让AI再次强大！
最近，“人工智能”一词已经变得极为广泛。 无论他们在何处使用它，从“智能”设备到下棋，围棋等程序。同时，这些设备中没有智能，人类意识。
最炒作的话题-神经网络，深度学习等都是基于涉及实际上仅实现一项功能-模式识别的概念，并且不能导致创建完整的人工智能系统。
在本文中，我建议回到对问题的初步理解-创建具有人类智力活动特性的系统-例如理解含义，制定实现目标的行动计划，解释您的行动的能力，根据环境调整行为等。
多年来，人们一直在尝试创建与人类大脑特性相近的人工智能系统。 但是，这尚未实现。 科学家已经足够详细地了解大脑基本元素的功能和结构，即称为神经元的特殊细胞。 或多或少地研究了大脑的总体结构-大脑的哪些部分负责哪些全局功能。 但是，平均水平-神经元连接到更大结构的水平以及这些结构与意识和思维过程之间的关系仍然是一个谜。
本文试图提出一种将神经元组合成较大结构的方法的假设，以描述这些结构的主要功能和特性。 我认为，这将使诸如含义，注意，有目的的行为，自我意识等概念的技术实施成为现实。提出的想法当然必须在实践中进行检查。 但是，即使没有得到证实，本文中提出的考虑因素也可能会促使其他研究人员朝这个方向努力，这显然是目前缺乏建设性想法的地方。
我把文章中提到的概念称为
“基于动作的动态语义网络”。1.起点
以下是有关提议的模型所基于的神经系统结构的已知事实：
- 神经系统对外部信号的感知是通过称为受体的特殊结构发生的，这种结构在某些环境条件下会被激活。
- 基本动作（肌肉收缩/松弛，化学分泌）的实施是由于称为效应子的其他元件的激活而发生的。
- 受体和效应子之间的活性转移是通过称为神经元的特殊元素进行的。
- 活动信号是二进制的。 活动是否存在。
- 为了能够在信息处理过程中学习，形成新神经元及其之间的联系的能力是必不可少的。
- 受体存在于肌肉，腱和关节中，也就是说，所执行的动作会发出有关其实现的信号-感觉到动作。
2.型号说明
2.1总体方案
系统中处理的信息基于感觉，即来自某些受体（视觉，听觉等）的信号。 在处理的某个阶段，此信息成为知识，并且该过程感觉就像在思考。 没有代表思想的单独实体。 我们所谓的思想是加工过的感觉。
来自受体的信号（感觉）既可能是外部刺激的结果，也可能是系统内部信号的结果。
通用处理方案如图1所示。 1。
图 1总体方案将来，术语“接收器”将一起理解为传感器本身以及提供系统外部或内部激活的开关功能。
2.2。 探测器，动作，概念
因此，受体会记录环境的基本信号，例如颜色，空间点的亮度，环境空气波动的幅度和频率，身体部位的温度，关节的位置，肌肉状况，身体某些部位的化学成分等。受体进入处理网络。
在处理网络中，部分归因于遗传信息，并在很大程度上基于个人经验，形成了仅对输入信号的某些组合做出响应的神经元。 我们将这些神经元
检测器称为接收
器 ，并将来自受体的输入信号称为图像。 即，检测器执行模式识别的功能。 实际上，正是这个功能被各种目前广为人知的神经网络模拟。 但是他们的开发商止于此，我们将走得更远。
像检测器一样，向执行器发送信号的神经元可以组合成更复杂的结构，其输入连接的激活导致基本动作组合的实现。 因此，出现了代表
动作的结构。
您可以想象将执行以下操作的结构的形成：
- 从系统内部到特定受体组合的连接的激活
- 设置开关（图1）以从系统内部接收信号
这样，通过想象，通过表示某个图像，即来自受体的一组信号，来创建动作。 我们将这种动作
称为特定图像的动作。
某个图像的检测器与该图像的动作表示的结合形成了系统可以使用的
概念图像 。 借助检测器，即使没有来自外部的相应信号，系统也可以识别输入信号中的概念，并借助动作表示将其呈现出来。
2.3。 关联关系
可以在概念图像之间形成连接，以便例如一个概念可以激活另一个概念。 因此，从视觉图像的检测器外部的激活可以导致例如声音或其他视觉图像的激活。 这种关系的变体的一个例子在图1中示出。 2。
图 2个协会2.4。 知觉行为和注意力行为
之前，我们研究了动作表示，动作表示的激活导致了处理网络输入端某种图像的表示。 这些动作将接收器开关设置为从系统内部接收信息。
