具體來說，在科學(xué)觀方面，人工智能把自己的研究對象理解為“沒有主觀色彩、客觀中立”的人工腦物質(zhì)，把研究的關(guān)注點定為腦物質(zhì)的結(jié)構(gòu)與功能，并且接受了物質(zhì)可分的觀念。在科學(xué)方法論方面，人工智能遵循了純粹形式化的方法論，閹割了信息、知識、智能的內(nèi)容和價值因素，挖空了它們的內(nèi)涵；同時遵循了分而治之的方法論，把人工智能研究的整體肢解為結(jié)構(gòu)主義、功能主義和行為主義分道揚鑣的三大分支。
對照表1的學(xué)科發(fā)展與建構(gòu)的普遍規(guī)律可以理解，既然在學(xué)科源頭上的學(xué)科范式（學(xué)科定義）已經(jīng)張冠李戴，那么，在這個范式引領(lǐng)下的學(xué)科框架（學(xué)科定位）、學(xué)科規(guī)格（學(xué)科定規(guī)）和學(xué)科理論（學(xué)科定論）豈有不偏離正軌的道理？
人工智能學(xué)科發(fā)生范式張冠李戴的問題不是偶然的現(xiàn)象，而是不可避免的結(jié)果。表面上看，人工智能學(xué)科發(fā)生范式張冠李戴的問題好像不可思議、不可理解因而不可接受，在科學(xué)史上也從無先例。深入的分析則可以發(fā)現(xiàn)，人工智能范式發(fā)生張冠李戴問題，確實是“千年一遇”的大事件，而且注定是無可避免的歷史性遭遇，理由如下。
回顧歷史，自農(nóng)業(yè)文明和工業(yè)文明發(fā)展的千百年來，科學(xué)研究的對象基本上都屬于物質(zhì)學(xué)科范疇（材料科學(xué)和能量科學(xué)）。在物質(zhì)學(xué)科發(fā)展的長期過程中逐漸形成的研究范式（物質(zhì)學(xué)科的研究范式）也一直行之有效，因此根本沒有可能發(fā)生范式張冠李戴的問題。
然而，20世紀(jì)中葉以來，信息科學(xué)技術(shù)迅猛崛起，形成了信息學(xué)科研究實踐活動的社會存在。一方面，由于受到“存在決定意識，意識滯后于存在”法則的制約（學(xué)科的范式屬于意識范疇）；同時也由于信息學(xué)科是全新的研究領(lǐng)域，充滿未知；再加上二戰(zhàn)結(jié)束以后科學(xué)研究中的實用主義傾向越來越盛行，關(guān)注和研究學(xué)科意識的人員越來越少，使得信息學(xué)科范式的研究長期未能取得實質(zhì)性進展，更談不上在國際學(xué)術(shù)共同體中形成共識。于是，20世紀(jì)中葉至21世紀(jì)初葉這半個多世紀(jì)以來，社會上存在著兩大類學(xué)科的研究活動（社會存在）：物質(zhì)學(xué)科研究的社會存在和信息學(xué)科研究的社會存在，卻只有一種成熟的學(xué)科意識——物質(zhì)學(xué)科的研究范式；信息學(xué)科范式則一直處于摸索狀態(tài)，尚未確立。
人所共知，在任何學(xué)科的科學(xué)研究活動中，研究范式都不可能缺位。在沒有信息學(xué)科范式可用的情況下，作為開放、復(fù)雜、高級信息系統(tǒng)的人工智能研究便自然而然地沿用了業(yè)已存在、業(yè)已成熟、而且也業(yè)已被人們習(xí)慣了的物質(zhì)學(xué)科研究范式。這就是人工智能研究范式的張冠李戴問題無可避免的真實原因。
