一种类似于人类智能的机器智能实现方法技术

本发明专利技术申请提出的学习方法，是模仿人类学习过程，通过总结信息、重组信息、通过动机来寻找各种重组方案、并通过把一个过程分成多个中间环节来寻找可模仿的经验等手段，机器逐步获得从简单到复杂的从输入到输出的响应，并拥有和人类相似的情绪表达，这些都展现了本发明专利技术申请提出的机器学习方法和目前业界已有的机器学习方法存在巨大差异，目前在业界还没有与之类似的方法。

【技术实现步骤摘要】
一种类似于人类智能的机器智能实现方法
本专利技术申请涉及人工智能领域，尤其涉及建立类似于人类智能的通用机器智能领域。
技术介绍
当前机器智能通常是为特定任务设计的，还没有能够完成多种不确定性任务的通用机器。比如深度学习中，多层神经网络通过反向误差传递来寻找误差函数最小的多层映射。机器并不理解输入信息的意义，也不能预测这些信息可能的后续发展过程。卷积神经网络，是通过对多层神经网络的数据做预处理而得到，它也有同样的问题。目前的知识图谱工程，通过在大数据中提取文本或者概念之间的关联，来帮助机器搜索时联系不同事物。但这些关系缺乏量化，缺乏一种方法来帮助机器利用这些关系来推测信息发生的原因，来预测信息发生之后可能的结果。而人类通过学习，能够对输入的信息推测原因、预测结果并作出选择和响应。所以，目前的机器智能和人类的学习方法差异很大，无法产生类似于人类的通用智能。而本专利技术申请认为机器的智能应该基于信息提取，基于经验，而不应该基于数据处理方法，数据处理方法是为方便信息复用服务的。所以本专利技术申请提出的学习方法，是模仿人类学习过程，通过总结信息、重组信息、通过动机来寻找各种重组方案、并通过模仿来实施响应等手段，机器逐步获得和人类类似的通用智能。这些都展现了本专利技术申请提出的机器学习方法和目前业界已有的机器学习方法存在巨大差异。本专利技术申请提出的方法，是针对实现一个类似人类、甚至超越人类智力，并在情绪和动机等方面和人类类似的机器智能，目前在业界还没有与之类似的方法。
技术实现思路
人类的智力是一种进化的结果。我们的祖先，在没有语言符号产生之前，他们探索世界时，一定是使用图像、声音、气味等基础传感器获得的信息来认知这个世界，并通过这些信息来总结经验。在本专利技术申请中，我们采用同样的方法，把所有输入的信息，重新还原到我们祖先的思维方法上去，进行信息处理。然后使用语言来作为输入和输出。人类是因为理解事物之间的关系，所以才能根据这些关系做出符合自己利益的选择，并实施这些选择。这就是人类的智力表现形式。在本专利技术申请中，机器也是一样，它对输入信息处理，利用关系网络来重组信息响应，利用评估系统来选择最优信息响应，利用逐步模仿来实现最优信息响应输出。下面我们来分别说明。1，相似性的建立。在本专利技术申请中，第一个基本假设是：“如果两个信息的部分属性相似，那么这两个信息包含的其他属性可能也相似”。这是机器学习的起点。很幸运的是，我们所处的世界正是这样一个世界。比如，两个苹果的纹理、颜色和形状都很相似，那么他们拥有的其他属性有可能也相似。比如味道、重量、价格或者硬度，也包括和发现这个信息之前的关联信息，比如都长在苹果树上，都在秋天成熟等；也包括预测这个信息之后的信息，比如它们在自然情况下会逐渐渐腐烂掉，在冷冻中可以长期保存。相似性还表现在动态过程中，比如对两段“一个人去买东西”的信息，我们可以合理推测它们之前的信息可能都是“她(他)需要这个商品，并且目前缺乏”，或者之后可能的信息都是“她(他)需要付钱，并把商品拿回去”。这种通过局部相似性来推测更大范围的相似性，就是我们学习的起点。本质上，“相似性”隐含了我们使用同样分辨率来对比这个前提。比如，我们不断增加分辨率，可以认为这个世界上没有两个苹果是同样的。