※ 引述《sernc (老學生)》之銘言：
: 請問有人可以幫忙解釋一下這個問題嗎?
: 感覺推了很多層卻不能保留學到的東西繼續用,實在太傷了...
: 又投影片中幾個簡單的電路, 好像又可以把recursive learning
: 的結果留下來用, 如果是用電路本身的特性去想的話...
: Anyway, thank you!
因為 recursive learning 的使用時機大部分是在 implication 做到一半的時候，
比方說當 a = 1, b = 0, c = .... 時，我們對 g = 1 去做 recursive learning，
比方說對 g 的兩個 inputs 分別去做 g1 = 1, g2 = 1 的 implications，
假設 S1, S2 為 { a = 1, b = 0, c = .... } 的 subsets，
且 S1 與 g1 = 1 implies k = 1，
S2 與 g2 = 1 implies k = 1，
因此我們可以 learned 到 k = 1 為 level-1 recursive learning 的結果。
但是我們不能結論說: "g = 1 implies k = 1".
為什麼?
因為此推導的過程包含了其他的 implications (i.e. S1, S2)，
而 S1 與 S2 也不盡相同，所以我們並不會去把造成 k = 1 的原因 learn 起來。
當然，one possibility is "{ g = 1 } ∪ S1 ∪ S2 → { k = 1 }"
但是一則是我們並不會實際去知道 S1 S2 是什麼，
二則是就算我們知道了，"{ g = 1 } ∪ S1 ∪ S2" 這個集合也可能很大，
所以被 reused 的機會太低了，不如不要 learn。