《亦或者，思维之影》

这个世界上，有两种 「预测」

首先，比如，这个房子的体积，如何预测？

我们知道了它的长宽高，那就能求出来

这是 「已知规律」

又比如——

我们知道了一间房子的价格

同时，我们想知道差不多的房子的价格

如何预测？

我们预估，它们的价格一样

这是 「拟合」

好了，我们现在要完成这个世界上最伟大的工程

构建一个人的思维。

我们当然——

不能把一个人，开膛破肚，看看他的心，在诉说什么。

但我们，拥有思维的痕迹。

我们所有人，我们思索，我们留下给世界的一切思想的痕迹都被书写于——

在这里，那里，还有——这里。

他们便是—— 「文字」 。

我们所拥有的思维的一切轨迹。

「文字」

现在，我们不知道思维的规律，但显然易见，我们拥有了思维的影子。

回到那座我们仍不知道价格的房子——你知道如何预测房价吗？

显然，地价，平数，户数，配套——他们都是原因。

尽管我们不知道规律。

但我们已然知晓，他们之间存在联系。

那就用足够多的数据，拟合。

但——房价有单位可量化

可文字呢？

如同我们不知晓，两朵看似相似的花，它们的名字。因为无法 「量化」 那之间的关系。

但思索。花的名字如何组成？长相？颜色？气味？——

看啊——！文字又如何构成？

他们如何构成？

「凝结」 于我们的 「喜怒哀惧」 。

一个词，能表达出喜，或哀，或惧

我们用一个数值，「量化」 他们

不，一个数值不够。

只有两极的划分。不足以书写思维所留下的轨迹——

于是。我们用更多的 「维度」

我们用上千，上万，甚至更多的指标和维度来量化一个词在语言中的分布，共现，和用法，那就是——

「意指」。在工程上，我们称其为——「词向量」。

现在，我们拥有了房价数据，知道了房价的单位。以及——最重要的

思维之影。

最终。人类将会 「知晓」，那天未能知晓的，花的名字。

它可能离 「凋零」 很近。或者和 「喜悦」 又有点距离——

但我们最终捉住了它。

我们捉住了思维，用思维的影子，痕迹，和其本身。

见灵越这篇文章

ToT的思路是这样：活跃地不断生成分支，哪怕是1+1=2，ToT都要生成1+1=1+1或1+1=3-1这种废话，而DBBR的思路是惰性启用分支，1+1=2这种废话就不会浪费钱去搜索

我对灵越的最初定义是惰性搜索树，而后面我发现：Tree的fork成本很高，那么，有没有什么结构是fork成本很低的呢？（此处的具体思维是：既然存完整很贵，那只存增量，但Tree结构不允许你这样做，于是：”只存增量，什么是只存增量的呢，Git。”）Git。于是我引入了DAG结构。

增量化的思路是从哪来的呢，我在想：像这样我们的每个节点如果都存储完整上下文，那么，其实我们可以不用那样做：继续利用Git的的思路：内容寻址，没错，又是Git。每个节点存那一次对话就够了，再给它分配一个哈希值，我们在图上用哈希值代表一个节点。