ruiaijun的头脑风暴
注册日期:
2004-9-23
上次登录:
2016-02-10 17:46:55
邮件地址:
ruiaijun@163.com
兴趣领域:
数学,物理学,人工智能,心理学
  ruiaijun的头脑风暴
ruiaijun的更多标签
非逻辑可学习系统
2008-9-17 5:58:33  人工智能 
               非逻辑可学习系统
                 目  录  
  [思路提示]
  [前言]
  1、存储。
    A、可增集。
    B、存储操作。
    C、标志存储和顺序存储。
    D、小结。
  2、可学习。
    A、对“可学习”的语言说明。
    B、可学习系统。
    C、可学习系统的非逻辑性。
    D、双重选择系统和可学习系统的对比。
    E、可学习系统的存储与计算机存储的区别。
    F、小结。
  3、综合系统——“双、可系统”。
    A、“双、可系统”。
    B、取出存储操作。
    C、标志存储和顺序存储的取出存储操作。
    D、经验判断。
    E、取出存储操作与输出操作。
    F、小结。
  4、“双、可系统”对被选集的压缩。
    A、低元素量的初始状态。
    B、渐次扩大的被选集。
    C、对正确选择的存储。
    D、定理八的讨论。
    E、小结。  
  5、负经验。
    A、对不正确选择的纪录。
    B、负经验对“不收敛遍历”的意义。
    C、小结。
  6、本文总结。
    A、存储对摆脱“不收敛遍历”的突破。
    B、本文对存储的讨论。
    C、三个重要的定理。
    D、实用性问题。
    E、下一步研究方向。
2008-9-16 8:44:34
  

  [思路提示]看我的这篇文章,人们可能感觉到捉住它的思路很困难。为此我预先做一个提示:我的前一篇文章“非逻辑人工智能”结束于“压缩被选集元素量”从而摆脱“不收敛遍历”,这个结论的提出。
  本文就完全围绕照这个问题展开讨论,即把如何“压缩被选集元素量”从而摆脱“不收敛遍历”?作为讨论的主题。
  你只要一直把这个主题作为思考的主线,就可以捉住本文的思路了。

  为什么要围绕这个主题展开全部讨论呢?
  因为我认为:智能的发展、思维的高级化、逻辑的产生,不过是一个系统不断解决如何“压缩被选集元素量”从而摆脱“不收敛遍历”?的过程。

  [前言]
  本文是接着“非逻辑人工智能”进行讨论的。它以“非逻辑”为前提,但是讨论以“可学习系统”为核心。
  在“非逻辑人工智能”里,我们用数学方式定义了选择,然后由“有依据(关系R)”的选择定义了判断。根据不同的关系定义了不同的逻辑。并且对非逻辑系统进行了重点地讨论。
  在对非逻辑系统的讨论中,我们首先定义了双重选择,并由它构建起双重选择系统,这个系统就成为非逻辑人工智能的基本模型。

  智能表现为一种正确的选择。因此接下去,我在“非逻辑人工智能”里定义了正确选择,并研究了获得正确选择的方式。
  在讨论“获得正确选择的方式”时,我从“遍历”出发,提出不能“傻乎乎”的去遍历的设想。并通过推证,得出“压缩被选集元素数”的思路。

  “压缩被选集元素数”本身并不是什么神秘的思路。任何人看到遍历的复杂性(不能运行性),都会产生这种想法。但是问题是人们并没有沿着个想法走下去。
  人们普遍有这样一种错觉:被选集元素的无穷增多是必然要发生的,在这个“必然”面前,讨论“压缩被选集元素数”,就等于是一句废话。
  人们的错觉掩盖了另一个事实:被选集的元素数在人类的思维过程中,一直是被不断压缩着的。人类思维发展的历史,甚至可以说是一部不断压缩被选集元素的历史。
  但是,既然人们都承认这个思路并不神秘。我们何不试一试呢?

2008-9-17 6:02:01
  

  1、存储。
  A、可增集。
  为了和以前的文章连续,我的定义、定理等的标号与《非逻辑人工智能》一文连续着。

  定义十二:可增集。
  若:A={a1、a2、a3、a4、...ai}
    B={b1、b2、b3、...bj}
  且:C=A∪B
  则C集叫做“可增集”。

  根据上一个定义有:C=a1、a2、a3、a4、...ai、b1、b2、b3、...bj}

  初看这个定义,很有些令人莫名其妙。但是解下来我们会看到它的意义!

