636
人工智能
由于他的研究的结果，我停下来为自己使用的短语“人工智能”过于含糊，来到了一个不同的配方：算法进行自我学习，研究和应用发现实施任何可能出现的问题的决定的结果。
什么是人工智能，此多已被写入。我把这个问题不同，不是“什么是AI”，但“为什么我们需要AI。”我需要它，那会赚很多钱，那么这将是一个计算机执行的，我不想这样做，那么建立一个飞船飞向恒星我的一切。
这将在这里介绍如何使您的计算机上执行我们的欲望。如果你希望在这里看到的是如何心灵的作品描述或提，什么身份，这意味着什么想法或理由 - 它是不是在这里。我认为 - 这不是电脑。计算机计算，计算，并执行该程序。所以，想想如何让一个程序，可以计算出行动所需的序列来实现我们的愿望。
以何种形式获得计算机我们的任务 - 通过键盘，使用麦克风，或传感器植入大脑 - 这不是重要的，它是一个次要的问题。如果我们能够让计算机进行书写文字的欲望，那么以后我们就把他说，他做了一个程序，执行相同的欲望任务，而是通过一个麦克风。图像分析一次。
认为该AI可以创建识别图像和声音的事实，它原本是打算包括这样的算法是喜欢说，每个谁创造了那些从出生的人知道如何操作这样的项目。<溴/ >
我们制定的公理：
1.每个人在世界上可以依靠一些规则。
（关于量子不确定性和不确定性的 - 它仍然会）
。 规则2计算，它是唯一的在初始数据的结果的依赖性。
3.任何明确依赖可以找到统计上。
现在审批：
4.有转换的文字描述在规则的功能 - 这不会有找了半天发现的知识
5.有在溶液中转换任务的函数（它ispolnyalka我们的愿望）。
任意数据6.细则预测包含所有其他规则和功能。
它翻译成编程语言：
1.每个人在世界上可以依靠一些算法。
2.算法总是初始数据的重复产生同样的结果。
3.如果有输入数据和结果，以其中的许多例子，在无限长的时间搜索可以找到所有实现此的输入和输出的依赖性的许多可能算法。
4.有算法频转换算法中的文字说明（或任何其它数据信息） - 不寻求算法，统计需要，如果他们有一个人一旦被发现和描述
。 5.您可以创建一个程序，将履行我们的愿望，无论是在文字或语音形式，前提是这些欲望也是可实现的体力和需要的时间框架。
6.如果你成功地创建一个程序，它是能够预测和研究预测新数据，然后经过无限的时间这样的计划将包括在我们的世界上所有可能的算法。那么，如果权利要求不是无限的时间，对实际使用，并与一些错误它可以使执行该程序的算法如图5所示，或任何其他。
然而，恕我直言：
7.完全独立于人类的学习，而是要强力搜索规则和统计检验他们的预测是不存在的另一种方式。只需要学习如何使用这个属性。正是在这样的原则，我们的大脑的工作原理。
你需要预测什么。在从出生的人的大脑开始进入信息流 - 从眼睛，耳朵，触觉等所有的决定都是先前接收的数据的基础上，由他们。通过类比，程序正在做，这是新的信息上的一个字节的入口 - 输入字节流。所有这一切才恍然大悟，表示为一个连续的列表。从0到255将进入的外部信息，并且超过255将被用来作为特殊的控制标记。即输入允许您记录了说0xFFFF的尺寸。与此流，而是下一个添加的信息的数量和需要学习如何预测，接收到该数据的基础上。即程序应该尝试猜测下一个数字将增加。
当然也有数据的其他选择，但对于中，当输入各种格式，只要访问的HTML的顶部的目的，我们推不同的描述中，最优化。虽然标记可以通过转义序列被替换，优化，但解释它们不太方便。 （而试想，所有ASCII，而不是UTF）。
因此，首先，像出生，推在那里的一切网页的描述和分享他们的新标志的文本 - ＆LT;新页＆GT; - 什么会这个黑匣子绕到一排。一定量的数据之后开始使用控制标记来操纵输入数据。
根据预测我明白了一个算法，知道不仅有什么法律已经，也不断寻找新的。因此，如果输入是一个程序发送一个序列
＆LT;求＆GT;的天空＆LT; ANS＆GT;蓝色＆LT;末＆GT;
＆中尉;求＆GT;草＆LT; ANS＆GT;外观＆LT;末＆GT;
＆中尉;求＆GT;天花板＆LT; ANS＆GT; ...