以上分析表明，人工智能學(xué)科發(fā)生范式張冠李戴的問題不是偶然的現(xiàn)象，而是科學(xué)研究對象由“單純的物質(zhì)客體”擴展到“既要研究物質(zhì)客體又要研究人類主體、特別要研究人類主體與物質(zhì)客體相互作用的信息過程”所使然，而且是整個科學(xué)技術(shù)體系由物質(zhì)學(xué)科主導(dǎo)向信息學(xué)科主導(dǎo)轉(zhuǎn)變這個歷史大發(fā)展和“意識滯后于存在”這個社會法則所帶來的必然結(jié)果，是新興學(xué)科發(fā)展的必然規(guī)律，是信息科學(xué)和人工智能由初級發(fā)展階段進入高級發(fā)展階段所不能不跨越的“門檻”，也是人們必須要付出的代價。
人們對學(xué)科范式的問題感到很陌生，背后有著不少深層的原因。首先，如上所述，范式張冠李戴的問題是“千年一遇”的問題，是歷史上多少代前輩科學(xué)研究工作者從來不曾經(jīng)歷過的問題。因此，現(xiàn)今的人們不僅沒有“前車”可鑒，甚至聞所未聞。于是，人們對它沒有印象，沒有概念，這是完全不足為怪的事情。不過，人們把沒有聽說過的事情當(dāng)作不存在或者不會發(fā)生的事情，這是對科學(xué)研究的深層規(guī)律和科學(xué)研究的復(fù)雜性未加深究和想當(dāng)然所致?？茖W(xué)研究不能想當(dāng)然，而必須要深思，要追根尋源，要設(shè)想到各種可能性。這也是我們應(yīng)當(dāng)吸取的教訓(xùn)。
其次，作為科學(xué)觀和方法論兩者有機整體的學(xué)科研究范式，是在科學(xué)研究的最高層次引領(lǐng)和支配科學(xué)研究活動的“看不見的指揮棒”。既然看不見，所以容易被人們忽視，因而覺得很陌生。這也是人們對于科學(xué)研究往往淺嘗輒止、浮躁、不求甚解、滿足于表面和局部效益的結(jié)果。實際上，看不見不等于不存在，很生疏不等于不重要。中國古訓(xùn)和辯證法都認為：有生于無，有受制于無。因此，無比有更具決定意義。這里的“無”并不是真的不存在，只是看不見而已。
加之，在科學(xué)研究的管理規(guī)則中，范式（科學(xué)觀和方法論）被劃分到了社會科學(xué)的哲學(xué)領(lǐng)域，這就使自然科學(xué)研究者只能囿于自然科學(xué)領(lǐng)域之內(nèi)來研究問題，不敢擅越雷池去關(guān)注屬于社會科學(xué)領(lǐng)域的范式問題。殊不知，許許多多自然科學(xué)研究的問題，它們的種種表現(xiàn)發(fā)生在自然科學(xué)領(lǐng)域，而它們的根源卻往往在社會科學(xué)領(lǐng)域。而且，越是深刻的自然科學(xué)問題，它們的根源就往往越是深潛于社會科學(xué)領(lǐng)域。哲學(xué)，不僅僅是社會科學(xué)要關(guān)注的領(lǐng)域，也是自然科學(xué)不能不關(guān)注的領(lǐng)域。如果人們把自然科學(xué)研究的問題統(tǒng)統(tǒng)嚴(yán)格限制在自然科學(xué)領(lǐng)域進行研究，那就只能知其表不知其里，永遠得不到深刻的認識，永遠得不到本質(zhì)性的發(fā)現(xiàn)。人們把科學(xué)研究劃分成許多大大小小的學(xué)科，本意只是為了便于管理，如果硬生生地把學(xué)科的整體肢解為相互脫節(jié)相互孤立的條條塊塊，并且把它變成了禁錮人們思維和束縛人們手腳的戒律，那科學(xué)活動將會陷入僵化境地。
以上所述的這些問題，或許是人工智能范式張冠李戴這樣嚴(yán)重的問題長期以來未被人們察覺、更沒有得到及時解決的部分原因。這些問題都是科學(xué)研究領(lǐng)域發(fā)人深省和亟需改革的重要內(nèi)容。
