准全息系统论与智能计算机
概 论
2004，11，1公布于潜科学网站
在系统科学领域，系统论并不能有效解决具体的复杂系统问题，主要原因是未能解决系统悖论——不能针对具体系统给出具体的定量形式化描述模型。深入研究发现：复杂系统不存在统一的原理及描述模型，只能针对特定类型的系统，寻求特定的原理及描述模型。如联合国，属交互作用型系统；一个国家的行政组织或译码器，属定向协同作用型系统，人脑神经系统，既有协同作用型自组织，又有交互作用型自组织，且具有准全息性。针对交互作用型自组织的定量形式化描述，我们给出了“准全息元数学模型”。
描述准全息交互作用型自组织有三个要素：1、作用因子。2、自组织结构。3、结构法则。构成自组织的作用因子可称为自组织参量，参量之间的关系称为结构。
显然，结构的构成需要遵循一种法则，这种法则就是参量之间交互作用的法则，也是参量之间自组织为一个整体结构及集合的法则。如整数集遵循加减运算法则即可形成加减运算关系结构，有理数集遵循乘除运算法则即可形成乘除、乘方开方、对数反对数运算关系结构……。
遵循共同的结构法则，系统之间才会有同构性。同构是系统之间交互作用产生预期反映的前提条件。基于预期性，系统之间才能有效地交换信息、反馈信息。另外，预期还是主动性及相互理解的前提条件，是预测、目的、希望、及相互交流信息的基础，可以说没有预期性就没有人类智能。
一般来讲，自组织结构与参量集合的类型有关，如整数、有理数、实数及超越数等类型，分别确定着加减、乘除、乘方开方、对数反对数等数学基本运算关系。这种运算关系或结构的类型是有限的，具有元结构的性质；其结构法则——等价逻辑法则，具有元逻辑的性质；其参量类型也是最基本的。因而是自然科学基础理论的元语言。另外，逻辑法则具有内涵与外延一致性，等价数学基本运算、自组织或自然法则。
不同类型的参量遵循不同的法则构成的自组织结构，其复杂性有很大的差别，如加减运算关系结构，仅涉及整数类参量，用两维结构即可表示，复杂性要小得多——等价线性系统。而乘除、乘方开方、对数反对数运算关系结构，涉及有理数类参量，必须用三维结构表示，具有足够的复杂性——等价非线性系统。
通过准全息元数学模型，我们可以确定复杂开放系统的三个基本定理：1、准完备性定理。2、系统结构法则的多元相容性定理。3、系统参量的互为因果关系定理。可以确定复杂开放系统创生的三个基本原理：1、结构法则（等价逻辑法则）内涵与外延的一致相容原理。2、互补原理。3、自组织原理。可以确定智能系统的几个基本原理：1、准全息信元逻辑相关原理。2、自组织功能耦合原理。3、准全息信元逻辑内函与外延一致性及多元相容性原理。
模型的重大意义在于：1、解决了准全息信元的全互联及交互作用关系问题；2、解决了准全息信元的组合爆炸问题；3、有条件的解决了模数统一问题；4、有条件的解决了联结机制与符号机制的统一问题；解决了储算一体及数据与地址的统一问题；5、解决了开放性与系统进化问题：6、解决了有限状态与无限状态的统一问题；7、解决了有限计算能力与无限计算能力的统一问题；8、解决了确定性状态与非确定性状态的统一问题，或有序与无序的统一问题；9、解决了智能系统的因果目的性问题；10、解决了有关智能或信息技术及理论的统一问题；11、解决了智能系统的准多值逻辑推理机制及原理问题。
在系统科学领域，老前辈钱学森曾提出建立系统学，但系统学所要解决的问题在系统悖论没有解决的情况下，可能无法解决，系统学也难以建立。因而系统学所要解决的问题，需通过特定类型的系统理论才能解决。鉴于系统不存在统一原理及描述模型，亦很难抽取系统共性的东西，存在系统学内涵与外延的界定困难，因而建立“系统系谱学”似更现实一些。它可以涵盖系统学的研究内容，但研究目标明确了，避免了一些不必要的麻烦。
