1.7 逻辑和信息的贡献

在本节中，逻辑和信息都是特指。逻辑是指能够实现机器计算和问题求解的逻辑。信息仅指记录信息。在本书中，知识是指体系化的人类认知成果，数据是指所有客观事物存在到信息的映射，是客观事物的记录。记录下来的知识和数据之间存在重叠，是记录下来的信息的一个真子集。

逻辑和知识是人类智能的产物。所以，逻辑和记录信息不是智能的起点，却是智能发展的必要条件，并在一定程度上决定智能发展的速度和水平。它们存在于人的记忆中，存在于记录下来的信息中，也存在于各类人造物中。本节从对智能贡献的角度介绍逻辑和知识的发展。

1.7.1 计算的逻辑

计算逻辑是指能使计算设备或系统工作并优化的逻辑，主要由三个部分构成，布尔代数与离散数学、计算机体系架构、计算资源利用。本节在介绍计算逻辑早期先驱者的成果后，按此三个部分展开。

1.7.1.1 先驱者的实践和构想

人类的发展对计算存在现实的需求，科学家对计算工具和逻辑孜孜不倦的追求，是电子计算机发明之后机器计算能力高速增长的主要原因。

计数是早期人类认识世界、适应环境、管理群体的现实需求。如同1.6.3节中介绍的计算工具的早期发展，当一个计算工具的物理载体形成，必然与使用该工具的计算逻辑同时诞生，并在使用过程中发展、完善。算筹能够用于计数并计算，摆放的方法中必然隐含着相应的逻辑。从算筹到算盘，是一个以万年计的计算工具形态和计算逻辑同步发展的历史过程。珠算能进行四则运算、能一代代传下来，口诀是关键，而口诀就是珠算进行四则运算的计算逻辑。借助算筹和算盘，说明普通人大脑的计算能力很弱。

17世纪计算工具从手工走向机械。1642年法国人帕斯卡（Blaise Pascal）设计制造了世界上第一台具有加减法功能的机械式计算工具。30年后，不到30岁的德国人莱布尼茨（Gottfried Wilhelm von Leibnitz）,设计制造了一台能够执行加减乘除四则运算的计算机器。这两位科学家在人类历史上首先实现了计算逻辑在机械设备上执行，实现了计算逻辑的显性表征，实现了用人与机器同样可以理解的模式，表征了计算逻辑和计算任务。

莱布尼茨的贡献不仅在于成功设计制造包括“莱布尼茨轮”的计算机器，更在于对计算逻辑的创造性发展。1674年，他描述了一种能够理解代数方程的机器，随后又为该机器写了相应的逻辑推理。对机器智能而言，这是重大的突破，说明存在一种路径，可以将推理归结为演算，并由机器来完成这样的演算。在这一基础上，莱布尼茨一生都在研究普遍符号系统和推理演算。符号系统要能够包含人类全部思想领域，推理演算能基于这一符号系统操作。符号逻辑的观点，影响了一代又一代科学家，开创了计算逻辑发展的先河。

1.7.1.2 布尔代数和离散数学

莱布尼茨的思想对后来的学者具有很大的影响，布尔（George Boole）认为“用符号语言与运算可以表示任何事物”，并在其著作《逻辑的数学分析》和《思维的法则》中具体地构造了一套严密的数学体系，把逻辑变成了数学。

布尔代数中的真与假，可以在数学上表示为0和1，用0和1组成的二进制编码，成为计算机和软件发展的核心基础。从继电器、电子管、晶体管到集成电路，都是将开关电路的状态表示为0和1，使计算机的处理功能有了最简单、最有效的实现方式。无论是数据还是程序，在计算机系统中用0和1来表示，在此基础上实现所有信息的机器识别，实现所有的处理功能。

以布尔代数为核心，形成了计算机和计算机科学发展，特别是问题求解和软件发展中，不可或缺的、称之为离散数学的数学基础。离散数学的主要内容，包含集合论、图论、关系和映射、代数系统、数理逻辑、有限自动机等，这里不做介绍，感兴趣的读者可以阅读相关的专著。

1.7.1.3 计算机体系架构和部件

计算机体系架构是计算逻辑中的重要部分，一个好的架构不仅使机器计算得以实现，还使之能适应不同的计算任务，更能充分发挥其潜在的能力。在一台计算机中，由一组计算部件（硬件）构成处理单元，使这些处理单元协同完成计算任务的基础软件和应用软件，都是计算逻辑的重要组成部分。在计算机发展史中，特别是大规模、超大规模集成电路为基础的计算机发展过程中，逐步形成了独特的逻辑系统。