人工智能范式革命的必然結(jié)果：通用的人工智能基礎(chǔ)理論
事實表明，現(xiàn)今的人工智能研究仍然處在三大學(xué)派各自摸索和互相競爭的階段，而且至今還沒有摸索出人工智能學(xué)科的正確范式。那么，在人工智能研究的源頭上實施范式的革命——顛覆傳統(tǒng)物質(zhì)學(xué)科研究范式對人工智能研究活動的誤導(dǎo)，確立現(xiàn)代信息學(xué)科研究范式對人工智能研究的引領(lǐng)——就成為人工智能研究的正道滄桑和當(dāng)務(wù)之急。
至于物質(zhì)學(xué)科的研究范式本身，它是人類在物質(zhì)學(xué)科領(lǐng)域長期研究積累起來的寶貴思想財富，在物質(zhì)學(xué)科研究的歷史上發(fā)揮了偉大的作用，功不可沒；而且在今后的物質(zhì)學(xué)科研究與發(fā)展過程中也將繼續(xù)發(fā)揮巨大的引領(lǐng)作用。
基于以上的思考，筆者和團隊根據(jù)表1所總結(jié)的規(guī)律，在人工智能研究范式上發(fā)力，借鑒“人類智能”的基本概念和結(jié)果，總結(jié)了信息學(xué)科的研究范式，包含科學(xué)觀和方法論兩大方面。
信息學(xué)科范式的科學(xué)觀。（1）認為人工智能的學(xué)術(shù)本質(zhì)是在主體駕馭和環(huán)境約束（也就是人類主體給定的工作框架，包括給定的問題、預(yù)設(shè)的目標(biāo)、關(guān)聯(lián)的知識）的條件下，主體對主體客體相互作用所產(chǎn)生的信息施加信息轉(zhuǎn)換處理的過程，而不僅僅是孤立腦的功能；（2）確認人工智能研究的關(guān)注點是在主客相互作用過程中保證主客雙贏，而不是僅僅了解孤立腦的結(jié)構(gòu)；（3）確認主客相互作用過程充滿不確定性，而不是單純的確定性演化。簡言之，信息學(xué)科范式的科學(xué)觀就是“辯證唯物的科學(xué)觀”，即“整體觀（即包含主體、客體及其相互作用）的科學(xué)觀”，而不再是機械唯物的科學(xué)觀。
信息學(xué)科范式的方法論。（1）堅持用形式、內(nèi)容、價值三位一體的全信息方法來研究人工智能的信息轉(zhuǎn)換，而不能用單純形式化（閹割內(nèi)涵）的方法；（2）堅持理解式的決策方法，而不能用形式比對的決策方法；（3）堅持信息生態(tài)演化的全局處理方法，而不能用分而治之（肢解整體）的全局處理方法。質(zhì)言之，信息學(xué)科范式的方法論就是“信息生態(tài)方法論”，即“辯證論的方法論”，而不再是機械還原的方法論。
確立了自下而上總結(jié)出來的信息學(xué)科范式之后，就可以根據(jù)表1給出的工作流程，自上而下且一環(huán)套一環(huán)地貫徹信息學(xué)科范式，建構(gòu)人工智能的系統(tǒng)化理論。以下將對“貫徹信息學(xué)科范式，創(chuàng)建通用人工智能理論”的各個步驟進行解釋。
第一，根據(jù)信息學(xué)科范式的科學(xué)觀，構(gòu)筑通用人工智能的全局研究模型。信息學(xué)科范式科學(xué)觀已如上述。人工智能的學(xué)術(shù)本質(zhì)是：面對人類智慧給定的工作框架（問題-目標(biāo)-知識），人工智能系統(tǒng)（人類智能的代理）對主客相互作用所產(chǎn)生的信息實施轉(zhuǎn)換處理，以期產(chǎn)生解決問題、達到目標(biāo)的智能（智能策略和智能行為）的過程。
