认知（学习）
表示外部或内部（“自参照”）状态的神经细胞集合体的形式
人工智能（AI）
神经（AI）
AI神经元
学习算法
表示外部或内部（“自参照”）状态的神经AI元注集合体的形式
从哲学角度看，重要的是要弄明白，序参量不能归结为系统原子、分子、细胞、有机体等等这些复杂的微观水平。它们有时是可测量的量（例如激光的场势），有时是定性的性质（例如模式的几何形式）。然而，序参量并不只是一个理论性的、没有任何现实性的数学概念。实际上，它们代表着真实的宏观现象的性质，诸如场势、社会或经济的力量、情感甚至思想。有谁会否认情感和思想可以改变世界呢？但是，复杂系统探究方式不是一种形而上学的过程本体论。协同学原理（以及其他原理），对于构造自然科学和人文学科中的非线性复杂系统的模型，提供了一种启发性框架。如果这些模型可以数学化，它们的性质可以量化，那么我们就获得了一种经验性模型，它们可能与数据吻合，也可能不吻合。役使原理表现了另一种优点。由于它减少了复杂系统中的大量的自由度，协同学就不仅仅是启发性的、数学化的、经验的和可检验的，而且也是经济的。这也就是说，它满足了著名的奥卡姆剃刀原理，这一原理告诉我们除掉多余的实体。
我们的探究方式表明，物理的、社会的和精神的实在都是非线性的和复杂的。协同认识论的这个基本结论要求我们，注意我们的行为的严重后果。正如我们所强调的，在一个非线性的复杂的现实中，线性思维是危险的。作为一个例子，我们必须记住，我们需要的是一个生态学和经济学之间有着良好均衡的复杂系统。我们的医生和心理学家，必须学会把人看作复杂的精神和肉体的非线性体。线性思维可能会作出不正确的诊断。医疗中的局部的、孤立的和“线性的”治疗方法，可能会引起负面的协同效应。在政治和历史中，我们必须牢记，单极因果性可能会导致教条主义、偏执主义和空想主义。随着人类的生态、经济和政治问题已经成为全球的、复杂的和非线性的问题，传统的个体责任的概念也变得可疑了。我们需要新的集体行为模型，它们建立在我们的一个个的个别成员和种种不同见解的基础之上。简言之，复杂系统探究方式需要有新的认识论和伦理学结论。最后，它也提供了一个机会，使我们去防止非线性复杂世界的混沌，去利用协同效应的创造性可能。