八、九十年前，一个叫Hebber的，观察人脑表现，发现Hebber规则:如果一个脑细胞兴奋，它将会引起周围一群脑细胞共振兴奋（兴奋共振）；如果一个脑细胞抑制（抑郁），它将会引起周围一群脑细胞共振抑制。 后来，人们在人工神经网络的发展中，一直想实现和使用这一规则，实际情况是根本无法在一个张量形式的网络中，如何引起这种人工神经元的共振及其共振特性。 现在我们大致清楚了:人脑中的信号是复域上的量子信号；脑细胞（神经元）是“扎堆”的，不是利用突触形成的张量网络形式，就是现在的通信网络形式那样；他是量子信号以量子干涉行为方式，通过“扎堆”脑细胞形成的各种几何形式的量子光栅，实现所谓量子事件的“坐实”路径，即量子事件发生在脑空间的一条经验泛函路径；脑细胞在经过量子信号的不断“学习”下，进行不同的“扎堆”组合，即量子分形过程；那个Hebber规则引起的脑细胞共振，就是大脑的学习分形过程。 现在的AI大模型的“注意力机制”，实际上是想模拟Hebber机制。这你就看出来了吧，现在这帮人，实际上在人工智能上，没什么大的突破，仅仅是在吃技术红利下的，前辈留下的遗产而已。 但是，张量网络进行分形？或者说，张量网络产生分形共振机制很困难，也是要实现所谓的拓扑同伦映射共振；分形应该也是拓扑同伦映射的拓扑子集。张量分形暂时不知道如何进行，或者说，张量共振聚集，目前不知有没有，行不行。 所以说，AI的“注意力机制”，仍然是伪的，这就是AI大模型搞“通用智能”，会出现“知识库干扰”、“经验库破坏”问题，只能搞“专用智能”。 AI大模型的样本库，就是所谓的数据库，它进行的所谓学习，无非就是对现有数据库的完备，然后，对其边沿（经济学上叫边际）进行拓扑拓展，那其实不是人脑的创新学习，创新发现学习。人脑子是根据其知识库（就是AI的数据库），经过与客观事物间的相互作用、相互联系，在大脑中的神经网络的分形建立，从而产生类比分形、联想分形，以及逻辑分形，从发现、产生新的拓扑集，而不是对旧有的完备和“扩边”。 AI什么时候解决了，通过与外界客体形成信息反馈闭环系统，还得利用分形机制，实现对知识这种无序性质的信息处理，到那时，才可以谈论所谓“AI意识”。