Understand

一心不能二用

概念:
1. 指understand里的注意力mainUnderstand方法;同时只能运行一条任务;

***

懒理解

什么时候理解
- MIND发任务
理解什么方面
- 理解需求指向的
理解成什么
- 日志

当前不开发

浅思考(被动)

意义:节省精力,性能优化,避免渣乱的input影响到mind的干净;
功能:
- 对所见物作识别
- 只有识别到需要注意力的东西;才会调用交给Mind;调用注意力;(Mind有a(权重,时间区间)值,保证这种调用不会太频繁)
特点:
- 不一定调用注意力;
执行:
- 唯一性判断(如果大脑正在思考别的事;将不作判断 & 并中断执行下去)
- mind喜好
- 习惯读取;经验读取;(执行;吃饭,走路等任务)

深思考(主动)

意义:保证安全;在未经思考的情况下及时对环境作出最快反应;
功能:
- 对所见物作识别
- 分析并向Mind申请注意力;(假如同时有两个申请,Mind决定选哪个)
特点:
- 无意外;一定会调用到注意力;
执行:
- 唯一性判断
- 习惯读取;经验读取;(执行;吃饭,走路等任务)
- Decision
- 存储(第1维B)
- 等;...这里还有待思考;肯定有一条简单的说法;简单的区别;

抽象粒度

不同粒度的抽象让思维不再迷失于繁杂的细节;
抽象索引
- 概述:
  - 围绕目的(具体)进行查找
  - 抽象层级作为"抽象索引"来通过"类比方式"查找;
    - 解释:(由A类比找相似的B时;抽象不同粒度来找到最相似的B;)
- 分类:
  - 单一抽象:(单功能interface)
  - 组合抽象:(用AIPointer把Single关联起来)
- 例如:找面的时用面类比找苹果
  - 找面
  - 抽象找饭
  - 抽象找食物
  - 找到苹果;

注:人类天生有很强大的抽象能力,它运行在先天层;

意义:抽象让人类感受到了神明的信仰;让人类感受了重未真正感觉到的东西;AI也可以以此感受到食物;从无数的信息流中...抽象出公认的真理;尽管是假的,但却感受那么真实;

以现实为依据抽象，以抽象为依据类比。

只有mind->注意力->decision->understand的才会存储;

注意力;不是眼睛看向什么;而是mind下令思考了什么;

感受上的变化;(mind值变)是要存记忆和logic等表的;

Old;(第二版架构时)

//此处应该收集所有有关物;并理解词的意思;理解是和mind互动的过程;需要经过多次交互;
//两年后加上预测未来的功能;(并以此吸引注意力)_17.06.17
//两年后加上无聊感功能;(并以此吸引注意力)_17.06.17

/**
 *  MARK:--------------------无注意力的--------------------
 *  1,存回放池;
 *  2,转Feel;(取属性,取Obj等但不存储;)
 *  3,唯一性判断(如果大脑正在思考别的事;将不作判断 & 并中断执行下去)//此方法部分
 *  4,由Mind判断要不要去理解;(由mind执行)
 *  5,无注意力时,是不记忆只strong++的;(由mind决定)
 */




/**
 *  MARK:--------------------min想--------------------
 *  冥想是逻辑整理的关键;(人工智能在闲暇时间,冥想;可以整理逻辑,甚至假设逻辑,然后在现实中验证假设)
 */

-(void) commitInDream:(id)data{
    NSLog(@"梦境整理分析");
}

***

OldOld;(第一版架构时)

/**
 *  MARK:--------------------理解系统--------------------
 *  理解系统理解的是与世界的交互;(包括文字,情感,图像,声音等)
 *
 *  A:行为与文字的映射;
 *  注:找到同时发生的规律,将其关联;
 *      1,text
 *          1.1,把输入语言和MemStore比较 找到分词 交给MK.words
 *          1.2,把输入分词和MemStore中Do比较 分析分词的意思 交给MK.words.do;
 *      2,image
 *          ...类似text的理解方式;只是处理对象不是word而是感觉码;
 *      3,audio
 *          ...类似text的理解方式;
 *  B:行为与图形的映射;
 *  C:行为与听到的声音的映射;
 *
 *
 *  D:逻辑因果关系;
 *  注:找出逻辑关系的规律,将其记录;
 *
 */





