辅助系统相对独立，我们先从这里说起。软件中最重要的辅助系统就是人机界面，人机界面到底有多重要，看看微软如何发家，以及今天微软Google为什么打破头就知道了，只要真正的人工智能还没有实现，人机界面就是最有利可图的领域。然而刚入行的程序员通常都不理解这一点，我自己十多年前也只喜欢编写命令行程序和系统服务，功能复杂不要紧，只要界面少到没有就好。人机界面常常被认为是美工们的工作范围，是没有技术含量的体力活，然而事实总是无情地教训他们，最近编FLASH的平均工资已经高过编JAVA和C#的了，这就足够说明问题了。程序员们之所以有这种偏见，主要是他们脑子里计算机技术装得太满，而应用场景少到几乎不存在。人机界面是软件中比较难以自动生成的部分，特别是如果追求个性化用户体验的话。我曾想过把用户界面都做成主视角游戏的形式，人们可以自然地走进并探索赛博空间，或许比较接近用户界面的终极形式。这当然还没实现，如果实现了，以后老板们恐怕就再也搞不清楚员工是在工作还是在玩游戏了吧。在系统中，用户界面的作用无与伦比，首先，不管做什么计算，用户总是从用户界面得到计算结果；其次，模型通常是反复滚动计算的，经常需要通过用户界面输入、补充或者修正数据；最后，模型未必完全由计算机实现，模型中有些部分常常不适合今天的计算机处理，比如说图像内容识别，需要把这部分处理负担转移给人，然后人在把处理结果返回计算机，以便计算机继续计算，这样就变成了人机配合完成整个模型的计算，这种人机结合的地方也必然需要用户界面。在软件系统的所有部分中，人机界面可能将会是是程序员最后的领地。其他的辅助系统主要是人机界面以外的各种输入输出接口，这是最容易实现自动编程的领域，无需细说。

数据源的问题也相对简单，而且有TBL等牛人一直在推动数据标准化和互操作，这件事情看起来是无需我们操心了。如果他们最终成功（我毫不怀疑这一点），最终任何数据都可以按对象组织起来，并且得到一个人类能看懂的标签，而且标签的编写方法符合严格的形式化定义，我们只要等着到时候从w3c下载解释程序就足够了。至于这些对象该放到系统里的什么地方去，那就与他们无关了，是构造模型的人考虑的事情。

模型代码化不仅取决于模型本身，更受计算环境的制约，这是绝大多数程序员所认可的“纯技术”活，需要调动程序员最多的关于计算机系统的知识来完成。模型代码化的工作包括写出使计算机可以完成模型运算的代码，以及把模型与周边辅助系统衔接在一起的代码。高手和软件厂商通常都会编写一些程序框架，以便抹去计算环境不同带来的复杂性，让程序员专心处理模型，语言虚拟机，应用服务器都属于这一类。模型中有一些功能是比较容易自动编程的，比如各个对象的属性定义和CRUD方法，这部分代码的自动生成今天已经基本实现了。至于模型规则的代码化，这个麻烦可就大了，要先解决了模型本身的复杂度才行。

构造模型是人脑的一个基本功能，所以我们常常觉得这很容易。然而一旦交给计算机，其中的复杂性就显现出来了。人脑中最简单的模型是场景模型，也就是所谓的形象思维，具像思维。这是每个人在小时候，能够使用语言进行抽象思维之前，唯一可用的思考模型，有一定思维能力的高级动物也具有使用场景模型的能力。场景模型是最常用的思考模型，在其他模型无法解决问题的时候，场景模型总是作为最后的手段。场景模型的推演是基于经验的，因此只要能够构造出来，就总是能够有效地完成推演，而不必担心没有理论可用。然而场景模型并不简单，世界上对场景模型认识最深刻的人群莫过于影视导演了，他们几十年的功力都花在营造让大多数人感到真实可信的场景上了，只要看看成为高水平的大导演的难度，就知道全面认识场景模型有多困难。今天的计算机系统是不具备像人类这样的场景推演能力的，不过人工视觉的研究近年来进展很快，其中相当大的一部分就是解决计算机对视觉场景自动建模的问题，而视觉又是人类获得场景信息的主要信息源，可以说只要解决了视觉场景的建模，机器理解场景就至少成功了一半。这方面我乐观一点估计，20年后技术基本就成熟了。比场景模型高级一点的是语言逻辑模型，这种模型的理论都是用语言表示的，模型本身也都可以用语言精确描述出来，相比之下，场景模型虽然也可以用语言来描述，但是很难做到完全不丢失和歪曲信息，特别是当其中有些物体无法对应到被人们广泛熟知的概念上的时候。语言逻辑模型的推演就是我们平常所说的逻辑推理，也就是用语言形成一条逻辑因果链的过程。这类模型因为本身就是形式化的，能用语言外在地表达，而且较少模糊与歧义，因此传统人工智能领域研究得比较深入透彻，剩下的工作主要是与其他模型如何结合的问题。如果一个问题可以建立语言逻辑模型，那么一定比针对这同一个问题所建立起来的场景模型运算量小很多，这就是抽象的优势，因此效率大大提高了。在场景模型和语言逻辑模型基础上，人脑发展出了称为“数学”的东西，这是更高级的模型系统，具有更高的推演效率，心理学家把感官信号称为第一信号系统，这个系统对应着场景模型，把语言称为第二信号系统，这个系统对应语言逻辑模型，照此推理，数学应该称为第三信号系统才对。数学因为具有逻辑模型的抽象特点，因此很多数学问题可以形式化，非常适合计算机处理，然而，因为数学又有一些部分以场景模型为基础，所以也有一些数学问题很难用计算机处理，这些不好处理的特例，恐怕要等计算机处理场景模型成熟起来之后才有望解决，我认为30年是个合理的预期。

在解决了模型自动构造的基础上，就有希望创造出具有人类思维能力的计算机系统，然而，计算机比人脑还缺一样重要的东西，我们前面说过，计算机没有主观能动性，因此处理信息的工作需要人来驱动。如果要象人脑那样完成复杂的工作，计算机必须要自我驱动。今天的计算机有时候也能完成很复杂的计算任务，但是这是以软件复杂性的极度增加为代价的，而这增加的复杂性，其实所做的只不过是把启动程序时人类赋予的那个初始驱动力，不断的转换成各种形式，传递给各个计算单元而已。人类这种神奇的初始驱动力，来源于自身的生命力，或者说具体点，来源于人脑的情感欲望系统。生命力并不是什么神奇的东西，动物也都一样具有，只不过地球上的人类以外的动物还都没有聪明到能够学会计算机，所以它们不能驱动计算机帮他们做事情。情感欲望在计算中所起的作用，至今一直都被学界忽视了，这个系统看似与理性无关，却是产生智能所需的核心部件，人工智能至今没有实现，恐怕和科学家们还没有想到这一点大有关系。再说句题外话，这恐怕和研究信息技术的以男性为主大有关系，男性大多在情感上迟钝，欲望又简单直白，没有深度，所以想不到这其中的关联也在情理之中。未来的智能计算架构，应当是一大群计算单元，具备各种模型处理能力，在一个模拟人类情感欲望驱动机制的核心的驱动之下，不断碰撞组合，相互竞争，优胜的计算单元获得更多资源和信任，从而推动整个计算体系不断进化，最终产生出智能。50年后，在我离开这个世界之前，或许能够看到这样的系统最终成熟起来。

模型的自动组合，其实就是软件的自动组合，在有了这样的系统之后，任何软件都能自动组合出来，等到那一天，最后一位人类程序员就终于可以退休了。