不首先就人的思维说上几句，几乎不可能讨论计算机的思维。这有两条理由。第一，现在仅有的—些尚称有用的思维定义都流于表面化。其次，计算机思维这种现象的历史同致力于理解人的思维的研究难分难解地交织在一起。
1.人类思维
我把人类思维定义为发生在人类中枢神经系统中的一组处理。关于这些处理，我们知道些什么呢？人们通常总说，我们对它们毫无所知。和“思维处理”形影相随的形容词是“神秘的”。
这个形容词现在已不合适了。今天，我们已拥有关于思维处理的相当丰富且在迅速增长的知识。这种知识包括两个水平：神经水平和我所称的基元信息处理水平。不过，这种知识，尤其在这两个水平之间，尚有很大空白。
2.神经学解释和信息处理解释
科学的解释往往是依不同水平相继达致的。我们用原子和分子解释化学反应，用所谓“基本粒子”解释原子和分子。我们用基因解释遗传性状，用有机分子及其反应解释基因。
今天，思维的解释正在沿两个水平进步。我们正在成功地用假设的“原子”即所谓基元信息处理解释范围愈趋广泛的人类心理活动。同时，我们又正在朝向解释突触作用和神经信号传输的基本电化学处理，解释这些处理在外周和中枢神经系统各部分中的组织化，取得实质性进展。
今天，最深的无知鸿沟也许不是在神经生理学之中或信息处理心理学之中，而恰恰在它们之间。虽然我们能用基元信息处理相当不错地说明思维，但是，关于这些信息处理的特定生理基础，还几乎一无所知。我们不知印迹为何物——符号化信息怎样储存在脑中，储存在脑中什么地方。我们不知道符号如何被比较、摹写或联结。神经生理学家和信息处理心理学家分别在山的两侧挖掘，他们还没有会合。
然而，这种事态不会使人失望，尤其是感兴趣于用心理学理论理解和研究人类高级心理过程的心理学家。他们能寄希望于未来，那时，信息处理理论所假设的符号和符号处理将被赋予坚实的实在性，就像化学所能提供给实体的一样。
今天，虽然我们还不知道，与基元信息处理相应的原生质过程究竟怎样，也不知道，这些处理如何纳入脑结构之中，但是，我们已经证明，这种处理能够得到机械论解释。因为，尽管我们不知道，能解释思维的基元符号处理如何在脑中生理地完成，但我们知道，这些处理在数字计算机中电子地完成。给计算机编程序使之思维，业已证明有可能为思维提供机械论解释。
3.思维的信息处理解释
思维是动力学过程。古典动力学理论（牛顿力学是其范例）一般采取微分方程形式。系统在任一给定时刻的状态由一组变量即状态变量在该时刻的值来规定。于是，微分方程决定了这些状态变量将如何变化；它们预言了系统在“下一”时刻的状态（作为现在状态的函数）。
在一个系统能够用古典微分方程刻划之前，先必须找到一组状态变量。困扰心理学的困难之一在于，找不到用适合古典微分方程的状态变量表征思维处理的令人满意方式。现在，由于发明了信息处理语言，这一困难已被回避。这种语言是一类特殊的计算机程序语言，它的变项不是数，而是符号结构。
计算机程序在抽象水平酷似微分方程组（更确切地说是差分方程组）。给定了计算机在任一给定时刻的存诸内容（这些内容表征了计算机在该时刻的状态），程序便决定了这些存储内容在周期结束时将如何，可见，一个计算机程序可以一如一组微分方程地用作为一动力学系统的一个理论。在这两种情形里，理论构造和理论检验的基本方法论问题是相同的Q检验这理论时，为系统给出一组特定的初始和边界条件，利用方程预言结果的时间路径，再把这个预言的路径同系统的实际路径相比较。
同古典数学语言相比，用于表述一个思维理论时，信息处理语言的优点在于，它用符号的结构而不是数作为其变项。既然思维处理是对符号和符号结构的操作（附图），所以，这些处理在信息处理语言中可以直接表示，而无需繁复的翻译或变换技术。
