正文
2*3=6
的数学运算中，乘号、等号这种加减乘除是逻辑，数字
2
、
3
、
6
就是逻辑驱动的对象。
2
是第一个对象，
3
是第二个对象，
6
是第三个对象。逻辑和对象构成数学运算的整体，就是逻辑驱动的整体。如果我们要写出这个算式，是不是必须从
2
开始写，
2
是第一个对象，因此我们说逻辑驱动的整体从第一个对象开始。框架说完了，回到产生机制，那么大脑中逻辑驱动的第一个对象是什么。
这个时候，我们就要用到大脑信息加工理论。我们将外部信息进入大脑中看做逻辑的起点，因此感官接收到的外部信息就是逻辑驱动的第一个对象。你先感知到什么，然后在这个感知的基础上进行逻辑推理。这个感知到的信息是什么属于认知的范畴，因此认知是逻辑推理的基础。在
2*3=6
中，
2
是第一个对象，是认知到的信息，
6
是第三个对象，是推理出的结果。
现在你已经理解了逻辑驱动的结构，我们再延伸一点，将这个结构延伸到人类的理解，看看理解在逻辑驱动中是什么。我们知道
2
是第一个对象，是大脑认知到的信息，现在它构成大脑的第一层理解。
6
是第三个对象，是逻辑推理出的结果，它构成大脑的第二层理解，也就是说人类的理解是多层理解共同构成。
我们先回到逻辑推理的基础——认知。现在的认知科学是个非常广阔的范围，我们这里说到认知，只是说认知科学中与人工智能相关的偏理论的内容，比如思维、表征、概念、推理等等，更聚焦在推理之前的认知阶段——大脑表征。大脑表征是指外部信息在大脑中的编码和存储方式，它天然地将人类的视觉、听觉、触觉整合在一起。比如当你在吃火锅时正嚼着毛肚，你是同时感受到毛肚的脆、香油的香、汤底的辣，脆香辣是不同感官的信息处理后的，由这片毛肚带给你的感受，就是你当下感知引发的第一层理解，不需要你来推理。
人类对
AI
的期待是理解达到正常人类水平。它能理解你的意图，以便它更好执行你分配的任务，这就需要
AI
真正地理解信息的意义。但是，理解和意义还不一样，我们用吃毛肚的例子，来看看区别。脆香辣的感受是你的第一层理解，你觉得毛肚好吃是第一层理解后的意义；假设你推理出这家店的火锅比其他家好吃，这是第二层理解；再然后，你认为以后可以常来这家店就是第二层理解后的意义。这个过程中，不止理解和意义有明显不同，前后两个意义也有所不同。假设这家店不好吃，你还愿意再来吃吗。当然不会，好吃是这家店值不值得再来的基础，同时这两个意义构成意义整体，意味着信息也有多层意义。第一层理解后的意义是整个信息意义的基础，可以叫它原始意义。
我们刚才梳理了外部信息进入大脑后，是怎样从信息到理解再到意义的过程。现在，我们就可以参照人类的大脑表征，将这个信息转化成意义的过程，在
AI
上模拟，通过将多模态的信息统一表征后，获得信息的原始意义，此时，我们就可以认为
AI
已经获得对信息的第一层理解。
要去模拟大脑表征，我们会遇到一个难题：大脑表征在物理层面上是通过神经元、神经元的联结和模式来实现的，用软件来模拟，可以模拟神经元的神经层面活动，但神经活动中的信息应该怎么表示。这个问题类似于，有一条高速公路，虽然公路是为人和物资的运输，但人和物资不能自己走过这条高速，只能搭载汽车通行。这个时候汽车是通行标准下的基本单位，高速公路对通行的管理，发卡、抬杆、测速、违章拍照，都是以一辆辆汽车为单位。如果人、物资、汽车是信息，通行中的高速公路是神经活动，那么装载好的汽车就是神经活动中的信息单位。
现在我们的问题是，模拟大脑表征采用的信息单位是什么。我们可以从人类大脑表征中，看看有没有类似的解决方案。在神经科学中，人类大脑表征的信息类型有感知信息、情感信息、语言信息、概念信息、记忆信息、空间与运动信息。在认知科学中，概念是思维的基本单元，意味着其他所有信息类型在思维时，都统一以概念形式表现。那么我们可以选择概念作为模拟中的信息单位。虽然概念这个词在日常生活中的使用，总是表达抽象，但在认知神经科学中，神经成像实验下，是可测量的对象。日常中可知的，比如核磁共振的脑部扫描、脑电图等等，都可以观察到概念。人类的科学史告诉我们，凡是可测量的事物，就表示可以量化，既可以用模型模拟，又可以用数学验证。这使得概念具有可模拟、可验证的性质，成为打通人类与
AI
