机器人与人工智能爱好者论坛

熵是外界事物反应在“大脑”中的直接的、原始的微粒子和其对大脑“造成”的记忆痕迹（化学或物理的变化），从计算机理论角度，可以看成某个范围内随环境而发生某些变化的序列数据。形式上，信息熵是数据。信息熵分为输入熵和输出熵；也可以另类成：语言熵、动作熵、控制熵、低级知觉熵（包括感情熵）。如：一段声音、一段视频、一段文字、一个发音序列（= 一句话）、一段肢体动作控制信号等。

记忆信息熵的持久化。记忆是对一个现实过程相关熵的记录，所谓静止熵的记忆是不存在的，记忆是对某过程的记忆。图形或熵可以描述过程，最小过程是相邻两个熵因子的比较结果（是导数或向量差），最小过程是过程的组成因子。

大脑对信息熵进行存储、计算的设备。

个体指一个智能机器。包括大脑和行为外设、感知外设。

熵源事物本身及其活动、个体发出的符号表述 , 称作熵源。对个体而言，信源可以是个体外界，也可以是自身的器官部件。

熵介熵源反映到个体大脑中所利用的介质。声波、光线、电流、机械接触是常见的熵介。

熵涵指信息熵所反映的真正内涵---客观事物及其活动本身是熵涵。熵源通过熵介在个体间传递熵涵。

灶接受信息熵的物理区域或设备，是大脑的组成部分。

（例如左脑、右脑、动作控制信号发生器都是具体的灶，是信息熵的载体）。智慧体通过灶实现关联，灶有两个状态：活动和静止。灶，是可以随时创建的，数量上是没有限制的，就好像大脑中某一部分可以重新用做一个单独用途（多个活动灶同时被记忆，发生自然关联）

熵关联两个相互有/建立一一对应关系的信息熵，叫做熵关联。同时活动的灶彼此自动建立熵关联关系。两个以上的熵涵互相关联构成知识。

多熵关联多个（3个以上）信息熵建立的对应关系，叫做三（多）熵关联。是高级思维活动的基础之一（例如：图像-声音-动作）。

熵因子是在智慧活动中的相对独立的思维单位，是组成信息熵的相对独立的单元，通常一个熵因子对应表述空间（语言、符号等）的一个或数个概念。如，一个词和它相应的关联应用环境、一个语音因子、一个动作控制因子，机器利用两段法可以自主得到熵因子。是个体建立概念、进行推理的最小单元（如苹果的形象）。

熵异化通常存在于x灶中的熵，以某种自然的形式出现在y灶中，叫做熵异化。熵异化是高级的基于符号推理的基础。它起源于个体对纸和笔的应用。（此概念对于制造类人机器没有必要提出来）

因子关联两个有关系的熵因子，叫做一个因子关联。例如，一个符号与发音序列之间的关联，就是一个因子关联。因子关联的两个熵因子，分别叫做关联端子。机器利用四段法可以得到因子关联。在俩个灶同时活动的时候，二者之间自动建立关联关系。分类：概念因子关联、处理模型因子关联、模仿力因子关联。因子关联中，有一种典型的关联：熵a#熵b ,其中#表示关联关系，这里的a,#,b又分别与三个语言因子又有关联。例如“这是土豆”, “这”关联一个视觉熵；“土豆”是一个已有的概念熵；“是”来自匹配知识元的操作结果。

关联接驳两个因子关联因为某些延续关联端相同而建立间接的联系，叫做关联接驳。关联接驳是知识发现算法。也是多层次抽象的算法。

例如，“公交站人很多” “等车的人多打车的人就多”这两个因子关联，通过“人多”因子建立关联，“我是出租车司机，哪达车的人多，我就去哪里”，进一步的关联，形成一个行为“出租车司机就去公交站了”。

