人工智能软件的编写

人工智能软件的编写
程洪文
湖北省钟祥市第三人民医院 431900
chenghw@2911.net
摘要：本文为编写人工智能软件提出了新的理论和方法。它提出和解决了以下问题：1、定义并描述了记忆柱，讨论了它的功能并提出将它做为人工智能软件兴奋和记忆的基本单位。2、讨论了人工智能软件的感知、记忆、回忆、传出、学习模式，并提出了实现方法。3、提出将顺序计算转化为并行计算的方法。4、提出了人工智能软件的操作系统的概念，并描述了其组成、功能及人工智能软件的运行模式。
关键词： 记忆柱、皮质垂直柱、展示框、奖惩中枢、海马中枢
计算机所具有的复制、修改、存储文件的功能是人工智能软件的编写基础。
一、记忆柱的编写。
我是以记忆柱来做为人工智能软件兴奋的基本单位的。记忆柱是一段可被复制的文件。每个记忆柱由n个recordnumBer（用RN来表示）组成，每个RN是一条记录，配合专门的操作程序，可以使记忆柱的功能极其复杂。用记忆柱即可以模拟神经元的功能也可以模拟皮质垂直柱的功能甚至可以模拟脏器的功能。
我认为皮质垂直柱是人脑兴奋的基本单位(当然神经元是比它更基本的兴奋单位)。皮质垂直柱是贯穿大脑皮质全厚的垂直细胞柱，它不仅是皮层神经元网络的某种基本单位，而且可能是大脑皮质的基本功能单位。人脑皮质共由约2000000个皮质垂直柱组成，每个皮质垂直柱平均含有5000个神经元，其最小直径通常是200μm到300μm，它即可以是柱状结构也可以是其它形状的结构，但以柱状为主。大脑皮质的兴奋往往以皮质垂直柱为单位的。"皮层--皮层传入纤维通常是锥体细胞的轴突，优先地终止于垂直朝向的柱中，这些柱垂直的穿经皮层的全部厚度，不仅单根纤维是这样，而且对那些来自同一来源的或从不同的起源会聚而成的含有100根以上的传入纤维的纤维来说，也是如此"，这可能是大脑皮质的兴奋往往以皮质垂直柱为单位的原因。在大脑皮质，所有的长的皮层--皮层联系是兴奋性的，一个皮质垂直柱兴奋后能向周围扩布抑制。一个皮质垂直柱拥有众多的传入传出纤维。通过以上介绍可知，皮质垂直柱的功能建立在组成它的神经元的功能之上，它能被兴奋，又能记忆兴奋、遗忘兴奋还能传出兴奋。
因而我觉得我们应使记忆柱模拟皮质垂直柱的功能。其基本方法是我们可以用记忆柱的一部分记录，对应反应不同的传入联系对记忆柱的兴奋及记忆柱对兴奋的记忆、遗忘的情况，这部分记录的一部分记录的是时间，它们分别对应记录了不同传入联系最后一次兴奋的时间，其余下的一部分分别记录的传入联系最后一次兴奋时的兴奋值；用记忆柱的另一部分记录，分别记录记忆柱的传出联系所对应的记忆柱；从余下的记录中选取一条，记录记忆柱"兴奋"的时间，另一条记录记忆柱在一短时间内的兴奋状态。记忆柱之间的联系为对应性联系。
用专门的程序来读写记忆柱而实现记忆柱的兴奋、记忆、遗忘及传出兴奋、扩布抑制等众多功能。记忆柱的任一个传入联系传入的兴奋都能在一段时间内易化记忆柱并被记忆下来，不同传入联系传入的兴奋能相加，当记忆柱被易化到一定程度后便能被兴奋，然后通过传出联系传出兴奋，并被记忆下来。（一些具体的操作见我所编写的软件）
二、人工智能软件的存储模式。
并行存储是指众多的不同信息存储在相似区域(比如对于前文的所述的A区的信息传入，一个注意对象传入的刺激信息只能分别兴奋被平分的有限区域内的几个最小反应区，信息也就被分别存储在那里)，我认为人脑的存储模式是并行存储，而计算机硬盘的存储模式是顺序存储（即不同的信息存储在不同的区域）。
