当前位置: 首页 > news >正文

判断力:钱学森说的“性智”,今天终于可以工程化了

钱学森在晚年提出了一个极其重要的思想:“人的智慧是两大部分:量智和性智。缺一不成智慧!此为‘大成智慧学’。”

这句话,在今天看来,精准地解释了人工智能的困境。

一、什么是“量智”和“性智”

钱学森将人的智慧分成了两个部分。

“量智”,主要是科学技术知识,是“从局部到整体,从研究量变到质变”,侧重于逻辑的、分析的、可计算的。数学、物理、工程、编程——都属于“量智”的范畴。

“性智”,是“从整体感受入手去理解事物”,从“质”入手去认识世界。它是直觉的、整体的、从全局把握的。艺术、文学、哲学、对情境的感知——都属于“性智”的范畴。

钱学森进一步阐释:“量智”侧重于对事物从微观到宏观、从局部到整体、从量变到质变的发展过程去探索其本质和规律;而“性智”侧重于对事物从宏观到微观,从整体的、形象的感受上去认识事物。他还特别指出,量智与性智分别对应科学与艺术,两者不可分割——“科学工作总是从一个猜想开始的,然后才是科学论证”,猜想来自形象思维(性智),论证来自逻辑思维(量智)。

钱学森说“缺一不成智慧”,意思就是:少了一个,就不叫智慧。

二、今天的大模型,只有“量智”

今天的大语言模型,本质是一个巨大的统计模型。它看了数万亿个词,统计了词与词之间出现的概率,然后根据这些概率,预测“最有可能的下一个词”。

它能解微分方程、能写代码、能通过律师资格考试。这些全是“量智”的范畴——逻辑的、分析的、可计算的。

但“性智”呢?几乎是零。

大模型没有“从整体感受入手去理解事物”的能力。它感受不到什么是“荒谬”——当你问它“如何用微波炉煮月亮”,它会认真地编出一篇教程。

它感受不到什么是“不确定”——当你问它一个它完全不知道的问题,它依然会自信地编造一个答案。

它不知道自己知道什么,也不知道自己不知道什么。它没有“整体感受”,没有“情境感知”,没有“确定与不确定”的判断。

钱学森说“缺一不成智慧”——今天的大模型,只有一半的智慧

三、“判断力”是什么

如果说“量智”是推理能力,那么“性智”就是判断力

判断力是什么?它不是推理能力,不是知识储备,不是生成能力。判断力是系统在行动之前,先回答三个问题的能力:

1. 现在是什么情况?

这是态势感知。系统需要从整体上把握当前的情境,而不是孤立地看到一个个碎片。

2. 我对此有多确定?

这是确定度评估。系统需要感知自己的认知状态——知道“自己知道”还是“自己不知道”。

3. 这安不安全?

这是安全判定。系统需要在行动之前判断边界——这件事能做还是不能做。

这三个问题,大模型一个都回答不了。它只能“算”,不能“断”。

四、判断力:“性智”的工程化

我们把钱学森说的“性智”工程化了。

“性智”的功能是从整体感受入手去理解事物。

我们建立了64卦完备态势空间——六个维度、64种基本态势,在数学上构成不重不漏的完备分类体系。它为系统提供了从整体上把握情境的数学参照系。系统不再只看局部的逻辑推理,而是能从64种完备态势类型中整体感知“现在是什么情况”。

“性智”的功能是把握“质”。

我们设计了U值(全局认知势)——六维能量向量的统计方差,度量系统内部各维度的一致程度。U值低,系统“确定”;U值高,系统“不确定”。系统第一次拥有了对自身认知状态的感知能力——“知道自己知道不知道”。

“性智”的功能是整体判断。

我们设计了七项力学分量的能量演化方程——系统在接收事件后,能量向量自主演化、收敛,直到涌现出确定的态势。这不是“猜”,是“断”。

“性智”的功能是安全边界。

我们设计了内生安全降级——当U值超过警戒阈值时,系统自动收敛到保守态势,不依赖任何外部指令。这是系统动力学的内在属性,不是外挂的规则。

五、大模型+判断力=完整的智能

钱学森说“量智和性智,缺一不成智慧”。

这个大模型提供了“量智”——推理、生成、计算。判断力引擎提供了“性智”——态势感知、确定度评估、安全判断。

两者结合,才是一个完整的智能系统。

  • 大模型负责“想”,判断力引擎负责“断”