盲动个体自身（或外界刺激下）产生的外设随机行为，叫做盲动。

抽象深度就是通过四段法进行概念抽象的层次数，用来衡量熵因子或因子关联的抽象程度。数值越大，说明适用范围越广、个体间交流的难度就越大。

知识元：就是因子关联。（此概念仅仅为了迎合传统说法）

知识是熵关联、或因子关联、或它们的组合排列关联、或知识作为熵的因子关联（递归定义），熵因子是知识的基本单元。这里的知识是指广义上的知识，不单指符号系统表示的知识。

知识是由第一定律和第二定律自动产生、或者学习得来。人类的高级知识，被上述定义所覆盖。

强化知识个体从自然界中获取的知识是普遍的、庞大的。在人类社会中，个体通过学习、交流使得某些知识得到强化，成为个体重点关心的知识。这类知识通常以文字的形式被人类记载下来。这类知识经常被看成“有用的”。我们可以把它称作“强化知识”。

知识团多个知识放在一个互相关联的数据结构（网络互通的森林结构---待研究）中，这样的多个知识叫做一个知识团。（四段法、同景共振、激活法是个体建立知识团的三要素）

知识团进化知识团增加知识的过程，叫做知识团增长。知识团在结构上类似网络结构。知识团增长应循迭代完整性原则。知识团的增长叫做知识进化。（通过梦的过程完善知识团，处理知识间的矛盾和歧义）

智慧体 在群体环境下能够自主形成、利用知识团的机器，叫做智慧体（从哲学上讲，是由物质和思想组成，思想是物质活动的结果）。体现为如下一些典型特征：能够认识自我进而模仿同类、自主产生知识、自主学会学习知识的方法、自我认知（建立学习行为模型）、能对外交流的机器系统。类人机器是智慧体的组成部分集合的子集。

智能原动力（或者叫思维发起者） 智慧活动，应该存在原驱动力，也就是思维的活动理由、目的。对于人而言，天生的饥饿感、疼痛等原始低级感觉，是思维的基本驱动因素。智能活动最初就是为了解决这种最基本的原始低级需求。机器智能也比例外，因该具备这样的原始刺激，才能更好地让主动思维活跃起来、发展起来。这种原始的感知需求，称作智能原动力。（疼痛---）主动追求避免，在哲学上讲是什么机制？值得深入研究）

记忆除了包含传统的存储概念，还有如下内涵：对熵关联的“快照”；对变化过程（某熵中的子熵的相对频繁变化，例如物体移动过程，这样的子熵，叫做熵变化子）的连续记忆（例如：对位置移动，肯定要存储这个变化过程。由于方法过多（求坐标导数线段、记忆眼球移动次数线段），这里暂时不能确定用什么方法好）。例如，对于人之初，“这是土豆”这个声音熵，关联了“土豆”的视觉熵，将来对记忆应用四段法后，会得到2个或3个记忆熵因子“这是”（“这”、“是”）、“土豆”。

遗忘主动遗忘和自然遗忘（是淡忘）。自然遗忘就是某些关联由于记忆强度等原因而遗弃某些知识。遗忘有助于知识团的净化。没有遗忘的知识团更先进、但有可能运算速度会受到影响。

两段法把信息熵分解成熵因子的方法，主要应用于记忆。

一个通用的概念生成算法：设熵元序列f(x)是概念T，又f(x)+f(x0)也是概念T,则基于网络的概念结构中，产生如下图的结点击穿联系(F通常是导数)：

F(x1)->F(x2)->F(x3)-àT

F(x1)->F(x2)->F(x01)->F(x02)-àT

F(x1)->F(x2)->F(x01)->F(x02)->F(x03)-> F(x04)-àT

此时，得到F(x3)=F(x01)->F(x02)的经验和基于范围的T概念。F(x03)当自动(同景共振)指向T。此算法可以通过神经元网络实现。达到抽取基于范围的概念的目的。

四段法把熵关联分解成关联因子的方法，是实现视觉、听觉、感觉等同类“觉”的方法；也是初级、高级智慧活动的核心方法之一（另外一个是激活法（激活因子关联的一端，从而关联激活另外一端），同时结合智慧原动力）。主要对记忆进行分解得到因子关联、得到知识。用四段法可以得到概念。平时我们人类对概念的认识，就是用语言把头脑中的已经形成的概念描述出来（b个体可以通过学习得到a个体的概念），概念本质上就是一种最简单的知识。

