西方理解智能（包括AI）一个最大的角度是物理，把智能的本质看成是物理规律，并结合数理方法去处理这些物理化了的智能体，尽管其中也有生理、心理等学科的浸入，其认识论的主轴主线依然是物理规律结合数理方法，很容易用解析还原的观点看智能。

英国学者凯瑞·布朗在新书《欧洲人眼中的中国》里写道，“对21世纪的人们来说，了解和接触中国已越来越成为一种刚需”。

东方（可以细化为中华文明）理解智能则不同，她从不把人当做物理体，更很少用数学工具去分析处理智能领域，而是把智能当成人类生命本身以及与自然、社会环境交互而产生的事物，智能不是一条条抽象的定理、公式和数据，更是活生生的交互、认知和知行，比较倾向于用系统体系的眼光看智能。

从物理学角度看，你和一块石头没有区别，从非物理学角度看，你会与其它人不同（比如个性化的爱情）。

如果说西方式研究的是人工智能，那么东方更擅长研究的是人的智能及系统的智能。这两者都有优缺点，可以在各自没有彻底搞明白之前，尝试把两种智能的优点融合在一起，形成一种人机环境系统的智能体系。由于物理数理侧重客观事实性的逻辑推理，人理事理倾向主观价值性的直觉判断，可以简称人机环境系统智能为计算-算计（计算计）混合的智能。

信任的本质就是客观事实being与主观价值should的一致程度。发生的事实与预期的价值一致时，信任度会增加，反之，信任度则会减少。相对于事实being的客观而言，价值should常常是一种前后主观的差值、比值，而信任是联系两者的桥梁，具体而言，更像是一种二者在特定时空环境下的测试与评价，图灵测试就是其中之一：主观认为符合一定客观事实的比例就通过了智能测试。殊不知，这是对智能测试与评价的误解、误导。

真实智能的测试指标具有非先进性，犹如小孩子的智能指标一样，不一定高，但具有成长性。目前人工智能的测试与评价指标都很好，以彰显其优秀的智能程度，实际上，这里面就有拔苗助长、好大喜功、不懂智能的因素存在，没有成长性的高指标常常是机械弱智的表现，何谈衡量智能的高低？！好的智能测试与评价指标应该是具有很强的自我优化成长性。

另外，我们可以从效率的角度看计算，从风险的角度看算计，风险的应对能力也是评判智能（态势感知）的重要指标，智能不只是增加效率，还应降低风险，而算计（包含文史哲艺）的方法有助于化解风险，增加安全性，如这次的台海危机管控，短期的效率就很难取代长远的风险。

不同的联结会让事物的属性或关系发生变化。真实智能或人工智能的测试与评价应在智能成分增减的变化率上，而不是人为设定的固定智能指标体系或比率上。所以，图灵测试有不小的问题……

英国剧作家汤姆·斯塔帕德（Tom Stoppard）说：“活在这个年代是最好的，你自以为懂得的一切，几乎都是错的。”，因为：“每一个出口都是另一出的入口。”。

​

当前，在人类的智能面前，机器智能还只是小河沟里的几条泥鳅～

​

爱因斯坦相对论有两个基础原理，光速不变原理和相对性原理，相对性原理是说每个惯性参考系中的物理学定律与其它惯性参考系中的物理学定律是相同的。这就意味着，除了通过比较这个参考系的运动和另一个参考系的运动外，没有办法检测参考系的运动。
爱因斯坦由洛伦兹变换方程能够得出几个令人惊奇的结果：运动时钟的时间延缓，运动量尺或其它刚体的长度收缩，同时性的相对性（在一个参考系中的同时，却不一定是在另一个参考系中的同时），速度的组合规则（不同于直观的加减规则），质量随速度而增加，以及后来的能量与质量的关系E=mc2。

人机环境系统智能中的参考系是不同的，机器的参考系是物理的，人类的参考系既有物理的，也有心理、管理等方面的，环境的参考系既有真实的，也有虚拟的……这些不同的参考系决定了单纯依靠数理、物理的逻辑手段是难以实现所期望开放的真实智能，若要实现，同时还需要心理、管理等多领域的算计方法和工具。

科学技术的研究常常是第三人称的指向——Ta，而智能往往是第一人称的关涉——我或我们，两者之间缺少一种跨视角的过渡。

从维纳的《控制论》到钱学森先生的《工程控制论》。就是从维纳的“或关于在动物和机器中的控制和通讯的科学”，到钱学森先生的“或关于人机环境的大成智慧和复杂系统工程学”。其中，必须有数学处理的数与形，这是计算；也有哲学处理的直觉思维与态势洞察，这是算计。可计算的关注实现过程，结果相对唯一，可算计的关注对象边界，结果可能不唯一。

卡达诺夫 (L.P. Kadanoff) 说：“我在这里要反对还原论的偏见，我认为已经有相当的经验表明物质结构有不同的层次，而这些不同层次构成不同群落的科学家研究的领域，有一些人研究夸克，另外一些人研究原子核，还有的研究原子、分子生物学，遗传学，在这个清单中，后面的部分是由前面部分构成的，每一个层次可以看成比它前面的好像低一些，但每一个层次都有新的、激动人心的、有效的、普遍的规律，这些规律往往不能从所谓更基本的规律推导出来。从最不基本的问题向后倒推，我们可以看到一些重要的科学成果。像门德尔的遗传律与DNA 的双螺旋结构，量子力学与核裂变，谁是最基本的？谁推导谁？要将科学上的层次分高低的话，往往是愚蠢的，在每一层次上都有的普遍原则中，都会出现宏伟的概念。”重要的是要认识到各个层次之间既有耦合，也存在脱耦。并非是探究清楚最微观层次的规律，就可以把世界上的问题全部解决。近年来有一种提法，说粒子物理面临新的挑战，要建立一种所谓“万事万物的理论”。有些科学家说粒子理论现在已经建立了标准模型，然后下一步就希望建立万事万物的理论。进行这类尝试是完全应该的，要向未知领域再推进! 但一定要采取辩证的观点来对待这一问题。即使这个理论取得进展，也并不意味着万事万物的问题就可以迎刃而解了。应该说物理学现在还是很有生命力的科学，但并不意味着要把它的全部命运都跟万事万物理论联系在一起，而是有很多新的发展余地。

数据的来源有时比数据本身还要重要。