人工智能的主要构成可以是一个一系列IF THEN 语句构成的因果库，例如里面有IF"木头"+“点火” THEN “燃烧”，IF"燃烧"THEN"可以煮饭"，这两个因果关系，那么这时让人工智能整理知识库，就可以产生IF"木头"+“点火"THEN"可以煮饭”。这样一个新的因果关系，这应该比较接近人脑独自思考的本质。
IF THEN在编程中，相当于条件分支语句；在日常生活中，相当于满足条件时，可以发生某些事情，例如，如果口渴，会发生喝水。
再增加一个属于关系库，“木头”，“煤气"都属于“易燃物”，就可以由IF"木头”+“点火"THEN"燃烧”，IF"煤气"+"点火"THEN 可能可以"燃烧"这样一个因果关系。
摘录：{
“直觉是不可倚仗的，万事皆可推理。穷举则是最高境界。”
这个意思是——直觉只是系统论、做梦论推崇的方法。我们还原论推崇的是一点一点推理，层层推进，把方方面面的因素都纳入推理。
最终如果你能把一件任务做到用穷举方式得到结果，你就已经做得很完美了。
很多人一听就会说，“哇，非直觉的方式这么慢啊，太费事了”，其实他也是以直觉的方式来这样说的，推理一下就知道不一定了。因为他只是以他自己的知识架构来计算时间的，久经还原论锻炼的人用的方法可能跟他完全不同的，用树的方式层层推理，不一定会比他慢，而且得到的往往是最优结果。
}
怎么训练还原论的思考过程？只要自己的知识范畴不能马上解决的就需要继续拆解，一路拆解下去。
终止条件要落到某个教科书的公式或者表格数据，或者自己认为可靠的经验或现象吗？最好是装在自己脑袋里的知识库。翻书就不符合“马上”这两个字的定义了。
我对“弄懂，搞清楚”的意思停留字面上，但一直没有具体办法衡量。 现在有个想法。如果把一件事情的过程，变成状态机，想明白有多少状态，多少变量，变量更新时状态如何更新，应该算得上是“搞清楚”，达到100%可解释状态了。
对文本处理，可以把有限状态机换成正则表达式的等价形式；局部的解释，可以用编程的方式，思考顺序语句，分支语句，循环语句。
1 个赞
对于拆解知识，有一个很大的误区。简单来说，就是仅仅用领域A的知识去拆解领域A的问题，或很少用以前知识去拆解领域A的问题。换句话说，初中知识解决初中问题，高中知识解决高中问题，大学知识解决大学问题，每次踏入新领域，要慢慢把当前知识从不熟悉变成熟悉，把自己局限于当前领域的术语和知识，解释和解决问题，导致了以前熟练的知识用不上，变得生疏。