I>，就必须弄清楚什么样的标记物的LT; ANS＆GT;应在先前指定的对象的颜色，并把这些点会预测天花板的最有可能的颜色。
我们已经重复了什么，他会意识到，要这些标签内施加的函数的几个例子。和颜色，它肯定没有发明必须的，它应该已经知道预测自己的计算研究模式。
当算法需要一个答案，那么接下来的步骤输入供应什么预测最后一步。 Avtoprognozirovanie类型（类比词自相关）。
另一种选择是第一标记，以指示一个问题，并且在第二应答，然后该算法是否是超级巨型凉爽，它应该开始甚至回答最复杂的问题。同样，在已经研究过的事实。
甚至可以想出很多不同的技巧与控制令牌被输入到预测机制，以获得任何所需的功能。尤其是，它可以越过算法<一href="https://ru.wikipedia.org/wiki/Q-%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5">q-learning和接收来管理任何机制所需要的命令的序列。为了控制标记稍后再谈。
什么是在黑盒子。首先，它是值得一提的是百分之百预测总是和在所有情况下不可能的。另一方面，如果由于总是结果授予数字零，它将在同一预后。尽管有绝对的准确率百分之百。现在计算与该概率，对于任何数目的继续是一个数字。对于每个以下确定最有可能的。即我们可以预测一点点。这是一个很长的道路的第一步。
源数据到结果通过该算法的一个映射，它对应于该字的数学定义<一href="https://ru.wikipedia.org/wiki/%D0%A4%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F_%28%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0%29">функция,所不同的是，在算法的定义是将一定量的输入和输出数据的放置。只是一个例子，让它成为一个小牌子：物体的颜色，它被列为多行：天蓝，草绿，白色的天花板。它有一个小局部功能一一对应。不要紧，在现实中并不少见的颜色不那么 - 还会有其他的表。和含有的任何所存储的特性的任何数据库，是一组函数，并在它们的属性显示该对象标识符。
为简单起见，进一步，在许多情况下，代替的术语算法，我将使用术语函数参数类型，除非另有说明。而所有这些引用，你需要前往暗示的可扩展性的算法。
并会给出一个粗略的描述，因为在现实中实现这一切，我做的......但是这一切都顺理成章。也请记住，所有的计算都是系数，不是真或假。 （也许甚至明确表示，真理与谬误）。
任何算法，经营尤其整数可以被分解成多个在它们之间的条件和过渡。加法的运算，乘法，等等。除了分解的条件和转换podalgoritmiki。和操作的结果。这不是一个返回语句。有条件的运算符采用某处值，并将它与一个常数。声明将结果某处恒定值。位置带走或折叠被计算相对于参考点，或关于先前步骤的算法。
<前>结构t_node {int型的; // 0 - 条件1 - 工会的结果{结构{//操作条件t_node * source_get; t_value * compare_value; t_node * next_if_then; t_node * next_if_else; };结构{//操作结果t_node * dest_set; t_value * result_value; }; }}; 预>在vskidku这样的事情。而这些要素和构建算法。
每个目标点的计算公式为某些功能。它的特点包括，测试该功能是否适用于该点的条件。总回报耦合或假 - 不适用，或者计算函数的结果。连续流预测，这一次验证已经发明功能的适用性和他们的计算，如果真相。等每个点。
除了适用的情况下，还有一段距离。原始数据和rezultatnymi，并且该距离之间可以变化，具有相同的功能，根据不同的条件。 （和条件，初始或预测同样是有距离的，这将意味着，但在解释省略）。
用了大量的功能，这将增加的条件的数量，检测这些功能的适用性的积累。然而，这些条件，在许多情况下，可以被放置在树木和功能修剪集的形式将正比于对数的依赖性。
