具体来说，在科学观方面，人工智能把自己的研究对象理解为“没有主观色彩、客观中立”的人工脑物质，把研究的关注点定为脑物质的结构与功能，并且接受了物质可分的观念。在科学方法论方面，人工智能遵循了纯粹形式化的方法论，阉割了信息、知识、智能的内容和价值因素，挖空了它们的内涵；同时遵循了分而治之的方法论，把人工智能研究的整体肢解为结构主义、功能主义和行为主义分道扬镳的三大分支。
对照表1的学科发展与建构的普遍规律可以理解，既然在学科源头上的学科范式（学科定义）已经张冠李戴，那么，在这个范式引领下的学科框架（学科定位）、学科规格（学科定规）和学科理论（学科定论）岂有不偏离正轨的道理？
人工智能学科发生范式张冠李戴的问题不是偶然的现象，而是不可避免的结果。表面上看，人工智能学科发生范式张冠李戴的问题好像不可思议、不可理解因而不可接受，在科学史上也从无先例。深入的分析则可以发现，人工智能范式发生张冠李戴问题，确实是“千年一遇”的大事件，而且注定是无可避免的历史性遭遇，理由如下。
回顾历史，自农业文明和工业文明发展的千百年来，科学研究的对象基本上都属于物质学科范畴（材料科学和能量科学）。在物质学科发展的长期过程中逐渐形成的研究范式（物质学科的研究范式）也一直行之有效，因此根本没有可能发生范式张冠李戴的问题。
然而，20世纪中叶以来，信息科学技术迅猛崛起，形成了信息学科研究实践活动的社会存在。一方面，由于受到“存在决定意识，意识滞后于存在”法则的制约（学科的范式属于意识范畴）；同时也由于信息学科是全新的研究领域，充满未知；再加上二战结束以后科学研究中的实用主义倾向越来越盛行，关注和研究学科意识的人员越来越少，使得信息学科范式的研究长期未能取得实质性进展，更谈不上在国际学术共同体中形成共识。于是，20世纪中叶至21世纪初叶这半个多世纪以来，社会上存在着两大类学科的研究活动（社会存在）：物质学科研究的社会存在和信息学科研究的社会存在，却只有一种成熟的学科意识——物质学科的研究范式；信息学科范式则一直处于摸索状态，尚未确立。
人所共知，在任何学科的科学研究活动中，研究范式都不可能缺位。在没有信息学科范式可用的情况下，作为开放、复杂、高级信息系统的人工智能研究便自然而然地沿用了业已存在、业已成熟、而且也业已被人们习惯了的物质学科研究范式。这就是人工智能研究范式的张冠李戴问题无可避免的真实原因。
以上分析表明，人工智能学科发生范式张冠李戴的问题不是偶然的现象，而是科学研究对象由“单纯的物质客体”扩展到“既要研究物质客体又要研究人类主体、特别要研究人类主体与物质客体相互作用的信息过程”所使然，而且是整个科学技术体系由物质学科主导向信息学科主导转变这个历史大发展和“意识滞后于存在”这个社会法则所带来的必然结果，是新兴学科发展的必然规律，是信息科学和人工智能由初级发展阶段进入高级发展阶段所不能不跨越的“门槛”，也是人们必须要付出的代价。
人们对学科范式的问题感到很陌生，背后有着不少深层的原因。首先，如上所述，范式张冠李戴的问题是“千年一遇”的问题，是历史上多少代前辈科学研究工作者从来不曾经历过的问题。因此，现今的人们不仅没有“前车”可鉴，甚至闻所未闻。于是，人们对它没有印象，没有概念，这是完全不足为怪的事情。不过，人们把没有听说过的事情当作不存在或者不会发生的事情，这是对科学研究的深层规律和科学研究的复杂性未加深究和想当然所致。科学研究不能想当然，而必须要深思，要追根寻源，要设想到各种可能性。这也是我们应当吸取的教训。
