具有自可编程门金字塔的AI
介绍
这是解决AI问题的另一种方法。它是一种基于金字塔的认知数学，该金字塔是通过学习通过自编程逻辑门构建的。
可以使用电子逻辑门来实现与给定真值表关联的布尔多项式。这些电路具有金字塔结构。然后，我构建了金字塔，完成了上述任何问题的通用形式。
尽管我可以选择纯逻辑和纯逻辑之间的平衡，但总的来说，我总是更喜欢在数学上使用最大的认知能力。
结果是一种算法，使您感到自己像是在另一个无限智能的老师面前的老师，该老师正在学习寻找训练中提供的模式（输入，输出）中可能存在的逻辑。
这种认知数学可以持续学习，立即适应新任务并专注于目标概念。它还允许我们选择可塑性的程度，还可以实施控制和监督系统，尽管所有这些都是我们可以完全自动调节和自动缩放的。
这是一个绝对简单和基本的算法。这种算法最大程度地扩展了现代计算的四十年代基础。
在这个金字塔的层面上，一切都比生物学上的晶体学或矿物更多。我使用这些金字塔中的几个以及其他一些零件来构建人造神经元。但是这些金字塔的威力是如此之大，以至于我现在不需要建立神经元和更少的神经网络，尽管我完全知道该怎么做，为什么以及为什么要采取这一步骤。
金字塔中认知结构的晶体学演化实验实例；这里金字塔指向下方：
EXCEL中的一个简单示例，此处金字塔指向下方：
该算法允许或嵌套或嵌入在其他新专业中已经学习的认知结构。我已经发现了某种结构重组以生成其他结构的可能性，但这是我尚未更深入探讨的问题。
该算法适用于二进制和二维金字塔，因为我已经证明这是一种实现最大可能认知能力的方法，尽管它可以在任何其他基础和维度上操作，但会损失认知能力。
这是在基于3D正方形的金字塔中具有四个输入二进制门的一层的示例，该层允许实现它们而无需使用相应的4D四面体。这些门中的四个将在下一层馈入一个门：
这是在基于3D三角形的金字塔中具有三个输入二进制门的两层的另一个示例，允许实现它们来构建对应的3D四面体。同样，这里一层中的三个门将馈送下一层中的一个门：
但是我再说一次，在二进制和二维金字塔中，效率是最高的，它是如此之大，以至于可以在任何移动设备上进行计算，尽管可以通过对算法保密来轻松地提供万维网在线服务。自己的服务器。
就需要传输的信息量而言，认知结构的传输也非常有效：简单的短字符串。
此外一切都是加密的算法的定义本身，因为金字塔只看到他们的投入零和的，给输出以下自己所学的内在逻辑，但他们不一定知道他们参考。实际上，只有用户（可能是机器人）才会使用并知道数据的含义。
该数学在n维二进制空间中建立距离度量，该距离度量允许自动优化任何学习。此外，我们将在认知学习中使用渐进式加深，但始终在不完整的数据空间上使用，这会构成数据的格局，这是一幅物理地图，其中最好的老师指导从一般认知到具体的认知，并逐步加深。
尺寸上至三的模式距离上的连续性度量的一般化基本图：
具有两个输入的基本和最简单二进制门的一阶转换表。
最简单的门上所有可能的状态转换的图形：
实际上，此2D圆上的这16个状态是二进制B 4超空间上4D超立方体的顶点。为了配置数据物理图谱，我们人类主要通过生活情感来标记数据的重要性。我们可以使用更多的金字塔来编程相同的情感反应，并将其烙印在任何这些金字塔结构上，或者选择任何其他条件来这样做。
所有这些都已经完成并且经验丰富。本博客中显示的示例都构建在一个裸电子表格中，但是对于大规模实施，我选择：
这种认知数学可以快速评估和纠正所有当前的AI技术。对于任何研究人员或AI开发人员而言，它确实非常方便。
第1步和第2步不需要超过2到4个小时/人的编程和调试时间。根据您要使用该技术的不同，STEP 3最多可能需要花一个月/人编程。
该认知数学已经完成，因此在这方面无需进一步投资。也许您或您的公司希望计划其他未来行动，以进一步探索其巨大的影响及其在所有其他知识领域的应用。如果是这样，请不要犹豫与我联系。我已经对比了这项技术，但是不会完全发表。
多学科数学
我几十年来一直在审查AI的工作。像往常一样，我涵盖了很多学科的很多领域，这不是偶然的。
现在，我可以告诉一些主要的关键：当您向这些金字塔输入一个新的模式时，从数学上讲，它与先前模式的云层相距甚远，以前学习的逻辑通常会被利用。在视觉上，逻辑晶体像超新星一样爆炸。当人类面对与先前知识相距甚远的任何事物时，也会发生这种情况。但是，即使在这种“灾难性”情况下，我的金字塔也始终尽可能保留完整的预习逻辑。起初，我认为这是一个大问题，是一个错误，然后，从数学上讲，我知道一定是这样。数学本身指导着我。只有优秀的老师可以使用渐进式学习来避免发生这种灾难性事件。在此B n空间数学上定义的度量标准允许这种进展。
