回复：浅谈反射算法

反射算法的结构，会给人们习惯的对智能的认识带来很大的麻烦。
 人们对自己思考过程的主观感觉，是感觉到“思考”是一种数据的流动。人们在构造计算机时，也很有可能是凭自己对自身思考过程的主观感觉，才从图灵机开始，到目前所有的计算机，一直在构造一些数据流动的算法结构。同时连我们使用的词汇，也有很多与数据的流动性有关。
 反射算法结构，则在告诉我们，大脑里的数据，是靠神经元间建立的联系（反射）构成的一个不可移动的数据“网络”。不移动的“大脑数据”和移动的神经元兴奋信息，构成了大脑的全部复杂活动功能。由于这种思路是与人们习惯的思路完全相反的，因此我们就要完成说明这种方式能够产生大脑的全部功能的工作。
 这项工作是相当艰难和繁琐的。我不想在这个主题里完成。它大体分成两大部分：一部分可以叫做《由反射揭开智能和意识的秘密》，另一部分可以叫做《神经数学》。前者使用语言讨论“反射是如何产生智能”的问题。我已经分头写了很多文章，但是随着思路的发展，还需要补充完善。后者使用数学的手段，论证“反射是如何产生智能”的问题，我已经写了几万字，但是由于思路的变化，需要推倒重来。
 不过，从数据可移动性出发，在神经网络和智能产生间，总找不到合理的结合。如果从反射算法出发，尽管要经历一个很艰苦的理论和实验过程，但是我们可以找到神经网络与智能的完美结合处。因此我对反射算法的前景还是有信心的。

作者： 203.187.180.* 2007-3-12 10:24
你太不开窍了。你知道目前的计算机体系为何要把数据从内存移到cpu中的寄存器？ 
原因就在于目前计算机体系是冯.诺依曼体系，存储于运算是分离的，所以需要移动数据。 
如果设计一个存储与运算一体的计算机，数据根本不需要移动。目前用硬件实现的人工神经网络系统就不需要在存储器与运算器之间移动数据，因为这2者是一体的。 
所以不移动数据是一个简单的存储运算一体机都能够达到的。你所想到的方法别人在上实际50年代就想到了，你还洋洋自得，真不知羞耻为何物！ 
----------------------------------------------------------------
 宝贝儿，你就接着胡勒吧。目前的计算机加大CPU的存储量，是为了加快计算速度，原来不是不想加大，是技术达不到，根本不是为了数据不移动。你见过IBM公司有过计算机只要CPU不要存储器的设计计划么？
 简单的存储运算一体机是什么样的？哪儿生产的？它又是如何不用移动数据？不要胡咧咧了。你把你说的50年代人们想到的数据不移动设计也介绍介绍，也让人们看看，什么叫做无耻为何物！

作者： 雪刃8888 2007-3-12 10:57
请问ruiaijun你考虑过记忆的节律性问题吗？ 反射的两两对应是否满足记忆的所有现象？
----------------------------------------------------------------
 什么时候反射是两两对应的了？
 反射理论中最落后的是巴甫洛夫的条件反射理论，但是它在中国最流行。巴甫洛夫实验最基本的条件反射实验也有非条件刺激-反应-条件刺激三个对应因素。因此西方心理学把巴甫洛夫实验叫做刺激-反应-刺激型反射。
 在巴甫洛夫学说中，巴甫洛夫还提出二次条件反射和反射链，他也已经把简单反射拓展为多个神经部位间的复杂联系。
 至于我经常提到的视神经间的反射，是一种多刺激间的反射。也就是在多个接受光刺激的视神经间，因同时兴奋建立的反射。它不仅与两两对应无关，而且可以在任意多（几万个视神经间）建议起反射。
 没有了所谓的两两对应，我想你的问题就不再是个问题了？

