智作为类与例的研究：融智学统一框架下的跨学科范式变革（扩充版）

邹晓辉^{0000-0002-5577-8245}

摘要：对智的科学研究，分散于哲学、心理学、神经科学、人工智能和教育学等多个学科。每个领域都使用自己的定义、范式和成功标准，形成了阻碍进步的现代“巴别塔困境”。本文介绍了智类IC-智例II模型，这是一个更广泛的理论框架——融智学——的基石，旨在克服其碎片化。本文提出了一种结构-功能现实主义的本体论，将智类（IC）定义为“信息处理与选择用意相耦合”的普遍抽象范式。智例（II）则被定义为该类别在物理、生物或人工载体的特定约束下的具体实现。这种二分法提供了一种尊重多样性并寻求潜在统一性的元语言。该框架使用数学范畴论概念进行了形式化，并通过孪生图灵机的架构与工程实践相连。本文通过批判性重构和整合心理学、人工智能及教育学中的核心问题，展示了其解释力。此外，本文提出了一个具体的、三角验证的实证路线图，概述其对心理健康、组织设计和人工智能未来的重要意义。IC-II模型旨在催化一场朝向连贯的跨学科的融智学信智序位的范式变革。

关键词：智类；智例；类例统一；跨学科整合；心智哲学；人工智能；认知科学； 融智学

1. 引言：融智学之前相关诸学科研究中的巴别塔困境

我们称之为“智例”的现象被不同的学术部落孤立地剖析。哲学纠结于意识的难题（Chalmers, 1995）和意向性的本质（Searle, 1983）。心理学通过标准化测试将智力操作化和测量却长期受困于“g因素”与多元智能的争论（Spearman, 1904; Gardner, 1983）。神经科学试图在脑活动中寻找关联，但功能定位与分布式处理的矛盾从未消解（Fodor, 1983; Sporns, 2010）。人工智能（AI）工程化智能体，通常隐含以类人表现为基准，然而符号主义、连接主义、行为主义三大流派轮流占据主流，彼此难以通约（Russell & Norvig, 2020）。教育学旨在培养人的心智，而管理学则研究领导力，各自发展出了不可通约的概念词汇、方法论和理论承诺。

这种碎片化构成了“巴别塔困境”：所有人都在研究同一核心现象的不同方面犹如盲人摸象，但由于缺乏共同的概念基础，有意义的综合被扼杀了。一个典型例子是“意识”研究：哲学家认为它是第一人称体验，神经科学家试图将其还原为第三人称的神经相关物，AI工程师则试图通过全局工作空间理论来工程化意识（Baars, 1988）。然而，这些视角从未真正整合。

先前的统一尝试，如计算主义（Pylyshyn, 1984）、具身认知（Varela et al., 1991）或预测处理（Friston, 2010），提供了强大但片面的视角。其往往专注于特定的分析层次（如神经、认知）或解释类型（如机械论的、现象学的）。所缺乏的是一个能够区分智例现象的智类本质及其不变的原则，与其在不同载体和情境中无数可变的智例及所在智类的抽象表征的基础元理论。

本文介绍了融智学理论框架核心，该框架旨在通过 “智类-智例”（IC-II）模型 提供这种整合。我们首先建立其结构-功能现实主义的哲学基础并提供形式化定义（§2）。接着，阐述该模型的架构，说明抽象类别与多样化实例谱系之间的生成关系（§3）。该框架的变革潜力，通过批判性重构心理学、AI和教育学得以展示（§4）。我们直面主要挑战，并提出一个务实的、多路径的验证路线图（§5），最后，总结该框架对科学和社会的广泛意义（§6）。

2. 哲学基础与核心定义

2.1 哲学立场：结构-功能现实主义

IC-II模型奠基于一种结构-功能现实主义哲学。它避免了实体二元论的陷阱，同时，超越了还原论的物理主义。我们并不假设“智”是一种神秘的实体或简单的、可加和的属性。相反，我们认为任何被称为“智”的系统都必然实例化了一种特定的、抽象的功能结构——即智类（IC）。这种结构是真实的，因为它描述了一种不变的、具有因果相关性的模式，这种模式在不同系统中重复出现，从人类到章鱼再到AlphaZero。它是结构-功能性的，因为这种因果效力源于过程（信息处理和选择用意）的动态组织和相互作用，而非特定的物质基质。