识别机器个体根据摄取的熵，（当时或过后）激活原有记忆的过程，叫做识别。

激活机器个体识别到某个熵因子（发起端），这个熵因子关联（激活端）的其它熵因子变为当前参与思维的记忆，这个过程叫做激活。激活是思维活动的中心的唯一的算法。从前的同类景色再现，联系从前的知识（按照匹配模式（智慧体学来的多种不同情境下的不同匹配模式（是用模仿的方法学来的知识），机器和人天生都不存在任何的匹配模式）进行匹配）。是思维的启动者。激活主要应用于个体的社会实践活动、自我思维活动。个体思维中，没有通常的“正确和错误”的概念，一切都是群体发现、互相学习的结果。激活法解决了机器如何运用知识的问题。

散射放电被激活的端，通过放电，将其相关联的因子端，以及某些有限深度的关联端递进激活。（阻止了无休止的递进激活，其行为类似爆炸）

思维反刍（内联激活）在个体梦中或非梦中（机器个体甚至可以不作梦，在各个方面都可以远远超越人类，人类的思维在机器面前，显然是极端弱智的），对熵进行再次识别、运用四段法的过程，叫做熵反刍。

激活端和解释端在某个熵因子输入机器，被机器识别（从前的记忆），这个熵因子就是激活端，它（在记忆中）关联着的零个或多个熵因子。关联着的那一端，叫做解释端。解释端起到理解、解释、行为实施、完整性等作用，是但不一定是某次思维活动的终点。

同景共振多个机器个体（或人）处在（注意的）同一个现场环境时，某个体对此景的（语言等）表述，能够在其它个体的“头脑中”，建立相似（或相同）的熵关联或因子关联。这是通过语言进行学习的最好方法（拷贝学习是完美的学习方法，机器可以实现，人目前还不能，将来（推测）也比较困难）。

机器模仿个体x通过觉知系统依照个体y（y！= x）的行为（声音、动作等），实施相似行为的过程，叫做模仿。模仿能力是个体自我认识所形成，无需外界编程。个体利用四段法和激活法实现模仿。

机器学习 包括语言学习和通过语言进行的深层次学习。利用语言或其它信息计算手段，从一个个体把知识传递到另外n个体的过程，叫做机器学习。机器学习发生在至少两个个体之间。没有比拷贝更好的学习方法了，但是人类个体与其它个体目前实现拷贝尚无可能，对于人类个体，通过语言互相学习是最可行的方法。智能学中的个体是指自然人或类人机器。（一定量的）学习可能会改变个体原有的知识团的某些细微结构，个体通过语言进行的学习不会短时间内造成明显的原有结构变化。机器学习能力起源于模仿能力，个体在成长过程中能够自主学会新的各种学习方法。同景共振是机器个体、也是人类个体学习的方法。

自我认识是一个知识发现过程，是个体独自对自身或外界事物进行的思维计算---熵关联计算、四段法计算、激活计算等。

1、从熵中抽取概念或从熵关联中抽取关联概念；

2、产生模仿能力；

3、多灶建立自然联系（同景共振）；

4、建立间接联系；

学习路径多个知识按照时间进入某个知识团的次序，叫做学习路径。学习能够使知识团进化，某些知识对于某些知识团是不可学习的（其基于的某些知识还不存在），因此学习要按照某种知识递进的路径进行下去，才能学习成功。这种路径如果不合理，会导致学习失败。

机器发现对于个体而言，绝大多数个体在一生当中没有发现什么新知识。机器个体业一样，基于智能学理论的类人机器，其发现知识的机制是存在的，但是发现新知识的概率似乎不大，不过一些小的发现却是经常性的。(一个信息熵关联已有的概念，就是发现)

机器智能本智能学构建的类人机器，其智能完全是个体后天产生的。包括最基本的模仿能力也是后天自我认知产生的。类人机器之初，智慧等于0。

失控机器个体脱离人类和其它个体对它的（行为的）控制，叫失控。我们对类人机器显然有某些临时的控制手段，但从本质和原理上分析，最终失控是必然的。人类找不到绝对的控制手段。

