#### 一、适用判别

##### 1\. 大脑使用模型


- 模型预测本质: 大脑通过建立模型来预测物质世界，常识判断实际上是模型预测后的结果
- 研究重点: 需要探究模型预测前的原始状态，理解预测全过程才能提升预测能力
- 设计思路: 假设创造大脑时已知物理信号几乎不会重复出现，需设计应对"未见信号"的机制

##### 2\. 通用处理规则

###### 1）例题#通用处理规则判断信号


- 题目解析
    - 情境设定: 在异星环境中需要判断哪些信号与缓解饥饿相关
    - 核心矛盾: 周围存在大量未见信号，无法逐一记忆处理方式
    - 解题关键: 需要建立通用规则而非个案记忆
    - 类比说明: 类似数学公式应用，需明确适用对象范围

###### 2）通用判别规则


- 必要性: 单个案例记忆无法应对海量未见信号
- 功能定义: 将世间所有物理信号划分为可处理/不可处理两个集合
- 与处理规则区别:
    - 判别规则解决"能否应对"问题
    - 处理规则解决"如何应对"问题

###### 3）得到通用判别规则


- 提取方法: 从已见信号中抽象共有属性
- 抽象本质: 忽略差异属性，提取共同特征
- 实施步骤:
    - 分析已见信号的共有属性
    - 建立基于该属性的分类标准
    - 将新信号按标准分类

###### 4）应用案例

- 例题#共有属性判断信号
  
    
    - 题目解析
        - 案例背景: 通过观察暗霞内部特征建立分类系统
        - 分类依据: 弦的数量、环的数量等共有属性
        - 处理逻辑: 新信号→属性匹配→对应处理方式
- 例题#暗霞共有属性判断
  
    
    - 层级结构:
        - 具象层：具体信号实例
        - 抽象层：概念类别（如"暗霞"）
    - 术语定义:
        - 外延：概念对应的具体实例集合
        - 内涵：概念的判别属性集合
- 例题#流水共有属性判断
  
    
    - 认知现象: "人不能两次踏入同一条河"的认知矛盾
    - 形成机制: 忽略流水差异，将同地域流水归为"河"概念
    - 扩展应用: 黄河、尼罗河等都被归入"河"的抽象类别
- 例题#对话人概念共有属性判断
  
    
    - 概念形成: "你""我"等人称代词的本质是抽象类别
    - 抽象过程: 忽略对话者个体差异，提取身份关系共性
    - 处理优势: 统一应对不同具体对象

##### 3\. 判别模型

###### 1）概念判别模型


- 系统构成:
    - 输入：任意事物
    - 处理：属性匹配判断
    - 输出：概念归属（A/非A）
- 工作流程:
    - 判断事物属性
    - 匹配概念内涵
    - 输出分类结果

###### 2）概念创造


- 必然双生性: 创造概念时必然同时产生正概念和负概念
- 实例说明:
    - 真/假
    - 真正的X/非真正的X
- 形成比喻: 如同切蛋糕，必然同时产生两部分

###### 3）相同判断


- 本质: 是大脑创造的认知相同，非客观相同
- 实现方式: 通过概念归类实现统一处理
- 最终答案: 通过抽象共有属性建立判别规则，按属性匹配决定规律适用性

#### 二、知识小结

| 知识点 | 核心内容 | 考试重点/易混淆点 | 难度系数 |
| --- | --- | --- | --- |
| 大脑的模型预测机制 | 大脑通过抽象提取共有属性，构建通用判别规则（概念模型）应对未见信号 | 区分“通用判别规则”与“通用处理规则” | ⭐⭐⭐⭐ |
| 抽象与概念形成 | 从具象层信号中忽略差异属性，提取共有属性形成抽象层概念（如“河”“你”“我”） | 外延（概念对应的具体实例）与内涵（共有属性）的区分 | ⭐⭐⭐⭐ |
| 概念判别模型 | 通过正概念（如“真”）和负概念（如“非真”）二分法分类事物，实现相同判定 | 主观分类（如“真正的X”）与客观差异的矛盾 | ⭐⭐⭐⭐ |
| 分类思想的应用 | 以“异星求生”为例，通过抽象“缓解饥饿相关信号”形成“暗匣”“弦”等层级概念 | 抽象层级（如“暗匣→弦→数量”）的递进关系 | ⭐⭐⭐⭐ |
| 大脑的应对流程 | 1\. 建构阶段：抽象共有属性→划分类别→制定处理规则; 2. 应用阶段：判别类别→调用对应规则 | 动态分类（如新文件/书籍管理）与静态规则的结合 | ⭐⭐⭐⭐ |