搞“系统系谱学”的意义在于：搞清楚各类具体系统的基本要素，结构与功能单元，原理与功能机制、功能层次，通过系统系谱分析，就有可能象基因重组一样，组构人类所需要的系统类型，获取所需要的系统功能。它建立在充分了解系统的个性与共性的基础上。
统一系统论、信息论及控制论是系统学或系统系谱学的重要内容。通过准全息系统论及准全息元数学模型，说明系统论、信息论与控制论的统一应该是很自然的事情。之所以造成三论分离，是因为各自的理论高度不够——均没有结构描述，而三论统一的基础就是系统结构。结构是系统参量或子系统之间的作用关系，系统参量等价系统单元状态，系统单元状态等价系统单元信息。因此，系统参量关系等价系统的状态关系或系统的信息关系，等价系统因子的自组织自控制关系。而控制是基于系统因子，或系统之间的作用与反作用关系，不能脱离信息。而控制因子与系统因子及信元等价，信元与系统因子或控制因子匹配输入输出。信息的传递与保存，则与系统的结构统一，本身也是系统结构及系统或控制因子相互作用的标志及体现。基于特定的系统结构，系统参量、系统状态、与控制因子及系统信息，可以互相描述、互相定义、互相转换。物质与能量亦可以互相转换，故信息的表现形式也可以多种形式转换，系统没有信息的转换，及作用与反作用，系统就不可能生存。
模拟任何一个复杂系统的功能，包括人脑智能，只有在弄清系统动力学自组织结构特性的基础上，才能复制原型或还原，最起码也要有一个同构描述模型。本世纪迅速发展的仿生学，就是通过弄清组织结构的本质特征，然后以不同的人工材料为基础，模拟原型的功能。相对于人脑神经这样的复杂系统，如没有定量形式化的自组织结构及原理模型，就谈不到有效的人工模拟，也不能说智能模拟有了真正完善的理论基础。
人脑智能模拟是个系统工程，不能指望用还原论方法解决问题，系统问题就必须用系统理论及方法来解决。也不能从一个局部或层次展开，而是要从各个层次功能机制的协调统一入手，如同模拟鸟飞的飞机，其飞行原理、机制及相应的控制与动力系统，包括空气动力学理论，都要统一于满足飞机不仅能飞且能承重这一基本实用要求。如完全模拟鸟飞的机理，就很难满足承重这一特定要求。模拟人类智能也是同理，没有必要与人脑完全一样，但一定要抓住主要矛盾，明确本质特征，有整体目标、整体规划及明确的理论基础，避勉盲人摸象。
人工智能的三大流派——符号机制、联结机制与控制论机制，都为人工智能做出了巨大贡献，但都有不可克服的局限性。要设计功能足够强大的智能计算机，必须在信元自组织的基础上解决交换、控制、及运算功能的统一一体化问题，同时解决组合爆炸问题、总线瓶颈问题、储算分离问题、内外情境的统一问题……。但因传统的系统论只有定性描述，而无系统参量的自组织结构及原理描述，而确实难以作为智能系统的有效理论基础。“准全息元数学模型”的提出，首先是解决了系统理论本身的定量形式化描述难题，为复杂人工智能系统的设计奠定了坚实的数学理论基础。
根据同构或相似性原理，可以认为人脑及计算机都应是转换状态或组织状态关系的物理实体，其中的组织状态关系与记忆状态及其关系是统一的。只要解决了三大根本问题，就能模拟再现人脑的本质功能。一是解决状态的自组织问题——体现状态关系的整体存在形式，即状态关系结构问题。二是解决状态的实时转换问题——体现状态在不同层次及不同转换阶段的表现，即功能问题。三是解决子系统功能耦合的原理及机制问题——体现状态的互补定义及交互作用。上述问题涉及到转换或组织状态的实体，与脑神经网络是否同构的问题，涉及到内外情境的统一问题。
