为什么常常会出现人+机<人的现象？即1+1<1的现象，下面我们将从人类的感性与理性、人机结合的非数学结构性、人机融合意识、人机群论的角度可见一星，星星之火可以燎原。没有基础性的研究，再快的速度也会南辕北辙、再高的楼宇都会岌岌可危，研究人机融合智能尤其如此，严格意义上说，现有的人工智能算法（包括GPT中的Transformer）都依然还是人工智能初级阶段，距离期望中的通用智能仍遥遥无期，所以大家更应多关注一下基础研究而少热衷于跟风。

一、感性与理性

人类理性的因果与感性的因果是不同的，感理性的混合因果与前两者也不完全一致。人类感性中有弥补其中断的想象连贯性。

人类的感性因果关系是指凭借直觉和经验形成的因果关系，而理性因果关系则是指根据科学理论和逻辑推理得到的因果关系。感性因果关系容易受到主观情感和局限性的影响，有时会产生错误的判断。而理性因果关系则更加准确和可靠，能够解释和预测自然现象和社会现象，有助于人类认识和控制世界的规律。因此，我们需要在平衡感性和理性的基础上，科学地认识和应对事物的因果关系。

人类的感性具有跳跃性和想象连贯性。跳跃性指的是人类感性思维中可以不按照线性顺序跳跃地进行思考，从一个感性印象或联想跳跃到另一个感性印象或联想。想象连贯性指的是人类感性思维中可以通过想象和联想将不同的感性印象或体验联系起来，形成一个连贯的整体。这种跳跃性和想象连贯性的特点在创造性思维、艺术创作和文学作品中都有体现。

人类的理性思维中通常不具有跳跃性和想象连贯性。相比于感性思维，理性思维更注重逻辑推理、证明和分析，因此更倾向于按照线性顺序进行思考。但是，在创新领域中，有时候需要跳跃性的思维来产生新的想法和创意。同时，人类的理性思维也可以通过想象和联想来产生新的假设和推论，这种想象连贯性在科学研究和哲学思考中都有体现。但总的来说，相比于感性思维，理性思维更注重逻辑性和系统性。

人类感性中的想象连贯性与人类理性中的想象连贯性有所不同。感性思维中的想象连贯性通常是基于个人的情感和经验，可以通过联想来将不同的感性印象联系起来，形成一个连贯的整体，这种连贯性可能是主观的。而理性思维中的想象连贯性更注重逻辑推理和系统性，是基于理性思考的假设和推论，通过逻辑关系来将不同的概念和观点联系起来，形成一个连贯的体系，这种连贯性更加客观和系统化。当然，感性思维和理性思维在实际应用中往往相互交织、相互影响，两者之间并不是完全分离的。

二、数学的基础

一般而言,数学的基础可以被概括为三条基本原则，即统一律、非矛盾律和排中律。这也被称为经典逻辑原则。1. 统一律：指同一个对象或概念在不同情境下具有相同的性质或规律。例如，两个正整数相乘的结果始终是正整数，无论这两个数是多少，这就是统一律的例子。2. 非矛盾律：指一个命题和它的否定命题不能同时为真。例如，命题“今天是星期日”和“今天不是星期日”这两个命题不能同时为真，因为它们是互相矛盾的。3. 排中律：指一个命题和它的否定命题必须有且只有其中一个为真。例如，命题“明天会下雨”和“明天不会下雨”这两个命题必须有且只有其中一个为真，不能同时都为假。这三条基本原则是数学推理的基础，也是数学证明的必要条件。同时，这三条原则也被广泛应用于其他学科领域，成为了一种普遍的逻辑思维方式。

在经典逻辑的框架下，同一律、非矛盾律、排中律是三大基本定律。但是在量子力学中，这些定律不再适用于微观粒子的行为。量子力学中，同一律不再成立，因为两个粒子可以处于同一个状态。非矛盾律也不再适用，因为在量子力学中，粒子在某些情况下可以同时拥有两种互相排斥的属性。排中律也被违反，因为在某些情况下，两种互相排斥的属性都不会同时出现，也不会同时不出现。因此，可以说量子力学违反了同一律、非矛盾律、排中律。但是需要注意的是，这些定律仍然适用于日常生活和经典物理学中的许多情况。

