如三段论，可以作为逻辑存在性的基础。在map的概念子系统中，很容易描述：上一级概念-属性关系可以做大前提，概念-对象（或子概念）做小前提，结论则是对象继承概念属性；
物理客观性中，经常要打开概念的物理属性，使用物理定律来计算：如孙悟空一个筋斗10万8千里，由速度极限和运行方式可以判断为神话故事。我从北京回来（广西），今天下午到，可以判断是乘飞机。在信息和数据属性不足的时候，经验数据库可以提供大量什么真实存在，什么活动和事件可能或不能的事实，作为参考的依据。
向量组2：存在的普遍性：具体与抽象 起初作为单独的维度，后来认为具体与抽象也与存在有关，因此整合进来 1、概念、对象个体或群体
2、存在时间和空间的普遍和特殊性
3、其它条件的普遍性和特殊性 ，间接用条件选择对象
以具体-抽象概念为基础，生成相关触发、分析理解的词汇、句式、句子等数据
即使是单独的一句话，通常我们需要分清，这句话在什么情况下适用；说的是普遍规律、常识，还是仅仅在某时某刻某地某人的一次性判断； 抽象-具体是一个重要的隐含语义领域，也就是说，对每一个句子，我们很有必要区分它是特指还是普遍，才能正确地理解，然后安置在适当的知识库之中（记忆），如果混乱则会和其它知识产生矛盾。比如说： ................
具体-抽象的隐含语义理解，包括以下子领域： 1、时间 时间点和时间段 任意、特定 2、空间 空间点和片区 任意、特定、条件 3、个体-群体；整体-部分；某一个、任意一个； 如骑着单车摇着旗的那个是中国人，中国人爱面子，中国人有很多不同习俗，中国人建造了高铁，中国人拿下本次冠军；
例子中，具体、抽象并没有使用代词来表达（有一个、所有的、某一个、某些、这个那个，中文使用这些代词做定语的概率很小，更不使用冠词）来直接说明，而是由谓词间接描述，需要拥有对谓词关联到主词的经验知识，理解爱面子、拿冠军造高铁的主体是什么，从而理解背景涉及多大范围的个体群体集合，时间、地点集合。这些情况下，每个概念对象的普遍性，不但完全不能由词语本身和定语（词组）决定，而且就连句子中的谓语也未必能够确定（如建造高铁和本次冠军，不能确定事实的时候，普遍性自然也不能确定，只能排除一些选项）。 能够确定的是，事实决定存在的普遍性和客观性。正常情况下，事实至少由一个句子描述，这个句子中各概念对象的普遍性，只要有一个值满足就可以了。 一个语义单位普遍性和客观性通过本身无法判断的时候，可以通过“背景原则”来判断。概念对象的背景是它所在的句子；句子的背景是它并列的复句；复句的背景是段落.... 有一个段子：某人年终总结：1,2,3,4一系列计划都打勾达成，唯有最后一项：改掉吹牛的坏毛病，没有达成。这是因为前面系列的普遍性非常之低，唯有最后
一项普遍性较高，而最后一项的客观性足以否掉前面一系列，因此最后一项真实，前面为吹牛的可能性要远远高于前面一系列成立的可能性。
你这么阔绰，是不是中了彩票；虽然并非绝对不可能，但基本上要认为是开玩笑。需要经验库的支持来判断其客观性的几个类型。
4、其它条件设定:如，当什么时候，在哪些场所，某种活动的过程中，如果出现什么情况....是变相的时间和场所设定。
5、情境的条件。情境由相对具体的时间空间主客体和活动的集合，通常包括了感官认识的一些列描述。
3.4维度三 语用
1、首先将语用视为行为的特殊语义的实践领域 ，其作用域甚至超出“语义维度”的规模。语用的影响在于改变世界 ，语用过程对环境产生影响。但鉴于语义AI引擎的局限，它只能概念以符号为基础的信息环境，作为语义维度也是合适的，这个维度的内容包括：
了解人类行为（包括超出思维的一部分，即在小脑或运动中枢中运行，几乎不上报大脑思维中枢的那部分，如运动技能，全身协调感知）的分类、集合，如概念map中的简单动作，复合动作，反复的规模行动，从语言角度理解行动的时间-空间-动作的复杂性