其次，作为科学观和方法论两者有机整体的学科研究范式，是在科学研究的最高层次引领和支配科学研究活动的“看不见的指挥棒”。既然看不见，所以容易被人们忽视，因而觉得很陌生。这也是人们对于科学研究往往浅尝辄止、浮躁、不求甚解、满足于表面和局部效益的结果。实际上，看不见不等于不存在，很生疏不等于不重要。中国古训和辩证法都认为：有生于无，有受制于无。因此，无比有更具决定意义。这里的“无”并不是真的不存在，只是看不见而已。
加之，在科学研究的管理规则中，范式（科学观和方法论）被划分到了社会科学的哲学领域，这就使自然科学研究者只能囿于自然科学领域之内来研究问题，不敢擅越雷池去关注属于社会科学领域的范式问题。殊不知，许许多多自然科学研究的问题，它们的种种表现发生在自然科学领域，而它们的根源却往往在社会科学领域。而且，越是深刻的自然科学问题，它们的根源就往往越是深潜于社会科学领域。哲学，不仅仅是社会科学要关注的领域，也是自然科学不能不关注的领域。如果人们把自然科学研究的问题统统严格限制在自然科学领域进行研究，那就只能知其表不知其里，永远得不到深刻的认识，永远得不到本质性的发现。人们把科学研究划分成许多大大小小的学科，本意只是为了便于管理，如果硬生生地把学科的整体肢解为相互脱节相互孤立的条条块块，并且把它变成了禁锢人们思维和束缚人们手脚的戒律，那科学活动将会陷入僵化境地。
以上所述的这些问题，或许是人工智能范式张冠李戴这样严重的问题长期以来未被人们察觉、更没有得到及时解决的部分原因。这些问题都是科学研究领域发人深省和亟需改革的重要内容。
人工智能范式革命的必然结果：通用的人工智能基础理论
事实表明，现今的人工智能研究仍然处在三大学派各自摸索和互相竞争的阶段，而且至今还没有摸索出人工智能学科的正确范式。那么，在人工智能研究的源头上实施范式的革命——颠覆传统物质学科研究范式对人工智能研究活动的误导，确立现代信息学科研究范式对人工智能研究的引领——就成为人工智能研究的正道沧桑和当务之急。
至于物质学科的研究范式本身，它是人类在物质学科领域长期研究积累起来的宝贵思想财富，在物质学科研究的历史上发挥了伟大的作用，功不可没；而且在今后的物质学科研究与发展过程中也将继续发挥巨大的引领作用。
基于以上的思考，笔者和团队根据表1所总结的规律，在人工智能研究范式上发力，借鉴“人类智能”的基本概念和结果，总结了信息学科的研究范式，包含科学观和方法论两大方面。
信息学科范式的科学观。（1）认为人工智能的学术本质是在主体驾驭和环境约束（也就是人类主体给定的工作框架，包括给定的问题、预设的目标、关联的知识）的条件下，主体对主体客体相互作用所产生的信息施加信息转换处理的过程，而不仅仅是孤立脑的功能；（2）确认人工智能研究的关注点是在主客相互作用过程中保证主客双赢，而不是仅仅了解孤立脑的结构；（3）确认主客相互作用过程充满不确定性，而不是单纯的确定性演化。简言之，信息学科范式的科学观就是“辩证唯物的科学观”，即“整体观（即包含主体、客体及其相互作用）的科学观”，而不再是机械唯物的科学观。
信息学科范式的方法论。（1）坚持用形式、内容、价值三位一体的全信息方法来研究人工智能的信息转换，而不能用单纯形式化（阉割内涵）的方法；（2）坚持理解式的决策方法，而不能用形式比对的决策方法；（3）坚持信息生态演化的全局处理方法，而不能用分而治之（肢解整体）的全局处理方法。质言之，信息学科范式的方法论就是“信息生态方法论”，即“辩证论的方法论”，而不再是机械还原的方法论。
确立了自下而上总结出来的信息学科范式之后，就可以根据表1给出的工作流程，自上而下且一环套一环地贯彻信息学科范式，建构人工智能的系统化理论。以下将对“贯彻信息学科范式，创建通用人工智能理论”的各个步骤进行解释。
