AI初步理论-星轨
1.为什么可以获取到信息？因为信息与无效数据相比，有自身的特点，要么和已有的信息有相关性，要么它自身内部显示出有一定规律的特殊性。和已有的信息相关其实本质上也是它有一定的规律性，才会被提出成为已有数据。已有信息其实相当于在另外的位置（存储器，相对于输入信息）保存的信息。
本质--要么是自身内部的规律，要么是和其他的信息有联系（计算机中只要是联系，必然有个或多个元素是相同的）。
2.那么找到规律的方法就能获取到信息。规律是什么？
2.1无规律是什么？
完全随机的，现有技术手段包括人类也无法识别的规律产生的结果和现象。
2.2规律一定带有重复性
其实从规律的定义来说，就是事物之间有相同点或者共同的趋势。因此，携带规律的信息中一定有重复的元素。
2.2只要有规律就可以被提取。
为什么这么说，因为现有的算法中有一种就可以实现对任意有规律的信息进行提取，这种算法就是无损压缩算法。压缩算法无法将完全随机的数据变小,是因为完全随机的数据任何一个元素都携带的是独一无二的数据，而无损压缩几乎能找到任意非随机的内容，任意可能带有重复性的信息都能被找到。也就是说现有的计算机技术是能做到提取规律和规则的，并且效率并不低。
2.3信息提取从某种意义上说就是有损压缩。
无损压缩算法，是提取任意可能出现的规则。而对于智能体而言，要提取和保存的是价值量高的信息，因为它容量有限，计算量有限，只有价值高于一定程度的才会被保留。因此它需要在无损压缩的基础上，丢弃部分规律性很低的数据。现有计算机领域也存在有损压缩算法，因为有损压缩都是定向针对某种特殊类型的数据进行有损压缩（比如视频数据会将多帧的数据进行分析，按照图形移动规律，来忽略局部的无规律运动），所以这里提到的有损压缩算法和它是不同的，它的有损压缩的规则需要人工设定。
2.3 如何有损压缩。
有损压缩的规则需要人工设定。按照时效性，定期清理价值低的数据。
2.4 信息元素的组织
被有损压缩后的信息，是体现为一个一个的元素，就是几个普通的计算机字符。它所包含的信息体现在多个字符之间的联系规则上，一个元素或多个一个或者多个元素正相关，负相关。多个元素多个关系相互交织，组成一个关系网，这时，在关系网中再关联上某些输出指令。输入信息->关系网->输出指令 就构成完整的输入输出链条。
2.5 如何与输出联系。
神经网络中会提到一个词叫“训练”，它的作用就是要让程序知道，哪些指令和输出是对应的。也不例外，我们也需要采用某种方式让指令和输出相对应。在分析人的行为后，发现人体拥有“本能”，本能是不受自主控制的行为，那么可以将它看成一个固定的输入输出，这种模式与端口监听十分类似，“本能”使用某个端口发送指令，输出端接收到后作出行为。智能体可以在这个端口发送和"本能"完全一样的指令，也会触发输出行为。
2.6 关系网的形成
关系网在之前数据保存的时候就已经确定了（当然前提是保存的时候做好了合理的优化设计，从而上关系连接组织时能快速响应）。
然后定期的整理链接,依据时效性原则，抛弃价值低的数据节点。
2.7反馈提升认知程度
反馈的频率成就了它的知识水平。人类的知识是累积在他之前的学习之上的，乘法在加法的基础上，平方开方是在加减乘除的基础上，微积分又是在这些的基础上。这种累积的层次越高的，我们通常认为他智商越高。这种类型的认知，后续的知识不得不建立在之前的认识之上。
目前计算机领域中也常会用到“反馈”，但它所指的是单一层次的反馈，每一次的反馈都是在最基本的层次上的反馈结果，反馈的结果也是在这个基本层次的数据，这样即使是反馈无数多次，也是局限的。
所以，必须让反馈结果不局限在一个层次，才可以获得全面的认知,把之前获取的知识作为已知的联系条件，再与新知识结合再次形成新的认知，知识就会以几何级数的增长。
人类可以从多个感官组合的知识中，领悟到另外的感官组合的知识。这样从理论上就可以形成“通感”，将各个感官的知识统一起来。
页:
[1]