维特根斯坦在其《逻辑哲学论》的第一句话是“世界是一切发生的事情。”，第二句话是“世界是由事实构成的，而不是由事物构成的。”。从中不难看出，如何恰如其分地表示事物、事实、事情对世界而言是多么的重要和迫切，所以灵活准确的表征机制机理研究是智能领域最首要、最基本、最困难的问题，而且没有之一。另外，老子在两千多年前的《道德经》中不无深意地提出“名可名非常名”的观点，进而点出了各种表征（命名）的复杂性、动态性和艰难性：一花一世界，一树一菩提。这也意味着，世界上的任何一个事和物都可以与万事万物联系在一起，形成无数种属性的联结和关系的变化。在人机智能融合过程中，机器处理的物理性数据常常是映射、确定、客观、一一性关系，而人处理的认知性信息或知识往往是影射、随机、主观、一多性关系。数据、信息、知识的表征根本就是各种智能形式的起点，一标（识）一意（思）最为常见，也最为好用，比如在一个村子里用张三标识这个人，无论干什么，一喊张三，就是指这个人，从生到死，这个人名字一直都不变，很容易使用也很好用，但是，这个乡镇有很多村子，其中有好几个村子都有叫张三的人，这就形成了一标（识）多意（思），张三这个称谓在乡镇范围内就指多个人，假设这几位张三还都有小名，如狗蛋、猫蛋、鸡蛋，这又会形成多标（识）多意（思）......。人可以对这几位张三的表征可以因时因地因事因理而进行相应的改变，而要求机器实现这种随机应变却不是很游刃有余（尽管它有时也可以根据上下文/背景进行相应区别）的事，随着更多更复杂的事物加入搅合在一起，各种表征会变得越来越叠加、越来越纠缠、越来越复杂，而对已掌握表征规律机理的人类而言，万变不离其宗，“不管风吹浪打，胜似闲庭信步。”，而对于只得表征程序方法的机器而言，不用几变就会跑偏，“元嘉草草，封狼居胥，赢得仓皇北顾。”。对于各种变化的事物而言，表征很难，混合的表征更难，当人机融合在一起处理问题时，尤其是多人多机混杂在一起完成某件事情时，各种数据、信息、知识目不暇接、一拥而上，纷纷而来，很容易搅在一起，不得其要，如何有效地实现这些主客观元素的整合呢？这将需要进行进一步深入地研究和思考表征的道理（表理）和表征的方法（表法）。表理和表法既有联系，又有区别。表理主要回答“为什么这样表征”的问题；表法是主要解决“怎样表征”的问题。表理是表征的依据，是表法的基础，而表法则是依据表理提炼出来的表征方法和规则，它是表理的具体体现。表理为表征提供了正确的思维方式，保证了表征的合理性和可行性；表法为表征提供了便捷的操作程序...。表理与表法对于新数据、新信息、新知识的生成和演化非常重要，而新数据、新信息、新知识的生成和演化对于智能的形成和实现又至关重要。新数据、新信息、新知识又是怎样生成和演化的呢？这或许又是智能领域需要破解的又一个未来难题吧！？当滴滴答答的声音变成摩斯码时，数据变成了新信息；当信息被归纳演绎成一个又一个的概念时，新知识出现了；当知识被恰当地用于不同情境任务时，智能生成了；当智能与伦理道德配位时，智慧就开始萌芽了……一幅好画、一张好照片、一部好电影、一首好诗、一个好小说、一个好试验、一个好产品、一个好系统……无不需要一个好的角度好切入点，研究人机关系也同样需要一个好的角度和切入点。对于人机混合智能这个切入点，有的研究者是从人的角度开始，有的研究者是从机的角度展开，还有的是从人机的角度出发，这些研究都有一定的道理，费曼说：“所有的科学知识本来都不是确定的”，这句话不无道理，横看成岭侧成峰吧！但是，所有的科学知识在一定的情境下又有一定的确定性（不然也建立不了现有实用的科技大厦），比现有确定性更重要的是新的发现和创造，即除了八股文以外的第九股、第十一股……，从这个意义上讲，研究人机混合智能的关键应该是人机环境系统中文理史工等的交叉融合，而顶层设计又是关键中的关键。算计就是自主性运筹，也是融与互的关键。学科交叉、领域融合的目的就是寻找他山之石的等价工具、方法、机制、机理、原则、规律，去掉原有学科领域的狭隘、固执、寸光、静态、相等。未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。
如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”
关注公众号：拾黑（shiheibook）了解更多
[广告]赞助链接：
四季很好，只要有你，文娱排行榜：https://www.yaopaiming.com/
让资讯触达的更精准有趣：https://www.0xu.cn/
人工智能学家
关注网络尖刀微信公众号
