glhlr的个人资料

保守40天，心情不错汇报下大叔45。819晚摔的，骨头刺疼，知道8成是断了。试了试手还能举过脑袋，再高就不敢了。可能我痛觉阀值高，自己骑驴上了医院（之后不敢了），当晚急症医生摸了半秒钟就开单叫住院手术，我3，4次问是不是打钢钉之类，详情如何，医生竟然一声不吭。我自然心情很坏，心想到住院部再问医生。收费时说押金不能刷医保，我顿时不爽，收费员说先收一半我也走了，付了拍片费用也没去，心想我还没吃饭呢，天大的事明儿再说。当晚肩膀挺痛，擦活络油之类阵痛，也睡得着。也查了下做手术的常识。第二天一早去了界首骨科，一个从小镇上发展起来的医院，现在是二甲，最近开到市区了。拍了片，中远端粉碎、错位明显，我想完了，在哪手术的问题。可是医生问我，你想住院吗？我真是很幸运（就去年打结石也遇到了好医生），医生为我做了复位，两手使劲向后拉，感觉骨头轻轻咯哒一下，但幅度远小于我的预料。敷药捆绑，回家。第四天换药，再拍个片，手术显示复位后仍一味1.2cm，黄医生不在，另一个主任医生（高级点）叫手术，刚出片连放射科的都叫手术，心情很糟。回去学习了贴吧，询问单位手术报销事项做两手准备。但查到一份锁骨手术责任书，30条异常情况中，有7条涉及性命，另10条做了比不做还糟，即使手术成功恢复到什么程度也没有任何承诺。心情坏道极点。想了想还是在瞧瞧黄医生再决定。第六天见了黄医生，提到没把握长好就手术。他看片后说你为啥不往好的想呢，心情对康复也很重要哦。然后向我保证保守治疗后绝无明显变形（我向后下方移位）和失能（无力）。他的细致、随意坚定了我的信心。我妹在外地，很多医生都是他学生朋友，为了我也没告知发片，因为我想西医肯定是选手术，他们只练这个，自己都信了。吃饭走路一直没问题，洗澡也行，就不能侧睡，经常把自己呼噜醒。后来一周时起床瞬间肋骨胀痛了几天。天气很热，绑带让背后和腋下痒痒，发皱，和手术（虽然我猜能报7,8成）比保守治疗几乎就不花钱，这点小罪太值了。第一周随意外出走走，第二三周每天走3km，每5天去一次医院换药，一周去一次上班，把必要的事做了就走。四到六周上半天班，准备国庆后正常上班。 23天拍片，正面看不出啥，侧面（躺下，镜头在脑门处）看错位明显，只有模糊的0.3cm宽连上，还得继续背背佳。黄医生写上“生长欠佳”，想打印又止。想起很多亲朋说的“还是手术保险”，信心-20%。回家继续学习，查到“手术最终恢复比保守并无优势”“移位1.5cm内无须复位”“恢复好不好，不看片子、感觉，而是功能。”这些，解决了我的一些疑惑（最重要的是为什么不复位挨紧点），释然。 28天，允许脱掉绑带洗澡睡觉，提醒少量左臂恢复运动。不过松掉后肩膀吹点风就酸，一些动作也有摩擦感，一起床我坚决戴上。 37天，单位体检，拍片体检医生说可不能脱哦。再去骨专科（又拍），黄医生看片说有长点（我看不出），脱掉很勉强，我说已经做好戴60天再说的心理准备（吧里学的）。后来让我做了些动作，强调了多做恢复锻炼，注意肩膀高低。还说不舒服时想脱自己看着办…… 现在看来，我的恢复不理想，是参照常运动的、年轻的比，按我的年龄标准恢复还还算过得去。当然愿赌服输，愿意承担些小毛病和意外，想想做手术同样不给任何绝对的承诺。写出来挺一挺敢于保守的：1、人的身体比我们想象的坚强；2愿赌服输，其他选择也不可能十全十美。

经验第三课：单字匹配，鲜活的拟人逻辑单字词匹配：一个鲜活的逻辑。 3.0序幕：在研究字典解释句型的时候，反复琢磨了两段句子，逐一匹配句型：水鸟，身体长约一米，嘴很坚硬，头和背部黑色，腹部白色，足短，尾巴短，翅膀小，不能飞，善于潜水游泳，在陆地上直立时象有所企望的样子，多群居在南极洲及附近的岛屿上。鸟，身体淡褐色，多黑斑，头部有角状的羽毛，眼睛大而圆，面似猫，身似鹰。昼伏夜出，吃鼠、麻雀等小动物，对人类有益。也叫鸱鸺（ｃｈīｘｉū），有的地区叫夜猫子。有些句型匹配不上，检查到分词时发现“长约一米”、“面似猫”、“身似鹰”，给分成“未知词性”了，法克。切分的错误实在头疼，底层的字词变动牵一发而动全身，难免疏忽带来意外的八哥，花了一周时间，重新处理这种被划成一个词的短语，把每个字当成一个词处理。总算勉强能用。折腾令人颓废，晚上用脑不能自己入睡，，总要在床上翻一小时，字句不断闪现。 3.1意外收获。在琢磨“面似猫”、“身似鹰”的时候，逐渐想到，原来这就是“猫头鹰”由来啊！如果是常人这么想，再平凡不过，但俺已化身AI，这就十分有趣。依靠近期做单字分类匹配和经验匹配的代码实践，俺有充分把握，觉得从字符到概念到短语，知道经验语义，现有的经验格式以足够描述单字匹配，望文生义的逻辑过程。只需要进一步明确定义“逻辑过程”的语义格式，即可构造一个基于单字匹配的“单字生义”逻辑引擎。即通过搜索单字的含义，推测一个较长词语的含义。汉语可推测的复合词十分广泛，特别是名词。如“黄鼠狼”“象鼻山”“战斗机”“”......，还有诸多成语。建立这个引擎增强对短语的理解能力只是一个副作用，更有意义的是将模拟一系列的思维过程：从单字搜索开始猜测，然后寻找其它文本生成类似的语义元素进行对比：最基本的例子：“面似猫，体似鹰”（注意这是字典解释不是单纯推测），只要再使用一个“面-头”关联的经验，就可以形成推测-验证的基本环节，证明望字生义的有效性。模拟至于每一次单字生义是否准确，那就不重要，只有敢于猜测，才会启动分解疑问、求证、试错等系列求知的系列逻辑思维。小孩子们在某个阶段，也许会明知（某种方式）猜测不对，却不以为错，反以为乐。AI初期显然思路幼稚，可以大量使用类似猜测。 3.3准备工作之前展示过的基本经验格式。（树状经验库）。在重复一下关键的几个环节： 1、语义元素：由语义属性（attr）=属性值（val）组成。其中attr在语义map中的语义树种定义，分为语形（句法、短语）、语义、认知等部分，目前尚待完善未做第一次汇总。 2、语义变量，语义元素中大量使用变量，如句式匹配中的词性和概念分类节点相关联的@gno系列；经验匹配中的V.any等 3、语义map文档中，对概念做了分类，语义含义的attr，基本上在分类节点（.name.tostring）中做了描述。如主语、状态、形状、位置、时间等 4、其它句型、短语、同义词表、经验格式等，为经验搜索打下演示的基础。 3.4逻辑引擎构造推测逻辑引擎，准备工作的关键是检查并增补有关语义描述的变量，控制从概念结构和经验库中的搜索路线。输入单字：首先的输入只需要一个词汇，分割成单个字符，同义词转换后，在语义map和经验库中搜索单字meaning，这些都不需要什么变量了。这个词汇最常见的类型是偏正名词。所以模拟推理先以偏正名词为例。搜索过程：庞大的经验库中（目前基本没有），只要满足属性值=@某个字的语义元素，统统是搜索结果，这个结果可能很多，那么通常需要限制搜索库或者搜索结果，不要花费过多资源。在搜索到的大概10个结果中，选择3个以内次数最多的。搜索中获取了该val的attr，形成语义元素。在偏正名词中，最后一个字（词）的意义通常是名词的分类，搜索时应该加权（比如次数*5）。构造猜测：每个单字的语义元素的搜索组合，就可以形成一个猜测的数据输出。猜测的语义当然归类到疑问-求知类型，直接使用猜测={}，类似一个短语的格式，记得加上输入的词:W=@input。在多个猜测结果中，可以通过对attr配对的经验库搜索，统计选择可能性最大的1-3个结果，有待求证。最基本的简化版，当然先选唯一的猜测结果进入验证，验证过程：到了这一步，不得不建立一个类来管理，就用疑问的类吧，lev3-逻辑.疑问。把疑问内容（还是词语）、单字猜测函数、求证函数一起装进去。求证函数输入猜测语义元素包（短语包）+可信的证据文本，输出为证明文本字符串。假设证据文本完全可信（如字典等），如果猜测语义元素与证据文本的语义元素一致（经过句式分析），即得到验证。一些元素类型，可以不依赖其它元素而得到验证。举例：猫头鹰，单字猜测搜索到“比喻=猫，结构=头，比喻（分类？）=鹰”，在字典解释中，也能解析出“比喻=猫，结构=面，比喻=鹰”来作为证据，于是可以认为“比喻=猫，比喻=鹰”都得到了验证。结构=面，和结构=头，进一步可以通过“面和头很接近，视觉上相同来证实”，这样的经验来一致话，做深度验证。在这里的语义attr，先理解到“比喻（喻体）=猫”这一层，如果新一步描述比喻，可以用定义类型的经验，看到比喻的本体和喻体，如果没有指出什么属性，就搜索两个概念或对象的属性，必须至少有一种attr的val相等相同或相似。如面似猫，最终会理解到二者的头（面）上下都比较短。如果证据文本中的val相等，对应attr不一致，则正好形成另一种推测，反过来去经验库里搜索验证。如果证据文本不权威，则计一次“经验验证”，也提升其在认知中的可能性。可以在猜测这个数据结构中加上认知程度的属性，来记录验证的程度，可以用于非及时性的验证。近期可能很忙，也有把握在一个半月内完成一个基础引擎，用于简单演示整个逻辑过程。 3.5登高远眺。疑问-猜测-求证，是一个思维认知的完整环节。在简单演示引擎的基础上，能够很方便地提升扩展求证深度，比如：扩大语义外延，val分类下其它val值，也用于扩大猜测的attr范围；或利用经验的传递性，扩大推理的深度。（面象猫，面是头的正面|所以头象猫）。（面象猫，猫捕鼠，猫头鹰也捕鼠？）..... 记录证明成立的典型搜索线路，每个过程使用的逻辑节点和attr值，都可能成为一种逻辑范例，能使用好若干种范例，在常识领域，那不就是鲜活、开放、联想、主动的拟人思维吗？单字猜测的应用，从单词猜词，推广到推测短语语义，并无困难。自知者拟人语义系统投入应用的最大障碍，就是缺乏基础数据。广泛运用猜测-求证的逻辑，将为系统自主批量获取知识，提升开放性和准确性。