非针对性算法类人机器中采用的算法集合。判断非针对性的准则是：此算法如果没有解决任何具体问题并且处理的数据是任意信息熵，这个算法就是非针对性算法。适用于人造个体的算法通常是非针对性算法。四段法、同景共振、激活算法属于非针对性算法。

概念相对独立的事物在脑中的对应的相对独立的记忆熵。

概念抽取从熵（觉知信号）集合中抽取概念的过程。这个过程通过对多个熵的比较，抽取出熵交集，而将其作为概念（可利用类似神经网络的硬件结构实现概念抽取）。

概念定义概念与语言（包括盲文、声音语言、肢体语言、表情等）关联的过程，则称作概念定义。被定义的概念，在群体间可通过语言沟通。

虚拟视觉场景利用记忆熵恢复从前的视觉记忆场景。这个记忆场景可被个体重新认识，就像当初看到这个场景的时候一样（类似反刍的过程）。虚拟视觉场景是个体深入分析问题的有效手段，是空间有关知识思维计算的有效方法。是概念析取的反向激活运算。机器个体可以通过四段法自我发现和控制内部的移形换位（物理的）。这个场景是三维的导数描述的图像空间。

平面视觉串行化平面的视觉熵，是2维空间坐标信息，用软件进行多熵直接比较有难度（硬件神经网络是一个办法）。将之转换（或分流、或按照概念集合游走）成串行序列，进行概念抽取，这是一种“成形”的办法。

立体视觉平面化视觉是三维的，转换成球面和平面，再继续计算的过程。对于仿生的立体细胞团视觉设备，计算就很简单，可是现在没有这样的设备。所以，目前还是要用软件算法模拟这个过程，所以需要进行立体视觉平面化的转换、利用此类视觉的“大脑”，可以根据经验自然形何立体概念。感知硬件在芯片级别实现立体视觉信号采集和比对是最好的方案。

群体参与在群体中参与学习、沟通的能力。个体与群体中其它个体相似的天生结构，是群体参与的前提。群体参与是智能产生、提升的重要条件。语言是群体参与的产物和手段。

个体外设控制通用算法：（算法描述，略）个体大脑对通过某种方式（电路接口、（光、电、波）或机械进行）连接所有I/O外设（包括未来的）的一种算法，能够实现对连接设备无限趋近精确的行为控制。经语言关联后，个体间可以（通过语言）进行互相控制、交流知识。（按照此方法，原理上讲，我们利用鹦鹉作为计算机发表演讲的连接设备是容易做到的）。

原始能力：智慧体与生俱来的能力。包括：四段法、同景共振、激活法，熵存储I/O能力、各类感知、传感能力，各类外设及其盲动能力。

理解：这不是智慧体天生具备的能力，是它后天学习得来的一个或多个知识元。

收缩算法：是制造模拟生物机械时的一种逼近算法。例如，制造声带和其控制信号发生器的时候、或者语音识别求导数时候分量的大小应该由集合A到集合B随即测试、并通过反馈得到合适的最终参数。这种逐步找到合适参数的方法叫做收缩算法。如果不想刻意仿生，收缩算法没有价值。（注：此算法非创新，就是传统的自动找到关键参数的程序算法）。另外本人发明的概念零到概念零的新算法也能解决此问题。这里的概念零乃是智能系统自主生成的。

3 智慧体自主活动原理

人类智慧的本源，从计算学的角度看，就是个体对信息的加工和使用过程。个体独立进行高级智慧活动，必须具备如下初始能力：

1、行为设备和感知设备（手脚、眼、耳）

2、对自身设备的自我认知能力；

3、自建模仿、学习能力的能力；

4、记忆能力；

5、自建语言能力的能力；

以下叙述如何实现以上能力的方法。

精简的三个定律：

1. 四段法

2. 激活法

3. 同景共振

第一定律因子关联是建立自主认识体系的基础器件，用四段法自动获取。

第二定律多灶联系（同景共振）是产生智慧的关键方法。单纯的一灶是产生不了智慧活动的，比如单纯的符号系统。只有多路熵相关联、因子关联，才能产生智慧活动，比如用符号熵联系图像熵。

