让机器产生实时智慧，以应对尚不知道的未知世界 (unknown unknowns) 是实现人类水平通用人工智能的一项重大挑战。法国里昂商学院的人工智能和商业分析教授、全球商业智能中心副主任丁文璿教授在人工智能领域国际顶级学术会议IJCAI (International Joint Conference on Artificial Intelligence) 上宣读了她的最新研究成果——一个新的动态认知模型。该项研究属于理论计算机的奠基性研究，为机器建立对尚不知道的未知世界的认识开创了一个新方向。

人工智能领域国际顶级学术会议IJCAI于2019年8月10日至16日在澳门举行。随着近年来人工智能的快速发展，世界各地著名大学学者和众多500强企业研发人员到场，共同探索人工智能领域的新发展。

隐性认知、机器对“看不见的人类心态”的理解

众所周知，人类获取知识通常是经过一个有意识和有目的过程来建立知识概念以及相关概念之间的链接 ，这一过程往往极度依赖于大脑的工作记忆单元。例如，人们到各式各样的学校接受明显的教育，学习如何下棋的规则，如何使用一门外语或计算机编程语言。这一学习过程被称为显性学习，因为它的学习过程是有意识的、明显的，而且所学到的知识可以很自然而然的用符号语言或很清晰的外显的方式表示出来。

然而，在另一方面，人类具有适应外界环境的能力。人类能够在不了解外界情况，并且又没有已知的知识可以作指导的情况下，完成自适应的能力。例如，即使一个人在并不知道许多语法规则的情况下仍然能很好地用他/她的母语交谈，并不会犯什么语法错误。又例如，一个人可以很好地行走或骑自行车，尽管他/她不能描述出身体行走或骑车所遵循的力学原理。这是为什么呢？认知科学家发现，当人类接触周围世界时，他们可能会产生隐性学习。

隐性学习是指人们在面对（复杂）外部环境的刺激时，在不需要使用大脑中心注意力单元和也不需要用已知的知识进行有意识的分析时，而自发的产生出的认知。隐性学习有两个关键特征：

1）习得的知识只有学习者自己知道，其他人无法观察到该过程；

2）学习者自己无法将所学到的认识用言语表达出来，即只能意会不能言传。

因此，隐性学习产生出的隐性（或，说不出来的）知识含义与显性学习所获得的知识相结合，使我们每个人变得独一无二。每一天，我们对于所接触到的想法理念、事件、物体或人所产生出来的不可言说的隐性知识帮助我们做出各种选择决策， 并且决定我们的生活方式。

因此，丁教授在文章中所研究的是：像机器这类非生命实体是否也能产生类似的隐性认知和学习的能力？文章考察了一个现实世界的情景：人类接触到一个环境，一台认知机器作为观察者来观察人们对这个环境的反应。人类也许会、或者不会产生出相关的隐性认知和学习， 而这一过程我们的认知机器是无法观察到的。

丁教授在文章中研究了以下三个问题：

• 机器是否能察觉人类是否从事了隐性学习？
• 如果发生了隐性学习，机器能否识别出人类从所接触的环境中产生出了何种隐性知识？
• 在观察人类行为时，机器自身是否也能产生并发展出对不能被观察到的人类内在心思的隐性知识？

目前，人工智能（AI）和机器学习（ML）常常侧重于对已知世界的现有的观测数据中进行显性学习（如监督学习、无监督学习、深度学习和强化学习 ），以发现数据中的潜在规律。它们忽略了对尚不可知之未知世界的学习，例如，现在的人工智能还不能揭示那些观察不到的，数据产生的内在因果机制。

由于人工智能有希望提高人类和社会的福祉，所以，在人机交互中，让机器能够理解人类的心思是至关重要的。因此，研究机器的隐性认知和学习能够提供新的洞察力：如何从现有的观测数据中，不使用显性和有意识的学习策略来获得丰富、复杂的关于尚不知道之未知世界的认识。这一认识过程在人类学习中是普遍存在的，但在当前人工智能和机器学习领域中却被忽略了。

用手机应用程序（App）进行体重减肥管理以治疗肥胖症作为应用实例，丁教授的研究证明：机器不仅能够识别出人类是否从事了隐性学习， 而且还能够识别并量化App使用者心思状态的动态变化。研究表明，并不是所有的App用户都能产生隐性学习。隐性学习的产生能促发人们产生一种活跃的心思状态。同处于非活跃心思状态的用户相比，处于活跃心思状态的用户明显增加了他们日常行走步数。文章证明利用移动App生成实时的，基于个体用户心思状态的最佳医疗干预以治疗肥胖症被证明是非常有效的。