还有行为实施后，主客体和环境的一系列运动、变化和影响。对这些活动的理解要遵循严格的客观性。
语用中的一个动词通常要展开一系列过程，因此人类日常活动形成一个行为经验库，这个经验库带来一系列经验逻辑。因此，AI既然要理解人类的语义也不得不建立拟人语用知识结构。比如，一日三餐，白天活动，深夜休息，休息需要回家，停止其他活动；清早起床后刷牙洗脸，晚上则是刷牙洗脸再起床；....都是正常基本的大概率活动，正常情况下安排长时间行动时，当然应该考虑这些正常活动的间隙。比方聚会中某人说，已经11（23）点，很晚了。这一句就表示要回家的意思，在常用行为经验库的支持下，是可以理解这个维度的一般语义的。
最后，要承认自然语言文字对实践领域的描述转化存在失真，就像图像-文字的转化一样。
2、AI自身的语用
（我们设计的语义）AI没有手脚无法移动，视觉识别应用更为时尚早。它能做的事情只有搜索分析计算，所以AI真正的行为和语用，只能搜索、求知、符号文字处理，也就是思维操作、动作与活动这个类型。
所以AI需要分清自身真正语用和人类“伪语用”的关系。通过“我的关系”“客观性”可以帮助判断区分。比方说，AI要懂得：“请搜索某时某地的天气预报”是可执行的；“跟我一起打球玩吧”是不可执行的。AI的语用。也可以理解为AI对它的真正自我的理解程度，包括AI的自我，与AI交流对象人类的自我存在的差异。
在思维活动中，设定条件和目标，用可行性的操作来达成，就是一种足够深
刻的语用思维。有这么一道经典的逻辑训练题“13个乒乓球，其中一个重量异常，用天平称3次找出来”，表达条件、目标和达成的方式，简单到了极致，背景知识也不算复杂，但其中的逻辑分支却相当长，包括很多试错的过程，答案的表述。
3.5 开放的语义向量 1、比如幽默、强调、
2、新形成的较独特的价值判断
3、需要及时反应的判断，如安全意识。 4、…...
从某种意义上看，概念map中，思维、抽象领域的每一个节点，都可能形成一个语义向量。
在学习专业领域的时候，也必然带来新的语义向量。从某个角度看，每一种知识结构、思维方式，都表现为语义维度。
3.6 语义坐标系：我
人类实践和认知的漫漫历史，“我”就是普遍、全面、自然、不可替代的主体，一个超级复杂的信息系统结构。思维的起点和核心都是某一个认知主体，所有的思维过程和知识交换，都隐含在“我”这个主体的控制和影响之下。
从某种角度说，建立“我”的语义结构，为拟人AI的语义引擎装上神经中枢即大脑，大脑的运行必然带来意识活动。 反映到语义体系，单纯的词汇层次的“我”，如果仅仅与你-他（的）几个属性对应，那么仅仅是一个向量；如果展开“我”的感念内涵，可以视为一个语义维度；“我的意识”作用，几乎涵盖个体整个思维，其意义已超出维度的层次，所以在此以坐标系来描述。作为一个客户端，内部有较核心的驻留进程：感觉知觉、价值观、思维方式、当前记忆和关注....，同时它处于管理其它语义理解分析的核心地位，几乎要连上、检测所有的语义分析进行工作。
以下描述了“我”在认知体系中的内涵结构 1、我是谁（什么），我拥有
语义串描述方式：我的+身体结构，我的+物品
2、我关注、对我影响的程度、兴趣、了解等
3、我的各种态度
态度的内容很丰富，包含很多向量可以独立组成一个维度
语义串描述方式：我+思维动词、情态动词（肯定、疑惑、确定、关注、喜欢、厌恶、期待、愿意、赞赏...）；我+状态(高兴、悲伤、兴奋、遗憾、焦虑)；貌似
在一半或更多情况下，态度会加上程度的描述。
4、我的价值判断， 我该怎么做
由一系列的条件、判断组成，这些条件判断由一系列语义构成，第一次隐射为一些语义向量，然后再次隐射为好坏、善恶、损益等结果。例如：
营销经理推销产品，自然完成订单多就是好、有益的直接标准；不过很多产品通常很久才有订单，于是他的具体工作就是每天到处跑客户。每天能多跑几个客户，能见到有资源有潜在需求的人，多有人认真听取产品介绍，也就间接成为好，有益的判断条件。
