人类学习或叫经验事物，都是用语言编辑的客观事物之间因果联系；它不像人工智能“学习”（应该叫搜索）的是数集，具有大小序关系的数集，最多也是用二进制循环群编码的数理逻辑程序。 人类学习后的经验知识，都是以拓扑集形式的，没有好的解析形式，只具有广义梯度形式；而人工智能所谓习得的知识，至少都是可展开在某个函数空间上的解析形式，都具有某种导数形式。 你说的把文字用张量模型进行关联学习，应该是图像或模式识别，还需要在知识库中进行知识匹配，或叫非序信息的关联过程，例如，围棋Al需要把棋形与价值义意关联，这才可能产生步骤预判，这里的预判就价值梯度预判。AI要想进行知识挖掘，这种知识库中的关联匹配才是最关键的。你所搞的，无论是图像识别，还是语音识别，都类似人眼把图像送入大脑神经网络。人类智慧产生的关键，就在于人类把具体的客观信息和其因果关联信息，编辑成语言拓扑集形式后的非序形式；它不像数集上的大小序关系是其根本规则，以梯度做运动变换动力，信息传递动力；它是编辑成语言拓扑集形式，以形式关联的相似性做为广义梯度，形成信息传递动力。 维特根斯坦早期说，语言是思维的本质，后期又说，语言是工具，是游戏；足见其根本就没探索出语言在人类智慧中的作用。 人到目前为止，也不知语言的起源和本质，实际上就是，人类还不知道，人类大脑是如何把客观世界的因果联系信息，用语言怎么转化为“价值形式”或“形式的价值”，或叫非序集（形式集）上的广义梯度。 你现在要学习的AI关键点，就是其知识库上的模式匹配，或叫知识库上的价值规则建立，或叫知识库上的、形式的广义梯度建立。 你可以学习一下围棋AI的知识库规则如何建立，这个相对简单一些，然后，再学习一下Soro的知识库的建立。 我们唯一知道的是，大脑神经网中的信号，是量子信号，量子信号传递、变换过程，以量子干涉方式，传递量子事件的几率波信过程，就是波函数在量子空间中，运行坐实的，量子事件的发生轨迹，几率波泛函。 人的大脑中没有硬盘存储，应该说只有分形空间，以分形方式存储知识，或者说，形成分形知识库。 目前，如果是真正的AI专家，可能才懂得知识库的建立，如果还知道分形知识库的建立，则要更高一级。