※ 引述《sernc (老学生)》之铭言：
: 请问有人可以帮忙解释一下这个问题吗?
: 感觉推了很多层却不能保留学到的东西继续用,实在太伤了...
: 又投影片中几个简单的电路, 好像又可以把recursive learning
: 的结果留下来用, 如果是用电路本身的特性去想的话...
: Anyway, thank you!
因为 recursive learning 的使用时机大部分是在 implication 做到一半的时候，
比方说当 a = 1, b = 0, c = .... 时，我们对 g = 1 去做 recursive learning，
比方说对 g 的两个 inputs 分别去做 g1 = 1, g2 = 1 的 implications，
假设 S1, S2 为 { a = 1, b = 0, c = .... } 的 subsets，
且 S1 与 g1 = 1 implies k = 1，
S2 与 g2 = 1 implies k = 1，
因此我们可以 learned 到 k = 1 为 level-1 recursive learning 的结果。
但是我们不能结论说: "g = 1 implies k = 1".
为什么?
因为此推导的过程包含了其他的 implications (i.e. S1, S2)，
而 S1 与 S2 也不尽相同，所以我们并不会去把造成 k = 1 的原因 learn 起来。
当然，one possibility is "{ g = 1 } ∪ S1 ∪ S2 → { k = 1 }"
但是一则是我们并不会实际去知道 S1 S2 是什么，
二则是就算我们知道了，"{ g = 1 } ∪ S1 ∪ S2" 这个集合也可能很大，
所以被 reused 的机会太低了，不如不要 learn。