摘要：智能产生的机理包含认知、知识、意义、情感、情境等多方面的生成机理，其中休谟之问的解决可以作为智能来源思考的切入点，智能研究应包括非完全信息下的博弈决策与完全信息下的直觉洞察，研究在不完备条件下的归纳、演绎。通过分析类比、数学、直觉三方面与智能的联系，找到智能产生的机制与条件。随后又概要描述军事智能概念与未来趋势，论述人工智能发展的前景—人机融合智能，引出深度态势感知是产生智能的重要方式。

关键词：人工智能  智能  人机融合智能  深度态势感知

伴随着深度学习[1]、强化学习[2]等新一代人工智能技术的发展，智能化已成为社会发展的重要趋势。人工智能（AI）的概念在1956年的达特蒙斯会议上首次被提出，其理论思想逐渐演变为三大流派，分别是联结主义、行为主义和符号主义。三种理论都已经有了深入的研究并在图像识别[3]、自然语言处理[4]、语音识别[5]等领域有了实际应用，但是每种理论在取得了卓越的成就的同时也均存在不足之处。

自古希腊人将欧几里得几何归纳整理成欧几里得公理体系，到牛顿编撰的鸿篇巨著《自然哲学的数学原理》，人类的现代数学和物理知识被系统化整理成公理体系。符号主义的主要思想便是应用逻辑推理法则，从公理出发推演整个理论体系[6]。2011年，基于符号主义的人工智能专家系统IBM的沃森，在电视知识竞赛《危险边缘》（Jeopardy）中击败人类赢得冠军。但是符号主义思想面临四个主要挑战：1.知识的自动获取；2.多元知识的的自动融合；3.面向知识的表示学习；4.知识推理与运用。符号主义虽通过模拟人的思维过程实现人工智能，但在以上四个问题难以有突破性的结果。1959年，Hubel和Wiesel通过观察猫的视觉神经元的反应，证明了视觉中枢系统具有由简单模式构成复杂模式的功能。后来人们逐步发现视觉中枢是阶梯级联，具有层次结构，葡京赌博官网，低级区域识别图像中像素级别的局部的特征，高级区域将低级特征组合成全局特征，形成复杂的模式，模式的抽象程度逐渐提高，直至语义级别。联结主义的基本思想即是模拟人类大脑的神经元网络，将人工神经网络设计成多级结构，低级的输出作为高级的输入[6。但该方法限制于在具有可微分、强监督学习、封闭静态系统任务下才会得到良好的结果，并且训练得到的结果也限制于给定条件的问题上。行为主义思想通过不断模仿人或生物个体的行为超越原有的表现来推进机器的进化，主要依赖具有奖惩控制机制的强化学习方法。然而该方法的缺点在于过于简化人类的行为过程，忽略人类心理的内部活动过程，忽略意识的重要性[7]。

人工智能的优势在于庞大的信息存储量和高速的处理速度，但是无法处理如休谟之问，即从“是”（being）能否推出“应该”（should），也即“事实”命题能否推出“价值”命题；也无法处理情感的表征问题。人工智能尝试通过大数据与逐步升级的算法实现人的情感与意指依旧没有办法实现跨越[7]。

有关智能生成的机理，一直是许多领域关注的焦点问题，涉及面之广、深很是少见，初步梳理可能会与这样几个最基本的问题有关：认知生成的机理、知识生成的机理、意义生成的机理、情感生成的机理、情境生成的机理，甚至还避不开哲学的基本问题：世界的本源是物质的还是意识的？我是谁？从哪里来？到哪里去？认识世界的手段如何？语言是破解人类智能的钥匙吗？心灵与现象的关系如何？等等……

这个问题远不是几位数学家、哲学家、物理学家、计算机专家、自动化专家、社会学者、心理学学者、语言学工作者开几次研讨会所能解决的，历史已经证明，莱布尼兹、维特根斯坦、爱因斯坦、薛定谔、图灵、维纳、香浓、贝塔朗菲、冯诺依曼、西蒙、明斯基、辛顿等先驱大师的智能思想混合在一起并没有发生期待中的化学变化。这个问题有点像爱情生成的机理一样，有一千对罗密欧与朱丽叶、一万双许仙与白娘子的故事就有成千上万的解释和理解。对人类而言，这是一个永恒的话题，是世世代代追求的梦中情人和理想家园。无论如何，“没有人，就没有智能，也就没有人工智能”这个道理依然存在实用。