  B、存储操作。
  定义十三:存储操作。
  如果一个操作可以完成把A集和B集合并成C集的工作,它就叫做存储操作。

  存储操作也可以看成是一个映射,它是A、B两个集映射到C集,并使C集的元素与A、B两级相同。
  我们这里用映射定义了存储操作,人们在计算机理论中已经很熟悉存储这个概念了。这里用集合间的“并运算”把存储概念数学化了。

  我们把元素a1、a2、a3、a4、...ai称为“原存储”,把b1、b2、b3、...bj称为存储对象。
  我们把C集称为存储区。

  不过这里的存储操作与计算机的存储操作还是不一样的。这个不同我们从以后的几个定义中可以看出。

2008-9-19 7:34:14
  

     

2008-9-19 8:41:48
   你可以直接把图插到文章里面,方法一样


>ruiaijun在回复:非逻辑可学习系统中写道:
---------------------------

     <IMG src="HTTP://www.swarmage......

2008-9-20 7:26:30
     对不住!是我的图画晚了,发文以后,才想到此处还有图。平时不用图说明习惯了!这里再补充一个存储操作图。


>jake在回复:非逻辑可学习系统中写道:
---------------------------
你可以直接把图插到文章里面,方法一样
2008-9-21 11:53:58
  

  C、标志存储和顺序存储。
  定义十四:标志存储操作。
  若:A={a1、a2、a3、a4、...ai}
    B={b1、b2、b3、...bj}
  且:C是A和B的可增集,Q是施于A、B的存储操作。
  同时:B的元素与D集的元素建立一一对应的映射P。
     D={d1、d2、d3、...dj}
  则Q与P的联合操作叫做标志存储。

  如果令这个联合操作为R,R=QandP(and为逻辑“与”运算符)。
  我们把D集叫做标志存储的检索表。

  可见定义十三中的存储操作,没有为存储对象建立检索表。这就增加了从存储区找到存储对象的困难。

  定义十四:顺序存储操作。
  若存储操作R为一个标志存储。且检索表D为一个部分自然数集。我们称这个存储操作为顺序存储操作。

  可见,顺序存储操作是标志存储操作的一个特例。它的检索表被规定为部分自然数集。这样我们就可以按存储对象与自然数的对应关系,找到存储对象。
  显然,计算机的按地址存储方式,是一种特殊的存储方式,它的存储地址与部分自然数集相当。
  这样我们不仅用数学方式刻画出一般的存储操作,而且也刻画出计算机的存储操作。

2008-9-23 8:19:50
  

  D、小结。
  在这一节中,我们还是采用定义集合间映射的方式,定义操作。
  我们着重定义了存储操作和有检索表的存储操作。用数学方式刻画了“存储”。

  请注意:虽然这里定义的存储操作与计算机的存储很类似,但是,计算机的存储更注重的是对人编程序的存储、对运行中间结果的存储和对资料的存储。
  而我们的存储操作虽然也能够实现计算机的存储,但是我们以后更关注的事,这个存储操作对系统工作过程的各种纪录。
  请记住:我们这里使用“各种纪录”一词,它的意义很重大,只是目前人们还看不出来!

2008-9-25 4:24:03
  

  2、可学习。
  A、对“可学习”的语言说明。

  什么是“可学习”?
  “可学习”是模仿人类和动物的学习建立起的学习模型。由于“学习”一词已经被计算机“机器学习理论”占用,而且其内容与人类(或动物)学习相差甚远,我就改用“可学习”一次来描述“人类和动物的学习”。
  因此,如果有人读了此文,与计算机机器学习理论产生任何联想。后果自负!

  人类和动物的学习,用通俗的说法,就是系统中原来没有的东西,经过与外界的信息交流,后来有了,这个过程就是人类和动物的学习。这也是我所指的“可学习”。
  由这个通俗解释可以看出,这个“可学习”基本与“机器学习”中的“解决问题”“搜索解”毫无关系。“可学习”不过是一个系统添加信息、保存信息的过程。

  B、可学习系统。
  定义十五:接收信息操作。如果一个操作可以建立两集间的映射,而且这两个集分别处于一个系统的内外,那么这个建立映射的操作,就叫做接受信息操作。
  例如有一个系统S,它外部有一个集:A={a1、a2、a3、...ai}
    它内部有另一个集:B={b1、b2、b3、...bj}
  建立A、B间映射的操作就叫做接受信息操作。
  注意:这个定义与前面的定义都不同,它的映射与系统内外有关。通常人们又把接收信息操作叫做输入操作。

  定义十六:可学习系统。如果一个系统同时存在两个操作,其中一个操作时接收信息操作,另一个操作是存储操作。那么这个系统就是一个“可学习系统”。
  可学习系统如图所示(可学习系统图)。

