如何理解世界和实现智能，关于认知过程的思考。首先我们能看到的或者说检测到的，在这个宇宙世界中有实体的东西，那么他必然就有了若干个物理属性，比如说，既然他有实体，那么必然有大小吧，也就是体积，也必然有质量吧，这两个的比值一出来，密度这个二级概念也有了，这个物体也必然有温度吧，再深一步探讨，导电性，速度，硬度，等等，会发现只要是物理实体都会具有若干属性。
属性光摆在那里，就会具有因果关系，比如质量大，引力就会大，密度大，硬度就会大，内部粒子运动快，温度就会大，而质量大，密度大，温度大。。。等等这种确切的属性，本身就是会引起确定的，约定俗成的，规律的现象，也就是说有这种属性就是因，必然会有对应的果。比如某种物质燃烧的温度很高，所以他可以拿来炼铁，一个物体的每个伴随的内部属性，本身就代表了一种固定的因果。
这种就是确切的单个因果关系，再然后，这些确切的单个因果关系可以进行排列组合，去共同产生一种结果，也就是多个因素通过不同的排列组合，而引发一种结果，这就是逻辑门，即与或门，与非门，或非门，同或异或门。
另外补充一点，人类的物理实体名词，都有形容词描述，人类的动词，也都有副词描述。
形容词和副词就像0-1数字一样，像光谱那样，比如0代表很软，0.5代表不软不硬，1代表很硬。
这种光谱化，分段化，可以直接对应和应用到逻辑门中，比如子弹硬度1，速度1，这两个属性构成两个因素，这两个因素也就是硬度和速度共同构成了与门，就有了穿甲这个结果，这就是一个由多个属性因素由逻辑门推测出一个结果的例子。
这里讲形容词和副词，是为了让大家用这个模型快速应用到整个物理世界，毕竟有实体就有名词，然后就有描述他属性大小的形容词和副词。
当然除了这种很好观测到的因素，因为一个物理实体我们总是可以很方便的测量其质量，大小，体积，密度，温度，导电性，挥发性，固液态这些属性，从而直接用排列组合和逻辑门来快速推测其可以引发的结果，可以用到的地方，但是有很多的因素，不是这样直接观测的，而是一种糅合在一个分不开的过程中的，这种找出因素就需要用控制变量法了。
什么情况下会用到控制变量法也就是线性代数矩阵呢，比如说一个人同时吃了两种食物，比如牛奶和香蕉，然后拉肚了，我们想找出到底是哪一种因素导致拉肚子这个结果，就需要用到控制变量法，也就是我们要设计试验了，这时候我们很容易可以想到设计两个试验，让一个人只喝牛奶和只吃香蕉，看他吃哪个拉肚子，然而，除此之外，还有一种可能是单独吃哪一个都没事，必须同时吃才会拉肚子，所以我们还必须再做一个同时吃的试验，才能完全的找到因素。
如果这个人是同时吃了3种食物而引发拉肚子，吃了4种，5，6，7呢，我们该怎么找到关键因素呢，同样是用控制变量法，但是所需要的试验次数会涨的很多很快，比如说3种食物时，假设是牛奶香蕉苹果，我们要先做C3 1=3次试验，也就是把每种食物单独拿出来做一次试验，然后我们要做C3 2=3次试验，也就是每两种食物都要搭配一下，看看是不是共同作用，比如牛奶和香蕉共同做一次，牛奶配苹果做一次，香蕉配苹果做一次，最后我们还要C3 3=1做一次试验，试验三种食物的共同作用。
同理扩展到4个因素的时候，我们需要做的试验次数是C4 1+C4 2+C4 3+C4 4次。5，6，7，8个因素的时候以此类推，如果我们把食物换成是一种动植物里面含有的药物成分，我们就得到了我们很多的药物历史，比如人们一开始捣碎狗的胰岛，发现有降血糖的作用，但是胰岛整个器官里面包含太多的成分，最后才知道是胰岛素这一单一成分的作用，再比如人们从柳树里面获得水杨酸。
如果我们把这种实验里的食物换成经济因素，我们就得到了经济学，通过控制变法，通过对照组分析到底是什么因素导致的经济增长。
所以说这个控制变量法的模型是我们世界最基本的，也是智能生物最基本的智能能力，他是一种制造积木的作用，一切高等的智能思考都需要用这个办法挖掘最基础的砖料，而且把一个事物中的因素分的越细，就越能体现这个生命体的智能水平。
当我们找到一个事物中内涵很多个因素的其中一个因素为关键因素之后，我们就为人类找到了一个新的知识点，新的因果关系，为我们的逻辑门的排列组合思考又添砖加瓦了。
这个找因素的控制变量法就是人类口中的深刻理解，而把这个因素和其他因素排列组合起来，用来进行逻辑门的思考就是我们人类口中的想象力。
这样的话我们就可以总结认识的过程是怎么样，也就是分两大块，理解和想象力，这两个词绝对不要神秘化，理解就是控制变量法从众多因素里去除噪音找到关键因素，然后拿着这个找到的关键因素来通过逻辑门排列组合出更多的推测结果。
当然有很多因果是很简单的，他们就像是裸露在地上果实，不需要你往下挖，这些果子也就是因素我们可以直接拿来去门电路里排列组合而不需要用控制变量法深挖。
ai在大语言模型上完成突破，一大原因就是我们人类通过几千年的文明史总结出来了太多个这样的果实，无论地上和地下的，ai直接抄作业来完成接力赛就行。
我们人类直接给所有在地球上能看到的物理实体都命了名字，然后测量了其质量，大小，温度，导电性等等属性，并且通过无数个这些物理实体的比对，发现了密度，温度所带来固有属性所带来的固有因果关系，这些ai可以直接拿来用构建出基础的世界认识。
至于那些复杂的埋在地下的因素，我们也通过几千年做的控制变量的实验找出了关键因素，并把它写在书里，ai也直接抄作业就行，不需要自己做额外试验或者用矩阵再计算出来了，当然如果ai想比一般人类更深刻的认识世界，他就需要超越庸俗的人类作家，自己用矩阵来搞控制变量法把书中不同的因素在做精细化，和检测正确性。
