智能：计算与算计的二重性

原文发表于《科技导报》2026年第5期《关于智能的思考》智能是一种人机环境系统交互中涌现的适应性能力包含可量化的计算性与需语境支撑的算计性二者构成“计算计二象性”。《科技导报》邀请北京邮电大学人机交互与认知工程实验室刘伟特聘研究员撰写文章通过对比人类智能的社会交互生成机制、数学工具的有限性以及智能在态势感知计算性与势态知感算计性中的动态平衡揭示了智能超越单纯科技的特性最终指向科学方法与复杂系统理论的辩证统一。1 智能的定义与本质本文所定义的“智能”是人机环境系统在交互过程中涌现的适应性能力其核心功能是通过信息处理实现对环境的动态响应、目标优化及问题解决。它包含3个层级人类的认知决策能力如推理、创造、机器的计算执行功能如算法运行、数据处理以及人与机、环境耦合形成的系统智慧如团队协作、智能交通网络。智能的存在形态具有双重性显在形态表现为可观测的规则化行为如数学推演、程序运行对应可计算性潜在形态表现为未完全形式化的灵活能力如直觉顿悟、情境应变对应可算计性。二者并非“存在”与“非存在”的对立而是同一系统属性的不同表现如同能量与物质的转化本质统一而形态各异。这种定义突破了物理实体局限明确智能是系统交互的涌现属性既包含可量化的计算过程显在形态也涵盖需语境支撑的算计过程潜在形态。这正是智能超越“有形存在”的核心特征。2 智能的由来本文所讨论的“智能”的核心特点是通过符号化认知、文化传递与工具使用实现对复杂环境的主动改造这与动物的本能适应如生存技能存在本质区别。人类智能的生成依赖于三重交互系统人与自我的认知交互如反思性思维、人与人的社会交互如语言沟通与文化传递、人与物的环境交互如工具使用与场景适应。这一过程与“社会互动理论”和“认知发展理论”高度契合。智能既不是人脑或类脑的孤立产物也不是人自身的固有属性而是人、物、环境系统相互作用的涌现结果。智能在人类层面的核心表现是思维的有效运作而思维是人类特有的高级认知活动此处“思维”特指人类通过语言符号进行的认知过程与动物的本能反应相区别。因此思维是人类智能的操作载体而智能是思维在系统交互中展现的效能。思维可以表现为多种形式既包括逻辑推理也包括直觉判断、情感反应和创造性想象等多方面。人类的思维不仅依赖于纯粹的理性还受到情感、文化、经验等因素的影响。3 智能不是数学数学只是智能的一部分从认知科学和人工智能AI的角度来看数学确实是智能系统的一部分尤其是在推理、模式识别、逻辑思维和问题解决方面。人类在数学、物理、化学等自然学科及社会学科领域的智慧成果无疑是人类智能的重要体现。这些成果的产生本质是智能中可计算性与可算计性协同作用的结果。智能的范畴远不止数学。人类智能涉及感知、情感、创造力、直觉、社会交往等多个方面这些都不是简单的数字可以完全涵盖的。总的来说数学是智能的一部分但智能的全貌远比数学复杂和广泛。未来的数学大概率将会包含矛盾与不自洽性进而会深深地触及当前数学体系的局限性和未来发展的方向而这种局限性恰恰反衬出智能的独特性——智能能够超越数学的形式化框架处理数学无法覆盖的矛盾与模糊性。数学的自洽性和矛盾在20世纪经历了关键发展哥德尔不完备定理证明任何足够复杂的公理化数学体系中都存在既无法证明也无法反驳的命题。这一原理同样对智能研究具有启示——智能系统并非封闭的完备逻辑体系恰恰相反其开放性正是应对“不完备性”的关键。未来的数学可能会继续在某些方面挑战传统观念甚至可能容纳一些不自洽性或“矛盾”的结构而这些尝试本质上是向智能的“算计性”靠拢。1非经典逻辑。传统数学基于排中律和矛盾律的经典逻辑而模态逻辑、直觉主义逻辑等非经典逻辑体系允许命题在不同条件下为“真”或容纳有意义的矛盾。2拓扑学和奇异结构。拓扑学、代数几何等领域研究的“矛盾”对象如表面看似不自洽实则可通过高阶抽象统一的结构类似智能的“整体性认知”能力即人类能从看似对立的现象中提炼共性。3量子数学与量子逻辑。