于是不難看出，信息學(xué)科范式科學(xué)觀的這個表述，正是圖2所給出的“人類智能／人工智能”的模型。它既然是“人類智能”的模型，當(dāng)然也就是通用人工智能的模型，而不再僅僅是“人工腦”模型，同時又和諧地包容了“人工腦”的全部有益功能要素。
第二，根據(jù)信息學(xué)科范式的方法論，開創(chuàng)通用人工智能的研究路徑。如上所見，信息學(xué)科范式的方法論堅持運用“信息生態(tài)演化的方法（而不允許運用肢解整體的方法，也不允許運用閹割內(nèi)涵的方法）”來處理主客相互作用的信息，以期產(chǎn)生解決問題達到目標(biāo)的智能策略和智能行為。在這些條件限定下，按照本文前敘分析，這個信息生態(tài)演化的處理方法必然具體化成為“由信息轉(zhuǎn)換開頭而最終導(dǎo)致智能創(chuàng)生”的過程，也就是“信息轉(zhuǎn)換與智能創(chuàng)生定律”所刻畫的過程。這正是圖3所描述的人類智能的普適性生成機制。
在人工智能的語境中，圖3示出的四個“轉(zhuǎn)換”分別成為：轉(zhuǎn)換1是感知模塊、轉(zhuǎn)換2是認知模塊、轉(zhuǎn)換3是謀行（謀劃解決問題達到目標(biāo)的智能行為）模塊、轉(zhuǎn)換4是執(zhí)行模塊。于是，圖3就演繹成為了圖4的模型。
既然有了“普適性的智能生成機制（信息轉(zhuǎn)換與智能創(chuàng)生定律）”，那么，以它為基礎(chǔ)而構(gòu)建的人工智能系統(tǒng)自然就是“普適性人工智能系統(tǒng)”，也就是“通用人工智能系統(tǒng)”。它不再是“或以結(jié)構(gòu)模擬為基礎(chǔ)、或以功能模擬為基礎(chǔ)、或以行為模擬為基礎(chǔ)”的“三駕馬車”分道揚鑣的人工智能系統(tǒng)，然而又可把“結(jié)構(gòu)、功能、行為”的因素融通于其中。
第三，針對通用人工智能全局研究模型，闡明通用人工智能的學(xué)科結(jié)構(gòu)。通用人工智能顯而易見是一類典型的、而且是復(fù)雜的交叉學(xué)科研究，涉及到人類學(xué)、社會學(xué)、人文學(xué)、哲學(xué)、信息科學(xué)、系統(tǒng)科學(xué)、邏輯學(xué)、數(shù)學(xué)、電子學(xué)與微電子學(xué)、機械學(xué)與微機械學(xué)、新材料學(xué)、新能源學(xué)等眾多學(xué)科。
將人工智能看作“計算機科學(xué)的應(yīng)用分支”的觀點曾經(jīng)非常流行。這是因為此種觀點的持有者把“智能”與“計算”這兩個具有重要區(qū)別的概念混為一談了。事實上，任何“計算”都是一種“純粹形式化的處理”，而“智能”則是“形式、價值、內(nèi)容三位一體的全信息處理”。有人用“計算”與“算計”來比喻這種區(qū)別，倒也頗為傳神。
可以認為，如果僅憑數(shù)學(xué)公式的計算就直接解決了問題，那是數(shù)學(xué)家的“人類智能”，而不是“人工智能”。因為在這種情況下，整個解決問題的過程都由數(shù)學(xué)家設(shè)計好了，機器只需要執(zhí)行算法的能力。
也有人把人工智能看作“自動化系統(tǒng)的延續(xù)”。持有這種觀點的人則是將“智能系統(tǒng)”和“自動化系統(tǒng)”的概念搞混了。任何“自動化系統(tǒng)”都是按照人類事先設(shè)計好的軟件程序一板一眼、按部就班地執(zhí)行，不需要任何“智能”的支持。而“智能化系統(tǒng)”則需要有學(xué)習(xí)的能力和自組織的能力才能完成工作任務(wù)。