1．计算机体系架构中的逻辑

阿兰·图灵（Alan Turing）第一个完整地构思了自动计算机（ACE）的逻辑架构。如图1.41所示，图灵机通过一条纸带读入符号，作为机器的输入。机器内有一个行为表，它确定读入符号的意义，决定机器的行为。这些行为形成一组计算的基本操作。行为表就是以后计算机的程序。图灵的主要贡献就在于将人的计算模式抽象成上述机器可执行的流程，特别是“行为表”来控制计算，使得一个有限的符号指令系统，通过无限长的纸带，实现理论上无限的计算。图灵自动计算机逻辑上基于他在1936年发表的论文：“论可计算性”，在他1945年关于自动计算机的报告中，则对计算机进行了完整的描述，包括逻辑电路图和预算。正是这个成果，为此后的计算机体系架构提供了逻辑基础。

然而，当时的技术条件还不允许图灵机的诞生。影响几代人、几代计算机的体系架构是冯·诺依曼完成的。他参与了美国第一台计算机——ENIAC的设计，但ENIAC是模仿当时最成功的计算机器、微分分析器，与后世的计算机存在质的差别。ENIAC还没有完成，冯·诺依曼开始了下一台计算机（EDVAC，电子离散变量自动计算机）的逻辑结构研究。1945年6月提出了在计算机体系架构史上著名的“关于EDVAC的报告草案”。这个报告最重要的贡献是在计算机内部存储器中储存指令，即程序，并以此为核心，提出了以后称之为“冯·诺依曼结构”的计算机体系架构。这个体系架构如图1.42所示，成为70年来计算机的主流架构。计算机由控制器、运算器、存储器、输入设备、输出设备五部分组成，奠定了现代计算机的结构理念。

图灵和冯·诺依曼为代表的一代科学家对计算机逻辑结构的研究成果不仅为后世计算机的发展奠定了逻辑基础，更在人类历史上，首次将人类智能的一种模式，用合理的逻辑，清晰地表征出来，为理解智能的本质，也为非生物智能的发展做出了开创性的贡献。

2．集成电路和操作系统

一个计算机系统，是一个复杂的逻辑控制体系，不仅有对系统拥有的计算能力的操纵逻辑，还有对计算任务优化的逻辑，这些逻辑包含在各类处理单元和系统软件中。

集成电路也称芯片，在计算机体系中承担不同特征的功能，也有不同的称谓，如中央处理单元（CPU）、图形处理单元（GPU）、兼具两者特征的APU等。中央处理单元（Central Processing Unit, CPU）的功能主要是解释计算机指令以及处理计算机软件中的数据。中央处理器主要包括运算器（算术逻辑运算单元，Arithmetic Logic Unit, ALU）和高速缓冲存储器（Cache）及实现它们之间联系的数据（Data）、控制及状态的总线（Bus）。CPU从存储器或高速缓冲存储器中取出指令，放入指令寄存器，并对指令译码。它把指令分解成一系列的微操作，然后发出各种控制命令，执行微操作系列，从而完成一条指令的执行。这个过程就是计算机计算过程的控制。

GPU的特点是优化了图形图像的处理能力。ARM系列芯片的特点是适合移动智能终端的处理特征。FPGA则具有根据应用特点，将特殊的逻辑自行编程优化处理能力。TPU适应互联网应用环境。TrueNorth处理器，是模仿人脑的神经系统，试图适应智能计算的芯片。指令集是一类芯片区别于其他的主要原因。同样的指令集，不同的芯片设计会有不同的性能，体现出不同的逻辑特征。指令集的选择、芯片中处理能力的分配、指令中所包含微操作的功能，决定了设计出来的芯片的性能特点。

从智能发展的角度看，集成电路设计要满足三个必要条件：一是充分理解计算机和集成电路的工作原理、集成电路的处理特征和容量；二是要充分理解该类芯片处理对象的计算特征，并通过对芯片处理能力的分配、微架构的设计和调用等方法来体现这些需求；三是使用的符号和逻辑要保证人与机器都能理解。

