在人工智能中，流變是一種可以隨時間變化的條件。在對行動進行推理的邏輯方法中，流暢性可以通過具有一個取決于時間的參數的謂詞來代表一階邏輯。例如，盒子在桌子上的條件，如果它能隨時間變化，就不能用以下方式表示.通路的這種表示方法在情境微積分中被修改，用過去的行動序列來代替當前的時間。流變也可以用一個函數來表示，去掉時間參數。例如，盒子在桌子上，可以用以下方式表示是一個函數而不是一個謂詞。在一階邏輯中，將謂詞轉換為函數被稱為重化；為此，由函數代表的通式被稱為重化。當使用重化的通感時，有必要用一個單獨的謂詞來判斷通感的真實與否。比如說。是告訴人們什么時候通證是真的。在事件微積分、通量微積分以及特征和通量邏輯中，都使用了通量的這種表示方法。一些通量可以用不同的方式表示為函數。例如，一個盒子的位置可以用一個函數來表示on(box,t){displaystyleon(box,t)}，其值是盒子所在的對象。其值是盒子在時間上所站立的物體.可以用這種方式表示的條件被稱為函數通證。關于這類函數值的聲明可以用一階邏輯的平等性來給出，使用的是字面意義，如.一些通量在情境微積分中是這樣表示的。

從歷史的角度來看，通量是在定性推理的背景下引入的。其想法是，不是用數學方程而是用自然語言來描述一個過程模型。這意味著一個行動不僅由其軌跡決定，而且有一個符號模型，非常類似于文字冒險。天真物理學與數字物理學引擎相對立，有義務預測行動的結果。流利的實現了機器人的運動和自然語言的任務描述之間的常識性落地。從技術角度來看，流暢性相當于一個被天真的物理引擎解析的參數。解析器在自然語言的流暢性和傳感器測量的數值之間進行轉換。因此，人機互動得到了改善。