熵控层
相对数据层栗子
如果说AINet是手机硬件,那么AwarenessLayer则是手机软件系统;
作用栗子
其在he4o软件架构中的作用;就像以往软件编程里编译器的角色;但其不能够将所有数据进行编译,也不能够将逻辑编译为确定
注:
意识如此神秘,在本系统中似乎无处不在,但却又无迹可循,就像与我们捉迷藏一样,无论你如何深入的思考,意识总是那么神秘,本章只能够以软件架构技术的方式来设计与实施
是否具有意识?
欺骗he4o,让其认为自己有意识
n8p1 AwarenessLayer软件架构初想法
CreateTime 17.10.21
主要讲AwarenessLayer中的控制性,软件架构的实现和灵活编程方案;
1. he4o中意识定义:
关于意识无明确定义,因为没有研究明白前无法确切定义;
在he4o中意识包含:`思维`,`智能`等所有he4o主观性的体现;
相当于AwarenessLayer中的代码引擎(众控制器的组合);
2. he4o中智能定义:
在he4o中智能是以数据广泛性为基础的,
3.he4o中的思考定义:
思考是思维在神经网络具体事务上的体现
智能与意识紧密关联:
如果没有意识,智能如散沙;
智能的作用:
智能给DNA瘦身,给本体通用性熵减能力;
1. 保证数据的灵活性;无论是接入思维还是意识或其它功能;
2. 保证awarenessLayer层的控制协调功能;而控制器的功能要分模块化;用接口的方式接入,并自动作用起来;
1. 控制Demand/Task的持续性
2. 控制情感的持续性MindDurationManager
3. 控制主意识思维的事务同时单一控制器(一心一用)
4. 对当前自我感受状态的紧迫性HungerLevel<0.1f
5.
title
desc
参考
1
流式
通过面向对象的方式定义Understand,Decision,Mind等
初版代码(已删)
2
代码及算法方式
用代码定义,函数算法输出结果
代码结构中.(部分已删)
3
控制器方式
用控制器方式,分隔每层的功能,并熵减无序因素
#n8p6 #n8p11
4
规则化
定义规则,使无序看似有序,但又大多被 数据
影响着,善用数据的灵活及无限
#n8p13 #n8p17
title
desc
1
思考问题:
用不用将数据逻辑层 与 代码层 明确分开
2
思考问题:
需要不需要通用数据模型,方便思维分析操作
desc
1
人脑是软硬一体的,cpu硬盘内存与一体
2
电脑cpu内存硬盘是分离的,所以在he4o设计上必须思考这种异同,来设计he4o软件架构
CreateTime 17.10.22
脑: 前额叶
参考: n5p5
思维再面向纯抽象节点时是无法思考的;所以具象问题如下:
例如我们在选择红苹果好吃还是绿苹果好吃时,如果只是思考红色和绿色哪个好吃;
所以必须先行逆向演绎成红苹果和绿苹果,再来比较;
逆向演绎是将抽象节点指向实体obj节点的其它属性收集过来并有机结合的过程;此过程就是为了方便思维的思考元类比操作;所以有以下步骤:
desc
1
根据某抽象高层节点找到obj
2
根据obj点亮其它属性节点
3
将所有obj相关节点进行有机结合(可能这种有机只是划分区域边界)
4
将所有边界内数据用于类比等;
desc
1
只是想像力,区域点亮取出信息,类比;(简)
2
取出信息后要整合;(中)
3
整合后,要内识别理解具象的数据;(难)
4
而理解具象数据其实也就是理解它的属性等抽象节点;(循环)
注:
有可能思考过程中,只是多连续事务的控制过程;直到思考任务结束,都算是联想和逆向演绎阶段;
问:
理解,只是区域点亮相关数据,作数据关联映射;使经验跑进来;还是真的存在具象理解;4中循环在时候中止;
desc
问:
逆向演绎究竟存在不存在?或者说是否只是找到低节点后,read其属性的操作;
答:
存在,属性之类的关联易整合,但很多无关联的(如空间等复杂信息);想像力整合非常重要
desc
1
字符串逆向演绎
2
音频逆向演绎
3
视频逆向演绎
4
空间逆向演绎
5
时间逆向演绎
注:
任意一种会联想到其它;
注:
想像力的演绎规则全部都是常识数据决定的。
步骤
desc
1
到节点是第一次数据融合
