一、神经neural系统
目前我们对大脑如何工作的了解还很少。被称为神经网络（ neural networks）的系统是一种统计方法，与其他统计方法有相同的优点和缺点，但它们与实际神经元的工作方式几乎没有相似之处。
其每一种方法都基于一种特定的技术：数理统计、语法规则、字典格式或神经元网络。他们中的每一个 都忽略了技术不适应的语言方面。但是，对人们来说，语言与生活的方方面面无缝地结合在一起，他们不会被不同技术之间的界限所妨碍。
1、类似芯片计算机的神经元计算
智慧的力量power来源于我们巨大的多样性。
aaas系统中采纳一种名为 语言游戏的类似芯片计算机的神经元计算网络来处理语言机制中巨大的多样性。
目标是用不完美、可能出错的神经元（计算组件）构建一个灵活、容错的系统。不同神经元支持的不同进程可以实现不同的语言游戏，甚至同一语言游戏的不同方面。
也就是说， 语言游戏 和现在的神经网络中的任何一个基于一种特定技术的方法不同，表示了 认知中一个更基本，与实现无关的表面特征。它并不是按照产生语言的技术种类来划分compartmentalize语言，而是通过题材（subject matter）和使用方式（mode）来划分语言。这种方法似乎更自然。但它提出了一个问题，即计算机如何识别正在玩的游戏，尤其是当多个游戏的各个方面组合在同一段甚至同一句话中时。
这个问题的解决在下一篇文章中说明。
二、神经系统的模型
图18.1 大多数神经网络的基础模型
图18.2 神经网络基础模型的增强和扩展
系统地将被认知的对象划分成三种复杂度。 图18.1的原图适用于中间复杂度的对象，是对借助了介质的图像（计算机中的大对象，如CLOB和BLOB）的结构分析（统计分析）。图18.2适用于高复杂度的对象（aaas中新增加的巨型数据对象–简称”巨对象”，包括智商、情商和当量），需要使用介观系统的复杂多样性的语言机制-类似光波的对象，是基于给定环境规则的分析（系统分析）。而对简单对象（数字、字符和数字字符组成的串）的特征分析（概念分析）可能没有中间层。
对应了三种计算复杂度的神经系统，只有认知对象最复杂时才需要神经元计算的操控。
- 最简单的情况下，只有输入层和输出层，仅用到中枢神经系统（中脑）的条件反射。它根据初始权值，满足初始值条件就激发。每一个都是独立的单路。【继承性】
- 中等复杂度时，需要大脑（前脑)神经网络的参与。通过改变权值，满足操作数条件来激发。系统的并行输入后组织计算再输出。【封装性】
- 高复杂度时需要前脑和后脑的共同参与。后脑神经元利用临时建立的传输通道和配置好的缓存和管理能力来调度和度量 前脑神经网络，为连接到其中的4对节点分配任务并配发随机数条件 。这是一个协商过程，直至得到满足各自的操作数条件的随机数条件。【多态性】
三、说明
最重要的是 预设了三种条件：操作数条件和随机数条件和机器数条件。
三种不同的计算任务：
- 在工业中，分别用于现场（设备）级、车间级和工厂级。
- 逻辑上，对应于 行为良好的数据（分组DP设备， 对象技术-可控制）、 组织良好的交易性质 （划分工艺段，信息技术-可交换） 定义良好的部分（分部门，运营技术-可扩展）。
【——-未完待续————】
Original: https://blog.csdn.net/ChuanfangChen/article/details/122938311
Author: 一水鉴天
Title: 软件智能：aaas系统中AI众生的“世”和“界” 之8-神经系统的假设assumption
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/530931/
转载文章受原作者版权保护。转载请注明原作者出处！