في الإدخال والإخراج الكلي للرمز المميز لترميز الذكاء الاصطناعي ، هناك قانون عالمي ، أي أنه كلما انخفضت نسبة جزء الكود ، كانت جودة الكود أفضل. يمكن أن يتسبب التغيير الكمي في حدوث تغيير نوعي ، لكن هذا المبلغ مكدس أكثر بكثير ، وليس مقدار رمز الكومة. لكن مشكلة العديد من النماذج الآن هي أنه قد يكون هناك الكثير من التعليمات البرمجية في مرحلة التدريب ، وغالبا ما يتم إخراجها وتعمل فقط في اتجاه الكود. إذا لم نقاطعه من خلال الوكيل الذي أنشأه الموجه أو بعض البيئة الخارجية الأخرى ، لكان قد كتب بقوة أكبر. لا يعني ذلك أنك إذا كتبت الكثير من التعليمات البرمجية ، فلا بد أنه مخطئ. بدلا من ذلك ، يجب تقليل النسبة ، وهناك حاجة إلى عدد كبير من الأوصاف النصية الأخرى لفرز جميع التفاصيل بشكل متكرر ، والتدقيق مرارا وتكرارا ، والتحديد في مخططات مختلفة مرارا وتكرارا ، والتجول مرارا وتكرارا حول المستويات الكلية والمجهرية ، وفحص المشكلة من وجهات نظر مختلفة. تأكد من إيجاد طريقة لطرح الأسئلة ، أو كتابة المستندات ، أو قراءة المستندات ، أو السماح له بالنظر إليها مرة أخرى ، أو الاتصال بالإنترنت للعثور على مراجع ، فهذه طرق ناضجة وفعالة ، باختصار ، استخدم أشياء أخرى لتقليل نسبة التعليمات البرمجية. هذه ليست علاقة سببية صارمة ، لكنها ذات صلة كبيرة في معظم العمليات. كلما تم إعطاء المزيد من الأشياء خارج الكود ، انخفضت نسبة التعليمات البرمجية ، وكلما كان من الأفضل كتابتها. الأمر بهذه البساطة.