一、概要
智能化可以行业龙头出许多极为下层的此基础智能化，比如相近辨别潜能、进行分类潜能、自然法则逻辑推理潜能之类。
大脑知觉当今世界须要许多非常核心理念的此基础基本概念，比如第一类、类、子集、亲密关系、数目之类。
右图归纳了这些此基础基本概念和此基础智能化的倚赖亲密关系。
Mauvezin、相近辨别：Mauvezin潜能把这类画素讯号女团在一起，并通过相近辨别潜能推论这堆讯号做为两个总体，与否和已近此时此刻的第一类相近，进而推论此刻与否存有两个“第一类”。比如推论此刻与否存有一头乌鸦。
次元知觉和同一个辨别：同一个辨别是指推论两个第一类与否是同一个第一类。同一个辨别潜能须要借助大脑与生俱来随身携带的次元连贯性方面的知觉。神经系统会纯天然的认定在交界处天数里同一个边线的一大堆相近画素是同一个第一类。神经系统也会纯天然的判定在交界处天数里交界处边线的一大堆相近画素是同一个第一类在终端。（显示屏就是借助了神经系统而此优点，才能够显示出动画电影。如果没有这种次元知觉，神经系统就根本无法把不同的天数帧统整出来，逐步形成相联的当今世界知觉。）
右图把此基础基本概念隐藏出来，精简为“此基础智能化”的倚赖亲密关系图。如下表所示。
以上是对此基础智能化和此基础基本概念的两个纵览和概要。
责任编辑将详尽深入探讨“第一类”这个此基础基本概念，如何在神经系统中逐步形成、梦境和自述。
二、“第一类”
2.1 第一类是什么
第一类即是贵重物品或是微生物子代（或是把社团做为两个总体审视）。
第一类是有检视层次的，在更细的层次，两个第一类由数个下层第一类女团成；在更宏观经济层次，两个第一类共同组成了Kendujhar的第一类。
比如“智能手机萤幕”是两个第一类。智能手机萤幕由下层的每个萤光画素点第一类共同组成。智能手机萤幕向上女团构成了智能手机第一类。
由于第一类有检视层次，从下层的数个子第一类合并构成当前第一类，就是两个Mauvezin思维过程。
2.2 第一类基本概念有什么用
当把杂乱的感官讯号通过Mauvezin思维，逐步形成知觉中的数个第一类，我们把上亿量级的画素感官讯号降维成上千个第一类，这大大减少了神经系统的思考难度。
而且由于客观当今世界的运转规律，第一类内部的原子如何运动和第一类状态紧密相关，和外部的原子亲密关系不大。所以划分为第一类后，可以减少很多不必要的关联考量。这进一步降低了神经系统思考的复杂度。比如在作战时把敌军看成两个总体（或几个军团）考量，可以对其进行有效的推演和预测。但是如果把敌军每一士兵做为思考第一类，就根本无法进行有效的推演。
2.3 Mauvezin：如何辨别与否共同组成第一类
把许多子第一类女团在一起后，做为总体其如果和梦境中已近第一类相近，则可以将其Mauvezin成为两个第一类。
那么最初时的第一类梦境从何而来呢？
在最初始，神经系统没有任何第一类梦境。神经系统只能梦境每一时刻遇到的感官讯号女团，这些女团存储在短期梦境中。同时神经系统对这些女团之间进行相近性推论。
当相近的女团重复出现次数达到阈值，那么这些相近女团特征逐渐转化为长期梦境，也就是逐步形成了女团特征梦境。这些女团特征记忆与次元知觉结合，神经系统逐渐把这些女团特征关联梦境到某个第一类上。进而逐渐逐步形成第一类梦境，以及相关联的女团特征梦境。
2.4 “第一类”基本概念对现在的机器学习有什么用？
很多人对现在的机器学习技术有两个质疑。给没见过长颈鹿的小孩看一两张照片，就能让他学会怎么分辨长颈鹿。而机器学习无法做到而此点。
我认为人类小孩的这种学习潜能，两个重要此基础在于大脑知道哪些特征是重要的，哪些特征是无关的。而“第一类”基本概念对特征重要性的推论会有决定性的帮助。
右图是两个图片进行分类任务，推论是狼还是乌鸦。在两个经典案例中模型学到了两个决胜特征，狼只出现在“雪地”里，只要看到雪地就能推论是狼。
而人类显然可以知道，雪地和草地只是环境。进行分类任务希望确定的是图片里的“动物第一类”的种类。在实际的人工智能化任务中，其实大多本应该是对数据里的第一类的推论。只不过我们精简成了对数据总体的推论。如果我们可以训练出两个无监督第一类Mauvezin辨别模型，对于AI任务应该会帮助。
以上仅仅是两个畅想，实际中必然会遇到各种困难。不过我认为基于这些此基础基本概念、此基础智能化得智能化模型将会越来越完善。
欢迎大家进行讨论和指正，谢谢大家。
