摘 要：
本文從人機認知差異化🧿、意向化與形式化🤾🏽♂️，以及倫理性問題等方面介紹了人機融合智能的研究挑戰，並進一步結合機器直覺、信息融合、態勢感知等關鍵技術探討了人機融合智能的研究和發展現狀🎗👁。最後提出了一套新穎的人機融合智能體系結構，為未來該技術在各領域的廣泛應用和發展提供了通用範式和建議。
關鍵詞：
人機融合；機器直覺🎿；信息融合🧜♀️；態勢感知
智能技術在給現代社會的進步帶來積極影響的同時，也伴隨著人類必須面對的信任危機和倫理困境等挑戰，從而進一步影響意識形態安全🦬。當下的人工智能技術主要建立在以數學建模為基礎的歸納邏輯體系上🤸🏿，即通過將歸納總結的特定“知識”應用到現實場景中去解決實際問題，“效仿”人類智能🏃➡️。盡管目前的人工智能技術在圖像、語音、文本等領域有著超越人類智能數倍的效率和速度👨🏿⚕️，然而卻對人類所具有的創造性😽、社會性🏄🏿、自主意識、道德判斷和感情能力等高級思維能力仍然束手無策，甚至人類自身對這些高級功能的生物學機理的研究依舊處於初級階段🤳🏽。正是在這樣亟待實現技術大跨越的背景下🏃🏻♂️➡️，把人類和機器的優點和長處相結合的人機融合智能孕育而生。區別於傳統的人工智能和人類智能👵🏽，人機融合智能是人、機和環境三種因素相互之間交互作用所產生的一種新的智能形式，是將人類智能中的聯想性、感性思維與人工智能的知識性、理性思維相結合➖，形成一套嶄新的智能適配機理⛲️。它既包含了人類智慧，也蘊含了機器智能，同時融合孕育新的智能升華🙏🏻。
在人機融合智能中，人通過逐步提升自身的主觀認知能力來分析感知外部環境，這一過程涉及多個層次🧚🏿♀️，例如記憶層、意圖層6️⃣、感知層🍬、決策層和行為層🤦🏽♀️，人在認知的過程中，形成了具有主觀性的思維；機器則通過自身的傳感器獲取數據𓀓🧖♂️，感知和分析外部環境，其過程包含知識庫、目標層、信息感知層、任務規劃層和行為執行層，同時在這一過程中培養客觀🛵、形式化的思維。這種層次化的模式促進了人機融合的協同感知👮🏼♂️、認知交互、融合決策與行為增強，實現人🥹、機、環境相互協同過程中人類智能與機器智能的融合協同🍓。隨著新一輪科技革命的發展🛝，人機融合智能將在態勢感知、智慧醫療❤️、人機共駕智能駕駛和雲機器人等各領域得到廣泛應用，並可能帶來顛覆性變革。因此，研究和探索人機融合智能的發展和未來具有重大的科學意義。
人類智能和機器智能在時間🤵🏻、空間和認知上的差異導致融合過程較難進行。人類對於時間和空間的認識是具有主觀性的🛎，其包括了人類的主觀意識和推測🙎🏻。機器對於時間和空間的感知和認知具有客觀性和一般的形式化表示🏊🏽。在認知方面⛵️，人的知識學習、因果推理、決策選擇等行為具有很強的泛化性🟦，會根據具體環境和人類的主觀意識發生改變；機器智能中的知識學習🤮、邏輯推理和選擇判斷的機製是由設計者為特定的時間和空間任務設置的，並不能保證與任何時間和空間下的場景一致，泛化性很差。因此人機認知存在著較強的差異性。
意識性是一種對內在感知的描述能力，而形式化是對外在感知的描述能力。形式化是人們從空間上對事物的直觀認識，而意識性更傾向於在時間維度上的延伸🍙。人類智能本身就是意識性與形式化的有機結合、外在內在感知主客體相統一的，而人機融合所面臨的挑戰是如何架起意識性和形式化連接的橋梁👨🏿，從而使人機融合系統具備在信息不完備的情況下進行聯想學習、跨領域學習，以及在突發態勢根據直覺做出快速決策的能力。
