衔接时间与空间的是速度，衔接能量与质量的也是速度，衔接实际与价值的会是什么呢?衔接人与机的又会是什么呢?是不断批改的推理规矩?仍是不断批改的规矩推理呢?

DeepMind的阿尔法go、zero、fold中的阿尔法，alpha，即α，是希腊字母表的第一个字母，有第一个、初步、开始的含义。

假如核算是交流实际与价值、态势与感知的途径，那么，估计则是联络主客观、感理性、意形化的虫洞。

人工智能中的“人”并不是一个“人”

一般来说，关于一个详细的使命态势而言，事物的价值量常常环绕其实际(显著性)量而产生改动，但不是确认性的改动，而是不确认性的弥聚改动，时大时小，弥散聚合赋有弹性，这与咱们一般日子中的价值观类似，不断同化适应、批改平衡。就像费曼所说：事物在细小尺度上的行为彻底不像大尺度上的行为。反之，也类似。有时，改动态势中事物的实际量与价值量不是线性改动的，而是像电影里的镜头相同依照自己的逻辑头绪改动，不需求日常的中心时空，既能够惹是生非，也能够有中生无。某些特定的态势下事物的实际性与价值性即使相距的再远，也能瞬间彼此辨认，构成主动形式匹配效应。

人工智能中的“人”不是真“人”。自主并不代表智能，或者说自主是智能的必要而非充分条件，只要具有了价值观的自主体，才干说它是智能体。所以说，实际性自主仅是主动化，价值性自主才是智能化，洞悉性自主更是才智化。真的人常常是没有主体性或本体性的，会跟着体系和体系而改动。

人机互荡，机器处理线性，人处理非线性。

一部好的著作，是世人创造的成果，比方《普通的国际》是路遥写的，是李野墨说的，是艺人演的，是很多读者/听众想的，是各种前言传的……;一个好的智能产品或体系，也是世人创造的成果，比方“阿尔法狗”或“阿尔法元”是Deep Mind开发的，是前人棋谱训练出的，是大众幻想出的，是各种前言传的……

有人说：“理性是杂乱的形式含糊核算，是最节能与最高效的平衡”。其实不然，理性智能不是核算，而是加了估计的计估计机制，这才是杂乱的形式含糊计估计，是最节能与最高效的平衡。计估计机制时常在不一定了解产生工作的切当进程时能给出一个满足的答案，虽然这些进程是不透明的，并且很难明晰的证明能够做什么，不能够做什么。对理性智能而言，规矩是能够被批改的，假如它产生了咱们不愿意承受的推理;推理能够被拒斥的，假如它违反了咱们不愿意修正的规矩。实际转换为价值的进程就是在规矩与被承受的推理之间进行彼此调整的一种奇妙的进程;终究确认的价值就存在于他我或自我达到的协议中。或许，真的不能用人工智能的基本规矩去解说人类智能的规矩。

衔接时间与空间的是速度，衔接能量与质量的也是速度，那么衔接实际与价值的会是什么呢?即用什么目标来衡量值不值得做某件事的问题。这或许是衔接实在与虚拟、实际与虚拟、结构与功用等平行国际的问题吧!

人机交融的对立在于：人发散，机收敛，人辩证，机规矩，一弥一聚，一动一静。再有咱们面临的常常不是一个问题，而是交错在一起的一群不同问题!所以运用单纯的数理逻辑办法很难完成处理的意图，所以还需求一起运用形式逻辑、辩证逻辑，乃至非逻辑手法。

机器学习乃至人工智能的不确认性和不行解说性首要缘于人们发现创造的概括、演绎、类比等推理机制的确有或许导致某种不齐备性、不稳定性和相悖对立性，并且跟着核算规划的不断扩大，这些不确认性和不行解说性越大。而人类的反实际推理、反价值推理能够从虚拟假定视点提早防备或预警这些形式化的天然缺点。把人机交融体作为一个认知主体，更有利于处理杂乱性问题，仅仅需求处理在不同使命下的怎么交融的问题。别的，一人一机的单一交融与多人多机的集体交融从底子机理上也会很不相同，正可谓：三个臭皮匠顶个诸葛亮。

出题逻辑的要害点在于它是二进制的。每个语句(也称为出题)假定为真和假。没有中心答案，也不承受不确认性和概率，只允许两个“真值”，即真和假。热力学比逻辑更挨近大脑的功用。逻辑学被统计学替代，单一单元被调集替代，确认性纯度被概率噪音替代。