如果将开关设置为从外部接收信息，则接收器的状态将取决于环境的状态。 我们称这种行动为
行动感知 。 这些是我们熟悉的概念，例如观看，聆听，阅读。
受体将大量参数的数据提供给处理网络（例如，视神经包含大约一百万根纤维）。 如果我们考虑整个输入信号集，那么对于环境来说，感知到的图像将永远是新的，因为环境在最小的细节上永远都不相同。 在这种情况下，系统无法识别新场景中以前看到的部分。
也就是说，您需要能够限制输入信号，对其进行滤波。 这导致我们需要采取行动
注意 。 信号过滤器应位于接收器发出信号的路径上，受注意力控制，并能够根据某些标准切断某些信息。 通过此滤波器的信号将导致某种检测器的激活（如果它是先前在系统中形成的），或者在将来可能会很重要的情况下应被记住。 因此，除了滤波之外，还应该能够通过组合有源检测器并形成指向相应动作表示的链接，从通过滤波器的信号中创建一个临时概念。
图 图3示出了动作感知及其动作注意。
”
图 3行动感知和行动注意在重复使用的情况下，一段时间后创建的临时概念和关系可能会被破坏，或者可能变为永久性。
因此，从环境中感知信息的一般过程分为单独的感知行为，以创建/修改临时概念（当在环境中发现新事物时）或通过激活已创建的概念结束。
注意力动作会在感知过程中激活临时概念，并保持这些概念的有序列表，其深度可能决定一个人的短期记忆的大小（通常不超过10个概念）。
2.5。 行动是概念的基础（含义）
对人脑操作的不同概念的思考导致观察到，动作概念是核心，并且几乎是所有概念的基础，并构成了它们的所谓含义。
考虑表达对象属性或特征的概念。
2.5.1。 概念-特征
接收器记录的图像包含有关各种基本环境特征的信息，例如颜色，亮度，空间中某个点的线形，空气振动的频率和强度以及其他参数。
检查图像是否满足某些条件，您可以激活表示某些特征或符号值的概念，例如“红色”，“黄色”，“居中”，“圆形”，“大”。
验证这些条件的操作本身可以被视为有关某事的
问题 ，而该操作的结果就是对该问题的
答案 。 例如，问题是“房子是红色的吗？”，答案是“红色”。 但是有必要以某种方式表示负面的测试结果。 因此出现“否”的概念，表示任何检查的否定结果。 为了对称和方便起见，出现“是”的概念，表示测试结果为阳性。 上述问题的答案“红色”和“是”是等效的。
可以将各个验证操作分组为一组，以接收特定的名称。 因此，存在一组特征“颜色”，“大小”，“形式”和其他特征，包括单独的检查，例如“红色”，“黄色”，“大”，“小”。 这些一般特征包含一个结合了各个元素检查的动作。 此操作的结果是此特性概念中包含的值之一。 例如，“房子的大小？”-“大”。 对此类问题回答“是”或“否”是不可能的。
将来，我们将特性称为单独的概念（例如，“大”）和组（例如，“大小”）。 使用它们时，没有显着差异。
说到动作特性，可以区分四个选项：
- 您可以讨论一般的动作特性，例如“某物的颜色”，“某物的大小”等。这些表达式仅确定动作，指定要检查图像的哪些符号，以及可以得到什么可能的值。 面向对象编程中类描述的类似物。
- 我们可以讨论由动作感知创建的临时概念表示的特定对象的特性。 例如，短语“这本书具有什么颜色？”的系统内表示（含义）将是一个新的临时概念，是在广义概念“某物的颜色”（项目1）和“本书”的临时概念的基础上创建的动作特性。 在特征“某物的颜色”中，动作对象的参数指向“这本书”。 它是面向对象编程中类实例的类似物，具有操作对象的特定值。
- 您可以设置操作结果。 此选项将是肯定性短语的内部表示形式，例如，“这本书的颜色是红色”。 它是面向对象编程中类实例的类似物，其中指定了操作对象和结果。
- 最后，可以设置操作的结果，但是未设置对象。 此选项将是短语的内部表示形式，例如“ Something Red”，“ Something Big”。 它是面向对象编程中类实例的类似物，其中仅指定结果。
因此，一个内部结构（检查某个属性的动作）是各种概念的基础，这些概念包括：1）广义概念-特征（“形式”），2）有关特定对象的特征的问题（“这块石头的形状是什么？”，
