人類對世界的認識是從時間、空間規律開始的，這些規律蘊含了各種力量及其關係的存在。通常情況下，事實本身往往不會直接告訴我們什麼是正確的什麼是錯誤的，沒有明確的概念，量得分析是毫無意義的。然而，人們在處理各種客觀時空矛盾時，常常會不自覺地忽略了主觀價值的關涉問題，從而造成在涉及有人或模擬人參與的系統中或力不從心或南轅北轍，鑑於此，本文將從事實與價值結合的角度重新審視自動化與智能化系統的基本規律。
人類的智能不是從「我」開始的，而是從「我們」開始的，即一開始就是「群體智能」，所以是「我們」創造出了「我」的概念，是人類的群體智能孕育出了個體智能。
一、自動化存在的問題
傳統的自動化領域涉及老三論，即控制論、信息論和系統論。
1943年羅森勃呂特和維納的哲學論文《Behaviour, purpose and teleology》(行動、目的和目的論)是控制論萌芽的重要標誌,奠定了控制論中反饋思想的雛型，該文的中心思想是：控制行為是一個從原因到目的之間的隨機試探和反覆調節的曲折過程。控制論通過信息和反饋建立了工程技術與生命科學和社會科學之間的聯繫。控制論中的信息輸入、處理、輸出、反饋一般是以客觀事實性數據、模型、統計為基礎的，因而在科技、工程領域使用效果較好，而在涉及包含主觀價值的社會、經濟領域使用效果不佳。
1948年10月香農的論文《A Mathematical Theory of Communication》（通信的數學理論）成為現代信息論研究的開端。在該文中，香農給出了信息熵（以下簡稱為「熵」）的定義，這一定義可以用來推算傳遞經二進制編碼後的原信息所需的信道帶寬，熵度量的是消息中所含的信息量。實際上，信息熵的提出解決了對信息的量化度量問題，而對於（不同發出/接收者）信息質量的好壞還沒有度量。
1932年L.V.貝塔朗菲發表「抗體系統論」，提出了系統論的思想。目前，系統論運用完整性、集中性、等級結構、終極性、邏輯同構等概念,研究適用於一切綜合系統或子系統的模式、原則和規律,併力圖對其結構和功能進行數學描述。對於包含人的複雜系統處理還很不理想。
總之，對於自動化領域老三論（控制論、信息論和系統論）而言，缺乏價值反饋、價值度量、價值體現已成為進一步發展的瓶頸和挑戰，為此我們將嘗試在人機環境系統工程中建立新三論。
二、智能化存在的問題
一般而言，傳統自動化系統的典型特徵是具有相對確定性的輸入、處理、輸出和反饋，以保持整個系統的魯棒性、穩定性和可解釋性，而智能化系統的輸入、處理、輸出、反饋各環節相對不確定（但利己），人工智能水平則處於自動化與智能化兩者之間。
當前，智能化研究主要仍以人為本進行符號、連接、行為進行分析與模擬，取得了不少成績（如阿爾法系列產品），但也出現了許多困難和不足，還遠遠沒有達到人們的期望和要求，究其因，其核心仍試圖以還原論的思想破解智能的機理或應用，還沒有從根本上理解智能產生的機制原理及應用的規律。
與機器智能相較而言，人類的智能向來不是孤立的，而是人物環境交互產生的。真正的智能可以計算，但單純的計算是不能產生智能的，智能的基本邏輯是比較，而不是計算。
智能不但涉及科學、技術、數學等領域，而且還涉及人文、藝術、社會等方面，準確地說，智能是複雜事物，包括西方性複雜與東方性複雜。智能裡面包含着唯物和唯心，既有客觀事實又有主觀意識，既有機械慣性也有靈活辯證，既有因果必然還有比較自由，既有邏輯推理共有直覺感悟。把智能看成是數據、信息、知識、算法、算力等是危險的，真實的智能不但能夠學習、生產、使用、維護、升級這些事物，而且還可以扭曲、異化、詭詐、變易這些概念或機制機理。