2
到obj是第二次数据融合
3
到区域是第三次融合
4
到多区多维是第四次融合
参考
n8p12
1. 将各种数据进行联想检索的能力;
2. 将各种数据进行想像融合的能力;(融合规则)
3. 将融合后的数据,演绎给大脑,或者是新的关联与节点数据存储;
1. 蓝色:思维走向;
2. 左侧:神经网络构建流程;(错误,参考n9p10)
CreateTime 17.10.22
无,潜,有三种意识状态同时存在,互相共享数据合作。
1. 无意识:对应后台耗时任务 & 小脑任务;
2. 潜意识:对应未获取到注意力之前的任务;
3. 有意识:对应意识注意力思维思考等偏后行为;
1. 只存在潜过度到有意识的合作任务;(后台耗时任务 & input持续任务 都归到潜意识)
2. 最大的问题来自意识的灵活性;(随心所欲)
1. 主线程同时执行一件思考任务
2. 注意力
3. 后天写权限
CreateTime 17.10.22
注:本图缺失思维部分;(参考:note9 思维构建了数据)
CreateTime 17.10.23
脑: 丘脑
参考:
N6P4
N5P6
desc
result
1
事务控制器,灵活的控制了AwarenessLayer对DataLayer的操作;
应更细化;(参考:n9p4)
2
需与意识合作,因为事务本身只负责区域点亮及其它事务执行,而不知道其结果是否中意;
错误;事务结果传闻给ThinkingRule
3
事务接口:(执行 & 添加 & 打断 & 驳回 & Success & Error & Failure 等)
错误;事务结果传闻给ThinkingRule
4
调用:(区域点亮调用,带方向的区域点亮调用,电量参数,是否可转为后台长时参数);
5
思维抽象事务;
desc
能量位
增加抑制信号集成到事务控制器中...
能量位原理
针对数据量来运算,而非连接强度;(如:属性占0.1,obj占1)
desc
1
前额叶(向丘脑发起联想事务)
2
丘脑(Data事务控制器)
3
大脑(配合海马回和网络找到数据并返回)
4
前额叶(数据接收)
desc
1
去掉电能量的设计;换成 抑制
和 兴奋
;
2
所以思维,是在每个DataNode神经元点亮时已经在跟着工作了,而非全部取完,作统一类比;这样的好处是:
2.1
大大提高区域点亮的效果;
2.2
可以更智能灵活的控制整个区域点亮的过程;
2.3
可以尽可能少的减少不必要的点亮与思维,性能更优化;
n8p5 AwarenessLayer软件架构初想法2
CreateTime 17.10.24
1. AwarenessLayer是引擎,he4o的CPU;
2. AwarenessLayer是事务控制器,
3. AwarenessLayer是重转站,大脑循环站;
4. ControllerLayer引擎,大脑的cpu;
链式结构;每一节点都是控制器;分类器;决定下一站到哪;作什么事务;
1. input
2. 数据传递到:AwarenessLayer意识判断(此时,虽然不知道数据是什么,但可以判断`来源` 和 `数据量`)
3. 数据传递到神经元FuncLayer
4. 处理后输出给AINet
5. 由 `丘区` (mindValue)指引数据成长方向;
1. `桥区` 产生Demand 与 输入信息
2. 由输入信息到AINet检索经验作区域点亮等操作;
3. 事务控制器控制思维;在AINet中作类比等操作;
4. 思维控制器决策
5. 思维控制器将结果(一组输出值)返回给 `桥区` 的OutputController
n. output
CreateTime 17.10.24
1. 算法层负责生产数据 和 其它控制器取值打辅助;
2. 数据层负责一切智能活动,等等参考前文神经网络;
3. ControllerLayer负责控制整个过程有序进行;
其实人类的大脑也是几乎这样的模型;是个强化版的MVC;并且特别是Model层;(即神经网络)将很多Controller的功能作到Model中了;所以表现出了非常好的通用性灵活性和智能;
我提出LOP的方式;最主要其实就两个目的;
1. 让人们将OOP忘掉;将OOP中的那些理念回归到数据中..
