美国工程院院士、加州大学伯克利分校Lotfi Zadeh教授在1965年正式提出模糊集合（Fuzzy Set）的概念，以定量计算人类语言和认知中的不确定性。该论文引用次数约16万次，是可遇不可求的开创性论文。在此基础，Zadeh教授不断发展深化该概念，陆续提出了模糊逻辑（Fuzzy Logic） 和模糊推理（Fuzzy Reasoning）。大约在1975年，正式形成了模糊推理系统的概念，或简称为模糊系统。

以两个输入，一个输出为例，可能的模糊规则为：If x1 is Big and x2 is Small, Then Y is Middle. 其中，大、小、中均为模糊集合。可以用以下多种隶属度函数表示各类模糊集合，并可以用优化技术来调参，以获得更好的效果。

模糊系统是由多条模糊规则综合集成的一个系统，可由输入模糊化、模糊蕴含、模糊推理、模糊合成和解模糊等步骤组成。类似于神经网络，经过证明，只要模糊规则足够多，模糊隶属度参数选择的好，模糊系统可以逼近任意的非线性函数。模糊系统的提出为复杂系统建模、控制和决策提供了一个新的思路。模糊系统可以包容人类专家总结的经验，几条模糊规则相当于一个专家的经验，模糊系统则相当于若干个专家经验的集成，类似于混合专家系统。而且，模糊系统是可计算可优化的专家系统，具有更强大的功能，还能从数据中自动学习出来，也可以是机器学习的一个方向，可以称之为模糊机器学习。

无独有偶，15年后，在1990年，我国著名科学家、两院院士钱学森先生等提出了处理复杂巨系统系统的原创方法论：从定性到定量的综合集成法。该方法是钱老从组织完成两弹一星和多个重大航天工程中总结出来的，是多个成功经验升华到理论层面的重大创新。

Zadeh先生是我在加州大学伯克利访问时的导师、钱老是中国自动化学会的创始理事长，都是我非常敬仰的科学家。我一直都在学习这两个理论方法。最近，我突然悟道：这两种理论方法有异曲同工之妙，形成了跨越东西方的心有灵犀。模糊集合是定性，隶属度值是定量，多条模糊的合成的模糊系统就是综合集成。可以说，模糊系统是综合集成法的一种实现形式。当然，不局限于模糊系统，综合集成法还可以有更多的实现方法。

这两种方法论虽然诞生于不同文化背景，却共同指向人类认知的核心命题——如何有效处理不确定情况下复杂系统的建模、控制与决策。这对于今天的人工智能发展也有重要意义，尤其是可解释、可通用的下一代人工智能的发展，需要博采众家之长，而不能只听神经网络的一家之言。

总之，综合集成法的意义重要，还需要继续深入挖掘。我们不仅要从数据中学习，还要从多个专家经验中学习。我们不仅要有神经网络这类学习能力强的方法，还需要模糊系统这类可解释性强的方法。也许，这些方法的有机结合，并有效集成进化计算等智能优化方法，才能取得更好的效果。相信钱老提出的综合集成法和Zadeh先生提出的模糊系统能在人工智能时代发挥更重要的作用，发扬光大这两个方法是我们对这两位杰出科学家的最好纪念。