当是初始创建和测量功能，而不是操作者结果，存在的实际结果的累积分布。累积统计之后，分配被替换为最可能的结果，并且该函数之前有一个条件，只是测试的结果的最大概率的条件。
这是要搜索的事实的单一相关性。已经积累了一堆单打，试图将它们组合成组。看看，从中你可以选择从初始值到结果一般情况和整体的距离。而且，检查这样的条件和距离下，在其他情况下，那里是初始值的重复，是不是基于成果的广泛分布。即在频繁使用已知，vysokotozhdestvenno。
因素身份。 （这里的双向身份。但更多的时候它是单向的。后来pereobdumayu公式。）
每一对的XY在平方和总和的数量。
除以：X的每个值加上在广场Ÿ减去分红金额的总和的数额在广场的总和
即SUM（XY ^ 2）/（SUM（X ^ 2）+ SUM（Y ^ 2） - SUM（XY ^ 2））
这个系数是0和1之间
并作为所发生的事情的结果。我们是确信，这些条件和距离下，这些事实清楚高的事实。其余的redkovstrechaemye - 但是这种总会比份大得多 - 具有相同的精度在这些条件下chastovstrechennye事实。即我们可以在单位的基础收集预测也有在这种情况下的事实。
要有知识基础。天空是蓝色常常，她看到了一个灰棕色，深红色的热带稀垃圾的地方。请记住，作为通常情况下，我们检查 - 可靠。而原则是不依赖于语言，不管是中国人还是外国人。后来，实现转让权后，你可以计算一个函数可以从不同的语言来收集。
接下来，我们遍历规则的结果，我们发现，在其他位置，并提供有先前的标识。现在我们并不需要聘请一个庞大的数据库，以确认身份，只需拨打一个十几个人的事实，并看到在这个十，映射发生在相同的值在前面的功能。即同样的功能被用在其它环境中。这种物业形态就是我们所描述的不同表现可以描述相同的属性。有时他们只是列举网页上的表格。然后，集聚事实该功能，可以进行已为几个用例。
有各种可能的条件和有关的功能的安排的积累，而且它们也可以尝试找到模式。并不罕见，规则是类似于样品各种功能，仅在任何指示不同（如字标识的属性或标题中的表）。
一般而言，我们有一大堆的一个参数ponahodili功能。而现在，在单参数的事实的形成，所以在这里，尝试将比赛的条款和条件的一个参数组。的那部分总 - 一种新的条件下，而且是一个不同的 - 这是第二个参数是一个新的功能。 - 双参数，其中第一个参数是一个一参数设置
事实证明，在多参数的每个新参数是相同的线性如在单参数（或几乎相同）的个体的事实的教育。即发现的N-参数成正比N.作为追求很多参数几乎成为一个神经网络。 （谁愿意，他就明白了。）
转换功能。
当然，伟大的，当我们得到了很多相应的例子，说俄罗斯小的文字翻译成英文。你可以开始尝试寻找的模式当中。但在现实中，它是所有混合输入数据。
这里，我们已经发现了一些功能，以及数据之间的路径。第二和第三。现在看，可以在任何人有在一般的部分发现的任何路径。试图找到一个结构，X-P1-（P2）-P3-Y。然后，发现另一个类似的结构，类似的X P1和P3-Y，但不同的P2。然后我们就可以得出结论，我们正在处理一个复杂的结构，在它们之间有相关性。一组规则发现，减去内侧，排列团体和调用转换功能。转换，编译和其他复杂的实体的功能的这样的图像。
在这里，采取与俄文本和它在一个陌生的语言翻译的薄板。没有教程是很难找到的翻译规则，这些认识张。但是，这是可能的。约你会做同样的，有必要发出搜索算法。
当将处理简单的功能，那么我将继续寻找obmusolivat转换，直到前来写生，和理解，这也是可能的。
除了统计搜索功能，你仍然可以从转换函数的规则的描述生成它们。这种最初的搜索功能的例子可以在丰发现因特网在教科书上 - 的描述并应用到在这些描述的实施例的规则之间的相关性。即事实证明，在搜索算法应该看到相同的原始数据，并应用到他们的规则，即一切应放置在一定的均匀类型的访问的数据曲线图。从相同的原理正好相反可以是用于内部规则来描述外部或外部程序逆变换的规则。还有什么，她都知道，什么的理解是不是 - 你可以要求一个答案之前，问了，如果系统知道答案 - 是或否
其中我发言的函数，实际上不只是被发现的单件的算法，并且可以由一系列的其他功能。例如，我粗略描述预测正确的单词和短语。但要获得预测只为要应用这个功能以一个字符短语的象征。