东方思想与量子力学的关系是一个复杂的话题，有许多不同的观点和解释。一些学者认为，东方思想对量子力学有深刻的启示，因为它们都探讨了物质、意识、观察和真相等基本问题。另一些学者则认为，东方思想和量子力学之间存在一些相似之处，但它们的根本原则和方法仍有很大的不同。无论怎样，我们应该采取开放、探究的态度，认真研究和理解东方思想和量子力学的本质和内涵，以促进不同文化和不同领域之间的对话和交流。同时，我们也应该注意，东方思想和量子力学都是复杂的概念和理论，需要深入思考和研究，不能简单地将它们奉为神圣或神秘的存在。

东方思想与量子力学的联系主要在于它们都强调了整体性、相互依存性和观察者效应。在东方思想中，强调了宇宙整体是一个有机的统一体，万物相互依存，不能孤立地看待任何一个个体。而量子力学中，也揭示了微观粒子之间的相互依存性和整体性，无法将它们孤立地看待。此外，东方思想中的观察者效应指的是观察者的主观意识会影响到客观事物的表现，而量子力学中的测量问题也与之相似，揭示了观察者对于粒子状态的测量会影响到粒子的状态表现。因此，东方思想和量子力学都强调了整体性、相互依存性和观察者效应，这些共同点为两者之间建立了联系。

三、非数学结构

数学结构是指由一组数学对象和它们之间的关系所组成的整体。数学结构可以用来描述和分析各种现象，包括物理、化学、生物、经济、社会等领域中的问题。常见的数学结构包括集合、群、环、域、拓扑空间等等。在数学中，不同的数学结构有不同的性质和特征，可以通过数学方法进行研究和分析。例如，群是由一组元素和一个二元运算所组成的数学结构，它具有封闭性、结合律、单位元和逆元等性质，可以用来描述对称性和对称变换。而环是由一组元素和两个二元运算所组成的数学结构，它具有结合律、分配律和单位元等性质，可以用来描述代数系统。

非数学结构则是指那些不基于数学模型或算法的结构，例如人类语言、音乐、艺术等。这些结构是基于人类的主观感受和创造力，不仅仅是由数学规律所描述的。

非逻辑结构和非数学结构是不同的概念，但二者之间存在一定的关系。非逻辑结构是指那些不符合严格逻辑推理规则的结构，例如模糊逻辑、直觉主义逻辑、模态逻辑等。这些结构不仅仅是基于严格的逻辑规则，也包括人类的主观认知和判断，涉及到语言、文化、情感等非数学领域的因素。二者之间的关系在于，非逻辑结构和非数学结构都是基于人类主观认知和判断的结构，不同之处在于前者涉及到逻辑规则，后者则不涉及。同时，非数学结构中也可能存在非逻辑结构，例如各种艺术形式中的隐喻、象征等非严格逻辑的表达方式。

人类的语言是非数学结构的。虽然语言中有一些类似数学结构的元素，如词汇、语法和逻辑，但这些元素并不是组成语言的全部。语言还包含了非数学结构的元素，如语音、语调、语气等，这些元素无法用数学符号和公式来描述和解释。并且，人类的语言在表达情感、主观体验、文化价值观等方面也远远超出了数学的范畴。因此，人类的语言可以被视为一种非数学的、复杂的符号系统，它具有其独特的特征和功能。

自然语言处理（Natural Language Processing，NLP）既包含数学结构，也包含非数学结构。在NLP的各种任务中，如文本分类、命名实体识别、情感分析、机器翻译等，都会涉及到文本的表示、相似度计算、概率模型、信息熵、最优化问题等数学概念和算法。例如，词向量模型（Word Embedding）和文本分类模型（如朴素贝叶斯、支持向量机等）都是基于数学原理的模型。另一方面，NLP也涉及到语言学、语言哲学、认知心理学等非数学领域的知识。例如，句法、语义、语用等语言学概念，以及人类语言认知和交际的相关研究，都对NLP领域的技术和方法产生了影响。所以，NLP是一个交叉学科，既包含数学结构，也包含非数学结构。