第四，根據(jù)通用人工智能的研究路徑，闡明通用人工智能學(xué)術(shù)基礎(chǔ)的規(guī)格。通用人工智能研究路徑最重要最鮮明的特征是“不允許肢解系統(tǒng)整體”（也就是必須放棄傳統(tǒng)的“分而治之”方法）也“不允許閹割概念內(nèi)涵”（也就是必須放棄傳統(tǒng)的“單純形式化”方法）的信息生態(tài)演化過程，堅持完整統(tǒng)一的“信息轉(zhuǎn)換與智能創(chuàng)生”過程。這是通用人工智能理論與一切傳統(tǒng)人工智能理論最顯著的區(qū)別。由此，通用人工智能理論就要求它的學(xué)術(shù)基礎(chǔ)（主要是邏輯基礎(chǔ)和數(shù)學(xué)基礎(chǔ)）也要符合與滿足“不能肢解系統(tǒng)整體，不能閹割概念內(nèi)涵”的要求。
遺憾的是，現(xiàn)有的邏輯理論和數(shù)學(xué)理論都不能滿足這些要求。在邏輯理論方面，標(biāo)準(zhǔn)的數(shù)理邏輯是一種形式化的剛性邏輯，而且適用范圍較為有限；那些非標(biāo)準(zhǔn)邏輯雖然在某些方面補充了標(biāo)準(zhǔn)數(shù)理邏輯的能力，但互相之間的兼容性也存在問題。在數(shù)學(xué)基礎(chǔ)方面，與人工智能研究關(guān)系緊密的集合論、模糊集合理論、粗糙集理論等也存在純粹形式化和分而治之的通病。而筆者研究團隊何華燦教授建立的“命題泛邏輯理論”（何華燦等，2021）和汪琣莊教授建立的“因素空間理論”（汪琣莊、劉海濤，2021）為通用人工智能理論提供了強有力的邏輯基礎(chǔ)和數(shù)學(xué)基礎(chǔ)。
第五，根據(jù)通用人工智能的學(xué)科結(jié)構(gòu)和基礎(chǔ)學(xué)術(shù)規(guī)格，創(chuàng)建通用人工智能理論。依照表1所示的學(xué)科建構(gòu)規(guī)律，明確學(xué)科范式（學(xué)科定義）、學(xué)科框架（定位）和學(xué)科規(guī)格（學(xué)科定格）這些學(xué)科基礎(chǔ)之后，就可以著手構(gòu)建具體的學(xué)科理論（學(xué)科定論）。具體來說，就是要把圖4所描述的通用人工智能的普適性智能生成機制——信息轉(zhuǎn)換與智能創(chuàng)生定律的內(nèi)容全部落實到位。
篇幅所限，本文只重點闡述其中的第一個模塊——感知。這是因為，感知模塊是整個普適性智能生成機制的第一道門戶，是通用人工智能“理解能力”的發(fā)源地，后續(xù)的各個模塊都在它的基礎(chǔ)上發(fā)揮各自的作用，極具重要性。關(guān)于其他各個模塊的分析，建議讀者參閱《高等人工智能原理：觀念·方法·模型·理論》（鐘義信，2014）、《統(tǒng)一智能理論》（鐘義信，2023）。感知模塊的工作原理見圖5。
圖5示出，感知模型的輸入是環(huán)境客體呈現(xiàn)并作用于主體的“客體信息”，輸出是主體所感受到的“感知信息”，后者具有表現(xiàn)客體形態(tài)的“語法信息”、表現(xiàn)客體對主體目標(biāo)所產(chǎn)生的效用的“語用信息”，以及由語法信息和與語用信息兩者組成的“偶對”經(jīng)過映射與命名的操作所定義的“語義信息”。由于感知信息具備了語法信息、語用信息、語義信息三個分量，形成了主體對問題的全面感受，因此被稱為“全信息”。
感知模塊的原理可用以下表達式表示：
Y=λ(X,Z)
