现代是大数据时代，很多企业都在利用人工智能，对历史数据进行统计分析，期望能预测未来，把握先机。
但在实际操作中，却是非常困难：
最困难的一个问题是：严格来说，世界上不存在同类事件，比如丢硬币，丢硬币的人一不样，丢硬币的力不一样，都会得出完全不同的概率。还有世界杯，现场解说总喜欢说：“二队历史交锋七场，主队四胜三平，
那么主队应该不会输。”问题是，场上踢球的人都不一样了，那些历史数据有参考的意义吗？
以上：这个世界上，根本找不到严格意义上的同类事件，统计分析的数据，去预测不同事件的概率，有卵用？
严格意义上的同类事件，我们找不到，那么我们找，我们认为的相似事件（这样会造成差之毫厘谬以千里）：
这是某个幼儿园做的真实实验：
我们把这些小孩子，以性别、年龄、性格、亲子关系、学习成绩等等我们认为相似的情况，
把这些小孩分成七类人。
其中人数最多的一类，有一百人。
然后我们把这一百人，分成五组，每组二十人。
让他们回答：如果父母吵架，是劝解，还是不管，或是帮父或母……三选一
第一组，二十小孩：有3人选择劝解，有5人选择不管，有12人选择帮父或母
第二组，二十小孩：有1人选择劝解，有2人选择不管，有17人选择帮父或母
那么按这个趋势，这类小孩，我们就可以推理出，第三、四、五组，选择帮父或母肯定是大多数。
但事实却是错误的！
第三组，二十小孩：有11人选择劝解，有3人选择不管，有6人选择帮父或母
第四组，二十小孩：有7人选择劝解，有8人选择不管，有5人选择帮父或母
已经做了四组实验了，那么如何正确推理预测出第五组会出什么情况？选那个的人最多？
事实是，第五组，二十小孩：有6人选择劝解，有9人选择不管，有5人选择帮父或母
真是乱七八糟的，根本没法，我们的分类肯定有严重问题，这一百人，根本就不是一类人！但就算是一类人，他们就会作出同类的选择吗？
用什么方法？如何才能把会作出同类选择的小孩，在小孩作出选择以前分类出来？