集成电路设计构成的芯片，使计算机的处理部件能够工作，提供了与操作系统的接口，使操作系统可以利用计算机的处理功能，这是操作系统功能的一个侧面。操作系统负责管理整个计算机系统的所有功能，负责与在该计算机上使用的其他基础软件和应用软件的连接。从智能发展的角度看，操作系统是对一台计算机及其应用系统接口完整的显性的信息表征。之所以称之为完整的显性表征，是因为它所内含的功能、过程、数据等所有信息，该计算机能够执行，程序员编制的软件和操作员的应用能够理解并操作。在一个复杂的跨计算机和人的领域、比集成电路更加广泛的范畴内实现了机器与人的共同理解，这是智能进化中的一个重要里程碑。

1.7.1.4 计算资源优化利用

在计算能力的发展及非生物智能发展的过程中，计算资源一直是重要因素。近年来人工智能发展得出的一个重要结论是，成功的三个必要条件是数据、算法、计算资源。

如何使计算资源满足不断增长的处理需求，在计算机发展的各个阶段都显得十分重要，计算资源的优化利用成为计算逻辑的一个构成部分。回顾计算机发展历史，在不同的历史阶段具有不同的优化模式，如果忽略计算机性能的约束，计算资源的优化有三个主要的类别：与大规模计算要求一致的处理能力如何形成，如何使一定范围内的计算资源能够得到充分利用，如何使一个系统的处理要求在整体上最优。

从科学计算到地质勘探、气象预报、互联网通用应用的信息处理等许多类型的计算需要强度很高的计算能力。超算中心、高性能计算等模式主要服务于这类需求，甚至为了特定的应用开发专用的计算机系统、芯片。大规模并行计算，计算任务的分解和组合是该模式的主要逻辑特征。

与上述问题相反，另外一类需求对处理性能的要求比较低，如何使给定的计算资源能够在满足这类需求的同时得到资源自身的充分利用，互联网数据中心（IDC）、云计算等模式都是为这样的目的而发展的。

第三种则是一类物理上分布，业务上有联系，但处理独立性又比较强的处理需求，如大范围、离散的工业控制系统、物联网应用等，则需要分布式计算、边缘结算这种计算资源分配和使用逻辑，既保证计算处理需求的及时性，又减少系统其他复合，实现整体优化。

1.7.2 问题求解的逻辑

问题求解的逻辑在1.6.5节人工智能部分已经介绍，本节作一点补充，讨论传感器和物联网构成的语义逻辑、模式识别及其算法、应用软件包含的问题求解逻辑。

1．传感和物联网的问题求解逻辑

以传感器为基础构建的物联网是一类问题求解的智能系统。这类智能系统的问题求解逻辑有其特殊性，这个特殊性为理解智能，特别是非生物智能提供了一条重要的路径。下面以汽车基于传感器的自动控制为例进行说明。

汽车在湿滑路面，各车轮的滑移率为20%时，原来的汽车制动系统会失效，从而导致安全事故。为解决这个安全隐患，设计了汽车防抱死制动系统，见图1.43。这个系统以每个车轮加装的车轮转速传感器为基础，电子控制装置根据各车轮转速传感器输入的信号对车轮的运动状态进行监测和判定，形成相应的控制指令。在制动过程中，电子控制装置根据车轮转速传感器输入的车轮转速信号判定有车轮趋于抱死时，ABS就进入防抱死制动压力调节过程。例如，电子控制装置判定右前轮趋于抱死时，电子控制装置就使控制右前轮制动压力的进液电磁阀通电，使右前进液电磁阀转入关闭状态，制动主缸输出的制动液不再进入右前制动轮缸，电子控制装置就使右前进液电磁阀和出液电磁阀都断电，使进液电磁阀转入开启状态，使出液电磁阀转入关闭状态，同时也使电动泵通电运转，向制动轮缸送制动液，由制动主缸输出的制动液和电动泵泵送的制动液都经过处于开启状态的右前进液电磁阀进入右前制动轮缸，使右前制动轮缸的制动压力迅速增大，右前轮又开始减速转动[120]。

在这样的实时控制系统中，传感器感知并输出的每一个信息不是简单的符号，而是带有明确的语义，这个符号是当前该轮子的转速。控制单元根据四个轮子的信息和其他速度信息，根据已经确定的模型判断是否处于抱死状态，然后根据给定的处置方式进行处置。在整个过程中，所有的信息都是语义的，可用于状态判断、决策和行为控制。每一个处理都是直接围绕问题求解，没有任何数据、处理或控制步骤的冗余，是基于语义的精简、有效的智能系统的逻辑。

