世界信息繁杂多样，如果想为智能体塑造一个世界观，我们首先得理清庞杂的世界信息都包含哪些内容。语言不仅是我们交流思想的工具，同时也是个体思维的表达，体现了个体的世界观。通过对语言描述内容的分类，我们可以基本完成对世界信息的归纳。
为什么要归纳语言呢？如果我们知道所有的语言表达都是由什么构成，相信对构建以逻辑驱动的智能语言模型是有帮助的。
语言描述的内容或许可以归纳为这几个组成要素：属性、实体、概念、状态、关系、规则、事件。
属性
属性是构成概念、实体的不同纬度信息。一个独立纬度就是一个基础属性。基础属性之间没有相关性，看似连续的世界可以从有限的稀疏纬度来表达。基础属性组合可以得到概念化的复合属性。
概念
概念是对事物的抽象，包括对客观实体的抽象，可称为实体概念。还包括对虚拟概念的抽象，可以称为抽象概念。概念是对事物共同属性的归纳。
实体
实体是概念的实例化，包含了概念所含属性之外的个体属性，同时属性值具体化（状态）
状态
状态是属性具体化甚至是数值化。实体的状态通过属性来描述。可以从程度、感情色彩等方面限定修饰状态。
关系
事物之间有属性交集，那么事物之间就存在关系。根据关系链的长短，可以分为直接关系和间接关系，前者由事物的共同属性直接作用，后者通过关系的传导间接影响，关系的传导过程是关系的相变与计算过程。这些关系可以是基本关系，也可以是复合关系，基本关系包括：数值关系（大于，等于，小于），集合关系（包含，相交，不相交），逻辑关系（是、非），复合关系有：因果关系（相关属性通过规则作用产生的必然结果）。关系具有可计算的性质，给出一个计算规则就能得到一个计算结果。还有什么关系?给我留言吧。
规则
规则是对信息的计算方式。客观规律（物理、化学规律），数学定理（公理、定理、定律），人为规定（风俗、秩序、规章、编程程序），这些都是规则。前面提到的关系的计算依赖于规则。能学习规则，是智能的最直接体现。思考的四要素：归纳、分析、推理、预测所做的主要工作就是对信息做居于规则的计算。关系与规则都是可计算的要素，对关系和规则通过神经元建模是非常重要的工作，也是目前深度学习所不擅长的内容。深度学习擅长于在高纬空间做模式识别，可以称为认知型智能，思考型智能或许需要我们放弃深度学习另辟方法。
事件
状态的改变称为事件。事件是对自然现象和智能行为的描述，事件可以是已经发生的，也可以是通过预测得知将要发生的改变。 |
