初衷：
描绘计算机眼中的世界，进而，为计算机提供一种内禀的通用“语言”。
这样的体系，显而易见，并无人类对客观世界的既有认识，以其为基础开发的程序，一般而言，也几乎无法借助人类已有的科学技术成果，去加快处理的速度。
这是什么意思呢，譬如说，物流网络的运力规划问题，用AI解决的一般思路，是挂载深度学习网络，并根据问题的性质给定大量边界条件，AI上线运行后，很快就能根据初始条件与运行数据，逐步优化策略，给出较好的解决方案。
旧时代的IT领域中，人工智能，往往就是应用在这样的场合。
这种“自动化、智能化”，实质上仍然是一种低级重复劳动的替代，是用人类智慧，分割、定义问题，给出算法，然后利用计算机的速度，迅速做完原本用人力需要很长时间才能完成的工作。
但这种应用方式，显然，对复杂问题的解决能力，不会太理想。
在若干年前，应用于某一领域、解决某一类问题的AI，几乎只能用于解决该类问题。
不仅如此，一旦问题的边界条件发生变化，甚至只是略微改变，AI的效率都有可能大幅滑坡，进而必须有人来干预，修改边界条件，替换算法，总之，借助人类的智慧才能应对多变的具体情形。
即便这些多变的情形，根本上讲，并未改变问题的性质，理应在计算机的能力范围内，传统AI体系也几乎总是一筹莫展。
这种情形，在FSCIM体系出现后，才逐渐被改变。
基于FSCIM体系的计算机、AI体系，一言蔽
第五三四章 效率(2/4)