还对概率的评估影响的不同功能一组可重复性 - 形式的类型（这是思考如何使用）
而刚刚提到，不少套在现实世界中，而不是网页是有序的，并且可以是连续的，或其他特征，不知怎的，同样提高了概率计算的套。
除了直接测量的在实施例中的规则，假设还有其他的方法来评价的是什么类型的分类规则。也许这些分类分级。
另一个细微差别。
什么是人工智能，此多已被写入。我把这个问题不同，不是“什么是AI”，但“为什么我们需要AI。”我需要它，那会赚很多钱，那么这将是一个计算机执行的，我不想这样做，那么建立一个飞船飞向恒星我的一切。
这将在这里介绍如何使您的计算机上执行我们的欲望。如果你希望在这里看到的是如何心灵的作品描述或提，什么身份，这意味着什么想法或理由 - 它是不是在这里。我认为 - 这不是电脑。计算机计算，计算，并执行该程序。所以，想想如何让一个程序，可以计算出行动所需的序列来实现我们的愿望。
以何种形式获得计算机我们的任务 - 通过键盘，使用麦克风，或传感器植入大脑 - 这不是重要的，它是一个次要的问题。如果我们能够让计算机进行书写文字的欲望，那么以后我们就把他说，他做了一个程序，执行相同的欲望任务，而是通过一个麦克风。图像分析一次。
认为该AI可以创建识别图像和声音的事实，它原本是打算包括这样的算法是喜欢说，每个谁创造了那些从出生的人知道如何操作这样的项目。<溴/ >
我们制定的公理：
1.每个人在世界上可以依靠一些规则。
（关于量子不确定性和不确定性的 - 它仍然会）
。 规则2计算，它是唯一的在初始数据的结果的依赖性。
3.任何明确依赖可以找到统计上。
现在审批：
4.有转换的文字描述在规则的功能 - 这不会有找了半天发现的知识
5.有在溶液中转换任务的函数（它ispolnyalka我们的愿望）。
任意数据6.细则预测包含所有其他规则和功能。
它翻译成编程语言：
1.每个人在世界上可以依靠一些算法。
2.算法总是初始数据的重复产生同样的结果。
3.如果有输入数据和结果，以其中的许多例子，在无限长的时间搜索可以找到所有实现此的输入和输出的依赖性的许多可能算法。
4.有算法频转换算法中的文字说明（或任何其它数据信息） - 不寻求算法，统计需要，如果他们有一个人一旦被发现和描述
。 5.您可以创建一个程序，将履行我们的愿望，无论是在文字或语音形式，前提是这些欲望也是可实现的体力和需要的时间框架。
6.如果你成功地创建一个程序，它是能够预测和研究预测新数据，然后经过无限的时间这样的计划将包括在我们的世界上所有可能的算法。那么，如果权利要求不是无限的时间，对实际使用，并与一些错误它可以使执行该程序的算法如图5所示，或任何其他。
然而，恕我直言：
7.完全独立于人类的学习，而是要强力搜索规则和统计检验他们的预测是不存在的另一种方式。只需要学习如何使用这个属性。正是在这样的原则，我们的大脑的工作原理。
你需要预测什么。在从出生的人的大脑开始进入信息流 - 从眼睛，耳朵，触觉等所有的决定都是先前接收的数据的基础上，由他们。通过类比，程序正在做，这是新的信息上的一个字节的入口 - 输入字节流。所有这一切才恍然大悟，表示为一个连续的列表。从0到255将进入的外部信息，并且超过255将被用来作为特殊的控制标记。即输入允许您记录了说0xFFFF的尺寸。与此流，而是下一个添加的信息的数量和需要学习如何预测，接收到该数据的基础上。即程序应该尝试猜测下一个数字将增加。
当然也有数据的其他选择，但对于中，当输入各种格式，只要访问的HTML的顶部的目的，我们推不同的描述中，最优化。虽然标记可以通过转义序列被替换，优化，但解释它们不太方便。 （而试想，所有ASCII，而不是UTF）。
因此，首先，像出生，推在那里的一切网页的描述和分享他们的新标志的文本 - ＆LT;新页＆GT; - 什么会这个黑匣子绕到一排。一定量的数据之后开始使用控制标记来操纵输入数据。
根据预测我明白了一个算法，知道不仅有什么法律已经，也不断寻找新的。因此，如果输入是一个程序发送一个序列
＆LT;求＆GT;的天空＆LT; ANS＆GT;蓝色＆LT;末＆GT;
＆中尉;求＆GT;草＆LT; ANS＆GT;外观＆LT;末＆GT;
＆中尉;求＆GT;天花板＆LT; ANS＆GT; ...
