连接时间和空间的是速度，连接能量和质量的是速度。什么将连接事实和价值？什么将连接人和机器？是不断修改的推理规则吗？还是不断修改？规则推理呢？DeepMind的Alpha中的Alphago，zero，fold，alpha，即α，是希腊字母表的第一个字母，意思是第一个，开始，开始。如果说计算是沟通事实与价值、情境与感知的通道，那么计算就是连接主观与客观、感性与概念化的虫洞。人工智能中的“人”不是“人”。一般来说，对于一个具体的任务情境，事物的价值往往围绕其事实（显着）量发生变化，但不是确定性的变化，而是不确定性的散布和变化，时大时小，散布而聚合是灵活的，类似于我们平时生活中的价值观，不断地吸收和适应，修正平衡。正如费曼所说：事物在小范围内的行为不像在大范围内那样。反之亦然。有时候，事物在变局中的事实和价值并不是线性变化的，而是像电影中的场景一样，按照自己的逻辑线索变化，不需要日常的中间时空，可以无中生有，或者无中生有。即使在某种情况下事物的真实性和价值相差甚远，它们也能瞬间识别彼此，形成自动模式匹配效应。人工智能中的“人”并不是真正的“人”。自主不等于智能，或者说自主是智能的必要但非充分条件。只有具有价值观的自治体，才能称为智慧体。因此，事实自主只是自动化，价值自主才是智能，洞察自主更是智能。真实的人往往没有主观性，没有本体论，会随着制度和制度而变化。人机交互，机器处理线性，人处理非线性。一部好的作品是多人共同创作的结果。例如，《平凡的世界》由路遥撰写，由李夜沫讲述，由演员演绎，由无数读者/听众思考，由各种媒体传播……；a一个好的智能产品或系统也是人创造出来的结果，比如“阿尔法狗”或者“阿尔法元”是DeepMind开发的，是用以前的棋谱训练出来的，是大众想象出来的，是各种媒体传播……有人说：“感性是复杂模式的模糊计算，是最节能高效的平衡”。其实感性智能不是计算，而是有计算的计算机制。这就是复杂模型的模糊计算，是最节能高效的平衡。计算机制往往可以在不一定知道所发生事情的确切过程的情况下给出满意的答案，尽管这些过程是不透明的，很难清楚地证明什么可以做什么，什么不能做。对于感知智能，如果规则产生我们不想接受的推论，则规则是可修改的；如果推论违反了我们不想修改的规则，则推论可以被拒绝。将事实转化为价值的过程，是规则与公认推理相互调整的微妙过程；最终确定的价值存在于他人或自己达成的协议中。或许，人工智能的基本规律无法解释人类智能的规律。连接时间和空间的是速度，连接能量和质量的是速度，那么连接事实和价值的是什么？即用什么指标来衡量一个价值是否值得做一件事。这可能就是连接现实与虚拟、现实与虚构、结构与功能等平行世界的问题！人机融合的矛盾在于：人发散，机器收敛，人辩证，机器规律，一聚一动，一动一静。而且，我们面临的往往不是一个问题，而是一组不同的问题交织在一起！因此，用纯数理逻辑的方法很难达到求解的目的，需要同时运用形式逻辑、辩证逻辑，甚至非逻辑手段。机器学习乃至人工智能的不确定性和不可解释性，主要是由于发现归纳、演绎、类比等推理机制确实可能导致一些不完备性、不稳定性和矛盾性。这些不确定性和无法解释的因素随着规模的扩大而增加。人类的反事实推理和反价值推理可以从虚拟假设的角度提前预防或警告这些形式化的自然缺陷。将人机融合作为一门认知学科，更有利于解决复杂问题，但只需要解决不同任务下如何融合的问题即可。另外，一人一机的单一融合和多人多机的群体融合，在根本机制上会有很大的不同。可以说三个皮匠胜过诸葛亮。命题逻辑的关键在于它是二元的。每个句子（也称为命题）被假定为真假。没有中间答案，也没有接受不确定性和概率，只允许两个“真值”，真和假。热力学比逻辑更接近大脑的功能。逻辑被统计所取代，单个单元被集合所取代，确定性的纯度被概率噪声所取代。
