成对原理和系统不确定性原理是集对分析的2个基本原理。
从哲学看，成对原理是事物普遍联系原理和对立统一的换一种说法。但成对原理为提出集对和集对分析提供了一种思想指导，也为人工智能提供了一种思想指导。例如，在成对原理指导下，当人们创建一种人工智能理论时，会考虑是否同时去创建与之成对的另一个理论；当人们发现一项新的智能技术时，会思考与之成对的另一项智能技术。其客观效果是让人们智慧地研究人工智能，智慧地发展人工智能。
事实上，人工智能可以看成由“人工”与“智能”构成的对子；“人工”是“人”与“工”构成的对子，“智能”是“智”与“能”构成的对子；即便是人工智能的英文“artificialintelligence”，也可以看成由“artificial”与“intelligence”构成的对子，等等。
“测不准原理”对系统分析的启示在于：当分析进入到系统的微观层次时会遇到部分系统参数不能确定的问题。
问题在于，微观是一个相对的概念。例如：在人工智能中，智能科学是宏观，智能技术是微观；智能理论体系是宏观，某个理论细节是微观；智能机器是宏观，智能思维是微观；机器整机是宏观，机器零件是微观；机器硬件是宏观，机器软件是微观；在机器的信息处理中，机器的信息输入与输出是宏观，信息在机器内部处理是微观，等等。这就意味着，当把某一事物宏观表现与微观表现联系在一起作全局性的系统分析时，不可避免地存在不确定性，这种不确定性首先来自系统宏微层次划分的相对性和系统宏微边界的模糊性，其次来自系统宏微层次的相互渗透与动态迁移。因此，当对某一问题作系统性研究时，其研究过程和研究结果会不可避免地存在这种或那种不确定性。这一原理简称为“系统不确定性原理”或“全局不确定性原理”，也可以看作前述成对原理的一个派生原理：系统的确定性与不确定性成对存在。
联系数是集对的特征函数，也是集对分析中数学建模的一个重要数学工具，最早形成于赵克勤对集合论中罗素悖论的解读。
式(7)~(9)为全偏联系数，由偏正联系数与偏负联系数组成的代数和。一个$n$元联系数有$n-1$阶全偏联系数，如三元联系数$\mu=a+bi+cj$有2阶全偏联系数${\partial^{2}}\mu$：
式(10)是一个没有不确定系数$i$的实数，其物理意义是：当${\partial^2}\mu>0$时，指示三元联系数$\mu$刻画的系统在微观层次上呈正向发展趋势，当${\partial^2}\mu<0$时，指示三元联系数$\mu$刻画的系统在微观层次上呈负向发展趋势；当${\partial^2}\mu=0$时，指示三元联系数$\mu$刻画的系统在微观层次上处在正负临界趋势。
把基于联系数的建模和计算与针对不确定性的系统分析有机结合，是集对分析处理不确定性问题的核心技术，在人工智能研究中得到广泛应用。
根据“智能是系统存在和发展并与环境联系的一种能力”这个新定义可知：智能不仅仅是人的专利，人之外的生物，如动物和植物，也具有智能，后者如向日葵、含羞草等；智能也不仅存在于有机物和生物界中，无机物和无机界中也存在智能，例如，两物体相撞时作用力与反作用力大小相等，方向相反，分别作用在这两个物体上，说明相撞的这两个物体有“以牙还牙”这种高级智能。又如撤销外力后恢复原始状态的弹簧，具有记忆的材料等无机物具有简单智能，至于地球围绕太阳公转的同时还有自转以保持这种运动长期维持，说明人类居住的地球也具有相当智能，2017年地球人接收到13亿年前宇宙深处两个黑洞碰撞归并发出的引力波，验证了爱因斯坦“运动着的物质在告诉时空如何弯曲，弯曲的时空在告诉物质如何运动”，空间与空间中运动的物体相互传递信息、相互作用的假设；推而思之，可知自然界乃至整个宇宙，都具有某种智能，原因在于自然界中的各种物质和物体都以系统的形态而存在，都有为了自身的存在和发展与环境联系的能力，因而都具有智能。显然，应当承认这种智能，称其为系统的自然智能，或简称系统智能或自然智能，或直称智能。
