不過是他心中出現的一個想法，他無法抗拒地認為它是真的。而由于沒有經受任何檢查或控制，它并不是被有意認可的，并不能稱為推理。”這里核心的論證結構是：任何可判定好壞的行為都必須是可自控的，邏輯學以區分推理好壞為主要任務，所以作為邏輯規范對象的推理必須是可自控的活動。作為人造的機器、機制而言，其本質必然是可自控的活動結果，而人的則未必完全是邏輯自控的，人機融合智能更不是邏輯的自控推理活動。
人機融合智能是一種新型智能形式，它不同于人的智能、也不同于人工智能，是一種跨物種越屬性結合的下一代智能科學體系。如果說真就是Being，善就是Should，美就是Being+Should的融合；假設機就是Being，人就是Should，那么人機就是Being+Should的融合。同時，人機融合智能也是東西方文明的共同結晶體現。
一般而言，東方文明對于智能的追求永遠是“反求諸己”，企圖打破人自身思維的界限而達到超越性的智慧；西方則是追求借助外力計算實現超越，計算即要求有窮，或者至少極限存在being，函數收斂。而針對無窮發散式的問題，也就是應該should的問題，人工智能很難跨出聚合這一步：人可以超越機，形成人機；機則不能超越人，形成機人。而人機融合智能則能跨出這一步：人的意向性可以靈活自如地幫助人機協調各種智能問題中的矛盾和悖論。
四
人的感覺常常是嵌套混合貫通聯合的，視覺里包含著聽覺觸覺嗅覺和味覺，機器的信號采集／數據輸入則是單純唯一獨立分離的，各種通道模態之間沒有融合交叉。人與機的感覺秩序大相徑庭，刺激與數據、信息與信號差異太大。對人而言，未感覺到的刺激往往被隱藏在感覺到時刺激里，進而形成無意識感覺或下意識感覺。不難相信，這種聯覺或遷移覺在文字、詞語中也有著相似的機理。機器的這種能力至今尚未被開發出來，這或許是人機融合智能方面中的一個瓶頸吧!如何打破“人擅計機長算”的基本架構，數據一多分有全息表征的輸入至關重要，這里面不僅有顯性的個別數值體現，還有默會的眾多關系作用。人的看里包含了大量的其他感覺到的東西，如聽覺、觸覺、嗅覺、味覺，這些聯覺都潛在在視覺里，機器的看沒有聯覺、統覺，機器聽覺等莫不如此……另外，情境中每個東西都有眾多屬性和關系，當前的打標就是九牛一毛，往往打標后掛一漏十白白損失了大量的信息，所以現有的“人工”智能中數據標注工作值得商榷。深入下去，人對這類復合信息的加工也應該是復合并行的處理: 既有邏輯清晰地推理過程，可謂之達理，更有感性豐富地動情發展，可謂之通情；既有基于公理地顯性信息的分析，也有基于非公理地隱含信息的綜合，慢慢形成顯、隱理解的共存，進而演化為顯、隱意向性，為下一步的規劃決策做好準備。在完成情境任務目標的價值驅動下，顯性的意向性可以變成理性決策，隱性的意向性可以演化成直覺決策。
在傳統的人工智能研究中，聯接主義的代表形式是人工神經網絡，主要處理數據；行為主義的代表形式是強化學習方法，主要處理信息（獎懲后有價值的數據）；符號主義的代表形式是知識圖譜和專家系統，主要處理知識和推理（有限的知識及推理）；三者有遞進的味道，但距離人擅長的概念產生和理論建立相距甚遠，尤其是在情感化表征、非公理性推理和直覺決策等方面機器更是望塵莫及!另外，機器學習中的反饋、迭代的生硬艱澀滯后與人的相比也是比較低級，這是因為人的態勢感知能力不但來自科學技術還源于社會學、史學、哲學、文學、藝術等多方面的素養與思維技能，進而產生價值取向（態勢感知的基本預設是: 人可以發現未來的動向并影響它的進程）。機器的態勢感知做不到，所以機器暫時還是單一領域的擅長者（如圍棋、國際象棋等）。一般而言，機器在定義域（人為規則）里比人存儲量大且準確、數據處理快，人在非定義域（自然情境）里比機智靈活且深刻、信息融合好。人的優勢是劃圈（劃分領域/定義域），機的優勢是畫圓（精確執行），人機融合的優勢則是既能劃好圈又能畫團圓（可跨域實現目標），正可謂：人心所想，機器所為。當前的人機融合產品還是共性的（誰都可以用，如手機、電腦），個性化服務的人機智能融合還未真正出現，但已有原始級別的系統悄悄暫露頭角（如個人輔助決策系統等）。
