1.

人类记忆和机器记忆的区别之一是：人不可能记住感知面或感知段的所有具体状态，而机器可以。

举例：人看一眼景物杂乱无章的画面，人不可能记住画面的每个点的状态。而机器几千万像素的图片，每一张都可以无数次无损重现。

2.

尽管人的记忆容量比机器小很多，回忆(读取记忆)速度也慢很多。但研究计算机认知的人都知道，人能轻易的在杂乱无章的画面里辨认出某样东西(某种视觉感知点组合状态)属于什么(标记符号)，但机器却不行。造成这个结果的原因之一，可能是当前的机器没有“非记忆舒服程度机制”的缘故。

3.

那么，如何利用非记忆舒服程度机制，提升计算机对各种感官感觉(传感器)识别的正确程度呢？

我们可以设计出“非记忆需求状态”，然后利用“非记忆需求状态”与“感官状态”进行重叠对比，用得出来的“重叠程度(非记忆舒服程度)”进行分类。比方说，用非记忆舒服程度机制可以建立分类与识别 “漂亮与不漂亮”、“丑陋与不丑陋”的机制。然后我们又可以基于“漂亮与不漂亮”、“丑陋与不丑陋”的性质结合其他性质进一步进行分类与识别。

4.

在原有的分类识别基础上，如果能多出一个不需要很大运算力的分类识别方法，相信能在一定程度上提升机器认知精准度。