语义和自编程课题脑洞：12个乒乓球出个语义和自编程的课题来分析吧。走路也不能光看脚下，眺望远方花不了多少时间，对脚下的问题只会好处。一时做不出来，也可以思考能做到哪一步，瓶颈在哪里。 12个乒乓球，其中（有且仅有）一个质量异常，用天平称三次找出来。（没做过的自己摆渡了解哈）很多解题的知识条件并不具备，我们要象图灵脑国象一样，自己创造条件。先在语义方面起个头，思考如何建立带层次的语义推理引擎，感觉这些数据挺适合建立自编程操作的架构。 1、乒乓球的上级概念是物体（固体），追溯父节点，具有质量属性。 2、质量的描述型赋值（不同于数值型）中，有“异常：标准”的矛盾属性value对。异常<>标准。 3、天平是一个函数，输入值为左右两组球的质量累加，返回值是三种情况，相等，右边大，右边小。 5、定义乒乓球质量判断属性的数组，长度12，该变量取值为： 5.1未知（没称过，有等于、重于，轻于标准，三种可能）5.2部分认知：可能重（等于或大于标准）；可能轻。 5.3完全确认；确认标准；确认异常（>、<、2种可能）；总共5种取值。每种取值都应该转化为各种质量大小的可能性。或通过标定11个标准球，排除法标定未知<>的异常。通过三次函数运算，在所有可能的情况下，都能将1个球标记为异常，或将11个球标记为正常。才算最终解决整个问题。热身题：27个乒乓球，其中一个质量重于标准，三次称出来。 6、天平使用技巧，希望自编程过程中能通过基本的不等式逻辑（推理两个集合总质量的大小），还有排除逻辑，来自己发现怎么样能有效称量（即减少质量认知的可能性）。每次称量将建立三个集合，天平两侧输入和剩下的。剩下的集合通过 6.1规律1：每次两组球的数量必须一致，才能有效称量。 6.2规律2：单次称量最多标定1个部分认知+2个未知的对象；无法标定三个未知对象；所以 6.3规律3：天平返回值相等时所有集合对象标识为标准； 6.4规律4：天平返回值不相等，则两个集合分别标定为可能轻-可能重； 6.5规律5：一个对象分别被两次标定为可能轻、可能重，则可以确认为标准。 6.6规律6：一个对象与唯一标准球称量，也可以被标定；两个被同时标注为可能轻、可能重的，效果也一样。 …… 没办法连续花太多时间，先到这里吧。