2．模式识别及其算法

模式识别是问题求解中的又一类带有特殊性的逻辑，它针对的是对感知的信息如何分析、判断，并根据具体场景做出决策的问题。计算机在计算能力上远远超越了人，但在辨识人脸、识别语音和手写体、气味识别、手势识别、表情识别等很多场景与人相比还存在很大差距。通过计算机模式识别的方式，提高计算机感知并识别环境、做出恰当的判断和决策的能力，是非生物智能发展的关键环节。

长期以来的数学成果和模式识别的经验使得模式识别成为一门比较成熟的学科，在很多典型的环境识别场景取得了很多成功，但离智能发展的需求，还有更多的场景不能达到令人满意的识别能力。

贝叶斯决策、最大似然估计、线性判别函数、随机方法、非度量和非参数技术、无监督学习和聚类、独立于算法的机器学习、多层神经网络等，都是模式识别的核心内容；由数据采集、特征选择、模型选择、训练、评价等部分构成了模式识别自身的一般逻辑[121]。在自动化、信息系统、人工智能的发展中，产生了更多的适应特定场景的模式识别工具和方法。本书不做详细介绍，感兴趣的读者可以参阅有关专著。

3．应用软件包含的问题求解逻辑

一个应用软件就是对一个相应现实问题求解的逻辑。在今天已经有数以千万计的应用软件，成为研究问题求解逻辑最重要的客体，也成为对现实问题分析、判断和决策最有效的学习对象。应用软件至少包含了三类问题求解的逻辑，即构建对象问题模型的逻辑、对象问题算法的逻辑、软件生命周期的逻辑。

当一个问题能够通过执行一个软件来解决时，不管这个问题是科学计算性质、管理性质、生产过程性质、社会活动性质，还是日常生活性质，从问题求解逻辑的角度看，其共同点就是完整地将这个问题用符号表征了出来，用模型和算法替代了人的智能行为，并且对问题如果在未来可能发生变化时，软件如何应对的策略和执行逻辑规定了下来。

按照智能的一般定义，所有应用软件都具有智能特征，都可以称为人工智能系统。应用软件是人类在构建非生物智能系统过程中创造的最宝贵的关于问题求解逻辑的宝库。

1.7.3 记录信息增长

信息的增长是指自在态、自有态和记录态信息载体数量的增加和结构完备的过程。记录信息增长是人类认知能力增长和社会信息记录技术、经济能力增长的函数，与人类社会发展阶段呈紧密的正相关[122]。语言、文字、印刷技术、计算机、信息网络，具有拍摄、传送、使用音视频功能的移动智能终端，门类众多、性能各异的传感技术等，诞生了记录信息，并推动记录信息的数量、类型持续增长，互联网、移动智能终端、传感器和各种方便信息传输利用的平台，如微信、脸书（Facebook）等，更是近年来记录信息急剧增长的技术因素。

记录信息对智能发展的贡献是全面的，主要集中在两个方面，通过影响学习，介入人及机器系统的认知能力发展过程；通过影响问题求解过程，提升人或机器系统问题求解能力。

从智能发展的维度看记录信息的增长，记录信息可以分成三大类：知识体系、事实信息、过程信息。三类不同的记录信息在不同阶段和不同侧面，在智能发展过程中起着不同的作用。

1．学习过程

学习是人与具有学习能力的机器系统知识增长的基本途径。知识体系、事实信息、过程信息这三类记录信息在学习过程中均具有重要的作用。

知识体系是认知能力达到什么水平的客观参照物。一个人在其从事的专业领域认知能力，在于在其工作的生命周期内社会知识体系的水平。一个人，从小学到最终学位，再到工作期间的继续学习，除开教育环境（学校、师资、实验设施等）这个基础，重要的是所学专业领域知识体系当时达到的水平，教育是以这个知识体系为基础。机器系统，如自动化系统、企业资源管理系统（ERP）等各种应用软件，则依赖于被赋予的认知能力和知识，赋予的主体是人，同样回归到客观存在的知识体系的水平。

事实信息和过程信息是学习的重要材料。在教育过程中，知识体系的传授，经常依靠具体的事实和过程作为增强理解的补充。在机器系统，事实和过程信息既是具有一定智能的机器系统构建时的必要条件，也是其在运行过程中发现缺陷、改正缺陷、提升能力的手段。事实和过程的信息是人和智能机器系统提升学习能力的基础材料。

记录信息，知识体系和事实过程信息的增长是智能增长的前提和参照系。

2．问题求解过程

人和其他智能系统在问题求解过程中，高度依赖知识体系和事实、过程信息，这是不言而喻的。除开绝少数计算类问题在初始输入后，中间主要是处理过程外，大部分问题的触发基于信息、解的过程依赖于信息、最终的评价也依赖于知识和记录信息。知识体系和实施过程信息的增长是寻求更好的问题解决办法或解决更多问题的前提。