2. 让人们更加重视DataLayer层;因为数据带来的泛化能力和灵活性是前所未有的;
3. 让Controller的和思维类比等配合下,代码逻辑源于数据;
CreateTime 17.10.24
1. 融合,不止是事务与controller,其意义是意识思维与神经网络一起成长。
2. 即数据即思维升级,数据即意识升级;
CreateTime 17.11.16
脑: 中脑
desc
参考
本能行为反射,如下:
1
远离恐惧源
2
重复快乐行为
n8p9
title
desc
1
mindVaue能否被存储?
(应该会存储自我的mindValue快乐状态,mindValue具有影响构建和可数据表示二象性,mindValue原本不是一条数据,但因被自我状态感知了,才变成数据)
2
快乐状态
心情结合条件反射(例如心慌的感觉,如果没有惊慌难以感知到自身状态)
title
desc
概念
五感有些会附加mindValue+-;
实现
AINETEditor添加内感刺激mindValue释放功能。再外加配置一个算法曲线。
废弃
没有先天mindValue都是思维调用后释放的。
CreateTime 17.10.26
对脑: 理性杏仁核/非理性垂体
参考:
框架/Mind#MoodDuration心情持续 Book心情持续
desc
1
意识思维通过MindValue的方式与AINet紧密合作,是数据的活跃剂,构建期监工,也是意识与数据的桥;让意识由神经反射升级成持续意识;
desc
1
mindValue在AINet中作用是指引成长方向;(与2为或关系)
2
或 mindValue是生长因子,一切构建关联由其生长。例如:记错颜色为同时出现物混乱(与1为或关系)
3
mindValue在意识中作用是将神经反射作为持续的欲望或需求;
title
desc
概念
后天是对已有的复习和增强,
实现
在AIThinkingRule中分析提纯数据,并向mindValue工厂申请释放新mindValue信号(构建因子);
新mindValue信号的功能;
desc
概念
MoodDurationManager属于丘区垂体;mindValue功能体现之一;
作用
MoodDurationManager解决了mindValue的持续性问题
MoodDurationManager工作流程 >>
步骤
desc
1
持续内感受到 mindValue-;
2
AINet无记录时的手足无措,
3
有记录时则促使he4o去解决mindValue-的问题;
脑对应:
思维控制器-前额叶
AINet-神经网络数据部分
后天MindValue-杏仁核海马体
先天MV-中脑
黑线脑
五感->脑干->丘脑->皮层
黑线软
input->main()->潜意识->AINet
CreateTime 17.10.31
Input写
->神经元算法
->思维分析结果
->二进制存储
二进制读取
->神经元逆向算法
->思维类比分析
->Output读
1. Gan逆向算法一一对应正向神经元算法。(错误)
2. AINet的节点数据是二进制,只有逆向算法后,才是节点整体信息。(错误)
3. 存在与否?
应该不存在,数据的实物与属性,具象与抽象的关系应该是存在神经网络中...
1. 区域点亮
2. 节点数据读取
3. 节点数据的整体复合(复合参考:n8p2)
4. 成为完整的想象力事务。
1. 神经网络只存算法结果(不存mp4mp3)
2. 只强化思维结果的关联
1. 神经网络通过mindValue与深入思维(冥想)整理,
使事物抽象与本质产生关联;
将看似均匀的可能性,导向更正确的关联可能性;
数据整理过程图:
1. 黑线:obj与property之间的关联;
2. 黄线:obj与p4之间产生强关联;(与深入思维后mindValue123三层的继承有关)
3. 绿线:本来p4或obj与mindValue1的相关
4. 蓝线:本来mindValue1 与 mindValue2 mindValue3的相关