其中Y表示語義信息，X表示語法信息，Z表示語用信息，λ表示映射與命名的邏輯操作。
圖5示出了感知模塊的實現(xiàn)原理，它有三個基本步驟。
（1）傳感系統(tǒng)把客體信息轉(zhuǎn)換為語法信息；
（2）由檢索或檢驗產(chǎn)生語用信息；
（3）由所產(chǎn)生的語法信息和語用信息形成“偶對”，經(jīng)映射與命名產(chǎn)生語義信息。
步驟（1）和（3）很直觀，無需解釋。步驟（2）包含兩種情況：如果面對的客體是以前曾經(jīng)處理過的舊對象，它的語法信息與語用信息的偶對{X,Z}就存在綜合記憶庫里，于是可以用已經(jīng)產(chǎn)生的語法信息X作為關(guān)鍵詞從綜合記憶庫里檢索到{X,Z}，其中的Z就是所求的語用信息。如果面對的客體是以前沒有處理過的新對象，綜合記憶庫里沒有它的{X,Z}，于是不可能通過檢索求得相應(yīng)的語用信息。這就要采用檢驗的方法，計算語法信息X與系統(tǒng)目標(biāo)G之間的相關(guān)度。這個計算結(jié)果就是客體對系統(tǒng)目標(biāo)所具有的語用信息。
由此可以消除一個流傳很廣的誤解：不少人以為“感知”就是“傳感”。由圖5的模型可知，“傳感”只產(chǎn)生了“感知”的一個比較簡單的分量——語法信息，“感知”還有更為復(fù)雜的語用信息和語義信息兩個分量。所以，不能把“感知”與“傳感”混為一談。
由語義信息的生成公式Y(jié)=λ(X,Z)可知，主體的語義信息是比主體的語法信息和語用信息更高層次的概念：語法信息可以通過第一性的“觀察過程（形態(tài)傳感）”獲得，語用信息可以通過第一性的“體驗過程（目的檢驗）”獲得，而語義信息則只能通過第二性的“抽象過程（映射與命名）”獲得。反言之，如果人們獲得了語義信息，就可以根據(jù)Y=λ(X,Z)獲得相應(yīng)的語法信息和語用信息。這就表明，語義信息可以代表相應(yīng)的語法信息和語用信息，因而也可以代表連同它自己在內(nèi)的感知信息。概言之，感知信息、語義信息、全信息三者是從不同的角度所表達的同一概念。
很可惜，國內(nèi)外幾乎所有的相關(guān)論著，都沒有真正理解語義信息究竟是怎么生成的。相反，它們或者把語義信息誤解為與語法信息和語用信息相并列的概念；或者把語義信息誤解為可以通過概率統(tǒng)計計算出來的概念。
感知模塊產(chǎn)生的感知信息／語義信息對于人工智能的研究具有極其重要的意義。這是因為，根據(jù)語法信息，主體就可以識別客體的外部形態(tài)；根據(jù)語用信息，主體則可以判斷客體對主體目標(biāo)而言的效用；根據(jù)語義信息，主體就可以在更高的層次上把握客體的全局。也就是說，在此基礎(chǔ)上，主體就可以據(jù)此作出科學(xué)合理的決策：若語用信息為正值，主體就應(yīng)當(dāng)發(fā)揮這個客體的作用；若語用信息為負值，主體就應(yīng)當(dāng)抑制這個客體的作用；若語用信息為零，主體就應(yīng)當(dāng)不理睬這個客體。這樣作出的決策就是明智的、可理解可解釋可信賴的。
可見，具有內(nèi)涵（未被閹割）的感知信息是可以理解、可以解釋、可以信賴的。這是基于普適性智能生成機制——信息轉(zhuǎn)換與智能創(chuàng)生定律的通用人工智能理論與一切傳統(tǒng)人工智能理論最根本的區(qū)別和最根本的優(yōu)勢。
由圖4的普適性智能生成機制（信息轉(zhuǎn)換與智能創(chuàng)生定律）可知，有了可理解、可解釋、可信賴的感知信息，后續(xù)的認知模塊就可以產(chǎn)生可理解、可解釋、可信賴的知識。這樣，通用人工智能理論所創(chuàng)生的智能也同樣可以理解、可以解釋、可以信賴。