并行存储相对于顺序存储来说其优势是明显的。对于并行存储，记忆的各部分能自然建立记忆联系，因而它能使模糊记忆、回忆方便的实现。同时，其存取量、速度都是顺序存储无法比拟的。其最大的缺点就是能产生回忆差错，但是回忆差错是能被克服的。
并行存储最主要的问题是记忆干扰的问题，记忆干扰的原因是不同的原始记忆柱群之间包含大量的共同的记忆柱。从我提供的小程序大家能看到这种干扰问题，下面我提供了解决这一问题的方法。我想如果将记忆柱用皮质垂直柱代替就应是人脑解决记忆干扰问题的方法。
1、 与并行存储相对应的并行回忆必须是模糊回忆。
2、 并行存储的文件系统一次只能有有限的记忆柱群兴奋（记忆柱之间的抑制可通过扩布抑制方式获得），其数量大概与一个原始记忆柱群差不多。
3、 建立了记忆联系的记忆柱之间的兴奋能力远大于没有建立记忆联系的记忆柱之间的兴奋能力。原始记忆柱群被兴奋后，组成原始记忆柱群的各亚群记忆柱群之间的兴奋能力便大大的加强了。当回忆时如果原始记忆柱群被兴奋达到了一定数目后，通过记忆的兴奋联系应能使兴奋的记忆柱呈几何数级的增加，也就是说兴奋能力发生了突变，从而使这一原始记忆柱群的大部分记忆柱兴奋。
4、 一原始记忆柱群与多个原始记忆柱群建立有记忆联系，当这一原始记忆柱群兴奋时，其它记忆柱大多处于抑制状态，然后当这一原始记忆柱群被抑制时，通过其开始传出的兴奋从而使其它被抑制的记忆柱兴奋。当某群原始记忆柱群（Ｄ）的记忆柱首先达到突变状态时便使这群原始记忆柱群兴奋从而抑制了其它原始记忆柱群的兴奋，这样便大大减轻了记忆干扰。
5、 如果原始记忆柱群Ｄ与原始记忆柱群B包含有大量共同的记忆柱，就需要组成Ｄ的被兴奋了的记忆柱扩布抑制，它们扩布的抑制使B不能触发兴奋突变，同时不能过度的抑制Ｄ的兴奋。
6、遗忘。通过遗忘使兴奋能力出现差异这是并行存储的基础。
7、内部记忆、外部记忆，这样使不同的兴奋过程会有不同的记忆。
8、与并行存储相对应的并行回忆必须是模糊回忆。
9、并行存储的文件系统一次只能有有限的记忆柱群兴奋（记忆柱之间的抑制可通过扩布抑制方式获得），其数量大概与一个原始记忆柱群差不多。
10、最易兴奋的先兴奋，先兴奋的对其它的进行抑制(兴奋突变)。1、建立了记忆联系的记忆柱之间的兴奋能力远大于没有建立记忆联系的记忆柱之间的兴奋能力。原始记忆柱群被兴奋后，组成原始记忆柱群的各亚群记忆柱群之间的兴奋能力便大大的加强了。当回忆时如果原始记忆柱群被兴奋达到了一定数目后，通过记忆的兴奋联系应能使兴奋的记忆柱呈几何数级的增加，也就是说兴奋能力发生了突变，从而使这一原始记忆柱群的大部分记忆柱兴奋。2、一原始记忆柱群与多个原始记忆柱群建立有记忆联系，当这一原始记忆柱群兴奋时，其它记忆柱大多处于抑制状态，然后当这一原始记忆柱群被抑制时，通过其开始传出的兴奋从而使其它被抑制的记忆柱兴奋。当某群原始记忆柱群（Ｄ）的记忆柱首先达到突变状态时便使这群原始记忆柱群兴奋从而抑制了其它原始记忆柱群的兴奋，这样便大大减轻了记忆干扰。3、如果原始记忆柱群Ｄ与原始记忆柱群B包含有大量共同的记忆柱，就需要组成Ｄ的被兴奋了的记忆柱扩布抑制，它们扩布的抑制使B不能触发兴奋突变，同时不能过度的抑制Ｄ的兴奋。
11、 加记忆柱数。本段及以下几段的具体说明见我的并行存储的说明。