3．记录信息增长的正向循环

英国哲学家波普尔（Karl R. Popper）等一批学者，认为知识是独立于精神的客观存在，对知识的增长有这样的论述：人类工具或应用知识的进化之树“是从共同的树干产生越来越多的分支生长起来的”,“许多分支已分化成高度专门化的形态”；而理论知识的发展则相反，理论知识之树“从无数的根部长起来，这些根向空中长而不是向下长，并最终倾向于长成一个共同的树干”[123]。知识体系如同波普尔所说的第二类，随着人类社会科学技术的发展，知识之树不断成长，反过来又推进了认知能力的提升，加速了知识体系的增长。在人类社会各种问题求解的过程中，事实信息和过程信息是问题求解不可或缺的重要因素，问题求解过程积累了更多的事实和过程信息。这些新增加的记录信息，又成为下一次问题求解的基础，在一定程度上，又成为新的知识增长的基础。

在问题求解过程中，经验和诀窍不仅走出了人的大脑，更与相关的知识、事实和过程信息一起成为相关的人与机器系统都能理解的结构，成为跨智能类型的结构显性的记录信息，为记录信息的质量增长，相对于问题的信息结构完备性做出了贡献。

除了上述在科技进步和问题求解过程中与记录态信息的正向循环外，还存在负循环。负循环的产生有不同的原因。例如科研发展中某个阶段、某些领域呈现不正确的论断占主导地位，又如在问题求解过程中，信息记录的不正确，再如历史上发生过的由于天灾人祸导致的大规模记录信息毁损等。有趣的是，纵观历史，负循环只是局部、短期现象，正循环始终占据主导地位。

1.7.4 记录信息的表征力和可计算性

本章前几节已经介绍，认知科学、人工智能、心智等领域的研究都将表征力作为智能的一个重要因素。记录信息是表征力发展的一个结果，记录信息如何在学习和问题求解等过程中更有效地表征是一个智能发展的基础性课题。记录信息的表征力是可计算性的重要基础，但可计算性还有更多的因素要考虑，数据的类型、计算问题对数据的要求等，这些要素综合起来就是记录信息的结构化程度。非结构化数据的计算本质上就是人工智能的问题求解了。

萨迦德用一个简单例子，说明了这一智能研究的重要命题。他认为，理解一个儿童如何学习把13与28相加，认知理论需要指出儿童在大脑中是如何表征这两个数字以及怎样加工这些表征以完成加法计算。要说明13是整体表征还是由10加3表征，要说明如何在13、28、加法的分别表征的基础上，经由什么样的操作得到41这个结果，说明进位是如何实现的。一个计算模型需要详尽、精确地表征可编程的结构和算法[124]。这个例子是简单的、已有的表征方法可以在最小颗粒度上使被计算对象和过程结构化，实现计算的目的，但在现实的问题求解中，大多数问题做到这一点，需要细致复杂的工作过程。

信息记录的过程、学习的过程和问题求解过程都是记录信息显性表征或形成显性结构的过程。所谓显性表征或显性结构，是指超过一个智能主体可以理解或执行的信息结构[125]。

信息记录的过程是一个显性表征的过程。有两种典型的信息记录过程，即人的认知成果转化为记录信息、通过感知器件记录信息。在第一种场景，人把神经元的表述变为文字或语音的表述，而文字和语音的表述，同语种的其他人可以理解和使用，计算机可以加工处理，神经元的表征没有这个功能。记录信息一系列后续的处理过程也是显性结构化的过程。发表过程是如此，无论是出版还是期刊、会议的发表，都是一个标识、归类的过程；收藏过程是如此，无论是编目还是分类、上架，都是进一步的结构化；建立数据库、提供检索的过程是如此，不管是计算机的，还是卡片式的，都是在更细的颗粒度上对记录信息的结构化，结构化的目的是别的主体能更好地利用。

