“算法”这个专业术语，已经随着社会知识复合发展模型，像“大数据”一样成为了一个非专业用语了，在非专业领域，“算法”所代表的，是解决一个问题的合理性，是否能够达成既定结果，是检验一个算法是否正确的唯一标准。

人类的科技进步是非常快的，对于现在四五十岁的人来说，很多儿时的“科幻”一样的内容，如今已经变成了现实。基于数学的算法，可以随着我们对于自然科学的升级而逐步优化、换代；而基于逻辑的算法，则在目前还需要更清晰的认知与改良。

举例来说，高铁速度的提升，是基于数学的算法，在这一专业领域当中，科学家和工程师……们凭借着自身的专业技能，可以不断地对物理、化学等领域的技术进行改造，以达到轨道交通速度不断提升的结果。但是，轨道交通的发展，速度只是其中的一个环节，更重要的，是如何能够保证列车得以高速行驶、缩短人们出行消耗在路程上的时间。

成本控制核算是一个重要的问题，只有让更多的人坐得起，高速列车才能够保证自身营运的造血功能，才能够正式进入商业市场；交通调配的算法同样是一个重要的问题，更高速度行驶的列车必然要求更加直线式的轨道以及减少停站次数，这也就会要求铁路运输网络必须从整体化的角度来进行规划，让每一班次的列车都能够不干扰其它车次的形式；铁路交通与其他交通方式的比较又是一个问题，公路交通与航空，同样也是人们出行的方式，那么如何在竞争当中让铁路运输的性价比更优，这同样需要通过算法来解决。

在我看来，算法在当今社会学当中的解释，应当是：从开始到结果的一切逻辑以及支撑该逻辑变量的集合。这并不是单一学科就能够解决、甚至不是单一学科就能够考虑清楚的问题。让一辆列车时速达到600公里已经在现实中实现了，但是修建这条磁悬浮铁路需要进行怎样的道路规划、成本如何控制、到底有多少人需要乘坐这样的列车、能够在多长时间内回收投建成本……，这些问题的答案，都是组成该项目算法的一部分，当一切的合理性都存在了，时速可达600公里的磁悬浮列车才具备真正的商业价值。

人工智能的发展，同样也是受制于算法多于受制IT硬件技术的发展。视频捕捉、机械物理运动都不是绝对的难题，而我们无法保证人工智能可以像人类一样学习、应用所掌握的技能，核心的问题不在于IT，而在于人类到目前为止还没有掌握大脑的运转逻辑，我们不了解大脑的算法，因此也无法造出像人脑一样的人工智能，这也导致了目前的人工智能只能做最大限度的数据积累、而无法超越数据而去设计足够好的“意外应对解决方案”。就这一特殊情况来说，IT技术的发展，已经到了必须与人类学等生物技术完成复合型整合的地步了，而这种整合，同样需要一个正确的算法。

这个世界上肯定没有什么是万能的，算法的合理性，恐怕也没法保证结果100%的达成，但是对于算法的研究和设定，则可以让我们更接近结果，或者说可以让我们在事前就知道结果出现的多种可能性以及出现概率。就拿当下俄罗斯与乌克兰的事件来说，截止到目前，这件事情的发展是毫无算法可言的，这只会造成事情向着更无序的方向去发展，并越来越脱离人类的有效控制。想要让所有的事件都呈现出良性的发展结果，必须找到该事件算法的合理性或合理性之一，这才能够保证这个世界不会处于一个“失控”的状态当中。