但我们不断降低分辨率，可以认为这个世界上所有苹果都是相同的，它们都是“苹果”。甚至进一步扩展到，世界上所以物体都是相同的，因为它们都是“物体”类。所以，我们可以借助不同的分辨率下，寻找事物、场景和过程的相似性，并依据相似性，合理地推测它们在这个分辨率下的其他属性(比如产生的原因和带来的结果)也相似。这就是经验总结。1.1寻找静态相似性。相似性的比较，首先需要确定比较的分辨率。比如，两栋房子，从粗略的比较上看，它们的形状是相似的，所以他们存在相似性。而从细节看，他们的窗户不同，颜色也有差异，所以它们之间没有相似性。要解决这个问题，本专利技术申请提出了局部相似性对比方法。具体就是，采用不同大小的窗口来取数据，然后对窗口里面的数据做处理(比如卷积，轮廓提取，各种坐标基变换再滤波等，不同窗口可以采用不同的数据预处理算法。这些算法是目前图像处理非常成熟的算法，也不在本专利技术申请的权利要求中，所以这里不再赘述)。然后对处理后的图形做相似度对比。机器有可能需要对同一数据反复使用不同的窗口，来按照不同的分辨率比较相似性。在数据处理中，机器每发现一个相似的局部数据，机器就把这个数据放入临时记忆库，作为特征图的候选者，并给这个特征图候选者赋予一个记忆值。机器使用大小不同的窗口，对数据迭代使用上述过程，这样机器就能在临时记忆库中得到大量的特征图候选者。在临时记忆库中，我们采用记忆和遗忘机制来维护这些特征图。具体就是：每发现一个相似的特征图候选者，那么这个特征图候选者的记忆值就按照记忆曲线增加其记忆值。同时，临时记忆库中的所有记忆值都按照遗忘曲线，随时间而逐渐递减。如果记忆值递减到零，那么这个特征图候选者就从临时记忆库中删除。如果某个特征图的记忆值增加到预设标准，那么这个特征图就被移入到长期记忆库，成为长期记忆。在这里，记忆值代表对应的特征图能在数据库中存在的时间。记忆值越大，存在的时间越长。记忆值为零时，对应的特征图就被从记忆库中删除。记忆值的增减按照记忆曲线和遗忘曲线来进行。而且不同的数据库可以有不同的记忆和遗忘曲线。机器在训练过程中，在日常生活中，不断使用上述过程，最终获得大量的特征图。同理，我们可以对图像之外的其他传感器信息做一样的处理。比如对于语音，我们可以分辨不同语音的频率组成、相对强度作为静态特征，从中寻找局部相似性。对于触觉、感觉等数据，也可以采用类似的方法，我们只需要在这些数据的不同维度上，按照不同的分辨尺度来寻找相似性就可以建立在不同分辨率下的相似性对比结果，从而建立其静态特征图。需要指出，静态特征图是基于分辨率而建立的，它代表机器根据相似性而对事物的自建分类。比如两张桌子，在粗略的分辨率下它们可能属于同一个分类，而在细致的分辨率下，它们可能有多个分类。我们的祖先，对部分分类建立了语言符号来代表它们，用于在信息交流中方便地表达这些分类。1.2寻找动态相似性。在动态图像中，存在两种相似性。一种是其包含的图像和其他过程中的图像的相似性。机器只需要把过程中的特征图和其他过程中的特征图，按照静态特征图提取方法进行就可以了。它们本质上还是静态特征图。但在动态过程中，存在另外一类相似性，那就是运动模式的相似性。运动模式是指机器忽略运动物体本身的构成细节，而重点对比它们的运动模式。同样，这也存在比较的分辨率问题，比如一个人向我们走过来，或者滑动着过来，或者跑过来，我们在粗略的层面上，甚至不会注意到这些运动模式的差异，所以这个时候，我们认为他们的运动模式是一样的。但当我们增加了分辨率，我们发现滑动过来的人是平稳的运动过来的，而走过来的人和跑过来的人，有各种的运动特征，这些特征包括人体的各个部分的相对运动和人体作为一个整体的整体运动，也包括变化的快慢，所以我们会发现他们的运动模式是不一样的。要解决这个本文档来自技高网...