注: 冥想或思维只是强化关联
注: 深入思维只是描述了思维的层级,并非单纯围绕外围世界展开,而是围绕任意层次节点展开
CreateTime 17.11.01
控制器
生命周期
主任务demand
IO
参考
1
main()
main()
2
he4o类
update()
1
意识控制器
rootController & pageController
2
思维控制器
构造 析构
n8p13 & controller
3
AINet事务控制器
数据交互
CreateTime 17.11.02
拆融任务
实现方式
数据IO事务拆分组
1
数据拆分
思维
2
数据融合
区域点亮->联想->想像力
思维组
1
思维拆分
意识控制器
2
思维融合
用AINet数据融合代替
CreateTime 17.11.02
脑: 前额叶
功能
脑功能
合作
参考
注
1
数据拆分
分析
2
构建后天网络
操作
3
数据IO事务(联想事务)
思考
与丘脑合作
4
想像力事务
判断
5
可持久化存储
记忆
意识流,经验,逻辑,等;
6
决策
7
决策被先天干扰部分
n8p19
1
init:(id)task;
task是由意识控制器
提交过来的任务 `1.任务源:神经网络的数据 2. 任务目标:(一个mindValue方向
2
initData
3
initRun
4
think
1. 思维只有1个
2. 思维有3个线程(主线程,非主线程,后台线程)
注: 蓝色:双箭头表示一个联想事务,其影响着思维的任务及走向;
注: 主意识:占有着注意力,可写权限,想像力逆向演绎,等;有大多资源调配力,其特征也是多变灵活的;
软件实现
参考
1
思维与无意识思维合作
n8p19
title
desc
简介
复杂的现实无法推演,所以数据成了分析的唯一标准。想像力与演绎是思维的唯一出路。
步骤
title
desc
参考
1
Task
task来自:1. mindValue归0; 2. 五感需求 3. 情感
n8p19
2
取数据
AINet是思维的养料,有了事务管理器在AINet取到N次数据,进入步骤3
n8p2 大脑步骤 & n8p15-想像力
3
数据融合
有了步骤2的数据,在思维中融合;进入步骤4
n8p15 想像力
4
分析
一切的融合只是为了分析,进入步骤5
5
决策
234步为灵活循环n次,最终决策;
CreateTime 17.11.03
功能
code
1
维护一个意识主线程;
mainThread_Awareness
2
主线程分配100百分比占用;
CGFloat busyStatus
method
1
判断潜意识准入
-(BOOL) checkShallow{}
2
判断注意力获取
-(BOOL) checkDeep{}
CreateTime 17.11.07
脑: 前额叶+海马回
参考:
当下不开发的/想像力 & n5p5意识真实的感受_二阶-想像力 & n6p2 感受 & n8p2 意识真实的感受2-(想像力/逆向演绎) & he4o/类人的学习项目 想像力,把图像属性,甚至文本描述GAN成图像演绎;
引言
/*
被窝好暖和,继续睡?起床?是个问题,大脑想起,身体想睡,眼睛闭着,脑袋意识清醒。
大脑思维那么快,但两者任务在controller里pk了半小时,
暖和的感觉是当下持续的mindValue+,起床后的任务是未来的mindValue+,
如果只是简单的执行思维思考,智能体将局限与经验量化智能,
但想像力足以变异思维控制器,智能体才可以升华出智慧。
一项我们天天在有意无意间使用的能力,却十分重要,让生命的体现都如此不同。
*/
title
desc
1
简介
想像力在he4o中是代码能力
,其融合一个或多个联想
事务;并通过思维将其逆向演绎
2
通俗简介
Decoding能力(将data转为model的能力)
3
特征
整个过程是 有序
, 灵活
的,体现为: 思维想到什么追加什么
4
描述
我们的思维如此快,当你读到 一朵花
时,你的思维已经想像出一朵漂亮的花呈现在大脑中..