这一立场与物理学中的“对称性”本体论（例如，诺特定理将守恒律与对称性联系起来）以及语言学中的“生成语法”（Chomsky, 1965）有深刻的亲缘关系，但更强调功能导向。智类IC的因果效力在于：特定的IC配置能促成并约束可能可观察行为即无数智例（IIs）的场域。因此，研究智类IC就是研究智例IIs现象的“可能性法则”。

与功能主义的比较：经典功能主义（Putnam, 1967）认为心智状态可以由其因果角色定义，但往往忽略了“选择用意”的规范性维度。IC-II模型明确将“选择用意（S）”作为与信息处理（P）平起平坐的构成要素，从而避免了纯功能主义可能陷入的“空泛循环”。

2.2 智类（IC）：本质的耦合动力学

我们正式定义智类（IC）为：

由信息处理（P）与选择用意（S）之间非平凡的、耦合的动力学所构成的抽象的、不变的范式。

信息处理（P）： 包含各级各类系统用于感知、编码、转换、存储、检索和操纵数据或表示的一组形式化的或有效的程序。这与经典的认知和计算观点相一致（Newell & Simon, 1976；Marr, 1982）。

选择用意（S）： 构成各级各类系统的负载价值的、目标导向的定向。它指的是指导、过滤和偏置信息处理以趋向于某种度量下“偏好”状态（例如生存、奖励最大化、好奇心、一致性）的原则——无论是先天的、习得的，还是设计的。这里的“用意”不一定是有意识的而是表示一种目的论的约束。这个组成部分抓住智的“关指性”（intentionality）和实践的“目的性”——即处理为何朝一个方向而非另一个方向进行。HI的意向性&AI的关指性是同一个英文单词。

这种耦合是构成性的和生成性的：S为P提供了有价的导向，通过P发现的结果和不确定性则持续更新和精炼S。从这个基本耦合中，智类IC展现出三个核心的、涌现的特征：

结构性： 支配P-S交互的逻辑和时间架构。

意向性： 由S赋予到P流上的负载价值的“指向性”。

生成性： 通过递归的P-S动力学，产生能够适应性应对挑战的新颖内部配置和外部行为的能力。

选择用意（S）的自然化： 为避免神秘化，我们提出S可在主动推断等当代框架内被自然化（Friston, 2010）。在这里，S可被理解为一个系统的（通常是层级的）偏好模型，或关于其偏好状态的先验信念，系统通过最小化预期自由能来行动以满足这些信念。在人工系统中，S被明确实例化为目标函数、奖励信号，或内在动机模块（Oudeyer & Kaplan, 2007）。因此，S源于系统与其环境的互动历史并被其塑造，充当了对于该系统而言“何者为要”的动态图式。

2.3 智例（II）：具体实现与多样性

一个智例（II）是：

智类的具体的、可观察的实现，在载体（C_k）的特定约束下实例化。

II是智的可测量表型。惊人的多样性源于沿着三个主要实例化轴的变异：

载体维度（C_k）： 实现P-S耦合的物理或虚拟基质。

生物载体：例如，人类大脑（受神经生物学、发育、进化的约束）。

人工载体：例如，硅基计算机（受数字逻辑、串行速度、功率的约束）。

混合载体：例如，脑机接口、人机协作系统。

层级维度： P-S耦合递归性的复杂程度连续体，从简单的感觉-运动反射（紧密的、预设的P-S环路）到元认知推理（其中P和S可以建模和修改自身）（Suddendorf & Corballis, 2007）。

领域维度： II在其上有效的特定问题空间或模态，例如语言、空间、社会情感或逻辑数学领域（Carey, 2009）。

一个具体例子：AlphaZero（Silver et al., 2017）IC可描述为“蒙特卡洛树搜索（P）与最大化胜率（S）的深度耦合”，其II是在特定棋盘游戏环境、特定硬件和训练日程下的实现。而一只乌鸦使用工具钩出缝隙中的虫子，其IC是“试错行为与感觉-运动模拟（P）与获取食物目标（S）的耦合”，但载体是鸟类大脑，层级较低，领域是物理操作。

2.4 形式化：类-例的关系

可以使用范畴论来形式化这种关系。令智类IC为一个范畴。其对象是可能的信息处理模式（P）和选择用意模式（S）的集合。态射是P和S元素之间允许的交互规则（即“动力学”）。

