讨论到上一段，一个与计算机算法完全不同的算法体系——反射算法的雏形已现端倪，我们不妨把我们已经讨论到的总结一下。
反射算法，它符合图灵的算法定义：在有限的步骤内，完成计算任务。不过我们也知道，大脑所解决的任务，有时不能在有限的步骤内完成，有时我们无法无论如何也解决不了所要完成的任务，只能选择放弃，这是图灵定义的算法所不允许的。有时，一个任务需要几代人来完成，例如陈景润致力解决的歌德巴赫猜想，他用一生的时间，仅仅解决一部分，其余的只好留给后人解决了。这也是图灵定义的算法所不允许的。
反射算法，是立足于与计算机完全不同的算法结构上的算法。我们通常所说的算法，是指算法的形式，即完成某一个（或一些）任务的步骤。而这里我们所指的算法，是一种实现具体步骤的基本结构。计算机算法，是立足于数据移动，先取值再计算的算法结构。反射算法，则是立足于数据不移动，通过建立相互联系（建立反射）表示数据，通过传递中简化和再进行复杂组合的方式构成运算的算法结构。
因此反射算法与计算机算法是两种本质上不同的算法。它不是在计算机算法结构上可以执行的算法。我们提出反射算法的概念和对其进行粗浅的讨论，就是为了揭开大脑算法的秘密。
反射算法有反射算法的规则。它是以神经元（或神经部位）间的联系为基本操作手段的算法。建立反射和实现反射是反射算法的主要两个过程。反射算法的一切复杂的性能，都来源于这两个基本的过程。
反射算法有它自己的数据表示方式。它不是靠二进位数字信息来表示数据，而是靠神经元间的联系形式来表示数据。由于神经元的位置是不能移动的，它们的连接形式也就无法移动，因此反射算法的数据是不能移动的。
反射算法的这种数据表示方式（信息编码方式），使得与计算机存储位数量相当的神经元，可以表示远远超过计算机存储位几千、几万倍的数据。这也是大脑功能远远强过计算机的原因之一。
反射算法有它自己传递信息的方式。它在神经元间只传递兴奋，因此它接受信息后向内层传递，是用简化的形式传递的。因此在这种信息传递中，数据是改变的。它决定了反射算法不能以取值后计算的方式构建算法步骤。
反射算法的这种信息传递方式，却为大脑的抽象能力奠定了基础。抽象，究其实质，不过是信息的简化。如果把抽象也看成是反射算法的一种计算方式，信息传递中的简化，就是这种计算方式的技术原型。
反射算法传递信息的简化，使得前一层次的数据大量的不能向深层次传递，因此只能采用“合并代表”的方式。这种“合并代表”的方式，就成为反射算法的另一个计算——联想的技术原型。
反射算法在信息传递过程中，还可以以传递神经元为基础，建立它们间的联系（反射）。这个层次反射的建立，就形成信息的有组织的表达。层层简化，层层组合，即使信息表达呈万倍以上的趋势扩大，又使信息表达的复杂度越来越高。这种层层传递、层层组合的形式，是大脑的一种关键计算——言语活动的技术原型。
我们可以看出，由于反射算法区别于计算机算法的算法结构特征，也就造就反射算法与计算机算法不同的计算特征。
反射算法，它符合图灵的算法定义：在有限的步骤内，完成计算任务。不过我们也知道，大脑所解决的任务，有时不能在有限的步骤内完成，有时我们无法无论如何也解决不了所要完成的任务，只能选择放弃，这是图灵定义的算法所不允许的。有时，一个任务需要几代人来完成，例如陈景润致力解决的歌德巴赫猜想，他用一生的时间，仅仅解决一部分，其余的只好留给后人解决了。这也是图灵定义的算法所不允许的。
反射算法，是立足于与计算机完全不同的算法结构上的算法。我们通常所说的算法，是指算法的形式，即完成某一个（或一些）任务的步骤。而这里我们所指的算法，是一种实现具体步骤的基本结构。计算机算法，是立足于数据移动，先取值再计算的算法结构。反射算法，则是立足于数据不移动，通过建立相互联系（建立反射）表示数据，通过传递中简化和再进行复杂组合的方式构成运算的算法结构。
因此反射算法与计算机算法是两种本质上不同的算法。它不是在计算机算法结构上可以执行的算法。我们提出反射算法的概念和对其进行粗浅的讨论，就是为了揭开大脑算法的秘密。
反射算法有反射算法的规则。它是以神经元（或神经部位）间的联系为基本操作手段的算法。建立反射和实现反射是反射算法的主要两个过程。反射算法的一切复杂的性能，都来源于这两个基本的过程。
反射算法有它自己的数据表示方式。它不是靠二进位数字信息来表示数据，而是靠神经元间的联系形式来表示数据。由于神经元的位置是不能移动的，它们的连接形式也就无法移动，因此反射算法的数据是不能移动的。
反射算法的这种数据表示方式（信息编码方式），使得与计算机存储位数量相当的神经元，可以表示远远超过计算机存储位几千、几万倍的数据。这也是大脑功能远远强过计算机的原因之一。
反射算法有它自己传递信息的方式。它在神经元间只传递兴奋，因此它接受信息后向内层传递，是用简化的形式传递的。因此在这种信息传递中，数据是改变的。它决定了反射算法不能以取值后计算的方式构建算法步骤。
反射算法的这种信息传递方式，却为大脑的抽象能力奠定了基础。抽象，究其实质，不过是信息的简化。如果把抽象也看成是反射算法的一种计算方式，信息传递中的简化，就是这种计算方式的技术原型。
反射算法传递信息的简化，使得前一层次的数据大量的不能向深层次传递，因此只能采用“合并代表”的方式。这种“合并代表”的方式，就成为反射算法的另一个计算——联想的技术原型。
反射算法在信息传递过程中，还可以以传递神经元为基础，建立它们间的联系（反射）。这个层次反射的建立，就形成信息的有组织的表达。层层简化，层层组合，即使信息表达呈万倍以上的趋势扩大，又使信息表达的复杂度越来越高。这种层层传递、层层组合的形式，是大脑的一种关键计算——言语活动的技术原型。
我们可以看出，由于反射算法区别于计算机算法的算法结构特征，也就造就反射算法与计算机算法不同的计算特征。
