世界信息繁杂多样，假如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。言语不只是我们交流思想的工具，同时也是个体思想的表达，表现了个体的世界观。经过对言语描画内容的分类，我们可以基本完成对世界信息的归纳。
为什么要归纳言语呢？假如我们知道一切的言语表达都是由什么构成，置信对构建以逻辑驱动的智能言语模型是有协助的。
言语描画的内容或答应以归纳为这几个组成要素：属性、实体、概念、形状、关系、规则、事情。
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，看似延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
概念是对事物的笼统，包括对客观实体的笼统，可称为实体概念。还包括对虚拟概念的笼统，可以称为笼统概念。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，同时属性值详细化（形状）
形状
形状是属性详细化甚至是数值化。实体的形状经过属性来描画。可以从程度、感情颜色等方面限定修饰形状。
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，后者经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（相关属性经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、次序、规章、编程程序），这些都是规则。后面提到的关系的计算依赖于规则。能学习规则，是智能的最直接表现。思索的四要素：归纳、分析、推理、预测所做的次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，对关系和规则经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形式辨认，可以称为认知型智能，思索型智能或许需求我们放弃深度学习另辟方法。
事情
形状的改变称为事情。事情是对自然现象和智能行为的描画，事情可以是曾经发生的，也可以是经过预测得知将要发生的改变。 |
