在我们的世界里，引力支配着宇观星系的运动，量子支配着微观粒子的运动，而智能则支配着我们这些宏观智慧生命的行动。这三种完全不同尺度的现象，看起来似乎毫无关系。但是现代物理学的研究越来越多地表明，它们之间可能有着深刻的联系。
虫洞和量子纠缠分别是引力和量子力学里最神奇的现象，它们都具有非局域的特质。虫洞是一种特别的时空结构，它可以将空间中相隔遥远的两个地点联系起来，就像一条时空的隧道。
从虫洞两端进入虫洞的两个观察者，最终可以在虫洞内部相遇。而量子纠缠是一种量子力学特有的机制，它可以将两个量子系统关联在一起，使得我们对其中一个系统进行观测以后，不但可以获知被观测系统的状态信息，还可以同时知晓与之纠缠的另一个系统的状态信息。即使两个量子系统相距遥远，只要它们之间建立了量子纠缠，就能实现像“海内存知己，天涯若比邻”一样跨越时空的感应。
量子纠缠描述的正是量子信息的这种不可分割、不可还原的特点。任何试图将量子纠缠系统的一部分割裂出来的行为，都会导致量子信息的损失。由于信息的损失就意味着无序的增加，也就是熵的产生。因此人们把在一个量子纠缠态中分割出一个子系统所导致的信息损失，作为纠缠的度量，称为纠缠熵。如果以复杂网络的图像来想象量子纠缠的话，那么纠缠熵就应该对应于在大网络中将一个小网络切分出来的时候，所需要切断的连边的数量。
破译这组密码需要相当的“智慧”。因为对于一个具有256个量子比特的量子态来说，子系统的选取方式就有2^256之多，这个数字可能已经超过了可见宇宙中所有原子的总数。每个不同子系统的选取都可能导致不同大小的纠缠熵，因此这些纠缠熵的数据总量（如果我们可以全部得到的话）也有2^256之多。如何从这组大数据中去发掘隐藏的纠缠结构？我们需要的也许是人工智能，特别是基于深度神经网络的机器学习方法。
近年来人工智能技术的飞速发展，已经使我们看到了人工神经网络在大数据挖掘方面的出色表现。
复杂网络是引力、量子纠缠和人工智能背后共同的主题。引力、量子纠缠和人工智能正是在这里走到了一起。它们之间涌现出一个共同的主题，那就是复杂网络。在引力理论中，它是描述空间结构的虫洞网络；在量子力学中，它是刻画量子纠缠的张量网络；在人工智能中，它是编码数据特征的神经网络。在这个类比下，我们的宇宙也许可以被看成一个巨型的大脑。它在学习全息量子态的纠缠特征。而我们看到的空间几何正演生于这种学习的过程。