迄今为止，人们对自然智能的认识和理解，集中在以下10个科学原理的认识和应用上。
原理1联系原理客观事物处在相互联系之中。
原理2对立统一原理对立的双方共处于一个统一体中。
由于在各种各样的联系中，2个事物的联系是一种最基本的联系，再结合对立统一原理，可以引出以下的成对原理。
原理3成对原理事物或概念都成对存在。
原理4系统不确定原理组成系统的要素存在确定性关系的同时，存在不确定性关系。
原理5相互作用原理联系着的2个或2个以上事物存在相互作用。
相互作用原理也是哲学、物理学和其他学科公认的一个科学原理。
根据相互作用原理可知，在给定的时空中，物质和能量存在相互作用，从而使物质产生运动。在有人参与的物质运动中，人与物质运动构成事，因此事物处在运动之中，由此引出运动原理。
原理6运动原理客观上存在的事物总是处于运动之中。
原理7关联原理联系着的2个或2个以上事物与他们在相互联系过程中因相互作用而产生的新事物存在关联。
关联原理可以看作相互作用原理的一个二级原理，也可以看作联系原理的三级原理。根据这个原理，得到以下命题。
命理1信息是物质与能量相互作用的产物。
命理2物质、能量、信息3者之间存在关联。
根据命题1和命题2，得到以下推论。
推论1信息具有一定的物质与能量。
推论2信息具有不确定性。
原理8最小作用量原理自然界中存在的各种系统总是通过消耗最小能量与其他系统发生联系，以利于系统自身的存在和发展。
最小作用量原理提示系统天然地具有价值意识，也就是以最小的成本获得最大收益。
原理9能量转换与守恒原理在自然界的各种变化中，能量既不会无中生有，也不会自行消灭，只会从一种形式转化为另一种形式，转换前后的总能量恒定。
原理10功能原理功能原理是能量转换与守恒原理的一个派生原理，其本质是能量在转化过程中会有能量消耗，但得到的新能量与消耗掉的能量总和不变。
随着科学发展，人们还会发现新的科学原理。但我们相信，新的科学原理与已知的科学原理都是自然智能的具体体现。
认识到自然具有智能和自然智能所依据的科学原理，就不难推出人所具有的智能本质上由自然赋予。自然借助各种联系，特别是借助地球这个具有相当智能的星球创造了人，并缓慢地、有序地、持续不断地赋予人以智能，使人得以生存和不断发展进化。如今，人又根据已知的科学原理把自然赋予的智能经过加工和制造，有目的地传递和赋予给人所创造的机器和其他有关系统，让机器和其他有关系统帮助人更好地认识自然、利用自然和开发自然，这就是人工智能，从而把人工智能看成人类进化过程中的一个必然事件。
不难认同，到目前为止，人与自然界和宇宙具有的智能相比，仅具有非常有限的一部分智能，人所不知道的远远超过所知道的。人是自然的产物，自然是人的母亲。人与自然应当和谐相处，知恩图报，知恩共存。人与宇宙相比，不过是沧海一粟，或许连沧海一粟也谈不上。人在懂得人之伟大的同时，也要懂得人之渺小。
显然，上面给出的智能和人工智能新定义有助于消除人们对人工智能不断发展引起的恐惧，也加强人对自然的敬畏，不断探索自然的秘密，感悟和学习自然智能，有利于人的智能不断成熟和人工智能的不断发展。
说到人工智能，不能不提到人工智能三大学派。
首先，集对分析支撑行为主义。行为主义认为，系统的智能活动是基于“感知和行动的”。从集对分析角度看，感知和行动是一个集对。一般来说，人对外界的感知和一定的行动相对应。但是在很多情况下，一定的感知可以有不同的行动与之对应;反过来也是如此，即同一行动可以有多种不同的感知与之相对应。换言之，这中间既有一定的规则可以让系统或机器遵循，同时又存在不确定性可以使系统或机器灵活地加以选择执行。对于这样的一种智能机制，可以用集对分析联系数进行描述并开展进一步的分析。
