回复人：llm9178 回复时间：2003-9-14 18:39:00
如何讨论？能否将你的想法发送到：llm9178@163.com ，我们交流交流。
我所指的AI其实应该不包括现在的各种计算机系统。我认为既然讲智能，那他就应该有人类的一些思维方式。
我想，先看一看我们人类，讨论一下人类的行为方式。也就是人工智能应该基于以下几个原则产生：
首先，必须对环境有所反应，至少有人类所具有的传感器，电磁波、空气震动与压力或压力、引力或加速度、温度、化学物质（对于人工智能还应该有电压、电流）等。以及自身变化传感器：创伤、位置，姿态变化，能量状态等。
其次，其实人类的许多特征都是在以下几条原则上产生的（我们在人工智能上预置的几条程序原则）：为了存活需要运动，运动使其能够逃避危险、寻找能量，存活的目的是为了繁衍。（虽然繁衍是最终目的，但存活是关键，所以存活显得至关重要，运动是先天的赐予，是人工智能必不可少的硬件条件。也就是说对于人工智能所要保持的规则是如果判断生存受到威胁首先要逃避危险或采取措施然后才考虑摄取能量，但由于能量低到可威胁生存，那么首先考虑能量的摄取。）
人工智能的处理系统：
信源刺激达到一定强度进行存储，数据库数据检索次数少于一定强度删除；
信息取整存储（抽象出界限）；
对于刺激检索已有高强度局部信息，刺激达到一定轻度并不具有相似性则存储；
......
处理结果反应在外部运动（或攻击）及内部机能调整上面。对于人工智能则体现在声音（空气震动）、数据接口，携带设备（武器、工具、击打）。
我先假设一些信源传感端口，比如声音、电磁波等，在每个端口有一个模拟大脑的预处理程序分别对不同信源采样、预处理后交给中心处理程序安排存储。中心处理程序遵循高强度局部（一小块活动存储区，检索强度达到一定程度的数据都被移到这个区域，检索小于一定强度将被移出到备用的大范围的存储区，如果检索次数再小于一个强度将被删除）检索数据原则进行先检索（检索程序有栈结构，以便测试检索强度），并将符合强度数据进行存储（预处理程序有一个栈类型的存储缓冲区，向下移动，过界后自然溢出。）
存储采取分组（对来自同一端口的信源刺激）取整（强度越高越接近真实数据）方式。遵循一定的简化规则（模糊）。
......
我们可以先考虑人对桌子的认识，首先来自视觉，取整原则让我们认识到方形而忽略具体的坐标，当我们第一次见到桌子时如果我们见到过木头，而这个桌子又是木头的，那么我们认为桌子与木头有关，具体什么木头我们并不关心，如果我们只考虑方形就可以成为桌子，那么其他属性的物质也可以和桌子建立联系，如果你见到过有人使用过桌子，你将知道他与某些功能有关。桌子应该有一个标号，这就需要我们将文字与之建立联系，文字自然与声音联系到一起，对于桌子的颜色，我们并不十分确切，其实人类对颜色的认识相当模糊，这也许与视网膜的结构有关，人们对明度很敏感，也就是颜色的界限敏感。比如红色，人们不可能在记忆中分辨出所有色阶，会忽略大多数环节，只知道大概的红色，只有在见到时才进行深度分辨。声音也是一样，嘈杂的声音并没让我们记住什么。其实所有一切都只是各存储单元之间的联系，刺激达到一定强度后存储单元可在联系前建立，然后再建立联系，这种联系可能无限度的增长（联系不是一开始就有的，联系也存在刺激与检索强度）！对于人脑基于一个存储细胞可能有很多树突，如果加上中间节点数突可能会更多，所以基于目前计算机的线性存储方式几乎是不可能的。所以需要新型的计算机结构，需要立体的空间存储结构，需要两个存储单元实现空间的可编程的动态联系（也许是基于硬件的）。如果基于目前计算机实现，我们需要在某一数据存储单元预留多个动态指针！
注意力的形成原则......
