William B Miller 2023 Cognition-Based Evolution --- Natural Cellular Engineering and the Intelligent Cell《基于认知的演化：自然细胞工程学与智能细胞》。这位作者努力建构一套完全新鲜的演化学说，他称之为“基于认知的”。这是因为，晚近几十年的细胞学研究表明，哪怕是原核细胞，也都具有认知能力，而且最初的多细胞生命就是因为许多单细胞生命需要通过细胞间的交流而适应环境，才逐渐形成的。

我抄录这本书的开篇：在1973年发表的一篇著名文章中，著名进化生物学家西奥多西乌斯·多布赞斯基曾这样宣称：“在进化的视角之外，生物学中的任何现象都毫无意义。”几代生物学家都借用这一精辟的论断来捍卫达尔文的自然选择进化论。这一观点至今仍然有效，但几十年后人们发现，它其实并不完整。基于最新的研究成果，有必要对这一论断进行补充和完善：“在认知的视角之外，生物学及进化论中的任何现象都毫无意义。”科学研究证明，所有细胞在其自身所处的尺度上都具有“智能”。2004年、2009年、2017年，以及2015年里昂会议、2016年米勒的研究、2017年马朱姆达尔与帕尔的研究、2019年雷伯的研究都证明了这一点。因此，生物学与进化论的发展模式被彻底颠覆了。“基于认知的进化论”正是从这一坚实而非传统的理论基础出发，将整个生物学与进化论体系明确置于“具有认知能力的细胞”这一框架之中（米勒2016a、2018年；巴卢什卡与米勒2018年；米勒等人2019年；托尔代与米勒2020年；米勒等人2020a年；巴卢什卡等人2021年）。

从这个全新的视角出发，一种现代的、具有包容性的进化论叙事逐渐形成，它有效地弥补了传统新达尔文主义进化理论中存在的种种缺陷。基于认知的进化理论为传统的新达尔文主义观点——即生物变异源于随机遗传变化——提供了一种更为合理的替代解释。多细胞生物的进化变异实际上源于那些具有智能且能够进行信息处理的细胞所共同完成的解决问题的过程。具有讽刺意味的是，达尔文的成功反而无意中限制了这一理论的发展。他提出的自然选择理论以其令人信服的简洁性，轻易地抓住了科学家们和广大公众的想象力。该理论被通俗地概括为“适者生存”，这一表述迅速成为了其核心内涵的象征。然而，用这样的方式来理解达尔文的进化论，实际上有损于他思想中那些深刻而细致的内涵。

引言：进化的重新诠释。

a) 进化主要是由随机发生的可遗传遗传变异所驱动的；

b) 这些变异能否持续存在，取决于它们是否有助于生物在自然选择中的繁殖成功；

c) 通过这些连续的随机变异实现物种的进化过程必然是渐进的；

d) 自然选择的作用主要体现在生物可见的宏观结构层面（Futuyma 2017, Koonin 2012）。

基于认知的进化理论（CBE）与上述各种进化观点截然不同。最为关键的是，这种全新的进化解释与新达尔文主义在理论基础层面存在根本性差异。所有细胞都具有认知能力，而这种认知能力正是生命状态的本质，也是后续所有进化发展的基础。正基于这一前所未有的理论出发点，基于认知的进化理论与新达尔文主义的发展路径截然不同：变异现象及其作为适应机制的运用，实际上都是具有认知能力的细胞通过集体评估、交流信息来解决问题的结果。这种协作过程本质上是一种自然工程形式，正是这种自我组织的机制直接推动了多细胞生物的出现。值得注意的是，这种协同进化过程需要原核生物、古菌、真核生物这三个细胞域以及病毒组的共同参与。通过这一机制，基于认知的进化理论能够系统地解释为何所有多细胞真核生物都是由这些不同细胞域的生物共同构成的复合体。多细胞真核生物正是单细胞生物探索环境信号并据此适应环境变化的方式，这种能力使它们能够在地球上持续生存下去。