休謨問題是指從“是”推斷出“應該”🤬，也就是要回答從事實命題能否推出價值命題🐌。事實指的是由因果推理獲得的知識和經驗🧑🏿💼，是可以用推理解決的確定性的公理化問題。休謨問題雖然表面上是一個著名的哲學難題👨🏿🏭，實際上也是一個通用人工智能的瓶頸和難點⬛️👂🏽，而通過人機融合有望解決該問題，即人協助機器解決價值問題。倫理問題是人機融合智能體系的一個重要研究課題。如智能技術的範疇歸屬等的人機融合智能倫理問題，是人機融合智能未來發展的關鍵問題。它不僅包含了人工智能的倫理問題📊，還包括了人機融合後的責任歸屬問題。
未來的人機融合智能形式旨在把人和機器有機地整合在一起。這種適配性包括兩部分，一部分是相互適應；一部分是互相配合🧖🏻♂️。若把機器看成是建立在確定性數據、算法和算力基礎上的實體，那麽人則應是建立在隨機性知識🏩、推理和算理基礎上的實體，其中的知識具有主觀性🚵🏿🧚🏼♂️、強彌聚🚧、富彈跳和不確定等特性。為此，考慮人所蘊含知識的直覺性和主觀性，繼而引出的機器直覺技術，是實現人機融合智能不可或缺的部分。張立華等於 2020 年首次明確給出了關於機器直覺的定義和研究內涵：“機器直覺是一門研究如何利用計算機模擬或實現人類的直覺決策能力的人工智能領域的新的學科方向，是一種探索邁向通用人工智能的新理論和新途徑🅿️𓀒。”根據已有的直覺機理研究，機器直覺技術的主要特點包括🧑🏽🦲：① 機器直覺以計算機為載體，需要與環境進行快速的交互👳🏽🙍🏽♂️；② 機器直覺以數據為研究對象，但所處理的數據往往缺乏可靠性或只能部分反映環境信息；③ 機器直覺對數據的處理是全局的、總攬的🍠，可以看部分而知整體𓀜🐪，看現象而知本質🦹🏻；④ 機器直覺可以對已有的數據、知識和經驗進行聯結變異，以獲取新的知識與經驗。
2.2 信息融合技術
人機融合離不開機器的動態感知，機器的動態感知離不開多傳感器的信息融合🏊🏻。信息融合技術綜合多個傳感器采集到的信息，進行數據預處理、數據關聯、數據決策和數據融合😳。在面對復雜環境和不確定因素時，只依靠傳感器數據很難進行有效決策🧳，需適時加入人的選擇與判斷信息，做到人機信息融合，這是人機融合智能技術的關鍵之一。許多高級信息融合問題可能包含很多不確定性的處理🕊，以及模型領域外的知識🧑🏼🦳，例如自動駕駛過程中對突發事件的處理💆🏻♀️。而人類在處理不確定性問題上具有先天優勢🤛👩🏿🍼，因為人類的知識域相比機器更加廣闊，還可以利用直覺能力對信息進行更加綜合和全面的認知與處理，所以在信息融合中添加人的決策與判斷至關重要，這使得人機融合智能技術在感知與判斷、分析與決策方面體現出巨大潛力🩱。
態勢感知最初應用於航空領域，之後迅速發展並擴展到軍事指揮、物流、能源系統🏕、健康醫療和航天等領域，本質上是將人類智能和機器智能融合起來的人機智慧。這一領域既對事物的屬性進行研究👋🏻，也與事物之間的關系存在關聯🪰；既能理解客觀事物本身的意義🐼，又能感知畫外之音🫳⬇️。態勢感知涉及自適應和自組織🤶🏻🧛🏿♀️，也涉獵到他組織和互適應🏄🏽♀️；此外♿️👩🚒，它還包含全局的定性計算評估和局部的定量計算預測，從而構成了一種具有自主性和自動彌聚效應的信息修訂的體系，其包含期望👨❤️💋👨👮🏻♂️、選擇🧑🏼🤝🧑🏼、預測和控製四個層面🌠。安德斯雷等提出了態勢感知的相關模型試圖來理解個體心中感知或是意識的形成過程⇾，提出經典的理解🚶🏻➡️、感知和預測三層模型。根據該模型，一系列因素會影響對數據的感知👃🏼，包括正在執行的任務、復雜程度和自動化程度。威肯斯團隊在此基礎之上提出了基於視覺與記憶的註意情境感知模型🟢🫃🏽，這標誌著對態勢感知的研究可以找到客觀參數🈳👰🏻♀️，並以此來表征被試的態勢感知。近年來新興的人工智能相關技術與態勢感知相結合以實現人機交互，並最終實現人機融合智能🟫。