经验库语义库的设计肚娘万岁！千秋万代一统江湖。

自然语言：树状经验库设计小结：树状经验库经验是各种认知元素通过时空存在的集合。这些元素包括主语（发起活动者）、动作（语形上的谓词），对象，方式，时态。同时，经验还隐藏着一层认知外壳，即这个知识包是从什么途径来的（亲历感知、听说、阅读、推测.......等）。经验转换是最普遍、最重要的逻辑，它的线路跨越文字和分类，进入不同的认知-活动领域。如在《公鸡和小鸭子》演示中体现的三个类型：活动的抽象（从给xx吃、让做背上到活动=帮助），过程和价值的判断（给XX吃、公鸡下河、上岸中推倒出，过程=顺利、结果=要完蛋或ok-化险为夷）示意：经验格式接近落实，尽量与段落语义模版中的标注一致，以此为依托，通过计算各元素与或等，得出起相互依托的关系，可建立一个简易高效的经验分析引擎。一个语义元素由属性名=元素值的方式构成。属性名由制定的语义概念文档定义，大致有如下几类：语法类（语形，在主谓宾定状补的句子成分的基础上进一步语义化）：主语：主语、主角谓语：动作、活动（对语句中动作的抽象，归纳到活动的类型）状语：条件、手段、方式、时态定语：属性、状态（形容做谓语时）宾语：对象、消息（通常是被引用的从句，可进一步匹配成一半句子）补语：效应动作/状态/对象其它：态度（谓语、定状语都可能体现，暗含一个认知过程）价值类：过程（顺利障碍）、结果（好坏的不同程度） <经验.下河> 角色=鸭子，动作=下河，动作2=捉鱼，习性=会游泳，状态=浮||结果=ok，可能性=必然角色=公鸡，动作=下河，习性=不会游泳，状态=淹||结果=完蛋.淹死，可能性=高角色=公鸡，动作=下河，习性=不会游泳，状态=淹；动作2=被救||结果=ok.上岸，可能性=高角色=人，动作=下河，习性=会游泳，状态=浮||结果=ok，可能性=高角色=人，动作=下河，习性=不会游泳，状态=淹||结果=完蛋，可能性=高角色=人，动作=下河，工具=船，习性=会游泳or不会游泳，状态=浮||结果=ok.到达，可能性=极高 </经验.下河> <经验.生存.觅食>角色=公鸡，动作=找到，对象=虫子；状态=欢，动作=吃||结果=ok.顺利角色=鸭子，动作=找，不到，对象=虫子；状态=急||结果=不好角色=公鸡，动作=找到，对象=虫子；动作=给，效应者=鸭子，效应动作=来，吃||结果=ok.顺利 </经验.生存.觅食> 经验引擎驱动实例：以上所有经验表明不会游泳必被淹，被淹后会淹死。但船的工具可以改变被淹，被淹后被救可以改变淹死的结果。注意动作的前后秩序。可以通过经验引擎分号之前的动作，推导出后面的动作。以及||之后的结果。考虑使用|L3|之类的更详细标注。经验可能正推，也可能倒推。由于正推近似充分条件，那么倒推时通常会从结果查找到较多的条件组合。这里的结果指的是该行动的结果，即行动目标是否实现。而更大意义上行为的结果，可以再做肯定和否定。经验以内容分类：情境是以时空存在为线索，感知为内容的一种经验。其重点在于较明确的时间地点和形象（空间和形象的融合特别普遍，活动的描写也以视觉方式显现），不强调元素组之间的推理，隐含着一个认知的外壳（不明显的暗藏着一个感知者），认知的内容以内部元素的方式体现（情景的主要内容是形象描述，即各种视觉和听觉之类的感知元素）。过程类语义经验，常识性的经验，是从最基本的日常活动开始的。而日常活动不等于简单活动，大量经验在文字上完全隐藏，得不到体现：在这第一篇中，最基本的活动包括：觅食、移动。对觅食的描述还算明显，而在移动的活动中，对于“河里”-这一系列地形位置，隐藏了很多经验知识，不仅仅有“下水、下河、水里（水上）、身边、背上、上岸”超出了单纯的移动-位置结构关系，更涉及到生存-安全的意义层次。从语义分类上，这些内容没有必然联系，是经验把这些意义形成不可分割的信息整体：公鸡下水要完蛋。如果要过程类活动的经验，涵盖了原因-过程-分支-结果，以此为依托，也就生成了顺利-障碍的价值，进而产生更抽象的活动和关系，你的活动能让别人解决困难，从不顺到顺利，获得利益，即为帮助；一起活动相互帮助的角色互为朋友。即使层次提升，却也是幼童也能理解学习的基本常识。价值类语义经验，接上一段，有目标的活动能产生顺利-障碍的过程类价值；更多过程、更大范围类顺利-障碍的价值叠加成综合整体类型的价值；如吃亏-占便宜、健康-疾病，对于一个生命，最大的价值莫过于生存-死亡。以此又演变出安全-危险的价值，其本质上可以看做综合价值与预期相乘的经验关系。概念词汇类经验涉及词汇搭配使用的经验，与语义经验相对独立。这个经验库的丰富对句式匹配的准确度作用很大。在描述了概念-语句-语义元素之后，下一步就是经验库的设计：更高级的活动包括对话（传递信息）和认知活动-态度描述。在认知活动中，态度产生的原因，虽然多数情况下也能以上下文语形规律来匹配，但更根本的规则，还是要从经验过程中才能衔接。经验规律终究高于语形规律。仅仅个体就拥有庞大的经验数据，更不必说人类社会。人类思维中首先以具体-抽象维度为线索，来组织管理庞大、海量的经验记忆。因此先对AI经验数据内容添加具体-抽象的内涵（标签值），先分为“具体经验-综合经验-原则经验”三种属性。 1、具体经验包括情境类，叙事型、感受型的内容等。最频繁搜索的最常用知识，直接指向任何词汇概念的具体内容。 2、综合型经验是基于概念的判断，具体经验归纳整合后的知识结构。具体经验直接搜不到时可以用于推理，如鸟多半会飞，那么对一种未知的鸟类，我们当然先推测它大概率会飞。综合性经验当然需要具体经验的支持。 3、原则/原理型经验，抽象程度更高，达到某些法则的高度：安全原则和意识的经验，趋利避害，要讲礼貌，合作原则等...描述人类活动的大方向，本身不含具体内容。但原则性经验的高度抽象体现了高度理性思维，用于分析约束具体经验：比如文本中的具体过程描写，转化为具体经验后，我们都会不自觉地用原则经验来分析：这些事情是否有真实性、是否满足正常价值观，是否安全，是否符合社会规范，如果不行，则否定之（反对或忽视，拒绝正常添加到自己的知识库）原则级经验的抽象程度可以很高的，所以很难直接连上语言级的符号，所以要设计在什么情况下，以一个过程实现多级搜索。原则型经验拥有一个原则核心，比如“爱拼才会赢”、“F=ma”，下一层通过综合型原则详细解释。猪肉此类：“只要我多看书/跑腿/耐心跑客户，考试/绩效/订单一定更好”-->；更具体地，在基层有大量的具体型经验支持“某月某日，我比平时多费心，果然......” 在原则经验的层次，执行主动思维探索的过程，驱动对具体经验进行归纳、演绎、整理。 4、经验还以各种主体、运动，或更多语义元素为线索，方式分类形成最庞大的库群。设计良好的经验库可以通过标签为线索，提供一种便捷的搜索路径，体现思维推理（），例如，在通用情境.xml的“下河”经验，如果连上“物种-习性-游泳”的知识经验，则能快捷判断大量主语下河后的结果。在段落阅读启动的时候，在理解标题、概述或前面的内容（可以推测主角和活动类型）后，同时就根据相关概念和内涵，持续搜索AI整体经验库，构建环境经验库的子集，这样能加速后续经验搜索的速度。资源足够时，还能一面搜索添加外部数据，一面根据原有经验演绎、推测更多涉及主题元素的经验。（可利用空白资源，如对话间隙），提升经验理解的深度用于沉思。日常阅读中，只需匹配搜索有限的语义结构。如本文，鸭子从河里救命的安全意义需要理解，但公鸡给虫子吃涉及生存需要这层意义，则无需匹配（1是因为某个吃的过程对生存问题影响还小，2是因为吃太寻常的缘故吗?） 5、不认为有什么大数据的捷径能推理出这些规律，最基本常识性的语义结构，还必须一点点地建立。在此基础上的各种主体经验库倒是很像一个树状网络，是神经网络机器学习的应用乐园。而这个库的输入输出之间不再是黑箱，每个节点上都记载者清晰的语义，和明确的逻辑。经验数据的输入： 1、最基本的常识：象走路要左一步右一步，吃饭要张嘴，这一类最原始的知识，在各种文本中恐怕很难出现，更不可能体现出它的频繁程度，可能人工工输入一批。综合性和原则性的基础经验，也要构建模板并人工输入一些。可以参考课本等教学资料，人工分析转换。 2、从文本中获取经验，将是经验输入的主要方式。通过句式，将经验分类是最关键的环节。自知者第二课：《一条大河》：内涵经验和情感引擎以此向我们的父辈和乔羽、刘炽乔羽老爷子致敬。抄送龙妈。诗歌模版。句式简短明了，包括两种类型： a：第一段河上风光为景象描写，感知动词可确定后面描述的是形象。 b：其它段落有比喻、抽象活动，唤醒高山，改造河流，美酒、猎枪的象征或比喻意义，用经验描述。段落间体现了围绕主题的强内涵经验逻辑，包括一下内容 a景物经验，大河有波涛、船；船上有白帆、艄公，艄公喊号子。进一步丰富对空间和位置的语义结构。因此第一段描述的景象全部围绕主题大河。 b抽象经验，祖国的内涵包括土地，人民，社会活动（建设）......因此每一句的内涵内容全部围绕祖国的主题。乔老爷子解释说，中国人家里附近都有一条河，承载着对河，对家，对童年（小时候有更多经历在河边玩耍，留下更多的记忆）的记忆。一条大河非常具象，但又无所特指，广泛打动人心。对应到经验库，具象会搜索到更多的感知经验数据，而直接搜索到标记为“大河/河”的经验数据，当然会多过长江-黄河。情感深厚的程度，可以由联想思维的深度广度和自我经验的丰富程度决定，当向多个方向的所有经验激活后，还能返回一个主题，形成逻辑“震荡”的时候，就激发了强烈的情感。所以AI系统以更深层背景经验构建情感思维，相关的价值：视频：似曾相识的壮美山河-祖国的土地；志愿军的奋战-保卫新生的祖国；历史认知：100年来终于拥有的和平环境，居安思危的对比与珍惜；亿万人唱起同一首歌，年长年轻的，超越时代的共识。思维引擎原理在对认知的理解中，最困难的是真正可对思维信息、思维过程的操作，对这个过程的描述非常复杂，而经验库就提供了简明、清晰的描述方式。在这个验证实验中，将以经验数据结构的方式有所涉及。首先，我们通过询问，你会对什么事情感动（值得珍惜、引起共鸣…等等），然后直接在相关的经验上加标这些情感属性即可（情感=感动、珍惜、…）。如果进一步归纳后，就可以抽象形成变量。比如：自己有家的温暖对比抗战时期颠沛流离的景象，强烈的价值对比就会产生珍惜；归纳后就是当前拥有的VS曾经（时态=过去）失去的，同一个元素，对比形成珍惜；人们通过询问：“（这件事）为什么值得珍惜？”，来揭开对珍惜过程的分析，帮助对“珍惜”过程的理解。一般的过程是：1现在拥有xx元素，2如果失去xx，就会导致的某种价值元素（过程、结果等）=负面（在价值语义节点偏右的“糟糕、悲惨”一类）对AI，第二课接近一门课程的工作量。预期6个月完成两大目标，1完成内涵经验库的可行性验证，2在此基础上建立简单的情感驱动引擎。从而验证内涵经验和情感驱动数据结构的有效性。情感引擎过程设计： 1给予一个基础的搜索资源（较短的时间），如果搜到足够多的经验路径达到一个认知等级，则奖励一个资源加分。用于继续搜索。最普通的情况，如果一个节点上的子节点足够多，那么就能多次获得“熟悉”认知过程的加分 2情感过程有效运行的加分。第一项实际上就是一个搜索的简单过程。更普遍的过程包括了对经验库数据进行处理后的继续运行。处理的方法也不复杂，可以是 3情感活动的衰减：外部素如的干扰；多次重复的疲惫；…在这些条件下扣除搜索资源。抹掉部分经验数据来模拟长期记忆中的遗忘；大量新增其它主题的经验，将原来的经验由核心搜索区域顶到边缘区域。图灵象棋脑部验证经验推理过程：......

