人脑通过积累可信度极高的条件边界或者知识点作为基础框架，通过将新推理或者认知拆分展开得到完全的支撑从而获得对于新推理或者新认知的信任，这一整个过程就是所谓的概念流的展开呈现与回溯例如，对于低速宏观的系统来说，牛顿力学就是最普遍最坚实的基础，任何低速宏观的复杂系统都应该充分利用牛顿力学来分析。之前的帖子里讨论多独立生存意识体系统在非上帝视角环境下的优势的时候就充分利用了力学矢量的概念，即多独立生存意识体系统拥有高并发的多指向行动方向，这种多指向行动方向在探索未知环境、抵抗风险、创造新认知等的能力上相对终结者模式或者说单独立生存意识体系统有独特优势
今年一月份发了一个多模态框架构建的贴子里提到多模态对于认知的重要性就在于多维度信息对于路径寻找降维的作用。目前有的图像模型学习局限在二维世界，有一种三维图像压缩到二维的压缩包的既视感，使用这种压缩包的数据格式无法进行有效推理，更无法获得可靠的证据支撑。接下来的重点就是要实现类似半规管提供的空间感、皮肤触摸提供的边界感和体积碰撞，另外就是要搭建多维度价值评估博弈网络，学习真实世界中的稀疏奖励信号并进行通过博弈网络进行排序或者融合，这样再结合现有技术差不多就能搭建一个完整的智能体