5、承载主体的我
通过“我”接入思维的核心和外围 。我
通过“我”分配思维资源，第三点我的态度，也是影响资源分配的一种方式。
“与我相关”的语义非常普遍重要 ，在语言上最常用的方法表现方式包括： 1、所有AI的表达都隐含了“我认为”“据我所知”等前提和背景，这就是一个语义向量；
2、使用“我的”这个词汇”，强调对部分内容与我的关系。“我的”一词，在逻辑上更精确的含义有以下几种：我的+身体结构：我真正拥有能控制，（不可分割至少是带着走的）；我的+物品，社会领域法制上拥有的可控制的东西；我的+人际关系（亲属、朋友、社会关系、社会组织集合等），表示一种关联； 可在词组结构中进行描述。 3、使用你他等或其它人名事物，加上动词，通常表示这个层次的内容与我无关。
各种向量在“我”维度上的映射
0、自我与意识简述，推荐《人的意识》 。自然语言理解中，将自我意识简化为“我”的语义维度。
1、我的知识库，我的环境，我的观点价值，映射到语法维度 2、客观事实，与我何干？映射到语法维度…. 3、我对思维方法和学习的驱动
4、对他人的认知，建立的主体模板，基本上从我的模板简化而来 主体的嵌套举例：小马过河。.一个简单的童话故事描述解释了跨越主体接受信息的思维过程。
5、我知我思故我在 显然这是对我思故我在的进一步诠释。思维过程即使复杂深刻，也不能准确反应“我”的意义。思维的核心系统，对思维本身实施的监控、控制、导向，才是“我”的本质，也是自我意识不断发展，形成对自身认识最深刻的内核部分。
6、长远-宏观的自我。由5的核心感知、控制和导向，把握外围自我过程的迭
代运动，追求长远目标，把握各种日常活动、关注爱好、利益关系的平衡。这是自我在时间和空间上的融合，把以上所有的语义内容浓缩后，在时间上延伸 。
3.7逻辑与语义
一直向独立讨论逻辑这个非常重要而独立的内容，但前面基础建立之前，讨论起来感到空洞无力。现在安插此处，后续很可能会扩展为一章。
逻辑就是思维运动的路线，逻辑无处不在，将思维规范下来就形成思维的法则。体现人类思维的逻辑，在交流中体现逻辑，是AI引擎的最重要体现和标志。 前面提到，运动包含了动作、行动和活动三大层次，包含的信息量以数量级递增。逻辑是典型的思维运动，也同时跨越了三大层次。在思维运动领域，我们可另以感知、注意、思考来描述这些层次，在文本阅读时的基本体现如下： 1、最简单的感知，把词汇（组合）从词汇表（或经验表）中不断匹配出来，得到最基本的语块意义，同时也接近得到句子的基本含义。其中的逻辑线路包括 2、注意级别是感知活动的集合和提升
3、思考级别更进一步。至少在阅读一个段落之后，归纳和段落含义，分析匹配更宏观的语义：语言风格、主题是否为我关注和兴趣，对我有何影响
对于AI语义引擎，既然理解和思维的算法以搜索和读写最为基础，那么语义引擎的逻辑，就是建立一系列的搜索-读写的路线，来对应人类语言中最经典的逻辑线路。
第四章语义描述的扩展语义串规范
3.1结构映射：开放的语义向量
语义结构的映射形成语义向量 通常的句式是： 举例1：形象思维方式
举例2：利益观的形成运用 举例3：唯物主义的世界观
3.2在map支持下建立并扩展语义串 在概念map和近义词表的支持下：
1、直接搜索XML文档即可获得单个词汇的概念分类含义。
2、描述某个领域一系列概念的集合。如各种植物，人体各组成部分
3、为新的未知概念理解提供比较精确的位置：未知概念A，通过解释文本，识别它的上级概念，指定其粗略位置；进一步识别其内涵属性，或者常识经验运用，来分析匹配其与哪一级子概念更紧密并列，获得更精确的位置。
4、描述逻辑线路。最常用的包括：是从上级概念向下级概念延伸谓词判断的演绎方式；已证实的经验，通过紧密并列的子概念，推测扩展经验成立的可能性，例如：
是杂食动物，见过鸡吃米饭、玉米，人能吃的都吃；吃剩的面条虽然
以前没喂过，但凭经验肯定也没问题。