生命延续性问题主要由普通生物学来探讨；而生物体为何会发生变化并产生多样性，则属于进化生物学的研究范畴。在遗传学领域，遗传的稳定性是核心研究内容；而细胞的结构与功能则属于细胞生物学家的研究范围。更进一步来说，个体生物如何维持自身的完整性，以及“什么是生物体”这一本质问题，显然更适于由哲学家来思考。相比之下，生物体为何会以当前这样的分布格局存在，则是生态学的研究领域。在所有这些不同的学科中，自然选择这一机制成为了将它们联系在一起的理论纽带。按照传统的观点，自然选择通过不断的筛选和调整，将那些看似毫无意义的基因变异逐步引导为具有实际意义的生物现象。因此，进化生物学的研究往往集中在确定选择的具体目标上，人们认为只要这些目标能够被准确识别，就能得到明确的答案。然而实际上，我们需要的是一种全新的视角来审视进化过程，以便解决生物学和进化生物学领域中那些最根本的问题，并提供此前达尔文主义者未能找到的连贯答案。这些根本性问题其实并不多：进化过程是随机的吗？如果不是，原因何在？人类所记录的数十亿年的进化历程是否存在某种目的？如果存在，其决定性目标又是什么？当进化过程呈现出某种方向性时，究竟是哪种力量或多种力量共同推动了这一进程？ 

除了这些有限的问题之外，还有另外五个问题及其相关疑问需要得到解答（Miller 2016a）。首先，可遗传变异究竟是如何产生的？在真核生物中，基因传递是否几乎完全是垂直的，还是水平基因交换较为普遍？其次，选择作用是最终的决定性因素，还是仅仅是众多影响因素之一？第三，基因遗传真的是进化发展的主导机制吗？生物学研究是否仅仅与基因频率有关，还是还存在其他需要考虑的因素？第四，进化过程是随机的吗？如果进化并非随机事件，那么选择作用的对象究竟是什么？最后，为什么所有的多细胞真核生物无一例外都是“全生物体”？幸运的是，近几十年来出现了大量富有启发性的研究和引人深思的理论探讨。这些成果使得我们能够沿着达尔文及其同时代人、早期继任者们无法想象的路径来探索生物与进化的发展规律。其中有两项具体进展尤为重要。首先，实验与理论研究证实，所有细胞都具有认知能力，并能够进行自我参照（Baluška和Mancuso 2009，Shapiro 2011，Trewavas和Baluška 2011，Miller 2013、2016a、2018，Dodig-Crnkovic 2014，Lyon 2015）。至关重要的是，认知现象存在于所有生命层面，并且是生命本质的核心特征（Ford 2004, 2009, 2017；Trewavas and Baluška 2011；Miller 2013, 2016a, 2018；Dodig-Crnkovic 2014；Lyon 2015；Vallverdú et al. 2018；Reber 2019；Baluška et al. 2021, 2022）。 

大量研究证实，细胞具备一系列在二十年前还完全无法想象的能力（Ford 2004, 2009, 2017；Lyon et al. 2021）。诚然，细胞的认知能力是有限的，但其效力足以使细胞及其微生物能够评估信息、进行交流，并运用这些信息来持续维持自身的生存状态与功能需求。“同态性”指的是一种动态系统，这种系统会趋向于恢复到某种特定的能量流动轨迹，这与早期所提出的“稳态平衡”概念有所不同。（Miller 2013, 2016a; Baluška and Levin 2016; Miller et al. 2020a）因此，在认知的框架下，信息处理是细胞的核心活动，也是所有细胞间交流的基础，而这些交流最终会产生多种多样的生物学结果。最重要的是，基础认知不仅使细胞之间能够进行协作、合作、相互依存以及有效竞争，而且正是这种认知机制推动了这些现象的发生。这些协同作用的基础在于细胞具备测量信息输入的能力。通过这种能力，每个细胞都能通过认知信息处理来采取非随机的、有目的的行动。因此，应将具有认知功能的细胞视为精巧的测量工具（Miller 2016a、Miller等人2019、2020a、b、Baluška与Miller 2018、Baluška等人2021、2022）。更为关键的是，这些测量行为直接旨在维持细胞的动态平衡状态，从而在持续的环境刺激中保护每个细胞的自我身份。这一过程经过长期演化，最终实现了细胞对环境的持续适应。

抄录我2025年4月2日的朋友圈：Arthur S Reber, Frantisek Baluska, William Miller 2023 The Sentient Cell --- The Cellular Foundations of Consciousness --- Oxford University Press《有感情的细胞：意识的细胞基础》，牛津大学出版社2023年。这本书的第一作者多年来呼吁关注细胞的情感研究，他坚信从人类意识到细胞意识只是一个连续的意识谱系。他的学说，与鲍尔2024年这本书的思路完全一致，与我在E22课堂介绍的达马西奥2018年著作的思路也一致。