人机交互可以看成非数学结构与数学结构的交互关系。其中，非数学结构指的是人类的语言、情感、认知等方面，而数学结构则是指计算机的算法、数据结构等方面。在人机交互中，人类与计算机之间的信息交流需要通过特定的界面进行，这个界面可以是图形用户界面、命令行界面等。这些界面的设计涉及到人机交互的诸多方面，包括界面的可用性、可访问性、用户体验等。因此，人机交互是一种非常复杂的交互关系，涉及到多个学科领域的知识。

现实生活中的决策涉及到各种复杂的因素，包括经济、社会、文化、政治等多个方面，这些因素往往难以直接量化和评估。例如，政府决策可能会影响整个国家的经济发展，但是这种影响往往需要长期观察和评估才能确定。同样，企业的决策也可能会影响员工的工作和生活，但是这种影响的评估也需要考虑到多种因素，包括员工的反馈、市场变化等。因此，现实生活中的决策往往需要综合考虑各种因素，进行全面的分析和评估。同时，也需要不断进行跟踪和调整，以确保决策的效果最大化。

人机融合智能可以包含结构化和非结构化的数据。例如，当人类与计算机一起处理结构化数据时，可以使用算法和规则来进行计算和分析。但是，当人类与计算机一起处理非结构化数据时，如自然语言、图像、声音和视频等，就需要使用自然语言处理、计算机视觉和语音识别等技术来进行处理和分析。因此，人机融合智能可包含结构化和非结构化数据。

人机融合智能中的非逻辑关系指的是人类与机器之间的互动和合作，不仅仅是简单的逻辑关系，还包括情感、直觉等非逻辑关系。这种非逻辑关系的存在可以使得人机融合智能更加人性化、智能化，提高人机协同工作的效率和质量。同时，非逻辑关系也使得机器更加接近人类，具备更多的人类特征和能力，为人们带来更好的生活体验和服务。因此，人机融合智能中的非逻辑关系是非常重要的，是未来智能化发展的趋势和方向。

这里有个特殊的例子，中医也是一门包含非数学结构的学科。虽然中医也涉及到一些数学知识，例如经脉、穴位、药物的配伍等需要计算的内容，但中医理论主要是基于经验、感性认识和人类主观体验的，不是完全基于数学模型或算法的。例如，中医的诊断和治疗方法主要是基于四诊法、望闻问切等经验方法，而不是采用数学模型进行预测或推理。中医的理论体系是基于中华文化和哲学思想以及对人体和自然界的观察和体验而形成的，其中包含了气、血、阴阳、五行等概念和理论框架。这些概念和框架虽然可以被数字化或形式化，但其本质是非数学的，包含了人类主观认知和判断的因素。

四、机器学习不是真的智能

机器学习是人工智能的一个重要分支，它通过让计算机自动学习和适应数据来完成特定任务，例如分类、预测、聚类等。虽然机器学习已经在许多领域取得了重大的成就，但仍然有人认为它不是真正的智能，这主要有以下几方面的原因：1. 机器学习需要大量的数据：机器学习需要大量的数据来训练模型，这些数据必须是真实的、有代表性的。与人类不同，人类可以通过少量的经验来学习和适应。2. 机器学习缺乏创造性：机器学习算法的决策是基于已有的数据和规则进行的，缺乏人类创造性的发挥。3. 机器学习不能模拟人类的思维过程：机器学习算法的决策过程是通过数学模型来实现的，无法模拟人类的思维过程，也不能像人类一样进行推理和判断。虽然机器学习与人类的智能还存在一些差距，但它仍然是人工智能领域的重要分支之一，能够在许多领域取得显著的成果。同时，随着人工智能技术的不断发展和进步，我们相信机器学习一定会越来越补充人类的智能。

