给一道63年的高考题:用0、4、6、8填入（）+（）+（）=21，使等式成立。这道题按正常思维是没答案的，只有把6颠倒变成9后，这才能有答案。 也就是说，这里使用了另一个规则，然后，再联合数集序规则。 人类的知识体系上的规则，都是逻辑规则，就是客观事物之间的，相互作用联系、信息联系和因果联系，当然也有数集上的序。因为，自然客观事物都是遵循引力、电磁力规则，这种序关系的规则。 所以说，人类的知识体系、情感，也就是人的思想意识体系，就是n个非序和序关系规则的集合（拓扑），就是人类语言体系表达的知识体系。 AI用向量法和贝叶斯机制，搜索语词和图像之间的关联，完全不是人类知识、思想、意识集合上的非序逻辑规则。 人类语言（语词）集与人类的思想意识是“紧密”贴合的，是客观事物之间的相互联系，形式为语言逻辑规则。人对语词的理解是深入“骨髓”的，是客观事物之间的联系，在大脑中的形式化，完全不是AI这种肤浅的，由序关系，词语之间使用的概率，形成的函数外推关联。 经典AI突破不了这个“鸿沟”，它只能用序规则，无论用什么策略，它依然是序规则，由序形成的数理逻辑，就是数集上关联形成的各种集合、群、拓扑（集）而已，就是个数据挖掘。 现在看，人类思维过程是量子过程，是波函数，单边几率波，遵循欧拉联络下的，量子事件“坐实”规则。这才可能构建出客观事物联系的非序逻辑规则。 所以说，我们在AI上才是有了真正突破的人。你现在是先搞懂语词向量机原理、图像识别的向量机制和贝叶斯概率关联策略。这种方法类似“浮萍”，没有“根”，但是利用有限数据，建立一个函数进行外推，然后，迭代学习（类似最小二乘法那样）获得预测。你那个甲骨文破译AI，这方法是可用的，先研究着，然后引入到复域上，引入欧拉联络规则。现在的各种语词、语义AI，都不能从客观事物相互相作用、相互联系上，习得语言集的逻辑关系，它的学习只是在语言集上的完备过程，而不是利用语言，进行创造、发现的思想表达，或叫创新思维的形式表达，也就是其知识集的拓展，或叫逻辑规则子集的“生长”。