一个智例II_k是一个函子映射——一个实例化函子——从该抽象范畴，到一个由特定载体C_k约束定义的具体领域：

II_k=F_C_k(IC)=F_C_k(P,S)

函子F_C_k代表了由载体的物理特性、架构、历史和环境生态位所决定的实例化函数。它将抽象的P-S动力学“编译”成一种具体的、物理上可执行的形式（例如神经连接和神经递质系统、特定硬件上的软件算法、团队的沟通协议）。该函子必须保持IC的抽象结构（即保持对象和态射的复合），但允许具体化细节的变化。

图示化描述：想象一个中心圆代表IC（内部为双向箭头P⇄S）。从圆向外辐射三条主轴：载体轴（标注“生物”“人工”“混合”）、层级轴（标注“反射”“习惯”“审慎”“元认知”）、领域轴（标注“语言”“空间”“社交”“逻辑”）。在由这三轴张成的三维空间中，每个II是一个点。例如，“围棋大师”落在（人类，高层级，策略领域），“自动驾驶系统”落在（人工，中层级，视觉-运动领域），“蚁群”落在（生物集体，中层级，优化领域）。该图直观展示了统一的内核如何生成多样化的实例生态系统。

2.5 在相关哲学与科学理论中的定位

IC-II框架整合了多个主要理论的洞见，并相对于它们定位自身：

计算功能主义：它接受了智过程可被理解为信息处理（P）的核心思想，但关键性地补充了S（意向/价值）不可或缺的作用。这回应了关于纯句法操作缺乏意义的经典批评（Searle, 1980）。

具身、嵌入、延展和生成认知（4E认知）：该框架充分承认载体（C）及其环境的深远作用。身体、工具和社会背景不仅仅是外围设备，而是构成可能P-S耦合的组成要素。实例化函数中的“C”明确地捕捉了这一点（Clark & Chalmers, 1998）。

预测处理/主动推断：这被视为实现特定P-S耦合机制的有力、神经可信的候选方案。在这里，预测模型（P）被最小化预期自由能（S的形式化）的命令所永恒引导。因此，主动推断可被视为更广泛的IC元框架内高度精炼的子理论。

统一认知理论：Newell（1994）曾呼吁构建能涵盖认知各个方面的统一理论。IC-II模型并非提供具体架构（如Soar），而是提供一种元理论框架，用于比较和综合不同架构。

3. IC-II生成框架：结构、谱系与协同

3.1 智例的多维空间

IC-II模型并非将智能现象组织为一个单一的阶梯，而是一个多轴空间。一个给定的II是这个空间中的一个点，其坐标由其载体、在层级连续体上的位置及其领域专长定义。这解释了为什么直接比较（例如，“围棋AI比海豚更聪明吗？”）常常是提法不当的——它们是在沿着不同维度比较点。

示例： 一位人类诗人和一个大语言模型都产生语言输出（领域：语言）。它们可能共享其IC的抽象方面（复杂模式补全（P）与审美/交流意图（S）相耦合）。然而，它们在载体（生物 vs. 人工）及其S的确切性质（深深植根于生活经验和情感 vs. 从下一个词预测中统计得出）上存在根本差异。它们各自的II因此是不同的，各自在语言可能性空间不同区域表现出色。

3.2 载体的核心作用

载体是一种主动约束，而非被动容器。生物载体施加了能量效率、发育关键期和进化遗产的约束。人工载体施加了逻辑门物理、网络架构和训练数据可用性的约束。这种视角，将AI从人类中心主义的模仿中解放出来：目标不是复制人类II（空间中的一个点），而是探索由硅和软件载体所实现的广阔的高性能II区域。人工载体的独特属性使我们能够发现对生物湿件不可能实现的P-S配置。

例如，一个以“内在好奇心”为S的强化学习智能体（Pathak et al., 2017）会主动探索环境，其行为模式与任何生物都不同，但同样体现IC。这说明，IC-II框架鼓励AI研究去发现新的智例，而不是仅仅模仿人类。

3.3 协同：类与例的动态反馈

IC-II模型不仅描述静态的分类，还强调类与例之间的动态反馈。一方面，IC作为抽象原则，约束和引导II的生成；另一方面，大量II的实践（成功或失败）会反过来修正我们对IC的理解，甚至推动IC本身的演化。例如，人工神经网络的发展曾受限于感知机局限，但反向传播算法和GPU的II实现成功，反过来，让“联结主义IC”成为当代AI的核心范式。这种协同机制确保了理论不会僵化。