智能化不是信息化、數字化、自動化的簡單延伸、擴展，而是一種與後三者大不相同的新型範式，智能不僅要掌握已知的信息/學習已有的知識，更重要的是還要生成有價值的信息、知識及有效地使用協調這些信息和知識，是理性邏輯推理與感性超邏輯判斷的統一。
針對當前智能化研究的上述問題，我們嘗試提出結合東西方思維，從人類具身、離身、反身的態勢感知角度解決智能化建模難題。
三、西方還原理性與東方感性系統思想的融合
把智能看成邏輯，把智能看成計算，這兩個錯誤是制約智能發展的瓶頸和誤區。
世界是複雜的，複雜性的世界並不都是科學和計算，而是科學與非科學、理性與感性融合的人物環境系統，智能是自然與人工的結合，準確地說，依目前的數理、物理水平，通過編寫計算機程序是不可能實現人類水平的智能的，人工智能是不可能真正理解世界的，必須另闢蹊徑。我們嘗試根據東西方文明的特點及現有計算及認知領域成果，提出計算計模型，針對複雜、多域、動態的環境，研究人機混合下的態勢感知模型，探索人-機-環境對決策的影響。進一步構建基於理性和感性混合驅動的計算計模型，實現人機混合智能決策。完成智能領域的理論創新、模型創新、方法創新與平台創新，為未來智能研究提供方法和理論基礎。愛因斯坦曾這樣描述邏輯與想象（感性）的差異：「Logic will get you from A to B，Imagination will take you everywhere」，其實，人最大的特點就是能根據特定情境把邏輯與想象、具象與抽象進行有目的的彌聚融合。這種靈活彈性的彌散聚合機制往往與任務情境緊密相關。
休謨之問是指休謨1711年在其名著《人性論》裡面提出來的一個問題：從「是」（Being）中能否推出「應該」（Should）來，即從客觀事實里能否推出主觀價值。這個問題在西方近代哲學史上占有重要地位，在他之後許多著名哲學家紛紛介入，但終未有效破解。在兩千多年前的東方，孟子在《告子上》一書中就說過：是非之心，智也。智能的任務就是要打開科技與、或、非門的狹隘，比如大與、小與，大或、小或，大非、小非……大是（being）、大應（should）、小是（being）、小應(should)穿透各種非家族相似性的壁壘，用未來的想象（預期）和當前的感受（如同情、共感、同理心、信任等）影響智能領域的走勢。
智能系統中的算計就是人類沒有數學模型的計算，智能計算中的「與或非」邏輯，大家比較熟悉了，就不再多贅述；算計中的邏輯不妨稱之為「是非應」，其中「是」偏同化、「非」側順應、「應」為平衡，當遇到未知問題時，先用「是」、再用「非」、後用「應」。大是大非時，大是不動，先試小非，再試中非，若不行，大非不動，先試小是，再試中是，這些試的過程就是「中」的平衡。「應」就是不斷嘗試、調整、平衡。以上就是計算與算計結合的新邏輯體系，算計邏輯把握價值情感方向，計算邏輯細化事實理性過程。智能走向未來，沒有新邏輯出現或許就會沒有靈魂。
智能的核心問題為：是不是+該不該+好不好的混雜組合問題。其中「是不是」屬於客觀事實性邏輯計算問題，「該不該」屬於主觀價值性判定算計問題，「好不好」屬於主客觀混合性決策計算計問題。當前大家思考智能大都處在做「是不是」（0、1）的邏輯可計算部分，對於主觀價值的可判定性及兩者的混合計算-算計（計算計）還未有好辦法解決。
