為什麼AI總是很難落地？為什麼人工智慧常常被人詬病？有人說這是由於科幻電影、科幻小說、電子遊戲、新聞媒體等造成的，這個觀點有一定的合理成分，但還有一個更重要的事實為大家所忽略，那就是本應為「人機環境系統融合智能」常被誤認為是「人工智慧（甚至是一些演算法）」所致。
生命和機器雖然都可以作為認知的載體，但認知的性質是不同的。一個是生命的認知，一個是機器的認知，一個是特定人對特定事物的認知。人機智慧解決的重點是方向和風險，人機工效解決的是製程和效率。計算-算計的機制機制建構是人機混合智慧突破關鍵。群體智能的關鍵在於三體以上的協調邏輯構建，而三體邏輯構建已超出了形式化計算邏輯的範圍，需要建立形式化算計邏輯體系。
無論是複雜或簡單，無論是自動化產品或智慧系統，大凡接地氣，並為眾人所接受的喜聞樂見，仔細想想，無不是在安全、高效、舒適方面做的比較好些。而要具備這些優點，其人、機、環境系統大都比較和諧一致，至少不是簡單的AI 某某領域或是某某領域 智能演算法。前段時間寫了一篇“智能的本質好像不是數據算法算力和知識”，強調生成這些的機理才是活生生的智能之源，這次還接著談，現有的人工智能教育體系培養出的“人才」可能還是沒有“魂魄”的“機器人”，究其因，還是乾巴巴的“算法”所致，有算無法，有術無道，有感無知，有理無情，有態無勢，有芝無瓜，有（類）腦無心，有形無意，有眼無珠……只能在可能性的圈圈裡打轉轉，而不能嘗試探索不可能的世界，即使有些探索，也還只是在家族相似性的河床上蹦蹦跳跳，而對真實的非家族相似性還遠遠無能為力。除了人機環境系統互動之外，第二個面向就是對深度態勢感知的理解與消化，例如許多情境下只知道時空之間的配準、校正，不明白態、勢、感、知之間的配準與校正；只知道非協同距離的失真解算，卻忘了協同距離的模糊展開；只知道變頻、變量，不思考變態、變勢、變感、變知、變通；只知道數據鏈、訊息鏈，不琢磨事實鍊和價值鏈，甚至是態鏈、勢鏈、感鏈、知鏈的糾纏疊加所形成的人機環境系統鏈；只知道同質、均勻、順序的態勢感知單一調製，而忽略了更重要的異質、非均勻、隨機態勢感知多級陣列，以及先感後知的快速機動性和先知後感的準確靈活性，還有態、勢、感、知之間的自相關、互相關的轉換機率；只知道人模機樣，不曉得機模人樣；只知道模擬驗證結構，不重視實戰得到功能。原因之三：一些事情發生了，我們不時會自覺或不自覺地與身邊的剛剛發生或印像比較深的事物關聯在一起，建立自己個性化的「因果關係」態勢譜（不僅是圖譜），的確有關的被稱為客觀事實性關聯，似是而非的稱之為可能性關聯，風馬牛不相及的被稱為主觀意向性關聯……這些生活中的常發生的關聯都是智能認知的組成部分，能夠程式化的客觀事實性關聯部分也往往被稱為AI，可能性關聯和主觀意向性關聯卻被過濾掉了，而這兩者卻是個性化智能之所以彈性的重要組成成分吧。總之，本是人機環境複雜系統的問題卻想用AI演算法簡化處理；只知道態勢感知，不明白深度態勢感知；忽略風馬牛之間的蟲洞聯繫；這三個問題也可能是造成AI總是很難落地的誘因吧！
DARPA的無人機大戰有人機－「狗鬥」測試剛結束，熱鬧過後，從測試後的回顧來看，AI獲勝的關鍵在於極強的攻擊性和射擊的準確性，但問題主要在於判斷存在失誤。根據美軍測試人員的說法，測試中的AI系統經常在基本的戰鬥機機動中犯錯誤，AI不止一次地將飛機轉向到其認為人類對手飛機會去的方向，但多次都被證明錯判了人類飛行員的想法。這也不難理解，人類飛行員判斷對手意圖都常出錯，更何況AI系統缺的就是對創意戰術的理解能力，出現這類失誤並不奇怪。然而，由於其"卓越的瞄準能力"和追蹤對手飛機的能力，AI在整體上仍然能夠保持對人類飛行員的優勢，電腦系統最終在整個對抗中佔據上風。
簡而言之，無人機AI在「態」的精度和「感」的速度上占得先機，但在「勢」的判斷和「知」的預測上還不具備優勢。建議以後的有人機飛行員多在假動作（就像喬丹、科比、詹姆斯那樣）、打破規則（如同孫子、諸葛亮、粟裕一般）方面上狠下功夫吧！沒有了規則，所有的演算法和（數學）模型就會失去了邊界、條件和約束，所有的計算就不再精確和可靠，當機率公式從算計變成了算命，機器的優勢也許就不如人了吧？ ！
人是價值性決策－論大是大非而不僅僅是計算得失；機器是事實性決策－論得失加減，而不是是非曲直。態、勢之間與感、知之間的都是量與質的關係，其中的"勢"即某時期內的最大可能性。凡是在「勢」中的，沒有不是先已在「態」中的；凡是在「知」中的，沒有不是先已在「感」中的。正可謂：星星之火可以燎原。如果目標明確，在與控制單元和裝備組成的大系統博弈，對手應是或只能是相應的系統，不是操作裝備的人，或者說是設計、操控系統的人。這方面，我們有很大的弱點。關鍵在於開發環境下長中短期目標的動態變化會造成目標的不明確甚至模糊。
現在的人工智慧就像高鐵一樣，速度很快，但是需要軌道，而真正的智慧應該像飛機一樣，只要能達到目的地，不需要特定的軌道和航線。態勢感知的誤差分為態、勢、感、知方面的誤差，也可分為事實性/價值性誤差。人工智慧在武器上的應用主要體現在機器對機器的任務佈置和武器的即時重新瞄準上，這種對典型「服務提供者」的效果優先級排序將在戰術層面執行，取決於智能化機器能否消化和分析來自整個戰場的數據。事實上，人機功能分配中事實性與價值性的資料、資訊、知識、責任、意圖、情感混合/融合排序展開進行進行才是未來的有人-無人對抗之焦點與困難吧！
以上是為什麼AI總是很難落地？的詳細內容。更多資訊請關注PHP中文網其他相關文章！