在传感器件记录的场景，有三个层次做着表征或结构显性的工作。第一层次是传感器功能如不同视细胞对光敏感不同一样，不同的传感器对感知什么内容和如何感知是特定的，感知产生的信息形态是特定的，为此后感知信息的处理提供了条件，如遥感卫星的不同技术对应不同的处理模型和算法。第二层次是传送路径带有显著的目的性，如同视细胞感知的信息到视网膜成像，再传送到确定的脑区一样，目的性为记录下来信息的表征提供了条件，如桥梁疲劳传感器的波形，一定传送到给定的处理单元，解释这个波形并做出判断，是否存在风险。第三层次是应用过程。任何以感知为基础的应用都会将获取的数据作为既定计算的基础，并于历史数据和其他相关信息一起，成为表征力更强、结构化更完备的记录信息。

在第一场景，记录信息的表征力或结构化成为记录信息利用的基础。正是这个记录信息表征力的作用，一些国家启动了以数据完整性和高度结构化为目的项目来保持或提升国际科技竞争的优势。在第二场景，以自动控制系统为起点，各类信息系统、人工智能系统及传感-物联系统在不断增加记录信息的数量，提升表征的能力。感知数据隐含结构，用于智能系统的实践不断增加。如心电图、生产线上的压力传感记录，嵌入流程的管理信息，无论是模拟的还是数字的都不再是符号性质的数据，而是经历了一个知识导向的转换过程，经过这个过程转换的记录信息，是内含确定结构的语义信息，换言之，这样的记录是带有可识别结构的语义信息。

1.7.5 记录信息的可获得性

在智能进化的过程中，可以发现在语言和文字产生后，生物智能加速度多次加速；在自动化系统诞生后，非生物智能加速度同样多次加速。加速是基于不同因素的共同作用，其机理也有不同的解释进路，但记录信息可获得性提升是不容争议的关键要素。

在人类社会的历史上，记录信息可获得性有8次重大里程碑式提升。一是文字。使认知信息有可能转化为记录，第一次跨越了人际交流时间和空间的约束。四大古文明的繁荣是文字产生的直接成果。二是印刷。印刷提升了记录信息的生产效率。泥板、木板、活字印刷与农业社会知识和信息交流要求匹配，是农业文明走向顶峰的一个重要原因。三是机器印刷。四是规范的科技文化教育。机器印刷再一次提升了记录信息的生产能力，教育提升了人对知识获取的能力。第三、第四两个里程碑在供给和需求两个方面提升了可获得性，对工业革命的产生和发展做出了重要贡献。五是电话、电报、互联网等信息网络。主要提升了信息的传输能力。特别是互联网，使全球数十亿人在一个平台上交流，推动了文明的传播和科技创新的加速发展，彻底打破了信息获取的时间、空间屏障。这20多年，以中国为代表的发展中国家崛起，互联网功不可没。六是计算机。提升了信息处理能力，满足了可获得性对处理能力的需求，特别是在数据量惊人增长的场景中。七是传感器的普及应用。从卫星遥感到海洋声呐、从地震波感知到太空观察、从生产线到社会活动、从健康状态到日常生活感知，各类客观存在的信息记录能力得到全面提升，成为人类社会从工业文明走向信息文明，从工业时代走向智能时代的基础。八是记录信息的数字存储和数字信息的管理和处理能力。这一技术降低了信息存储成本，个人、家庭、机构、社会有能力应对急剧增长的数字化信息，使信息的获得在细颗粒、不同程度显性结构的基础上，提升了获得信息的质量，更有利于利用。

1.7.6 小结

逻辑和记录信息在智能进化和发展中具有不可替代的作用。

逻辑的起点是生物进化过程。它在进化的漫长岁月中形成，并通过遗传功能逐步稳定和发展起来，到人的中枢神经系统发展到极致。从视细胞感知光子到大脑皮质形成图像记忆，从听觉、味觉、触觉等感知信息到对时间、空间的分辨，可以很好地解释生物进化中的逻辑，即在遗传的认知功能中，存在很强的逻辑能力。

逻辑的发展是科学进步的一个重要成果。数学、哲学、心理学及其他许多学科的发展，为逻辑不同侧面的发展做出了贡献。逻辑学的进展演进到数理逻辑，二进制切合了计算机的开关电路，离散数学的进展，为软件技术奠定了逻辑基础。自动化系统、机器人、经济和社会领域的智能系统、人工智能，为认识、表征大量基于问题和场景的智能任务提供了具体的问题求解逻辑。

分析人的逻辑能力演进过程，是对心理学、认知科学研究中具身性问题求解的一条有效途径。

三类记录信息产生和增长，传输、计算等记录信息处理能力的发展，既是人智能发展的必要条件，也是非生物智能进化和发展的必要条件，更是两种智能协同、融合发展的前提，还是社会认知和群体智能形成和发展的基础。