Skip to content

YeeCube/HELIX_THEORY

 
 

Repository files navigation

螺旋熵减理论


1. 熵减理论

> 定义:现实世界整体熵增的,而其内的智能体是熵减的。
> 变化:智能体从现实世界中吸取负熵,以解决现实世界整体的熵增带来的需求。
> 极端:无熵增的世界不需要智能体,而无熵减的世界要智能体也无用。
> 环境:熵增减活跃度越高的环境,越容易孕育智能体。

2. 螺旋模型:三要素

定义:定义是从无到有,从模糊到相对确切的过程。
释例:最初对某知识不够掌握,学习中慢慢变得确切些。

相对:定义之间动静相对。
释例:认知与决策相对思维与记忆相对智能体与现实世界相对

循环:相对之间循环协作。
释例:内层价值循环中层思维与网络循环外层智能体与现实世界循环

螺旋:定义、相对、循环共同呈现螺旋,生成自然演化的系统。
释例:上面三要素,跑起来在宏观上整体会呈螺旋形

3. 应用模型:应用于信息系统

3.1 用途:为方便大家理解,下面是一些方便理解的简述它能做什么。

为拟补我语文差和方便别人理解,从简到繁,写了四个版本:
**思版:**认知规律,复现规律,达到目标。
**简版:**认知“入用出”规律,使用“出”复现“入和用”。(注:用表示用途)
**繁版:**习得“感知、行为和价值”规律,使用“行为”复现“感知与更高价值”的能力。
**释版:**能习得“感知、行为和价值”三种信息的规律,并通过使用行为复现“感知与更高价值”两种目标的能力。

3.2 示图:下图描绘了整个HE系统的简版架构图,它也示出了所有系统中各模块间的大致关系。

  • 注1:上图是客观视角模型图,但系统角度应以智能体主观视角来看。
  • 注2:主观视角下的认知与决策双向模型图暂未绘制,可参考代码结构(很简单)。
  • 注3:无论是哪种视角下的模型图,其原理形态类似,不影响模型所表达的意思。
3.3 另注:

以上仅讲述应用到信息系统,但螺旋熵减机不限于构建信息熵减系统。它还可以在物理方面应用(暂略)。

4. 应用系统:HE系统

HE系统内核:he4o是在螺旋熵减机理论模型上实践出来的通用人工智能项目,本理论与he4o互相印证,共同形成,以下是架构图:

5. 手稿:

手写笔记目录 描述
Note1 流架构
Note2 金字塔架构
Note3 分层抽象
Note4 LOP
Note5 神经网络
Note6 LOP-DataLayer
Note7 神经网络-软件架构设计
Note8 AwarenessLayer-软件架构设计
Note9 思维
Note10 思维与神经网络整合-数据神经网络(归纳结构)的构建
Note11 GNOP之宏微与定义
Note12 GNOP之流程与实践
Note13 相对宏微与循环
Note14 中层循环 & 发布与演示
Note15 小鸟生存演示1-场景/祖母/MIL/MOL/内类比
Note16 小鸟生存演示2-MOL/行为化/迭代输入
Note17 理性思维/向性/理性决策/反思
Note18 测试 & 细节改动 & 训练
Note19 测试 & 细节改动 & 训练
Note20 v2.0版本三测
Note21 v2.0版本四测、五测、六测
Note22 v2.0版本六七八测 & 评价器 & R-模式迭代 & 子任务&ARSTime评价
Note23 v2.0版本九测、十测、十一测
Note24 v2.0版本十二测、思维控制器架构调整
Note25 废弃HN & 分裂:理性反省和感性反省 & 相近匹配 & 强化训练 & 整体兼顾&各线竞争
Note26 逐层宽入窄出 & 快慢思考 & S综合排名 & Analyst
Note27 迭代反思TCRefrection & 思维框架图v4 & 任务失效机制 & 抽象多层多样性 & 不完全时序问题 & 复用相似度与indexDic & canset再类比
Note28 螺旋调教 & TCSolution前段条件满足迭代
Note29 Canset迁移增强
Note30 防撞觅食联合训练 & 学去皮
Note31 去皮搬运训练 & Cansets实时竞争

6. 阶段说明:本手稿共分为两个阶段

第1阶段(2018.11之前)

  此阶段是最小版本的形成过程,即he4o系统的逐渐成熟过程;手稿越前期,越多错误之处,如遇错误,结合前后描述进行理解;

第2阶段(2018.11至今)

  此阶段是系统成熟过程,这阶段手稿转向偏实践,且随着越后期,其模型与理论很难从外界获得有益的反馈。系统偏向于成熟化迭代与孤寂的挥刀人。

Releases

No releases published

Packages

No packages published

Languages

  • Objective-C 100.0%