从“AI 缺什么”到“AI 时代要什么”
本章提出三项关于AI的发生学研究主张：从SDE侧重分析具体方法，考察相似发生关系能否跨层级使用，以及把知识创新作为通用智能讨论中的重要目标。这里沿用“三条律”的体系名称，但它们的地位是待论证、可比较的理论命题，不是已获普遍证明的技术定律。前文对某些配置的局限分析，也不等于所有模型永远不会创造。
第一律·局部显影：以SDE分析具体AI方法的研究命题
分步处理、提供示例、接入检索和规定角色等方法，可以从不同方向改变一次任务的输入与组织。它们的效果需要按模型、任务和配置分别研究；不能先说它们全部有效，也不能把既有技术解释一概称为无人说清的偏方。本章尝试用SDE重新组织比较，所需证明的是这种组织能增加什么理解，而不是先否定其他研究。
本书把“局部显影律”提出为一种解释性研究命题：可以尝试从S、D、E的不同侧重，重新分析若干AI方法如何组织输出、路径与材料。这里的“可以解释”不等于这些方法历史上源自SDE，也不等于它们只有这一种有效解释。要把该命题推向更强结论，需要逐项说明映射关系，比较竞争机制，并找出哪些任务中的预测或改进由这一分析新增。不能仅凭任何方法都能被事后放进框架，就宣布框架已经得到普遍证明。
可以把显露结构、差异展开和材料联系作为比较方向。例如，分步处理使某些中间操作更容易检查；示例帮助限定任务；检索提供可回溯材料；角色描述可能改变回答的目标和表达。它们都可能同时牵动S、D、E，不宜把一种方法固定归入唯一一维。检索材料也不必然等于现实检验，角色扮演更不等于相应专业能力已成立。每项作用仍需结合实际任务确认。
这些对应关系提供了一张候选比较图。某种方法在某项任务中有效，可以支持对该方法及任务条件的具体判断，却不能自动证明整张SDE图为真。检索、示例、分步处理或角色指令可能各有不同作用，也可能因配置不当而失败。进一步检验应当问：用SDE组织它们，是否比已有解释更清楚地指出适用边界、遗漏环节和改进方向；若没有这种新增内容，就应把当前结果保留为重述，而非验证。
SDE可以把上述工作组织成一张比较图，但不能据此声称其他方法都是在无意识地使用SDE，也不能把理论的自我应用等同于历史优先性的证明。作者提出这一体系及其术语组织，具有可以讨论的思想贡献；贡献的大小应由新增解释、方法效果与来源比较说明。掌握框架之后仍需试验具体方案，不能用“握住全图”免除实际检验。
哲学训练可能帮助某些人澄清概念、辨认假设和组织问题，但提示设计是否因此改善，需要具体案例与比较。不能仅凭个别人物的表现推出普遍优势，也不应把这种优势自动归因于暗中采用SDE。本书把哲学提问能力视为可研究的候选因素，同时保留领域经验、工具熟悉度和任务条件等竞争解释。
第二律·123全息学：跨层级相似性的研究纲领
一个合理的怀疑，到这里该被正面回应了：SDE 自称能同时解释 AI、物理、生物、心理、社会、教育、医学、艺术……这会不会太宏大了？历史上所有号称“包治百病”的万能理论，最后都沦为了空洞的抽象——SDE 凭什么不是又一个？
这个怀疑非常合理，任何严肃的本体论都必须回答它：你的“普适性”到底建立在什么结构上，才不至于沦为“什么都能套、于是什么都没说”的空话？
本书以“123全息学”命名一个研究方向：考察结构变化与回写关系能否在不同层级中出现。这个名称需要通过后面的具体关系获得内容，不因使用“全息”一词就自动成立。
这里的“全息”主要是部分与整体关系的比喻，用来提出局部是否保留某种共同组织特征的问题。本章不从光学全息或几何分形直接推导本体论，也不声称任意碎片保存全部信息。若要主张某种严格自相似，需要定义映射、尺度和保持的结构；若只是启发性类比，则应保留类比的限度。
123跨层级命题可以表述为：在某些不同尺度的活动中，差异推进、特征纠缠与结构显露之间可能出现相似的反馈关系。三个要素同时出现，并不保证同一机制已经运行；需要说明各要素如何辨认、联系如何发生，以及什么观察会使这次对应失败。只有经过这些工作，递归关系才从图式进入可讨论的机制。
在S、D、E层面，本书讨论三维互生；在SIO层面，讨论主体、互动与客体如何在具体活动中共同被规定。两种三元结构具有不同概念角色，不能只凭数目相同就宣布严格同构。把粒子、波、场再纳入比较时，更应区别物理学术语与本书的模态用法；没有领域模型和证据，不能从三元形式推出物理机制。跨层分析可以提出问题，却不能代替相应领域论证。