人机融合智能常常导致不智能的原因主要包括以下几点：1. 数据偏差：人机融合智能需要大量的数据作为训练和学习的基础，但是如果数据本身存在偏差，就会导致人机融合智能的结果也存在偏差，无法真正反映客观事实。2. 数据质量：人机融合智能所使用的数据质量也会影响其结果的准确性，如果数据质量不好，例如存在噪声、缺失或错误等问题，就会影响人机融合智能的判断和决策能力。3. 缺乏人类判断力：人类具有丰富的经验和判断力，但是人机融合智能常会根据已有的数据进行学习和决策，无法像人类一样根据丰富的经验和判断力做出正确的决策。机器智能虽然可以处理大量的数据和信息，但是如果涉及到专业知识领域，机器智能往往无法取代人类专业知识和经验。4. 技术局限性：目前人机融合智能技术还存在许多局限性，机器智能只能按照预设的算法和规则进行决策和处理，无法像人类一样灵活适应各种情况和变化。例如对于复杂的情况和问题，人机融合智能还无法做出准确的预测和判断，这会导致人机融合智能的结果不够智能。5. 人机交互的问题：在人与机器智能协同的过程中，人机交互往往存在问题，例如人类语言表达的歧义和机器智能的语义理解问题，这些问题会影响协同效率和准确性。

五、人机融合意识

人机融合意识是指人与机器互动后所产生的意识，即人类意识和计算机能力的融合。换句话说，人机融合意识是一种新型意识形态，将人类意识和计算机能力相互融合，从而实现更加智能化的决策、创造和行动。这种新型意识形态的产生，需要通过技术手段实现人类和计算机之间的紧密连接和交互，例如脑机接口等。因此，人机融合意识并不是简单的人机互动所能实现的，而需要更深入的技术和科学探索。

在现实世界中，人机融合意识目前还没有完全实现。虽然有一些研究在探索人类和计算机之间的交互和融合，但是这种融合仅仅是指意识上的浅层融合，是指通过技术手段将人类的意识和计算机的能力相结合，实现更高效的工作和更智能的决策。在科幻小说和电影中，人机融合意识的想象和描绘比较多，但这还只是虚构的情节，并没有更多的科学依据。

人类的意识是指人类的主观体验和感知，包括感知、思维、情感、意愿和自我意识等方面。具体来说，人类的意识包括以下几个要素：1. 知觉：人类能够感知外界的各种信息，包括视觉、听觉、触觉、味觉和嗅觉等。2. 思维：人类能够运用自己的智力进行推理、分析和判断，从而产生新的认知和理解。3. 情感：人类能够体验各种情感，包括喜悦、悲伤、愤怒、恐惧等。4. 意愿：人类能够自主地做出决策和行动，实现自己的目标和愿望。5. 自我意识：人类能够认识自己的存在和身份，并具有自我意识和自我认知。人类意识是一个复杂而神秘的领域，虽然科学在这方面已经取得了一些进展，但还有很多问题需要进一步研究和解决。

意识和感知是密切相关的两个概念，但并不完全相同。感知是指人们通过感官接受外界信息的过程，包括视觉、听觉、触觉、味觉和嗅觉等。而意识则是指人们对自身和外部世界的主观体验和认识，包括知觉、思维、情感、意愿和自我意识等方面。在感知的基础上，人们才能产生意识。感知提供了外部世界的信息和刺激，而意识则是对这些信息和刺激的加工和解释。意识使人们能够理解和认知外部世界的事物，同时也使人们能够对自身的状态和情感有所体验和反思。因此，感知和意识是相互依存的，没有感知就没有意识，没有意识也就无法对感知的信息进行解释和加工。同时，意识还能够影响感知，人们的意识状态和情感会影响他们对外部世界的感知和理解。

人类感知和机器感知是两个不同的概念，但它们之间存在一定的关系。人类感知是指人类通过感官接受外部信息的过程，包括视觉、听觉、嗅觉、味觉、触觉等。而机器感知则是指计算机和其他机器通过传感器等设备获取外部信息的过程，如图像、声音、温度、湿度等。在一些特定的任务中，机器感知可以模拟人类感知，如计算机视觉、语音识别等。通过机器学习等技术，机器可以从大量的数据中学习和识别图像、声音等信息。但是，与人类感知相比，机器感知还存在很多局限性。例如，在处理复杂场景、识别难以辨认的物体、理解语言的语义等方面，机器感知还远远不能与人类感知相媲美。虽然人类感知和机器感知在一些方面有一定的关系，但它们在本质上仍然存在很大的差异。人类感知具有高度的灵活性、智能性和创造性，而机器感知则更多地依赖于预先设定的算法和模型。