其次，集对分析支撑联结主义。联结主义认为，人脑思维的基元是神经元，神经元与神经元之间以不同的方式联结形成不同的结构，不同的结构具有以不同的方式进行信息处理和交换的功能，在此基础上形成人的智能活动；联结主义也称结构(功能主义)。从集对分析角度看，两个神经元的联结是一种基本的联结形式，这正好由“集对”这个概念来担当。而且，不管人脑的神经元结构有多么复杂，在结果处理上总不外乎同(与给定的目标一致)异(与给定的目标有差距)反(与给定的目标价值相矛盾)，并可以在一定条件下对“同异反”程度展开度量。也就是，同时显示出某种数量上的简单性，类似于将集对分析联系数作了复杂的运算后，其结果仍然是一个看上去有同异反平凡结构的联系数，因此集对分析同时是对联结主义(结构功能主义)的一种支撑。
第三，集对分析支撑符号主义。符号主义认为，思维的基元是符号，思维过程是有关符号的运算和逻辑推理，符号主义也称形式主义，计算机的全部运算和推理都是借助形式上的各种特定符号进行。集对分析强烈支撑符号主义是因为：首先，有关联系数的运算就是一种符号运算，按集对分析理论，运算结果的“同异反”是什么含义，要结合具体问题背景加以理解；其次，集对分析认为，从已知两个集合的“同”可以在一定条件下得出这两个集合的“异”和“反”。反之亦然，即从两个集合的“反”也可以得出这两个集合的“同”和“异”(参见后面的7.3节)；“异”中则自然地蕴含着“同”和“反”。显然，这里对条件和背景的选择有独特的意义，一切随条件和背景的改变而改变，同样的符号在不同的条件和背景下完全可以有不同的含义。再次，集对通过自身的特征函数进行集对运算，本身就是一种符号运算。
综上所述，人工智能领域中的符号主义、联结主义、行为主义都可以都得到集对分析的理论支撑和方法论支撑，原因就在于集对分析既支撑3大学派中被确定部分的公知，也支撑不确定部分的争论，进一步把确定的部分与不确定的部分联系起来。
该技术分为基于联系数的同异反定量模式识别和定性与定量相结合的同异反模式识别，前者又分为：
1)基于联系数伴随函数的模式分类
2)基于同异反距离的模式分类
该识别系统的主要步骤如下：
1)确定各个指纹特征的权系数
因为指纹特征点的类型、欧氏距、相对角、至中心所穿纹线数等几个属性在判断两枚指纹对应特征点是否匹配的决定性作用不一，所以要对各属性确定其权系数。因此用专家定权法确定指纹特征点类型、欧氏距离、相对角、至中心所穿纹数这4个属性的权重。
2)选取待识别指纹的特征点
3)确定特征点的属性
4)确定各对应特征点对的联系数
任取两个分别来自模板指纹和待识指纹的特征点，设此两中心特征点在R范围内分别有N1、N2个卫星特征点。对于类型、相对角、欧氏距、至中心所穿纹线数等属性分别求该两中心特征点在其上的联系度，即
式中：${\mu_{ijk}}$表示待识指纹特征点i对模板指纹特征点j在属性k上的联系度；$i=\left({{a_{ijk}}-{c_{ijk}}}\right)/\left({{a_{ijk}}\!+\!{b_{ijk}}\!+\!{c_{ijk}}}\right)$；$j=-1$。设：两中心特征点的N1、N2个卫星特征点有Na个特征点在属性k上被认为是相同的，即属性值一致性在某一上确界阈值之上；Nc个特征点在属性k上可被认为是相异的，即属性值一致性在某一下确界阈值之下；其余Nb个特征点在属性k上被认为是相似的，即属性值一致性在两确界阈值之间。则有
式(12)~(14)中$N=\left({N{_1}+N{_2}}\right)/2$。
5)指纹图像匹配的确定