第一，根据信息学科范式的科学观，构筑通用人工智能的全局研究模型。信息学科范式科学观已如上述。人工智能的学术本质是：面对人类智慧给定的工作框架（问题-目标-知识），人工智能系统（人类智能的代理）对主客相互作用所产生的信息实施转换处理，以期产生解决问题、达到目标的智能（智能策略和智能行为）的过程。
于是不难看出，信息学科范式科学观的这个表述，正是图2所给出的“人类智能／人工智能”的模型。它既然是“人类智能”的模型，当然也就是通用人工智能的模型，而不再仅仅是“人工脑”模型，同时又和谐地包容了“人工脑”的全部有益功能要素。
第二，根据信息学科范式的方法论，开创通用人工智能的研究路径。如上所见，信息学科范式的方法论坚持运用“信息生态演化的方法（而不允许运用肢解整体的方法，也不允许运用阉割内涵的方法）”来处理主客相互作用的信息，以期产生解决问题达到目标的智能策略和智能行为。在这些条件限定下，按照本文前叙分析，这个信息生态演化的处理方法必然具体化成为“由信息转换开头而最终导致智能创生”的过程，也就是“信息转换与智能创生定律”所刻画的过程。这正是图3所描述的人类智能的普适性生成机制。
在人工智能的语境中，图3示出的四个“转换”分别成为：转换1是感知模块、转换2是认知模块、转换3是谋行（谋划解决问题达到目标的智能行为）模块、转换4是执行模块。于是，图3就演绎成为了图4的模型。
既然有了“普适性的智能生成机制（信息转换与智能创生定律）”，那么，以它为基础而构建的人工智能系统自然就是“普适性人工智能系统”，也就是“通用人工智能系统”。它不再是“或以结构模拟为基础、或以功能模拟为基础、或以行为模拟为基础”的“三驾马车”分道扬镳的人工智能系统，然而又可把“结构、功能、行为”的因素融通于其中。
第三，针对通用人工智能全局研究模型，阐明通用人工智能的学科结构。通用人工智能显而易见是一类典型的、而且是复杂的交叉学科研究，涉及到人类学、社会学、人文学、哲学、信息科学、系统科学、逻辑学、数学、电子学与微电子学、机械学与微机械学、新材料学、新能源学等众多学科。
将人工智能看作“计算机科学的应用分支”的观点曾经非常流行。这是因为此种观点的持有者把“智能”与“计算”这两个具有重要区别的概念混为一谈了。事实上，任何“计算”都是一种“纯粹形式化的处理”，而“智能”则是“形式、价值、内容三位一体的全信息处理”。有人用“计算”与“算计”来比喻这种区别，倒也颇为传神。
可以认为，如果仅凭数学公式的计算就直接解决了问题，那是数学家的“人类智能”，而不是“人工智能”。因为在这种情况下，整个解决问题的过程都由数学家设计好了，机器只需要执行算法的能力。
也有人把人工智能看作“自动化系统的延续”。持有这种观点的人则是将“智能系统”和“自动化系统”的概念搞混了。任何“自动化系统”都是按照人类事先设计好的软件程序一板一眼、按部就班地执行，不需要任何“智能”的支持。而“智能化系统”则需要有学习的能力和自组织的能力才能完成工作任务。
第四，根据通用人工智能的研究路径，阐明通用人工智能学术基础的规格。通用人工智能研究路径最重要最鲜明的特征是“不允许肢解系统整体”（也就是必须放弃传统的“分而治之”方法）也“不允许阉割概念内涵”（也就是必须放弃传统的“单纯形式化”方法）的信息生态演化过程，坚持完整统一的“信息转换与智能创生”过程。这是通用人工智能理论与一切传统人工智能理论最显著的区别。由此，通用人工智能理论就要求它的学术基础（主要是逻辑基础和数学基础）也要符合与满足“不能肢解系统整体，不能阉割概念内涵”的要求。