12、 记忆迅速遗忘，只有部分记忆能转化为中长期记忆。这样在正常的信息刺激记忆 下使记忆柱之间的兴奋联系密度控制在一定范围内。
13、 采取状态兴奋的方法。
14、 回忆判断机制。
三、如何模拟大脑的兴奋方式
为了用PC机模拟人脑的兴奋特点我引入了展示框的概念，展示框是由RN组成的，它的作用是记录某一刻（本文一刻与一个记忆柱被兴奋后然后传出兴奋所用的时间相对应，当然如果必要且计算机的速度足够快我们也可将一个记忆柱兴奋后再传出兴奋所需的时间平分成十份，使一刻所需的时间与十份中的一份相对应）所有被“兴奋”的记忆柱，以使PC逐一读写完这一时刻被兴奋的记忆柱后再逐一读写下一时刻被兴奋的记忆柱（某一刻所有被兴奋的记忆柱是其前一刻所有被兴奋的记忆柱兴奋后所兴奋的记忆柱，比如一传入信息所兴奋的记忆柱如果被归入A时刻兴奋的部分记忆柱则它们兴奋后所兴奋的记忆柱便成为A+1时刻所兴奋的一部分记忆柱。），通过这种转换就可使一次只能进行一次读写的PC机也能模拟人脑的并行兴奋特点。”
四、模糊兴奋、记忆、回忆的获得（为了形象化及论述的方便，在论述的过程中我借用了神经科学的一些名词如：纤维、兴奋等词语，它们都是虚拟的）。
1、记忆柱a、b，a发出的传出纤维与b有联系，但a与b没有同时兴奋过，a兴奋后只能通过传出纤维轻微易化b。这样当a、b同时兴奋时，通过记忆，a对b的易化兴奋能力便被大大加强。
2、有记忆柱群A、B，A发出的传出纤维A1'、A2'……An'与B的一部分记忆柱（用B1表示）有联系，B的各组成记忆柱间存在广泛的纤维联系，当A、B同时兴奋时，通过兴奋记忆，组成B的记忆柱之间的相互易化兴奋能力便大大增强，同时A对B1的兴奋能力也大大增强。只要我们使1、组成B的记忆柱之间的纤维联系的密度处于一个适当的范围内；2、纤维对其所支配的记忆柱的兴奋能力及突触记忆兴奋的能力处于一个适当的范围内。我们便可使：1、A、B如果没有同时兴奋过，A的兴奋便不能使B兴奋。2、但如果A、B同时兴奋过，通过记忆的兴奋，A再兴奋时便能兴奋B1，B1又能使大部分B兴奋。与A相似的兴奋能兴奋大部分B1，大部分B1又能兴奋大部分B，因而A对B的兴奋为模糊兴奋。A、B同时兴奋时A、B之间便产生了模糊记忆，A再对B的兴奋便是模糊回忆。
五、人工智能软件的操作系统
本文的注意对象是指在皮质中枢被状态中枢强烈易化的那群记忆柱或与之相对应的外部物体。对于皮质中枢的记忆柱群如果没有状态中枢的易化其兴奋能力便极有限，不会产生有效的兴奋。
可以将人工智能软件主要分为以下几个部分：1、信息收集、处理、转化部分。2、联络区。3、传出中枢。4、状态中枢。5、奖惩中枢。6、调节中枢。
顾名思义人工智能软件的操作系统是统筹人工智能软件运行的程序，它的作用就是使记忆柱的兴奋及人工智能软件的注意、感知、记忆、回忆、思维、输出能顺畅进行不发生冲突，且功能更强大。它主要包括三部分：1、奖惩中枢。2、调节中枢。3、状态中枢。我认为调节中枢与人脑的额页相对应，状态中枢与海马中枢相对应。
1、状态中枢(海马中枢)
[1]组成状态中枢的记忆柱在某一刻只能有有限的记忆柱兴奋，易兴奋的记忆柱先兴奋。
〔2〕状态中枢与皮质存在对应性联系。一个状态中枢的记忆柱影响一个记忆的基本功能单位。可这样设置它们的联系：当记忆的基本功能单位（Ａ）中的易兴奋的记忆柱被兴奋到一定程度后便会兴奋Ａ中能兴奋状态中枢的对应的记忆柱，而兴奋了的状态中枢的记忆柱反过来又会强烈的易化Ａ，从而使Ａ中的记忆柱大量兴奋。对于皮质中枢的记忆柱群如果没有状态中枢的易化其兴奋能力便极有限，不会产生有效的兴奋。
