模式识别不仅仅是针对图形与事物而言，对于观念性的理论、观点等，同样可以把它们作为一种模式来进行识别和理解。人的“解释”事物的过程，也是一种概念驱动、理性匹配的过程。所谓的解释，就是根据已有思维的模式尤其是关于这个事物的概念，组织相关的背景知识进行“编程”，把相关知识整理有序并合理化，来对所要解释的对象进行描述。在这个过程中，人们总是运用一个或一组中心概念展开叙事过程，描绘新事物，运用已有的熟悉知识，将新的复杂的对象进行通俗化诠释，从而使得自己或人们能够理解它。这样的解释相当于对原有概念框架的承认或赞同，因此解释的过程同时也是一种评价过程，可能会将一些知识以外的感情等因素掺杂进去。
如果解释能够很好地与思维的模式相匹配，人们就很容易识别与接受，反之则不然。解释的概念越多、越丰富，就越可能发现它们内部的规律，从而形成某种概念体系。
模式识别在现代政治、经济、军事、文化等活动中经常使用。在全球化激烈竞争过程中，一些复杂的模式识别，经常扮演着重要的保密角色。在谍战中，通常要运用复杂的密码系统、接头暗号、联络方式等，通过复杂的数字组合、图形等进行识别匹配，并尽量提高匹配信息的复杂度，使得信息源与模式识别物在配对上尽可能独一无二，从而提高其可靠性。我们日常使用的各种电脑上网、信用卡等工具，在获得许可方面一般也都要使用复杂的模式识别方法。在识别犯罪嫌疑人时，我们看到警方会出示各种人物的图像，以便让证人进行识别，从而获取侦破的线索。
模式识别还可以从更广泛意义上去理解。美国心理学家H.乔治认为：“模式识别这个词往往有两种不同含义的理解，其一，是感知的模式识别，特别是指视觉；其二，是概念的模式识别，它包括所有的学习、思维、问题解决，甚至包括语言。”确实，我们理解语言和文字，是将自己的概念模式对它们进行“块化匹配”，进行有机的内在关系上的对应。同样，解决问题也是对问题情景模式的识别，如果以前解决过类似的问题，那么在解决同样问题时，我们就用已经形成存在的解题模式来指导解决问题的过程。由此可见，模式识别的范围很广，它们都依赖于人们思维的模式。
从宏观认识的角度看，一些认识群体、一些专门领域的认识成果，也可能形成特定的认知模式；由这些概念和理论驱动，指导新模式的识别与形成，也指导着进一步认识的发展。在科学界有科学理论范式的大量事例。
一些科学家通过研究和创新思维，形成了某种概念或理论的假说，然后据此进行观测或实验，看事实是否符合假说，最后由本领域专家同行来共同判定这种假说是否符合科学的基本要求，从而建立起新的理论体系。爱因斯坦广义相对论的提出就经历了这样的过程。由相对论基本概念假说的驱动，他提出，引力是由空间时间几何的畸变引起的，引力场影响时间和距离的测量。狭义相对论和牛顿万有引力定律，都是广义相对论的特例。广义相对论的有关预言与经典物理学中的对应理论非常不同，比如引力场内的时间膨胀、光的引力红移、引力时间延迟效应等。几年后，英国科学家爱丁顿爵士率领观测队，在日全食时确实观测到了光线经过太阳附近时发生了弯曲，从而证实了广义相对论的基本观点。广义相对论成了后来科学研究包括提出黑洞理论和大爆炸宇宙学理论的指导范式。
2.人工智能的困难
我们把人工智能问题放在模式识别这一章里论述，是因为迄今为止，计算机在模式识别方面取得了巨大的成功，但也面临着不少的困难。
艾伦·图灵1950年时宣称，如果计算机能模仿游戏，有规律地打败人类对手，它就能够思考。机器能够思维吗？图灵的回答是肯定的。
图灵设计了一个简单的游戏试验。有三个人，其中有男女两人是回答者，另一人是提问者。提问者要通过提问来判定回答者中，哪一个是男性，哪一个是女性。假如用机器来代替其中一个人，提问者无法判定出其性别，那就可以证明机器同样具有智能。图灵认为，实验能证实这个测试，所以他据此认为，要造出人工智能，没有必要看内在过程，只要关注行为或功能就可以了。图灵对智能的理解，遭到了很多人的批评。确实，如果通过这种游戏所表现出来的机器行为能被称为智能的话，那么这个智能也太低级了。
人的思维所表现出来的智能，表现在各种不同的方面，最主要的有意向性、目的性、预见性，以及理解、表达、创造和各种情感表达，等等，这些都是人类智能或智慧所体现出来的特征。仅仅通过外部行为来界定智慧及其功能，未免显得简单和草率。