这样的处理尚未完成对普适性的证明，却使普适性主张获得了研究任务：找出哪些关系能够迁移，哪些需要改变，哪些对应只是语言上的相似。一个框架能够广泛描述问题，有助于交流；若要提供更强解释，还必须显示新增预测、机制或改进。不能把“任何情形都能套入”当作普适性已获证的理由，也不能以分形或全息的比喻替代这些检验。
第三律·SDE-AGI：通用智能不是通过测试，是能创造新知识
AGI的讨论涉及能力范围、自主程度、适应性和评价方法等不同问题。本章不复述可能变化的企业目标，也不宣称此前无人认真定义通用智能。这里要做的是明确本书选择的重点，并使它能够与其他定义比较。
以任务表现评价智能，有便于比较和检验的优点，也需要处理测试覆盖、泛化和任务外影响等问题。它不必然排斥知识创造；知识创造本身也可以被分解为部分可评价任务。因此，本书不把所有现有定义都归为同一种缺陷，而是追问：当我们特别关心新知识怎样可靠形成时，现有评价还需要加入哪些条件？
在这一问题下，本书提出一种以知识发生为中心的AGI定义：
SDE-AGI在本书中指向能够自主组织并持续检验新知识形成过程的智能系统；“完整”要求说明相应材料、路径、反馈与意义参与如何获得位置。这是本书的研究定义，不是已经统一的领域共识。
在本书提出的定义中，“自主”关注系统如何形成或维持问题、目标及后续行动，“完整”关注材料、路径、反馈与意义参与如何联系。评价时必须说明考察的是单次应答、持续工作流程还是更大的复合系统。某种等待输入的界面，不能单独证明系统“永远不主动”；外部调度的行动也不能直接等同于人的内在关切。SDE的各维在此是分析要求，具体实现和能力边界仍需通过明确任务检验，而不是由定义替技术事实下结论。
这一定位把知识创新作为重要评价方向，但不能据此给出“目前最强模型创造力几乎为零”或“现有路线根本到不了AGI”的未测结论。对本书的标准，需要先规定什么算新知识、怎样识别实际贡献、怎样评价可靠性及持续性，再在相应任务上比较。模型改进、工具连接与组织方法可能共同起作用，不能预先排除其中任何一类。这里提出的是研究目标和规范性标尺，尚不是对所有技术路线的完成裁决。
知识形成的过程记录，可能是有价值的研究和训练材料：它保存问题怎样改变、候选怎样被否定、证据怎样进入，以及哪些决定影响结果。但不能未经比较就称其为不可替代或独一份资产，也不能断言其他训练材料全部只是成品。若要判断SDE过程记录的特定价值，需要说明数据质量、标记方式、任务设计与比较结果。材料更丰富是一种可能条件，不能单独担保知识创新型系统出现。
三条律，一个方向
三项主张共同推动一种研究安排：既分析具体方法，也检验跨层关系，并将知识创新过程纳入评价。它们不是要求读者放弃已有技术方法，而是邀请更清楚地说明各方法的作用、边界和组合方式。SDE框架本身也应进入比较，不能以框架覆盖广泛为由退出检验。
这三个方向分别对应方法怎样发挥作用、相似结构怎样迁移，以及知识创新怎样评价。它们尚有开放问题，读者不必先接受整个本体论，才能尝试其中某项分析。完成任务的能力仍有现实价值，提出并检验新问题也值得培养；二者可以互相支持，不需要被写成一个已过时、另一个才重要的绝对对立。
那么，“让新知识发生”这件事，到底能不能被学会、被训练、被工程化？这三条律立起了方向，接下来的三章要回答的，正是这个最实际的问题——先是方法（一个人如何让新思想分娩），再是机器（如何造一台让新知识发生的智能体），最后是主体（究竟是谁，在让新知识发生）。
本章小结
本章提出三项相互关联的研究主张。局部显影强调可从S、D、E侧重分析具体AI方法，但方法有效不自动证明整个框架；123全息学提出跨层级寻找相似发生关系的方向，但出现三个要素不等于同一机制已经成立；SDE-AGI则是本书以自主、完整知识发生为重点提出的定义与评价目标，不代表已有统一共识。三项主张都需要明确对象、竞争解释和失效条件。过程记录可能成为有价值的研究材料，其独特性、训练效果与必要性仍待检验。不能据此宣布所有模型创造为零，或只有SDE路线可以产生新知识。