图2，第一作者的年龄，今年是他的第85岁。

图3，他发表的著作。

图4：Scott Davidson 2025 Pathos and Praxis --- An Integrated Phenomenology of Life《激情与实践：生命现象学的整合》。这本书应当列入我最近三个学期讲了三次的“生物经济学基本命题”的参考文献。我实在找不到我的基本命题的归属，“生命经济学”被泰康人寿占用了，“生物经济学”被西方的环境主义占用了，“生命现象学”早已被米切尔·亨利占用了。

 

图5：Paul Zanazanian 2025 Historical Consciousness and Practical Life --- A Theory and Methodology《历史意识与实践人生：一种理论与方法论》，这本书的封面设计表达了它的主旨。

 

图6：Dan Zahavi 2025 Phenomenology The Basics 2nd ed《现象学基础》第2版，扎哈维终于写了第2版，他说这一版的第九章以后几乎是重写的。我看了几页，可列入我的下一次课程的参考文献。

图7：Michael Ann Holly 2025 Somewhere Between Art History and Phenomenology --- At the Still Point of the Painted World《在艺术史与现象学之间的某一个位置：处于被画出来的世界之静点》。这本书封面是正方形的，这是很贵的装帧方式，当然，中国的线装书更贵。这位作者开篇这样自述：When I was a child of eight, a long­lost Russian grandmother, a translator from the Pentagon, visited me for the last time before I was to be adopted by a new father. 这段文字，我的欧路词典译文，惨不忍睹。我只能亲自翻译：当我还是一个八岁孩子时，我很久以前辞世的俄国祖母，她是五角大楼的一位翻译，在我被一个新的父亲收养之前，最后一次访问了我。以这样一段文字开篇，让我惊讶，于是我检索她的状况，

图8：Michael Ann Holly，American art historian（美国的艺术史家）， 1944年出生，现在是她的第81岁。图9，她的著作。她的文字有些奇特的吸引力，我继续读。

  

 

 

 

 

这是新年的新书，

图3：Thinking With Machines --- The Brave New World of AI 2026 Vasant Dhar《与机器一起思考：人工智能的勇敢新世界》。这位作者的文风很幽默，确实是印度人，