（接53楼）
 由于讨论“由反射算法到智能”的过程比较复杂。我在这里现象大家介绍一下它的基本讨论途径。
 首先我们要讨论在反射算法结构上能够形成哪些大脑的基本操作。它们是：随机操作、替代操作。
 其次我们要讨论这些基本操作如何构成大脑全部的智力功能。
 这个讨论比较复杂，我们要保证我们已经把大脑的基本操作都找全了。我们还要找到一个合理的线索，把大脑的全部智力功能都串联在一起。
 最初，我确定的大脑基本操作功能有五种：反射、比较、替代、随机、复制。现在认识到大脑数据的不可移动性，复制操作就不必要了。反射既然已经提升到算法结构层次，它已经处于比其它操作更基本的位置了，也就不必再与其它操作并列了。在反射的实现过程中，神经元要把传入的兴奋信息与自身的比较，因此比较操作已经蕴含在反射操作之中了，也不必单独列出了。于是目前只剩下随机操作和替代操作了。
 这样我们就形成一个以反射算法结构为基础，以随机操作和替代操作为运算形式智能形成模型。
 以反射算法为基础和随机操作、替代操作能否构成大脑的全部智力功能。从我目前考虑到的智力功能看，是可以构成了。如果发现什么纰漏，我们再进一步修改这个模型就是了。

作者： naziwuzong 2007-3-12 15:02
我个人很愚蠢的认为：“数据不移动”这个命题，是我们的推论，要证明这点，难度也不小！
----------------------------------------------------------------
 对不住！你建议的方式，人们叫做分布式人工智能系统。已经有很多人在研究。但是我不会去研究它，因为就我的经济能力无法实现多机联网实验。那是有经济实力的科研机关或企业研究的范围。我只研究用我的计算机能够敲出来的系统。
 目前，人们对“数据不移动”不是需要证明的问题，而是无法理解的问题。人们已经习惯于各种移动数据的算法。就好像人们习惯于生活在四维时空空间一样。猛地出现一个“数据不移动”算法，就好像要带着人们进入五维时空空间，人们对它的一切都会不适应，不理解。因此你才会产生，“宁可研究别人已经研究很多的分布式人工智能，也不必去研究什么‘数据不移动’算法”的保守思想。

由基本操作继续往上研究，就需要构建出大脑的全部智力功能。其基本线索还是按照我以前发出文章的线索。
 首先确立在反射算法和基本操作的基础上，可以形成一个可学习的系统。这种可学习系统绝对不是计算机学习理论那种搜索问题解的虚假学习，而是由无知到有知，由无智能到有智能的学习。这种学习有四种形式：反射学习、自主学习（或者叫随机学习、尝试学习）、模仿学习和伴随学习。我原来发表的文章，主要是从用计算机算法模拟反射算法的角度来进行讨论的。而目前的讨论则是由反射算法的角度来讨论。因此其典型区别是要立足于数据的不移动规则。
 其次是确立以自编程序为智能生成机制的系统原则。原来的文章我已经讨论了用计算机算法是先自编程序的技术。但是从数据不移动的反射算法角度看，这项工作是极为简单的。其基本思想已经在“反射意味着什么？”中谈到了。
 然后还是按我在“模拟人类智能的整体结构”中的顺序，从构成智能的八个分系统讨论智能由反射算法生成的过程。在这个生成过程中，不仅有反射算法的基础作用，还有各种功能间的相互作用。这个讨论，因为不必涉及用计算机算法对它们模拟的问题，应该比以前的讨论简单。
 至于这些过程能否由计算机来实现，我以为起决定权就是我提出的“模拟反射技术”。模拟反射技术是用计算机的底层计算方式来模拟反射技术，它尽量靠近计算机算法的底层，用移动数据算法仿真不移动数据算法。要求它接近计算机算法底层的原因，是因为这样可以使它在运行时较少受计算机“可移动数据”算法的影响。