遗憾的是，现有的逻辑理论和数学理论都不能满足这些要求。在逻辑理论方面，标准的数理逻辑是一种形式化的刚性逻辑，而且适用范围较为有限；那些非标准逻辑虽然在某些方面补充了标准数理逻辑的能力，但互相之间的兼容性也存在问题。在数学基础方面，与人工智能研究关系紧密的集合论、模糊集合理论、粗糙集理论等也存在纯粹形式化和分而治之的通病。而笔者研究团队何华灿教授建立的“命题泛逻辑理论”（何华灿等，2021）和汪琣庄教授建立的“因素空间理论”（汪琣庄、刘海涛，2021）为通用人工智能理论提供了强有力的逻辑基础和数学基础。
第五，根据通用人工智能的学科结构和基础学术规格，创建通用人工智能理论。依照表1所示的学科建构规律，明确学科范式（学科定义）、学科框架（定位）和学科规格（学科定格）这些学科基础之后，就可以着手构建具体的学科理论（学科定论）。具体来说，就是要把图4所描述的通用人工智能的普适性智能生成机制——信息转换与智能创生定律的内容全部落实到位。
篇幅所限，本文只重点阐述其中的第一个模块——感知。这是因为，感知模块是整个普适性智能生成机制的第一道门户，是通用人工智能“理解能力”的发源地，后续的各个模块都在它的基础上发挥各自的作用，极具重要性。关于其他各个模块的分析，建议读者参阅《高等人工智能原理：观念·方法·模型·理论》（钟义信，2014）、《统一智能理论》（钟义信，2023）。感知模块的工作原理见图5。
图5示出，感知模型的输入是环境客体呈现并作用于主体的“客体信息”，输出是主体所感受到的“感知信息”，后者具有表现客体形态的“语法信息”、表现客体对主体目标所产生的效用的“语用信息”，以及由语法信息和与语用信息两者组成的“偶对”经过映射与命名的操作所定义的“语义信息”。由于感知信息具备了语法信息、语用信息、语义信息三个分量，形成了主体对问题的全面感受，因此被称为“全信息”。
感知模块的原理可用以下表达式表示：
Y=λ(X,Z)
其中Y表示语义信息，X表示语法信息，Z表示语用信息，λ表示映射与命名的逻辑操作。
图5示出了感知模块的实现原理，它有三个基本步骤。
（1）传感系统把客体信息转换为语法信息；
（2）由检索或检验产生语用信息；
（3）由所产生的语法信息和语用信息形成“偶对”，经映射与命名产生语义信息。
步骤（1）和（3）很直观，无需解释。步骤（2）包含两种情况：如果面对的客体是以前曾经处理过的旧对象，它的语法信息与语用信息的偶对{X,Z}就存在综合记忆库里，于是可以用已经产生的语法信息X作为关键词从综合记忆库里检索到{X,Z}，其中的Z就是所求的语用信息。如果面对的客体是以前没有处理过的新对象，综合记忆库里没有它的{X,Z}，于是不可能通过检索求得相应的语用信息。这就要采用检验的方法，计算语法信息X与系统目标G之间的相关度。这个计算结果就是客体对系统目标所具有的语用信息。
由此可以消除一个流传很广的误解：不少人以为“感知”就是“传感”。由图5的模型可知，“传感”只产生了“感知”的一个比较简单的分量——语法信息，“感知”还有更为复杂的语用信息和语义信息两个分量。所以，不能把“感知”与“传感”混为一谈。
由语义信息的生成公式Y=λ(X,Z)可知，主体的语义信息是比主体的语法信息和语用信息更高层次的概念：语法信息可以通过第一性的“观察过程（形态传感）”获得，语用信息可以通过第一性的“体验过程（目的检验）”获得，而语义信息则只能通过第二性的“抽象过程（映射与命名）”获得。反言之，如果人们获得了语义信息，就可以根据Y=λ(X,Z)获得相应的语法信息和语用信息。这就表明，语义信息可以代表相应的语法信息和语用信息，因而也可以代表连同它自己在内的感知信息。概言之，感知信息、语义信息、全信息三者是从不同的角度所表达的同一概念。