量子力学的纠缠、叠加态等现象挑战经典逻辑而量子数学如量子算法的数学结构试图建模类似人类“并行考虑多种可能性”的直觉思维这与智能在信息不全时的创造性联想高度相似。4模糊集合与不确定性。模糊数学接受“部分真/假”突破了传统数学的严格真/假界限直接对应智能处理模糊概念的日常能力如评价“天气有点热”时无需精确量化体现了智能对效率与精确性的平衡。另一个角度是随着数学研究的深化数学家们开始意识到数学不仅仅是一个脱离现实的抽象体系很多数学结构与自然界、物理世界的复杂性紧密相关。简言之未来的数学可能会接受更多的不自洽性、模糊性和矛盾性这并不意味着数学会丧失其严密性和逻辑性而是可能会在更广泛的框架中发展出新的数学工具和理论去处理更加复杂和动态的现实世界问题。这种发展不仅反映了数学的演变也展示了人类思维在理解世界复杂性方面的无限潜力而这种潜力的核心正是智能计算计二象性的协同作用。4 智能具有二象性数学仅能刻画智能中可形式化、规则化的部分可计算性而智能还包含应对矛盾、模糊与创造的非形式化部分可算计性。这种“数学能覆盖”与“数学不能覆盖”的划分揭示了智能必然具备双重属性智能在不同情境下分别呈现“可计算性”与“可算计性”即智能的计算计二象性。在复杂情境中智能呈现整体性、流动性和适应性的动态价值性可算计性而在结构化任务中智能呈现局部性、精确性和可操作性的规则事实性可计算性。两者并非割裂的“存在”而是同一智能系统在不同交互条件下的属性显化本质统一而形态各异。智能同时具有可计算性和可算计性的性质即智能的计算计二象性。4.1智能的计算性在传统的理解中智能通常与计算密切相关。我们可以通过公式、算法和模型来实现计算的智能。计算性的核心特点如下1规则性。智能的表现依赖于清晰的规则、算法或者程序。2确定性。给定输入和规则输出是可以预测的表现出高度的可控性和精确性。3逻辑性。计算性强调逻辑推理与步骤的连续性能够保证问题的系统化解决。在计算中每个步骤都是有明确的规则和结构的从输入到输出的关系是可预测的和可验证的。计算遵循严格的规则常常依赖于数学公式、算法和逻辑推理。它是客观的结果是确定的且不受情感或主观因素的影响。4.2智能的算计性与计算性相对算计性则是对智能更加灵活、模糊的一种理解。算计性强调的是应对不确定性和复杂情境时的决策能力尤其是在缺乏完整信息或明确规则的情况下。算计性的核心特点如下1灵活性。算计性智能可以跨越不同领域运用类比、推理和直觉来找到问题的解决方案。2创造性。算计性不仅关注在给定数据上做出决策还能基于现有信息的推理创新性地提出新的观点或方案。3不确定性应对。在面对复杂、动态环境时算计性智能能够有效地应对信息的不完整性和不确定性。战略决策者在分析市场趋势时并不仅仅依赖明确的算法和数据计算还需要依赖直觉、经验以及对形势的灵活判断。算计则带有一定的情感、意图和策略成分。它不仅仅是简单的计算更涉及对他人或事物的操控、谋划和预测。算计往往不是纯粹的逻辑推理而是带有某种目的或动机的行为。算计通常超越了理性和逻辑的范畴涉及复杂的人类心理、动机、策略以及对未来不确定性的预判。4.3智能的计算计二象性智能的计算计二象性所强调的是计算性与算计性的双重性质这两者并非完全独立或对立的而是互为补充的。1互为补充。在面对结构化、重复性较强的问题时计算性智能可以通过精确的计算给出事实性答案而在复杂、模糊的情境中算计性则提供了更灵活的价值性解决方案。2灵活性与稳定性的平衡。计算性提供了智能稳定性的基础而算计性则提供了智能的适应性。这种结合能够促进智能系统在面对多变环境时的适应与发展。3从算法到直觉的过渡。计算与算计并非彼此对立的过程而是相互过渡的动态发展。计算是理性的、可预测的而算计则是具有某种目的性、灵活性甚至是不可预见性的行为。4.4智能计算计二象性的实质智能计算计二象性的实质是各类复杂系统包括人类个体、群体、人机环境系统等中对当前状态的精准认知态势感知与对未来趋势的灵活预判势态知感的动态平衡。