作者： 203.187.180.* 2007-3-13 09:52
你根本就没有搞清楚心理时间的本质，你脑袋里是一团浆糊！
----------------------------------------------------------------
 脑袋里有一团浆糊并不是坏事，它可以把零散的知识粘成完整的知识。它说不定能够粘出什么世界领先的理论来。
 像你这种满脑袋坏水的就不行了，你就是有点知识，也会被那满脑袋坏水腐蚀掉。不过老实说，你那点坏水比文革时整人的那些家伙差远了。还是留着你的坏水回家自己享受去吧！也别走，你走了，我们闻不到臭味了，怪对不起嗅觉的！

作者： 五月满天馨 2007-3-15 08:52
是否可以做一个精确度测算模型?
----------------------------------------------------------------
 反射算法是一个没有数字的算法，没有传统计算的计算功能，它怎么能够做出精确度测算模型呢？
 我倒很想知道，对于反射算法，它的精确度你想如何定义？你想用什么方式测算？如果它们都不存在，精确度测算模型的意义又是什么呢？
 实际上，对于反射算法来说，它不能用任何数字来测量，也就不具有任何精确度。
 别看吧主在那儿瞎咧咧，他要是能够定义出反射算法的精确度，给出反射算法的测量方法，那才怪呢？

在上面的讨论中，我们提到了，在学习说话时记忆与说话动作建立的反射。我们说的简单，两句话就打发了，它的实际情况却十分复杂。学习语言不仅要学习说话，还要学习听话，还要学习看文字，学习写文字。因此完整的语言学习是记忆中的事物形象（也较具象）——说话动作——听话的声音——写字的动作——文字的形象等之间的反射。而其中任何一项，也都是一个复杂的反射链。例如，一个事物的具象就是一个复杂反射链，说出一个字的动作也是一个复杂的反射链，听清一个字一个词汇的听觉活动还是一个复杂的反射链等等。
 但是尽管实际情况较为复杂，它们都是靠反射算法完成的，这一点是确定无疑的了。
 把上面讨论的过程反向进行，我们就可以得到可移动数据的语言，转变为不可移动数据的神经网络数据（反射算法数据）的过程。
 也就是可移动的语言数据，经过听觉（语音）、视觉（文字）以时间为顺序输入大脑，通过已经建立的复杂反射，引起大脑内相应的反射链的兴奋，就实现了可移动语言数据与大脑内不可移动的数据间的联系。这种联系仅仅靠传递兴奋就可以完成，此过程没有用信号编码和解码的方式参与，也就是没有类似计算机的数据传送方式的参与。
 如果输入的语言中有新概念（词汇）、新说法（语句和语段）出现，大脑就进入反射算法的建立反射过程，为这些新概念、新说法在大脑里建立新的反射链。
 上面的过程也就是用反射算法对大脑的语言理解的解释。它看起来要比计算机的语言理解要简单。例如没有分词的麻烦，没有统计词频的麻烦，也没有建立什么语言逻辑关系的麻烦。
 但是实际上，大脑语言理解的重头戏是由反射算法的建立反射过程唱的。也就是在语言学习过程中完成的。当语言学习后，前述的复杂得很的反射链建立了，对语言的理解就成为简单的输入语言并由神经网络产生相应的兴奋了。
 这也是我极力主张由有学习能力的、自建数据库的计算机系统来模拟语言理解的原因。那样我们不仅可以把大量由人完成起来很困难的工作（例如编写词库、分词方法、统计词频、逻辑关系库等）交给计算机自己去做。而且也可以使系统的数据结构与人类更接近。
 顺便指出，在语言输入的过程中，不仅字和词汇的图像形象或声音形象可以与大脑中的事物具象建立反射，而且语句、语段、语套（即语言中的套话）也可以与具象间建立反射。由这种反射理解语言，就会产生阅读时的一目十行等效果。因此由反射算法角度看，一目十行阅读时很合理的事情。