新年笔记2则：经验库语义库的设计小结：树状经验库（网络）经验是各种认知元素通过时空存在的集合。这些元素包括主语（发起活动者）、动作（语形上的谓词），对象，方式，时态。同时，经验还隐藏着一层认知外壳，即这个知识包是从什么途径来的（亲历感知、听说、阅读、推测.......等）。经验转换是最普遍、最重要的逻辑，它的线路跨越文字和分类，进入不同的认知-活动领域。如在《公鸡和小鸭子》演示中体现的三个类型：活动的抽象（从给xx吃、让做背上到活动=帮助），过程和价值的判断（给XX吃、公鸡下河、上岸中推倒出，过程=顺利、结果=要完蛋或ok-化险为夷）示意：经验格式接近落实，尽量与段落语义模版中的标注一致，以此为依托，通过计算各元素与或等，得出起相互依托的关系，可建立一个简易高效的经验分析引擎。一个语义元素由属性名=元素值的方式构成。属性名由制定的语义概念文档定义，大致有如下几类：语法类（语形，在主谓宾定状补的句子成分的基础上进一步语义化）：主语：主语、主角谓语：动作、活动（对语句中动作的抽象，归纳到活动的类型）状语：条件、手段、方式、时态定语：属性、状态（形容做谓语时）宾语：对象、消息（通常是被引用的从句，可进一步匹配成一半句子）补语：效应动作/状态/对象其它：态度（谓语、定状语都可能体现，暗含一个认知过程）价值类：过程（顺利障碍）、结果（好坏的不同程度） <经验.下河> 角色=鸭子，动作=下河，动作2=捉鱼，习性=会游泳，状态=浮||结果=ok，可能性=必然角色=公鸡，动作=下河，习性=不会游泳，状态=淹||结果=完蛋.淹死，可能性=高角色=公鸡，动作=下河，习性=不会游泳，状态=淹；动作2=被救||结果=ok.上岸，可能性=高角色=人，动作=下河，习性=会游泳，状态=浮||结果=ok，可能性=高角色=人，动作=下河，习性=不会游泳，状态=淹||结果=完蛋，可能性=高角色=人，动作=下河，工具=船，习性=会游泳or不会游泳，状态=浮||结果=ok.到达，可能性=极高 </经验.下河> <经验.生存.觅食>角色=公鸡，动作=找到，对象=虫子；状态=欢，动作=吃||结果=ok.顺利角色=鸭子，动作=找，不到，对象=虫子；状态=急||结果=不好角色=公鸡，动作=找到，对象=虫子；动作=给，效应者=鸭子，效应动作=来，吃||结果=ok.顺利 </经验.生存.觅食> 经验引擎驱动实例：以上所有经验表明不会游泳必被淹，被淹后会淹死。但船的工具可以改变被淹，被淹后被救可以改变淹死的结果。注意动作的前后秩序。可以通过经验引擎分号之前的动作，推导出后面的动作。以及||之后的结果。考虑使用|L3|之类的更详细标注。经验可能正推，也可能倒推。由于正推近似充分条件，那么倒推时通常会从结果查找到较多的条件组合。这里的结果指的是该行动的结果，即行动目标是否实现。而更大意义上行为的结果，可以再做肯定和否定。经验以内容分类：情境是以时空存在为线索，感知为内容的一种经验。其重点在于较明确的时间地点和形象（空间和形象的融合特别普遍，活动的描写也以视觉方式显现），不强调元素组之间的推理，隐含着一个认知的外壳（不明显的暗藏着一个感知者），认知的内容以内部元素的方式体现（情景的主要内容是形象描述，即各种视觉和听觉之类的感知元素）。过程类语义经验，常识性的经验，是从最基本的日常活动开始的。而日常活动不等于简单活动，大量经验在文字上完全隐藏，得不到体现：在这第一篇中，最基本的活动包括：觅食、移动。对觅食的描述还算明显，而在移动的活动中，对于“河里”-这一系列地形位置，隐藏了很多经验知识，不仅仅有“下水、下河、水里（水上）、身边、背上、上岸”超出了单纯的移动-位置结构关系，更涉及到生存-安全的意义层次。从语义分类上，这些内容没有必然联系，是经验把这些意义形成不可分割的信息整体：公鸡下水要完蛋。如果要过程类活动的经验，涵盖了原因-过程-分支-结果，以此为依托，也就生成了顺利-障碍的价值，进而产生更抽象的活动和关系，你的活动能让别人解决困难，从不顺到顺利，获得利益，即为帮助；一起活动相互帮助的角色互为朋友。即使层次提升，却也是幼童也能理解学习的基本常识。价值类语义经验，接上一段，有目标的活动能产生顺利-障碍的过程类价值；更多过程、更大范围类顺利-障碍的价值叠加成综合整体类型的价值；如吃亏-占便宜、健康-疾病，对于一个生命，最大的价值莫过于生存-死亡。以此又演变出安全-危险的价值，其本质上可以看做综合价值与预期相乘的经验关系。概念词汇类经验涉及词汇搭配使用的经验，与语义经验相对独立。这个经验库的丰富对句式匹配的准确度作用很大。在描述了概念-语句-语义元素之后，下一步就是经验库的设计：更高级的活动包括对话（传递信息）和认知活动-态度描述。在认知活动中，态度产生的原因，虽然多数情况下也能以上下文语形规律来匹配，但更根本的规则，还是要从经验过程中才能衔接。经验规律终究高于语形规律。仅仅个体就拥有庞大的经验数据，更不必说人类社会。人类思维中首先以具体-抽象维度为线索，来组织管理庞大、海量的经验记忆。因此先对AI经验数据内容添加具体-抽象的内涵（标签值），先分为“具体经验-综合经验-原则经验”三种属性。 1、具体经验包括情境类，叙事型、感受型的内容等。最频繁搜索的最常用知识，直接指向任何词汇概念的具体内容。 2、综合型经验是基于概念的判断，具体经验归纳整合后的知识结构。具体经验直接搜不到时可以用于推理，如鸟多半会飞，那么对一种未知的鸟类，我们当然先推测它大概率会飞。综合性经验当然需要具体经验的支持。 3、原则/原理型经验，抽象程度更高，达到某些法则的高度：安全原则和意识的经验，趋利避害，要讲礼貌，合作原则等...描述人类活动的大方向，本身不含具体内容。但原则性经验的高度抽象体现了高度理性思维，用于分析约束具体经验：比如文本中的具体过程描写，转化为具体经验后，我们都会不自觉地用原则经验来分析：这些事情是否有真实性、是否满足正常价值观，是否安全，是否符合社会规范，如果不行，则否定之（反对或忽视，拒绝正常添加到自己的知识库）原则级经验的抽象程度可以很高的，所以很难直接连上语言级的符号，所以要设计在什么情况下，以一个过程实现多级搜索。原则型经验拥有一个原则核心，比如“爱拼才会赢”、“F=ma”，下一层通过综合型原则详细解释。猪肉此类：“只要我多看书/跑腿/耐心跑客户，考试/绩效/订单一定更好”-->；更具体地，在基层有大量的具体型经验支持“某月某日，我比平时多费心，果然......” 在原则经验的层次，执行主动思维探索的过程，驱动对具体经验进行归纳、演绎、整理。 4、经验还以各种主体、运动，或更多语义元素为线索，方式分类形成最庞大的库群。设计良好的经验库可以通过标签为线索，提供一种便捷的搜索路径，体现思维推理（），例如，在通用情境.xml的“下河”经验，如果连上“物种-习性-游泳”的知识经验，则能快捷判断大量主语下河后的结果。在段落阅读启动的时候，在理解标题、概述或前面的内容（可以推测主角和活动类型）后，同时就根据相关概念和内涵，持续搜索AI整体经验库，构建环境经验库的子集，这样能加速后续经验搜索的速度。资源足够时，还能一面搜索添加外部数据，一面根据原有经验演绎、推测更多涉及主题元素的经验。（可利用空白资源，如对话间隙），提升经验理解的深度用于沉思。日常阅读中，只需匹配搜索有限的语义结构。如本文，鸭子从河里救命的安全意义需要理解，但公鸡给虫子吃涉及生存需要这层意义，则无需匹配（1是因为某个吃的过程对生存问题影响还小，2是因为吃太寻常的缘故吗?） 5、不认为有什么大数据的捷径能推理出这些规律，最基本常识性的语义结构，还必须一点点地建立。在此基础上的各种主体经验库倒是很像一个树状网络，是神经网络机器学习的应用乐园。而这个库的输入输出之间不再是黑箱，每个节点上都记载者清晰的语义，和明确的逻辑。经验数据的输入： 1、最基本的常识：象走路要左一步右一步，吃饭要张嘴，这一类最原始的知识，在各种文本中恐怕很难出现，更不可能体现出它的频繁程度，可能人工工输入一批。综合性和原则性的基础经验，也要构建模板并人工输入一些。可以参考课本等教学资料，人工分析转换。 2、从文本中获取经验，将是经验输入的主要方式。通过句式，将经验分类是最关键的环节。自知者第二课：《一条大河》：内涵经验和情感引擎以此向我们的父辈和乔羽、刘炽乔羽老爷子致敬。抄送龙妈。诗歌模版。句式简短明了，包括两种类型： a：第一段河上风光为景象描写，感知动词可确定后面描述的是形象。 b：其它段落有比喻、抽象活动，唤醒高山，改造河流，美酒、猎枪的象征或比喻意义，用经验描述。段落间体现了围绕主题的强内涵经验逻辑，包括一下内容 a景物经验，大河有波涛、船；船上有白帆、艄公，艄公喊号子。进一步丰富对空间和位置的语义结构。因此第一段描述的景象全部围绕主题大河。 b抽象经验，祖国的内涵包括土地，人民，社会活动（建设）......因此每一句的内涵内容全部围绕祖国的主题。乔老爷子解释说，中国人家里附近都有一条河，承载着对河，对家，对童年（小时候有更多经历在河边玩耍，留下更多的记忆）的记忆。一条大河非常具象，但又无所特指，广泛打动人心。对应到经验库，具象会搜索到更多的感知经验数据，而直接搜索到标记为“大河/河”的经验数据，当然会多过长江-黄河。情感深厚的程度，可以由联想思维的深度广度和自我经验的丰富程度决定，当向多个方向的所有经验激活后，还能返回一个主题，形成逻辑“震荡”的时候，就激发了强烈的情感。所以AI系统以更深层背景经验构建情感思维，相关的价值：视频：似曾相识的壮美山河-祖国的土地；志愿军的奋战-保卫新生的祖国；历史认知：100年来终于拥有的和平环境，居安思危的对比与珍惜；亿万人唱起同一首歌，年长年轻的，超越时代的共识。思维引擎原理在对认知的理解中，最困难的是真正可对思维信息、思维过程的操作，对这个过程的描述非常复杂，而经验库就提供了简明、清晰的描述方式。在这个验证实验中，将以经验数据结构的方式有所涉及。首先，我们通过询问，你会对什么事情感动（值得珍惜、引起共鸣…等等），然后直接在相关的经验上加标这些情感属性即可（情感=感动、珍惜、…）。如果进一步归纳后，就可以抽象形成变量。比如：自己有家的温暖对比抗战时期颠沛流离的景象，强烈的价值对比就会产生珍惜；归纳后就是当前拥有的VS曾经（时态=过去）失去的，同一个元素，对比形成珍惜；人们通过询问：“（这件事）为什么值得珍惜？”，来揭开对珍惜过程的分析，帮助对“珍惜”过程的理解。一般的过程是：1现在拥有xx元素，2如果失去xx，就会导致的某种价值元素（过程、结果等）=负面（在价值语义节点偏右的“糟糕、悲惨”一类）对AI，第二课接近一门课程的工作量。预期6个月完成两大目标，1完成内涵经验库的可行性验证，2在此基础上建立简单的情感驱动引擎。从而验证内涵经验和情感驱动数据结构的有效性。情感引擎过程设计： 1给予一个基础的搜索资源（较短的时间），如果搜到足够多的经验路径达到一个认知等级，则奖励一个资源加分。用于继续搜索。最普通的情况，如果一个节点上的子节点足够多，那么就能多次获得“熟悉”认知过程的加分 2情感过程有效运行的加分。第一项实际上就是一个搜索的简单过程。更普遍的过程包括了对经验库数据进行处理后的继续运行。处理的方法也不复杂，可以是 3情感活动的衰减：外部素如的干扰；多次重复的疲惫；…在这些条件下扣除搜索资源。抹掉部分经验数据来模拟长期记忆中的遗忘；大量新增其它主题的经验，将原来的经验由核心搜索区域顶到边缘区域。图灵象棋脑部验证经验推理过程：......