当${R_{ij}}$大于某一阈值时，认为待识指纹特征点$i$和模板指纹特征点$j$相同。又当这种相同的点对占两枚指纹图像特征点总量一定百分比时，系统判断这两枚指纹匹配成功。实验证实了成科扬给出的基于集对分析的指纹识别算法在达到99.78%的正确识别率时拒识率仅为0.08%，且在指纹图像有部分缺损、拉伸时，仍具有很好的鲁棒性。
1)作系统在正常情况下的决策；
2)作系统在异常情况下的决策；
3)作系统在反常情况下的决策；
4)作系统在正常情况兼有异常情况下的决策；
5)作系统在正常情况、异常情况、反常情况依次出现、交替出现、同时出现、随机出现情况下的决策；
6)作系统在同异反不同情况下的综合决策；
7)作系统在多种不确定性情况下的综合决策，具体结合各种不确定性因素的分析和联系数中i的不同取值展开讨论，评价决策风险；
8)利用同异反数据作出评价系统潜在发展趋势的判断；
9)利用同异反数据作评价系统显在发展趋势的判断；
10)根据同异反数据确定的联系数的其他伴随函数进行决策等。
由此可知，同异反决策具有确定性建模和不确定性系统分析集成，同异反集成、定性决策与定量决算集成等特点简称为集成决策。
知识是人们认识客观世界的结晶。知识来自社会实践又被社会实践所反复证明其客观性、合理性、科学性。随着科学技术发展和社会进步，传统知识不断被新知识补充、扩展甚至替代，不同领域的知识更新呈现出类似于作物群落新陈代谢的生态学现象，由此引出的知识生态学概念被人们接受；知识工程则被看作知识生态学中的一门技术性学科；不同时空中的智脑群落在新陈代谢着的知识，构成了不同的知识生态，既相互依赖、相互补充，又相互竞争、进化。
首先，知识从发现到形成需要一个过程，这个过程可长可短，但不可能没有过程。如果把知识的发现作为一个集合，把知识的最终形成作为另一个集合，知识从发现到形成的过程就是把这2个集合联系起来的一个集对，这是知识与知识生态集对分析的第一原理，也称知识生态的过程原理，根据这个原理可以用特定的集对表示一种特定的知识。
其次，知识从发现到形成的过程中要接受社会实践的反复证明，历经由粗到精、由表到里、由浅入深、由零星到系统、由低级到高级的反复证伪证实。在这个过程中，知识的一部分被沉淀和积聚，表现出确定性；另一部分则表现为不确定性。因此，就知识的系统性、完整性、有效性看，一种特定的知识是表现为确定的知识和表现为不确定知识的对立统一体，这是知识与知识生态集对分析的第二原理，也称知识生态的确定-不确定原理。至于那些已经完全地表示为确定的知识，可以视为其中的不确定性知识已经转化为确定的知识，或者看成是确定的知识和不确定知识对立统一体中的一个相对稳定的部分。
再次，知识总是被发现、被表达、被转移、被学习、被掌握、被使用、被发展、被完善、被创新等，这说明知识是被动的，人是主动的。因此，如果把人与知识构成一个集对，则人与知识这个集对是一个有主次关系的集对，这是知识生态集对分析的第三原理，简称知识与知识生态的主次原理。
第四，知识需要传承，从知识生态学角度看，知识的传承相当于知识的播种，一定的知识被播种在适当的土壤中，会在适当的时空中生长、开花、结果；又通过对果实的筛选，存优去劣，被再度播种，代代相传并不断进化；若把上下两代知识作为2个不同的集合，则代代之间的知识传承可以作集对分析，这是知识与知识生态集对分析的第四原理，简称知识与知识生态的传承原理。
第五，历史表明，人类的知识在不断增长，新的知识不断地在替代旧的知识并快速地用于不同问题的求解，从而使不同领域的知识更新呈现出类似于作物群落新陈代谢的生态学现象。因此，如果把已有的旧知识作为一个集合，把新知识作为另一个集合，则得到由新旧知识组成的集对。新旧知识的相互联系、交互交叉、中介过渡，以及对立互补等分析，就是一个以新旧知识关系为研究内容的集对分析，这是知识与知识生态学集对分析的第五原理，也称知识与知识生态的新陈代谢原理，或简称为知识新陈代谢原理。