为了把这一点说得更明白，我们可以考虑一个具体的思维任务。假定心理实验室里一个受试者面对一个符号序列，比如ABMCDMEFM，他被要求延长它。不一会儿，他将很可能给出续序列GHMIJM，等等。他可能以下述方式完成这任务（证据表明，绝大多数受试者都这样）：
1.他扫描原始表，寻找相同符号的重复，发现每个第三个符号都是M。
2.他在记忆中构造一个符号结构，它表示这周期性和M的重复出现。为了谈论这结构，我们把它表示为（**M），其中两个星号代表未指明的符号。
3.现在，这受试者再次扫描原始表，看看在这序列不同周期中占据相应位置的各符号对之间是否存在一致关系。我们可以设想他现在这样表示这给定序列：ABM CDM EFM，于是，A、C和E处于各自周期的第一个位置，B、D和F处于第二位。他寻找到的关系是同一关系和字母表上的然后关系。在这里的例子中，他将发现，每个周期中的第二个符号在英语字母表中挨在第一个符号之后，每一个周期中第一个符号挨在前一周期第二个符号之后。我们可以用符号把这序列表示为（nnM），其中“n”代表“英语字母表上的然后字母”。给定这序列的一个周期，被试者现在就能构造无限多后面的周期。
信息处理语言用基元信息处理解释这动力学过程，而用这种语言很容易写程序。我们现在需要下列几种处理：摹写符号；由简单符号构造复合符号（表和“树”）；比较符号是否相同；发现一个表上的下一个符号和若干别的符号。
这些处理实质上就是上述受试者采取的步骤，在步骤1中，原始符号表可以由一道在一个表上寻找下一个符号的处理来扫描。字母M的重复可以由一道比较符号同一性的处理来察知。步骤2可由一道构造复合符号的处理完成（现在是表**M）。步骤3又需要比较符号同一性和发现表上下一个符号的处理，以及从未完成的模式**M构造最后的模式nnM的处理。最后，这序列的外推需要应用同上各种处理。
可见，用这些处理构造的、组织起来完成步骤1到3的程序解释了人如何发现例示序列中的模式，如何在记忆中表示这种模式，如何利用这些模式表示来外推序列。这是级数生成任务中的人类信息处理理论。
这理论业已得到验证，为此，给一台计算机编程序，使它的行为按照上述方式，再考虑这计算机在完成与上述受试者相同的形成级数的任务时的行为。这理论的预言，也即计算机在这些条件下的输出，可以直接同人类行为加以比较，人类行为不需要数学化。迄今的证据表明，这理论表现很好。事实上，作为级数形成的信息处理解释之核心的那一小组处理，在那些为解释种种迥异背景下人类思维而构想的信息处理理论中，也已证明处于中心地位，要不是这样，这种解释就只有很狭隘的意义。首先，用于级数形成任务的程序可以不怎么困难地加以推广，以适用于范围远为广阔的模式识别任务。
各个判然不同的信息处理程序尽管应用基本上相同的基元过程，但解释了相当多别种人类思想，包括：发现逻辑、几何和三角中定理的证明；下棋和打桥牌；给主旋律配和声；作投资决定；记忆无意义音节或学习外语词汇。
根据这些理论的经验来看，这些基元过程很可能是人类赖以完成思维的基本手段。因为这些理论采取信息处理语言表达的程序形式，还因为我们能够给数字计算机编程序来执行这种程序，所以，我们有无可辩驳的证据表明，这些过程足以说明上述各种任务的完成，同时，因为如此编程序的计算机能执行上述各种任务，所以，这些理论例示了计算机的思维，而证据表明，这种思维同几种人类思维极相似。
4.思维处理的若干特征
迄今已从信息处理理论得出的关于思维的各个一般结论中，有些是怎样的呢？在说明这些一般结论时，没有必要具体区分人类思维和计算机思维，因为所提到的计算机思维发生在尽可能接近地模仿人类思维的程序的背景之下。这些一般结论对两者都适用。不过，这里应当作一个说明，现有关于思维的信息处理理论远没有覆盖人类思维活动的全部范围。
第一条一般结论：一切思维处理均由一小组基元信息处理构成，上面已作过充分讨论。这里再添加两条：