号外：福娃生气了，后果很严重？号外，朝日新闻：福岛原发二号机熔堆核燃料丢失100% 完全溶解！ http://tieba.baidu.com/mo/q/checkurl?url=http%3A%2F%2Fheadlines.yahoo.co.jp%2Fhl%3Fa%3D20150926-00000060-asahi-soci&urlrefer=ee68ff11c886b10cd05c1ab46fd03063 疑似烧穿了下面的混凝土防护层污染了土壤和地下水后果多严重，哪位大神来解毒一下？

XML概念模板2.0与AI代码设计 XML概念模板2.0与AI代码设计第一节　具体概念苹果还是从苹果概念开始:苹果是一个具体概念，可直接生成实例，反应了一种最普遍，从具体事物直接抽象过来的信息模版。＊什么是具体（抽象）？不想过多讨论。在此仅提出一个区分抽象具体的明确标准：具体就是存在于确定时间或空间的事物，时间和空间越明确，就越具体。反之关联的时间和空间越笼统的信息，就越抽象。更多讨论见《原理》。 1.1苹果概念主要内容有三个主要部分：１、<概念>结构，这部分内容描述了苹果作为一个概念，它的上下级结构，从而体现它在概念体系、语义体系之中的位置。苹果概念2.0版最关键的修改,是确立了以<概念>作为第一部分的重要结构(曾经写为语法，内容也有差异)。XML文档中的<概念>结构还充分体现了概念模板的建立过程。也就是说,概念结构的生成标志着对知识的认识形成了概念模板,这个概念标签就是概念信息报最直接最明确的标志。原来可能只有一些简单属性，或一些经验和实例，由于认识的深入，添加了概念结构中相关内容后，即形成概念（的雏形？）,可以按照概念的方式来理解和使用了。　2、<内涵>结构，在这里事物的各种性质、属性的集合即内涵。在这个结构中聚集了苹果形象（分部位、含形状、颜色、尺寸）、物理性质、运动和功效等。内涵中的属性基本上也是社会和文化所公认的知识。这些属性，反应了人们认识事物时，一些最普遍的方式和结果。 3、<经验与实例>结构。这个结构的内容可以望文生义，即“我”（个体）所了解到的，与苹果有关的具体知识。对于人，最典型的是亲身经历，眼见手摸；对于没手没脚的AI，最多只能从文本描述中获取，有时为了高仿人类，只好考虑吸收第一人称的描述文本,日记之类的用来模拟了。实例中内容是流水账般的扁平格式，为实现一致性采取类似“情境包”的简化结构，是一系列情境元素的罗列（集合）。这些元素隐藏的背景，就是“我”，与“我”关系的关系，用来源来描述（亲见、听说、阅读到、想象、推测等）（在《原理》文中有一章讨论情境的数据结构） 1.2概念结构体现逻辑我们可以看到,概念的子元素和内容之间,直接体现了清晰的逻辑关系,通常是属性名与属性内容的关系。苹果的口感是/有酸，甜苹果的营养结构是/有苹果的概念最后修改是20130613 苹果的大小是8cm~20cm, 典Ì?型¨ª12cm 苹果的实例２印象　　某天某地　吃了一个 ……….. 大多数句子比较通顺，某些不太通顺，但也能看出意思。可以看出,这是通过精心打磨修订形成的. 子元素与子元素之间，逻辑也比较清晰，下级的子元素通常是上级的一部分，但子元素的内容是抽象性质，这些关系在关于苹果的知识中通常用不着，但会体现在关于空间－视觉－“概念”等其它的抽象概念中，因此不在这里讨论。 1.3逻辑的通用表达：苹果XML中概念和内涵，甚至到经验，其理解都通过读写句型来实现：以上可见,”是”和”有”,两个谓词,适用于表达很普遍的逻辑判断,因此我们确认以此确认概念的通用表达式如下: A1通用表达方式： [概念名]的[标签]是/有[标签内容] 标签内容通常以顿号隔开，代替隔开的内容之间都可以独立表达，逗号之间如果一起列出来，可用或来代替逗号，如果逗号内容未全部列出，或者用“等” 举例，苹果的口感是/有酸，甜 A2 [概念名]的[某些上级标签]的[某些次级标签]是/有[标签内容] 通用表达的意义和逻辑一般清晰明确，但往往不够口语化。如 1、苹果的[上级概念]是水果。　显然，不如说：苹果是一种水果。是一种、属于可以视为为同义表达（词），但“是”的含义较多和“属于”不一定是同义（词）。大量标签可以省略，包括上一例“上级概念”。苹果是红的；苹果是圆的；这里颜色和形状的标签可省略 2、苹果可以/能吃、加工、生长。（“可以、能”主被动都可以）　　苹果会生长。（“会”字仅能主动的活动）即运动与公用（用途）这个标签下的内容，以通用句式表达意思清晰但不自然 3、特殊内容：空白blank，不关心，未知，各种（ＸＸ）通用表达基本可用于特殊内容 4、<经验与实例>中的内容，通用表达式为：苹果的{实例2号}是“某天，某地，我吃了一个”，意思不难明白，但很不通顺（象抗日剧对白？），需要经过表达转换。比方说,把实例X号改为”我知道”,”我记得”，就通顺　多了。 (注意逗号的含义与顿号不同,表示实例中的内容只有一条,各元素是一个整体) 思考：１：要不要把表达句式直接写入ＸＭＬ文档的适当位置，置于哪一层标签中最好呢？２：描述表达句式，需要什么特殊字符集呢？思考1我的结论除了概念名的同义词近义词用<文字标识>(下回直接改为同义词)的内容写入概念之外，原则上不把句式词汇写入概念XML文档中. 第一步先用通用表达方式读出,第二步再建立使用名为”自然表达”的方法,对通用表达句式进行替换. 这样算法步骤无明显增加,而更利于表达的集中管理,且符合人的思维方式. 通用表达的格式：通用表达方式作为中间步骤，保留标签的尖括号<运动与功效>,一应该概念id如<@gn苹果>进行标注,不仅替换时准确方便,而且这个格式可用于逆过程,即学习时可能会有机会把”可以”或”能”替换为<运动与功效>,反过来写入概念模板的空白位置。 *补充说明:由于尖括号在作为内容被写入XML文档时会引发混乱,还是把尖括号替换为另一个字符为好，比如全角半角一致的{ } 理解：AI正确选出句子中的几个关键词，打开关联的概念，读出或写入概念适当的内容，即实现了正确的理解。理解需要通过关键词进行触发。狭义的理解也即将词汇触发引导到相关的概念,然后读出相应标签中的条件。关键词经同义词转换后，可能成为概念名、概念的标签、情境的主要元素等谈谈、说说XX（概念名）/知道XX吗？举例：苹果是什么样子？这个例子中需要识别了苹果，样子，有同（近）义词表的替换，即可将“样子”转换到“形象”。“形象”本身是个抽象概念。在苹果概念中有形象部分，但“形象”概念中没有苹果的内容。因此我们显然应该读出苹果的形象（一般读不出形象概念中的苹果）。反向搜索理解，即不触发苹果概念，而是给出某些内容，正好在苹果概念中可以搜索到。如红，搜索苹果概念时，可以得到红是苹果的颜色；谈到果肉，可以搜索到苹果（也）有肉。这种搜索答案不是必然地，但正好体现了联想的思维方式。一个最基本的苹果概念，也浓缩了相当深层的内涵和结构，在此做一个小结：第二节: 抽象概念的编程设计使用物体概念,作为抽象概念的基本例子,对代码设计进行讨论 2.1抽象概念是对具体概念的属性等单独抽出来形成的结构,通常总结与时空无关,和个体无关的,一些元素/属性的规律性的相互关系. 特别是纯粹概念之间的关系,基本上在理论性概念中描述.当搜索在理论概念中进行,那么理解就达到了理论层次,理论层次描述讨论的都是抽象的概念,而不是具体的事例和情境. 具体概念可以直接生成对象，用实在的说法，具体概念可用一个，两个来讨论，或某时存在某地。抽象概念一般不行。物体是一个抽象和具体内容结合的概念,它描述了众多子概念的共性,一般情况下作为抽象共性来使用,但在一些具体场合,在无法确定某个对象属于哪个子概念,只好直接用物体直接生成对象.例如,黑夜里发现对面有个东西,一晃就不见了. 物体概念虽然并非纯粹抽象概念，但它的属性内容是思维中被使用最多。特别是物体的分类。 2.2物体概念结构简介与苹果概念类似，也有概念－内涵－实例与应用三个部分：三个部分功能基本相似，以下细节有所不同：内涵中增加了语义部分，因为具体概念的意思，靠分类基本就明白了。但抽象概念往往可以从多个角度说明。苹果中的上级概念，这里称为上行概念。因为物体上级没有父概念，但物体还会在某个理论中占据一个地位，或者说它是某个理论的一部分。上行概念描述这种抽象关系。物体概念中,使用最频繁的内容的内容,至少从AI的角度来看,第一应该是物体的分类结构,我们使用这个分类结构来管理无数关于物体类型;其次,应该是物体的相关属性,最常见的如形象,大小/重量/质量等, 这些属性通过物理规律的描述,可以判断物体运动的客观性和可能性. 分类结构不但关联到很多其它概念,而且自主学习时它本身也会频繁更新,因此编写时需要精益求精.特别有必要实现多层扩展. 分类有多种标准,起初每个标准的分类只体现了一层,后来考虑自主学习,很有必要延伸为多层.那么分类中的某个具体内容,都既有可能作为text,也有可能作为标签继续分类.例如分类3的食品. 既然分类结构中的text内容将普遍作为标签,那么分类标准,可以两种方式处理：１、改为属性,(分类)标准＝”xx”，这些对子元素进行修饰的内容均使用元素，而不用标签了. 2、如果坚持扩展性方便，而坚持使用标签，那么由于分类标准和二层分类都要形成标签,苹果概念所示的通用表达将成问题,需要考虑在某些标签前面加上特殊字符,来形成另一种表达句式. 物体概念的分类结构描述了一个庞大的子概念体系。物体内涵中的形象、质量等属性，会被物体概念之下庞大的子概念群所继承。子概念中作为物体共性的信息结构，可以隐藏在上级的物体概念中，需要时再复制过来。在基本常识领域，物体内涵中的属性，估计能为各级子概念节省1/3,甚至1/2的信息。依托物体的分类结构,首先我们可以进行最基初的抽象/即分类的学习.针对一个未知的物体概念,如电器,就可以询问它是不是物体,然后通过问答来确认它在物体分类中的地位,然后按照物体分类的共性来使用它. 演绎的作用十分广泛.例如,AI学到一个 "任何物体都有导电性"的应用,导电性是什么回事呢?可以到导电性的概念中去查,但是很显然AI没有这个概念(既然刚接触);然后就到几个最常用的理论领域的内容中去查,如果找到,就可以了解导电性的上一级概念(即内容的标签). 如果找不到,对不起,这个属性没有得到理论的支持 .我们只知道它是物体的一种属性,将其暂时置于物体概念的"一种未得到理论(概念)支持的属性”之下,等理解了再移到恰当的位置. 如果是“任何金属都能导电”，则从能+动词的句式搜索到{运动与功效}，从而给金属及其子概念的<运动与功效>添加导电的内容。为达到这个目标,AI可以发问,导电性属于什么理论领域,与什么元素有关,(回答物理.电学领域,大体与电阻-长度有关),这样可以确认这个新属性在理论概念中的位置.当然,也可以去查词典,从中寻找一些相关理论的线索然后,将导电性演绎到具体概念之中的时候,就能比较准确地将其置于上物理性质-电学性质一级概念的标签之下了. 第三节:触发与表达 “表达”概念的必要性某些句式强烈而明确地要求ＡＩ打开要求的概念，比如是ＡＡ是什么，你知道ＡＡ吗等，AI不但必须识别这些句式，而且需要组织整理这些句式，第一步相同相近含义的句式应形成一个组。触发理解的句式和表达输出的句式包含一些可逆的过程触发和表达的主要内涵都是一些正则表达式的集合. 有必要建立这些对应关系的集合。依托表达的模板可以进行句式学习。表达是抽象概念，可能是语法领域使用最频繁的概念，之前由于思路侧重于将表达句式分置于各具体概念，对其重要性有所忽略。在编程实践中发现，最常用的逻辑句式变换，比如“是、有”之类的思维动词，有必要将句式独立出来。很多暂时没有归属概念的句式，也可以存放在表达这个概念的应用部分。那么先这样来写“表达”概念：概念部分，描述表达在概念体系中的位置，上行概念语法。作为常识，表达在语法中的位置应特意写的层次扁平一些。重点是表达的应用，主要描述从原始逻辑到句式的转换关系。既然是立足编程，那么原始逻辑就是概念内部节点的表达式，或概念之间的某一类搜索线路。这些搜索逻辑的通用表达式中，核心动词为“是”和“有”，描述从概念名（filename？）/标签名（nodename/item？）/到内容（text？）的语义关系。其中nodename的差异带来不同的表达句式。好在各种常用概念结构相似，nodename的数量不多（100？200？），因此句式的表达复杂度并不高。比如前面举例，将{运动与功效}替换为可以，能； {实例与经验}可以替换为“我知道”… （句式）表达的概念，将搜集数以百计的句式结构，对句式的意义进行整理分类，在这些数据的支撑下，AI将对未知句式进行识别推测，通过反馈进行句式的学习举例我们已知“苹果的{运动和功效}有吃”，“苹果能吃”，但第一次听说“苹果可以吃”，由于没有太多别的词，那么搜索到苹果和吃的内容，就会推测这句话的意思是“苹果能吃”，通过发问获得肯定后，就可以在“（句式）表达”这个概念模板的帮助下，学到[名词]可以[动词]这个新的句式表达。句式表达的正则表达式句式中的关键词往往是分离的，中间插入的内容也往往差异很大，关键词和插入内容容易混淆。主逻辑句式中的关键字则关联到XML数据结构，为了精确描述表达句式，需要研究正则表达式，在正则的基础上添加一些特殊字符作为标识，准确区分关键字，可替换内容，还有XML的逻辑结构。三大模板总结： AI对话界面 : 做成前后台界面. 前台显示AI对话的输入输出. 后台核心是句式模型的建立,句式主要由关键词根据顺序间隔排列生成.中间包括未知字符???,可选字符等,可利用类似正则表达式的描述方法. 句式与某个或某种概念的特定节点/特定内容,及其周边区域的内容关联,通过搜索即可直接读出,读出后添加或简单替换极少内容即可. 利用近义词表,可大大丰富触发输入和表达输出的语句后台也需要对概念类型和列表进行管理