西方現代物理學有兩大支柱理論：一是愛因斯坦的相對論，它從大尺度上解釋了宇宙，如恆星，星系，星系團以及比它們更大的宇宙自身的膨脹的現象提供了理論框架；二是量子力學，它從小尺度上解釋了分子、原子以及比原子更小的粒子，比如電子和夸克的存在提供了理論框架。量子力學是由許多科學家，包括普朗克、海森堡、波爾、薛定諤等人共同提出。但這兩個理論卻有一個共同之處，就是都是通過算計而產生的計算體系，還有大家熟知的數學四次危機及其化解也是如此吧。
東方智慧既有數學的成分也有非數學的成分，東方智慧不是單純的智能計算，而是智能化，重點在「化」，即算計。算計是人類帶有動因的理性與感性混合盤算，是已有邏輯形式與未知邏輯形式的融合籌劃。比如毛主席打仗很少輸過，因為他在戰略（算計）上從不犯低級錯誤，不會在敵人（算計）選擇的時間、敵人選擇的地點，以敵人希望的方式開戰。
元是認知之始的元素。一元為being，多元為should，除了多元之外，還有變元，隨機應變的元。多元認知如何形成一元認知的？即人們是如何把多種邏輯壓入到一次邏輯推理過程中的呢？這是智能領域的研究關鍵，也是未來科幻需要破解的難題！隨之會衍生出了這樣一些問題：人們是如何把多種態、勢壓入到智能系統中的態、勢、感、知過程中的呢？人們是如何把多種科學事實計算壓入到一次智能系統計算計過程中的呢？
在西方科技發展的歷史長河中，第一次數學危機稱為畢達哥拉斯悖論（信奉「萬物皆數」的信條，號稱任何線段長度都可表示為兩個自然數之比，畢達哥拉斯悖論是希帕索斯發現的，他發現了直角邊長為1的等腰直角三角形斜邊長度不是自然數之比。）、第二次數學危機稱為貝克萊悖論（1734年愛爾蘭主教貝克萊提出：在牛頓和萊布尼茨求導數過程中，dx 既是0又不是0，這就是貝克萊悖論。）、第三次數學危機稱為羅素悖論（集合R本身既是R的元素，又不是 R的元素。）。
這三次危機的一致性在於「是」與「不是」的悖論，與量子物理的「貓」一樣，與文學的「to be or not to be」相似，與東方思想中的「是非之心」相關，與經濟行為中的「A與非A」異曲同工。「是」與「不是」即為一元，其相互間的轉化即為變元，其衍生出的「應」即為多元。如A是一元，A轉化為B是變元，A應為B或C或D……為多元。邏輯壓縮、人與隱形系統、計算-算計（計算計）依然成為未來科幻領域的研究重點和難點。計算涉及事實性人機環境系統（事圖）問題，算計則更多涉及價值性人機環境系統（意圖）問題，而事實與價值常常會出現不一致甚至是矛盾，計算計就是各種事實、價值的混合性人機環境系統問題，而且不同粒度的計算計模型是不同的。如何說計算中含有貝葉斯（結論隨新數據的輸入而改變），那麼算計就涉及錨定論（結論很難隨着新數據的輸入而改變），智能領域也許就是一個典型的科技與藝術的計算計案例。
算計是人類不藉助機器的跨域多源異構系統的複雜「計算」過程。某種意義或程度上，算計就是觀演一體化、「存算一體化」這兩個「神經形態」過程的交互平衡，觀（存）就是拉大尺度或顆粒的非實時top-down過程，演（算）就是小尺度細顆粒實時bottom-up過程。
從東方角度而言，人機混合智能是觀演同在的技藝術（藝術+技術）形式，它至少包含三層意思。第一層，人機混合必須是（人主）藝術的，但又不是真實藝術的，它是用（機器）技術語言再創造出的智能，它是藝術意念的技術化；第二層，創造出藝術性的目的，是要呈現智能的美；而這個智能的美，就蘊藏着人機智能的第三層意思：人機混合智能是人的藝術與機器技術的混合，它是觀演同在的技藝術。因而，人機混合智能在觀演關係中生成帶有主觀性、想象性的美，以及虛實相生、無中生有的真。
