间等等，这些因素是图数据库中，苹果这条数据的诸多标签中的一类。”
“这类标签会决定苹果的成分，比如糖分，水份，芳香物质等等，这部分东西会共同决定的口味，因此我们可以通过标签，算法，结果之间的关系，得到哪些产地的苹果比较好吃这个结论。”
“同样的，我们还可以通过人力，管理，交通等成本类标签，得出同样的苹果，其价格和销售地区之间的关系，并且通过一系列的算法，得到哪些产地的苹果，在蜀都比较贵这个结论。”
“这两个结果，算是结点元素，之前的那些标签，算是它们的直接前驱，而蜀都人们更愿意选择买哪一种苹果回家，则是这两个结点元素的直接后驱。”
“当然直接后驱也不可能只有一个，比如各种苹果在蜀都市场上所占有的比例，各种苹果因为在蜀都的售价，与在其余地方售价的差异关系，甚至他们带给水果商的利润高低，蜀都整个苹果市场的波动起伏，都算是这两个阶段元素的直接或者间接的后驱。”
“当这些节点元素庞大复杂到一定程度的时候，本该是线性的数据逻辑，就开始体现出一定程度的非线性特征，最终结果可能就是除非出现巨大且明确的特征，比如苹果大面积的欠收以外，蜀中明年的苹果市场精准走势，变得不可预测。”
“当然这种不可预测，其实只是对于目前的统计工具而言。”周至说道：“即将组建的这个细胞类神经网络实验室，就是解决这个问题而设计的。”
“在之前的工作当中，我们的数字图书馆已经取得了不少的成就，我们得到了不少的‘结点元素’，比如从海量的典籍当中，梳理出来的各大名臣的‘行状’，算是一类。”
“如果我们要进一步深入研究这些大臣之间的相互关系，以及这些关系的奥援，提携，对立，冲突，婚姻，家族，最终在朝政上形成的趋势，对历史走势产生的影响等等，就属于这类进一步的研究了。”