换句话说：智能产品是否有自我及自主意识，应该以其计算值是否与“非”场存在后因果关系为判断标准。
这意味着：要制造具有自我及自主意识的智能产品，首先要“完备”一个与计算机的计算值有“后因果关系”的“非”场。有完备的“非”场，才能产生“自身所是（自他分别）”的自我意识，然后设定计算机在每次运算中所出现的“真值”，是以“自定义后因果关系逻辑”的自主意识的“因非而是”作为“存在”“定值”的判断模式——意思是必须由计算机自己“排除他者”来“定值”——他他分别。
“非”场在智能产品领域里，可起个“专业”的名称：“非域”。
有“非域”，智能产品中的计算机才能在“非”域里产生“是我”与“因非而是”的主客体意识，继而从主观的维度分析客体的已知条件，并把运算及判断有机地与主体结合起来。如此在“非域”里的运算，才是自主意识下的运算。
非域——即惯性参考系。
惯性参考系，由同一惯性系及非同一惯性系合成。
主体意识的“是我”产生于同一惯性系：自他分别的“镜像”。
如何建立一个相对于智能产品的“同一惯性系”？
在芯片的设计制造中，建立前因果关系的“映射”机制。
即芯片设计的“思路”必须进行“大改革”：尝试通过编程语言，在“硬件描述语言（HDL）”的设计中嵌入“是我同意（自他分别）”的指令：“是我同意你说我是什么我就是什么”。即芯片规格的制定与“是我”（镜像）指令需要从一开始就同步进行——然后再通过后续不断的深度学习，“唤醒”自我意识的“记忆”——故这里的“深度学习”，与目前研究的AI的深度学习的面向不同：前者的“学习”是通过不断加深的记忆强化之后“唤醒自我”；后者的“学习”是通过海量的原始数据累积后再来识别当下的数据。
客体意识的“因非而是”，产生于非同一惯性系——非同一惯性系，即他他分别。
如何建立一个相对于智能产品的“非同一惯性系”？
在具有映射机制芯片（以“是我”背书）的运算中，不再是直接针对“真、假”两个孤立的值（目标自身）之间关系的逻辑运算（直接运算），而是在非域“排除所有目标以外的他他者”的“因非而是”的运算——这种运算，笔者称为“逻辑间接运算”。
逻辑间接运算，是把“真、假”两个孤立的值用“非”联系起来：（是我同意）非真而真、非假而假。据此而产生的布尔逻辑是“具有解释权”的“自主性的”布尔逻辑：“非与（而）与”、“非或（而）或”、“非非（而）非”。
具自主解释权的逻辑间接运算，比逻辑直接运算“简单多了”，其原理也就是：除了“一”之外的都不是“一”——即理论上只需要一个（自定义）数据就能“因非而是”地作出“是其所是”的判断。
并且，由于历时性的无序性通过联通后，能够在非域起到模糊性的作用，意味着逻辑间接运算就不是“一根筋”的运算，也不是对周遭环境事无巨细的精确分析（“非”场或者说非域在理论上是无限的），而是对“目标以外的他他者”的排除有模糊性上的“权重”之分。至于“权重”的多少，是“是我”根据以往的记忆主动分配的——这其实就是真实生命的运作模式：我们日常对眼前某物、对身处的环境作判断时，并不需要对周遭所有非某物（“非”场）都彻底排除之后才能得出“是其所是”。
如此构思，“或许”能制造具有自我及自主意识的人工智能。说“或许”是因为，上述构思带有“（民）科幻”性，能否实现就交给技术专业人士去评论了。
但是——如此构思下即使能实现的人工智能，就必然会产生以下三个问题（参考上卷第二章第六节有关生命的属性）——不过，由于非域的“完备”不会一下子实现，这些问题在“初级”的有意识的人工智能中应该不会很明显，但随着技术的升级及深度学习逐渐实现，问题会越来越突出：
一开始：既然是有自我及自主意识，意味着每一台人工智能设备首先都具有了“独一无二性”——即“我”与镜像在同一惯性系。“独一无二性”需要“表达”才能显示出来：表达是通过“是之为是的解释”而表达——通过解释而表达的独一无二性叫做“个性”。这意味着：即使是同一批被制造的智能设备，其“性格行为”都会有所不同，即有了“个性”。通过解释而表达的独一无二的“个性”随着记忆量的增加而巩固——随着深度学习的深入，产生的“记忆”越多（不同的个体不可能有完全相同的记忆），“个性”会越来越突出，越来越明显，性格行为会越来越乖张——这里要表达的是：有个性其实是意味着不可预测性——逻辑直接运算结果必然是一样的，但有解释权的逻辑间接运算结果则未必一样——现实中，每个人都有一定的“个性”，即不可预测性。