如何实现有向的人机融合与态势感知计算计呢？

一是“泛事实”的有向性。如国际象棋、围棋中的规则规定、统计概率、约束条件等用到的量的有向性&＃xff0c;人类学习、机器学习中用到的运算法则、理性推导的有向性等&＃xff0c;这些都是有向性的例子。尽管这里的问题很不相同&＃xff0c;但是它们都只有正、负两个方向&＃xff0c;而且之间的夹角并不大&＃xff0c;因此称为“泛事实性”的有向性。这种在数学与物理中广泛使用的有向性便于计算。

二是“泛价值”的有向性&＃xff0c;亦即我们在主观意向性分析、判断中常用到的但不便测量的有向性。我们知道&＃xff0c;这里的向量有无穷多个方向&＃xff0c;而且两个方向不同的向量相加通常得到一个方向不同的向量。因此&＃xff0c;我们称为“泛价值”的有向量。这种“泛向”的有向数学模型&＃xff0c;对于我们来说方向太多&＃xff0c;不便应用。 

然而&＃xff0c;正是由于“泛价值”有向量的可加性与“泛物”有向性的二值性&＃xff0c;启示我们研究一种既有二值有向性、又有可加性的认知量。一维空间的有向距离&＃xff0c;二维空间的有向面积&＃xff0c;三维空间、乃至一般的N维空间的有向体积等都是这种几何量的例子。一般地&＃xff0c;我们把带有方向的度量称为有向度量。

态势感知中态一般是“泛事实”的有向性&＃xff0c;势是“泛价值”的有向性&＃xff0c;感一般是“泛事实”的有向性&＃xff0c;知是“泛价值”的有向性。

量子纠缠不是“有或无”的问题&＃xff0c;而是“有与无”的问题