可证伪性，可证实性的逆，通过划分边界的形成确定科学的概念:以网络为先天正确但我们不能够把握细节的概念其实是一种指代，基于一种世界上有一种能够准确描述世界的理论的假设。这种自指是危险的，如同“这句话是错误的”一样，很容易形成悖论。但恰恰是这种耦合的结构的美感吸引了我，网络就应该具有这种耦合结构，矛盾是其高维结构的体现。其甚至是一种原子结构，在更大的尺度以统计方式来描述。最后我们以观测的结果来构建网络结构。
网络的描述倾向于使用概率的语言，对于总是和所有之类的概念也总是逃避的（这就是一个小小的矛盾了，但在思维的高维结构是正常的），网络只能得出针对现有的信息可以以多大概率连接另一信息：如我们现在观测到的天鹅全是白色的，，我们不能认为所有天鹅都是白的，但根据网络的观点，使用贝叶斯公式运算得出的结论是我们遇到的下一只天鹅是白色的概率是100%。但这概率是动态变化的，在足够长的时空维度中（大数定律），我们最终能够根据频率来推测概率。
网络的逻辑运算体系不仅仅是总结旧知识的三段式的重言逻辑，还有推衍新知识的组合逻辑：归纳和演绎都是网络的不同层次，是利用相似性建立不同概念之间的联系。网络的概念理解是节点的概率坍缩形成路径。归纳建立网络的基本层次和架构，演绎是网络的选择性表达，它们都是一种概率的尝试，是由于其相似度超过一定阈值，因此也提供错误的可能
归纳在理想的数学领域可以无限迭代，当其来到现实，势必有一定的阻力，使得其最终会收敛。这个收敛范围，就是网络的平均距离。
演绎要按照一定的模式才能初步构建世界的图景，其组合模式是网络的选择性表达。演绎其实是利用网络的类似六度分隔的平均距离来构建原本存在但没有纳入我们思想结构的关系。这个平均距离就和功能的有效边界相关
基本元素是有限的，但其组合是无限的，最终有意义的组合序列或模式是有限的。这也是对“天底下没有发生新鲜的事”的一个例证
构建网络的低维结构—序列（这是逻辑的基本命题），并利用其在不同层次的遍历构建原有的网络结构。根据相似性即序列的匹配度我们构建的逻辑是一种观念的产物，只有在现实的使用中不断调节概率才能表达有效路径，即根据经验使得理念贴近现实，最后根据理念的对环境的适应后的结构可以构建新的知识。这方面最成功的例子是现代理论物理学
网络就是网络，网络只是网络。如同老子的道，是一种对模糊的思想的信仰。我们的观察角度决定我们能够得到什么。
网络的不同维度的投影之间也具有一定的相似性，其层次之间可以通过一定的数学处理得以转换，但这是理论上的，真实情况则是网络的概率性表达。
网络摒弃因果关系，不同的概念之间以概率连接，只有概念的集合的高维概念之间的连接是概率的累积，其可能有接近100%连接可能。这些量子层次的连接是比较确定的，但我们一般来说理解的概念都是高维的，即这些概念之间的概率连接是波动的。这也足够一般人建立因果关系（捆绑的概念连接）的体系了，如牛顿的经典力学体系，虽然在高维的视角来看是不严格成立的，如爱因斯坦的相对论。
能量最低化，层次的博弈，网络的耦合结构，从而表现出一定的分布
本质上世界是不可把握的，经验和因果都是人寻求虚幻的安全感的结果，因而数学和物理的理论大厦永远是不牢固的，而我们却不断地努力修复，如同希腊神话中那个永远推着滚石的英雄，看似做着无用功，但实质上是在维持整体网络的存在和延续。
知识是网络的特定序列的组合，是处于微分方程的一部分，其构建的联系沟通网络的多层次
相对性是网络各个层次的运动的特征，同时比例等于概率，是网络的表达语言
要描述网络的性质，可以通过长期的观测得出的频率来理解概率。但对于单个事物的发生，只有通过足够多的层次耦合才能使得发生的概率达到一定程度，但无论怎样，没有绝对。这和海森堡的测不准原理同出一源，任何层次都是网络的分布函数的扩散，原子性质是忽略了分布两端的概率分布，我们只有从统计理解
合理分配资源，使得边际效益大于0，即不断选择局部最优途径，最后的结果必然是围绕在整体最优的本征的离散状态
本征是网络的概率坍缩的路径，只有对其进行序列的匹配处理才能获得最大化的利益
根据经验指导寻找高连通性的中心节点，即关键问题，然后分解成为各种模块，再加以一定模式的整合，形成一定的网络
有价值的事物和数目是成反比的，这是一个幂律分布
命题的真假可视为1和0，在长长的命题串的不断运算可最终得出一个结果，这需要我们赋值。
当一个命题的内容和形式矛盾，如“我在撒谎”内部对外在形式整体的否定，作为循环的封闭系统，我们暂时看成一个耦合点，不可运算，不可指向自身。
逻辑推理包含一定的不可计算性。
复合命题可拆分，但这个过程是降维的，会损失一定的信息，则原子命题是低维的。
若……则……p→