复杂的迭代和嵌套，能够进行递归式的运算，能够同时遍历所有的可能性，但又并非实际去搜索，而是如同SVM的kernel函数的计算，能够构建和高维的复杂运算等价的低维简单运算，从而能够能够以较低的计算资源来来得到最后的最优解，如同量子计算同时考虑所有可能性然后退火.如同函数的构造，是神经网络算法参数的收敛。世界线只有一条，虽然理论上会存在多种可能性，如同平行空间，是在计算中需要考虑的对象，实际上，最后收敛的结果可以视为其选择性表达（平行世界不断创生，但同时也不断收缩，重点在于特定的节点会产生更大的影响）。
世界线的收束，这是一个动态的过程，如同决策树的决策，不同的决策序列可能导致肢体的决策树结构发生变化，如同参数的调整，这可能是一个贝叶斯过程，可以说算法并非固定，而是能够随着数据的输入而进行参数的调整，使得相同的输入在不同的时间产生的输出不同。
在计算的范畴里，没有时间空间的分隔，一切都是等价的，因此未来发生的事情可能会影响到过去，连续性其实是一种假象，我们已经进行很多离散式的反复迭代嵌套了。因此不同的决策带来的可能性的收敛使得最后的逻辑链是比较固定的，即我们所能够理解的因果循环。这种悖论式的存在其实是一种循环运算的结构，最后需要量子计算机提供的强大运算能力收敛，从而映射到现实。或者在这个层次，我们所谓的宇宙就是一个计算能力超强的图灵机。我们可以理解为一切都是概率的表达，是哥德尔不完备定律在现实的应用：在一个形式化的公理系统中，总存在既不能证实或者证伪的命题。这些不讲道理的存在使得我们可以演绎的公理系统的存在成为可能，如同冰山一角，海水使得我们的知识冰山得以浮于海平面，并不断提升在海平面之上的冰山总量，即人类对宇宙的认知范围不断扩大。在这个基础上才有我们习以为常的逻辑，常识，情感，等等对象。
那么问题来了，我们如何利用这种思想来编写实现这种算法呢？
不知道