5
作用
想像力是帮助读取数据的,没有想像力,数据将难以被主观意识读懂;
6
工作状态
想像力,将当前思维的相关缺失数据以常识等方式补全,并构建新的关联
7
maybe
将非全面数据的补全机制(将数据构建关联至抽象节点之下最强关联的具象节点)
8
联想对比想像
1. 先联想后想像 2. 联想先读内整数据,想像再追加外碎常识数据 3. 联想是AINet单Data事务,想像是多事务与解读数据
title
desc
1. Controller部分
思维控制器,Data事务控制器,想像力演绎器
2. AINet部分
空间区,时间区,等;及负责服务整个功能所需数据;
1. 想像负责多Data事务;每个事务产生一个 分联想
2. 思维想到什么追加什么
注: 小红色圆:AINode
注: 大红色圆:区域点亮范围
CreateTime 17.11.08
title
desc
1
简介
1. 配置生理或者心理需求,快乐等情感; 2. 接入传感器,肢体等外设
CreateTime 17.11.10
title
desc
1
简介
一切规则都是为了针对熵增问题作熵减,而保持其灵活性的定义;在思维对数据分析时...有限的规则影响着意识与思维的走向;
title
desc
1
意识的规则
主意识的busy状态,潜和无转向主意识的规则,及n8p12中的权限规则
2
思维的规则
基础类比操作 + 数据影响走向 + 想像力演绎真实感 + NET构建规则 + DemandTask规则 + 3种思维的权限规则
3
Data事务规则
区域点亮 + 多维分区间规则 + 后台任务规则
4
Input规则
5
Output规则
1. 意识规则:定义了意识的三种`运行方式`源定义;其定义了cpu资源的三个线程;
* 主意识注意力;
* 潜意识readData与input触发运行;(潜意识是主意识的门卫,缓冲区)
* 无意识任务(意识中断,代理回调碰撞)
2. 思维规则:定义了cpu的`运算规则`;其本身也是思维规则,受数据影响其航向;
* 想像力;
* DemandTask的规则;
* 思维的持久化(意识流)(90%不单独存在)
3. 数据规则:定义了神经网络的构建,使用等方法;
* 多次联想;
* 联想;
* 后台检索
注:
1. 思维结果不是由意识决定的,也不是cpu决定的;也不是代码算法决定的;而是由数据决定的;
2. 一切都要保证数据的灵活性, `数据产生逻辑` 的原则;
3. 数据有效性没有100%;所以有多次联想,想像力,等来帮助多事务找到问题出口;
4. 思维的元操作,(类比是针对神经网络的读取等操作的);除类比外,神经网络的一些经验记录才是真正的逻辑源;(常识等)
title
desc
1
思维规则问题:
内心活动,思维的变化,demandTask与决策的变化;是否需要怎样的针对规则设计
n8p18 DOP(DataOrientedProgramming)面向数据编程
CreateTime 17.11.11
time
desc
1
2017.02
DataLanguage
2
2017.05
AIFoundation
3
2017.08
LOP
4
2017.11
DOP
title
desc
参考
1
OOP
n4p13
2
LOP
n4p13
3
DOP
LOP的分层其实是不明确的,并且定义不太准确,(其实就是起的名字不太对,所以换了DOP)
n4p13
论点
desc
1
概念
逻辑产生于数据,并非一切逻辑源于数据,是与控制理论相结合;所以才有DOP和本系统架构
2
简介
是控制与灵活之间的设计;就像协议;很轻;从而使数据不会因熵增而爆!
3
数据
将OOP的继承,属性,多态,抽象,接口等全在Net中表示;Net就是数据中枢;此时,所有逻辑,规律,经验,常识等都在数据中;
4
代码编程
以往编程逻辑都是用代码写的;只偶尔也会对数据作一些小范围判断;
5
代码进化
但如果数据范围占据大多;此时,逻辑将几乎被数据引导;就像人类依赖记忆和经历来作决策思考一样;
6
DOP的控制器
以往控制器;用来写model,view等其它层逻辑;而he4o中,控制器不仅是控制自身的代码顺利运行,也要作为一个监督者的身份;来作数据的元操作与控制数据的安全范围;
7
定义
在he4o中把这种安全范围的控制称作:"规则";
8
描述DOP控制器
即控制器并非完全的控制整个逻辑;而是跑规则;让这些数据安全不失控的规则;
9
举栗
"有个大人在看小孩";:原先的控制器逻辑就像命令小孩的每一个动作和行为;而现在的只是规定小孩子只能在某个范围内玩耍;其它的全部交由小孩子自己决定;
10
栗子回归
编程诞生之初;有人用代码指令的方式实现了计算机按着他的意愿输出了HelloWorld;而这一步;即是生;也是死; 1. 生在于计算机可以听从指令运行各种复杂逻辑运算了; 2. 死在于;计算机从此就成了那个听话的孩子;多少程序员从此与bug打交道;而后的面向对象;只是让代码结构更灵活易维护了;但终还是在代码上;未脱离开代码;
11
结
这就是让逻辑产生于数据;其最大特点是:灵活性,弱依赖运算,不确切,智能,个体多样性等;
CreateTime 17.11.17
脑: 前额叶
desc
预测是 未来想像力
,是想像力的一种,预测描述的是其结果
desc
1
基于大量常识的是分析+预测
2
基于经验的才是预测