，均为区块链领域的有见解和思想表达的区块链思想者和研究者，希翼以此为新潮澎湃的世界注入一湾清水、一池思想。
荣格财经区块链思想者四十人论坛由荣格财经发起人、总编辑，《第三次秩序：区块链的终极命运、新世界体系与个体繁荣》书面著作者赵洪伟（人称“老赵”）牵头发起成立，并作为总主持者进行系列”思想者谈“。该论坛的共同发起人为：共识经济学创立者郭善琪，国家信息中心研究员朱幼平。
他最近撰写的有关信息技术思想体系以及区块链思想系列文章，非常让编辑震撼。这正是区块链世界里所缺的“学术思考给养”。作为一家深度专业并拥趸思想者的区块链内容科技平台，荣格财经非常荣幸将此系列文章以多篇的形式予以发布。这常值得严肃阅读和收藏的文字，懂行的读者才知道其中的价值和“分量”。
一方面原因在于计算机的发明是整个现代信息技术的开端，无论是互联网，人工智能或者区块链从技术本质上来讲，都属于计算机领域的技术的一种。
另外一方面的原因在于，弄清楚了计算主义的世界观，才能理解信息技术的重要性，以及区块链技术的本质。
我们要从计算的概念开始讨论，然后讨论计算主义思想的演变，最后讨论这种思想与区块链思想的内在关联。
首先我们从认知计算主义以及人工智能技术开始讨论，计算机的发明不仅带来了人工智能等技术领域的发展，而且带来的是一种新的哲学思想：认知计算主义。
这种思想的影响基于图灵对心灵和智能的研究，以功能主义代替了行为主义将认知过程理解为计算过程，认为所谓心理状态，心理活动和心理过程不过是智能系统的计算状态，这种认知计算主义思想就被成为“计算理论”，它是广义计算注意的最初领域，也成为狭义计算主义。
图灵在20世纪30年代清晰的阐述的“可计算函数”理论，并发明了图灵机这一概念工具，将计算的特征建立在简单的机械步骤上，并将复杂的计算属性和机械属性联系起来，这是整个认知计算主义的开端。
我们在这里需要理解下计算的概念，广义理解的计算指的就是计算机能够做的一切事情都是计算，而计算机主要是做什么的呢？
这里我们引用计算机视觉理论创始人，麻省理工大学教授马尔提出的“三层次”假设：信息加工装置就是运算符号操作器，这种操作器可以描述为三个不同的重要层次，它们需要分别回答三个不同的重要问题：系统能够解决什么问题，使用哪种算法规则，以及如何在物理世界中进行实现。
基于以上认识，我们可以将认知计算主义当类在尝试将原子世界比特化的基本哲学，我们在这里就来讨论认知计算主义的三个关键里程碑事件，来为大家梳理下认知计算主义的发展脉络以及跟人工智能之间的关系。
图灵测试概念提出的最大价值在于，为智能或者提出了一个充分条件，即恰当编程且功能正确的计算机可以看作拥有（和人类一般的）智能，但是图灵并没有说就是机器的运行，只是了后来者的思想。
我们需要理解的是，自笛卡尔依赖的哲学家和科学家不断常识用技术工具对心灵进行解构，直到图灵的出现才让这一理想成为了可能的现实。
因此，在1956年达特茅斯会议上众多科学家以及哲学家们汇聚一堂，并提出了人工智能（AI）这一领域，这个领域的基本任务就是图灵命题的工程化，“将常识去发现如何制造出使用预言，形成抽象与概念，解决目前只有人才能解决的问题并且改善自身的机器。”
而这种观念就是所谓的“强人工智能”的基本主张，正如美国哲学家约翰.赛尔（就是提出“中文屋”的那位）所说，这种思想的强AI不仅对推理和解决问题的能力，而且还有知觉和意识，即本身具有思维能力。
这个里程碑事件的意义就在于，明确建立了一种，认为通过恰当的编程就能使得计算机也可以拥有心灵，这是计算主义思想的发端。
第二个里程碑事件就是1976年纽厄尔和西蒙在综合了图灵和普特南设想的基础上，提出了“物理符号系统(PSSH )”。
这里简单介绍下其它三位学者。希拉里.普特南是美国哲学家，数学家以及计算机科学家，也是20世纪60年代分析哲学的代表人物，他在《状态的本质》一书中普特南提出了机器功能主义，用以解释心灵与机器之间的关系。艾伦.纽厄尔和赫伯特.西蒙都是人工智能领域的传奇人物，前者是计算机科学和认知信息领域的科学家，后者是卡内基——梅隆大学的教授以及诺贝尔经济学的获者。
二人因为在人工智能领域的基础贡献在1975年共同被授予了图灵，而这个贡献的核心之一就是PSSH系统的提出。
他们将智能主体看作是一个处理物理符号结构的物理机器（当然也包括人），这样的模型可以构建机器智能，也可以用来理解心灵。
PSSH指出了计算机与心灵的关系：心灵是一个计算系统，大脑事实上实在执行计算，它与可能出现在计算机中的计算是完全相同的，而人类智能可以通过一组控制着行为和内部信息处理的输入输出规则得到充分的解释，因此物理符号系统对智能来说既是充分也是必要的。
第三个重要里程碑事件就是联结主义的提出，这也是我们当下这轮人工智能深度学习算法热潮的理论基础。
通常我们所说的计算往往指的是符号计算，其物理架构是以冯.诺依曼计算机器为主，这与人类的神经系统处理有着非常大的差别。
虽然在处理有序列的，非自组织的和局部表征性的数据有着很大的优势，但是在处理非明确定义的问题，比如模糊识别，知识进化和情境认知等场景，这种计算方式就很难有好的效果。
1943年麦克洛奇和皮茨发表《神经系统中所蕴含思想的逻辑演算》，提出了形式神经元的概念和最初的神经网络模型，接着1958年罗森布拉特提出了模拟知觉的机模型，1986年鲁梅哈特和麦克莱兰德发表了《平行分布加工：认知结构的微观探索》一书，提出了多层前馈的误差反传算法模型，奠定了联结主义网络模型研究的基础。
人工智能网络模型就是由大量的神经元相互联结而构成的具有自适应性的动态系统，每个神经元的结构和功能比较简单，但是大量神经元组合产生的系统，就可以通过训练和学习获得解决复杂问题的能力。
认知计算主义的本质就是通过数学的方式将人类的认知行为和模式为某种特定的算法，然后映射到比特世界。
而我们之前也提到过，数学就是整个信息的本质，其实更准确的说，IT信息的本质就是通过计算的方式将现实问题用某种数学方法（算法）表达出来，并将其实现再比特世界。
因此，无论是计算机，人工智能，互联网，大数据还是区块链，它们本质上都是通过数学的工具和算法的思想所体现出来的，这是我们为什么需要用计算主义的思想理解信息的原因，也是接下来我们会探讨计算主义的世界观的重要性的内在逻辑。
总结下，我们讨论了计算主义思想的三个重要里程碑，也找到了人工智能发展的哲学和思想基础，正因为图灵测试的概念提出，让理性主义哲学有了现实层面的工具，能够通过技术去模拟人类的。
这样的思想带来的不仅是人工智能的发展，也使得科学家与哲学家们对这个世界的理解也有了深刻的变化。
而正是因为计算主义思想的崛起，才使得信息得以实现，也是以人工智能、量子信息、移动通信、物联网以及区块链为代表的新一代技术应用的核心。