【技术保护点】
1.一种建立关系网络的方法，其特征包括：/n提取2种基本关系来建立关系网络，它们分别是1，信息的相似关系；2，信息的环境关系。/n

【技术特征摘要】
1.一种建立关系网络的方法，其特征包括：
提取2种基本关系来建立关系网络，它们分别是1，信息的相似关系；2，信息的环境关系。


2.根据权利要求1所述的方法中，其特征包括：
机器存储信息到记忆库时，保留信息之间原来的相似性关系和环境关系；机器使用数值或者符号来表示这些信息能在记忆库中存在的时间，它们称为记忆值；同一记忆中的信息，彼此之间存在关系；其中任意两个信息之间的关系强度和这两个信息的记忆值相关。


3.一种记忆存储的方法，其特征包括：
机器存储记忆时，既存储内部传感器和外部传感器给出的数据，也存储机器的需求数据或者机器的情绪数据，或者同时存储机器的需求数据和机器的情绪数据；并且把这些数据存储在同一个记忆中。


4.一种记忆存储的方法，其特征包括：
机器存储记忆时，机器赋予给被存储信息的初始记忆值和存储发生时的激活值相关。


5.一种数据特征选取方法，其特征包括：
机器采用对比局部相似度的方法来选取数据特征；机器按照不同的分辨率来选取数据特征，同样的数据，在不同分辨率下选取的数据特征可能并不相同；机器采用的分辨率包括时间分辨率和空间分辨率，机器分析的数据包括静态数据和动态数据；机器需要对同一数据采用不同的分辨率来进行选取特征的操作。


6.根据权利要求5所述的方法中，一种提取动态特征的方法，其特征包括：
机器采用不同的空间分辨率，使用一到多个窗口来代表窗口内的数据，通过对比窗口的运动轨迹来对比两个动态运动的相似性；机器对比运动轨迹的相似性是在同一空间分辨率下进行对比；机器使用时间分辨率，来对比机器的运动轨迹的变化率，来确定动态速率；机器对比变化速率的相似性是在同一时间分辨率下进行对比；机器需要对数据采用不同的分辨率来进行重复提取。


7.一种对输入信息建立响应的方法，其特征包括：
机器首先在记忆中找到一段或者多段最相关记忆；这些记忆是过去对类似于输入信息的响应，或者是过去对局部类似于输入信息的多个信息的响应；机器寻找这些响应中的过程特征，并按照时间和空间关系把这些过程特征组成一个或者多个动态过程；机器采用同概念下属性相同就可以替代的原则，使用输入信息中的动作相关对象代替记忆中对应动作相关对象，建立起对输入信息的响应；上述过程可以迭代进行。


8.一种机器对计划输出的信息做评估的方法，其特征包括：
机器首先在记忆中找到一段或者多段最相关记忆，这些记忆是机器在过去做出类似输出信息，或者过去做出局部类似输出信息的情况下，得到的外界反馈；机器调用包含这些外界反馈的记忆中的需求状态信息，并把这些需求状态信息做累计，来预估特定响应实际输出后可能带来的后果。


9.一种实现机器经验泛化的方法，其特征包括：
机器首先寻找经验中的动态特征；因为动态特征是...

【专利技术属性】
技术研发人员：陈永聪，曾婷，其他发明人请求不公开姓名，
申请(专利权)人：陈永聪，
类型：发明
国别省市：北京;11