學習，對人而言最重要的是忽略那些非關鍵的數據、忘記那些不重要的信息，從而在諸多事物及其之間發生的各種關系~事實中游刃有余地特征相關、關聯存在、變化應該、統計概念、概率規則、把握因果，可惜的是，目前的機器學習不會忽略不懂忘記，人這種過濾的機理與價值取向判斷有關，弱類似于決策機理，機器沒有價值體系。從透視主義的角度來看，人的認知存在兩類選擇性透視，一是生理功能上的，如對可見光的感受；二是觀念上的，如情境、理論和價值預設。生理功能上的意思就是說我們選擇認識什么不認識什么取決于生理感受與反映乃至內在機制；觀念上是指各種預設使人在認識中會放大、虛構和過濾。人的價值取向相應可分為生理性和社會性，兩者都包含個性化與共性成分，并在不同的情境組合中轉換、釋放出來，形成風格各異的認知特點和規律。迄今為止，這些價值體系尚未賦予沒有個性的機器們。人類意向性的背后就是價值取向，即價值觀倫理性（倫就是類和次序），如何讓形式化（數據化）的機器產生價值取向就是讓它產生意向性，即形式化的意向性，可以有道德有倫理的機器或許可以由此實現，產生不了有價值取向的機器，這一切都難以起始。事實上如何產生有價值傾向的機器，就是人的倫理道德像理性邏輯一樣可描述化程序化問題，即倫理如何變成道理再變成公理原理的進程。此外，人的深度學習也不同于機器的深度學習，人的深度學習是學校教育與社會教育的一致，在于理論與實踐的統一，在于矛盾和悖論的協同……是一種內外共鳴同情的學與習；而機器的深度學習源于人工神經網絡的研究，含多隱層的多層感知器就是一種深度學習結構，深度學習通過組合低層特征形成更加抽象的高層表示屬性類別或特征，以發現數據的分布式特征表示。兩種學習的機制根本不同：一個經過思考和實踐，一個就是仿真和模擬。
為什么人類傾向于用概念、關系和屬性做解釋？這是因為任何解釋都是在認知基本框架（常識）下進行的。人類認識世界理解事物的過程，其實就是在用概念、屬性和關系去認知世界的過程。概念、屬性、關系是理解和認知的基石，機器不能把不同性質的東西聯系起來，人卻可以相關表面上無關的事物。為什么“整體不同于其部件的總和”？因為構成整體的部件（屬性）們產生了關系，有內在的也有外在的，語義的進化也許就是新關系的形成，知識的產生也是各種各樣的新關系被發現的過程，關系有單向性（不是雙向的）和依附性，如何建立起人機之間的雙向關系至關重要，這也是一個突破口和切入點。其中，構造與功能的關系、特征屬性與語義向量關系是當下科研的熱點和難點。
為什么知識圖譜和專家系統在實際應用中漏洞百出、問題層出不窮？其中最重要的原因是關系的梳理沒有到位。其中對于主觀參數和客觀參數的不匹配不協同就是一個重要問題。正如維納對智能控制的定義：“設有兩個狀態變量，其中一個是能由我們進行調節的，而另一個則不能控制。這時我們面臨的問題是如何根據那個不可控制變量從過去到現在的信息來適當地確定可以調節的變量的最優值，以實現對于我們最為合適、最有利的狀態。”如一個認知模型如何處理突出值、價值觀、頻率性、可信度等主客觀融合特性，也許是評判其好壞的主要依據吧。早年Fechner在創立心理物理學時，提出過外部的心理物理學和內部的心理物理學等概念。