具体到状态的操作，应该是状态之间的交互作用及协同作用。这一点非常重要，因为功能是状态之间的自然作用，如果是加上外在的控制因素，就不是功能的自然体现。这里涉及到一个重要的概念——自动机，传统的自动机是按预先安排好的操作步骤动作，而真正的自动机是现场状态可以直接驱动机器作用与反作用。且在这一过程中完全没有任何附加控制条件及过程性控制，完全是根据信元的自组织或互为因果关系结构交互作用。这里涉及一个重要的理论问题：“即转换状态时，状态一定是对象的真实描述。而转换状态的实体（计算机或人脑）亦必须是真实状态关系的自组织，且两者必须具有一致性。”
一般来讲，状态的自组织形式决定状态的作用机制，即所谓的结构决定功能。由此可见，机器模拟人脑思维是有条件的——同等复杂性的结构决定同等复杂性的功能。且只有具有特定结构、特定作用方式及原理的系统才能产生特定的功能。
对思维或脑科学，只有给出本体的系统论描述，才能对其结构与功能特征有一个理性的认识。说准全息元数学模型是思维及人脑的定量形式化描述模型，是因为人脑这一思维本体是个典型的准全息系统，它基于连接机制，是状态转换、状态交换及状态交互作用一体化的复杂网络系统。
人脑神经元的连接有两种形式，一种是以逻辑可逆为基础的交互作用型连接，其功能是组织与转换状态，与交换及控制机制统一；一种是以编译码机制为基础的协同作用型连接，其功能是编码、译码、解码。前者体现为逻辑思维，后者体现为形象思维，两者是互为依存、互为条件。而人脑神经系统同时包含这两种类型的自组织。
智能系统最起码有两个功能层次：一是子系统功能层次，相对容易解决一些。一是子系统功能耦合层次，解决起来就相对困难一些，因为子系统功能可以通过若干不同子系统的功能互补解决，亦可以通过不同子系统的功能代偿，而子系统功能耦合层的问题则无论如何不能替代及代偿。用系统论的话说，系统整体的功能并非子系统功能简单的叠加，整体功能要大于部分功能之和，这涉及系统论最难以解决的问题——涌现问题（也有将涌现称为突现的），同时涉及子系统功能耦合的原理及法则问题。这应该是智能系统的最本质问题，具体涉及状态转换的自组织原理及相应的功能机制，涉及状态的组合与分解机制——即运算机制；涉及状态之间的交互或协同作用机制——即控制机制。自组织及其涌现问题，及功能耦合问题不解决，智能模拟就很难取得根本性的突破。
目前的符号机制仅涉及状态转换，却没有状态的自组织这一基本前提，因而状态转换不能与子系统的功能耦合或自组织机制统一。联结机制亦不能结合子系统功能耦合或自组织机制统一解决状态转换问题。其分类功能大部分仅相当于译码器，相当于感知子系统这一个层次的功能；控制论机制同样不能解决这一问题。反馈控制同样需要建立在子系统功能耦合——即状态自组织的基础上，才能更有效的与全部背景或相关状态双向实时交互作用。通过上述分析，现有理论都没有解决智能模拟的根本问题——系统的自组织或子系统功能耦合原理问题。至于状态转换问题则必须在内外情境统一的基础上统一解决，才会更有效率。
另外，状态转换不能基于二值逻辑，而应基于准多值逻辑。道理很简单，二值逻辑需要把所有的状态都用二值编码，而现实状态的编码需要用三值、四值……，且能直接、实时、透明相互转换。用多值态编码的意义，在于各种编码方式可以互补定义同一个状态，且能互相激励互相检索。最主要的是二值逻辑没有可逆性，不能进行逆向逻辑推理；在此基础上不能直接转换有理数及实数类状态，这将导致信息处理实体内外情境的分离，为语义理解造成了根本性的障碍，同时导致计算复杂性问题。另外，在二值逻辑基础上不能实现状态的自组织，造成储算分离。