图1，有智慧，Vasant Dhar，纽约大学斯特恩商学院和数据科学中心的教授，

图2，曾任《大数据》期刊主编，也是 SCT Capital 的创始人，SCT Capital 是1990年代纽约市最早的基于机器学习的对冲基金之一。我抄录他的自述：我出生于20世纪50年代的克什米尔，当时是乘坐马拉车去上学的，因此我显然不是出生在“合适的邮政编码区域”。不过我年轻时经常旅行，这很大程度上弥补了这一缺陷。我的父亲在军队工作，九岁之前我已经在印度的七所学校就读过。就在我的父母准备把我送到喜马拉雅山脚下的寄宿学校时，我父亲被派往埃塞俄比亚，担任印度驻东非的军事武官。在我九岁生日那天，我们乘坐一艘名为“越南”的法国船只，从孟买驶往也门。这次旅行耗时近一周，那也是我第一次经历晕船。（直到现在，我在船上还是会感到头晕。）在也门待了一天后，我们又乘坐螺旋桨飞机前往亚的斯亚贝巴，途中在咖啡的发源地迪雷达瓦停留了一下。我永远忘不了在亚的斯亚贝巴那所英国学校上第一天的经历。母亲不小心把我分到了七年级，而不是四年级。回到家后，我抱怨说那些同学都比我大很多。妈妈却认为我在夸大其词，让我闭嘴——这种事其实很常见，因为我当时是个早熟的孩子，话也很多。在那个时候，尤其是印度军人的家庭，父母是不会容忍孩子抱怨的，除非他们的生命真的处于危险之中。啊哈，这个四年级孩子，被母亲不小心分到了七年级！这本书“前言”的作者大致勾画了这本书的主旨：人工智能并非未来才会出现，它早已存在于我们身边。它没有敲门，而是直接进入了“客厅”，并偷走了Wi-Fi密码。人工智能的存在时间比大多数人想象的要长。但在短短几年里，它已经被一些企业加以利用：被用来制造武器、创造商业价值，还被这些企业塞进了我们的信息流中，因为它们掌握了我们最宝贵的资源——注意力。TikTok、Meta等平台的目的并非真正连接人们，而是为了吸引我们的注意力，进而促成买卖双方的交易。扎克伯格并不是通过让我们团结在一起而发家的，而是通过让我们彼此疏远才获得了巨大的财富。我在纽约大学斯特恩商学院的朋友兼同事瓦桑特·达尔是这一领域最早的先驱之一。当大多数人还在上周二才刚刚了解人工智能时，瓦桑特已经在这个领域耕耘了四十年——他从事研究、开发、教学和写作工作。他并不是在猜测，而是拥有确凿的知识和经验。这本书——《与机器一起思考》——正是帮助你理解这一领域的关键工具。它并非那种关于“奇点”的激动人心的TED演讲，也不是关于机器人接管一切的反乌托邦式论述，而是一份描绘人工智能领域范式转变的地图。它揭开了算法如何带来竞争优势的神秘面纱，同时也阐明了这项技术对商业、文化以及人类社会的真正影响。瓦桑特指出了这一核心矛盾：我们正与一个“外星室友”共同生活。这个“室友”能说一口流利的英语，也能回答我们的问题，但我们却不知道它的思维方式，也不知道它为自己设定了什么目标。这并非科幻小说中的情节——这就是现实。如果你不了解自己的“室友”是如何思考的，或许就不该把车钥匙交到它手里。人工智能已经加入了电力、互联网这类通用技术的行列。但其中存在一个关键区别：与这些技术不同，人工智能能够自主做出决策、适应环境并不断学习。这就带来了我们从未面对过的治理挑战。是否应该限制人工智能在某些人类事务中的应用？它是否应该承担某些义务或拥有某些权利？这些问题的决定权应该属于工程师，还是立法者？这些并非学术上的争论，而是我们必须在人工智能自行制定规则之前就加以解答的问题。在就业方面，最普遍的担忧是“人工智能会抢走所有工作”。但Vasant为我们提供了另一种视角：对于那些将人工智能视为思考伙伴而非占卜工具的人来说，人工智能带来的好处是巨大的。它能够极大地提升个人能力，使各行业中最顶尖的10%的人才变得不可阻挡。而对于另一些人来说，人工智能则可能带来动荡。 

这本书的目的，就是帮助你确定自己属于哪一类人。最优秀的非虚构作品总是通过故事来传达信息，而《与机器共思》就是这样一个杰出的例子。瓦桑特将你带入那些实验室、教室和会议室，让你亲眼目睹这场革命在成为新闻头条之前就已经悄然展开。《与机器一起思考》会让你更深入地了解人工智能，对那些夸大其词的宣传保持更清醒的头脑，并为未来的选择做好充分准备。请一定要阅读这本书，从中汲取知识——看在上帝的份上，千万别把“城堡的钥匙”交给你的室友。Scott Galloway。 

然后，是这本书作者自己写的“序言”：最初，在我2018年参加TEDx活动并发表了题为《我们何时应该信任机器？》的演讲之后，我本打算撰写一本关于“让人工智能惠及大众”的书籍。于是我与一位顶尖的文学经纪人取得了合作，还撰写了一份50页的提案。然而随着COVID-19的爆发，我推迟了这本书的写作计划，转而开始制作《美丽新世界》播客，试图探讨一个我认为至关重要的问题：“我们未来的自己希望生活在怎样的世界里？”在我看来，许多过去被视为科幻概念的东西，很快就会变成现实。在接下来的几年里，我与世界上一些在人工智能、社交媒体、健康、环境、哲学、法律、经济、金融、艺术、文化、教育以及自动驾驶汽车等领域具有领先地位的思想家和领导者进行了许多极具启发性的对话。我逐渐意识到，当前推动我们生活方式变化的这种变革速度之快、其影响之深远，是人类历史上前所未有的。我认为，今天的每一位公民都必须了解人工智能：它的工作原理、它的潜力与风险，以及如何在人工智能时代取得成功。此刻，我们亟需明确那些关于人工智能及其治理的关键问题，并思考该如何找到这些问题的答案。因为如果我们不提出正确的问题或做出错误的抉择，我担心后果将会变得不可挽回。首先，人工智能已经突破了临界点。尽管这一领域已经存在了六十多年，但对话式人工智能的出现彻底改变了这一切。 

