连接时间与空间的纽带是速度，连接能量与质量的也是速度。那么，连接事实与价值的，又是什么呢？而连接人与机器的又是怎样的关系呢？是不断修正的推理规则，还是不断修正的规则推理？
DeepMind的阿尔法Go、AlphaFold及AlphaZero中的“Alpha”，作为希腊字母表的首字母，象征着最初和开端。
如果计算是连接事实与价值、态势与感知的桥梁，那么，算计则是连接主观与客观、感性与理性的虫洞。
在人工智能的语境中，“人”并不是真正的“人”。
通常情况下，针对特定任务的情况，事物的价值常常围绕其显著性量发生变化，但这种变化并非确定性的，而是弥散和聚合的弹性变化。这与我们日常生活中的价值观念颇为相似，价值观不断地同化、调整和修正。正如费曼所言：在微观尺度上，事物的行为与宏观尺度上截然不同。相反，某些情况下，事物的事实量与价值量的变化也并非线性，而是按照独特的逻辑线索变化，仿佛电影中的镜头，无需日常的时间和空间，可以无中生有，也可以有中生无。在特定的态势下，即使事物的事实性与价值性相距较远，它们也能迅速相互识别，形成自动的模式匹配效应。
在人工智能的语境中，“人”并不是真正的“人”。自主性并不等于智能，或者说，自主性只是智能的必要条件，而非充分条件。只有具备价值观的自主体，才能被称为智能体。因此，事实性的自主仅仅是自动化，而价值性的自主才是智能化，洞察性的自主更是智慧化。真正的人常常缺乏主体性或本体性，随系统和结构而变化。
人机之间的互动，机器处理线性，人则处理非线性。
一部优秀的作品，是众多创作者共同努力的结果。例如，《平凡的世界》不仅是路遥的作品，更是李野墨的表达，是演员的诠释，也是无数读者和听众的感悟，来自各种媒介的传播。同样，一个成功的智能产品或系统，也是多方合作的成果，比如“阿尔法狗”或“阿尔法元”，是DeepMind的开发成果，是前人棋谱的积累，是公众想象的结晶，也是各种媒介的传递。
有人曾说：“感性是复杂的模式模糊计算，是最节能与最高效的平衡。”但其实不然，感性智能并非简单的计算，而是加入了算计的计算机制，这才构成了复杂的模式模糊计算，达到最节能与最高效的平衡。计算机制常常在不明确事情发生的确切过程时，给出令人满意的答案，尽管这些过程不透明且难以清晰证明可做什么，不能做什么。对于感性智能而言，规则是可以被修正的，如果它导致了不被接受的推理；而推理也可以被拒绝，如果它违反了我们不愿修改的规则。事实转化为价值的过程，是在规则与被接受的推理之间进行微妙的调整，最终确定的价值存在于个人与他人达成的共识之中。或许，单纯运用人工智能的基本规律无法解释人类智能的复杂性。
连接时间与空间的纽带是速度，连接能量与质量的也是速度。那么，连接事实与价值的又是什么呢？即用什么指标来衡量某件事情的价值。这或许是连接真实与虚拟、现实与虚构、结构与功能等平行世界的问题。
人机融合面临的矛盾在于：人倾向于发散，而机器则趋向于收敛；人善于辩证，机器则遵循规则。这种一弥一聚、一动一静的关系，使得我们面对的往往不是单一问题，而是一系列交织在一起的不同问题。因此，单纯依赖数理逻辑的方法很难实现问题的解决，我们还需要结合形式逻辑、辩证逻辑，甚至非逻辑的方法。
机器学习乃至人工智能的不确定性和不可解释性，主要源于人们发现的归纳、演绎和类比等推理机制，可能导致某种不完备性、不稳定性及矛盾性。随着计算规模的扩大，这些不确定性和不可解释性愈加明显。而人类的反事实推理和反价值推理，能够从虚拟假设的角度提前预警和预防这些形式化的缺陷。将人机融合视为一个认知主体，有助于解决复杂性问题，只需解决在不同任务下的融合方式。此外，单一的人机融合与多人多机的群体融合在根本机制上也存在显著差异，正所谓：“三个臭皮匠顶个诸葛亮。”
命题逻辑的关键在于它是二元的。每个句子（也称为命题）被假定为真或假。没有中间答案，也不接受不确定性和概率，只允许两个“真值”，即真和假。热力学比逻辑更接近大脑的功能。逻辑学逐渐被统计学所取代，单一单元被集合所替代，确定性的纯净被概率噪音所取代。
[[[IMG_1]]]
[[[IMG_2]]]
[[[IMG_3]]]
[[[IMG_4]]]
[[[IMG_5]]]