這是迄今一切遵循傳統(tǒng)物質(zhì)學(xué)科范式的人工智能理論不可能具備的優(yōu)勢。雖然它們的操作速度和信息的容量都做到了極致，但是由于它們所使用的全部概念都被閹割了內(nèi)涵，因此都不具有“理解能力”，都不可解釋，因而都不是實實在在的智能。
總之，實施人工智能范式革命的結(jié)果，就是自上而下地按照信息學(xué)科范式落實了人工智能的學(xué)科定義、學(xué)科定位、學(xué)科定格和學(xué)科定論，創(chuàng)建了完整的“機制主義通用人工智能基礎(chǔ)理論”。理論的名稱中增加了“機制主義”這個前綴，是為了表明，這個通用人工智能理論的最重要特色以及它的“通用性”的根本標(biāo)志，是它的“普適性智能生成機制”。這一理論成果的系統(tǒng)模型如圖6所示。
本文以上的討論和圖6的系統(tǒng)模型表明：（1）“機制主義通用人工智能基礎(chǔ)理論”發(fā)現(xiàn)和實現(xiàn)了以信息轉(zhuǎn)換與智能創(chuàng)生定律為標(biāo)志的普適性智能生成機制，和諧地統(tǒng)一了原來各自為戰(zhàn)、互不相容的結(jié)構(gòu)主義、功能主義、行為主義三大學(xué)派，解決了系統(tǒng)整體被肢解的問題，建立了通用的人工智能整體理論；（2）創(chuàng)建了全信息理論，通過運用形式、內(nèi)容、價值三位一體的研究方法，解決了概念內(nèi)涵被閹割的問題，克服了智能水平低下、可解釋性差、需要大量試驗樣本等致命缺陷；（3）通過運用生態(tài)演化的全局研究方法，發(fā)現(xiàn)了變參的柔性邏輯系統(tǒng)，建立了和諧統(tǒng)一的泛邏輯理論；（4）通過運用生態(tài)演化的全局研究方法，發(fā)現(xiàn)了集合論、概率論、模糊集和粗糙集等理論的共同基因，建立了可以統(tǒng)一描述和研究人工智能的因素空間數(shù)學(xué)理論；（5）“機制主義通用人工智能基礎(chǔ)理論”的所有結(jié)果都與“人類（通用）智能”的結(jié)果和諧相通。這些基礎(chǔ)理論的重大成果，展示了人工智能范式革命的徹底變革威力和成效。
初步查證，到現(xiàn)在為止，尚未發(fā)現(xiàn)國內(nèi)外人工智能學(xué)術(shù)界系統(tǒng)關(guān)注過人工智能的范式革命。由此可以判斷，“機制主義通用人工智能基礎(chǔ)理論”已經(jīng)遠遠深入到國際人工智能科技前沿的無人區(qū)腹地。
進一步，如果根據(jù)“機制主義通用人工智能基礎(chǔ)理論”開發(fā)出機制主義通用人工智能原型系統(tǒng)，后者就將成為通用人工智能系統(tǒng)的創(chuàng)生平臺：用戶只需要提供希望解決的問題、目標(biāo)和相關(guān)知識，這個平臺就可以利用它的普適性智能生成機制創(chuàng)生出能夠利用知識、解決問題、達到目標(biāo)的實際人工智能應(yīng)用系統(tǒng)。
這種普適性的智能創(chuàng)生平臺，將以統(tǒng)一的智能生成機制創(chuàng)生出各種高智能水平、可理解和可解釋的人工智能應(yīng)用系統(tǒng)，從而解決人工智能原有的個案性、孤立性、碎片性、淺層性的問題，非常有利于人工智能的可持續(xù)發(fā)展和實現(xiàn)人工智能的大規(guī)模應(yīng)用，并推動社會的智能化發(fā)展。