如何把算計嵌入到多源異構計算的彌（散）聚（合）中去？如何實現不同顆粒度中（狀）態的積分、（趨）勢的微分、感（覺）的連續、知（覺）的離散呢？計算能夠解決不少「態」的可計算問題，而要真正解決「勢」的可判定問題則需要人類的算計。例如查爾斯·達爾文在用自然選擇闡述他的進化論時，根本就沒用到數學。同樣，當阿爾弗雷德·魏格納首次描述板塊漂移理論時也只是用語言表述的。當然，索維爾所言「理解人類的局限性，是智慧的開端」不無道理，未來新型人機關係最重要的是重構與合作，即隨態/勢的變化而重構感/知、隨感/知的變化而重構態/勢，二者由單純被動的工具使用變為自主積極的合作關係。
數學本身就是一種虛實相間的元宇宙，點線面體都是非真實存在的虛擬概念，大家卻用它來近似描述物理世界。從數到圖（空間）、力（時間）、能（量）、信息（客觀）、智（能），數學模型與物理世界的關係，如同形式邏輯模型與真實世界事物的關係一樣，是理想符號關係對事實關係的描摹、刻畫，這些"非存在的有」表徵主要為三類，一是孫悟空、聖誕老人等想象類（虛擬量），二是爺爺奶奶等逝去先人真實類（物理量），三是藝術處理後的諸葛亮、維特根斯坦等真實想象混合類（加工量）。
自然科學及數學工具本質上是一種主體懸置的態勢感知體系，人文藝術常常是一種主體高度參與的態勢感知體系，博弈智能涉及到了這兩方面，由於主體的實時參與，所以更側重人文藝術方面。
彭羅斯從歌德爾不完備定理發展了自己的理論，認為人腦有超出公理和正式系統的能力。他在《皇帝新腦》中提出，大腦有某種不依賴於計算法則的額外功能，這是一種非計算過程，不受計算法則驅動；而算法卻是大部分物理學的基本屬性，計算機必須受計算法則的驅動。對於非計算過程，量子波在某個位置的坍塌，決定了位置的隨機選擇。波函數塌縮的隨機性，不受算法的限制。
人腦與電腦的根本差別，可能是量子力學不確定性和複雜非線形系統的混沌作用共同造成的。人腦包含了非確定性的自然形成的神經網絡系統，具有電腦不具備的「直覺」，正是這種系統的「模糊」處理能力和效率極高的表現。而傳統的圖靈機則是確定性的串行處理系統，雖然也可以模擬這樣的「模糊」處理，但是效率太低下了。而正在研究中的量子計算機和計算機神經網絡系統才真正有希望解決這樣的問題，達到人腦的能力。
彭羅斯認為，客觀還原所代表的既不是隨機，也不是大部分物理所依賴的算法過程，而是非計算的，受時空幾何基本層面的影響，在此之上產生了計算和意識。非存在的有表現為三類，一是孫悟空、聖誕老人等想象類，二是爺爺奶奶等逝去先人真實類，三是藝術加工後的諸葛亮、維特根斯坦等真實想象混合類。
愛因斯坦所說的「時間和空間是人們認知的一種錯覺」，即時間和空間只是人們對於事物發展順序和物體間相互關係的一種抽象概念，在人們從日常經驗總結出的觀念中，時間和空間是絕對的、可度量的，而相對論揭示出時空的相對性和二者間的聯繫。我們認為不變的時間和空間都會隨物體的運動、物質能量的分布而變化。
在態勢感知中，態涉及物理、心理、管理等參數狀態（主態、客態），勢是有效態的變化方向，感是接受的各種數據刺激，知是建立起的各種聯繫。用態勢的轉化比值「態/勢」確定有效態的大小，有效態變化的速度很重要。態勢感知涉及計算-算計系統。事實態不能產生勢，價值態能夠產生勢。如何快速識別出或嘗試出價值態將變得十分關鍵，有經驗方面的，有情感方面的，有測試方面的，也有對環境認知方面的。
