一个系统根据大量不同的因素做出决策，遵循一个“实时”决策树——一个（独立地，通过其他子系统）用新决策、新情况更新的决策树。

个人决策可以记录为一种结构：

• 决策函数
• 如果决定是肯定的，则激活节点
• 如果决定是否定的，则激活节点

一个节点可以是另一个决策记录，也可以是一个结论。

这并不完全是一棵二叉树，因为许多决策可能会得出相同的结论——每个节点都有两个孩子，但可能有很多父母。

将树存储在内存中绝对没有问题 - 它可以是数据库记录或地图条目，或者只是一个列表。这对机器来说完全足够了。

这里的问题是构建扩展决策树的子系统 - 特别是让人类操作员了解正在构建的结构，以便能够调整、引导、修复、调整它：调试 AI 学习过程。

问题是：如何以人类可读的方式表示数据，强调图形的流动？

答案的一个不可行的例子是概念图——在这种情况下，它只能到此为止；如果节点超过三十个左右，就会变得一团糟，尤其是当交叉连接（多个父节点）的数量变得很大时。也许存在某种布局或切片以使其更清晰的方法......？