2、奖惩中枢
当状态中枢的某些记忆柱（用M表示）与奖赏中枢同时兴奋时，兴奋了的奖赏中枢能对M产生强烈的易化作用，并产生了记忆，下次M再兴奋时便能通过软件通路（本文把能按顺序兴奋的几群记忆柱组成的通路称为软件通路，这几群记忆柱按顺序产生兴奋称为软件通路被兴奋）兴奋奖赏中枢中相应的记忆柱（用G1表示），兴奋了的G1又强烈的易化M，M先兴奋后能兴奋G1，但G1先兴奋后却不能兴奋M。当然，惩罚中枢的作用正好与奖赏中枢的作用相反。影响状态中枢兴奋的最强的因素是奖惩中枢的兴奋。
3、调节中枢(额页)的记忆柱群
在调节中枢应设置具有以下功能的记忆柱群。
１、 新注意对象产生时必能被兴奋的记忆柱群。
２、 一次注意过程中调节注意深度的记忆柱群(有三个皮质垂直柱群a、b、c ，它们分别能与其它皮质建立间接记忆联系，它们在清醒时始终兴奋，但只有其中的一个记忆柱群能兴奋。它们分别与状态中枢中相应的记忆柱相联系。它们的兴奋直接影响到记忆柱群d的被兴奋能力，而d的兴奋使与注意对象相对应的海马中枢抑制，从而注意对象的兴奋能力受到调节。 a、b、c使d的被兴奋能力从强到弱，当然还有一些微调。a、b、c中总有一个兴奋。)、一记忆柱群兴奋后引起一注意的结束。
３、 进行回忆选择时必能兴奋的记忆柱群、亚选择开始时必能兴奋的记忆柱群一个亚选择结束时必能兴奋的记忆柱群、所有亚选择结束时必能兴奋的记忆柱群、选择终止时必能兴奋的记忆柱群。
４、 记录回忆时所兴奋状态中枢的记忆柱的记忆柱群、记录注意时所兴奋状态中枢的记忆柱的记忆柱群。
５、 调节中枢的作用是调节奖惩中枢对状态中枢的作用。
4、具有状态中枢、奖惩中枢的人工智能软件能具有学习能力，且具有行为目的。
在解决一问题时，如果一软件通路（用A表示，状态中枢中与A对应的记忆柱用A1表示）的兴奋能带来正确结果，而另一软件通路（用B表示，状态中枢中与B对应的记忆柱用B1表示）的兴奋带来错误的结果，那么只要每次A的兴奋带来正确结果时，我们便通过奖赏刺激使奖赏中枢兴奋，从而使A1与奖赏中枢建立了记忆联系，同理，我们可通过惩罚刺激使B1与惩罚中枢建立记忆联系，那么通过多次学习则A1便与奖赏中枢建立了强烈的记忆联系，而B1则与惩罚中枢建立了强烈的记忆联系。由于奖惩中枢、状态中枢、皮质中枢之间的关系，因而在解决那一问题时奖惩中枢使A与A1相对于B与B1更易被选择兴奋，那么，即使在开始学习前A与A1被兴奋和兴奋相应的记忆柱的能力远低于B与B1，通过不断的学习A与A1的被兴奋和兴奋相应的记忆柱的能力便会逐渐超过B与B1，并最终远远超过B与B1，则当再解决那一问题或与之相似的问题时，即使没有奖惩中枢的作用，兴奋的软件通路便会是A与A1而不是B与B1。智能软件自己学习的机理类似。这便是人工智能软件学习的机理。
正如人一样，人工智能软件的思想行为目的是为了获得奖赏刺激而逃避惩罚刺激。
六、信息的传入与传出。
1、信息的传入。
传入智能软件核心部分的信息应具有以下特点：1、信息量应不多，且能很好的达到反应外部世界的目的。2、应便于核心部分的记忆柱的处理。
这里只讨论视觉信息传入的感知。