第一学期作业　　XML读写练习第一学期作业 XML读写练习可实现的对话：一，概念解析 1 输入：说说（及其部分近义词）苹果，应答：苹果概念.xml中所有元素及文本，元素空白时替换“…不太清楚” 2 输入：说说（部分近义词）苹果的YS（元素，见以上列出的所有元素），应答：概念中响应的单个元素及其文本值，含子元素二，按照概念复制，记忆匹配（不敢说学习哈） 3 输入：AA是一种水果。应答1：我知道了。If 水果列表.txt中有AA；应答2:　“好的，记下来”。同时复制改写“一种未知水果概念.xml”为AA概念.xml　,其中除水果名和一些水果共性外，各元素均空白。现在可按一、，提问AA相关问题，当然大部分回答不清楚。４　匹配：输入100字节以上文本（要求是关于水果的知识）。匹配部位“根茎叶花果肉皮核”和颜色（都知道滴），找到后写入AA概念.xml的形象元素中 5　现在你提问：说说AA的形象（颜色），应答：部位b，是c色三、输入其它无视或崩溃等待拍砖也期待明白人年纪老大，初学编程２月，这段花了１００小时。大伙多鼓励

有没有对符号智能（AI）感兴趣的童鞋？同城寻友，周末等贤时活动。了解参与语言/意识引擎开发，培育兴趣，树立大志，还可补贴点生活。感兴趣请加留言/加群Q群 23490165

机械原理描述心理现象第七节：心理现象的机械原理（逻辑根源）掌握足够的概念零件，运用经典的逻辑的物体连接技术规范，再考虑表达方式的能量传递，再注意交流的语言环境，和内心的思维环境，形成各种各样的理性思维。一时难以深究，在此仅能简单的描述一下：方法：各种各样的思维设备的总称，序章就已经作了描述。步骤、流程、办法：部署在行为区域，能直接推动行动的设备。经验：在局部的过程和细节上结构规范，比较清楚。但总的道理上却没有总结好的一些知识，象一大堆零散部件，组装到一半的半成品设备。有时候管用，有时不行。理论、原理、原则：经过检验的核心关键重要设备，级别较高，可以制造出一些关键的要点，对具体的步骤、办法和技术进行管理、监控。价值观：把好和坏的判断，象是尺和称这样的计量设备，现在尺子和称可是多种多样，有的一下你还认不出来了。心灵和信息系统中有无数这样的判断。态度：以广播形式发出的控制信息，由原则发出，对下属有关的方法接受后调节执行方式。比如，加油或放松，宽或严…… 心态：充满态度的思维环境。行为：对应思维的外接设备，输出终端，一般被思维的方法驱动。动机：直接驱动行为的思想，但还不是根本原因。目标：设计和模型已经完成，等待着搬到现实中去。所以内在的结构是不稳定，要制造成事实，还需要一步步把它从内心区搬到现实区。（参见事实的结构）理想：针对特定目标，能为行动长期提供动力的发动机。同时我们还可以发现，原来一大堆令人迷惑的心理现象，原来都是思维机械运动的结果，都可以通过逻辑来理解、干预：快乐：思维设备高效顺利运行的感觉，也叫“爽”。烦躁：这是最普通的，相当于噪声和摩擦的振动。任何的推理，逻辑时间长了，都会令人“头脑发热”。进展不顺利时，也就是摩擦增大的时候尤甚。与“振动”有关的感受，还有震惊、感动．．．。灵感：是一个环节的突破，使原本整个低效、阻塞的整个设备系统畅通无阻。期待：想象感觉一下，思想的设备已经运转起来，输入材料确迟迟不到的感受吧。后悔：一个复杂的方法（设备）驱动行为原本高速运行，因为失败，输出系统突然（行为）失去意义，可是驱动的设备无法立即停止，思维的材料和能量往何处去？只好临时做个假负载，来些虚拟的，要是怎么怎么样就好了。担心：等待一个来自事实的材料，作为设备的输入，可能会破坏现有的思维设备，所以要采取一些保护措施，可能用虚拟的假设材料来模拟。幽默：想想润滑油，忽然让相互交流异常地“滑”起来，能带来快乐和爽。相信：两个思想之间的单项传递作用，就产生了相信者和相信的内容；更进一步产生信仰的体系。这些现象形成的原理本身并不很复杂，复杂的是周围广阔的思维空间，是无穷无尽的思维物体。运行是顺畅或阻塞，动力（精力、能量）是充足或缺乏，会直接引发很多感觉，象爽快、麻烦，兴奋、疲惫。反之，非理性的活动，情感、兴趣、欲望，同样可能成为理性活动的根源，比如经常提供动力，干预或控制。同一心理活动，“说得清”的部分，靠近规范，“说不清”的，则是非理性。运用一个流程步骤，步骤本身很理性，可用的时候遇到困难令人失望烦躁，不能顺利运行，这就好比思维的机械设备，零部件（概念）很规范，运行机制也有规范，但是过程之中，则必然伴随一些噪声、发热等不规范的运动。例如我们用锤敲钉子，完全是理性的工具，理性的活动，但过程中把钉子敲歪了，把墙敲掉一大块皮皮，甚至砸在指头上，这就超级的感性了。如果你更进一步，对这些噪声、意外进行研究，做好应对，那么这些感性也就变成了理性。又比如，你读书久了心烦意乱，感觉象不象机器运行后，温度升高，摩擦增大？通过规范来认识感性和理性，将感性和理性深刻更深刻地统一，可以设计理性的内省方法观察感性，更好地把握自己的心境，同时也是理性地思维更加高效更加和谐。

