本论文最好先从第三部分看起，然后，如果您觉得有兴趣的话，可以再看看第一二部分，因为第三部分是精彩的描述和结论，这些都是人们几十年来一直在探索研究的。虽然没有第一二部分作为基础，但对于一个抽象思维和空间想象力比较强的人来说，一般都可以了解个大致情况。
第一二部分是比较枯燥难懂的结构描述和理论证明，假若先看第一二部分，而事先不知道由这些基础所建立起来的第三部分的重要阐述，如果不是有耐心的话，很可能就会放弃了。
本文介绍一种新的人工智能数学模型：全息空间模型的基本概貌，并提出一种全新的学科：全息拓扑学。 本文从研究信息的结构入手，首先建立了“特征信息”这一概念，然后通过特征信息在存储器中的有机组合而构成了一种连续的、统一的高级组织：“全息空间”。全息空间是信息空间的内在结构发生质变后的高级组织形式，它脱离了原信息空间中各个信息元素或子空间之间毫不相关，互相独立存在的那种初级随机组合形式，而使得整个信息空间内部的元素组成一个统一的有机的整体，并使得这个整体内部在高级层次上产生出新的重要的性质。 本文分三大部分讨论与研究有关全息拓扑公理体系方面或人工智能方面的几个问题： １．确立和讨论全息拓扑的公理体系； ２．讨论和分析全息拓扑理论的多层次拓扑相关特性； ３．讨论和分析某些人工智能方面的问题，介绍一种自然界所特有的编码方法：自然编码方法；并分析了大脑中信息的多层次结构的特点和性质。 本文建立了全息空间的公理化体系，构造了一种新的空间结构，在这个空间中，局部的元素能够被整个空间的所有区域所蕴涵，由此产生某些不同于经典理论的新的重要的性质。全息空间的元素与元素之间的相容性性质，和元素与空间坐标之间的相适应性质，是全息空间的两个最重要的两个性质。 本文介绍了信息的筛选方法：小筛法和大筛法。其中对大筛法中的盲区问题，作了着重的讨论，证明在具有连续势的线性全息空间中，如若无奇异区域或异常间断，则盲区内无更优族元存在。并通过构造一个群，讨论全息空间结构的延拓过程和新元素的生成方法。 本文在第二部分中提出全息同胚和全息同构的概念。并讨论了全息空间中的聚类反应，证明聚类反应后经过重新组装的子空间仍然还在原先的全息空间上。同时讨论了全息空间的动力学方面的拓扑性质，提出全息空间中的信息元素的动力学平衡和平衡的移动问题。 本文提出全息空间中的两种递归结构，一般的循环递归结构和嵌套递归结构，并证明全息空间内部的拓扑结构是一种递归结构。 本文对全息空间作了总的描述，全息空间有三大层拓扑结构。第一大层：信息空间层次，存储器形式的拓扑结构。第二大层次：全息空间层次，信息从无序排列转化为有序，产生出全息相关的拓扑结构。第三大层次：超拓扑结构。 本文在第三部分中指出：人脑在处理信息方面，不是对一个个单个的信息元素进行处理，而是对整个信息集合的拓扑关系和拓扑性质来进行处理。这是由于自然界不会那种人为的“编码”术，只好求助于自然界本身所特有的一种“自然编码”系统。本文介绍一种自然界所特有的编码方法：“自然编码”系统，这是一种群处理的过程，信息在生命体中就是这样进行编码和处理的。并且通过一张流程图，简要描述了信息在脑中的形成方式、结构形式和转化过程。 本文列表比较人脑与计算机系统在信息处理方面的不同和差异，指出人脑与计算机系统最根本的不同之处是人脑处理的是信息的拓扑关系和拓扑图形，而机器处理的是程序员事先定义好的代码。 本文初步讨论人工智能模型的特点和功能，提出人工智能不是处理代码，而是要能够处理拓扑图形，拓扑关系和拓扑性质。本文论及的人工智能模型其实质是指一个具有拓扑性质的多层次的全息空间。 针对各种人工智能模型和神经元模型，本文指出机器智能的发展的三个阶段：机器代码阶段，机器生理层次阶段，机器心理层次阶段；只有发展到机器心理层次阶段后，才会产生真正的人工智能。因为思维形式和思维过程从总的来说是拓扑性质的，与物理层次的机器的类型的选择似乎关系不大。无论何种机器，都有可能达到目标。机器代码无论是电的，光的，数字的、模拟的，甚至是生物的神经元冲动；也无论是人为定义的，还是生物在自然界中长期演化得来的，只要它们构成的以机器代码为基础的高层次的拓扑全息系统的拓扑相关结构一样，那么它们的思维形式和思维过程也应当是在拓扑关系上等效的。 本文讨论了智能系统的层次性拓扑结构。着重分析了智能分析处理系统的层次性，具体地提出智能系统的三大层次结构：物理层次，生理层次，心理层次；每一个大层次又分若干亚层。本章节比较全面地描述了智能系统的这三个大层次和若干亚层之间的关系，信息的最底层的编码方法，信息的提取方法和提取过程，信息的全息框架结构，各级虚拟机系统的功能和作用，信息的多层递归结构等。