4. 跨学科重构：从批判到整合

4.1 心理学：从实体到动态配置

批判与重构： 传统心理学常常将“意识”、“情绪”或“人格”等概念具体化为解释性实体，导致了难题和二元论。IC-II框架，将它们重新概念化为生物（主要是人类）载体中智类的动态状态或稳定配置。

意识 是IC运作的一种特殊的元认知模式，其中P-S耦合达到了集成和自我建模的水平，允许可报告的经验和审慎控制（Dehaene, 2014）。

情绪 是S组成部分的动态的、具身标记的状态——一种快速的、整体性的价值评估，它对并发的信息处理（P）进行优先级排序和着色（Damasio, 1994）。

人格 代表个体跨情境反复出现的P-S耦合模式的独特、稳定的特征性轮廓（McCrae & Costa, 2003）。

对精神病理学的启示： 像抑郁症这样的情况，不仅仅是一种“化学失衡”而是IC的一种适应不良的、根深蒂固的配置。它可能涉及僵化的P-S模式，例如超警觉的威胁检测（P）与由回避和低自我评价主导的意图（S）相耦合，形成了一个自我强化的循环。从这个观点看，治疗干预旨在促进P-S动力学的更大灵活性，并培养更具适应性的意向姿态（S）。

扩展案例说明： 考虑表现出广泛性焦虑的“Alex”。IC评估可能揭示出一种过度活跃的未来导向模拟（P）与旨在先发制人和控制所有潜在威胁的高度警觉意图（S）紧密耦合的模式。治疗不仅会针对“忧虑想法”（P），还会同等致力于将潜在意向姿态（S）转向容忍不确定性和信任应对能力，从而打破适应不良的循环。已有基于网络分析的心理治疗研究（Borsboom et al., 2021）与IC-II的这种动态配置思路高度一致。

4.2 人工智能：从人类中心主义到多样化II生态

批判与重构： 主流AI隐含地受人类中心主义模仿的指导以类人行为为终极基准。这限制了创新。IC-II框架将AI的目标设定为工程化一个多样化的、高实用性的智例生态系统。

评估： 我们建议用多维度的“II效用矩阵” 取代图灵测试等狭隘测试。（见表1的操作化草图）。该矩阵从任务效率、稳健性/分布偏移恢复力、泛化范围、能量/资源效率、可解释性/可理解性以及伦理/安全对齐等维度评估任何II（人类或人工）。AlphaGo的里程碑式成就不在于它“下得像人类”，而在于它在“围棋对弈”轴上取得了无与伦比的效用，扩展了我们在该领域，对可能IIs的知识。

设计哲学： 明确地将IC级设计（基本的P-S算法是什么？）与II级工程（如何为特定硬件和数据集进行优化？）解耦。这鼓励探索非生物启发的新颖IC。

与当前AI范式的关联： 大型语言模型（LLMs）例证一个引人入胜的II：它们拥有强大的、统计驱动的信息处理能力（P），但其选择用意（S）在很大程度上是浅层且外在地施加的，通过提示工程和基于人类反馈的强化学习（RLHF）。这解释了它们惊人的能力与其脆弱性和价值不稳定性并存。下一代AI的一个关键挑战是为这些强大的P引擎构建更稳健、连贯且具有内在基础的S架构。

概念工程示例： 在一个深度强化学习智能体中，策略网络可看作是P的核心（将状态映射到行动），而奖励函数 + 任何内在动机模块则构成S。通过实验性地操纵S——例如，添加一个奖励探索新状态的“内在好奇心”信号——我们可显著改变所产生的II的行为特征，产生一个更具探索性和稳健性的智能体。这证明了P-S耦合的可编程性。