人类感知和艺术感知都是指人类通过感官接受外部信息的过程，但艺术感知更强调人类的审美和情感体验。人类可以通过艺术作品来感知和体验美、善、真等抽象的概念，这种体验是机器无法替代的。而机器感知和技术感知则更强调机器的数据处理和分析能力。虽然人类感知和机器感知的关系不能完全等同于艺术感知和技术感知的关系，但在某种程度上，它们也有一定的类比性。艺术作品是人类的创造物，需要人类的感性认知和主观判断，而技术则是机器的创造物，需要机器的精准计算和客观分析。在这个意义上，人类感知和艺术感知可以被看作是一种“主观感知”，而机器感知和技术感知可以被看作是一种“客观感知”。两者之间的关系是相互补充、相互促进的，它们共同构成了人类社会多元化的文化和科技发展。

六、情景意识与态势感知

情境意识和态势感知都是指人们对周围环境的感知和理解能力，但它们的侧重点略有不同。情境意识强调的是对环境因素的综合理解和分析能力，包括环境的物理特征、人员活动、相关规则和法律等方面的因素。而态势感知则更侧重于对环境变化的敏锐程度，包括发现和识别突发事件、异常行为等方面的能力。在某种意义熵，可以说情境意识和态势感知是紧密相关的，两者相互补充。具有良好的情境意识能够帮助人们更好地理解和分析环境中的变化，从而更快地发现和识别异常情况。而良好的态势感知能力则可以让人们更加敏锐地察觉到环境中的变化，从而更好地应对各种挑战和危险。

情境意识是一个相对抽象的概念，测量情境意识是一项非常复杂的任务，需要综合运用多种方法来评估被试者的情境意识水平。目前，研究者们主要采用以下方法来测量情境意识：1. 问卷调查：研究者设计一份有关情境意识的问卷，并让被试者填写。这种方法的优点是简单易行，可以快速获取大量数据。但是，由于情境意识往往是难以准确描述的，因此问卷调查的结果可能存在一定的主观性和误差。2. 场景模拟：研究者通过设计模拟情境的实验，观察被试者在特定情境下的表现来评估其情境意识水平。这种方法的优点是可以更加真实地模拟情境，从而提高测量结果的准确性。但是，这种方法需要花费大量的时间和精力来设计和实施实验，并且结果可能会受到实验条件和被试者个体差异的影响。3. 观察评估：研究者通过观察被试者在特定情境下的表现，来评估其情境意识水平。这种方法的优点是可以在自然环境中观察被试者的表现，更加真实。但是，这种方法也存在主观性和误差，而且需要对被试者的行为进行细致的记录和分析。

测量态势感知则可以采用以下方法：1. 问卷调查：设计涵盖多个方面的问题，并针对不同领域或场景进行定制，通过参与者的回答来了解他们对当前情况的感知和评估。2. 观察：通过观察人们在不同场景下的行为和反应，了解他们对情况的感知和反应。3. 数据分析：通过对多个数据源的分析，如社交媒体、新闻报道、舆情监测等，来了解当前情况的趋势和人们的态度。4. 专家评估：邀请相关领域的专家进行评估和预测，了解他们对当前情况的看法和态度。5. 焦点小组讨论：邀请一组具有代表性的人员进行讨论，了解他们对当前情况的感知和看法。以上方法可以结合使用，以获得更全面、准确的态势感知。

强化学习可以通过训练智能体来实现情境意识和态势感知，提高机器人/智能体在复杂环境中的智能水平。具体步骤如下：1. 确定环境和状态：首先需要确定情境和状态，包括环境中的物体、人物、声音等信息，以及当前机器人/智能体的状态。2. 设计动作空间和奖励函数：根据情境和状态，设计动作空间，即机器人/智能体可以采取的行动。同时，设计奖励函数，即机器人/智能体在每个状态下采取动作的奖励或惩罚。3. 训练智能体：使用强化学习算法训练智能体，使其在不同情境和状态下能够做出正确的决策。在训练过程中，智能体通过试错来学习最优策略，并根据奖励函数进行优化。4. 测试与优化：将训练好的智能体放入实际场景中进行测试，并根据测试结果进行优化。如果智能体在实际场景中无法做出正确的决策，需要对模型进行调整，重新训练智能体。