以“准全息元数学模型”为逻辑结构模式设计的计算机，多入多出、逻辑可逆；储算一体；地址与数据统一；适应多种进制代码运算、控制及交换；并行运算、并行控制、并行交换功能统一一体化；可双向读写算、同步读写算、及并行读写算。其记忆单元之间具有内在的自组织关系，相对于冯型计算机，可以说是计算原理及体系结构的一次革命。可从根本上提高计算机的基础性能，其意义远远大于日本的第五代计算机。
基于模型的计算原理可称为自组织结构计算原理，相对于冯型机，有三个方面的不同：１、以自组织为基础转换状态。２、以准多值逻辑为基础转换状态，可以直接转换有理数及实数状态，可以并行转换状态。３、状态之间可以互相控制进行转换。相比之下，冯型机是：１、以二值逻辑为基础转换状态。２、串行转换状态。３、转换状态需要通过预先程序化及存储程序。
钱老曾提出大成智慧，但其实现，只有以准全息元数学模型为基础，搞出智能计算机才有可能。因这种智能机可以解决存储单元之间的全互连性，能按照特定法则实时、透明化利用数据、存检数据、组织数据。以此为基础，才能有效地集中人类知识精华，并实时更新。智能机的本质，是本身可以遵循某种法则组织状态、转换状态、交换状态。
只有基于元逻辑、元算法及元数据结构，构建智能计算机，才能决定人机遵循共同法则。在同构的基础上组织数据与实时、有效地利用数据，才有可能搞出通用海量数据库，这是集大成、得智慧的基本前提条件。而冯型机的存储单元之间因没有内在联系，通过软件建立内在联系，必然面临组合爆炸问题，还因其体制问题，存在读写瓶颈，存在分段、分时、串行处理等诸多弊端。故基于冯机建数据库不可能具有通用性，只能是为解决特定问题搞专用数据库，这就不可避免海量数据的读写瓶颈，及难以修改更新等诸多弊端，因此很难实现大成智慧。以此为基础，不仅人机没有共同的法则可以遵守，计算机本身也没有可供主动遵守的行为准则。
谈到智能模拟，很多人认为所解问题不能形式化与不可计算，是机器智能不可逾越的双重限制。但不能形式化与不可计算的问题不仅仅限于计算机，对于人来讲也同样存在，但这并非智能不能模拟的理由。因为世界是开放性的，人类的智力也是开放性的，形式化的方法及计算能力始终是在随着人类智力水平提高而提高，二值逻辑计算机绝非人类智力发展的极限！二值编码的形式化及二值逻辑计算性能的局限性并非不可逾越！复杂性的问题有复杂性的方法解决。
搞智能计算机并非可望而不可及的事情，亦并非是一劳永逸的事情。它涉及的理论及技术问题较多，不同的理论与技术途径，其结果会有很大的差别，有些是非本质的，有些则是本质的。以往，因为智能本身没有公认的标准，亦没有统一明确的理论基础，所以对于智能的评价及认同标准都是实用性的，相对性的。但这并不影响人类对于智能问题的执着探索，人们根据各自的理解在不同途径，逐步向智能的本质结构与功能特征逼近，随着自然科学基础理论的飞速发展，在二十一世纪初，智能计算机的理论与技术必将产生质的变革。
人类模拟任何功能，都不需要和原型一模一样，就像模拟人类行走可以用轮子而不用双腿，而驱动轮子转动行走的机制，与驱动双腿行走的机制则完全不同，但其满足人类实用的价值却要从某些方面高于双腿。类似的例子几乎比比皆是，因而模拟人类智能的技术理论，能从脑科学找到出路当然更好，但暂时找不到，亦不能说明智能模拟及智能计算机的设计就没有出路或要停滞不前。
对于智能模拟或智能计算机的讨论，很容易陷入空对空的无谓争论，亦很容易走两极端——或者是将现有的工作拔高成人脑功能，或者说智能永远无法模拟，并为此找出若干所谓的理论根据。因而有关讨论必须限于特定的条件，限于特定的理论及技术，不然就会造成无谓争论。作为一个人工系统，其功能只能是相对于一种技术及理论而言，这样所要讨论及解决的问题都将是非常具体的，需要做的都是实实在在的工作。不管怎样，只有针对具体的理论及技术问题提出具体的解决方案，才能对人工智能系统的构建有实质性的推动作用。