李红雨等诸网友的提问集中在我们将NP定义为“不确定性问题”上。李红雨实际上是在问：“不确定性”有很多意义，我们为何能统一为NP这个概念？所以这是在认知意义上提问：自然语言中的“不确定性”究竟指什么？

自然语言中的“不确定性”确实有各种不同的意义，这才会有李红雨提到的不同层次上的“不确定性”问题，也就是说自然语言中，“不确定性”的意义本身就是“不确定的”，从这个意义上理解，我们所定义的“不确定性问题（NP）”在自然语言中也是意义一致的，就是说，正是由于人们所知道的不确定性的问题具有各种不同的“不确定性”的意义，所以“不确定性问题（NP）”这个概念与“不确定性”本质才一致。在最终的意义上，“不确定性”是人的本质的不确定性。

到现在为止，我们的研究是在“不确定性问题（NP）”这个概念内进行的，而且已经把“算法”领域中的研究推进到逻辑学意义上的“判断”层次。对“不确定性”这个概念的研究，已经涉及到如人工智能、智能哲学等更深广的领域，但所有这些研究所基于的“确定性”的标准是数学和计算机意义的“（能行）可计算性，effectively calculability, computability”，即被人们广泛接受的共识：著名的丘奇－图灵论题。

所以，李红雨认为“如果（NP）问题至少可以用指数时间来判定，也仍然是确定的，尽管对于计算机来说可能是个难得问题”所代表的观点，我们认为在表达上有问题。以“可计算性”概念为标准：NP就是不可判定的，也就是没有“确定性的解”，我们正是在与“可计算性”这个标准相对的意义上定义NP的；从这个标准出发，认为“NP有确定性的解”就是不正确的，首先就是把以“可计算性”意义为标准的NP偷换成了认知意义上以自然语言表达的“不确定性的问题”，正如上文所说，在自然语言中的“不确定性”的意义本身就具有不确定性，只有在讨论中清晰地保证概念的一致性并避免层次上的混乱，才不会发生概念上的混淆；其次，把以算法“可计算性”意义上定义的NP概念换成日常语言中的“不确定性的问题”，实际上所付出的代价就是把P意义的“确定性解”换成了具体的可接受的“近似解”，即把数学意义上的“变量”换成了具体机器能接受的“常量”，这也就是我们所说的“NP－算法”，即现在一般所称的各种启发式算法，这与我们的定义也是相容的。

正因为我们是在“可计算性”的严格意义上定义NP的，所以我们NP理论的基石是可计算性理论，须追溯到图灵1936年最初的工作（见图灵1936年论文解读系列文章：http://blog.sciencenet.cn/home.php?mod=space&uid=2322490&do=blog&classid=171716&view=me&from=space）。