表1：II效用矩阵的初步操作化

4.3 教育学：从知识传递到IC培养

批判与重构： 传统教育通常侧重于传递静态知识（积累特定的IIs）和训练标准化解题技能。IC-II框架提出了一个三层次的、协同的模型：

IC教育（元能力培养）： 发展有效P-S耦合的基础能力。包括批判性思维（P）、价值澄清和目标设定（S）、元认知（观察自身的P-S循环）以及认知灵活性。

II发展（技能与知识构建）： 构建一个丰富的、可访问的有效、领域特定智例的储备库——数学问题解决、科学探究、历史分析、艺术创作等。

类别-实例协同： 培养适应性选择、组合和应用最合适的II来解决新颖复杂现实世界挑战的元技能。

扩展案例说明： 一名学生“Sam”擅长在数学中应用算法程序（强大的、特定的IIs），但是，在面对新颖的文字题时却遇到困难。基于IC的诊断不会认为这是缺乏“智力”，而是在IC和协同层次上的弱点。干预将针对：(1) 加强IC层面对数学作为形式化关系建模系统（用于抽象的P-S耦合）的理解以及(2) 练习将现实世界场景映射到适当数学形式主义的协同技能。这一观点与“深度学习”教育理论（Hattie, 2008）中强调的迁移和元认知高度一致。

4.4 组织与管理学：集体智例

IC-II模型还可扩展到集体层面。一个团队或组织的“集体智”可视为多个个体II的协作网络，其IC表现为：共享信息处理（如沟通协议、决策流程）和集体选择用意（如共同的使命、价值观、激励机制）。这与分布式认知（Hutchins, 1995）和团队心智模型（Cannon-Bowers et al., 1993）研究相呼应。通过分析组织中P-S耦合的结构，可以诊断协作失效的根源。

5. 验证路线图：以三角化策略应对挑战

5.1 公认的核心挑战

抽象性挑战： 如何实证研究像IC这样的抽象实体？

操作化挑战： 将“选择用意（S）”转化为可测量的变量。

跨学科惯性挑战： 克服既定领域中根深蒂固的范式。

5.2 三角化验证与发展路径

我们提出一个多管齐下的、迭代的策略来奠定并推进该框架：

路径A：认知考古学与现象学（逆向工程IC）

利用大规模的行为、语言、神经影像和生态瞬时评估数据，识别个体中，跨情境稳定的P-S耦合特征。开发新颖的自我报告和行为测量工具（例如“IC功能风格问卷”）建立其相对于传统测量的构念效度，更重要的是，建立其对复杂环境中适应性结果的增量预测效力。例如，研究者可以设计一个“目标达成任务”来测量被试在不确定性下如何调整其策略偏好（P）与价值权重（S）。

路径B：人工智能中的建构性工程（合成验证）

将AI/机器人开发，视为检验IC假设的首要测试平台。刻意设计具有不同P-S架构（例如，好奇心驱动 vs. 奖励最大化S）的系统并测试它们是否产生预测的II特征。这是一种强大的正向工程或合成方法，用于检验智能原理。已有研究（Habib et al., 2020）通过比较不同内在动机驱动的强化学习智能体，展示了P-S耦合对行为多样性的影响。

路径C：应用领域的干预效果（实用验证）

在临床、教育和组织环境中测试该框架的预测和干预效力。基于IC的来访者困难表述是否比DSM诊断更能预测治疗结果？基于IC的教学设计是否比传统方法更能带来元认知技能和适应性迁移的更大提升？例如，在教育实验中，实验组接受“P-S耦合”训练（如：批判性思维+价值澄清训练），对照组接受常规知识教学，比较两者在新问题解决上的表现。

5.3 发展轨迹

短期（1-3年）： 形式化数学框架；发布标准化多语言术语；开展路径A和C的试点研究；开发演示基本P-S耦合的开源计算模型。

中期（3-10年）： 建立跨学科研究联盟；创建用于II效用矩阵的共享数据集和基准；在（niche application）利基应用（例如，个性化心理健康、AI安全对齐）中取得可证明的成功；培育一个强大的国际学术共同体。

长期（10年以上）： 致力于建立一个成熟的、预测性的IC配置科学；实现基于互补IC/II特征的人机混合系统的原理性设计；见证该框架融入多个学科的基础课程。

5.4 文化背景与价值多元性

任何涉及智能和意图的框架都必须应对文化多样性。IC-II模型并不规定一种单一的、文化中立的“最优”IC配置。相反，它提供了一个中立的分析工具，用于比较不同的文化背景和价值系统如何促进和稳定不同的特征性P-S耦合轮廓（例如，强调集体和谐 vs.个人能动性）。这种分析中立性是一个优势，有助于促进跨文化理解和设计具有文化意识的情商系统。挑战在于确保该框架自身的操作化保持对这种多样性的敏感性。例如，在测量“选择用意”时，应允许集体主义文化下的“关系维持”作为S的重要成分，而非仅用个人成就目标来衡量。

