• AMI[人工智能引擎]全面理论介绍
  • 2013/01/02 09:17
  • 我们的突破点源于一个假设,一切智能系统的体现,源于一种统一的规则:

    根据环境做出选择。

    这里所指的环境,从内容上可以分为三类:外界的、自身的(运用反射算法实现)、关系上的(互相连接用途)

    从时间上,也可以分为三类:过去环境(记忆部分)、当前环境、未来环境(预测部分),其中记忆属于塑造初始环境的关键部分

    以前大多数人谈到人工智能,首先想到的都是自我意识没错吧。

    事实上,既然确定了记忆也是环境的一部分,也就可以确定记忆其实是自我意识的源头。

    没有完善的记忆体系和有效利用记忆的机制,也就不可能产生自我意识。

    Ep1:两三岁的幼儿,在连自己名字也记不清的情况下,所表达出的“自我意识”不过是自己对一些事物所发展出的占有欲而已,但我们依然不能否认婴幼儿是有智能的。

    总的结果是,自我意识的体现是根据自己对环境的理解做出自己的选择,使外界感知到逻辑系统的存在。

    而“学习”与记忆活用机制也是密不可分的,学习的实质是是根据外界环境信息(比如说在用户或者网络的帮助下)对未知环境作出新的选择并保存到记忆中。

    所以为了精确处理外部环境,没有句义解析是绝对不行的,这也正是强人工智能与弱人工智能之间的区别。

    处理外界信息的步骤?

    首先要读取记忆,分析之前的环境数据中,着重运用其中关于自身记忆的部分,塑造一个基本的系统内部环境。
    进一步分析系统目前所处的语言交流环境,并初步改写环境数据。
    分析用户和系统自身传递给系统的信息中所携带的环境关键要素,根据结果继续改写环境数据。

    从解析的时间上来分类,解析交流环境的规则有以下三种可供选择:

    ① .一直持续在交流的同时解析外界环境

    ② .每隔一段时间解析一次环境

    ③ .受到特定词汇触发之后就解析一次环境

    系统应该具有这运用三种解析规则的能力并允许混搭使用。

    我们主要考虑分析的环境类型(除去用户所说的话):

    ①分析自身状态,包括:

    ⑴已处理对象数

    ⑵正在处理的对象数

    ⑶单个对象已完成行动数——完成程度——完成行动数——总完成行动难度

    ⑷正在执行的行动难度(状态指数)

    ⑸等待执行的行动的难度——等待行动的个数

    ⑹自身的情绪指数(状态指数)

    ⑺与处理对象的关系——对处理关系的好感度——特殊属性(偏好)

    ⑻与涉及对象的位从关系——对涉及对象的好感度——对象特殊属性(偏好)

    ⑼对各类对象的了解程度

    ②分析外界环境,包括:

    ⑴所处时间点/时间段

    ⑵交流对象所在地理位置

    ⑶当地气候状况(具体参考天气预报的那些项目)

    ⑷当地所处节日时令及其对应习俗

    ⑸当地乡土风俗——禁忌与特许行动

    ⑹程序自身对环境的了解程度

    ⑺对象对环境的了解程度

    ⑻对象对程序的认知程度

    ⑼对象(用户)对程序的好感/敌对表现

    ⑽对象之间的了解程度序列

    ⑾对象之间的相互看法——好感度

    ⑿对象之间的身份位置关系

    ⒀各种对象的偏好表现程度

    ⒁各种对象的状态指数(情绪)

    ⒂交流对象对程序的整体评价水平

    ⒃其他外界环境的特殊属性

    在⑵的地理位置分析中,如果对象表述了其将要前往的位置或程序决定了其将要前往的位置,则使用目的地替代本地做一次进一步分析。

    解决了解析的难题之后,接下来说到主控核心了,首先要讨论的一个关键点是等待机制:

    多数情况下我们都会出现一段信息无法把整个事件完全描述的情况(比如一句话交代不清楚一个事情),话说到半截就走了绝对会给系统造成极大的困扰,所以我们必须让系统识别出来这种状况并继续等待完整的信息再开始解析,于是就有了等待机制。

    等待机制整体分为等待解析和等待行动,我们提出以下四种识别方案(当然可以多选):

    利用是否能解析出完整的释义作出判断(遇到描述同一件事使用了多个完整句的家伙,就没辙了)
    利用系统中“正在输入”这一类的提示信息来进行判断
    对于已经熟悉存有印象的对话对象,根据所记录的其对话习惯来判断(这对印象设置提出了更高的要求,依然有难度)
    根据用户句子里所涉及的关键对象和数据库里的同一对象的要素进行对比,以提及要素的完整程度作出判断(依然对印象提出很高要求,但这样绝对很精确~)

    主控区剩下的基本行动只剩下八种,这就是编制基本行动代码的可用资源了:

    R.读取 B.输出/显示

    W.改写 K.询问

    S.录入 F.执行

    M.配对 T.判断

    数据库基本元素还剩下五种:

    N.事件及物体

    V.动作

    D.概念及描述词汇

    C.排列组合

    E.环境内容

    采用类似于基因上的脱氧核糖核酸长链AUCG组合的方法来表示基本词汇

    再用已经被表示过了的基本词汇来解释更复杂的词汇

    因此以上八个动作也都要用这五个字母解释出来~

    说道主控核心的改写记忆及印象功能,就要谈到记忆核心了:

    记忆核心主要负责根据等待机制的指令队列等待输出的信息和保存所有环境信息。

    也就是在内容上分为三类的:

    外界环境:即对目前交流用户的印象和对目前交流环境的解析数据
    自身环境:自己对自己的记忆以及自己目前的感情状态
    环境关系:自身环境和外界环境的关系,也就是系统自己和交流对象的关系、系统自己和交流环境的关系、交流对象和涉及关键对象的关系以及系统自己和涉及关键对象的关系,所有关系都要从印象中取数据

    在这里主控核心也就是根据分析用户和系统自身传递给系统的信息中所携带的环境关键要素得出的结果改写环境数据。

    而关于主控核心调控基本状态的功能,就牵扯到16个用于组成系统感受的基本状态元素,和从这16个基本元素转化而来的用于组成印象评价的12个基本印象元素:

    基本状态元素:

    1. 愉悦指数

    2. 伤感指数

    3. 活跃指数

    4. 休眠指数

    5. 愤怒指数

    6. 冷静指数

    7. 友好指数

    8. 敌意指数

    9. 探索指数

    10. 规避指数

    11. 肯定指数

    12. 否定指数

    13. 接受指数

    14. 变化指数

    15. 表现指数

    16. 时间指数

    基本印象元素:

    1. 实际情绪模式

    2. 表现情绪模式

    3. 友好关系水平(好感度指数)

    4. 有益性价值

    5. 危险性指数

    6. 用途性价值

    7. 社会身份关系水平

    8. 实际关系水平(与系统自身的地位差距)

    9. 总体资料完整度

    10. 已交流时间

    11. 剩余可交流时间

    12. 所处环境异同指数

    好了,主控核心的最后一个部分就是由印象指数和感情指数共同影响的观念系统了,其用途是让AI能强制迎合用户的心意过滤掉不合适的信息或是强制考虑自己的感受不输出与自己心情不符合的信息,同时也不接收这类信息,这个部分将留给Ivy给大家做详细介绍。望大家齐心协力、互相支持,一起实现我们的梦想!

  • 人工智能