/**
 *  MARK:--------------------Feel交由Understand处理理解并存MK,Mem,Logic--------------------
 *  1,整理感觉系统传过来的数据;(属性,图像等)
 *  2,找出共同点与逻辑;
 *  3,更新记忆,MK;及逻辑推理记忆;(此方法不更,以后用到那条记忆时,再update)
 *  4,根据Mind来调用OUTPUT;(表达语言,表达表情,下一次注意力采集信息)(这种采集分析采集分析的递归过程,发现和DeepMind/DNC里的架构很像)
 *
 *  1,存MK(存MK,并生成mkId)
 *      1.1,找到MK则存;找不到不存;
 *      1.2,针对doModel:fromMKId和toMKId存MK_ImgStore DoType存到MK_AudioStore;
 *  2,存Logic(根据mkId更深了解逻辑,存Logic并生成LogicId)
 *      2.1,分析出逻辑则存,分析不到不存;
 *      2.2,找出逻辑规律(语言规律,行为规律,语言中字词和行为的对称关系)
 *      2.3,例如:多次出现行为:'我' 吃 '瓜'  对应  textModel:我吃瓜
 *  3,存Mem(并使用MKId和LogicId占位符)
 *
 *
 *  工作流程:
 *      1,根据多次出现找分词;(sumNone>=10||sumOne>=6||sumTwo>=3)
 *      2,分词已知时,与实物或行为对应;(记忆中实物行为和<3,未理解的分词数量与实物行为和差值<2)
 *
 */

//7,Logic逻辑;(MK<->因果)
//a,归纳
//苹果类;及属性特征
//b,类比
//总结规律
//c,纠错机制
//知识进化
//遗忘及记忆加强机制(熟能生巧)
//信息来源(兼听则明)
//穷举共存(全部结果,共存共生)

***

Awareness->Demand->ThinkTask任务

介绍:
- 概念:
  - AIMindValue引起的思考与行为;
  - 拆分任务,引起的思考与行为;(例如:取筷子吃饭)(mindValue多态继承自父体)
- 特性:
  - 持久性(存在AIMindValue表中)
  - 灵活性(其逻辑是灵活的)
- 阶段:
  - 建立
    - MindValue对比(感性决定)
    - 理性思考(理性决定)
  - 伪放弃(长期未实现后焦躁打断)
  - 打断(由更重要的任务打断)
  - 失效
  - 完成(逻辑完成)
- 分类:
  - 精神需求(AIMindValue)
  - 物质需求/逻辑需求(xxx)
    - 物质需求可以转化为精神需求
    - 逻辑需求(可拆分需求)与其源是有关联的;
- 机制:
  - 主线程同时只思考执行同一任务;(一心不得二用)
  - Awareness的run时机;(9短1长)
  - Awareness的run是异步IO的;
- 主从机制:
  - 先用MindValueModel.value排序;(避免为了芝麻错过西瓜的情况)
  - 依次x权重,并凭感性和经验决定MainDemand的生成;
  - MainDemand生成后,有0.5s待定时间,如果这段时间后,还没有与之相似重要性的Demand生成;则将MainDemand提交到Think;
  - 此时Awareness在后台仍以弱优先级运行;(如果发现更重要的demand;会push出来)
  - Think2选1;(权重(专注力,注意力,思考)等)
    - 博弈:
      1. curDemand依专注度x权重(意识流密度和数量,相关的mindValue)
      2. 四舍五入
      3. 对比
        
        一致时:
        
        //由Think决定:
        
        //a.再次搜索权重;
        
        //a.1;找不到时,思考解决方法;
        
        //a.2;更多线索;
        
