我早期的理论是基于概念的，但是几年过去，我越发觉得感知和运动更加重要，因为概念没法自动生成。概念是从感知中形成的，如果你直接给AI输入概念，固然可以写概念推理程序，实现一定程度上的智能，但是AI将无法认识到世界的本质。以前，我觉得逻辑推理就是通用人工智能，但是后来，我觉得推理并不是什么难事，从感知中总结出概念（推理的材料），是更高级（？）的智能。

分拣的例子涉及三大方面：
· 视觉部分
· 概念的属性（形状和颜色）部分
· 运动部分

视觉部分，AI的视觉暂时使用像素图，比如200*400的彩色图像。AI做分拣任务，需要形状的前置知识。而它对于形状的前置知识，又是来源于对形状的观察。我们以要分拣的图像为尺寸相当的三角形和五边形为例，三角形的角比较尖，五边形的角比较钝。AI需要对角的形状有认识才能分辨。从图像处理的角度说，也很难找出一个特征来表示角度——况且视觉还得处理一些非尖角的边缘相交。（边缘应该是基本特征。）幼儿的视觉，其实也是个问题，幼儿的视觉究竟是比成人敏感还是不如成人敏感？一开始没法区分三角和五边形，可能并非是因为分辨出的特征太少，而是没法把复杂的视觉输入表示成统一的概念——把三角形的三个角归入同一类，把不同角度的三角形归入同一类。