讓機器成為智慧，讓智慧成為命，人機就結合了。

　　任微青十分清楚，解決蘇格遇到的障礙有兩個關鍵。關鍵一，L&B;關鍵二，柔性仿真數學模型。蘇格還有第二個障礙沒有清除，關於“類人智慧算法”的問題。

　　解決辦法就是“柔性仿真數學模型”。簡單說，就是蘇格目前無法面對蜂擁而至的海量數據流，也無法參與到數據資源中去。

　　傳感器產生大量的數據流，這些海量數據的處理依靠人的大腦那點蛋白質和熱量根本無法完成，必然需要更強大的計算機資源，甚至需要消耗大量的能量。但計算機究竟怎麽面對這些數據，這些沒有可參考的經驗，唯有參考“生物模型”

　　任微青拿出計算機，打開了一張圖，這是一張生物原型與人工智能的對比圖。

　　圖片顯示:計算機技術、數據傳輸技術、傳感技術一共三種，分別對應“生物原型”中的大腦、神經、感官。

　　任微青說:“這就是‘傳感技術總成’。”

　　鄭源問:“傳感技術難道不是指傳感器?”

　　任微青解釋說:“還真是個誤會，“傳感技術”並非等同的“傳感器”技術。難道“計算器”等同於“計算機技術”嗎?傳感技術包含有數據傳輸與邏輯計算，是一種閉環的信息技術總成。”

　　鄭源問:“在生物原型中，有實際的例子嗎?”

　　任微青說:“當然，人地說話的能力不是天生的，而是後天通過耳朵(聽覺)不斷的學習才形成的能力(智慧能力)，這是一種典型的傳感與智慧能力關系的‘生物原型’。”

　　道理十分的簡單，卻又很深刻。這幅圖片引起了大家熱烈的討論，有的人相互交頭接耳地竊竊私語，有的人相互爭論，在紙上推導演算。看到大家的熱烈討論，任微青並不插嘴，任由大家相互交流。由於有楚可可在，心情大好的任微青顯得格外有耐性。

　　來自科學院自動化研究所的羅春木教授，在自控圈子裡以愣頭青著稱，一直未曾開口，實在忍不住，羅春木問任微青:“請問貢獻者，是不是說，感知能力越強，感知越充分，越有利於認知的進步?”

　　任微青見有人點名問自己，答道:“不盡然，就和人的感官一樣，我們感知外部世界的任何一個物理量，都不可能以全信息的思路去進行觀測，而只能是局部的取樣，如果在被測對象上密密麻麻的布設傳感器，測量必然擾動事件發生的本身。取樣的原則是干擾足夠小，小到不影響事件的發生。”

　　這是海森堡的測不全定律的精髓，在座的都理解，只是頭一次將之與具體工程問題聯系起來。

　　“怎樣確定局部與代表范圍呢?”

　　蘇格卻擔心羅春木問題出格，替任微青回答說:“信息含義必須建立在信息受體的背景之上，局部與代表范圍以及其它參量耦合關系，都是已有的背景信息。”

　　羅春木卻不死心地問:“既然測量是局部取樣，就一定是片面的信息，這可能導致信息失真，如何應對?”

　　任微青說:“這是個好問題，事件的發生一定是多種物理量之間相互關聯的結果。為了改善信息的完整性，可以同時測量多種相互關聯的物理參量。雖然獲得的單種物理量信息都是局部的，但是通過讓多參量信息關聯耦合，就可以讓局部信息得到補充和驗證。多參量信息關聯耦合的過程，就是局部驗證全局的過程。”

　　羅春木疑惑地問:“增加物理參量測量的傳感器種類，

必然增加成本，這種關聯耦合似乎只會得到一堆數據，而這些數據信息看起來並沒有什麽功能啊?”　　任微青心想，這個問題好老！自己已經記不清是第幾次回答這個問題了。將故事重複一千遍，對任何人都是痛苦的。

　　任微青還是耐著性子說:“信息是一種資源，資源不被利用當然就沒有功能！這個過程與生物的智慧邏輯一樣，‘生物原型’對環境的各種感知，並不都是一定要執行的一種功能。”

　　來自南門大學的鄭源問:“人類有‘五感’，如果機器有了類人智慧，未來的機器或更豐富。這些機器的感覺是可描述的嗎，如何與人交流！”

　　任微青:“你永遠無法向我完整描述茉莉香，除非嗅覺親臨;人類的每一種‘感覺’都是一種獨特的體驗。這是用信息描述信息的障礙，也是人機交流的障礙。”

　　鄭源接著追問:“也就是說，機器人會乾一些人類不能理解的事，會擁有人類不能理解的智慧?”