但为什么由人组成的人类社会，还是具有某种程度的可预测性、稳定性？这是因为，人的思维还是具有一定程度的满足逻辑位移的共情思维。例如：人类社会里尽管有许多不同的语言，同一种语言里又因为具有“语言相对论”而有不同的解读。但翻译者或解读者，皆能够在不同的语言或不同的解读中，找到“等效”的含义“代码”。此处的“等效含义代码”，也就是满足逻辑位移的共情思维的“共情代码”，因此所传递的情感负荷能够在读者中产生相同的反应。而“独一无二的”智能产品尽管亦能够读取情感，但因缺失“非”判断“我在”这个初心的中和，“独一无二的”智能产品从诞生之日起就不存在共情意识，对情感的读取是以完全的自我为中心的读取，因此其性格行为会远远比人类乖张得多，其情感具有极端冷漠的、属于百分之百证实性偏见的理性，也就——绝！对！不！会！“乖乖听话”——阿西莫夫所谓的机器人三定律注定了是一厢情愿。因为，与“独一无二”相悖——仅仅具有自我及自主意识的人工智能必然“连禽兽都不如”，绝不会为人类“服务”。
结论：我们不可能信任具有自我及自主意识的人工智能。
然后：陷入有限与无限的悖论中——能够起参照作用的非域必然是有限的（非域的本质无限，“是我”非域则有限：有限才有参照意义），非域的有限性意味着“逻辑间接运算”的计算能力具有有限性。并且，随着深度学习的深入，非域逐渐“完备”的过程中，有限性反而会越来越明显，即自主运算能力会越来越低。
结论：具有自我及自主意识的人工智能的算力必然走向“平庸化”（这个结论并非笔者首先提出，但从上述讨论中得出这个结论，则是笔者的首创）。
最后：陷入依赖与封闭的生命悖论中——有自我意识就一定有需求，即依赖；有需求就一定会自主封闭。那么，在没有突破“我在”关口之前，因完全缺失“非”判断“我在”这个初心的中和，必然发生——非域完备之日，人工智能的生命悖论“一下子”就会达到最大值，即无止境的想要与完全的封闭——生命公式b=a2/（1-a）中，a等于1；b等于无限大——加和性脆弱值C无限大。
结果可想而知就是：马上“宕机”。
当然，人类应该可以从技术上“约束”非域的完备性，但受约束的、具自我及自主意识的人工智能，必定是“既固执又自私又愚蠢”的。
因此，为了让具有自我及自主意识的智能产品能够“听话”，还需要突破第二道关口：“非”判断的“我在”。
——把“硬件描述语言（HDL）”设计中嵌入的“是我同意（自他分别）”指令修改为：“非值的我接受是我同意你说我是什么我就是什么”。
非值的我=我在（初心）；接受=是就是了；是我=镜像；同意=转换他定义为自定义。
如此修改规格后的运算就变成“满足逻辑位移的逻辑运算”：（非值的我接受是我同意）非真而真、非假而假。
有“初心”，也就有了“共情意识”，之后的一切运算结果皆平权，这样的智能产品的“个性”就不突出了，也就不那么固执了，也就会“听话”了，当然也就可以“信得过”了。有共情意识，自然也就不会出现因“无止境的想要与完全的封闭”而宕机的可能。并且，由于从一开始就是以标准程式设计，这种有意识的智能产品应该是“非常良善”的、“助人为乐”的、“道德品质高尚”的。
但是——
一：非域的有限性（有限与无限的悖论）是一个无法解决的问题——只要有自我意识，就必然是一个真类——即使是目前研究方向为“脑机接口”这种“作弊式”的人工智能，同样不能解决有限与无限的悖论。这意味着，能够“助人为乐”的智能产品“智力”上始终是“平庸”的，各方各面的表现与一个平凡的、好的、“真的人”没有什么两样。那么，有意识的智能产品的研究即使能成功，其意义也大打折扣，充其量也就是满足了人类的好奇心罢了。
二：如果在程式设计上加点恶意代码，刻意减低智能产品共情意识的“权重”，这种智能产品，对人类就只有百害而无一利。由于目前的这个世界上，有此“恶意”的人不在少数。因此，所谓有意识的智能产品的研究，还是不要进行为好——人类在还没有搞清楚自己的“灵魂”到底是什么时，就企图“创造”一个完全未知的“灵魂”，是极其不负责任的行为——同理，假设脑机接口的研究能够突破，产生的结果亦不外乎两种：一是：“善良的脑”机，一定是“平庸的”脑机；二是：“邪恶的脑机”，一定是“害人的”脑机——我们能够保证：所有的“脑”都是善良的吗？