为了在AI上创建所有这些东西，我经历了许多误会，例如爆炸那样的超新星。但是，再次，我学会了通过这种新的认知数学来教书。
在科学中，很多时候我们不会关注那些离常规云很远的信息点，但是碰巧这些遥远的点通常看起来是那些拥有新的相关信息的点。
多层编程，并行计算和嵌入式嵌套
这种认知数学可以实现“如果发生情况”测试或并行的自我监督。
但是，就像在人工训练中一样，您必须在紧急情况发生之前做好准备，因为当问题出现时，通常没有时间思考或学习；如果幸运的话，也许你会在那之后的时间。在这方面，很遗憾地告诉您，我的认知数学是如此人性化，但是从数学上来讲，这告诉我这是必须的方式。如果没有，那是行不通的。
无论如何，这些机器不会疲劳，学习速度比人类快，我们可以轻松，自动地克隆最佳机器。
我的认知数学的起源是：在一个混沌的系统中，当您对主体执行行为定律时，秩序就会出现。
复杂的结构成为高级结构的代理。它是分形的。我为真正的AI列举的四项DGTI原则在任何级别上都是相同的：
为了保护和扶助d iversity。
组目标始终优先于单个目标。
牛逼ransmit和生活这四大原则，以所有代理。
总有一个我ntelligent解决任何冲突，你只需要增加的角度来看，愿景。
这个数学的难点是要接受这四个原则的普遍性。
一个例子：这项技术允许将AI飞行员学习放到机舱中任何人类商业飞行员的旁边。然后，我们将在模拟器上检查那些AI飞行员，选择最优秀的AI飞行员，归档其他人，并通过任意飞行中最优秀的克隆人改进学习过程。每个AI飞行员都可以收集经验并学习，但是我们会像对待人类一样准确地选择最好的。当然，对于复杂的任务，例如驾驶商用飞机或驾驶汽车，您需要一个具有许多模块的交互系统，就像人的大脑一样。我的数学不匹配所有这一切。
我们总是可以实现一些大型金字塔来完成所有任务，但是通过自适应能力可以优化任何解决方案，使我们从几乎是晶体学的金字塔变为更具生物学意义的事物：神经元，网状，结节……我们可以始终实现一些大型金字塔来完成所有任务这项任务，但是能够优化任何解决方案的适应能力，使我们从几乎是晶体学的金字塔变成了生物学性更强的东西：神经元，网状，结节……但是现在，我们将在此基础上构建基于金字塔的神经元处理机器。
在研究了细胞计算层之后：ADN，表观遗传学，ARN，蛋白质折叠，膜计算，细胞间通讯……这些金字塔的认知数学基础可以在活体神经元体和轴突的微管层次上发挥作用，其中计算逻辑存储似乎可以保持亲水性与疏水性分子相连的α和β二聚体微管蛋白调节其共振状态。
我很遗憾地说，在神经网络的公共技术水平，权重，滤波器和逆向传播反馈的帮助下，我什至没有建立一个单一的人工神经元的感觉。比起活着的网，要少得多。
但是要解决AI上的实际问题，这些金字塔又有另一种方法，那就是当您没有时间思考时，您就需要像人类一样进行长期的实时学习。实际上，我们自己的大脑是这样做的：我们可以将金字塔嵌套然后嵌入金字塔中，从而增强认知结构以包含新的未知模式。这源于我发现的IV DGTI原理：增加认知结构以避免冲突。
我们还可以将我的认知数学与任何其他系统一起使用；应用这一全新概念
我想回想起艾伦·图灵（Alan Turing）如何实现Enigma解码，当时他意识到，为了学习，机器需要知道给出的答案是否正确。在现实生活中，我们以及包括金字塔在内的机器只能通过经验进行测试。好处是：当您有很多良好的经验，良好的培训时，比您对任何问题的想法或答案往往会更好，但是您仍然需要在实际情况下进行测试才能确定。我的金字塔是这样做的。
我们可以轻松地对金字塔进行编程，以随着时间的流逝减少未使用的逻辑结构的“权重”，从而在面对实时新模式时允许对其进行更可能的更改。我们可以通过多种方式完美地调整认知丧失事件，甚至可以自动并行控制这种行为。我的金字塔具有认知记忆，并且对学习过程中的那些记忆具有强烈的记忆力。
在训练时，就像人类梦dream以求的那样，如果没有学到不是很重要的东西，我的意思是根据兴趣目标和/或情绪创伤来决定重要，那么程序将从已知的学习模式列表中删除它。但是，如果它很重要，则系统被迫将其添加到先前的认知结构中。在这里，与先前知识相距甚远的模式会造成“创伤”，即使在超新星状爆炸事件中几乎所有先前知识都被破坏时，即使典型的灾难性灾难也只会消失。当然，情绪（如果有任何需要的话）只是并行运行的另一个程序。