外部物理世界各種物理刺激作用于人的感官，引起人的內部物理世界的活動，即腦的活動，從而產生內部心理世界的感覺體驗。Fechner認為人的感覺過程既涉及外部物理世界的物理刺激，又涉及內部物理世界的腦活動過程，還有內部心理世界的感覺體驗。他認為外部的心理物理學研究外部物理刺激強度和內部心理世界感覺體驗強度之間的關系，而內部的心理物理學則研究內部物理世界即腦活動強度和內部心理世界感覺體驗強度之間的關系。高級意識是什么呢，有人認為高級意識就是大量的基礎意識的集成，把大量不同種類的基礎意識有機地集成到一起，這種集成應該具有穿越性，能夠把“無關”事物／事實有指向地相關起來，穿越比集成更迅捷。目前看來，單純人的智慧在單個領域落后于人工智能已成為現實，對跨領域超級智能的期待仍無依無據，但是人機融合智能則可以更快更好更靈活地同化外來信息和順應外部變化，是有機與無機的跨界混搭，是記憶與存儲、算計與計算、直覺與間覺、自主與它主、慧與智的彌聚，也許這中融合智能正是未來的方向。
人機融合智能的一個核心問題是介入問題，這也是一個體驗問題，即人與機相互之間何時何處以何種方式（或平滑或迅速）介入的問題，尤其是在歧義點或關鍵閾期間介入的反應時、準確率。例如，交互中機器出現的變形了的非自主“主觀”對人機融合很重要，尤其是在特定定義域（如圍棋）中，可以改變人的習慣和偏好，甚至是世界觀。再如，在融合時彼此之間的接受、容忍、信任、匹配、調度、切換、說服、熟練程度，以及如何訓練出個性化的伙伴關系等都是具體亟待解決的問題。例如未來的人機說服技術，就需要人機之間的通情達理，因勢利導。由于人機融合在細節層面和人人之間的合作幾乎同樣復雜，或者說是有一些另類的復雜問題。因而可以認為，從技術角度講，人機融合智能絕不僅是一個數學仿真建模問題，還應是一個實驗統計體驗擬合的問題。
一般而言，人處理的是所指和異態勢感知，機擅長的是能指和同態勢感知。也許智能科學要發展到哲學的較高層次（Ethics,Politics,Esthetics），再加上大量的模型、數據、算法、應用得以創新之時，HI（人類智慧）與MI（機器智能）才能真正密切融合吧！
五
自動化常常處理結構化數據，智能化往往處理半結構化數據，人可以處理非結構化數據。
自動化的概念是一個動態發展過程。“自動化(Automation)”是美國人D.S.Harder于1936年提出的他認為在一個生產過程中，機器之間的零件轉移不用人去搬運就是“自動化”。這實質上是自動化代替人的體力勞動的觀點。后來隨著電子和信息技術的發展，特別是隨著計算機的出現和廣泛應用，自動化的概念已擴展為用機器(包括計算機)不僅代替人的體力勞動而且還代替或輔助腦力勞動，以自動地完成特定的作業。20世紀50年代末起至今是綜合自動化時期，這一時期迅速發展，迫切需要解決多變量系統的最優控制問題。于是誕生了現代控制理論。現代控制理論的形成和發展為綜合自動化奠定了理論基礎。同時有了新的突破。微處理機的出現對產生了重大影響﹐控制工程師可以很方便地利用微處理機來實現各種復雜的控制，使綜合自動化成為現實。
自動化的廣義內涵至少包括以下幾點：在形式方面，制造自動化有三個方面的含義：代替人的體力勞動，代替或輔助人的腦力勞動中人機及整個系統的協調、管理、控制和優化。在功能方面，自動化代替人的體力勞動或腦力勞動僅僅是自動化功能目標體系的一部分。自動化的功能目標是多方面的，已形成一個有機體系。在范圍方面，制造自動化不僅涉及到具體生產制造過程，而是涉及所有過程。