增強智能通過將人類擅長的推理🙊、創造力、判斷力和靈活性等技能與機器在完美回報🧊、準確性👨🏻🦰、速度和邏輯等方面出色的能力相結合🧑🏽🍳，以增強或者改善人類使用諸如機器學習、深度學習等算法與技術的能力及效率👨🦼➡️，使人類認知表現及處理事務的能力得到大幅提升，從而能夠快速高效地解決更多⚡️、更復雜的各種問題🏃➡️。增強智能主要包括混合增強智能和認知計算兩部分。在混合增強智能中，人類智慧的循環情報系統可以實現人類智能到人工智能的知識學習，以及人工智能到人類智能的合作反饋。這種雙向信息交換和控製機製能夠通過整合人類感知⚄、認知能力、機器計算和存儲能力來實現，最終可以處理來自大規模、不完整👨👩👧🧷、非結構化知識庫的信息，避免人機融合智能帶來的失控風險🤯😞。除此之外，認知計算通過研究人類信息處理系統與現代計算機之間的有效合作機製🚍✹，或能解決人機融合智能的長期規劃與推理問題。
如圖 1 所示🧛♂️，本文結合人機融合智能的發展特點和技術優勢👨🏽🍼，提供了一套通用的人機融合智能體系框架。具體而言，在信息輸入端，人機融合智能不是單獨利用機器獲取的客觀數據，或者僅使用人類感知器官獲得的主觀信息🔺，而是將人類觀測數據和機器感知數據有機結合起來，兩者互為補充🤚🏻，從而得到基於人 - 機 - 環境交互產生新的輸入信息。在信息處理端，人機融合智能利用人機不同的優勢📪，把人類的認知優勢和機器的計算優勢相融合👐🏽，從而開拓新型理解途徑💽。人機融合智能不僅結合了受人類認知優勢啟發的機器直覺和認知計算技術，而且考慮了機器計算優勢所提供的信息融合和高性能計算技術👽。此外☝️，受益於態勢感知，增強智能，以及人機交互技術將主觀信息和客觀數據相結合，實現了充分的人機融合和協同感知。在結果輸出端，人機融合智能把人類在決策時展現的價值觀融入機器算法的迭代之中，從而得到有機化和概率化的判斷。在人機融合智能的科學體系中，人類會對自身知識進行辯證的思考，機器從人類在不同場景下做出的選擇和決策中學習不同因素的價值權重，這將使得人類和機器之間的關系由單向決策轉變為雙向理解🧝🏼，從而把人類的主觀能動性和機器的客觀、被動的特性融合起來💂🏽♂️，繼而形成一套新的體系框架📋。
人類直覺啟發的機器直覺機製研究是人機融合的基礎，將在未來突破現有的基於五感的多模態感知及其基礎上的認知智能研究。通過實現直覺這一第六感，賦予機器五覺 + 直覺的完整的👨🏻🎓、有創造性的快速預測🦊、判斷🤚🏿、決策規劃能力，以期在真實復雜動態時變場景，自然災害🫄🏽、公共衛生等突發事件預判，以及創造性科學研究等領域發揮人機融合智能的重要作用。可以預見，隨著機器直覺理論與方法的不斷深入👩🏽🏫🦸🏻，人工智能將有望突破現階段的理論及應用瓶頸，進一步增加人機融合的深度與廣度。
信息融合技術在人機融合智能中扮演著至關重要的角色。某些場景對人機融合智能系統有著極高的時效要求，例如軍事作戰中的輔助決策系統🛂、自動駕駛或輔助駕駛系統等。較高的時效標準對數據來源💣、算法復雜度和系統效率均提出了苛刻的要求。因此，未來人機融合智能發展不僅要著眼於數據和算法，還需要考慮整個系統的運行效率與功耗💆🏻♂️，從而實現更加可靠的人機融合智能系統。
當前，態勢感知普遍依靠人類的行為數據與狀態信息😷，而沒有深入考慮人與機器、人與環境、機器與環境的關系。將來可以通過決策方面去提升態勢感知的能力📜。將人類的理性決策🤰🏿、描述性決策和自然決策融入態勢感知系統中🤹🏽♀️，使態勢感知更加自然，更加能理解人類的意圖，以期真正實現人機融合智能。
當下人機融合智能在醫療、軍事、汽車製造等領域的實際應用中取得了初步成果。在未來🥵，隨著人機融合智能的基礎理論框架和基礎技術體系逐步構建，人機融合技術的應用會滲透到更多領域。人機融合會成為人工智能發展中具有重大戰略意義的一個分支🫴🏼，當前的發展目標應該包括精準和可持續的高置信人機融合智能基礎理論框架👨🏽🦲，實現基於可信計算的人機融合的協同感知、行為增強、認知交互與融合決策。