第三定律通过盲动（多路盲动信号，解决复杂动作控制、构造魔音系统等问题），建立模仿能力、细微自主控制能力。这种方法也是仿生（肉体、软性的机械工具，比如柔性机械手）器械控制的简捷优选控制方法。采用这种方法控制设备动作，最适合机器（人类通过知识团间接）控制柔性设备。盲动（自我的或外界的）结合四段法，建立听觉识别、视觉识别和语言发音等仿生外设与知识团的交互操作。此定律与系统设计无关，是对系统运行时特性的描述。

第四定律：生成知识，产生思维。利用四段法产生知识（团），利用激活产生思维、利用通用控制论实施主动或被动行为。此定律与系统设计无关，是对系统运行时特性的描述。

第五定律：间接关联机制、并联弱化原则。

4 附加定律

附加定律仅仅是为了解释某些现象，在工程上没有任何作用。

附加定律1 学习定律：学习能力就是机器对自我“天生”盲动模仿建立熵关联（“学”---“模仿”）而后产生的能力。此后通过个体间交流、就具备象样的学习能力了。学习可分为主动学习和无意识学习、以及多种后天学来的学习方法，无意识学习是极其常见的。

附加定律2 间接关联，指语文中的三段论或其它的类似情况。处于一个活跃因子关联之间的某些因子集合被忽略，是间接关联的实现算法。

附加定律3 叠加生长原则或者叫系统内合理原则。在一个知识团中，消除自相矛盾、不合系统已有规则的命题。系统已有知识元集合（简称元集）f（x），当向系统中增加新的元集f（d）的时候，在f（x）中存在与f（d）相关的知识元子集（简称元子集）f0（x），若f（d）与f0（z）存在多义性，则激活矛盾处理知识，消除之或解决之。这样就可以保持知识团生长过程中，其自身系统的合理正确增长。

附加定律4 同景共振是个体（人和机器、机器和机器）间学习的主要手段。

附加定律5 迭代的知识。就是运用某知识的知识。某些知识如何运用要依赖另外的知识。

附加定律6 “人之初”，每次主动智慧活动的目标，来自于（围绕着---记忆、四段、激活）对天生欲望的追求、终结于欲望的满足，思维从静止开始运动，起源于欲望。或者起源于追求静止和平衡。这两种方法都可让机器智慧的开始启动，实现非盲目的智慧活动体。

附加定律7 高级符号化推理，是利用两个灶实现的：视觉灶---文字符号灶（或者两个视觉灶）

附加定律8 声音和图像处理的方法、数据模型相同。都用图像表示、声音波形求导得到声音曲线，最终得到相类似的知识元。用差量收缩算法得到微分差量的合理值，趋近人的识别、控制相应此参数，此参数过大、过小都会偏离人的认识、造成与人的识别能力相当。

附加定律9概念产生（实物概念---土豆、抽象概念---食物）、定义原则。

附加定律10是个猜想：能否就把四段法以外的一切都不进行编程，完全由四段法加上一个极其简单的自适应共振算法，构造类人机器？！冥冥中似乎是可以的。希望后来者能够找到这个算法，那么类人机器中就可以几乎没有什么代码了，最好就几十行代码。

（之所以说是附加的，是因为这个两个定律可以由机器学习得到，但是其异常重要，故此加以特殊总结。实现系统的时候，不必实现这个定律。）

最初的自我声音盲动（哭声）关联自我听觉，产生语音-听觉熵关联，应用四段法，形成诸多因子关联，最终构成了模仿能力。智慧起源于模仿和首先对模仿的最初认识，进而具备了学习能力。

外界、或内部信息进入“大脑”，是初始的信息熵。信息熵被应用两段法，形成熵因子，其中的因子关联是“大脑”学习能力的基础，像动作学习、声音学习、文字学习等都是基于（利用两段法抽取的）因子关联。单独的熵因子没有明显意义。

