本文源自给 AHA 的一次讲座和在混沌巡洋舰群聊中我的发言。
现在计算科学正在一次深刻革命过程的早期。以深度学习为代表，人们对智能的探索，是打开了计算科学的另一个分支。
计算科学的现有的庞大分支，起源于对希尔伯特第十问题的研究；起源于1930年代的三个探索，当时建立了可计算性的概念；而后很多物理实现和后继概念是建立在冯诺依曼架构基础之上的，建立在程序、数据、控制这样的概念上。
仔细考虑图灵当时在起点的工作，其实他有深刻的考虑智能的问题。现今深度学习为代表的思路，从概念上讲，其实已经突破了冯诺依曼架构，它是从数据里自动学出来程序的思路。这一支与上一支分离的点足够深，它一定能开出不一样的花朵，长成不一样的大树。可学习性有可能是这一支的一个重要核心问题。 从两支分叉的地方再往下走，会看到计算、学习、智能、复杂、涌现是联系在一起的，是逻辑的与物理的交融地带。
很多可计算发展出来的技术，都是去解决一个“浮出水面”的问题，需要在一个清晰的边界内来处理。可实际上智能有一种能力，从混沌中，画出界限，把一侧的事情厘清。这种能力，是基于对意义的追寻。
语言之意义的问题，更多涉及到跨代际的文化上，这个话题，不是讨论智能体个体的对一个刺激做出的意义的反馈，而是考虑文化中有些部分是被数学限定的。举例子来说。我们知道甲骨文中很多人名、地名都无法有效解读了，很多字的解读也众说纷纭；古代典籍的情况要好一些，但也有许多句读都不一致的解读。但是，另一方面，我们看到对数字的解读是非常稳定的，这个是可以问为什么的。这个就同我们造一台计算机或者计算器是类似的，你怎么知道你造的计算器符合你的预期？人类代际的知识传递，也是这个问题。
所以，我想说的是，某种意义上，意义是一个幻觉，因为它依赖一个不断变化的上下文；某种意义上，它不是幻觉，它至少有坚固的内核非常稳定，甚至包括内核之外的很大一部分在千年的尺度上也是稳定的。最稳定的内核具有的特点是这些概念可以自举（self-bootstrap）。以数和命题逻辑为例，它们都是可以自举的形式系统。自举的意思是，我可以构造一个满足系统（数或者逻辑）形式上要求的例子（模型），来实现这个系统，从而给出一个坚实的意义基础。自举同时也在说，我在实现的时候，只利用系统（数或者逻辑）自身的符号体系，无需引入更多的外部资源。
一致且完备，那么语言和世界就是等同的。一致性和完全性是讨论语言和世界的关系。我们有一个形式系统（语言） A，有一些模型（世界） B。如果模型 B 里的事物在形式系统 A 里都成立，我们说模型（世界）和形式系统（语言）是一致的；另一方面，如果形式系统（语言） A 里的句子在模型（世界） B 里都成立，我们说形式系统（语言）和模型（世界）是完备的。