假设Ａ皮质是与视觉传入相对应的原始记忆柱群所在的地方。当智能软件注意一个对象时，不管这个对象在空间的那个位置，所兴奋的Ａ区的原始记忆柱群都相同（对象的空间位置等参数可转化为相应的刺激，兴奋非A区的相应记忆柱群）。
我们可以这样来设置Ａ皮质的记忆柱的分布与传入信息的关系。
１、 将Ａ细分成有限的一些区域，任一个区域都是与一次有意义视觉传入相对应的最小单位（任何一个区域都包含一群记忆柱）。把这些区域称为最小反应区。
２、 将注意对象所充满的空间进行平面划分，它所划分的区域与Ａ的最小反应区相对应。这些区域的任何一个区域的视觉信息在传入到Ａ之前都转化为具有一定角度的线段信息，注意对象便由这些具有一定角度的线段连接起来构画出其轮廓。与最小反应区对应的任何一个具有一定角度的线段在Ａ的相应的最小反应区中只能兴奋一群记忆柱中的一个相应的亚记忆柱群（这群亚记忆柱群分别对不同的线段信息进行反应，一次只能有一个亚记忆柱群兴奋）。
３、 我们可以将A平分成有限的几个区域(比如8个区域)，当一个注意对象传入刺激信息时，每个区域中有而且只能有有限的几个最小反应区兴奋。(这主要为了并行存储及记忆对象之间的联系)。
我们可以假想智能软件对对象的识别过程为（通过对识别过程的考察来了解智能软件是如何识别的），１、感知对象的总体轮廓(对象的总体轮廓成为注意对象)，限定识别范围(回忆范围)。２、如果不能识别对象便习惯性的(是学习获得的这种习惯)感知对象的亚结构进一步限定识别范围(对象的亚结构成为注意对象)……。３、通过回忆最终产生识别。
也就是说对一个物体的识别一般需要经过多次注意与识别，而对于一个物体的记忆也是一群有一定联系的记忆(总体轮廓信息，局部轮廓信息……，而且它们之间都有记忆联系)。对任一个图象都可通过以上的方法建立特异的记忆库(一个图形的总体轮廓记忆、局部轮廓记忆就可组成这个图形完整的记忆库)，并能过这个记忆库来识别这一图象。
设某一注意对象a所对应的记忆柱群兴奋了记忆柱群b(b的兴奋代表某一识别)后就产生了识别。由于与a对应的原始记忆柱群与b之间的兴奋联系是模糊兴奋，因而与a在一定范围内相似的对象能兴奋b从而产生识别。如果a’与a的不同程度超过了这个范围而不能使b兴奋，则不能产生识别，但如果通过学习，使a’与b建立了相互兴奋的识别联系并使它与a等同起来，则与a’相似程度在一定范围内的对象也能兴奋b产生相同识别。不断的学习使a’’及与a’’相似程度在一定范围内的对象也能兴奋b产生识别……，则a、a’、a’’……以及与它们相似程度在一定范围内的对象都能兴奋b产生识别，这是模糊识别的机理。
我们可以用专门的软件控制注意范围的选取，并按一定规律选取信息，同时使传入的信息相互抑制，通过转化后传入联络区，联络区的记忆柱只需要接收有限的经过适当处理的信息。
传入信息对联络区的兴奋应是对应性的兴奋，我们把一个有效的传入刺激所兴奋的联络区的记忆柱总称为原始记忆柱群（实际上在模糊兴奋、回忆中所讨论的记忆柱群都应为原始记忆柱群），一个传入刺激要成为有效的刺激，其在联络区必须兴奋一定数量的记忆柱，同时这些记忆柱在联络区的分布也应有一个适当的范围，即要保证两个同时兴奋的原始记忆柱群都应建立起相互兴奋的记忆联系。
2、信息的传出。