自動化是一門涉及學科較多、應用廣泛的綜合性科學技術。作為一個系統工程，一般由5個單元組成：1、程序單元：決定做什么和如何做；2、作用單元：施加能量和定位；3、傳感單元：檢測過程的性能和狀態；4、制定單元：對傳感單元送來的信息進行比較，制定和發出指令信號；5、控制單元：進行制定并調節作用單元的機構。自動化的研究內容主要有自動控制和信息處理兩個方面，包括理論、方法、硬件和軟件等，從應用觀點來看，研究內容有過程自動化、機械制造自動化、管理自動化、實驗室自動化和等。
智能化是指由現代通信與信息技術、計算機網絡技術、行業技術、智能控制技術匯集而成的針對某一個方面的應用。從感覺到記憶再到思維這一過程稱為“智慧”，智慧的結果產生了行為和語言，將行為和語言的表達過程稱為“能力”，兩者合稱“智能”。智能一般具有這樣一些特點：1、具有感知能力，即具有能夠感知外部世界、獲取外部信息的能力，這是產生智能活動的前提條件和必要條件；2、具有記憶和思維能力，即能夠存儲感知到的外部信息及由思維產生的知識，同時能夠利用已有的知識對信息進行分析、計算、比較、判斷、聯想、決策；3、具有學習能力和自適應能力，即通過與環境的相互作用，不斷學習積累知識，使自己能夠適應環境變化；4、具有行為決策能力，即對外界的刺激作出反應，形成決策并傳達相應的信息。具有上述特點的系統則為智能系統或智能化系統。
智慧化就是升級版的智能化。就是人機環境系統之間的交互作用最優化，取長補短、優勢互補，除了必要的計算機知識、數學算法外，還應把哲學、心理學、生理學、語言學、人類學、神經科學、社會學、地理學......等等融為一體。
自動化與人工智能兩者之間的關系是一個省力和一個省腦。自動化強調執行能力；智能化強調分析能力。簡言之，自動化是設備按照設定的程序，自動完成工作，多用于流程性很強的單一重復性工作。比如生產制造行業。智能化是通過各種傳感器感知環境狀態，將環境狀態變化情況數據化、變量化。控制系統根據預設的行為規則參照環境變量對目標設備進行控制，使其自動調節狀態完成工作。目前多用于各種環境控制工程。加上傳感器能感知環境變化并且根據變化進行自動調整的自動化就是智能化。就本質言，智能不僅僅是一種工具，還是支配人而不是被人支配的方式，更是主體自我調節之下進行的一種發現問題并定向解決問題能力。
智能化比自動化更高級一點，智能化是加入了像我們人一樣的智慧的程序，一般能根據很多種不同的情況做出很多不同的反應，而自動化就相對要簡單的多，一般會出現幾種情況作同樣的反應，多用于重復性的工程中。智能是有一定的“自我”判斷能力，自動化只是能夠按照已經制訂的程序工作，沒有自我判斷能力。而智慧化相對于自動化和智能化，則更像是“用不完全可靠的元器件，能夠組合成一個可靠運行的系統。”。機器的學習相比人類而言，不深度、不強化、不對抗。知識反映了事物屬性及其之間事實關系的各種動靜態差異性，而學習的目的就是要減少這種不確定性。人的學習是活表征+變判別+柔彌聚+融悖論，機的學習是僵標定+死計算+硬關聯+怕矛盾。
六
人的意向性本質就是靈活性，機器的形式化本質就是模式性，兩者相互咬合驅動，促使智能不斷演化前行。
最后幫大家糾兩個錯，一是人機交互這個概念不全面，深入一點應該是：人機環境系統交互。離開社會環境、自然環境抑或真實環境、虛擬環境談交互很可能就是盲人摸象、刻舟求劍！二是再聊智能時，一定要談交互，沒有交互就不會產生智能，就是把大腦打開研究的倍兒清也沒有用，大腦永遠只是智能/智慧的一部分，沒有了與物（包括機器）、環境之間的交互，它就是一堆神經元或大規模集成生化電路元器件，如狼孩的大腦一般！
維特根斯坦認為:一切偉大的藝術是充滿著人間最原始的沖動。智能或許就是這種藝術形式之一吧。