3）关于特定对象的属性的声明（“位于顶部的石头是圆形的”）；以及4）带有特定属性的对象的指示（“某事物的圆形”）。
无需实际检查图像属性即可设置动作结果的能力非常重要。 它允许您在没有对象的实际图像的情况下处理有关对象的信息。 这为构建包括抽象概念在内的任何概念铺平了道路，例如，“某人是好人”，“某人受到尊重”，“对数函数”等等。
考虑动作特征的可能的内部结构。 从上述内容可以明显看出，必须有指向操作对象和结果的指针。 在动作的框架内，必须执行活动以呈现对象的图像，检查该图像的某些属性并制定结果（激活相应的概念并建立到动作结果的链接）。 在预定结果的情况下，不执行用于呈现和验证图像的活动。
示意图如图4所示。
图 4可能的内部行为特征2.5.2。 比较概念，关系概念
在上一节中，我们讨论了表征特定图像的标志，并发现这些概念的含义是将这些标志与某些先前已知的模式进行比较的作用。 例如，在确定颜色时，将与已知颜色的图案进行比较，并将匹配结果视为结果。
但是，如果不使用预定义的模板进行比较，而是使用另一个对象的符号进行比较，则我们将获得比较概念或概念关系。 例如，“某物大于某物”，“某物比某物更明亮”，“某物比某物高”，等等。
像特征一样，关系不必仅基于受体所感知的图像中包含的符号。 很有可能没有明确的外部表示形式的概念，例如，“他是她的丈夫”，“他是部门的负责人”，“某物属于某人”。 有时甚至很难制定明确的规则来检查特定属性，例如归属概念。
在没有一个或另一个关系对象的情况下，会出现问题（例如，“ Sasha属于什么？”，“这是谁的笔？”）。
2.5.3。 对象-图像和特征集
受体感知到的图像既可以以构成该图像的信号形式（“照片”）表示，也可以作为检查某些信号的一组动作结果（即一组特征）来表示，或者两者一起表示。
始终将在一起找到的图像和/或特征的组合可以方便地由
对象的概念表示。
图5示出了对象的可能表示，该对象由视觉图像“图像1”，与之相关联的声音图像“图像2”以及两个特征“颜色”和“形状”表征。
图 5对象的可能表示注意，含义“圆形”和“红色”是“文本”接收器（即单词）的图像。 当然，人类中不存在响应计算机信息符号的“文本接收器”，并且给出了作为处理符号信息的人工系统的可能示例。
2.5.4。 “成为”的特征
在所有可能的特性中，始终存在一个特性，并且它实际上是其他特性出现的基础。 这个特征反映了事物的存在。 然后，这可能具有其他特征。
此特征由“待”，“待”表示。 它所基于的动作检查一个信号或一组信号的存在。
图 6个特点是/是图6显示了对象Image1和Image2之间的关联连接与通过Is概念进行的通信之间存在差异。 在第一种情况下，当感知一个图像时，第二个图像在系统中“弹出”，在第二种情况下，产生了
关于对象的知识 。
关联连接可能导致无意义的图像和未连接的图像的出现，并且在通常情况下是随机的，但是通过概念-特征连接的图像已经很有意义了，因为它们包含一定的检验，并告知我们该检验的积极结果。这就产生了真理和谎言的概念，以及逻辑，成为一组用于处理概念特征的规则，这使一个人可以从一个真实的概念中产生其他事物，这也是真实的。概念-特征的外部表示是通过动作表示来实现的，该动作表示是通过组合特征本身，对象和结果的表示来构造外部形式的。在图6中显示了Yes（是）的概念特征。因此，我们看到某个动作是以下概念的基础：如果我们在此处添加表示实际动作或过程的概念以及相关概念（例如怀疑，概率等），那么似乎所有知识都可以由基于动作及其之间的关系的结构来描述。因此，很明显，关键问题是管理动作的问题，即，在给定的时间正在执行哪个动作，接下来将执行哪个动作。在下一节中考虑这一点。2.6。行动管理
2.6.1。动作受体
在开始时，我们提到执行的动作是感觉到的，这意味着这些动作具有某些受体。该系统似乎应该能够区分以下情况：也就是说，作用的内部结构应包括这些情况的受体。动作感受器的存在使您能够正确解释来自传统感受器（视觉，听觉等）的信号。例如，可以区分我们实际看到的对象和仅想象的对象的情况。