用传出中枢的一群记忆柱的兴奋代表传出联系的基本组成单位。一个传出联系就是多个这样的记忆柱群按一定方式兴奋的结果，联络区的原始记忆柱群与传出中枢的联系遵循模糊记忆、回忆的规律。比如：对于文字的传出，我们可使其基本单位为短线段、角度、时间、空间，这是因为任何字我们都可以用大量的具有不同角度的短线段在一定时间内组合出来。也就是说只要方法得当我们可以编写出，其传出信息能反应自己的核心中枢对信息处理结果的人工智能软件，并且这样的信息能被人理解。
七、思维的基本单位、回忆的选择、注意的分配。
一、人工智能软件思维的基本单位：对象的注意、解除对对象的注意。
１、 对象的注意。1’兴奋突变引起注意。2’选择引起的注意。（都引起相应的调节中枢的记忆柱群兴奋，然后记录下注意对象（为新兴奋的状态中枢的记忆柱））
２、 注意的继续。
３、 注意的结束。（兴奋到一定程度后相应的调节中枢的记忆柱兴奋则注意结束，记录下的注意被新的注意所覆盖）
二、 回忆的选择。一调节中枢的记忆柱群（Ｊ）的兴奋产生回忆选择，否则不产生回忆选择。Ｊ与皮质能建立记忆联系。
Ｊ兴奋后１、对象被记录下来做为主体。２、相关的记忆柱受到易化（有利于回忆）。３、对象被抑制。４、开始新的注意。５、新注意对象被记录做为亚主体，不断的兴奋，在一定的情况下兴奋相应的记忆柱群，从而中止一个亚主体的兴奋。６、主体被兴奋后又抑制。７、从而开始新的亚兴奋过程。８、一定情况下兴奋相应的记忆柱群，从而所有的亚选择过程结束。９、一定情况下相应的记忆柱群兴奋，回忆的选择结束。
什么情况下进行什么样的选择都是奖惩学习的结果。
１、行为选择。
２、注意选择(思维)。
３、还有其它选择。
三、 注意的自动分配。
１、 注意影响了状态中枢的兴奋。主注意对象被状态中枢易化的强，亚注意对象被状态中枢易化的弱……。
２、 主注意对象、亚注意对象、必须注意的问题的分配（如一次思维需注意的问题、时刻兴奋的额叶记忆柱群等）、其它的均等分配。
３、 每次注意时都自动分配，当主注意对象不在亚注意对象内时，则亚注意对象重新产生。
４、 没有注意对象时注意平均分配。
５、 在确立主注意对象前一般先确立亚注意对象，然后在亚注意对象中确定主注意对象。
四、人工智能软件处于时清醒状态时兴奋的记忆柱
奖惩中枢处于一个平和的易化兴奋状态，一旦它们被奖惩刺激刺激而强烈兴奋，马上又会处于平和状态。人工智能软件处于清醒状态时可有两种最基本的状态：1、注意状态2、非注意状态。任何时候总有一部分状态中枢的记忆柱被易化、兴奋，注意力时刻进行着分配，从而时刻有相应的状态中枢的记忆柱被易化、兴奋。
五、调节中枢、奖惩中枢、状态中枢之间“先天”的调节关系是不成熟的，成熟的调节关系需要经过长期的奖惩学习获得。(什么情况下注意，什么情况下不注意，什么情况下如何调节注意……，这些都需要通过奖惩学习获得)
通过上文可知通过学习，在人工智能软件的操作系统的作用下，人工智能软件能顺畅的进行注意状态和非注意状态的转换，在注意状态下又能顺畅的完成注意的各种过程(注意的进行、转换……)。
八、综上所述，以记忆柱作为人工智能软件的兴奋的基本单位，以并行存储做为记忆模式，配合于人工智能软件的操作系统能使人工智能软件具有以下功能：1、用只能进行线性计算能力的计算机模拟具有并行计算能力的人脑的兴奋特点。2、能进行有效的信息传入与传出。3、能实现模糊兴奋、记忆、回忆、学习等功能。4、能具有行为目的。
九、当然本文只是论述了编写人工智能软件的基础理论框架，要编写出真正的人工智能软件还有许多具体的操作要做。这需要神经生理学家（特别是视觉方面的）、数学家、高水平的编程人员。