如今，任何人都可以用自己的母语与人工智能进行交流，人工智能也真正成为了人们日常生活中不可或缺的一部分。在经历了六十年的发展后，人工智能已经从最初的小众应用领域发展成为一种通用技术。与电力和互联网等以往的通用技术一样，人工智能同样有潜力改变我们的生活。但与这些我们已经完全了解其运作原理及局限性的技术不同，我们目前对现代人工智能系统的内部运作机制仍知之甚少，因此无法确定它们所提供的信息是否真实，也无法评估遵循其建议会带来多大的风险。这就给我们带来了一个重大困境：在什么情况下应该信任人工智能，而在什么情况下又应该对其保持警惕？同样重要的是，对于这些我们尚未完全理解的技术，我们该如何对其进行有效控制？这种控制机制是应该内置于技术本身之中，还是应该通过制定新的法律来加以规范？在我撰写这一章时，正在发挥作用的第二个重大因素是全球政治格局的剧烈变化，而这一变化在很大程度上是由美国推动的。新的世界秩序将会在科技创新的引领下形成。那些掌握人工智能技术的人，将决定美国以及世界其他国家如何治理人工智能，或者如何被人工智能所影响。未来的经济格局将会因人工智能而发生变革，而未来的战争也将越来越多地由自主运行的人工智能机器来参与。

人工智能在地缘政治中究竟具有多大的影响力？作为特朗普新政府重视人工智能的一个例证，在他的就职典礼上，美国最大的几家人工智能企业的首席执行官们被安排坐在当选总统的家人旁边，其位置甚至比他的任何内阁提名人都更为显要。这一安排显然表明，这些企业掌舵者的经济实力将如何直接转化为政治影响力，以及公共政策对人工智能发展将产生怎样的作用。需要明确的是，富人历来都对政治领袖施加巨大影响。但这一次，所涉及的利害关系要严重得多。以往的寡头们通常只控制或游说某个特定行业，比如汽车、石油、钢铁或制药业。而如今，由于人工智能已成为一种能够渗透到所有行业的通用技术，那些掌控人工智能的人很可能会对整个产业格局产生控制力，进而导致财富进一步集中。我们必须认真思考人工智能实体的权利问题，尽管这听起来可能有些奇怪。当人工智能发展到足以管理企业或运营基金会时，会发生什么？当那些代表我们行事的智能人工智能体变得独立、具备移动能力，甚至可能具备意识时，它们是否应该拥有与能够签订合同、因违约行为起诉他人的企业实体相同的权利？人工智能体能否被起诉？人工智能机器能否被用于解决冲突？简而言之，未来的人工智能体将拥有多大的自主权？最后一点对于人类是否有权创造那些在创造者去世后仍能继续存在并代表其创造者行事的机器，具有深远的影响。迄今为止，这一可能性尚未被认真考虑过。目前，富人死后能够施加影响的最接近方式，是通过基金会或捐赠机构等实体来实现。然而，逝去捐赠者的初衷与他们的资金实际使用方式之间，往往存在很大的差距。洛克菲勒如果知道他的基金会在他去世一百年后是如何分配拨款的，他会感到安心吗？毕竟，从那以后世界已经发生了许多变化。或许，让他知道是由一个与他理念一致的人工智能代理来替他做决策，而不是那些带有个人目的和偏见的管理人员来决策，他会更满意吧？埃隆·马斯克和杰夫·贝索斯是否会支持人工智能承担这样的角色，并赋予它们“代理权”，使其能够在创作者去世后继续代表他们行事呢？认为他们可能会支持这种做法，并非毫无道理。那么，如果某个名为“马斯克机器人”的人工智能系统决定，为了实现其创造者的遗愿，最有效的方式就是以承诺为这些国家带来繁荣与和平为借口，收购整个国家，同时动用无人机军队来维护这些领土，以此来实现世界和平，又会怎样呢？对于MuskBot来说，美国政府无疑是一个理想的试验场。

顺便说一下：他在英国学校读完七年级的时候，又被父母带到另一所学校去读六年级。呵呵。可汗学院的教育模式，适合于一切群体。根据年龄分派年级，是工业时代的“规模教育”模式，不适合个性化时代的教育。 

