人的學習是初期的灌輸及更重要的後期環境觸發的自主交互學習構成，而機器學習只有統計概率+規則算法的事實性累加功能，缺乏後期自主價值性學習能力（功能不會產生“如果”  ，只會有“那麼”……，產生“如果”是能力才能幹的事），與機器不同，人的學習不但是事實與價值的混合性學習，而且是權重調整性動態學習。 人工智能就是由人教會機器學習，幫助人類更好的解決問題，AI沒有能力，只有功能。 此外，人的記憶也是自適應性的，且隨人機環境系統的變化而變化，這也是機器存儲望塵莫及之處。

 人的智能在於知道自己的不智能，機器則不然。 人類可以跳出概念理解並使用概念，機器自己並不具有擬合出合理概念的能力和方法。 目前，智能認知相關理論發展主要經曆三個階段：第一階段以博弈運籌學、控制論、信息論、系統論等相關理論為基礎，主要目標是實現輔助計算；第二階段是以專家系統、 智能優化等相關理論為基礎，主要目標是實現輔助決策，降低人的生理、心理負荷；第三階段是以機器學習（包括深度學習、強化學習、遷移學習等）、數據挖掘、知識圖譜、類 腦計算等人工智能領域的理論成果為基礎，主要目標是實現決策的自主化和智能化。 由於博弈對抗的特殊性，傳統意義上的智能認知將逐漸轉移到人機融合的智能認知階段，以達到隱真示假、去偽存真等洞察目的，具體體現在兩大類七維度的人機 深度態勢感知上，即事實類（包括空間3維+時間1維）+價值類（意識1維+情感1維+責任1維），在“快”和“準”的基礎上，實現“好 ”（英語稱之為right）。

 真實的智能有著雙重含義：一個是事實形式上的含義，即通常說的理性行動和決策的邏輯，在資源稀缺的情況下，如何理性選擇，使效用最大化；另一個是價值實質性含義， 既不以理性的決策為前提，也不以稀缺條件為前提，僅指人類如何從其社會和自然環境中謀劃，這個過程並不一定與效用最大化相關，更大程度上屬於感性範疇。 理性的力量之所以有限，是因為真實世界中，人的行為不僅受理性的影響，也有“非理性”的一面。 倫理對人而言還是一個很難遵守的複雜體系。 簡單的倫理規則往往是最難以實現的，比如應該幫助處在困難中的人，這就是一條很難（遵守者極容易上當被騙）操作的倫理準則。

 智能不但要求有情有理，更希望通情達理、情理交融，比如，用老子的《道德經》（非常道、非常名）回答休謨之問（從客觀事實being中能否推出主觀價值should？），即用 “等價”的相對思想取代“相等”的絕對意識（這也許會是新數學體系誕生的徵兆）。 相等與蘊含是現有數學（包括數、圖、集合）的基石，也是計算的前提，更是人工智能的條件；而等價和類比則是複雜領域（包括跨域、交叉、融合）的關鍵 ，也是算計的本質，更是人類智能的精華。

 等價是指價值性的近似相等能力，是一種開放性跨域穿透、自由馳騁、柔性彌散、相關無關，而相等是指事實性的一模一樣功能，是一種封閉性約束規範、嚴格條件 、一致邊界、同根同源。 相等就是在本質上一樣，比如可以說2和2相等或相同，等價是指在意義一樣，不能說1+1和2相等或相同，只能說等價，這是因為1+1在本質 上是算式，而2是數字。 細想起來，石頭、剪子、布與雞、蟲、棒、虎是等價的而不是相等的。

 在號稱數學中的數學——範疇論裡沒有相等，只有等價，在真實的智能中相等也沒有多少意義，這也是（以相等蘊含靜態關係）數學為基礎的人工智能手段為什麼解決不了真實複雜 博弈環境下（以等價類比動態關係）指揮控制問題之關鍵，態常常相等計算，勢往往等價算計，計算是絕對相等，算計也許就是相對等價了，想要獲得一些東西，在人的 定義裡，可以犧牲一些東西，而機做不到這樣的算計。 微積分、數字電路中的高低實質就是近似等價逼近計算關係。

 從邏輯模型論的角度上來說，等價與相等關係嚴格來說並不是一個對像或者符號上的關係，而是一個指稱上的關係。 相等邏輯符號的解釋是固定的，但是等價非邏輯符號的解釋是不固定的，給一個模型的時候我們需要解釋這些等價非邏輯符號。

 真實對象的相等，不是什麼公理下的相等，更不是什麼同構下的相等。 把函數相等看做定義域、值域、對應法則一樣就已經被洗腦了。 範疇論或者用別的語言完全可以硬是把兩個定義域、值域、對應法則都一樣的函數看做兩個不同對象，只是這在大部分情況下既沒有必要又不符合直覺。

 人機融合智能之所以可以顛覆，原因是它不但可以植入人工智能所不具備的反思能力和自主創造能力，而且還可以解決人工智能所不能解決的知識相悖性和無窮性。