情绪是思维的振动第三节情绪是思想的振动无论什么东西，实的还是虚的，来回快速的运动变化就是振动。当振动发生在思维世界之中的时候，就产生了情绪。兴奋，紧张，烦躁的时候，我们太容易感觉到思维的振动。同样的念头，同样的想法，同样的感慨，同样地质问，一遍遍地反复；内心在颤抖，甚至带动你的身体：手脚会下意识地摇晃或发抖，脸上肌肉跳动，说话结结巴巴。情绪振动可没有确定的方向和目的，它叠加在有目的有步骤的正常思维之上，常常变成干扰。大家都经历过，情绪强了，逻辑推理能力就弱，感觉失常，很多事情都做不好。振动的直接原因是受到循环往复变化的力。做事情，对结果太关心，期望太高，注意过于集中，心态就可能异常。就好象一个笨手苯脚的人，做事把握不住力的大小，形成很多反弹，搞得心里到处都在晃动，造成草木皆兵心情紧张。困难和阻碍是无法从根本上消除的，就象块速的机器总有噪音，汽车快了会颠簸，快节奏的工作也没法不让人紧张担心。思想的振动可以扩散到其它思维体，或者另一片思维区域。这样扩散的振动就是波动，其基础是振动能量的传播。情绪就是思维环境中的共振波动，情绪起因不在于什么具体的事情，与特定思维体没有必然联系，而是振动中的能量转换。情绪会使头脑中的很多事情，很多思考活动都受影响，可以说都蒙上紧张，急躁，悲伤一类的色彩。情绪不是思维内容的凝聚，而是空间中波动，随着能量的衰减耗损，情绪振动也会逐渐平静下来，猛烈的情绪一般只持续几分钟。根据振动，思维物理可以把情绪分解为情绪原因：即思想受到刺激，发生振动；还有情绪扩散：由具体思想的振动，扩散到其他思想，以致整个思维空间。两个过程的帐都算在情绪头上。用“三个层次”来看，情绪中既是思维运动，又是运动波及的场。情绪有一个序列，从绝望，悲伤，到伤感，忧虑，到冷静，平静，以至于兴奋，急躁，恼怒，狂暴，与物理中分子微粒的随机热运动有些类似，运动的剧烈程度由极低走向极高，思维环境的温度也由极冷变得极热。可以感觉到，人在急躁的状态下，头脑容易发热，言辞行动偏于激烈，体现了思想内容因温度上升导致活动加剧。到了狂暴的时候，温度已经非常高了，什么道理规矩都不再理会，什么理智情感逻辑都远离而去，只剩下强烈的冲动。就好象思维环境过热，使思维体气化消散，有感觉的思想无法忍受而躲避，还留在狂暴情绪中的有理智的想法，其内在结构联系也被高温削弱，要经受考验。而反过来，悲观失望自然使人感到心里寒冷，很多东西不愿想，很多事不想干，感觉和情感变得僵硬，迟钝，失去很多活力，整个的心里就缺少愿望和冲动，象自然界里寒冷的严冬，我们推测这就是思维的温度现象。这个情绪序列的影响范围也极为宽广，我们常称为心情（心境）。紧张、羞愧、担忧、悔恨．．．．．．，是另外一类情绪化活动，我们能感觉这些振动原因更倾向于一些具体的事情，并牵连到相关的很多思想，可能是思维体受到撞击，振颤不已；也可能是思维体内部运动过于猛烈，剧烈晃动，发出刺耳的噪音。虽然情绪直接对应的是思维环境，不由具体事情而生，但跟事情的某些性质又挺有联系的。比如对喜欢的东西就容易兴奋，过去经常失败的事教人担心紧张，有时想起某一类事心里就生气。我们可以推测某一类的思维体因为自身结构的尺寸而形成固有的谐振频率，对特定的情绪共振。从不同情绪中的确能感觉到频率特征，比如烦躁的时候心里好象到处在颤动，念头变化得快，向其它事情传播感染起来也快，这就是高频成份很强的表现。情绪低落时，思想是慢吞吞，懒洋洋的，持续的时间又久，显然是低频。从振动周期来看，不同情绪又包含着特定频率的组合，有一点烦，很烦，烦极了，这样的情绪程度就相当于振幅。各位可以把思维的振动，和心理学对情绪的总结比较一下：它说，情绪是外部刺激再加内部体验，还和动机有关，内外都说到了，够全面不过也够粗糙；居然还有一条“状态不易控制”，也作为性质给总结出来。为什么“不易控制”，其实就是什么原因也没找出来，只是不好意思明说罢了。情绪是思维振动，思维物理对情绪认识的一个开头。顺着这个理论思路，加上思维力和思维能量的概念，无论是情绪的原因还是情绪的传播，都能无限深入地分析下去。找出“情绪不易控制”的各个环节，抽丝剥茧，步步为营。从文学艺术到日常的口头语言，对情绪的描述多姿多彩。如此丰富的体验，有自然界中各种类型，各种起因，强弱频率不同的振动，与之对应。对控制情绪，也有控制振动的方法值得借鉴。情绪，是人们最关心的问题，思维物理的重点之一，有太多的内容，一两个专题都不见得够。在《漫步》中，只能浅尝则止，再谈上一两节。

一个寓言体现的主体思维过程 . 主体拓展运用讨论据说儿童在四岁以上开始逐渐掌握自我主体的意义，开始理解自己和他人的认识过程（他人看见的实验）。因此主体的拓展运用也是一个逐渐发展的过程。主体的拓展，需要根据主体的结构，新建复制一个简化版的主体，将其赋予别人（最常见的是你、他）。由于我有眼睛能看见，所以别人都有眼睛能看见，逐步深入，一直到认识过程。这种拓展非常常见，甚至在低龄幼儿就会广泛学习，甚至比基本算术基本逻辑更早，举例：《小马过河》：小马背着米，要过河，但不知道河里的水有多深……。这里面作为假“我”的小马，还仅仅是第一层的主体拓展，更有松鼠、大象（老牛？）的第二层主体拓展。这些主体能通过比较，各自独立认识水深对自身的作用影响，产生情感认识（大象的随意，松鼠的恐惧，小马的疑惑）。更牛B的是，几个模拟主体的认知过程还进行了比较：对于同一个河水事实，它们的主体. 测深方法相同，仅仅由于主体.身高（属性参数）不同，造成了事实的巨大差异。最后告诉我们要独立认知，不能简单接受他人认知结果的道理！这仅仅是4，5岁儿童的基础学习，难怪人类的主体认知如此强悍！主体的结构和运用规模宏大，如何封装、优化是永无止境的过程。我们虽然无法预料这个模型的人工主体语义体系能描述到哪一步，但可以肯定，自然语言理解（甚至拟人AI，更甚至所有强AI）中，的主体结构不仅是必须的，而且是核心的。千里之行，始于足下

