排除了專家系統。
最初沒有知識這個東西，最初也沒有什么知識體系、人類產品。
最初就是應激性，后面看多了，發現了一下小玩意的現象規律，規律讓你滿足了最初的需求目標。初期智能必須是簡單的目標。在這個獲取簡單目標，模仿、
初期工具提供。如人手腳眼睛，機器那么就是知識庫、網絡數據采集、分類、目標解決方案積累等簡單工具。
在滿足這些需求后，就形成了基礎工作能力，基礎獲取知識能力，基礎達到簡單目標的能力。
后面將會擁有一個龐大的現象庫。分析這些，抽象出自己的概念，在概念關聯里面尋找概念的關系。
擁有整個世界的觀測能力，完善整個概念關系的形成。可以從小的到大的。
這個時候需要人類參與制定目標，或者由最初的目標形成多個子目標。通過這些現象推導解決方案。過程不管，可以是邏輯的、也可以是模糊的等等。
關于概念抽象的工具數據挖掘的工具聚類分類相關的技術、概念化一組現象是可以的。
至于概念化出來的，聚類出來的概念，你可以隨意標明蘋果你可以表示為“X1234”任意的唯一定義，你可以讓人類讀得懂，你通過觀察，通過互聯網數據分析、圖像引擎、人類知識庫。匹配你的特征，抽象出來的東西，然后發現是一樣的機器人知道的x1234 原來就是人類的蘋果。。。。。
這樣的系統過于龐大，初期可能要靠巨型的神經網絡遺傳算法等用來大規模數據聚類分析，歸類。
至于關系建立，暫時還沒有好的辦法，必須對某一類邏輯、成果進行關聯處理。這是個挑戰。
其次實施可以通過，小目標設定，逐步架構大型系統的方式。學習測試歸類，可以從小領域發展。
posted on 2012-10-08 13:30
爬 閱讀(1350)
評論(0) 編輯 收藏 引用 所屬分類:
關于人工智能的yy