任何自然过程都是一个博弈过程，博弈赢了的量主导对应的自然过程。大脑中的能量模型用来给出各种倾向的绝对值，通过各种倾向的绝对值博弈结果来决定下一步的选择。
让大模型自己学习并给出对于不同对象的可信度序列层级，这种序列层级的绝对值差异可以通过能量模型支配。
必须要有精确的文图映射能力，因为通过记忆中的典型场景的图像记忆校验才能获得好的确定依据。
提升特征细粒度应该可以提升容错起到类似于Petershor算法的纠错效果。
触发了印象深刻感觉的记忆会保存很久并提高搜索优先级。
有限的工作记忆空间和肌肉记忆空间要用来存放最重要的东西，主要是一些典型场景、例子、关键概念、知识点和思维方法。
大脑拥有感知相同点的奖励倾向，这种倾向和能力也可以后天训练强化。
感觉所谓的感知到固定结构的能力就是感知不变量或者说相似点相同点的能力，这种感知到的不变结构被强化到了模型的关键节点上。
许多重要的概念的形成能力来自于理想化直觉，如连续的概念。理想化直觉来自于惯性推理的能力，盲猜情况下，惯性推理正确率最高。惯性推理的本质是模型认为的或者说判定的关键结构的平移，这种关键结构一般就是所谓的固定结构或者说不变结构。