非平凡性可以定义为在认知模型里没有建立联系的两类对象间建立的映射桥梁，两类对象距离越远、映射越精确，就越非平凡，典型例子如勾股定理的边角关系，相对论里的能量与质量间的转换关系，黎曼猜想里的非平凡零点集中在一条线上等等。另外，非平凡结构包括耦合结构，因为耦合的属性本质上是一种桥梁，这种桥梁具备非平凡性，在围棋或者象棋或者所有棋类里面的妙手基本都是耦合结构，也即一箭多雕的结构。量变引发的质变如涌现等现象本质是突破阈值引发的一种认知相变，只是对于认知模型来说的一种两类对象间的转变，不过由于也涉及认知模型中的不同类别对象间的转变，也具备一般意义上的非平凡性。
人脑看到大模型生成的图像有一种违和感的本质是人脑学到了真实世界图像的防伪标识或者说防伪特征。当然，不是说一定要形成和人类一样的理解，能很好的抓住不变结构并搭建系统性的理解体系用于推理预测或者构建新工具的大模型都是可以的。
因果推理的直觉来源的本质就是结构化图像，这种结构化图像的截面就是序列，可以用符号文本来映射表示。提问的方向就是消除不确定性的方向，大模型具备识别不确定性的能力，尤其是引入图像大模型后，模型对于不确定性与确定性的把握将达到极高的可信度。模型自主提问的功能可以通过cot引导实现，提问能力则需要通过大量提问解决反思的流程来提升。
手指的控制机制需要有颗粒化控制能力的算法机制介入，这与空间想象力需要的结构化对象处理能力是一致的，并且巧合的是，人脑的顶叶正好也是手部控制区，而这个区域也是实现空间想像的脑区。
目前的大模型算法用于建模的关联空间都是连续的，虽然可以在局部逼近离散的结构对象，但是逼近效率很低，并且很容易被迭代破坏，需要结合具身智能拥有的空间想象力以及与真实环境交互获取的确定性高效发掘不变结构并在模型中形成不易更改的离散结构。注意到空间想象力需要有专门的容器直接用来形成离散的结构模块，比如人脑对于数字概念的理解就是直接用容器映射的，一般5-7个对象可以直接得出数量而不用数数，fsd可以同时形成上百个容器进行模块组合，其空间想象力远超人类，就是容器的映射精度太低，这与道路数据缺少近距离观察以及缺少触觉用于确定边界有关。