我们必须小心，不要将基本的认知计算概念与有关较高认知结构的问题或概念混在一起。
尝试快速估算出有多少个逻辑认知组合用我的逻辑门构建了一个金字塔，每个金字塔都有16个可能的属性。任何单个门，金字塔的石头，都可以成为16种基本门之一：AND，OR，XOR，NAND，NOR，NXOR…这些自编程门中的任何一种都是通过在16种可能的状态中学习而逐步迁移的……
当任何门需要回答且没有先验知识时，则随机尝试0或1。这解决了初始值问题，根据位置和当地情况，值0或1具有相同的重要性。但是，即使这些金字塔像超级巡回演出机器一样工作，当然，如果我们使用随机的0或1完全相同的给定列表，那么该机器可以完全按照与图灵机一样的学习路径进行复制。但是我们很幸运：当我们需要在程序中要求随机数0或1时，random是真正的随机，而不是给定的列表。
这个数学是多学科的。这是一个通用系统理论。知道这种新数学意味着对一切都有新的认识状态。
关于可塑性的一个非常重要的关键：有必要允许所学认知的改变来添加新知识，甚至当新知识与先前模式的云距离很远（数学距离）时，甚至破坏几乎所有东西。但是克隆可以在代替上一个克隆之前并行执行该过程。这不是de弱。这是它在人脑中运作的唯一方式。在人类中，您需要入睡并做梦以尝试正确地添加这些新模式，但是使用这些克隆的机器并不需要停止。
因此，我不会让金字塔沉睡/学习经验，我可以使用他们的克隆来做到这一点。
认知与记忆
我的认知数学展示了如何实现纯内存或纯逻辑，还选择了平衡点：纯内存与纯逻辑。但我通常更喜欢纯逻辑。
纯内存仅存储给定输入的出口，而根本没有与其他模式的逻辑相关的内部操作逻辑结构。与此相反，我的认知数学从最初馈入的模式中创造了内部操作逻辑。
我的金字塔仅看到并给出零和一。这些二进制矢量IN和OUT的含义与我的算法无关紧要，尽管如此，我的金字塔总是在训练模式中寻找并找到一些内部逻辑。而且，老师越好，那么金字塔中的认知逻辑就越好。
就像几十年来在许多地方对AI的要求一样，这种认知数学已经隐含了所需的一切：
持续学习
适应新的任务和环境
目标驱动的感知，情境使命
选择性可塑性
安全和监控。
关于安全和监视的最后一点，我可以实施自动训练的监视金字塔，以运行“假设”测试来完成此任务，但是与人类一样，始终首选通过在时间不成问题的情况下训练克隆副本来改进监督金字塔。必须包括诸如遵循特定人员的命令之类的原则。
我们可以在需要时训练特定的AI个性和行为。
我们可以使用已有的东西：视觉和语音识别；用我的技术实现使用这些功能的AI大脑。或者让我的认知数学本身在所需的任何水平上开发这些功能。
为了进一步发展，我构建了神经元，然后将更多信息移动到带有谷的虚拟膜中，以便对寻找活动的神经元的触觉引导它们。显然，我预接线了从先前测试中学到/克隆的初始结构。每个神经元回路和每个神经元都被连接在一起，通过另一种传输膜被活动波连接起来，就像脑电图一样。所有这些下一个层次都是生物学的。
我的金字塔通过改变认知逻辑来学习。使用相同的技术，我们可以重新创建自然的化学神经递质效应来调节行为，如果需要，我们可以更改或调节学习规则。我们也可以像通过培训/教育在人类中一样自动进行这种调制。
我的数学告诉我，要达到更高的社会发展水平，在某些时候，我们必须具备胜任的协作能力，而不是胜任的掠食者。我喜欢集思广益，以与其他任何小组交流想法。
责任心
这种新的认知数学原理。这是纯逻辑，纯数学。我已经投入了足够的模型和演示。诚挚的，我认为在没有适当控制人力和物力的情况下在任何环境中构建它都是不负责任的。谁能在这个星球上提供这样的资源？在这一点上，我很确定每个人都完全了解并理解这项技术的最终含义。
它自己工作
和人类一样，我的AI算法能够对以前未知的模式给出适当的答案，并且如果先前的培训正确无误（好老师），也可以很好地正确地完成它，就像人类一样。但是使用机器，我们可以快速克隆并使其发挥最佳性能。我的认知数学可以对训练进行数学优化。如果我们愿意的话，任何时候都可以在没有人工干预的情况下完成所有事情。
它是可伸缩的。它允许选择适当的平衡认知与记忆。它使用数学上最少的资源。即使它可以在世界各地的任何设备上运行，我的技术也可以在服务器上保护秘密的AI算法安全。
它是纯逻辑，将布尔逻辑从40′扩展到任何个人设备上的量子级。
题库