就在我进入印度理工学院大一那年，我的母亲突然离世了。我陷入了极度的精神崩溃之中，在接下来的几年里，我总是试图通过各种方式来转移自己的注意力：周末参加摇滚乐队的演出，工作日的晚上则参与戏剧表演。通过做音乐工作，我攒了一千美元；1976年夏天，我每天只花五美元，靠搭便车从喀布尔一路旅行到了伦敦。那三个月的旅途彻底改变了我的人生。在那段时间里，我与家人以及家乡的任何人都失去了联系。如今，家长们很难想象会与自己的孩子隔绝几天，更别说三个月了。但当时，打往海外的电话每分钟要花费五美元；如果打两分钟电话告诉父亲我一切都好，我的预算就会耗尽两天。于是我决定，没有消息就是好消息。我们常常忘记，自20世纪70年代以来，这个世界发生了多么巨大的变化。当我向西旅行时，每隔几百英里，我就能看到语言和习俗正在发生改变。我认出了许多普什图语、波斯语、阿拉伯语和土耳其语中的词汇。我永远也不会忘记，当年在伊斯坦布尔从亚洲穿越雄伟的博斯普鲁斯海峡进入欧洲的那一刻。我非常喜爱欧洲，尽管那里的食物通常乏善可陈，而且有些边防警卫的态度也相当恶劣。西德边防警察尤其不友善，在捷克边境拒绝让我入境。我试图绕道而行，先穿过东德前往东柏林，再从“查理检查站”进入西柏林，但到了那里后才发现仍需在西德边境接受边检，因此计划又一次失败了。在西柏林待了几天后，我折返原路，一路徒步前往意大利，然后继续前往瑞士、法国，最终抵达英国。在伦敦度过了一个愉快的七月，观看了板球比赛，还参加了摇滚音乐会，之后才飞回德里。幸运的是，我之前已经存了几百美元用于购买回家的机票。在从喀布尔徒步前往伦敦三年后，我最终来到了匹兹堡，开始攻读研究生课程。

 他成为西蒙Herbert Simon的弟子。 

在接下来的几十年里，我创立了四家人工智能初创企业。1984年，我开设了第一门人工智能课程。20世纪90年代中期，我将机器学习技术引入华尔街，用于辅助金融资产的交易和定价工作。从历史来看，银行一直是信息技术应用的先驱，它们积累了大量数据。作为一名人工智能领域的专家，我认为机器应该能够从这些数据中学习到有用的信息，从而帮助企业做出更明智的决策。因此，我渴望站在前沿，推动这一目标的实现。

最后是我自己的预测，根据我的收益递增经济学和观念拓扑理解框架，人工智能出现于六十年前，仅在2022年才进入“起飞”阶段。根据我关于“一般系统”的经验，这一起飞阶段大约十年或十五年之后才可能遇到“拐点”，并在那之后进入“收益递减”阶段。 

1月 3日 人工智能教科书，《智能系统：从理论到应用，基础，搜索策略与算法，机器学习》

这是2026年的人工智能教科书，《智能系统：从理论到应用，基础，搜索策略与算法，机器学习》，作者是意大利的俄罗斯教授库兹涅佐夫，插图精彩，几十幅示意图，我只能选最基础的九幅。

图1：使机器具有智能的三要素（统觉，学习，推理），Intelligent Systems From Theory to Applications --- Foundations, Search Algorithms, and Machine Learning 2026 Oleksandr Kuznetsov。

图2：使机器通过图灵测试的三要素，自然语言处理，知识表达，自动推理。

图3：特定应用时可选择的人工智能思路：基于规则的专家系统，神经网络，机器学习系统，混合系统。

图4：机器学习系统：监督学习，无监督学习，强化学习。

图5，智能系统里的推理机器：演绎推理，归纳推理，溯因推理。

图6，智能系统里的知识表达：符号表达，统计表达，神经元表达。

图7，智能系统的四大模块：交互界面诸系统，知识诸基础构件，推断引擎，学习的诸机制。

图8，专家系统四要素：知识表达，推断的诸机制，提供解释的能力，专有于特定领域的专家经验。

图9，马尔库斯测试超越图灵测试：物理因果性，领域整合，时序推理，常识，实践推理。

Oleksandr Kuznetsov教授：工程学博士 (Doctor of Sciences in Engineering)，乌克兰应用无线电电子科学院院士；乌克兰V. N. Karazin Kharkiv国立大学，智能软件系统与技术系教授，意大利eCampus大学，理论与应用科学系教授，2021年乌克兰国家“鲍里斯·帕顿奖”获得者。 

研究领域：应用密码学与编码理论、区块链技术、物联网(IoT)、人工智能在网络安全中的应用。

https://www.mdpi.com/article/1581693/author-biographies