知识与知识生态学集对分析的上述5个原理决定了集对分析在知识生态学中的应用有丰富内容，核心技术依然是确定性的知识建模与不确定性知识的系统分析有机结合。
总的来说，已有的集对分析应用工作还处于知识工程这个层次上，如何在知识生态学意义上运用集对分析还有待深入研究。
顾名思义，自然语言是自然的语言，这也是基于第2章中提出的自然界本身具有智能的观点。自然语言首先应当从普适意义上理解为自然界自己的语言，是自然界中物质与物质、物质与能量、能量与能量进行相互联系的一种工具和方式，这将有助于人们对自然语言的深入研究和向自然智能不断学习。基于这样的认识，自然界中的雷鸣电闪、风雨霜雪、阳光普照、潮涌潮落、月移星走等，都是一物对他物诉说的语言，懂得这些语言的物体于是有了热涨冷缩，以便更好地保存自己；凝聚汇合，以便积蓄能量与另一类物质或物体抗衡；诞生消亡、以周期性地出现在自然界中等，我们把这类语言称为自然界中存在于无机物之间的无机语言；而对于存在于生物种群之间的花香鸟语、莺歌燕舞、人欢马叫、文本书信这类语言称为有机物之间的有机语言，无机语言和有机语言是构成自然语言的2个大类，若把它们各作成一个集合，则所谓的自然语言就是一个集对。
人是自然的产物，因此人类语言因此是自然语言中有机语言的一个子集。
人类语言包括文字性语言、口语、音乐和肢体语言。文字性语言又分为形式化语言和非形式化语言，形式化语言如数学语言、计算机语言，非形式化语言如各民族文字性语言。口语分为有声口语与无声口语(哑语)，音乐也可以看成一种有声口语，哑语可以部分地看作一种肢体语言，但肢体语言并不限于哑语。非形式化语言还有旗语、图语、舞蹈等。
上述关于人类语言理解和处理概念的集对分析表明：人类语言理解贯穿人类语言处理全过程，对于理解的研究应当优先于处理的研究，因此没有对人类语言的理解就没法对人类语言处理。人类语言理解和人类语言处理在意识时空和现实时空中既有分别又可以同时进行表明：人类语言理解和人类语言处理在一定意义上依赖于对这2个时空的认知与研究。但遗憾的是，目前人们对于这2个时空的知识有不少停留在假设的基础上。虽然如此，我们借助集对分析认识到：人类语言理解和处理一般情况下达不到完全同一的境界。
1)中文语义的相反相成
某一体育球赛场中出现了“中国队大胜韩国队”的标语，把这一句理解成中国队打胜了球而同时韩国队输了球，显然符合该语句提出者要表达中国队打胜了球而同时韩国队输了球的意思；但“中国队大败韩国队”，同样可以理解成中国队打胜了球而同时韩国队输了球。这个例子表明，意义相反的字“胜”与“败”，在与其他字和词汇组成同样语句结构的条件下可以有相同意义的理解。相反相同可以看成一种特殊的同异反。
2)中英文翻译
把中文和英文各组成一个集合，则中文和英文构成一个集对。中英文翻译就是一种特定意义的集对分析。因为中文和英文有各自的文字形式(异)，有不同甚至是相反的语法规则(反)，中英文翻译要求则是让中英文对话双方能各自理解对方要表达的意思(同)，所以中英文翻译是一种特定的同异反集对分析。
3)语言的联系数刻画
以便于构建决策模型和作出决策。
原理1成对原理首先，人机成对存在。专家系统都由人设计研究而成，设计人员与已有的计算机知识有机结合产生专家系统；专家系统的实际应用也由人与机器共同完成，人机交互界面就是人机成对存在相互作用的一个机构，不少情况下由系统给出的推理结论也需要人的认可。其次，专家系统的结构在功能上也成对配制，例如：知识库既存储预先给定的知识，也储存系统在应用过程中所获得的知识；知识库与推理机成对合作完成推理，推理机与解释器成对合作完成解释等。第三，推理机也是在成对原理役使下工作，一般把基于确定性知识的推理与基于不确定性知识的推理相结合后输出推理结果，等等。