图 7通过动作感受器对图像进行细化在前面的部分中，我们谈到并在图中指出了各个要素之间的联系。这些键将活动信号从一个元素传递到另一个。例如，来自受体的一组特定键可以形成某种检测器。来自检测器的通信可以到达更复杂的检测器或效应器，从而引起某些动作。通常，系统的所有活动都可以表示为取决于受体上各种信号的某些动作的选择。考虑激活特定动作的可能选项，如图8所示。
图 8执行动作的选项选项1。在系统中，可以在检测器和效应器本身或一组效应器（图8中用数字1表示）之间形成连接。在这种情况下，当发生某种情况时，将触发某种效应器。这形成了所谓的反射。选项2。来自检测器的通信不直接传递给效应器，而是传递给特殊的结构，即动作（在图8中以2表示）。为了执行该动作并将信号发送到相应的效果器，需要通过动作“选择动作”在图中指示的特殊动作获得许可。也就是说，链接2不会开始执行动作，而只是以某种方式告诉动作“选择动作”要做什么。动作“选择动作”将自动工作。在这种情况下，动作“选择动作”不需要寻找要做什么，只需要同意建议的选择即可。当由于经验或培训而使系统习惯于在特定情况下执行某些操作时，便会发生自动化。在这种情况下，仍然可以更改行为，因为动作“选择动作”可能与提议的选项不一致，并且尽管进行了通信2的活动，但还是选择了要执行的另一个动作。选项3。在这种情况下，活动检测器与任何动作均不存在连接，或者建议的连接（类型2）不适合动作“选择动作”。在这种情况下，执行复杂的逻辑以选择要执行的动作（系统“思考”）。选择动作的过程可能会受到外部信号的影响（图8中链接4所示）。因此，例如，当出现新信号时，动作可能会中断。这种行为在神经生理学中称为定向反射-将注意力转移到新刺激上。2.6.2。动作选择过程
在本节中，我们描述作为图8中的“选择动作”动作的一部分发生的过程。如果没有反射活动（上一节的类型1），则会自动执行此操作。在系统的整个生命周期中，嵌入在该动作中的算法可以改变，改进。但似乎他应该至少具有以下属性：- 下一步行动的选择不应是随机的，而应重点关注；
- 完成的动作应接受评估-成功/失败。下一个选择应考虑到操作失败。
- 选择动作时，应考虑关联级别的提示信号（上一节类型2的连接）。
为了在系统中实现第一个属性，首先必须有关于给定时间系统的目标和需求的信息，其次是每个已知动作系统的预期结果的信息，其次是成功执行该动作的条件的信息。提议的方法的一大优点是，所有三种类型的信息（目标，行动的预期结果以及行动的必要条件）都可以由一个实体表示-第2.5.1节中描述的概念特征。例如，在动作“接近某物”的预期结果中，在动作“采取某物”的必要条件下，可能会出现特征“接近某物”，并且在某个时间点也可能成为目标。我们在图9中显示这些元素。
图 9行动选择该系统包含一个目标列表，其中包括指向概念特征的指针（也存储了该目标的重要性）。使用此列表以及具有活动关联关系（“提示”，类型2关系）的动作列表，动作“选择动作”也适用。而且，系统已知的每个动作都包括两个指针列表-一个关于要执行的动作的先决条件，另一个关于结果的特征。根据此信息，动作算法“选择动作”确定选择哪个动作，如果有必要，可以从单独的已知动作中构造一个新的复合动作。通常，我们看到源自基本效应器的作用概念如何被辅助结构（受体，概念，特征）包围。这些结构形成一定的动作模型，使您可以在实际执行之前评估动作的结果，从而可以计划动作以达到所需的结果。除了有目的的行为，还必须对不成功的尝试执行操作做出反应。失败是指原则上无法完成（甚至无法启动）动作，例如，由于缺乏必要的条件（在没有水的情况下尝试喝水或尝试采取非常困难的措施）。接收者报告了这种情况，但操作不成功（第2.6.1节）。在这种情况下，在寻找下一个要执行的动作之前，有必要分析上一个动作失败的原因。该分析包括将执行某项操作之前的情况与成功执行时的过去情况进行比较，突出显示差异（以概念特征的形式）以及调整已知操作的模型（例如，添加必要条件）。2.6.3。建立目标清单