1.思维处理是按等级组织起来的。一系列基元处理可以组合成一个复合处理。若干由复合处理和基元处理构成的序列又可组合成更加精致和复杂的处理，如此等等。如果说这种等级体系中水平数目有一极限的话，那么，迄今的实验尚未提示这一极限，甚或未表明它的存在。
在序列形成程序这个例子中，三大程序步骤代表由基元处理组织而成的复合处理。第一步决定了序列的周期性；第二步构成图式的不完全表示；第三步完成这表示。这三道“子程序”（套用计算机术语）被组合成完全的模式探索处理。这模式探索处理又同外推处理相组合，以便完成实验任务——延续级数。
2.信息处理串行地执行。业已建立的各主要信息处理理论隐含这样的假说：中枢神经系统一次只能做一件或几件事。“一次”是指几毫秒的时间间隔。
现有数字计算机都是串行组织的装置，所以，构造串行工作的信息处理理论，最为简便。然而，有相当证据表明，人类系统也以这种方式组织，或者至少其大部分是如此。人类注意广度的界限相当狭窄，就是一个征象，表明思维是串行组织的。但也有相反的证据，例如一个人甚至在他注意别的东西的同时，也能听到别人轻声呼唤他自己的名字。不过，总的说来，说思维基本上是串行处理，看来是错不到哪里去的。
如果更具体地就所谓“解决问题”这类思维活动而言，则另外还有几条重要的一般结论。
1.解决问题在于对解的种种可能性进行等度选择性的试错探索。“高度选择性”和“试错”这两个术语也许似乎相矛盾。它们是不矛盾的。解决问题的探索所以要求试错，是因为它们一般不会直接达致解决，而总要出入一些死胡同，有时多些，有时少些。当一个人未走任何回头路就解决一个问题时，我们总是否认他进行过思维。我们说，“他知道这解答”，或说，“他不必思考，他机械地做这事。”
解决问题的探索所以是选择性的，是因为它们总是只探索全部可能性（通常极其大量）的一小部分。在大多数有意义的场合，所探索的途径的选择并不由可靠证明、系统程序支配，而由我们称之为启发法的经验法则支配。
2.手段 - 目的分析是人类解决问题的基本启发法之一。如由人类行为可知，也如关于解决问题的信息处理理论对人类行为的形式化可知，手段 - 目的分析按如下方式组织：
（a）把目前情势同所希望的情势（问题目标）加以比较，注意到两者间存在一个或多个差别。（例如“我有一块5英尺长的扳；我想要一块2英尺长的板；这里有长度差。”）
（b）在记忆中搜寻同这些业已察知的差别之一相结合的一个操作子（或数个）。“操作子”是总将改变目前情势的某种处理。（例如“锯”、“刨”、“钻”。）操作子同具体差别的结合，是表明这些操作子能消弭有关差别的经验（例如，“锯改变长度”）的结果。
（c）尝试把这操作子用于改变目前情势。有时在这尝试过程中发现，在这情势的某个别的方面未改变之前，这操作子不可能应用。（例如，“为了锯一块板，它必须加以固定。”）在这时，可以建立起类型（a）的一个新目标，以满足为应用作为“所希望情势”的操作子所需的条件。（例如，“固定这块板。”）
考察大量解决问题情势的记录表明，这种活动基本上就是手段 - 目的分析。称为“一般问题解决者”的一种信息处理程序在模拟这种解决问题行为上已取得相当大成功。
手段 - 目的分析是一种选择性启发结的一个特殊情形。借助找出目前情势和所希望情势间的特定差别，就可不必再考察这情势可能变化的一切可能方式。只有那些同所存在的实际差别有关的操作才需加以考察。
在解决问题中同手段 - 目的分析相混合的，是可称为计划的启发法。计划在于通过抽取实际问题的各基本特点而省略它的一些细节，解这经过简化的问题，然后再利用这简化问题的解作为指南或计划，去解完整的问题。并且，可以定量地表明，在有利条件下，计划能使解问题的速度提高许多数量级。一般说来，解完全问题的步骤越多，通过计划所能达到的效率提高也越大。
