现在的人工智能理论很多是类似早期的推理系统,专家系统,图像识别,基本的神经网络,或者所谓的深度学习网络等等,其本质都是人在架构,给予了系统太多人为的假定和人为的算法,这个与自然语言系统的“自然”性和泛性,鲁棒性等要求还相差太久,所以,即使深度学习网络实现的阿法GO算法在围棋上战胜了人类,但是其在自然语言理解方面还是瑶瑶无期,还没有任何实质性的突破,说白了其系统在自然语言理解方面还是3-4岁孩子的智商,要想达到成人的智商和抽象,创新等能力,还是很遥远。
那么,下面我来介绍下我在强人工智能自然语言理解方面的几个思路,仅作参考:
思路1,自试探自身方式:
人工智能的关键秘密应该是:利用【自假设自验证的自编程收敛性递归自试探自学习机制,穷举自身可能的所有结构和多层次组合结构,然后试探每个组合的功能和功能特征,然后把这个学习到的【功能和功能特征】再反馈为自编程自进化自试探的进化母程序里的1部分,实现学习到的智商自内化,实现智商的正反馈和正递归,从而越来越有自知力和意识力以及内视能力】这个,来实现不用人工去创造结构和人工设计少得可怜的可穷举完的结构,而是让结构自身能内视到自己结构的功能和特性,从而能动性的去利用结构和创造需要的结构,那么结构将不再缺乏,和不再有局部局限化的特定功能特征(比如一旦要实现某一功能,就只是那一功能的结构和算法,就局限化了,无法再兼容其他概念和结构),来生成1个结构自制造的结构工厂,且可以能动性的认识到自己创造的结构是什么功能,将
在什么时候需要用到和调用,那么,还有1点就是:如果用1个特征编码机制来记录和编码所有【自假设自验证的自编程收敛性递归自试探自学习机制,穷举自身可能的所有结构和多层次组合结构,然后试探每个组合的功能和功能特征】里试探出的功能,
以至于下次需要用到某个功能时系统自身就能知道是要用到哪个,即1种全息性的可自知的功能归类多层编码(类似于带自组织性质的全息编码机制,自己编的码能被自己知道什么时候会用到此编码,即在【时间域,空间域,逻辑域上】的定位和位置全部全息可自知,知道自己什么用,什么时候需要被触发和调用,知道自己什么时候要和什么结构相组合运算来辅助其他结构,而无需人为设计所有的触发条件和组合时机,无导师形式的自组织自编码自内视),那么,单纯的1,2,3,。..。.这样的编码,和 xx+xx=xx这样的字符串式伪算法编码肯定都不具有全息性,二阶自组织空间里2个容器通往1个总容器,系统分别掉入2个球到2个容器后,2个球合一变为2了,系统自试探到这个结构具有加法运算的功能并用1个特定的全息编码机制记录这个功能是加法用的,下次进化母程序需要用到加法时
就知道已经有1个结构能支持加法,进而被进化用的母程序再递归式的自利用,再更加智能的去进化和去自试探空间里的其他结构的功能,从而正循环式的智商自增长!
有‘空’就有未知,1个多阶逻辑自组织空间里如果‘空’的部分很大,那就代表有很多未知的分形与自组织可能,就有可能在这部分空的空间里创生出和自进化自试探出智能
:那么,经过思考,发现实际上【自假设自验证的自编程收敛性递归自试探自学习机制,穷举自身可能的所有结构和多层次组合结构,然后试探每个组合的功能和功能特征,然后把这个学习到的【功能和功能特征】再反馈为自编程自进化自试探的进化母程序里】
这个的本质实质为多阶自组织逻辑空间的结构多自组织间的几个自组织出的架构的‘碰撞’和‘自完备’,即自试探自学习机制的本质=自碰撞,自举的本质为自碰撞,
比如【二阶自组织空间里2个容器通往1个总容器,系统分别掉入2个球到2个容器后,2个球合一变为2了】这个为多阶自组织逻辑空间里的自组织出的其中1个架构,命名为架构A,另1个随机自组织出的架构B为【物体边界扫描,即怎么算为1,怎么才算作是1个东西,如何区别1和2,即‘边界’逻辑】,这2个架构即架构A和架构B碰撞在一起后,就会发生一个知识的新出现,即【二阶自组织空间里2个容器通往1个总容器,系统分别掉入2个球到2个容器后,2个球合一变为2了】架构具有1+1=2特性,然后再自组织扫描出此架构A也具有
2+5=7等等特性,从而2架构间碰撞出新功能: 加法机制!
即一种自省架构:
也就是一种带自省功能的多层自进化自编程系统,
模拟宇宙最初的无序和自省自学习,
也就是随机组合一些代码和组合一些代码块或函数等,来试探这些代码组合本身的功能和作用,并记录到经验库里,然后逐渐自化,
也就是内化到进化母程序的程序里,用来控制进化的过程,即进化出的代码又用来控制进化过程本身,实现发动机一样的智商循环自增长,从而实现自省(自省主要指机器会试探代码组合本身的功能,也就是试探自身,即自省),
然后是多层自进化自编程:。。。。。。------》母母进化控制程序-----》母进化控制程序----》要进化的程序,
然后进化出的程序反过来逆序内化到 母进化控制程序,甚至母母进化控制程序,。。。。。。
,比如试探 if, 》 和 for的组合后发现其具有排序功能,所以内化到 母进化控制程序,用来控制进化结果的样本适应度的评分的排序,从而进化【进化控制体】本身
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !