现在我们所说的“人工智能” 归根到底还只是围绕着“机器学习”，也就是学习人类所说和所做，但并不涉及到人类“说”和“做”的动机和意图。也就是说，只是将焦点放在了智商上，而丝毫不涉及到情商更不谈智商和情商的互熵(也可以叫“能熵”) <注：暂时想不到更好的词，先造一个。指的是智商和情商两者之间的相互关系-相互依存相互制约和相互作用 –的有限范围，我把它称为 ’限制restriction’> 。或者说，只是在模拟人类的智力（而非“情绪”）。这时其中心词就是“概率”，而其发展路径，从模拟人工智能的概率计算，中间经过智力增强的概率存储，到最后假设检验的概率演算，基本上已经到了机器学习或者说“智力”所能及的极限。同时“机器学习模型”的表征就是“语言模型”（机械智能 – AI的辅助推理reasoning工具: 表面模型 representation-可能具有的主体标头的分别注解Annotation{Constraint，Operation}。遵循认识实象的两大法则–分解律和统一律），可以简单地理解为“输入输出模型”或“主参模型”(函数的) 或“转换模型”。
五个发展阶段从能力 （准确说是技能或本领competence） 水平上，可以看成特征系（正向和逆向两个方向，对应前2 的“通用模型”和“N-gram模型”），分类学（自上而下和自下而上的两种分类方法，对应中间的“神经网络模型”和“词向量模型”）和命名法（ 对应最后的也是如今的趋势“大语言模型”–Chat GPT的水平。它应该包含真名和假名两套命名标记）。这些水平中的每一个都取决于并包含早期水平所达到的能力。它们合起来表示了移动机器人 ( a robot) 的技能水平。
而语言本身，从本质上来说，是含糊的（比较难以解决的“内在上的不确定性”，相对好解决一些的是“歧义性”和“索引词”）。这就是为什么 我们有些时候会觉得她总是在“一本正经地胡说八道”的原因。
机械智能的单方面发最终使AI的平稳进化走到了进入加速进化的“拐点”。
要想翻过去，就不得不去考虑AI的另外两个方面，那就是“因果关系”（说和做的主体 – 思想本身–意向相关项或“质素”）和“现实”（说和做的客体 – 相关的现实世界中的实体–独立存在于意向之外的东西或“质料”）两个方面的模型，二者对应的表征分别是“范畴模型”(机器智能-AI的附加演绎deduction工件: 表现模型manifestation-有可能的世界的离散近似Approximation{good,fair,poor} .(遵守认识具象的两个规则–因果律和同一律）)和“逻辑模型”( 科学智能-AI的附属推理inference工程 : 表示模型 characteristic-有意义的情境的真假表示Denotation{true,false} （坚持知识抽象的两个原则 – 询问的原则和告诉的原则）)。
两者（因果关系和现实）也可以分别简单地理解为“导入导出模型”（或元级别的“元数据仓库的交换exchange模板” – “一般参数模型” (泛函的) 或“映射模型”） ，和“插入删除模型”（或元元级别的“元对象设施的交换interchange模式” – “超参数模型”(虚机的) 或“投影模型”）。
AI的上述三面各自的三个面心对应三个核心或焦点：概率（语言的视角）、机会(逻辑的视角）和知识（范畴的视角）。
总之，“机器学习”关心的是what和how（what-how平面，权力-责任平面。存在的组织者），而忽略了why (还有 who，when，where) ，她有时会 “一本正经胡说八道”的原因就是 “没心眼”—-没有 了知“因果关系“的 ”心”(when-where平面，time-space 平面。概念的分析者)和看清“现实”的“眼”(why-who平面， 时间规模-能力成熟度平面。逻辑的解释者)。这“仨人”正是以软件智能为目标的aaas系统中设计的三个程序版块( 分别是自证分、相分和见分的证明程序 )的所在，它们充当了软件智能的驱动程序driver。
说明–aaas中划分的三种智能及其表现的三种范style：
-
机械智能：又作“感性智能”（sensitive）。表示基于机械连杆的智能。<条件-反射式>( 提出条件)
-
机器智能：又作“理性智能”（rational）。代表能对来自环境中的刺激等做出响应的智能。<刺激-响应式> （找出原因）
-
科学智能：又作“知性智能”或“生命智能” (animate)。指能从经验中学习的智能。<奖励-惩罚式>（给出理由）