人的意识是从高度发达的物质——生命体及大脑发展出来的，那么，它的机制是怎样的呢？如果认为意识可以从原本无意识的物质组织中发展起来的，从理论上说，人们是否也可以用某种方法重新构造出类似的物质组织，并发展出意识来？事情当然并不这么简单。迄今为止，计算机专家和哲学家们在这方面提出来的忠告基本上都是，意识所涉及的不仅仅是感觉、计算、推理、行动等，意识首先牵涉自我意识、情感、自由想象、创造和直觉等，我们现在对这些意识现象的机理了解得还太少，想在机器上复制这些功能难度很大。可能有些人认为，计算机能够战胜国际象棋大师，说明在机器上也会有真正的推理，但实际上它所操作的都是无意义的符号。机器的运算是在使用某种“蛮力”，用自己超快的速度每秒钟运算几亿次、几万亿次，而人类绝不会这样。迄今为止机器操控所呈现出来的意义，是我们人类赋予它们的，是人类的赋值行为才使得机器运算“显得”有意义。
从图灵提出机器思维的命题以后，对人工智能的向往以及批评就不绝于耳。约翰·塞尔十分看不起计算机，当然这也与他没有估计到今天互联网高速发展的状况有关。他认为，计算机以往在哲学上的重要性，就像任何一种新技术所具有的典型特征一样被过分夸大了。计算机是一种不折不扣的有用工具。或许计算机已经比电话等重要了，但却不如汽车重要。然而今天，我们很难想象没有电脑控制的汽车是什么样子。克里克也对人工智能持批评态度，他认为，电脑与人脑是无法比拟的，“计算机的操作是序列式的，即一条操作接着一条操作。与此相反，脑的工作方式则通常是大规模并行的。例如从每只眼睛到达大脑的轴突大约有100万个，它们全都同时工作。”“即使失去少数分散的神经元，也不大可能明显地改变脑的行为。”日本在20世纪80年代高度重视人工智能的研究，并且认为计算机工业对于国家的经济前途至关重要。因此，由日本政府出面组织，著名的几大公司共同承担，组成了一个由科学界、企业组织共同参加的类似于敢死队的机构，专门研究知识信息处理系统和人工智能问题，也就是要制造出第五代智能计算机。从1982年到1992年，经过10年的研究无果，日本终于正式宣布终止第五代计算机的研制，但至今一直仍保留对机器人的浓厚兴趣。
从20世纪80年代至今，几十年过去了，人们看到，人工智能研究的进展缓慢，离人们预想的还很远。然而在另一个领域——互联网络世界，人类开发出了更加符合大多数人需要的、更加切合实际的互联互通手段，并且通过“云计算”手段，把人类的大脑知识“打包”到网络空间，需要任何知识时随时随地可以取出来使用，从而开辟了人类社会经济发展的新纪元。目前，苹果公司带头创新的移动互联网接收工具，使得人们可以超越时空限制，即时即刻使用“外挂”的人类知识。
“智能机”与“互联网”，这是两种不同的发展道路。研究人工智能机的科研方向，在前进途中遇到了瓶颈。在2010年上海世博会上，一些国家展出的智能机器人，仍停留在简单对话、演奏音乐、炒一些辣子鸡丁菜肴的水平上。而与人工智能研究几乎同时开展起来的研究互联网络的科技方向，正越来越显示出无比美妙之处。互联网符合人性，满足人们了解信息并且喜欢互动社交的需要，又有超强赢利能力的美好商业前景。在互联网络基础上发展起来的“云世界”，成为人脑思维的模式外挂，成为人的思维模式的一部分，这是一场革命。实践表明，计算机发展的转向，不是人工智能，而是“云计算”。有了这些“云计算”或“云世界”，人工智能发展的迫切性已经大打折扣。目前在机器人研制方面，无论是政府、科研机构还是军方，都更加注重其实用性，而对其机理与本质方面的研究，进展仍较缓慢。伴随着人工智能研究的迟缓，控制论也跟着变得衰微，远没有20世纪80年代的那种发展劲头。
电脑在计算领域也许是可以值得骄傲的。现在，计算机专家能够很自豪地宣称，电脑能够打败人脑，比如在国际象棋领域。1996年，机器和世界冠军卡斯帕罗夫打了个2∶4，给人类留下了一点面子。但在第二年，“深蓝”程序就战胜了卡斯帕罗夫。在21世纪的今天，任何最高明的国际象棋大师也很难战胜电脑程序了。可以认为，在国际象棋这个领域，机器确实显得高明一些。但是，这种现象还是解决不了人机对弈优劣问题。因为，虽然在国际象棋领域电脑程序可以战胜棋手，因为国际象棋的游戏阵地与游戏规则很容易被机器模仿并且在程序中设计出对策；但在中国象棋特别是围棋项目上，电脑则一筹莫展。在这些项目中，程序与人脑中的棋艺差距很大。中国象棋的高手可以一人对多人下盲棋。但围棋的变化更为巨大，其数量级是根据棋盘361个交点，达到2的361次方种变化，各种攻防战术、形势判断、弃子转换等，都是属于大系统的复杂策略，这还不包括中盘的各种“打劫”。围棋的“打劫”规则对人来说非常普通，但对于程序来说则高深莫测。中国围棋棋手马晓春曾把作战体会写成了一本专著《三十六计》，其中有“美女计”、“暗度陈仓”等。这些计谋，带有强烈的社会属性，是电脑程序根本无法辨别理解的，更不用说设计出对策了。