很可惜，国内外几乎所有的相关论著，都没有真正理解语义信息究竟是怎么生成的。相反，它们或者把语义信息误解为与语法信息和语用信息相并列的概念；或者把语义信息误解为可以通过概率统计计算出来的概念。
感知模块产生的感知信息／语义信息对于人工智能的研究具有极其重要的意义。这是因为，根据语法信息，主体就可以识别客体的外部形态；根据语用信息，主体则可以判断客体对主体目标而言的效用；根据语义信息，主体就可以在更高的层次上把握客体的全局。也就是说，在此基础上，主体就可以据此作出科学合理的决策：若语用信息为正值，主体就应当发挥这个客体的作用；若语用信息为负值，主体就应当抑制这个客体的作用；若语用信息为零，主体就应当不理睬这个客体。这样作出的决策就是明智的、可理解可解释可信赖的。
可见，具有内涵（未被阉割）的感知信息是可以理解、可以解释、可以信赖的。这是基于普适性智能生成机制——信息转换与智能创生定律的通用人工智能理论与一切传统人工智能理论最根本的区别和最根本的优势。
由图4的普适性智能生成机制（信息转换与智能创生定律）可知，有了可理解、可解释、可信赖的感知信息，后续的认知模块就可以产生可理解、可解释、可信赖的知识。这样，通用人工智能理论所创生的智能也同样可以理解、可以解释、可以信赖。
这是迄今一切遵循传统物质学科范式的人工智能理论不可能具备的优势。虽然它们的操作速度和信息的容量都做到了极致，但是由于它们所使用的全部概念都被阉割了内涵，因此都不具有“理解能力”，都不可解释，因而都不是实实在在的智能。
总之，实施人工智能范式革命的结果，就是自上而下地按照信息学科范式落实了人工智能的学科定义、学科定位、学科定格和学科定论，创建了完整的“机制主义通用人工智能基础理论”。理论的名称中增加了“机制主义”这个前缀，是为了表明，这个通用人工智能理论的最重要特色以及它的“通用性”的根本标志，是它的“普适性智能生成机制”。这一理论成果的系统模型如图6所示。
本文以上的讨论和图6的系统模型表明：（1）“机制主义通用人工智能基础理论”发现和实现了以信息转换与智能创生定律为标志的普适性智能生成机制，和谐地统一了原来各自为战、互不相容的结构主义、功能主义、行为主义三大学派，解决了系统整体被肢解的问题，建立了通用的人工智能整体理论；（2）创建了全信息理论，通过运用形式、内容、价值三位一体的研究方法，解决了概念内涵被阉割的问题，克服了智能水平低下、可解释性差、需要大量试验样本等致命缺陷；（3）通过运用生态演化的全局研究方法，发现了变参的柔性逻辑系统，建立了和谐统一的泛逻辑理论；（4）通过运用生态演化的全局研究方法，发现了集合论、概率论、模糊集和粗糙集等理论的共同基因，建立了可以统一描述和研究人工智能的因素空间数学理论；（5）“机制主义通用人工智能基础理论”的所有结果都与“人类（通用）智能”的结果和谐相通。这些基础理论的重大成果，展示了人工智能范式革命的彻底变革威力和成效。
初步查证，到现在为止，尚未发现国内外人工智能学术界系统关注过人工智能的范式革命。由此可以判断，“机制主义通用人工智能基础理论”已经远远深入到国际人工智能科技前沿的无人区腹地。
进一步，如果根据“机制主义通用人工智能基础理论”开发出机制主义通用人工智能原型系统，后者就将成为通用人工智能系统的创生平台：用户只需要提供希望解决的问题、目标和相关知识，这个平台就可以利用它的普适性智能生成机制创生出能够利用知识、解决问题、达到目标的实际人工智能应用系统。
这种普适性的智能创生平台，将以统一的智能生成机制创生出各种高智能水平、可理解和可解释的人工智能应用系统，从而解决人工智能原有的个案性、孤立性、碎片性、浅层性的问题，非常有利于人工智能的可持续发展和实现人工智能的大规模应用，并推动社会的智能化发展。
