我
在上一篇文章中描述
过的人类智能分类机制在实践中如何运作？
换句话说，意识形态如何帮助我们创造人工智能？
让我们来看一个例子。
什么是eidos？ 这是真实对象，事物，概念，现象，事件，动作的心理图像。可以说字典中的任何定义都是一种Eidos。 柏拉图认为Eidos是物质，在思想世界中生活。 如果我们同意考虑在任何工程图都是真实的程度，文字，图像，符号连接在一起的程度上确实存在的eido，那么我们可以假设这是真的。 这不是主题本身，而是其简化的模型，象形图或演员表快照。 但是谁说您不能在现实中使用图片呢？
我们的头脑每秒都在做这项工作。 从基本的家庭运营开始，到创建复杂的发明，工程结束。
但是在发明上，头脑的工作看起来真的很美，因此更容易用作示例。
一个人如何进行发明？ 为什么伟大的发明经常出现在愿景或梦想之前，例如伟大的化学家D. Mendeleev（元素周期表的发明者）？ 因为发明确实可以被“看到”。 我冒着断言，如果没有“看到”，也就是没有在我的想象中清楚而详细地提出这个想法，根本不可能做到。
想象自己是一名工程师发明家。 您生活在19世纪，当时还没有潜艇，儒勒·凡尔纳（Jules Verne）尚未写下他的“海底两万联盟”。 您收到国防部的命令-为敌舰配备一架战斗机。 同时，他必须秘密行动，携带有限的弹药和薄弱的武器。 海上一种孤独的破坏者猎人。 顺便说一句，在第二次世界大战期间，德国被迫寻找与英国优秀机队打交道的方式，几乎要面对这样的任务。 该如何解决呢？
发明者开始做的第一件事是集思广益，寻找新的想法。
在发明问题解决的TRIZ理论中已经对该机制进行了详细的分析。
让我们尝试以图形化和分步方式简化此过程。
思想的开始
1.显然，目前的方法不适用于海上秘密战争。 舰队的主要武器是船只。 为了保护，他们被装甲，手持重枪。 结果，它们非常大，引人注目，笨重，移动缓慢。
2.也许要制造小型高速船-猎人？
3.但是，为了提高破坏战舰的速度，我们被迫安装更强大的发动机。 通过增加电动机，我们增加了船的尺寸和重量。 这是一个放缓。 等等广告无限。 在出口处，我们再次得到堡垒船。 也就是说，这条路是死胡同。
4.如果您考虑增加隐形性，该怎么办？ 在海上隐藏是很困难的，因此想到的第一件事就是就地躲藏在水下。 但是现有的船只不知道该怎么做。 谁能呢？ 他们会钓鱼！
5.但是鱼不是船；它不能运送人和武器。 是否可以将船变成鱼或像鱼一样的船？
注意：工程师出乎意料地在柏拉图辩证法的关键中提出了一个问题：如何结合不兼容的东西？ （以下以斜体突出显示了我对工程师思想的评论）。
6.这个矛盾的方案如下：
因此，要解决该问题，我们需要寻找解决这一矛盾的方法。 但是如何？ -通过分析。
7.船舶本质上是什么？ 船的基本精神是什么？ 这是一条大船。
天生是什么鱼？ 这是一艘“救生船”，只有一小艘。
好吧，已经更好了。 两艘船，只有不同的比例和不同的任务。
8.如果我们将它们放到一个单一的规模并将这两条船合为一体怎么办？ 我们将建造一艘大型船，能够在水下航行。
9.如何？ 好吧，例如，一条鱼可以通过特殊的气泡来调节潜水运动。 金士顿可以充当军用船的“泡泡”。
思想的终结
因此，我们逐步了解了其工程思想和发明精神的思考过程。 是的，您是否曾经反复做过这样的事情，试图解决问题？ 如果是这样，那么这个机制对于儿童时代的人们来说是熟悉的，就像我们所有人呼吸的空气一样，但是却没有注意到。
关于编程-这里的一切也很简单，除了图像（图像）的处理外，什么也没有。
首先，我们描述了建议的样本，并对它们进行了“识别”。 然后将其简化，“缩减”，以便可以对其进行操作。 此外，根据辩证法则，我们得出了这些图像。 我们比较了它们，发现了相似点和对应点。 在前两个基础上创建了一个新图像。 然后，他们将它们“部署”为一个完整的解决方案。
如果我是业务分析师，则将在下图中显示此过程：
图像识别人工智能的神经网络已经学会做得很好。 卷积扫描图像卷积网络确实没有问题。 而且，神经网络可以基于深度学习找到相似的图像。 他们甚至可以模仿拟议的模式来创建新图像。
但是现代人工智能中的辩证法则没有制定出来。 从所有的词。 这不足为奇：每个人都沉迷于神经网络，而辩证法是一种算法。 甚至一组算法，一个“算法集合”，一组。 科学几乎在上世纪70年代末放弃了基于算法的AI的创建。
基于思维算法，计算机行为主义正在努力工作。 更多细节可以找到，例如，美国纽约州特洛伊市伦斯勒理工学院（RPI）的RonSun。
试图描述人类行为的各个模型-决策，寻找出路，选择机制（甚至尝试对良心进行算法化）。 已经编写了许多数学算法。
这些算法本身运行良好，甚至可以内置到任何程序中。 有开放的API。
确实，发现了一个问题。
有成百上千的这种行为主义模型。 这远非穷尽人类行为的选择。 另外，当试图将这些算法组合在一起时，由于难以在模型之间进行选择或将它们组合在一起，会导致系统过载。
就是说，一个人如何建立模型，如何进行建模本身的问题-他一直处于落后状态。 一个人不仅会合并现成的样本。 他可以将任务分解成各个组件，然后在已经不同的更高层次上重新组装。
因此，他可以解决最简单的蛮力/组合方法无法解决的问题，或者解决起来极其缓慢和昂贵的问题。
因此，现在对于创建成熟的或“强大的”人工智能，“小”本身是不够的：辩证算法，它描述了人脑中的建模机制。
辩证算法必须具有通用性，对于任何在编程，图像-象形图-eidos方面没有特殊知识的人都可以理解。
我在上图中显示了该算法的操作原理。
如何开发象形图和计算机语言的常用命令之间的捆绑，或者说是解释器，是另一项研究的主题。
实际上，到目前为止，这是唯一将这一理论与商业实施区分开来的东西。
***
欢迎提出批评，分析和建议。