比如闻着榴莲吃西瓜，就会产生一种通感。
而他要做的就是，如何将这个所谓的‘意识流’用数学的方法表现出来，他能想到的最为接近的理论就是ot理论。
至于为什么一定要将信息融合其实也很好理解，打个比方，你要向一个来自外星系、完全不懂地球文化的外星人解释什么是“苹果”，
你不能只给它看一张苹果的图片，或者只给它一个苹果吃。
因为这些信息对它来说都是割裂的、无法理解的，所以我们需要将每种信息变成一种感觉，比如苹果可能是甜的，酸的，可能是绿的，红的......
而人在学习一个陌生的事物时候也是差不多的流程，比如神农尝百草，先了解这个草药不同的特性，然后再给它下一个定义。
同理，要让ai理解世界，这个步骤也是需要的，你得先让ai理解，苹果的一些基本特性，这也是很多大模型都在做的一个步骤。
接下来的一步便是信息融合，也就是告诉ai一个更加高级的统一语义空间，告诉它，虽然信息的模态不同，但他们描述的都是同一种东西，这就是融合的步骤。
这也是现代多模态大模型能同时处理不同模态信息的原理。
只不过在将不同模态信息纳入这个统一语义空间的语义空间时，现在的方法仍然有很多的不足。
这个问题也是真正实现agi路上的一块绊脚石。