　　任微青:“除非我們將機器視為機器，人視為各自的人。未來，任何機器都將成為網絡的一部分，而人也是網絡的一部分。”

　　鄭源問:“人類會被機器控制嗎?”

　　“不會！”

　　鄭源問:“為什麽?”

　　“一言難盡！我們的話題跑了，我想還是先搞清楚生物原型對機器智慧的啟示。”

　　鄭源連忙道歉，說:“不好意思！您繼續……”

　　任微青說:“參照“生物原型”，人類通過感知實現‘學習’，通過‘學習’實現‘智慧’;那麽，機器智慧也一定是這樣的，機器智慧在某些方面超過生物人並不是難事。”

　　羅春木擔憂地說:“機器比人有更高的智慧，難道不是一件值得恐懼的事?”

　　任微青:“嗯……又是這個老問題！我明確表述過很多次，機器本身沒有目的性，機器智慧是為了協助人而存在的，可能會被人利用來實現人的目的。機器本身不具有欲望，沒有價值觀就沒有目的性。機器即使擁有智慧，也只是人實現目的的工具手段。”

　　蘇格阻止了羅春木的繼續提問，說:“我想，我們還是回到項目方向的正題上吧！可可，你也說說。”

　　楚可可說:“按照我對各位剛才談話的理解，似乎信息專業已經完全佔領我們自控專業了！”

　　任微青笑了，楚可可的問題並不嚴肅，卻十分中肯。專業本來就沒有明顯的界限，為了知識傳播與理解方便，將知識系統化歸納而設立的知識分類。

　　任微青說:“並非佔領，而是自控將智慧信息技術融入。通過機器自主學習，形成機器智慧，為控制提供決策，實現更有效率地乾預未來。控制是執行能力，智慧是‘先知’能力，預知未來的具體技術。依靠預知未來的能力，控制系統可以從容地駕馭能量，乾預未來的實際發生，實現用最小的資源最準確地實現目標。一直以來，能乾預未來的能力，就是人類智慧最了不起的成就。”

　　楚可可:“你倒是說說，信息技術怎樣實現人工智能控制?”

　　任微青:“一般認為，‘機器智慧’有兩個主要特征:自主學習、自主決策。關於如何實現‘學習、決策’的具體細節，這個話題很大，技術細節很繁瑣;不過，即使繁瑣，我也想談談。有‘生物原型’做參考，不難造出‘機器智慧’。”

　　楚可可說:“無論如何，‘機器智慧’必須比人要更聰明，否則，又何必造一個比人還蠢的機器?”

　　任微青說:“聰明的定義並不具體，更不能量化，‘機器智慧’最大的優勢是速度和規模。但可以確定的是，即使機器擁有模糊判斷能力，也不會有類人的感性聰明。”

　　楚可可:“好吧，繼續你的生物模型吧！”

　　任微青:“暢想未來，我們完全有理由相信未來的機器可以通過“萬感”來學習、認知世界;而我們的蛋白質身體必然止步於‘五感’以外的能力，我們的大腦也將止步於生物效率的邏輯處理。但借助於外部計算機、通訊、傳感器，我們就可以大膽地想象未來人機結合的智慧能力了。”

　　按照任微青的邏輯，未來的人可以往自己身體上裝些“零配件”，以增強我們的感官、運算能力;或者……最終，人與機器結合在一起，不再是完全的生物人。也或者，我們把生命信息完全植入機器，僅保留機器不能解決的部分，人徹底擺脫生物人身體的限制，把未來交割給機器“人”。

　　事實上，“人”不是個體，而是整個提供智慧的群體。