人在忘记带钥匙的时候，会想，哦，我忘记带钥匙了
那么下次出门的时候要记得带上钥匙，这样的自我提醒能力
是怎么来的呢？

假设机器人忘记（虽然说是不可能）带钥匙了
那么下次他会有这样的觉悟吗，说，忘记带钥匙了，下次要记得带

觉悟的话
首先是对一个情况，你会有困扰的感觉
这是一种情绪
很多科学研究人员都认为，情绪的东西是不应该有的
因为会影响理性的正常
如果从学习能力研究来看
情绪则是必备的条件

其次是寻找可能的答案，和解决方法
这是一种预知的能力
可是为何人类就知道，哦，要记得下次要带钥匙
而计算机又如何计算？
首先是，答案的选择是未知的
一切是从经验而得来

这个命题是这样的
当从未遇到过的错误发生的时候，是否可以用逻辑来分析过去的资料来判断下一步的可能性方案

用例子
1. 从未遇到的错误是: 忘记带钥匙了
2. 方法: 逻辑分析过去的数据
3. 数据: 我们假设数据是，"妈妈提醒过出门要记得带手机"
4. 我们需要得到的答案: 下次出门要带钥匙
5. 最后还要把"下次出门要记得带钥匙"作为最终的解决方案，这个要有一个实践的过程

我来模拟一下
1. 首先是单纯的输入数据，一大堆未知的数据
2. 存储所有的未知数据
3. 进行分析，寻找相似性

这里有个问题：凭借哪些参数来建立相识性的模式？
可能的参考：图像（光），声音（振动），味觉（空气成分鉴定），触觉（局部，坚硬，光滑程度）
还要进行变化幅度的判断
比如光：建立颜色，建立强弱值
比如味觉： 酸甜苦辣，香臭
这些基本数据都需要进行大量的测试，建立一个规范库，比如取色的时候
当比较接近FF0000就可以判断是红色

所有死的东西，不变的东西，都要存储在“基本数据库”中
基本数据库中的内容是不可以被篡改的

4. 提取其中的一个相似性的内容，建立一个可能的答案

10秒钟的，1天，一个月
这个要涉及到时间了
如何在短时间内获得最佳的数据呢？
这就是为何上面要存储了
存储之后，必须有一个基本库
在基本库之上，建立一个个性库

就像人出生的时候都差不多一样
当一个人长大了，自己的个性就会呈现出来
这就是个性库

要分析的，自然是从个性库中去分析了
然后才去比较规范库中的内容

感觉Kill Google的产品就快出来了
是的，Google的搜索结果要正确的话
首先要先了解用户的生活情况才行，比如出生，比如爱好，比如教育...

大概Web4.0的时代就到了
炎对Web3.0的估计是，那不是一个创新突破
而是内容更多了，罢了~
是对过去的总结，综合
建立一个链接，共享的平台

5. ...嗯...刚才做饭去了--
回来时候，灵感没有了
不写了~
要去做作业了~