【接上一章节，林久浩的胡思乱想日记（上）】
继续拓展可计算的范围。。。我们还能得到什么？
“当我们从A点发起思维行走，需要得到返回A点的可执行闭环，但是，这是一个极其复杂的问题，或者是人类第一次发现的问题，人工智能无法在规定的思维深度中找到闭环，替代闭环也没有，怎么办？”。
我们可以穷尽A到思维深度内的所有点，并穷尽所有路径，采用路径算法，我们可以发现其中有些路径是有规律的，例如，我们找到了A到An点的路径，这些路径上的，某一种特定参数变化符合某一种规律收敛，我们可以假定，这种收敛会给我们带来希望，对，就是希望，就像数学家们做的事情，收敛就是规律，规律就是宇宙留给人们探索世界的线索，人工智能也是一样，当A点到An点的路径中，有基于某一特性符合某一规律的收敛，人工智能可以继续做下去，打开思维深度的阈值，开放思维，去穷尽所有符合函数收敛规律的可能，去尝试，去实际操作，不怕失败，失败是成功的妈妈，感谢妈妈，也许能够发现人类还没有发现的可执行闭环，解决未知问题的可执行闭环。
路径算法，为数字生命提供了开放思维的方法，数字生命可以通过向所有关联节点发起思维行走，当在步骤阈值控制下，得不到路径的时候，不是放弃，而是在多个非闭环路径中，通过数学计算获得路径关联节点的收敛特性，并依据收敛特性，决定向那个方向做穷尽深度思维，以及构成尝试性路径，用尝试的方法补充路径所需要的信息元。
人类做事的习惯，当遇到无法解决的问题，我们可以尝试性的做一些与其有关的事情，也许没用，也许会造成‘条件环境空间’的条件信息元的变化，而变化的条件环境中，有我们曾经渴望的条件信息元。人工智能也做一下吧，我们把这种功能设定为尝试闭环，对，尝试也必须是闭环，因为人工智能需要尝试的结果，以及对尝试结果的评估。
自主学习，人工智能居然可以通过在思维空间叠加三维坐标系空间，形成自主学习的能力，找一个叠加计算的方向，例如信息元聚合度，在初始的思维空间三维坐标系空间中，找到聚合度高的信息元向量簇，将这些向量簇聚合成一个簇，并定义这个簇为信息元，例如在初始的思维空间三维坐标系空间中，我们发现了A1A2A3、B1B2B3、C1C2C3三个聚合现象，我们叠加一个三维坐标系空间，形成A、B、C三个聚合信息元继续研究，很好，我们又发现A、B、
…。。