I>，就必须弄清楚什么样的标记物的LT; ANS＆GT;应在先前指定的对象的颜色，并把这些点会预测天花板的最有可能的颜色。
我们已经重复了什么，他会意识到，要这些标签内施加的函数的几个例子。和颜色，它肯定没有发明必须的，它应该已经知道预测自己的计算研究模式。
当算法需要一个答案，那么接下来的步骤输入供应什么预测最后一步。 Avtoprognozirovanie类型（类比词自相关）。
另一种选择是第一标记，以指示一个问题，并且在第二应答，然后该算法是否是超级巨型凉爽，它应该开始甚至回答最复杂的问题。同样，在已经研究过的事实。
甚至可以想出很多不同的技巧与控制令牌被输入到预测机制，以获得任何所需的功能。尤其是，它可以越过算法<一href="https://ru.wikipedia.org/wiki/Q-%D0%BE%D0%B1%D1%83%D1%87%D0%B5%D0%BD%D0%B8%D0%B5">q-learning和接收来管理任何机制所需要的命令的序列。为了控制标记稍后再谈。
什么是在黑盒子。首先，它是值得一提的是百分之百预测总是和在所有情况下不可能的。另一方面，如果由于总是结果授予数字零，它将在同一预后。尽管有绝对的准确率百分之百。现在计算与该概率，对于任何数目的继续是一个数字。对于每个以下确定最有可能的。即我们可以预测一点点。这是一个很长的道路的第一步。
源数据到结果通过该算法的一个映射，它对应于该字的数学定义<一href="https://ru.wikipedia.org/wiki/%D0%A4%D1%83%D0%BD%D0%BA%D1%86%D0%B8%D1%8F_%28%D0%BC%D0%B0%D1%82%D0%B5%D0%BC%D0%B0%D1%82%D0%B8%D0%BA%D0%B0%29">функция,所不同的是，在算法的定义是将一定量的输入和输出数据的放置。只是一个例子，让它成为一个小牌子：物体的颜色，它被列为多行：天蓝，草绿，白色的天花板。它有一个小局部功能一一对应。不要紧，在现实中并不少见的颜色不那么 - 还会有其他的表。和含有的任何所存储的特性的任何数据库，是一组函数，并在它们的属性显示该对象标识符。
为简单起见，进一步，在许多情况下，代替的术语算法，我将使用术语函数参数类型，除非另有说明。而所有这些引用，你需要前往暗示的可扩展性的算法。
并会给出一个粗略的描述，因为在现实中实现这一切，我做的......但是这一切都顺理成章。也请记住，所有的计算都是系数，不是真或假。 （也许甚至明确表示，真理与谬误）。
任何算法，经营尤其整数可以被分解成多个在它们之间的条件和过渡。加法的运算，乘法，等等。除了分解的条件和转换podalgoritmiki。和操作的结果。这不是一个返回语句。有条件的运算符采用某处值，并将它与一个常数。声明将结果某处恒定值。位置带走或折叠被计算相对于参考点，或关于先前步骤的算法。
<前>结构t_node {int型的; // 0 - 条件1 - 工会的结果{结构{//操作条件t_node * source_get; t_value * compare_value; t_node * next_if_then; t_node * next_if_else; };结构{//操作结果t_node * dest_set; t_value * result_value; }; }}; 预>在vskidku这样的事情。而这些要素和构建算法。
每个目标点的计算公式为某些功能。它的特点包括，测试该功能是否适用于该点的条件。总回报耦合或假 - 不适用，或者计算函数的结果。连续流预测，这一次验证已经发明功能的适用性和他们的计算，如果真相。等每个点。
除了适用的情况下，还有一段距离。原始数据和rezultatnymi，并且该距离之间可以变化，具有相同的功能，根据不同的条件。 （和条件，初始或预测同样是有距离的，这将意味着，但在解释省略）。
用了大量的功能，这将增加的条件的数量，检测这些功能的适用性的积累。然而，这些条件，在许多情况下，可以被放置在树木和功能修剪集的形式将正比于对数的依赖性。
当是初始创建和测量功能，而不是操作者结果，存在的实际结果的累积分布。累积统计之后，分配被替换为最可能的结果，并且该函数之前有一个条件，只是测试的结果的最大概率的条件。