这种平衡机制具有普遍性。4.4.1 态势感知智能的“计算性”态势感知是指系统或个体在某一时刻对环境状态的感知、识别与理解通常是通过大量的传感器、数据收集和计算能力来实现的。1数据处理与分析。态势感知依赖于大量的数据输入通过实时分析数据来生成关于当前环境的状态信息。2规则驱动。态势感知通常基于明确的规则、模型或算法来进行数据处理达到对环境状态的高度计算化认知。3确定性决策。通过计算得到的态势感知结果可以用于做出快速、精确的决策。4.4.2 势态知感智能的“算计性”势态知感则指的是在对当前人机环境的理解基础上系统能够推测未来可能的状态、发展趋势并作出相应的决策和行动。1趋势预测与直觉判断。势态知感并非依赖于现有规则的严格计算而是更多地依赖于对潜在未来发展趋势的预测、经验积累以及对模糊信息的直觉判断。2应对不确定性。势态知感处理的是模糊、不确定的情境面对复杂多变的环境时它能够提供相对灵活的应对策略。3动态调整与决策。势态知感能够通过对当前状态的理解和对未来趋势的预测灵活调整行动策略。4.4.3 平衡的核心计算性与算计性的有机结合智能计算计二象性的实质是在复杂多变的人物机环境中实现态势感知与势态知感的平衡。因此平衡这两者的关系形成有机的互动和补充成为实现高效智能的关键。1从态势感知到势态知感的转变。智能系统首先通过态势感知对环境进行精确计算和理解然后在此基础上结合对未来趋势的判断和预测进行势态知感从而灵活调整行为。2静态与动态的交替。态势感知主要关注的是当前环境的静态认知而势态知感则关注动态的未来预判。智能系统需要不断地在这两者之间进行切换和调整。3高效决策与灵活应变的结合。在高度复杂的系统中智能需要既能够快速做出精准的决策又能够在面对不确定情况时灵活调整应对策略。通过平衡计算性和算计性系统可以在面对明确规则和复杂情境时都表现出最佳的决策能力。智能计算计二象性的实质是态势感知与势态知感的平衡这种平衡机制揭示了智能在各类复杂系统中如何通过计算性与算计性的协同实现对当前与未来状态的综合认知。通过这种平衡智能系统能够在精确性与灵活性之间找到最优解展现出对复杂世界的强大适应能力。5 结论智能作为科学的研究对象面临着复杂性的挑战。科学方法强调客观性、可重复性然而智能的多样性与个体差异使得这种研究变得困难。在智能研究中科学与复杂性并非对立而是相辅相成。两者结合有助于更深入地理解智能的本质与表现。未来的研究需关注智能的多样性与复杂性探索更为全面的理论框架。科学方法为智能的理解提供了基础但智能的多样性与复杂性挑战了传统的科学框架。通过结合科学与复杂系统理论能够更全面地理解智能的本质。未来的研究需关注智能的动态变化与适应性为科学与复杂性之间的辩证关系提供新的视角。本文作者刘伟作者简介刘伟北京邮电大学人机交互与认知工程实验室特聘研究员研究方向为人机混合智能、人机交互、认知工程、用户体验、人机环境系统工程、分析哲学、未来态势感知模式与行为分析/预测技术。文章来源刘伟. 关于智能的思考[J]. 科技导报, 2026, 44(5): 17−23.本文有删改点击文末阅读原文获取全文。内容为【科技导报】公众号原创欢迎转载白名单回复后台「转载」☟精彩内容回顾中国AI治理发展与安全如何兼得生物制造中国的下一个增长引擎新刊速览基于月球平台的遥感专题 | 2026年第5期2026中关村论坛年会——AI for Science青年论坛圆满举行2026科学智能大会先导信息重磅发布→专题噪声治理与宁静中国建设《科技导报》创刊于1980年中国科协学术会刊主要刊登科学前沿和技术热点领域突破性的研究成果、权威性的科学评论、引领性的高端综述发表促进经济社会发展、完善科技管理、优化科研环境、培育科学文化、促进科技创新和科技成果转化的决策咨询建议。常设栏目有院士卷首语、科技新闻、科技评论、本刊专稿、特色专题、研究论文、政策建议、科技人文等。