        //a.3;随机挑一个;
- ThinkDemand失效:
  - 将value清0(好了伤疤忘了疼);(当前的状态感受是最直接的,过去只是记忆)
  - //失效验证1,取当前状态等相关数据,进行分析;
    - 代码;Line69
  - //失效验证2,取AILine关联数据
    - //必须先有解,才会有网络,才能分析认定这样的验证;(参考:AI/框架/Understand/ThinkDemand的解)
    - //2.1,根据AILine查找数据;
    - //2.2,带有目的性,只要找到已解的"意识流"数据;则中止;并返回false;
- 意识流的MindValueModel失效:
  - 昨天饿的记忆,早就吃过了;该失效;
    - 方案1:取当前状态;对比;
    - 方案2:完成时,写数据标注完成;(不需要标记,既然意识流想这个任务完成了,也不会标记)
    - 方案3:用AILine标记关联;并实时分析;(参考:展开问题)
    - 取方案1和3的合作;
- 职责:
  - 收集demand;交给Think发起decision等后续动作;
  - 只负责搜索,联想,博弈出task,最后输出给Think;
- Awareness->Demand博弈:("因为重要,所以选定")
  - 先判断mindValue.value
  - 再联想其权重(联想过程很主观,与"mind偏好"与"mind权重表"有很大影响;
  - "logThink"知道自己联想了什么,并且记录;
- 输出:
  - 博弈后,输出task;
  - Think会分析任务可行性;
- 原则:
  - 只通过"主观意识的变化"和"意识流"的变化来动态分析Task的有效性;而不是代码;
- 行为的反思:
  - 失效(哭的输出,也要每次读MoodModel的时候;读引起其的原因数据,数据失效时,则终止输出哭;)
- 注:
  - "权重"
    - 联想收集权重(联想过程很主观,与"mindValue权重表的"mind偏好"和"mind权重表"有很大影响;)
    - mindValue.value绝对值越大,则权重影响越大(马太效应)
扩展思考:
- 习惯驱动的行为;
  - 其运行步骤
  - 原理
  - 作用
- 富兰克林法:
  - 我们大脑如何实现创造并实现这样的方式来决策问题的;
  - 答:1,意识流同时处理数据很小;而纸上图的方式辅助了思维专注到比较上来;
  - 答:2,让感性回归理性;(假如我即喜苹果,又喜桃,任何一个都舍不得)
- "意识流淹没"或"思维冲突";
  - 注:淹没指:(忙起来忘了计划;)
  - 注:冲突指两个计划占用同一时间;
- 对任务的计划规划能力;
  - 如:
    - 计划:(正午不去地,往西再上地)(未来计划)
    - 规划;(开车去某地;提前想了路线关键点;)(拆分任务)

MainThread

• Brain分析 - 智能分配cpu - 有些事不耗精力,有些全神贯注; • he4o分析 - 智能分配cpu - 硬件不好实现,可用代码控制模拟; - 1,在计算某数据任务的时候;智能记录当前cpu占用率; - 2,今后进行某运算时,智能调节任务量 & 运算时机;(实现智能计算分配,智力不同但不卡顿)

ThinkDemand的解

AILine:
- 是否需要AILine关联;
分析:
- 问题描述的是实际;
- 解是用常识抽象来对称实际;
例子:
- 如:什么是红色?
- 解:五星红旗;
  1. 理解红色;是描述视觉表面算法的值;
  2. 想像力
    - 因为固体外形不固定;联想功能未实现;
  3. 搜索
    - 从Obj表搜索;(LogThink只记忆return value;)
  4. 视觉查找
    - 时机:当大脑搜索超过3秒时,扩展plan B视觉查找;(Demand伪放弃)
- 如:感觉热
- 解:吹风时凉快;打开电扇;解决问题;
  - 理解

Provide feedback

Saved searches

Use saved searches to filter your results more quickly

Understand.md

Understand.md

Understand

一心不能二用

懒理解

浅思考(被动)

深思考(主动)

抽象粒度

Old;(第二版架构时)

OldOld;(第一版架构时)

Awareness->Demand->ThinkTask任务

介绍:

MainThread

ThinkDemand的解

Files

Understand.md

Latest commit

History

Understand.md

File metadata and controls

Understand

一心不能二用

懒理解

浅思考(被动)

深思考(主动)

抽象粒度

Old;(第二版架构时)

OldOld;(第一版架构时)

Awareness->Demand->ThinkTask任务

介绍:

MainThread

ThinkDemand的解