以上我所叙述的就是我认为智能的学习过程,也是智能的产生过程。
接下来就是反应机制，也就是刺激——传导（搜索合理传导途径，这种途径可能是不存在的，也可能是错误的，也许一切就只是途径所决定的）反应，传导之后一种必然的反应，刺激与反应应该是固化的、必然的、天生的、硬件支持的、详细的系统。而传到途径是动态的、可变的、随机的、受刺激与反应强度控制的系统。我想，这就是智能！现在系统之所以成为不了智能系统，我想是因为他着眼于运算，太复杂；自然界中只有选择机制（简单的选择机制），选择实现了智能化，通过选择实现运算。所以如果把运算作为主体，永远就只是线性的，尽管运算能力很高，但运算能力被固定了，如果计算机是选择型的，尽管预算速度慢，但他是智能的。
现在少的是如何在信息库与结果之间建立结点，就是传导之后如何接续反应，反应强度的反馈机制等问题的解决；我想，反应的输出应该是声音，画面，运动等，但对于人只是肌体运动（包括声音）！
我想，刺激在脑细胞的传导应该是时间竞争（我好像看到有关的报道），当一个脑细胞发出刺激信号，会有多个细胞接到信号，然后采用一种爆炸效果继续传导，最后最有效的、最短时间传导效果器的信号得到反应！如果出现断路信号将不下去，也即终止，如何回溯，我没考虑过。这种现象对于生物界的神经基础会很有效，因为它的通路是立体的，一个刺激可以引发诸多的并行速度相同的刺激，最后竞争到效果器，各通路互不影响，如果传导到某个相同细胞，刺激得到加强，强度高的信号对效果器的影响更加强烈！但是对于线性的系统（目前的大多数计算系统）模拟这种反应只能采用分时运行，如果传导链路非常多，将大大降低系统运行速度。即使是并行的系统，各并行链路也不能像神经网络这样有效。现行的并行系统涉及到东西复杂，一般基于处理器竞争等、或共享内存等方式实现的，并行的概念与侧重点不同，所以更不适合模拟神经网络。并且链路是动态的，多维的（保证速度），是经过系统“学习”形成的，现在的芯片技术是否能够实现，我也怀疑！
每个存储单元没有特异性，但一定是独立的，单元只存放下一级的无数个指针，单元没有任何标号（但有唯一的地址），只能从联系上才才看出它代表什么。比如视觉处理器（必须经过预先处理，提高反应速度，弱化、忽视部分内容）将一个刺激达到一定强度的信号联系到一个单元（假定是桌子）与桌子联系的有代表木头、铁、学习、方形等单元，与木头联系的有树、敲击声、抬、硬，与声音相连的有能够控制声音系统发出“当当声”多个声带运动控制单元，与抬相联系的是控制身体运动的多个单元，与硬相联系的是逃离、躲避、石头、砸、钜等...,各单元是可变的、可分割的，会随着学习程度的加深，不断分割成更为基础的单元，链路是多样的、甚至可重复的。
以上内容，属个人臆想，参考内容不多，只凭记忆。所以错误难免，仅供各位同仁研究参考之用，望提出宝贵意见，以便本人有所提高。
哇￣￣￣￣￣，五体投地。麻鹊虽小五脏俱全。看你的用词，一定是专业的。其实我也有过这种想法。而且和你的极为想像。所不同的是我是一个技校毕业的编程菜鸟现在在学＜＜ＷＩＮＤＯＷＳ程序设计＞＞，我的想法没有你那么专业，也没有你想的那么周全什至是不可能的，可能会让人笑话。
具体是这样的：
正如你所说的，人类或者一个生物都是通过对接收外部环境的各种信息作出判断和行动，以达到生存和繁延的目的。那么我们也可以仿照人类或人类大脑的结构和思维方式建造ＡＩ。但是我还是电脑高手，也不是生物专家，我不知道要怎样编写这个ＡＩ程序。于是我又将这个想法升级（或者是降级）到另一个层面。我们都知道人类是从低级动物进化而来的。而对于电脑来说一切都只是电信号而已，又或者说是软件模拟的信号。那么我们为什么不可以用软件模拟一个类似于我们生活的环境，然后编写一个能够自我不断进化的以生存为目的的“ＡＩ”程序让它在这个模拟出来的环境中进化。这样我们只要通过改变环境，和“ＡＩ”的目的就能进化出我们想要工“人工智能”。
以上是我的一点异想天开的想法，如果你想笑的话请小声 一点，给我留点自尊。谢谢！！！
也许大家没看明白我的思路，我可以将以上想法画一个图加以说明，我会适时把以前内容以及我的一些新想法进行整理重新写在上面。
楼上的这位朋友想法很好，我也许会受到一些启发。但你的程序我想只是一个游戏，并不是真正的AI，因为你的第一个程序是以第二个程序为基础的，第二个程序的改变是你操作的。但你的最后一句话确很有意义！对我启发很大，我想想后再和你讨论。