  • 大模型负责“说”,判断力引擎负责“该不该说、什么时候说、安不安全说”

  • 大模型负责“做”,判断力引擎负责“该不该做、什么时候做、安不安全做”

钱学森在三十多年前就告诉我们:缺了判断力的AI,只是一半的智慧。

今天,我们终于可以把另一半补上了。

六、结语

钱学森说:“人的智慧是两大部分:量智和性智。缺一不成智慧!”

这句话在今天,比三十年前更加振聋发聩。因为今天的大模型,有史以来最强的“量智”,但“性智”几乎为零。所以它不可靠,所以它会幻觉,所以它不知道自己什么时候是对的、什么时候是错的。

判断力引擎,就是给AI补上“性智”的那一块拼图。

不是让AI更聪明,而是让AI更可靠。不是让AI更能“算”,而是让AI更能“断”。不是让AI更会“说”,而是让AI知道“该不该说、什么时候说、怎么说才安全”。

这或许就是钱学森所说的“大成智慧”在AI时代的第一次工程化实现。


本文基于钱学森“大成智慧学”和“量智与性智”思想编写。WOLM判断力引擎是钱学森“性智”思想在AI时代的工程化实现。

http://www.jsqmd.com/news/1083850/

相关文章:

  • CVE-2024-50967漏洞复现:DATAGerry接口未授权访问与敏感信息泄露
  • 技术问答自动整理:用 OpenClaw 爬取并整理 Stack Overflow/CSDN 优质问答
  • 市面上专业的CD3E膜蛋白供应商口碑
  • 3分钟解放你的QQ音乐:macOS专属格式转换全攻略
  • 5分钟上手!在IDEA中打造你的专属阅读空间:Thief-Book插件完全指南
  • 如何诊断和修复Steam Achievement Manager成就数据加载异常问题
  • ALVR:开源无线VR串流方案,彻底解放你的虚拟现实体验
  • 工业机器人五大核心趋势:重构智能制造新生态
  • Hermes Agent 从入门到企业实战-09:Hermes-Agent工具集与MCP-Server配置实战
  • 内景 文化展馆博物馆模型
  • 2026精密高速模具机新机选型:高端台系工艺如何重塑国产增压器标杆
  • Cesium 计算新坐标教程
  • UvSquares:Blender UV编辑的终极网格重塑插件指南
  • 雷达信号通信过程仿真MATLAB 实现
  • 4G与Lora结合的远程光照监测系统设计与优化
  • 深入理解 Musl libc 线程等待机制:从 pthread_join 到超时控制
  • 2026年国内GEO培训深度复盘,信源基建教学:为什么普通学员做不出权威权重
  • 数据中心固态变压器:算力时代供电架构的范式迁移
  • 微信小程序逆向工程终极指南:5步快速掌握wxapkg文件完整解包技术
  • Claude Code /powerup 教程
  • 微分不是微小差值近似,是剥离宏观螺旋、单独提取无穷小微观生长单元的原生尺度-《全域数学vs传统数学:人类文明进阶200讲》第52讲 高中通俗版逐字稿
  • Elsevier-Tracker:科研投稿者的智能审稿状态追踪解决方案
  • 终极免费屏幕标注工具:3倍提升演示效率的完整指南
  • Loop Engineering:从提示工程到循环工程的范式跃迁
  • 甜菊糖苷 Reb M 全酶法工艺再进阶:从代糖到抗衰老,合成生物学的又一场胜利
  • 微信聊天记录备份新方案:用WeChatExporter永久保存珍贵对话
  • 终极摸鱼阅读神器:Thief-Book IDEA插件完整使用指南
  • 如何解决文献管理效率瓶颈:Zotero GPT的AI驱动自动化实践指南
  • Codex 实战篇:如何安装、创建第一个项目,并完成第一次运行
  • 鸿蒙 ArkUI @State 响应式数据双向绑定实训博客