我们下面讨论一个令人不解的问题，我们思维是怎么在反射算法的“数据不移动”结构下进行的。
 需要说明的是，这里我们并不讨论思维的具体形式，因为思维的具体形式很多，讨论它是“由反射生成思维”的任务，那需要很长的篇幅。为了讨论简便，我们这里讨论的思维是泛指的。
 我可以用一个“亮灯模型”来说明“不移动数据的思维”在大脑的进行过程。
 “亮灯模型”是这样的：我们假设，我们能为“大脑神经网络图”上的每个神经元安装一盏灯。该灯亮了，表明该神经元处于兴奋状态。由于神经元的位置是不能移动的，这些灯的位置也是不能移动的。这样的模型，可以使我们一眼看出大脑神经网络图上的兴奋状态，也可以从神经网络图上看出思维过程中思维与兴奋的关系。但是请注意，灯亮并不表示某个数据，只表示这个神经元的正在兴奋。
 如果神经网络图上某一片的神经元的灯都亮，就表明那里保存的数据处于兴奋。如果神经网络图上这儿有一片亮，同时还有很多地方也有一片、一片的亮，这表明这些地方可能对外界信息正在产生反射响应，它们属于同一个复杂反射链。也可能是那些地方正在因同时兴奋而正在建立反射。这样，我们就可以由灯亮从神经网络图上看到思维进行时的神经兴奋过程。
 下面我再以我思考“反射算法”的过程为例，结合刚刚建立的“亮灯模型”，看一下思维是如何在数据不移动结构下进行的。

第一步。我们看一下对已有知识的思考过程。我就以我看到“反射”二字为例。
 可以肯定，在我的大脑里有很多关于反射的知识，它们已经形成了巩固的复杂反射链。
 如果某个网友提出“反射”二字，它通过视觉输入我的大脑，并使与“反射”建立二字联系的所有神经部位产生兴奋，借助这个兴奋，我可以回忆起我头脑里记忆的有关反射的知识。此时，如果看我大脑的神经网络图，那上面与“反射”二字有关的那些神经部位就都亮起了灯，出现这儿一片儿、那儿一片儿的许多亮区。
 如果这个网友接着提到“巴甫洛夫”，那么，我的头脑与“巴甫洛夫”四字有关的所有神经部位也会产生兴奋。这时，在我大脑的神经网络图上，那些与“巴甫洛夫”有关的那些神经部位也都亮起了灯，出现这儿一片儿、那儿一片儿的许多亮区。这些亮区与前面的亮区的位置显然并不完全相同。
 而对“反射”在二字的兴奋和对“巴甫洛夫”四字的兴奋，如果在这两个词组同时输入时，就会在神经网络中形成交汇。在我大脑的神经网络图上，显然这种多兴奋的交汇，会使交汇处的灯更亮一些。也就是那里的兴奋程度要强一些。不过这里的“强”，不是一个神经元兴奋的“值”造成的“强”，而是多个神经元交汇在一起兴奋造成的“强”，每个神经元的兴奋还是等“值”的。
 如果，网友接着提出一些关于这方面的问题，那我就可以由这些兴奋的神经部位找到答案。例如在“反射”二字和“巴甫洛夫”四字的兴奋交汇处，就有对“条件反射实验”的记忆（反射链）。把它转化为语言表达出来，就是我对网友的一个回复。显然，在这个对已有知识思考的过程中，我们没有发现数据的移动。
 从我大脑的神经网络图的“灯亮模型”上，人们也只能看到神经网络兴奋部位随着输入信息的变化，看到这儿一片儿、那儿一片儿的不同灯亮区，以及由“灯亮区”交汇出的“亮度较强区”。看不到数据的移动。
 这就表明，就已有知识的思考过程，可以在不移动数据的情况下完成。