意义是思维的光意义是思维的光线摘要：意义在信息世界如何体现并发生作用？现代科学理论促使人们开启意义理论的新起点和宏观视角。通过对物理世界和信息世界的对比，得出了“意义是思维之光”的直观总结和理论猜测。以此为线索整合了指称论、真值论、使用论，构建了概念、命题、语境各层次的意义理论框架，并对概念结构、指称过程等细节和某些着名意义观点进行了讨论。思维之光的意义理论尚显幼稚，但它扎根于充满生机的现代信息领域，辅以“思维物理”范式的哲学思路，思辨与分析的结合将推动它的迅速成长，体现出统一、开放、可迁移的优势。关键字：信息、思维之光、概念、指称、涵义-花纹、态度、思维物理目录摘要 1 第一章概述：意义是思维之光第一节思维之光的直观猜测 1 第二节思维之光三大层次 1 1.2.1 思维之光的基础 2 1.2.2 概念层次 2 1.2.3 命题层次 3 1.2.4 语境层次 4 第三节从光的属性看意义 2 1.3.1 强度、频率和空间分布的意义属性对应 3 1.3.2 花纹-涵义的对比 4 第四节意义间接控制行动 2 1.4.1 语言强化意义 3 1.4.2 意义间接控制行动 4 第二章小盒上的标签---概念层次的意义 5 第一节词语概念和对象 5 2.1.1 盒子的效用 5 2.1.2 贴上标签，明确内容 6 2.1.3 概念作为模板复制，还原观念 7 2.1.4 概念制造和改进 7 第二节思维之光实现指称 2.2.1 指称的基本动作 9 2.2.2概念、词语、对象之间的投射 9 2.2.3意识追踪指称投射 10 第三节专名通名描述语讨论 2.3.1历史分歧 11 2.3.2 专名和描述语的指称差别 12 2.3.3 花纹的**与分离---专名有无涵义 12 第四节指称论变形第三章光的连贯—命题和语境层次的意义 5 第一节花纹的连贯—命题层次的意义 5 3.1.1 语法贯通 5 3.1.2 语义贯通 6 3.1.3概念与句子对比 5 第二节语境层次的意义 7 3.2.1 6 3.2.2 6 第三节态度笼罩含义 5 3.3.1 态度是特殊的意义 5 3.3.2 态度的句式表达 6 3.3.3表达方式体现 5 第四节专题讨论 5 3.4.1 意义即使用 6 3.4.2家族相似 5 补充说明 22 参考文献 22 第一章概述：意义是思维之光引言：很多语言哲学家将意义理论视为语言哲学的中心问题，常见的意义理论有指称论、……等。与西方哲学家从概念到命题出发来思考意义，“意义在信息世界上如何体现，如何应用”的思路更为宏观，其思路必然与传统意义理论不同，“意义是思维的光线”就是从宏观现象出发的核心线索，能整合指称论、真值论、使用论等常见意义理论，而且可对描述语、态度、比喻等更具体的意义现象进行细致描述。借鉴与物理世界的对比，有信心无限深入地讨论信息和语言世界的意义现象。第一节思维之光的直观和猜测光的本质是电磁波动现象，物体通过发光和反光直接显示自身边界和体积，间接反映内部结构或其它诸多特性。高级生物体对光的感应普遍十分敏锐，人对外界的认识，大约９０％要通过眼睛，也就是光的作用来完成。物体只有发光和反光才看得见。让我们把视线转向信息和语言的世界，符号词语概念本质上都是信息，它们如何展现自身，穿越发送者和接受者的距离？显然，展现并非无条件的，只有在被关注、传送、思维、动机等过程中，与信息系统和其他信息发生作用，才能读出信息的意义，进而被人或机器所掌握理解运用。意义，是信息发挥作用的最关键性质，思维和交流因意义而明。无论有意还是无意，把信息世界与物理世界对比的时候，我们都会猜测，意义是思维之光？第二节思维之光照亮三大层次概念、命题和语境思维之光的假说起源于宏观的联想和直觉。经过进一步思考，思维之光的线索能够令人满意地整合指称论、观念论、真值论使用论等，涉及词语、命题、语境三大层次的意义理论，描述意义理论涉及的各种现象和观点，初步建立统一的框架，体现思维之光的理论价值。

语言大逻辑内容提要：理性、感性和逻辑存在于心灵和信息的世界，思想的规范决定了感性和理性；理性的规范统一于语言，用于思想的大生产和大流通；逻辑是思想的连接，超越了理性和感性，是所有思想结构的基础。第一节：理性的本质是规范理性和感性的实质，是心理学和哲学争论不休的问题。思维物理把它们放在心理（心灵）世界的大环境下，有了更宽广的视野，不仅很容易弄明白感性和理性本身，更发现了超越理性和感性的逻辑，也就是思想连接的根本规律。相对于感性，理性显然是准确的、一步一步的、清晰的、通用的、易说明的，反之感性则是易出错的、跳跃波动的、模糊的、个性的、说不清的…….用“自然（规律）的思想”和“人工（规则）的思想”来区别感性和理性，大家觉得如何？满足“规则”，就准确、有步骤、清晰、通用，否则相反。这“自然”和“人工”也许还不能让大家满意。还有另外一个词，更加准确、精妙，它的寓意之深，足以给心理学的理论带来新的秩序。它，就是感性和理性的关键――规范。理性之所以成为理性，那是因为我们使用了思维的规范。理性的语言文字，理性的逻辑推理，知识概念，哪一样不是在我们社会文化，长期形成了一套规范？能够用上面规范明确表达的，就肯定不是感性。要看规范何以给思维物理、心理学开辟新的天地，围绕“规范”这个词多转几圈，粗看貌不惊人，细看却能吞吐天地。 “规范”也有“规律”的意思，但是包含人为制定的法则，与“客观的规律”对应。自然科学中，“数理化”自然是客观的规律，可在这基础上建立了机械、建筑、电子．．．数不清的应用科学，没有这“人为的规范”，恐怕要寸步难行吧。现在的“规范”要比“规律”火爆得多，三流、二流企业只能做产品和技术，只有一流企业才有资格做规范（标准）呢。规范，作用是通过限制实现承载。规范规律都是“道”，“道”载万物（及其运动）。什么电子、机械、建筑，要承载应用学科，就要先把自己先局限在特定的物理领域；技术规范，要承载“品质”，限制就更严格了；那“行为规范”也是通过“不许”，来实现其他“允许”的顺利进行；最普遍的道路，用空间的限制来承载车和货，实现速度；社会规范，这样必须，那样不许，目的是秩序。无论限制是松是紧，都是相对容易“讲”清楚的，甚至能用数学的语言。在心灵的世界中，到底要满足什么规则，才算得上理性和逻辑，可以没完没了争下去；但是没有社会化交流形成的思想法则，就没有理性和逻辑，我想没有人能反对。总之，规范是含“人为”因素的规律，因为它的限制、承载和层次清晰，请它帮助说明心灵世界的多层次运动，很有作用。理性包含着哪些根本性的规范，这些规范如何运作。思维物理将以“机械与设备”的方式，描述语言概念、逻辑推理和更多的课题，为“可操作”的应用，创造条件。思维的本质是规范：远离哲思，何谈本质？根本规律，名之大道。道法自然，更逾自然。人为之道，可名规范：通过限制，实现承载。感觉知觉，依托生理。情绪情感，缺乏逻辑。皆曰感性，领悟自明。不易交流，不立文字，人自为之，难成定法。心之世界，“自然”运作。思维逻辑，实为规范。源自社会，可谓“人为”。语言法则，最最基础。字词句章，各遵其法。连接累积，描述万物。新的时代，意义延伸：科学哲学，文学艺术，专业技术，程序指令，概念表述，各有方式；都称语言，皆立规范。规范之间，相互交错，相互叠加，相对而成。自然人为，相辅相成。思维感性，水**融。感性材料，思维源泉；思维背后，情感驱使；思路两难，更生情绪；具体过程，何以区别？角度很多，“规范”最妙！

思维的生命 1思维生命的起源。放眼心灵的世界，这个回顾思维的信息空间，那里….. 信息的复制极为简单、普遍、快速。信息之间的感性作用：复制－改变局部环境有利于特定信息的复制－改变。复制、改变的过程中壮大成长。推动思维生命成长的力量：关注、思考….注意的能量如阳光普照，推动思维的运行，同时也促进感性的成长。思维源泉乃人之感觉，如同大自然演化出感受和体验，在时空的线索下信息飞速聚集、复制、变形，比地球上适宜的温度、湿度和肥沃的土地，还要适合思维生命的孕育和成长。这就是思维生命产生的大环境。 2最简单的情感一种思想，如果对环境做出反应，并不断自然复制，那么就具备信息生命的基本意义。计算机病毒传播、变种、破坏，具备了信息生命的性质，或可视为简单的思维生命。触景生情、有点兴趣、感触。经历事情之后，不知不觉中进行琢磨、想像、评价。不知不觉中扎根、成长。比如，所谓的道德感、美感，就象思想中的种子胚胎，无论接近了什么事情什么经历，都会自觉地去评判，从经历中产生体验，生长出思维生命的机体…. 3感情的组成一般包括以下内容：感触、需求、欲望、嗜好。思维生命的组成：（感觉、需求、欲望）、灵性贯穿其中。结构模型一：感受系统：对其它思想信息产生触动和反映。好比生物的感觉器官。需求系统：理解、转化，好比消化系统。建立系列相对稳定的价值观，对外来的信息进行吸收或者排斥。欲望系统：行为动机，肌肉系统。灵性：神经系统，将各系统融为一体。是对自身内部环境的感知、协调和反馈；具有丰富充足的信息空间，自由掌握。作为个体的结构，拥有核心内容，各系统在围绕核心内容而活动时空如同碳元素，是思维有机体生长的关键结构结构模型二：感情是一个群落，不同类型体验是植物、微生物，食物链的底层，嗜好、兴趣感受好比昆虫等，在上层是热爱等大型生物好比野兽，再高级的还有角色。从底层到高层，思维生物的结构显然会变得复杂。复杂的生物通过关键的线索联系起来结构一和结构二都有不足，应融合才更加完整。可是，对于表现为一个普通爱恨（厌）行为的感性活动，再怎么圆滑，也不好说它既是一个独立的低级生物，又是某个高级生物的一部分。如何将它的两种作用和一种表现统一起来？还有，决定思维生命和非生命区别的基本元素（蛋白质、氨基酸）是什么？决定思维生命类型的根本（DNA）又是什么？（涉及感情如何分类，然后是什么决定了这个感情没有改变，按照态度？活动表现？还是涉及的对象？）高级思维生命的骨络又是什么？ 4情感与情绪生命系统同样遵守思维的机械规律。所以，因此生命运动同样产生兴奋、快乐等情绪。同时独特的价值观，以及与其它系统的联动，产生长期的爱恨恩仇，嫉怨等生命情绪。相对封闭的生命空间和细腻的感知轻易地放大了情绪的作用。情感的行动中大量表达情绪，以态度的形式对其它情感产生影响。

开发自然语言思维机器人，谁赴三年之约？有没有人愿意为理解自然语言专心奋斗三年？本小组已有2人，现再诚邀2位，这边提供温饱零花钱+住房专心致志干三年，开发具备8-10岁智能的自然语言理解系统，成果平等分享。要求：1狂热的符号智能追求者 2有一定VB 或C系列编程基础和经验 3身体健康，最好<25岁（因为二人都比较老了）有意者加QQ 290773356