6. 结论：迈向连贯的智能科学

融智学的“智类-智例”模型，为走出长期阻碍智能研究的巴别塔式碎片化提供了一条严谨的路径。通过系统地区分普遍的功能结构与其多样的具体实现，它提供了一种尊重现象多样性并寻求潜在原则统一性的元语言。它奠基于可辩护的结构-功能现实主义，以形式化的语言表达，并明确地与实证研究和工程实践相连。

这不仅仅是一项学术练习。随着人类驾驭神经科学、通用人工智能、教育转型和全球社会的复杂性汇聚的革命，对整合性框架的需求从未如此迫切。我们正处在一个门槛，我们创造和修改人工智能的工具正在超越我们对它的基本理解。融智学通过其核心的IC-II模型，旨在提供理解智所需的概念脚手架——这是迈向21世纪连贯、实用、并最明智的智与能的科学的基础性一步。

参考文献（原文已有部分，现补充以下扩展文献）

Baars, B. J. (1988). A cognitive theory of consciousness. Cambridge University Press.

Borsboom, D., et al. (2021). Network analysis of multivariate data in psychological science. Nature Reviews Methods Primers, 1(1), 1-18.

Cannon-Bowers, J. A., et al. (1993). Shared mental models in expert team decision making. Individual and Group Decision Making, 221-246.

Carey, S. (2009). The origin of concepts. Oxford University Press.

Chalmers, D. J. (1995). Facing up to the problem of consciousness. Journal of Consciousness Studies, 2(3), 200-219.

Chomsky, N. (1965). Aspects of the theory of syntax. MIT Press.

Clark, A., & Chalmers, D. (1998). The extended mind. Analysis, 58(1), 7-19.

Damasio, A. R. (1994). Descartes' error: Emotion, reason, and the human brain. Putnam.

Dehaene, S. (2014). Consciousness and the brain: Deciphering how the brain codes our thoughts. Viking.

Fodor, J. A. (1983). The modularity of mind. MIT Press.

Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. Basic Books.

Habib, R., et al. (2020). Curiosity-driven exploration in deep reinforcement learning. Proceedings of ICML.

Hattie, J. (2008). *Visible learning: A synthesis of over 800 meta-analyses relating to achievement*. Routledge.

Hutchins, E. (1995). Cognition in the wild. MIT Press.

McCrae, R. R., & Costa, P. T. (2003). Personality in adulthood: A five-factor theory perspective. Guilford Press.

Oudeyer, P. Y., & Kaplan, F. (2007). What is intrinsic motivation? A typology of computational approaches. Frontiers in Neurorobotics, 1, 6.

Pathak, D., et al. (2017). Curiosity-driven exploration by self-supervised prediction. Proceedings of CVPR.

Putnam, H. (1967). The nature of mental states. Art, Mind, and Religion, 1-13.

Pylyshyn, Z. W. (1984). Computation and cognition: Toward a foundation for cognitive science. MIT Press.

Russell, S., & Norvig, P. (2020). Artificial intelligence: A modern approach (4th ed.). Pearson.

Searle, J. R. (1980). Minds, brains, and programs. Behavioral and Brain Sciences, 3(3), 417-457.

Searle, J. R. (1983). Intentionality: An essay in the philosophy of mind. Cambridge University Press.

Sporns, O. (2010). Networks of the brain. MIT Press.

Suddendorf, T., & Corballis, M. C. (2007). The evolution of foresight: What is mental time travel, and is it unique to humans? Behavioral and Brain Sciences, 30(3), 299-313.

作者注： 本文阐述了融智学理论框架的核心，该框架由邹晓辉我本人创立。IC-II模型及其哲学基础是其原创工作的成果。AI辅助工具尤其是我训练的学术搭档大模型在准备本稿件过程中提供的编辑和阐述支持。以上扩充版增加了具体案例、对比讨论、操作化指标、拓展应用领域（如组织管理）以及更丰富的参考文献，使文章更具深度和广度。

关于本文的通信请寄至949309225@qq.com。

Intelligence as Class and Instance: A Cross-Disciplinary Paradigm Shift under the Unified Framework of Synnoetics

January 2026  

A_Multi_Primitive_Modeling (19).pdf

DOI: 10.13140/RG.2.2.21074.93127

Xiaohui Zou