另外，关于生物进化是一套很复杂的自然过程，目前我们只是推测，包括现在的科学结论。所以实现起来很困难。但是，程序的实现规则却很简单，简单一点说，就是只有如果、那么这种判断结构。比如，如果天冷，那么毛就要长一点；如果没有光线，那么就不需要眼睛。我所说的复杂是：如果天冷，我们也可以加衣服，也可以点篝火等等，需要把所有可能的情况都写进去，规模宏大！程序实现:定义数值代表以上情况，进行判断采取措施。而环境模拟程序有我们提供数值。为什么说你给我启发，是因为，你的第一个程序也是进行选择判断过程，这是我所说的人工智能的一部分。但你忽略了人工智能的显著特征：学习！学习是很重要的。对于生物，先天的物质基础，并不会对自然进行改造气多大作用，是后天的学习起了很大的作用。我认可你说的自然的变化促进了生物的进化的说法。所以谢谢你的支持！
楼主你好：
我也认同你的看法ＩＡ应该有学习能力，但是当世界上第一个生物细胞出现的时候应该也不会有学习能力吧？而且我所说的ＡＩ程序并不是由我来改变，而是由我们把它设计成，为了适应环境而拥有能够自行改变自身代码能力的程序。至于它能不能进化出学习能力就天知道了。我的想法很嫩，仅供参考。
我想我们所说的东西有一些应该是相同的，只是描述方法有所区别，但是，你所说的适应环境其实就是学习的一种方式，学习才会改变，现在的许多程序之所以谈不上人工智能，就是因为它没有很好适应能力，也就是改变自身结构的能力。不过我想，让它进化也许是个好主意，管它进化出什么，但如何进化，如果加入我们的参与就不叫进化，如果遵循一定原则进化就不叫人工智能，如果在设计时就赋予它全部规则与知识，充其量是个人造程序。另外，你不能说细胞不会学习，我想你知道生物界是进化的，进化的根本是基因，基因本身就是学习能力的根本所在，所以我们才有智能的这种天赋，你不会让一块铁去理解什么叫马克思主义，因为它没有基因。SARS就是很好的例子，病毒是最简单的我们所谓的生命体，它不断进化（进化其实就是学习的目的，学习的过程交织着选择；层次应该是这样：刺激，选择，学习，进化/升级）生生不息。我对病毒说了很多，你可以看我发的另外一个帖子。我很相信达尔文。他引导我想象进化历程：自然界有史以来就有很多积木，自然力把它们摆成不同的样式，被风吹倒的有一些不复存在了，由一些剩了一点点，还有一些留下了大部分，自然力在此基础上又继续摆了很多种模式，吹倒，再摆，生生不息，周而复始。
我一直考虑几个假设的模型（仅供参考，不具有任何权威性）：先假设一种基于计算机的模型，并且我们只考虑效果器部分，只考虑信号所引起的效果，而不考虑信号的来源。效果器是机器人（人工智能）产生运动的机构，我们还是模仿人，人大约有600多块肌肉，但对于人工智能则不需要那么多，如果真的需要我们可以增加；我们考虑运动机构，主要的构件是液压的活塞机构（美国大片流行的机器人想法），这种活塞机构如果产生人体主要的动作大约需要100多个，我认为足够用了。比如对于踝关节，需要四个就能模拟脚部的基本动作；机器人的脚，不需要多个脚趾，我们就只用一个活塞机构；脚上的足弓设置一个活塞机构，膝关节只设一个、髋关节4个；所以两条腿共有大约20个这样的机构；脊椎部分将腰椎、胸椎、颈椎连接处各设四个机构，手上可能要多一些。每个机构由一个单独的控制器，控制器内部有一个8位的寄存器（锁存器，信号通过总线传来后保持不变），总线16位，其中8位机构的ID号（256个机构），8位为执行动作的强度(256种），信号通过广播形式在总线上出现，所有的机构都进行检测，将于本机构ID号相同的后八位进行锁存，译码后产生执行动作。
广播方式有利于执行速度的提高，总线宽度16位，8位地址，8位数据，模型很简单。数据锁存后，执行机构始终保持这种状态，直到又检测到新的相同ID的新数据，所以每个执行机构也应该具有一定的智能程度，这种方法很容易实现，数据部分指示活塞的伸缩幅度
，所有机构具采用均匀分布的256级，应该是很够用了。可能对于运动幅度大的机构样本分布比较稀疏，连续性差，也许会想到分布采用指数、对数形式更为合理，但根据人体的运动原理，这样应该是最合理的（我想）。
现在我们回溯道上一级信号的产生问题：我们还是假设信号是由感受器发来的，什么信号我们还是先不管它，这个信号接到一组所谓的动作库上...(以后再说）
