達爾文的學說，按嚴復的翻譯，以漢語概述為：物競天擇，適者生存。所謂「被動選擇」，就是基因型在特定環境內的表型若各自的「niche」（龕位）恰好滿足「適者生存」之道，就被自然選擇，得以繁衍。柏格森批評達爾文，因為他的學說不能解釋「新事物」何以發生。百年之後，創新是經濟發展的核心驅動力，柏格森「創化論」再成顯學。
亨利·柏格森，法國哲學家。1909年，發表論著《創造進化論》。1927年，獲得諾貝爾文學獎。
在汪丁丁教授的《行為經濟學講義》提到了海納模型。海納是在1985年發表的論文《The Origin of predictable Behavior》中提出了海納模型。海納的得出了兩條結論：
在海納的模型裡，生存環境從完全不確定性到完全確定性，沿橫軸排列。然後，沿縱軸排列的，是行為的容錯程度——即決策錯誤不致使有機體消亡的範圍。海納模型意味著，在任一給定不確定性水平的環境裡已生存著的物種，智能程度較低的（例如海星和螞蟻）有最可預測的行為模式，而智能程度最高的（例如「神」或「上帝」），其行為是最不可預測的。
狹域的生存競爭，極端而言，就是在完全確定的生存環境裡競爭。這時，達爾文的學說完全適用。用諾獎經濟學家貝克爾的術語，在完全確定的生存環境裡佔據「龕位」的有機體，會將全部可投資的資源用於開發專有於這一生存環境的能力。
然而這樣的能力，離開這一特定生存環境就毫無用處，故而稱為「專有能力」。
廣域的生存競爭，極端而言，就是在完全不確定的生存環境裡競爭。這時，柏格森的學說完全適用。繼續借用貝克爾的術語，在完全不確定的生存環境裡，有機體唯一可能有的「龕位」，其實是隨機應變的能力，也稱為「通用能力」——通用於變幻莫測的生存環境。
目前的人工智慧是狹域的，而人類智能是廣域的。狹義人工智慧如何能發展為廣域人工智慧，這是人工智慧的難題。汪丁丁教授建議的思路是以「現象的分類」為開端，從計算機已有的「知識表達」模式，拓展的到人類始終就有的「觀念拓撲」模式。這一模式，首先要求人工智慧機器人或所謂「類人機器人」，具有人類通有的「判斷力」。
當信息充分時，行為主體是不需要判斷的。而廣域競爭，信息永遠不充分。環境瞬息萬變，在有足夠資源收集充分信息之前，有機體必須在無數可能的探索方向中，判斷更可能找到資源的方向。判斷力，是廣域生存最核心的競爭優勢。判斷力，常基於「直覺」。正是這樣的直覺，使『企業家』完全不同於『管理者』。
凱恩斯的概率研究，結合他的金融操作經驗，他格外關注的，是「證據的分量」，而不是金融學教科書使用的「概率分布」。據此，幾十年之後，形成了概率理論最重要的一派，稱為「主觀概率」學說。在日常生活中湧現了各種各樣的證據，它們的分量當然不是一樣的，有一些證據雖然只是「孤證」，卻足以「立論」。
人工智慧缺乏的，恰好是這種從海量數據中尋找足以立論之「孤證」的能力。
歸根結底，人工智慧不應滿足於預先設定的「重要性」，在廣域競爭中，重要性不可能預先設定。
我能想像的一種可能是，人工智慧機器人既然不能感受生物感受到的那些重要性，那麼，它們將控制人類並由人類在廣域競爭中為它們提供它們生存所需的能源。
能控制人類的機器人，在這一意義上，於是成為「廣域智能」。
本文是對汪丁丁教授《如何從狹域走向廣域，這是人工智慧的難題》所作的筆記和註解。