數理的物理域、心理的認知域、管理的信息域、情理的社會域中的時間空間同樣會發生各種變化，我們不妨稱之為基於事實-價值體系的虛擬-現實時空態勢感知維度。共分為現實時空的xyzt+虛擬時空的xyzt+事實時空xzyt+價值時空xyzt，抑或它們之間的各種組合及參照系變換（如虛擬價值時空、現實事實時空、虛擬事實時空、現實價值時空）。
不同維度里的態、勢、感、知不盡相同，所以常常會發生虛擬時空維度里的態對不準現實時空維度的勢（如想象情景與實踐情境不一致），事實時空維度里的態對不準價值時空維度的勢（如物理場景與任務意圖不一致），所以常常出現各種有「態」無「勢」現象。
智能是在人與物、環境的交互中逐步形成的，一方面，我們的認知總是在與這個世界發生着融合；另一方面，被誤用的計算卻也可能會影響我們的認知。1968年圖靈獎獲得者理查德·哈明就曾一語中的地認識到：「計算的目的不在於數據，而在於洞察事物。」，這裡的洞察就包含着對未來的預測與算計。人類的洞察機制不是一維的具身認知，還常常涉及二維的離身認知、三維（以上）的反身認知及其混合認知機理。
四、離身、具身、反身認知
傳統認知理論認為，認知的本質是在人腦中發生的類似於計算機的計算過程，其功能獨立於環境且與身體無關，因此被稱為「離身認知」（如聯結主義、符號主義）。但隨着研究的進展，心理學家發現，認知在很大程度上依賴着身體。身體的構造、神經的結構、感官和運動系統的活動方式決定了人類認識世界的風格和方式。認知和身體都嵌入環境，共同構成一個動態的統一體。這就是被稱為第二代認知科學的「具身認知」。具身認知理論認為，個體的認知過程和自我意識都與具身活動密不可分，身體的自由度影響感知判斷。
具身認知（Embodied cognition），也稱「具體化」（embodiment）主要指生理體驗與心理狀態之間有着強烈的聯繫。生理體驗「激活」心理感覺，反之亦然。例如，人在開心的時候會微笑，而如果微笑，人也會趨向於變得更開心的行為主義。
反身認知就是在軍事、政治、經濟等領域有自我加強的一種現象，這種現象直到最後的快速調整而結束。反身認知認為參入者的思維與參入的情景之間相互聯繫與影響，彼此無法獨立，認知與參入處於永遠的變化過程之中。參入者的偏向以及認知的不完備性造成了均衡點遙不可及，趨勢也只是不斷的朝着目標移動，參入者的思維直接影響參入的情景，往往造成諸多的不確定性。反身認知一般強調博弈過程中的人機環境系統之間的激發聯動效應，能夠跨越物理域、信息域、認知域等。
「離身」狀態是一種「觀看」，即把它當作一個需要被認知的對象，可以發現它的形狀、質地、顏色等等屬性或特徵；「具身」則是「使用」，在被用起來的時候，它並不構成我的對象，而是融入了活的「事件」之中。前者是「現成在手狀態」，二維的意向（他），後者是「當下上手狀態」，一維的意向（我）。只有處在後一狀態，也就是說在實際的使用中，一件事物才真正成為其自身，從而獲得其本真的存在，而喪失的卻恰恰是它的對象性。「反身」更是把「觀看」、「使用」、「評價」、「反思」等連貫起來，三維的意向（你我他），形成「態」、「勢」、「感」、「知」的綜合化、有機化。