第二步，我们看看新思想的产生过程。我就以我提出“反射算法”为例。
 首先是截获算法网友提出了“大脑算法”，它输入到我的大脑后，使我的知识中的与“大脑”有关的部位产生兴奋。在与“大脑”有关的兴奋的神经部位中，由于我对反射比较熟悉，与“反射”相关的部位最为兴奋。从我大脑的神经网络图的“灯亮模型”上，人们会看到，“大脑”二字输入后，出现与之相关的这儿一片儿、那儿一片儿的一些灯亮区。其中，有关“反射”部分的亮度较大。
 其次，“算法”二字又产生相关的反射。但是“大脑算法”还是个新概念，它本身在我头脑里还没有相关的联系资料（没有建立好的反射链）。于是他的“算法”二字，与我头脑中兴奋的“反射”二字，由于同时出现，便建立起新的反射联系。不过此时，它们间还没有巩固的反射联系，但是这种联系用语言表达出来就是“反射算法”这个新概念了。
 如果我们来看我大脑的神经网络图的“灯亮模型”，那么先是与“大脑”有关的那些记忆的出现“灯亮区”，然后是有关“反射”二字灯亮程度强一些（因为熟悉）。再就是与“算法”二字相关的记忆的灯亮了起来，并且因为同时兴奋，就由此在“反射”与“算法”建立联系。这种联系从我大脑的神经网络图的“灯亮模型”看不出什么来。
 尔后由于我反复回忆这个过程，“反射”与“算法”的联系得到巩固。“反射算法”的新概念也就在我大脑里产生。因此我对截获算法网友回复道：“大脑算法就是反射算法”。这就是，把原来知识中的反射链的“不可移动数据”和新概念的反射链的“不可移动数据”，转变成“数据可移动”的语言，加以表达。
 这就是我头脑里产生“反射算法”新概念的过程。上述讨论表明，新概念的产生，并不需要数据的移动。

作者： 雪刃8888 2007-3-15 21:30
顺便插一句，你这句话才是叫“算法”啊。就是我所谓的信息汇总整和后信息表达强度的增加。
----------------------------------------------------------------
 反射算法仅仅是一种算法结构。它是与“计算机算法”这个概念对立的算法结构。它们的对立之处就是“计算机算法”使用移动数据的方式来构造具体算法，而“反射算法”是由不移动数据来构造具体算法。
 交汇点的兴奋强度因神经元的兴奋数量多而变强，仅仅是反射算法构造的一个具体算法，单单依靠它并不能完成智能的全部运算。它仅仅是由“反射算法”结构构造的具体算法之一。
 我们的观点有很多相近之处，因此我们以往才能够在争论中坚持讨论得来。也就是说彼此还说得着。而且你曾经是“反射论”的信仰者，我们应该有一些观点是相通的。
 如果说不同，我是为了打破目前智能研究的瓶颈，把一些观点推向极端，力求对传统思路有所突破。你对此尚有很多犹疑，力图求得对传统计算机理论的平稳改进。

作者： 雪刃8888 2007-3-15 21:30
目前我很奇怪，你是想创造一个这样的硬件结构呢，还是在已有的冯依蔓结构的电脑上进行软件模拟。但我觉得软件模拟就是创建一个数据结构，某个信息的数据结构中要包含连接其他信息编号或地址的变量，才能使信息之间联系起来，做到有限模拟。 相比硬件实现对我来说是不现实的，因为我不懂电路。 
----------------------------------------------------------------
 我曾经想用非冯结构实现模拟反射。我在大学教的就是电子线路。因此有能力设计出非冯结构的电路。但是无法过制造技术的关。
 前几年。我终于在目前计算机的基础上，提出模拟反射技术。因此使反射在计算机上得以全面模拟。模拟反射技术的基本原理与你这里叙述的一致。只不过考虑更完善一些。在“模拟智能的整体思路”那个主题里有较为完整的叙述。
 “浅谈反射算法”主要是阐明由模拟反射往上的进行智能运算的原理。给出人们一个不移动数据进行智能运算的思路。否则，人们看到模拟反射以上的程序设计，就会像看天书一样困难。