但是，情境意识和态势感知是非数学结构，因为它们是基于人类感知和认知的概念。情境意识是指人对周围环境和情境的感知和理解能力，包括对环境的态度、情感、语言和文化等因素的综合影响。态势感知是指人对特定情境下的情况和事件的理解和感知能力，包括对周围环境的感知和对事件的分析和判断。这些概念是基于人类的主观感受和思维模式，而不是基于数学公式或模型。因此，情境意识和态势感知是非数学结构。

同样，机器的情境意识和态势感知也都不是数学结构，它们是人工智能和计算机科学中的概念。情境意识是指计算机系统能够从环境中获取信息、分析信息、理解环境并作出相应的决策的能力。它需要依靠计算机视觉、自然语言处理、知识表示等技术，将感知到的信息转化为可处理的数据，并进行推理和决策。情境意识在智能交通、智能家居、智能制造等领域中有着广泛的应用。态势感知是指计算机系统能够对特定环境或任务进行感知，并根据感知结果做出相应的处理和决策。它需要依靠传感器、数据融合、模式识别等技术，将从环境中获取的信息进行处理和分析，并提供相应的决策支持。态势感知在军事、安防、应急管理等领域中有着广泛的应用。虽然机器情境意识和态势感知中涉及到数学方法和技术，但它们本质上不是数学结构。

七、群论与人机

群论是一种数学分支，研究的是对称性质。具体来说，群论研究的是一种代数结构，即群（group），它在某些操作下保持不变的性质。群论广泛应用于物理、化学、密码学等领域，也是计算机科学中算法设计和数据结构的基础。

人机融合智能可以用群论思考的角度来进行分析和研究。既然群论研究的是对称性和变换的理论，就可以用来描述各种各样的群体行为。在人机融合智能中，可以将人和机器看做是两个不同的群体，通过群论的思想，可以研究两个群体之间的交互、合作、竞争等行为。例如，在人机交互中，可以通过研究人群和机器群之间的协同作用，来提高整个群体的效率和创造力。同时，还可以通过研究不同的群体结构和组织形式，来优化人机融合智能系统的设计和实现。

但人机融合智能不是非对称群。人机融合智能是指人类和计算机系统之间的紧密合作和协同，以达到更高效、更精确、更优质的智能决策和行为。它涉及到多个领域的知识，包括人工智能、机器学习、人机交互等等。而非对称群是指群中的任意两个元素的乘积不一定等于另一个元素，它是数学中的一种概念。虽然人机融合智能中也涉及到一些数学的概念和方法，但是它本质上不是一个数学结构，因此不能被归类为非对称群或其他数学结构。

群论思想可以帮助我们从整体的角度来观察和分析群体行为，从而更好地理解和预测群体的态势变化，为决策提供科学的依据。如可以用来分析和理解群体内部的相互作用、信息传递和演化过程。在态势感知方面，可以将群体视为一个整体，通过观察群体内部的变化和演化，来推断整个群体的态势变化。具体而言，可以采用以下步骤：1. 确定群体：首先需要确定研究对象的群体，比如人群、物流车队、交通流等。2. 确定特征：确定群体的特征，如群体大小、密度、速度、方向等。3. 分析交互：通过分析群体内部成员之间的交互关系，如距离、密度、速度等，来探究群体行为的规律。4. 预测演化：基于已有的交互关系，可以通过模型预测群体行为的演化趋势，并推断群体未来的态势变化。5. 实时监测：通过实时监测群体内部的状态变化，及时更新模型，进一步提高态势感知的准确性和实用性。

总之，通过群论的思想来研究人机融合智能，可以帮助我们更好地理解人和机器之间的关系，进而提高人机融合智能系统的效率和性能。