智能信息面目存儲網(wǎng)狀A(yù)I理論

前言:

這是對過去所思考的關(guān)于網(wǎng)狀A(yù)I的總結(jié).為程序化理論鋪墊基礎(chǔ)

首先,我們的感知是有限的,識別的信息是有限的,所以,在我們的認(rèn)知體系中,對客觀世界的認(rèn)知必定是以有限方式承載的,”無限”概念本身是以有限信息存儲于大腦中的.

 基本概念:

ET存在狀態(tài): 活躍 休眠

意識流動必然是ET活躍下進(jìn)行的.也就是我們的自我感覺必然是活躍的ETR構(gòu)成的.意識和感覺本來并不特殊,但當(dāng)人們的某種情感促使一些ETR不與外部的任何相關(guān)聯(lián)信息匹配[共振],這些活躍的信息集合將被內(nèi)部識別為特殊的一種ETR,因?yàn)樗鼈兣c外部的任何信息都是沒有關(guān)聯(lián)的,所以它們自然就被凸顯了出來,所以人們就會把意識看成一種特殊的東西,認(rèn)為它可能是超脫客觀而存在的.實(shí)際上這種感覺產(chǎn)生的根源是人們自戀的一種表現(xiàn).所以,意識特殊性是帶有強(qiáng)烈主觀色彩的.

 假設(shè)一個(gè)AI體有N個(gè)ET,它可以描述N個(gè)信息,代表著對N個(gè)信息的區(qū)分,所有ET都是相互連通的,兩個(gè)ET之間的連線具有2個(gè)屬性如下:

 ET ---------映射線-------- 可捕獲

ET ---------共振線--------------- 不可捕獲

映射線和共振線都是有向的.

共振線和映射線都會使一個(gè)休眠的ET變得活躍,并且其指向的必然是一個(gè)有值的ET.

 對一個(gè)ET而言: 它可以捕獲并識別其余的任何一個(gè)ET和任何一個(gè)

兩ET之間的映射線,而共振線是不可捕獲的.

共振:當(dāng)多個(gè)ET[ETR]同時(shí)活躍時(shí),它們的共同狀態(tài)會是一個(gè)新的ET值,這個(gè)時(shí)候需要一個(gè)新的ETX來記憶這個(gè)狀態(tài),此時(shí)ETX所標(biāo)量的信息就等于ETR所標(biāo)量的信息,因?yàn)樗鼈冎�間描述的是同一信息,所以它們之間的關(guān)系就是共振,表示它們是完全相等的.

映射:其描述的是2個(gè)ET之間的關(guān)系,誰會引動誰活躍.

共振和映射的區(qū)分::共振是一個(gè)ETR和一個(gè)ET描述的是用一個(gè)信息.而映射是2個(gè)ET[它們必然描述不同的信息]之間的關(guān)系.

注意:在理論中,并沒有with這個(gè)程序上必有的概念,是因?yàn)閺睦碚撋?我們不必在意SER速度和復(fù)雜度,只要出現(xiàn)匹配的,就必然會獲得值.而實(shí)際程序必須考慮速度和效率問題,所有才會用with,ETW犧牲內(nèi)存提高SER,MAT速度

 1-------1: 有且僅有 指出線 指回線

N-------1;1-------N: 有且僅有 共振線

并沒有N----N模式,因?yàn)閺膱D的觀點(diǎn)看: N---N結(jié)構(gòu)是一個(gè)組合結(jié)構(gòu),所以一個(gè)NN信息的反射結(jié)構(gòu)需要N1+1N結(jié)構(gòu)來映射.

 如何實(shí)現(xiàn)輸入輸出.

整個(gè)AI體可以看成一個(gè)黑箱機(jī)制,也就是其內(nèi)部的邏輯運(yùn)算外部并不需要知道,只是通過一個(gè)特殊的端口進(jìn)行信息的輸入.以及一個(gè)特殊的端口進(jìn)行信息的輸出.

這個(gè)AI體通過端口向內(nèi)部發(fā)送不同的信息,當(dāng)一個(gè)外部信息在內(nèi)部沒有一個(gè)ET共振時(shí),那么創(chuàng)建一個(gè)新的ET來匹配共振,

輸入輸出的基本單位是必須預(yù)先定義的.并且該AI體應(yīng)該能夠識別自己的輸入輸出.

如何輸出?

輸出可以考慮采用2種方式來實(shí)現(xiàn):

1:確定性輸出指令:特殊的信息將激發(fā)輸出.常規(guī)機(jī)器法.

2:模糊性自動輸出.通過內(nèi)部的ET活躍程度來決定是否輸出,類似于人.

對于輸入輸出,

人是如何理解現(xiàn)實(shí)中的客觀規(guī)律的呢??

理解實(shí)際上就是一個(gè)外界的信息組合在內(nèi)部SER到一個(gè)模式匹配,因?yàn)槠ヅ?而使得參與的ETR活躍,這就產(chǎn)生了熟悉的感覺.

 關(guān)于程序化該理論:

在將該理論實(shí)際轉(zhuǎn)化為程序時(shí),必須考慮諸多的因素,包括速度,效率,數(shù)據(jù)讀取和存儲.以及快速構(gòu)建新,所以實(shí)際程序化的工作會比這里繁雜得多.在目前,我認(rèn)為憑反射模式和共振模式是可以模擬一切AI邏輯的,但是實(shí)際上,我對此問題進(jìn)行了很多天的思考,難以實(shí)現(xiàn)以這2個(gè)基本模式解釋一些常用的比如包含,多值映射,屬性,類等概念,我覺得或許完備性的AI模型是不可實(shí)現(xiàn)的,也就是,在這其中,必然存在一些額外產(chǎn)生的東西在作用,而我并不知道,并且,無論完備性是否從理論上可行,在實(shí)際的程序化過程中其難度都是我的天賦和智商難以承受的.所以,我所能做的,就是用某種方法實(shí)現(xiàn)功能,而不必過分關(guān)注其合理性和通用性.或許,還要過一些年,我才能對AI有更多的理解.