Mica R. Endsley在1988年國際人因工程（Human Factor）年會上提出了有關態勢感知（Situation Awareness，SA）的一個共識概念：「…the perception of the elements in the environment within a volume of time and space, the comprehension of their meaning, and the projection of their status in the near future.」（就是在一定的時間和空間內對環境中的各組成成分的感知、理解，進而預知這些成分的隨後變化狀況」）。
我們的深度態勢感知含義是「對態勢感知的感知，是一種人機智慧，既包括了人的智慧，也融合了機器的智能（人工智能）」, 是能指+所指，既涉及事物的屬性（能指、感覺）又關聯它們之間的關係（所指、知覺），既能夠理解弦外之音，也能夠明白言外之意。它是在Endsley以主體態勢感知（包括信息輸入、處理、輸出環節）的基礎上，分為「態」、「勢」、「感」、「知」四個環節，包括人、機（物）、環境（自然、社會）及其相互關係的整體系統趨勢分析，具有「軟（價值）/硬（事實）」兩種調節反饋機制；既包括自組織、自適應，也包括他組織、互適應；既包括局部的定量計算預測，也包括全局的定性算計評估，是一種具有自主、自動彌聚效應的信息修正、補償的期望-選擇-預測-控制體系。
智能的邏輯既不同於理性的邏輯也不同於感性的邏輯，而是兩者的結合，如何有效的簡化這種結合呢？我們準備嘗試從態勢感知這個角度入手，使「離身」、「具身」、「反身」認知形成整體，進而建立起智能的計算-算計體系。
五、計算-算計智能模型的框架
要做一個自己相信的智能系統很難，要做一個別人相信的智能更難。目前，人工智能系統已經廣泛應用於諸多領域，部分實現了代替人做決策的過程。但現實中的人工智能方法局限於相對「確定性、完全信息、受限環境、可解釋性差」的約束，不能滿足複雜環境決策的要求。在真實複雜的不確定因素、非完全信息、開放環境中，人類的經驗、直覺、靈感與人工智能系統的高效、精確具有合作互補的巨大潛力。
人機之間、態勢之間、感知之間、計算與算計之間常常具有非互惠作用現象，即作用力不等於反作用力，如何量化分析這些等價的相互作用呢？並且，現有的邏輯體系很難判斷處理各種意外，如塞翁失馬的大邏輯與刻舟求劍的小邏輯。現階段的人機交互很難實現人機之間的有機融合，仍處於相對簡單的低級水平，難點之一就在於價值意向性的形式化。鑑於機器只有局部性事實邏輯，沒有人類的整體性價值邏輯，我們可以嘗試把人機結合起來進行功能與能力的互補，用人類的算計這把利刃穿透機器計算不時遇到的各種各樣的「牆」。
時下的人工智能系統之所以還遠遠不能達到人們的期望，其根本原因在於構造人工智能的基礎是當代數學而不是真正的智能「邏輯」，首先數學不是邏輯，從數到圖再到集合，從算數到微積分到範疇論無一不是建立在公理基礎上的數理邏輯體系，而真正的智能邏輯既包括數理邏輯也包括辯證邏輯，還包括未發現的許多邏輯規律，這些還未被發現的邏輯規律既有未來數學的源泉也有真情實感邏輯的湧現，真實智能從不是單純腦的產物（如狼孩），而是人、物（機器是人造物）、環境相互作用、相互激發喚醒的產物，如一個設計者規劃出的智能系統還需要製造者認真理解後的加工實現，更需要使用者因地制宜、有的放矢地靈活應用等等，所以一個好的人機融合智能涉及三者（甚至多者）之間的有效對立統一，既有客觀事實（狀）態的計算，也有主觀價值（趨）勢的算計，是一種人、物、環境的深度態勢感知系統。而當前的人工智能無論是基於規則（數學模型）的還是基於統計概率（大小數據）的大都是基於計算，而缺乏人類算計的結合與嵌入，進而就遠離了智能的真實與靈變。