考虑形成目标清单的过程。如前所述，这是给定时间所需特征的列表及其意义。该列表是动态的-由于行动和目标的实现，可以添加和删除项目。根据激活效应子的某些受体的信号，可以自动（“无意识地”）向其中添加数据，从而将目标添加到列表中。或者通过选择执行特殊操作“添加目标”，有目的地（“有意识地”）添加目标是可能的。从列表中删除目标也是可能的，在两个级别上：在效应器级别（当来自受体的信号发出停止某种信号的信号），以及在“有意识”级别上，在执行旨在满足目标特性的动作之后检查目标特性的满意度。验证和删除已实现的目标是“选择操作”操作的第一步的一部分。通过选择“删除目标”以执行特殊操作，可以在不达到目标特征的情况下执行此级别的目标删除。如图10所示。
图 10制定目标清单2.6.4。影响评估
在前面的部分中，我们研究了计划行为的必要结构-系统当前目标的列表以及行为系统已知的模型，包括要执行的行为所必需的条件的列表以及从行为结果中获得的属性。这些数据使您可以选择实现目标的行动。特别行动“行动的选择”就在其中。在某些情况下，通过各种措施可以实现目标。例如，为了满足饥饿感，您可以吃厨房里可用的食物，可以在商店里买食物，可以从某人那里取食物，也可以在某个地方偷东西。假设所有这些动作在理论上都是可能的（冰箱中有食物，商店位于附近，并且有钱，一个人正沿着街道行走并进行购买）。在这种情况下，系统必须从四个同样可能的操作中进行选择。需要某种机制来评估可能采取的措施的偏好。对于每个动作，他必须考虑到当前的具体情况，并按从低到高的等级给出一定的评分。为了理解这一评估，需要受体。评估可以以特殊动作的形式执行，该动作是动作模型的一部分，可以激活，取决于其他受体的状态，受体评分。
图 11影响评估在图11中，在从理论上可能的行动中进行选择的阶段，通过“选择行动”执行“影响评估”行动。这些可能的作用被受体的值比较差。“影响评估”动作不是静态的；它是在训练和实际动作过程中形成和修改的。“不良”评级的接受者不仅可以在评估行为后果时被激活，而且可以在执行感知环境信号的行为过程中被激活。它们似乎在“情感上”为所有其他信号着色。与其他信号一样，可以形成概念特征（第2.5.1节）-“好”，“差”，可以将其包括在动作模型中，并在选择动作的阶段予以考虑。2.6.5。可能的动作选择算法
之前，我们提到了在“动作选择”动作框架内执行的各种功能。让我们尝试将它们组合成一个流程图。图12中所示的算法不是唯一可能的算法，并且不能反映所有功能，而仅用于系统化和解释所执行的功能。在该算法的功能中，有一个我们之前未曾讨论过的功能-这就是所谓的目标加深，即在目标列表中添加根据某些行动模型的必要条件而创建的新目标时，这些目标会得到补充。例如，如果目标为“无饥饿”，则从“食用食物”行动模型（在必要条件下，具有概念特征“临近食物”），将添加目标“临近食物”，并将创建行动“接近食物”以实施。 。
图 12种可能的动作选择算法3.结论
因此，在本文中，我们尝试描述信息表示和处理的概念，我称之为“基于动作的动态语义网络”。语义网络-因为知识是以概念和图像的连接形式呈现的。动态的-因为对动作的感知会产生暂时的图像和进行工作的概念。基于动作-由于该概念基于动作，围绕动作会形成越来越复杂的结构，从而导致更复杂的系统行为。作为其发展的基础，采取了著名的事实对人的神经系统，但考虑到这方面的知识有限，在很大程度上，这个概念是一个假设，并通过原型系统用于处理不同类型的信息需要核查-文字，视觉，等等。在如果本文中所述的思想是正确的，则基于本文的系统将具有以下属性：- 了解感知信息的含义-含义在于图像背后的动作；
- 可以解释可以执行的动作 -系统具有目标列表，并根据包含条件和预期结果的动作模型选择采取的动作；
- 计划行动链的能力-行动模型的存在使您能够构建具有一定预期结果的行动链；
- 能够从经验中学习 -动作感受器的存在使您可以“感觉”所执行的动作，评估其结果以及在期望与现实不符时调整动作模型。
本文的框架中未涉及许多问题，例如，时间的概念和动作序列的表示，对自己动作的分析（反射），处理视觉信息的功能等。也许在以下文章中，我将尝试对这些问题进行思考。4.参考
- www.real-ai.ru-我的网站，提供有关此模型的更多详细信息。
- scorcher.ru — .