3.另一个广为应用的启发法是把一个问题分解为若干子问题，先解包含最少“未知项”的那些子问题的程序。这样，必须加以考察的可能解的组合数目便大大减少。
4.在某些十分良好地构成的问题域中，可以给出通常称为算法的形式程序，用于系统地寻求从某种判据来看为最佳或极大的解。初等微积分提供了一个这种简单算法的例子：求一个函数的最大值，取一阶导数，使它等于零，解这结果方程。
然而，在日常生活的大多数解决问题域中，甚至在许多形式问题，比如下棋中，尚未发现这种算法。可以考察适量可能的解，但无法表明一个给定的解是不是最佳的，因为必定尚有许多别的可能尚未加以考察。在这些域中，人类解问题者和模拟它们的计算机程序并不追求“最佳”解，而是寻找一个从某种判据来看是“足够好”的解。据此起作用的启发法有时称为“使人满意的”启发法。这种启发法广泛适用于这样的问题域：可能解的数目太大，不可能进行穷尽一切的探索；不可能有一种有效的极大化算法。
5.思维中的动机和情绪
使人满意的启发法引导我们考虑思维处理和人类行为的那些我们称之为动机和情绪的方面之间的关系。思维是针对目标的活动，如上所述，它涉及考虑一个所提出的解是不是最佳的或足够好的（用一种判据来衡量）。
所以，无论人类还是计算机的思维程序都包含动机成分。这不是说，迄今信息处理理论所表示的动机方面已接近表示人类行为中的全部动机因素。U. 内塞尔指出，一般地同人类行为相比，现有信息处理理论所预言的行为都极其偏执，要不，就是无情绪的。他注意到，人类能从一种活动转到另一种活动，能中断一种活动。
信息处理理论能否加以扩充，也包括我们在人类行为中观察到的动机和情绪机制呢？虽然在这方面尚无取得微小的具体进步，但已有一些猜测提示了可能取得进展的方向。
设想一台计算机，有一个相当大的储存器——磁芯和磁带的组合，除了一般解问题程度之外，但附加有一些用于具体任务的程序，如弈棋、识别串行模式、解微分方程、矩阵求逆、计算相关系数，等等。考察输入该计算机的每项工作，并赋予正在等待处理的工作以优先性（根据某种不一定与我们有关的标准），这优先性随时间而变。当一工作的优先性达到足够高水平时，正在被处理的工作便中断，让位给这高优先性工作。
这种计算机在行为上将显示出动机和一组值。如果我们注意到，它给予矩阵求逆以高优先性，则我们将说，这是一种它喜欢的活动。假如我们还注意到，当输入某些简短的新工作时，它立即中断正在做的工作，并在回复这原始工作之前先进行这些新任务之一。我们可以说，它很容易分心，甚或说，它表现出情绪。
6.结论
认为计算机不会思维的人，最常提出的论据是：计算机只能依所编程序工作。这个论断无疑是正确的，但这并不意味着计算机不能思维。如果的确人类在思维时不做按程序应做的工作，那才能得出上述结论。关于人类思维的信息处理理论的进步，要求否定这一前提。事实上，人类思维的处理可以非常有效地表达成程序形式。我们现在不知道脑中储存和执行这些程序的生理机制如何；但是我们有很多理由相信，存在这种机制，就像前几代不得不相信存在支配原子价和基因控制遗传性的机制一样。
一个人所以能思维，是因为他凭籍生物遗传和通过置身于外界的经验之流中，获得了一种起指导思维处理作用的程序。如果我们欲寻求他的行为的动因，那它在于该程序和前进中的刺激的相互作用。
今天，关于人类思维程序的结构和内容，我们已知道很多。关于这些程序中，哪些部分是遗传的，哪些部分是获得的，我们不甚了了。关于这种程序的生物基质，我们还知道得很少。至于思维程序如何，能通过教育和训练加以改变和改良，我们已知的东西还远远不够。程序模拟人类思维的计算机仍将对于这些未解决问题的研究提供一个强有力的研究工具。并且，信息处理语言表述的程序为表达我们关于人类思维处理的理论提供了有力的工具。
[Models of Discovery，D. Reidel Pub. Co. ，1977年]