另外，自然科學及數學等理性工具本質上是一種主體懸置的態勢感知體系，人文藝術等感性常常是一種主體高度參與的態勢感知體系，智能領域涉及到了這兩方面，由於智能主體的實時參與，所以更側重人文藝術感性方面。與西方理性計算思維相比，東方智慧中既有理性的成分也有感性的成分，東方智慧不是單純的智能計算，而是智能化，重點在「化」，即算計。算計是人類帶有動因的理性與感性混合盤算，是已有邏輯形式與未知邏輯形式的融合籌劃。由上所述，我們不難看出，智能中的計算-算計（計算計）問題其實質是東西方智慧的融合與共生。
智能是一種激發喚醒過程，好的智能交互涉及人機環境系統三者之間的和諧對立統一，既有態的計算，也有勢的算計。通曉了辯證邏輯的算計才是真正的智能「化」，反映了不確定的確定性，即不確定性的變化率，如人類從位置、速度、加速度中反映出了空間、時間、力，進而又從質量、能量、信息中反映出了虛實、有無、真假。計算與算計有點類似普林斯頓大學心理學家湯姆·格里菲斯（Tom Griffiths）所言：「那些當你擁有大量數據時講得通的理論，與那些在少量數據下有道理的理論，看起來是完全不同的。」，一個處理各種「大數」理，一個收拾「小數」甚至「無數」道。
我們受笛卡爾數形計算的解析坐標系啟示，初步構建了計算-算計的態勢感知坐標系，如圖1所示。
圖1 計算-算計的態勢感知坐標系
狀態參數可由環境中的物理參數（時間、地點、人物、事物等）組成「態向量」，並通過不同狀態下的狀態矩陣計算獲得初級的趨勢結果1；趨勢參數可由期望中的各種價值參數（時間、地點、人物、事物等的價值值）組成「勢向量」，並通過不同趨勢下的趨勢矩陣算計獲得次級的趨勢結果2；感覺參數可由感覺到的各種參數（時間、地點、人物、事物等）組成「感向量」，並通過不同感覺下的感覺矩陣計算獲得初級的知覺結果3；知覺參數可由知覺到的各種經驗參數（時間、地點、人物、事物等的經驗值）組成「知向量」，並通過不同知覺下的知覺矩陣算計獲得次級的知覺結果4；通過這四個結果的計算-算計結果擬合出綜合的態勢感知結果。
我們可以分別建立起離身、具身、反身的態勢感知模型，再進行最後的融合分析，得出整體系統的計算計結論。
六、人機融合智能
機器自主智能是在物理時空裡大數據或規則或統計進行因果推理過程，這種因果推理是基於「我」（個體性）的順序過程；人類自主智能是在物理/認知/信息混合時空裡小數據或無數據進行因果互激盪過程，這種因果互激盪是基於「我們」（群體性）的過程。
西方的還原思想基礎是因果關係，東方的整體思想基礎是共在關係（共時空共情）。進一步而言，計算是因果還原論，其知識是等同的顯性知識，算計是共在系統論，其知識是等價及隱性（暗）知識。等價包含等同，價值包含事實，但大於事實。
智能的關鍵不在於計算能力，而在於帶有反思的算計能力。算計比計算強大於反事實反價值能力。自主里常常就包含有反思（事實反饋+價值反饋）能力。事實性的計算僅僅是使用時空（邏輯），而價值性的算計是產生（新的）時空（邏輯）；計算是用物理域時空中的名和道實施精準過程，而算計則是用認知域、信息域、物理域、社會域等混合時空中的非常名與道進行定向。
計算是「我思故我在」，算計是「我們思故我們在」。
未來智能實驗室的主要工作包括：建立AI智能系統智商評測體系，開展世界人工智能智商評測；開展互聯網（城市）大腦研究計劃，構建互聯網（城市）大腦技術和企業圖譜，為提升企業，行業與城市的智能水平服務。-[來源:人機與認知實驗室*作者:劉偉/來源:人工智能學家]
