未来， 人工智能 会发展 到 新的 主流阶段， 这个 新的 主流阶段 就是 白盒人工智能 。
也许 在 不久 的 将来 就可以看到 端倪 。
白盒人工智能 以 空间几何学 为 基础， 现有 的 黑盒人工智能 比如 图像识别 语音识别 可以 拿来 作为 模块 用 。
有关 空间几何学 ， 见 《空间几何学》 https://www.cnblogs.com/KSongKing/p/12299161.html 。
我在 《软件技术 基础设施 重建 白皮书》 https://www.cnblogs.com/KSongKing/p/11120634.html 中 提过 图形学 和 白盒人工智能 的 关系 。
关于 机器学习， 就是 专家系统 + 经验积累 ， 别搞 什么 “卷积” 之类 的 名词 。
这么说吧， 所谓 的 机器学习， 提取特征 + 专家系统 + 经验积累 ， 就这个 道理， 讲明白了 ， 小学生 初中生 高中生 老年人 宅男 腐女 都可以 写 。
这些 都是 很简单 的， 什么 “卷积” 、 控制论 毫无意义 。 “神经网络” 只是 一个 可爱 的 外号 而已， 和 神经 一毛钱 关系 都 没有 。
有关 机器学习 ， 见 《我决定 开启 一个 人工智能 机器学习 技术 的 普及项目 Let it Learn》 https://www.cnblogs.com/KSongKing/p/12145863.html 。
机器学习 ， 就是 把 学习 到 的 经验 添加 到 专家系统 的 知识库 里 嘛， 知识库 是 什么 ？ 是 一个 Hash 表， 一棵树， 一个图， 一个 字典 。
白盒人工智能 的 机器人视觉 是 将 摄像头 拍摄到的 图像 建立 3D 模型， 简单的说， 也可以说是 根据 2D 图像 建立 3D 模型 。
比如， 我们 一边 用 摄像头 拍摄 景物， 一边 的 电脑 上 显示出 景物 的 3D 模型， 或者 3D 模型 的 “骨架” 。
白盒人工智能 是要 让 机器人 建立 类似 人类 的 思维模式 ， 人类 的 思维模式 是 直观 + 逻辑 + 概念， 概念 由 直观 和 逻辑 抽象（提取） 而来 。
人类 的 基本 的 直观 是 时间直观 和 空间直观， 时间直观 在 计算机 里 实现 很简单， 时间 是 一维 的， 就是 个 数字 。
空间直观 是 3D 模型， 计算机 需要 知道 空间 中 的 形状 和 事件 。
计算机 通过 时间直观 和 空间直观 对 世界 建模， 时间直观 和 空间直观 是 计算机 认识 和 理解 世界 的 基础 。
逻辑 也可以说是 让 计算机 能够 思考 。 简单 的 说， 这是一个 专家系统， 再加上 经验积累 ， 就 具有了 自我学习 的 能力 。
概念 是 一些 数据， 主要是 一些 词汇 类 的 数据 。 为什么 说 是 “词汇类” 的 数据 呢？ 因为 除了 词汇类 的 数据， 还有 模型类 的 数据， 比如 3D 模型 骨架 数据， 颜色 、 材质 …… 等等， 这些 可以 称为 模型数据， 模型数据 又称为 直观数据， 对应 空间直观 和 时间直观， 所以， 模型数据 应该 包含 空间模型 数据 和 时间数据 。
模型数据 就好像 自然界 的 构成 一样， 自然界 由 原子分子 构成， 原子 由 质子 中子 电子 构成， 光 有 不同 的 波长， 每种波长 对应不同 的 颜色 …… 等等 。
这些 可以用 数据 来 描述， 这些 数据 就是 模型数据， 也叫做 原始数据 。
而 概念， 是 对 模型 的 抽象， 用一些 “名字” 来 描述 模型， 或者说 用 词汇 来 描述 模型， 或者说 用 语言 来 描述 模型 。
所以， 概念 对应 的 是 语言 。
人类 的 思维 来自于 推理 和 联想， 归根结底 可以说是 联想， 推理 也 包含 在 联想 里 。
联想 简单的说 可以 看作是 从 一个 概念 可以 联系 到 其它 一些 概念， 如此 递推， 这在 计算机 里 是 一个 图 数据结构 。
这是 白盒人工智能 实现 思考 的 原理 。
这种 联想 其实 也是 一个 专家系统 。
概念 和 其它 概念 相关联， 同时， 概念 还 和 模型 相关联， 于是， 从 A 概念 想到 B 概念， 又 想到 B 概念 的 模型 B 模型， 又由 B 模型 想到 其它 概念 或 模型 ……
就是 这个 图 的 路径 是 很自由 的， 概念 与 概念， 概念 和 模型， 模型 和 概念， 模型 和 模型 之间 都能 互相关联， 互相联想 。
联想 也可以看作 是 一个 数据库 或者 图数据库 ， 概念可以看作 是 简单 数据类型 的 字段， 模型 可以看作是 BLOG , CLOB 这样 的 大二进制数据 或者 复杂数据 。
复杂数据 是指 包含 很多 属性 的 数据， 复杂数据 包含 丰富 的 意义 和 操作， 比如 一个 3D 模型， 它 的 数据 在 数据库 里 是一个 复杂数据 。
比如， 你跟 计算机 说 “人”， 计算机 可以 联想 到 和 人 相关 的 词汇， 这是 概念， 同时 也会 联想 到 人 的 模型， 比如 骨骼 、肌肉 的 模型， 由 这些 概念 和 模型 又 可以 联想 到 别 的 概念 和 模型 ，
从 这些 很多 的 联想 中， 计算机 筛选 提取 出 符合 当前 需要 的 联想， 并 进一步 处理 。
所以， 白盒人工智能 是 直观 + 逻辑 + 概念
= 时间直观 + 空间直观 + 概念 + 联想 + 自我学习
= 包含时间 的 3D 模型 + 概念 + 联想系统 + 自我学习
= 空间几何学 + 概念 + 联想系统 + 自我学习
= 空间几何学 + 计算机图形学 + 概念 + 联想系统 + 图数据库 + 经验积累
黑盒人工智能 和 简单 的 专家系统 可以 作为 白盒人工智能 里 的 一些 功能模块 。
如果 把 白盒人工智能 比作 人， 那么 黑盒人工智能 和 简单专家系统 模块 就 像 是 计算器， 人 具有 思维决策 的 能力， 计算的工作 交给 计算器 就可以 。
这么说 是 把 白盒人工智能 比作 人， 黑盒人工智能 和 简单专家系统 模块 是 工具 。
高级一点， 也可以说， 白盒人工智能 是 大脑， 黑盒人工智能 和 简单专家系统 模块 是 五官 和 一些 分化 的 组织器官 。
白盒人工智能 的 一次 决策， 是 由 一系列 的 评估 决定， 评估 由 联想推理 产生， 这整个过程 形成了 一个 路径图 ， 这个 路径图 称为 决策路径， 又称为 思考路径， 也可以称为 评估路径 。
决策路径 可以 追溯 到 每一次 联想 ， 每一次 评估 。
一次 决策 可能 由 其它 的 一些 决策 促成， 这 具有 因果关系 。 这也是 决策路径 。
每一次 决策 的 路径 都是 明确的 、 可追溯的， 这 也是 白盒 的 意义 所在 。