  “可学习系统”也是一个简单系统。它所要完成的工作也很简单:建立外界信息集与内部信息集的映射;把内部信息集存储到存储集中。
  在西方心理学中,总是把学习和记忆放到同一章里来研究,就说明了学习和记忆(记忆最简单的形式是存储)的密切关系。“可学习系统”就是一个仿心理学的数学模型。

2008-9-27 7:11:34
  

  C、可学习系统的非逻辑性。
  定理五:可学习系统非逻辑性。可学习系统是一个非逻辑系统。

  证明:在可学习系统中,只有两个操作:存储操作和接收信息操作。这两个操作都与判断无关,而逻辑是因判断的不同依据而产生的,因此它们也都与逻辑无关。
  证毕。

  可学习系统非逻辑性定理,表明了一个可学习系统,仍然是一个非逻辑系统。
  因此在本文的标题中我才“明目张胆”地写着“非逻辑可学习系统”。

  D、双重选择系统和可学习系统的对比。
  我们对比“非逻辑人工智能”中的“双重选择系统图”和本文的“可学习系统图”可以看出它们有一些共同之处:
  第一、它们都有系统与外界交流的现象。(即都有信息交流平台)
  第二、它们都是具有两个操作的系统。
  第三、它们都在处理一些集合间的元素。
  第四、它们都是非逻辑系统。

  我们还可以看到它们有很多不同之处:
  第一、在双重选择系统工作中外系统也有操作参与。而可学习系统仅仅是内部系统自己操作。
  第二、双重选择操作仅仅是对集内元素进行处理,而可学习系统学习后会改变存储集的结构(扩大集内的元素数量)。

2008-9-28 7:19:15
  

  E、可学习系统的存储与计算机存储的区别。
  人们会感到奇怪:可学习系统不过就是一个能够存储的系统,为什么不叫做存储系统,而叫它为“可学习系统”呢?

  因此我还要强调的说明一下,可学习系统的存储与计算机的存储的区别。
  计算机本身就是一个大的存储器,它必须保存“程序、程序数据、程序运行的中间结果和最后结果”才能够工作。
  但是对于计算机来说,它最不需要保存的就是程序运行的各种经历。
  这是因为,设计计算机时,人们把它设计为一种工具,人们需要的是这个工具工作的结果。保存“程序、程序数据、程序运行的中间结果和最后结果”,是计算机作为工具所必需的。但是保存它的各种经历,把它的经历做成各种纪录,则对于一个工具来说,没有必要。
  现在,很多计算机软件、操作系统,也有一些记录经历的设置,但是其目的还是把计算机作为工具。这些设置是为了让使用者查询计算机干过些什么,而不是为了让计算机从自己的经历中获得什么?

  但是“可学习系统”的存储就不同了。它的“存储操作”重点是使系统获得对自己各种经历的纪录。“可学习系统”的“学习”就是对经历的学习和记录。而不是像“机器学习理论”那样,是一种为了解决问题的学习。
  从本质上讲,我没有把“可学习系统”看成是一种工具。而看成是一个有自己经历的活体。对于这个活体来说,自身经历是它不可缺少的一部分。
  而这个系统本身,也就会从对自身经历的各种记录中获得活力,获得发展。
  可以说,一个系统对自身经历的纪录,是它的一个灵魂。

  这就意味着:计算机的存储内容,与可学习系统的存储内容是很不相同的。可学习系统着重于对经历、过程、新信息的存储。计算机着重于对人编程序、人给予设备的数据和资料的存储。

  在我发表的模拟意识程序后,有些网友嘲笑我说,那里不过是一些对活动的存储。
  不错,计算机模拟意识的关键,就是要使计算机系统对自己的经历,做以前人们没有让它做过的纪录,而就是这个纪录,就会使这个计算机系统获得灵魂,获得活力。

  因此我对“可学习系统”的定义,并没有赋予它更多的功能。它仅仅是一个具有存储操作的系统。但是它的存储操作又是一个与计算机存储不同的存储,它是对自己经历作各种纪录的存储。这种学习是一种能够使系统婚的灵魂、获得活力的学习。

  F、小结。
  本节里,我们建立了可学习系统。此处我们还不能看出它对我们讨论的主要问题——压缩被选集里的元素数量有什么贡献。这需要在以后的讨论中渐渐的显示出它的意义来。
  但是我们应该能够看到可学习系统功能上的最大变化:它可以保存学习中的变化,这是双重选择系统没有的。

  人们更应重视的是:
  可学习系统与机器学习理论的根本区别是什么?
  可学习系统的存储与计算机存储的根本区别是什么?
  为什么说“对自身经历的各种纪录是系统活力、灵魂的来源”?

登录后才可以评论,马上登录