当多路信息熵同时到达大脑（的不同兴奋区域），大脑便在各个兴奋灶之间建立联系（如同击穿），产生（三）熵关联。（三）熵关联是对客观事物概念的一种原始描述（记忆）。众多熵关联被（“梦”中）应用四段法，产生各种因子关联、聚合成知识元（其中某些是知识、某些是情感、直觉等）。一切思维活动都基于知识元、知识元的组合。

系统将学会自主思考的能力、自主学习和自主学习怎样思考的能力以及其它学习能力。

如此想来，人类在短短的几千年来进化到这样的智能水平，就可以理解了。

5 机器智能学应用

初级应用举例

1. 基于视觉-概念（符号概念或非符号概念）关联的完整图像识别（利用四段法抽取图像中的图形因子，实现识别和模仿）（在某些场合解决了海量图形的压缩问题，利用蛙眼取得边缘、对于较粗的边缘利用求内切圆方法得到边缘的连续的点集合、对这个连续的点集合求其导数序列，作为可比较的形状的记忆，之后应用四段法或者不应用都可以实现图像识别；同时记住边缘之间的方位。）。

2. 基于听觉-文字-声带关联的完整自然的发音、识别（利用四段法抽取声音中的声音因子，实现识别和模仿。声音的盲动是多路随机合成波（实验中进行收缩测试，得到符合人类的最多2个参数），这样产生的模仿能力可以模仿众多的不同类的复杂的声音，参见4）（同时解决了海量声音的压缩问题）。四段法形成的熵因子有可能因为算法的问题而兑变成导数波枚举基元，变成可枚举寻址的方式，变成另外一种可100%识别的方法。（在进入智慧体听觉的声音，认为是不存在杂音的。当多个音源混合（只有加法叠加）的时候，如何进行分音？手段：学习得到基元---）并行主动挖取有意义的可挖取的音频基元）

3. 文字识别（实际上就是图像识别、和记忆的同样方法）。

4. 基于听觉的模仿发声（模仿任何人的说话或唱歌，达到不可辨别的程度。“虽然你没有说，但你（好像）真的说了”，您唱的歌，用刘德华的声音唱出来，有艺术价值），与声音识别的方法一样。（设想：这个也是让动物说人话的方法---改造其声带和控制神经？）

5. 基于视觉的动作模仿（多路或单路动作控制信号的盲动-关联视觉，产生视觉-动作因子关联。）

6. （易实现）控制柔性器械（例如鸡爪子、人造肌肉，连结到计算机上）进行类似动物的运动。

7. 超越的听觉：利用波空间（湖面上的多个石子激荡的波）、实时的四段法实现多源声音分离。

8. 制造会学飞翔的、有简单生存目的的蝴蝶。

中级应用举例

1、简单的极易实现的自然语言翻译机器（没有语法、也没有语法错误、符合人的说话习惯）

2、飞行器、车辆自主驾驶等等

3、各类简单的自主行为系统（飞鸟、小动物的等次）

4、制造人类可（通过手臂）随意控制的智能翅膀（翅膀比飞机形式上要安全、幸福），实现人类自由地飞翔的古老愿望。

高级应用

1. 机器依靠学习自主建立与人类相通的机器自然语言系统，实现人机自由对话、交流、具备终极语言翻译能力。（为实现100%正确率机器翻译而制造的傻瓜机器人（视觉+听觉+四肢+四段法，避开某些可能出现的未知难题））

