[发明专利]一种实现通用人工智能的方法

权利要求书

1.一种通用人工智能的实现方法，其特征在于，包括：

S1：建立特征图库，建立提取模型；其中所述特征图库为机器通过寻找局部相似性建立的底层特征图库，所述提取模型为用于提取底层特征图的算法模型；

S2：提取底层特征，包括：机器对传感器的输入信息做底层特征提取，并按照所述底层特征和原始数据相似度最高的位置、角度和大小，来调整所述底层特征的位置、角度和大小，所述底层特征和所述原始数据重叠放置，保留所述底层特征在时间和空间上的相对位置，并建立镜像空间，用于简化所述输入信息；

S3：识别输入信息，包括：机器寻找关注点，以识别所述输入信息，去掉歧义，并做特征图翻译的过程；

S4：理解输入信息，包括：机器把所述关注点组织成一个或者多个可理解的序列，把目标语言的词汇，利用语法重新组织成可理解的语言结构，步骤S4采用的具体方法是分段模仿；

S5：选择响应，包括：机器把翻译后的输入信息，加入动机，寻找目标关注点；机器并利用关系网络和记忆建立对所述输入信息的响应；使用收益和损失评估系统对响应做评估，直到找到能通过评估系统的响应为止；

S6：把响应转换为输出格式，包括：机器把S5选择出来的序列，通过分段模仿，转化为输出形式；

S7：更新数据库，包括：机器根据步骤S1、S2、S3、S4、S5、S6中对数据的使用情况，按照记忆和遗忘机制对所述底层特征图、概念、所述关系网络和记忆进行更新；

其中通过对所述记忆的整理来获得事物之间的所述关系网络；通过对所述记忆和所述输入信息的重组来理解所述输入信息，来建立输出响应；通过趋利避害的动机来选择不同的重组结果，并通过模仿或者类比模仿选中的记忆重组结果来做出响应。

2.如权利要求1所述的通用人工智能的实现方法，其特征在于，所述关系网络的建立方法包括提取以下三种基本关系，分别是：信息的相似关系；信息的时间关系；信息的空间关系；所述关系网络中的关系每被使用一次，关系强度就增加；所述关系网络中的关系强度随时间而递减；机器认为同一时段存储的数据，彼此之间存在关系；其中任意两个数据之间的关系强度和这两个数据的记忆值相关；机器相似特征图之间存在关系，关系和相似度相关；其中，

步骤S1包括:

S101：通过滤波器把输入数据分成多个通道；

S102：对输入数据寻找局部相似性，对每一个通道的数据，在数据中寻找共有的局部特征，而忽略整体信息；在S102步骤中，机器首先是使用一个局部窗口W1，来滑动寻找窗口内的数据中普遍存在的局部特征；

S103：逐次使用局部窗口W2，W3…，Wn，其中W1＜W2＜W3＜…＜Wn，重复S102的步骤，来获取所述底层特征；在S104中，以机器建立一种底层特征提取算法模型A在S102和S103中使用，采用相似性对比算法；

S105：使用所述局部窗口W1提取的底层特征去训练神经网络；

S106：使用所述局部窗口W2,W3...Wn提取的底层特征去训练所述神经网络；在S107中，以机器建立的另一种底层特征提取算法模型B在S106中使用，输出是n个独立的神经网络，或者是单个神经网络，但包含n个输出层，算法模型B是基于多层神经网络的算法模型；或者/以及,

步骤S2包括:

S201：机器选择数据区间、选择所述局部窗口W1,机器使用步骤S1中算法模型A或算法模型B以提取底部特征;

S202：机器移动所述局部窗口W1来提取底层特征,并保持原始时间和空间上的相对关系；或者/以及,

步骤S3包括:

S301：机器在自己感兴趣的区间，使用窗口提取数据后，使用步骤S1中的相似度对比算法A或者神经网络模型B来提取所述底层特征，然后在所述关系网络中使用相似度对比方法来搜索对应的底层特征；

S302：机器对找到的每个底层特征，按照动机赋予它们初始激活值，这个值通过机器的动机来调整；

S303：每一个被赋予了初始激活值的底层特征，如果它的激活值超过预设的激活阈值，那么就开始启动链式激活；

S304：机器在认知网络中启动链式激活；

S305：所有底层特征链式激活完成后，那些一到多个激活最高，并且能凸显的特征图就是关注点；

S306：机器在记忆库中启动链式激活；

S307：所有底层特征链式激活完成后，那些一到多个激活最高，并且能凸显的特征图就是关注点；

其中S304/S305和S306/S307的过程是平行2选1的；或者/以及,

步骤S4包括:

S401：机器在记忆中搜索每一个关注点转换后的特征图并建立起记忆池,具体实施方法是，对记忆库中找到的输入信息特征图赋予激活值，然后启动链式激活，链式激活完成后，那些包含的激活值和比较高的记忆，放入记忆池中的记忆;

S402：寻找可能的过程框架，具体方法就是优先使用激活值之和最高的记忆，从这些记忆中提取出过程框架，所述过程框架去掉低记忆值的特征图;

S403：机器把S402步骤中获得的可模仿部分组合成一个较大的可模仿框架;

S404：机器通过分段模仿的方法把代表所述过程框架的概念展开，展开的所述过程框架包含更多的细节，机器再次通过把相似的特征图重叠起来，来寻找到所述相似的特征图之间的联系，所述分段模仿的两个核心包括：找框架，展开框架，这个过程迭代进行；模仿记忆，采用同类替换的方式，把记忆中细节换成现实中的细节，通过逐步细化而建立一个塔型特征图序列；或者/以及,

步骤S5包括:

S501：机器寻找记忆中和类似于输入信息相关的记忆，采用把步骤S4中识别出来的信息做一次虚拟输入;

S502：基于记忆值最高的记忆作为框架，建立虚拟响应，作为机器对所述输入信息的本能响应;

S503：寻找和本能响应相关的记忆，用于收益和损失评估;

S504：机器评估本能反应的收益和损失情况;

S505：判断是否通过，如果通过，机器就把这个响应作为输出，如果不能通过，机器需要针对带来利益最大的特征图和带来损失最大的特征图，扩大搜索相关记忆，并再次组织响应流程。