这是要搜索的事实的单一相关性。已经积累了一堆单打，试图将它们组合成组。看看，从中你可以选择从初始值到结果一般情况和整体的距离。而且，检查这样的条件和距离下，在其他情况下，那里是初始值的重复，是不是基于成果的广泛分布。即在频繁使用已知，vysokotozhdestvenno。
因素身份。 （这里的双向身份。但更多的时候它是单向的。后来pereobdumayu公式。）
每一对的XY在平方和总和的数量。
除以：X的每个值加上在广场Ÿ减去分红金额的总和的数额在广场的总和
即SUM（XY ^ 2）/（SUM（X ^ 2）+ SUM（Y ^ 2） - SUM（XY ^ 2））
这个系数是0和1之间
并作为所发生的事情的结果。我们是确信，这些条件和距离下，这些事实清楚高的事实。其余的redkovstrechaemye - 但是这种总会比份大得多 - 具有相同的精度在这些条件下chastovstrechennye事实。即我们可以在单位的基础收集预测也有在这种情况下的事实。
要有知识基础。天空是蓝色常常，她看到了一个灰棕色，深红色的热带稀垃圾的地方。请记住，作为通常情况下，我们检查 - 可靠。而原则是不依赖于语言，不管是中国人还是外国人。后来，实现转让权后，你可以计算一个函数可以从不同的语言来收集。
接下来，我们遍历规则的结果，我们发现，在其他位置，并提供有先前的标识。现在我们并不需要聘请一个庞大的数据库，以确认身份，只需拨打一个十几个人的事实，并看到在这个十，映射发生在相同的值在前面的功能。即同样的功能被用在其它环境中。这种物业形态就是我们所描述的不同表现可以描述相同的属性。有时他们只是列举网页上的表格。然后，集聚事实该功能，可以进行已为几个用例。
有各种可能的条件和有关的功能的安排的积累，而且它们也可以尝试找到模式。并不罕见，规则是类似于样品各种功能，仅在任何指示不同（如字标识的属性或标题中的表）。
一般而言，我们有一大堆的一个参数ponahodili功能。而现在，在单参数的事实的形成，所以在这里，尝试将比赛的条款和条件的一个参数组。的那部分总 - 一种新的条件下，而且是一个不同的 - 这是第二个参数是一个新的功能。 - 双参数，其中第一个参数是一个一参数设置
事实证明，在多参数的每个新参数是相同的线性如在单参数（或几乎相同）的个体的事实的教育。即发现的N-参数成正比N.作为追求很多参数几乎成为一个神经网络。 （谁愿意，他就明白了。）
转换功能。
当然，伟大的，当我们得到了很多相应的例子，说俄罗斯小的文字翻译成英文。你可以开始尝试寻找的模式当中。但在现实中，它是所有混合输入数据。
这里，我们已经发现了一些功能，以及数据之间的路径。第二和第三。现在看，可以在任何人有在一般的部分发现的任何路径。试图找到一个结构，X-P1-（P2）-P3-Y。然后，发现另一个类似的结构，类似的X P1和P3-Y，但不同的P2。然后我们就可以得出结论，我们正在处理一个复杂的结构，在它们之间有相关性。一组规则发现，减去内侧，排列团体和调用转换功能。转换，编译和其他复杂的实体的功能的这样的图像。
在这里，采取与俄文本和它在一个陌生的语言翻译的薄板。没有教程是很难找到的翻译规则，这些认识张。但是，这是可能的。约你会做同样的，有必要发出搜索算法。
当将处理简单的功能，那么我将继续寻找obmusolivat转换，直到前来写生，和理解，这也是可能的。
除了统计搜索功能，你仍然可以从转换函数的规则的描述生成它们。这种最初的搜索功能的例子可以在丰发现因特网在教科书上 - 的描述并应用到在这些描述的实施例的规则之间的相关性。即事实证明，在搜索算法应该看到相同的原始数据，并应用到他们的规则，即一切应放置在一定的均匀类型的访问的数据曲线图。从相同的原理正好相反可以是用于内部规则来描述外部或外部程序逆变换的规则。还有什么，她都知道，什么的理解是不是 - 你可以要求一个答案之前，问了，如果系统知道答案 - 是或否
其中我发言的函数，实际上不只是被发现的单件的算法，并且可以由一系列的其他功能。例如，我粗略描述预测正确的单词和短语。但要获得预测只为要应用这个功能以一个字符短语的象征。
还对概率的评估影响的不同功能一组可重复性 - 形式的类型（这是思考如何使用）
而刚刚提到，不少套在现实世界中，而不是网页是有序的，并且可以是连续的，或其他特征，不知怎的，同样提高了概率计算的套。
除了直接测量的在实施例中的规则，假设还有其他的方法来评价的是什么类型的分类规则。也许这些分类分级。
另一个细微差别。