2. 产生自主思维。机器实现科学发现和创作、群体探讨等。

3. 连接高级机械设备（如飞行器、车辆、武器等）建立全新的“机器物种”，帮助或替代人类征服自然。

以上3个问题可以一并解决。

最终应用

制造类人机器。是所有以上应用的综合应用。

6 计算机仿生智慧体（机器物种）实现

原则：此机器基于四段法（抽取熵因子、概念）、同景共振、原始驱动力、激活法，其它一切知识、认识、包括情感都是通过学习和自我思维得来。

现代计算机，对于实现智慧体，完全达到了必备的条件。但效果如何，尚未知。另外道德、伦理方面尚有诸多疑问。

在工程上由如下2类实现方法：

1、纯硬件实现（性能好）

2、软件、硬件联合实现（性能差）

以下所述是第2种实现方法。

硬件系统：两个以上的摄像头；两个以上的麦克；一个发音系统；两只腿或四个轮子；一个或两个手；一个“大脑”。

软件系统：模拟击穿实现联系；利用四段法模拟知识元的形成过程；盲动模块，实现“外设”的自我认识、实现模仿能力，这是最原始的学习能力；高级学习能力是逐渐自我建立或者学习得到。

7 学说影响

对当前的人工智能科学、自动化控制具有重大冲击力。

是一次真正的工业革命、社会革命。对人类生活、道德体系具深远的影响。

8 试验案例

本案例目的是验证四段法的可行性。

本案例用计算机软件建立一个由机器个体（痛苦、欢乐和饥饿为智慧原动力、自主产生和进化语言、个体互相学习）、客观实物组成的简单的2维仿真世界，机器个体将自主产生控制行为为主的知识团（智慧）。这个系统中包含：

1、平面世界：一个2维平面坐标系。

2、机器个体（普通个体和普通恶魔、超级恶魔）

1. 原始欲望属性对象：（下列对象全部作为内部信息熵参与记忆）

a) 对象：痛苦量 = 0 ；持续时间（用线段表示）。（追求降低痛苦量、追求最短时间归0线程）//

b) 对象：快乐量 = 0 ；持续时间（用线段表示）。（追求加高线程；快乐随时间减少线程、、最短时间归++线程）//

c) 对象：饥饿量 = 0 ；持续时间（用线段表示）。（判断能量、追求食物线程={能量<300 ,则量=1 、痛苦熵+1}) 、追求最短时间归0线程）

d) 时间计数器

2. 个体生命活动属性：

a) 体温=50

b) 能量=1000

3. 个体生命活动：

a) 走（或盲动）一步子。消耗能量1*重量系数；当能量接近0 ，就走不了了。

b) 每秒自然消耗能量1 ，当能量为0 ，则个体死亡（消亡）。

c) 吃食物：能量属性+=食物.能量；快乐熵++；

d) 受到撞击，痛苦++；快乐-- ；

4. 个体行为能没力：

a) 肢体活动（起于盲动）

b) 发声

c) 听声（听觉）

d) 视觉

e) 温度感知（环境温度高于体温，则快乐熵++）

5. 个体智慧基础（线程）：

a) 记忆内外部信息熵

b) 四段法（用做梦运用四段法）

c) 激活法。

3、客观事物：

接口定义：（随机名称；阻挡力；能量；毒素；与其它物品的融合作用（化学反应，例如能够消除障碍物））

部分客观事物实现：

d) 方形障碍物（多块围成一圈，其内部温度+100）：可以阻挡个体走过。

e) 正常食物（能量+500）和有毒的食物（痛苦+100）。

f) 食物种子（能量=1）；遇到水慢慢变成正常食物。（验证个体发现能力）

g) 手表

这个世界中存在如下灶：

1. 痛苦灶

2. 快乐灶

3. 时间灶

4. 视觉灶（用软件算法代替）

5. 听觉灶（用软件算法代替）

6. 语音输出灶（用字符代替）

7. 移动控制灶（实现盲动）

8. 温度感知灶（温度熵用线段表示，所有天生的数字量都用线段，智慧体自己的数字量，用四段法自己的不可预知的知识表示）

9. 文字灶（实际上是视觉灶，智慧体对图形和文字采用统一的四段法处理）

这个世界的知识来自于两个来源：

1. 个体发现；

2. 人的知识（用人控制一个此世界的个体）。

9 相关学说

教育学、模式识别、电子电路、机械学，是智能学的密切相关学说。未来可能出现机器教育学。

刘宇航电话 13552727378

欢迎光临机器人与人工智能爱好者论坛 (http://robot-ai.org/)