按现行的计算机系统，动作库只能这样实现，一系列存在内存的编码顺序的出现在总线上构成连续的动作，如果智能一点，加入动作学习部分，那就是动作库开始什么也没有，来自上端的编码是随机的，当试验出合理动作后（动作反馈），同时动作又具有经常性时便在动作库存储（有关动作库的分布、结构状况我以后再说；反馈就是所有的感受器信号都在合理范围内)。
但是如果是生物模型，实现就容易多了。我曾经看过朋友的孩子的动作，他的孩子只有十几个月，孩子模仿大人的动作，将一个盖子翻来覆去的盖在可乐纸杯上，并反复敲打，我从中得到启发：开始时小脑的细胞并不发达，但我相信在脊髓里有一些上来就建立好的细胞联系，比如植物性神经，它们控制着心跳、以及一些基本的反射，如果没有这些我们就会死掉，现在我来说我想象中的小脑，但感受信号开始传来时，应该是个断路，信号传不下去，但至少到达了一个细胞，这个细胞受到刺激后会产生一个或者多个树突，树突伸向下一个细胞（树突肯定能够连接到下一个细胞），这个细胞有可能连接着一个通向肌肉的神经，这样就产生了控制肌肉的电脉冲信号，如果没有连接到控制肌肉的神经，它还会下下一级连接，直到连接到神经，它可能连接了很多细胞，有的细胞连接着肌肉神经，有的则是中间级。这样产生的结果就构成了一个很有效的动作，多个这样的结构就组成了动作库，这种机制一定伴随着两种现象：一是连接的中间细胞多，由于信号的随着级数的增加而加强，动作就会跟着加强；另一种是产生了无效的动作，这是细胞之间的联系就会中断。这种机制灵活可行。结果是上一级感受器只需要传来一个简单的信号，就已经产生了智能效果。这种模型的基础是：随机性很强；细胞试着连接所有能够连接的其他细胞；信号传输如同原子弹的链式反应；错误的修正是因为通过该链路的信号少于一定次数（联系物理性断开，就像我们不走路腿上的肌肉就会萎缩一样）。
我认为一个生命体存在的前提是物质的,而且必须在物质存在的基础上的,所以,事实上我们所做的第一步应该是建立一个物质的反射,行成单细胞的存在机制,多个单细胞体通过预定义的宏规则,选择存在能力高的个体,进行自身的复制强化(这种强化应当是多方向的).然后,进行第二轮的复制强化,这时就需要有病毒的加入,修改宏规则,一段时间之后,存在的个体,再进行复制强化.这样周而复始,人的工做就是增加新的硬件(各个终端感应器及执行机构).----------------这是一种在现有计算机软硬件基础上的一个构想.
"通过人为地设计创造一个最终能摆脱我们的设计而自己控制自己行为的机器"这是人造智能的前提和目的,我们制造的应该是一个生命体.这是真正的智能.
既然我们要制造的是一个独立的智能体(硅基),那么我们就不能用人(碳基)的方式来运行,人和智能体之间没有必要在初级阶段就能够互相通信,就象东方人和西方人之间一样,所以用来实现模拟智能的东西,和真实智能的系统应当是绝对不同的,所以,第一步应当是创造硅基的"单细胞".
可以采用多cpu同步执行,任意cpu只运行单一程序,不存在调用.先扫描端口,处理信息后,传送到下一级cpu,可以不应用现存的数据总线系统.
机器人
还是采用神经网络系统。
采用冯。诺伊曼系统，就要用到模糊数学。运算量好大呀！！！！！！！！！！
楼主可以写本书了！
我还是把这个网页当下来慢慢看。
人的视觉很特殊，如果用数以亿计的晶体去模拟视网膜的神经很难实现，但我觉得人并没有花很大力气去处理数以亿计的视神经冲动。人只用心处理焦点以内的东西，其余的东西会以多种办法忽略掉。
说点题外话：我觉得自然是智能的基础，我们觉察到的自然物质都是些无生命的东西，他们以隐含的智能方式存在，也许是我们无法用我们的手段感知她的智能，如果没有这些物质的智能基础就没有我们的智能。这些物质以智能的规律进行化合或组合才形成了智能的我们。好多人在寻求物质的统一理论，但这种统一理论是我们无法感知的。
拥有智能的粒子，才有我们的智能，粒子的智能方式是我们无法感知到的，它们的组合规律是智能的，没有这些就没有我们的高级思维。没有这些规律，就孕育不出今天我们的高级思维。但这种思维的物质组成又是极其简单的。我们可以抽象出一种极为简单的数学模式，然后用这种数学模式的推演构成一种极为复杂的智能方式。以模拟人类的思维。它们的组合方式就是我们物质世界的规律。