原理3不确定性原理专家系统依靠知识库中的知识开展工作，尽管这种知识是为解决特定类别的问题预先设置储备，但现实问题具有多样性和不确定性。这种不确定性包括对问题的描述不确切，需要推理的证据不充分，系统对于新知识的理解不准确，系统所在的工作环境不理想，等等。从严格意义上说，专家系统通常是在具有不确定性的环境下接受和处理各种不确定性问题，因此可以应用集对分析的不确定性系统理论来研究和处理专家系统面临的各种不确定性问题。
基本原理是集对分析中的成对原理、同异反原理和不确定性原理。基于成对原理，可以把人工神经网络与人脑神经网络看作一个集对，两者虽然在功能上有相同之处，但在结构上相异，人工神经网络是无机物，人脑是有机物，这种同异反关系决定了人工神经网络处理的结果在逼近现实世界真实结果时存在不确定性。基于此认为，在人工神经网络的改进和完善过程中可以借鉴和应用集对分析“确定性计算与不确定性分析相结合”的思路；另外，社会网络化的人工神经网络可以看作大脑神经网络的一种外化，因此是一个更为重要的研究方向，不便对人脑作外科手术式研究的问题，可以通过对社会网络作切割式的研究来模拟。
智能工程是把人工智能的原理方法与技术用于各种工程的一个统称，如航天工程、智能电网、无人驾驶交通、各种智能制造、智能住宅和智能大厦等。智能工程内容包括工程中的智能系统设计、制作建造与运行管理3个层次。由于这些工程大都在开放的环境中运行，而实时环境中的各种工程及其运行都有耗能最少、产出最大、对环境负面影响最小、对各种信息处理敏捷正确以及宜人性等要求，面临各种不确定性因素干扰，包括对极端情况的适应，为此可以把集对分析中的不确定性理论、同异反系统理论和联系数用于智能工程中各层次、各环节的不确定性处置和处理，以达到工程设计施工与工程运行效用最优的目标。
智能社会还没有明确的定义。但我们可以认为：智能社会是指社会各个方面都实现智能化的一种社会形态，是现代科技发展到一定水平必然出现的一种社会形态。从目前情况看，智能社会是人们借助各种各样的智脑系统和互联网处理各种社会事务及个人事务，通过信息能的开发和利用，使社会物质财富极大化，同时又得到个性化满意服务的一种社会形态。由于人的欲望和本性使然，智能社会仍然存在物质财富社会分配不匀、信息能与其他能源相互转换效率不尽人意，特别是个人信息隐私、网络社区与实社区的和谐协调、地球人寻找其他宜居星球以开辟新的人类家园等新的社会问题，因此各种各样的不确定性依然存在，同异反现象普遍存在，对立统一规律仍然是各种事物和各种运动所遵循的规律，集对分析中的成对原理、不确定性原理和同异反原理在智能社会中依然有广阔的应用领域。
从时空角度看，上述智脑系统的最大潜力在于智脑的进化。智脑智能在智脑的进化中得到不断扩充、强化，不断地向完善接近。
大自然创造了人类，并赋予人类智能，远古时代的原始人会制作简陋的工具摄取食物以生存繁衍，近代人通过把工具复杂化以制造出机器，引发的工业革命极大地推动和发展了人类社会，使得当代科学家梦想着把智能不断地赋予机器，让机器不仅能帮助人们高效率地创造物质财富和思想财富，还能帮助人类去寻找第2个、第3个甚至更多个宜居星球，以创造更加美好的未来。这个智能大搬迁的历史进程，无疑是确定性与不确定性相互联系、相互依存、相互纠缠、对立统一的过程。集对分析作为对不确定性“客观承认、系统描述、定量刻画、具体分析”的一种新的系统数学理论，把确定性的数学计算与不确定性的系统分析有机结合，毫无疑问可以在人工智能中得到应用，也已经在人工智能中得到不少成功的应用。我们有理由相信，随着互联网的不断发展，智能社会将不以人的意志为转移而出现在地球上，集对分析在人工智能中的应用会有一个新的进展。