软件智能：aaas系统的AI众生-一个脑力原型

1、问题的提出

今天在整理大纲视图、概观总表以及连接二者的标示图解时，涉及到和神经系统有关的一组技术名词，它们是：BP网络、CMAC和CSTR。

有关它们的名词解释，可以很简单地通过各种渠道获得。但我这里要说的是：

它们三者之间的关系以及它们是否构成了一个整体。
它们和我正在整理的大纲视图、概观总表和标示图解 有什么关系，及其如果能大致对应上，并且前者如果刚好构成一个整体，那么，
两个三元组共同表示了一个怎样的存在。

2、BP网络、CMAC 和 CSTR

简单了解这三个专业技术名词以后，简单地做了一个解释和对应：

BP 多层前馈神经网络-人工智能Artificial intelligence【前端API】：with 修正changing初始权值的BP网络的BP网络应用程序，可用于CSTR故障诊断。
CSTR 中枢神经系统- 智能增强intelligence enhancemen【中间ANL】：实现运动控制（过程优化控制仿真），用于过程故障诊断的CSTR仿真。
CMAC小脑神经元网络- 假设检验hypothesis testing【后端SPI】：单元的权值调节,一种控制器模型。

大脑（前脑）、小脑（后脑）和中脑（中枢神经）三个分区，整体构成一个神经系统。三个块分别可以用来填充一个操作系统的容器container，类加载器classLoader和虚机vm，同时也对应了aaas大纲视图中A横向划分的特征分析、结构分析和基于规则的系统的三个不同AI能力层次。

这三种方法的主要区别在于目标：模拟simulation，增强enhancement或理解人类认知（understanding of human cognition）。为其中任何一种设计的计算方法通常都可以适用于其他方法。

对应于aaas元语言中AI的三个行为模式（speech act）：模拟( 图书馆 )，仿真( 实验室 )和文本理解（工作室）。

附：模拟和仿真的ISO定义

模拟simulation是指"选取一个物理的或抽象的系统的某些行为特征，用另一系统来表示他们的过程"；

仿真:emulation是指"用另一数据处理系统，主要是硬件，来全部或部分模拟某一数据处理系统，以至于模仿的系统能像被模仿系统一样接受同样的数据，执行同样的程序，获取同样的结果"。

3、智能的一个脑力原型

前脑-BP形式神经网络[输入层-高度-表面模型的层数，地面以上]：思维能力和判断力(上下方向上对立分布-张量 )--前馈feedback
后脑-CMAC模式神经元计算网络[输出层-宽度-结构映射的维度，地面]：记忆力和语言表达能力(左右方向上 互补分布-矢量 )-回调callback
中脑-CSTR制式神经中枢网络[隐藏层-深度-意义表征的阶数，地面以下] ：反应能力感知力运动能力（前后中位置分布-标量）-直调invok

以上仅列出，具体介绍后面单独说明。

4、将刺激与反应联系起来的神经网络( stimulus-response)

S-R的三种实现：

固件方法-神经网络-行为主义Behaviorist 者将将刺激反应机制（S-R机制）视为一个黑匣子。操作数条件operant conditioning 的行为主义方法建议神经网络方法进行反向传播学习。每当网络对给定的刺激产生不正确的响应时，实际上是通过调整链路上的权重（从响应层开始并将调整向后传播到刺激层）“惩罚”。多年来，对于组合输入以确定输出的功能，反向传播方法，使用和更改权重的算法，节点和隐藏层的数量以及从响应层到较早的刺激层的可能反馈，已经提出了许多变体。所有这些变化都是对较旧理论基础的增量修改。
硬件方法-联结主义Connectionism：奖励加强了SR的联系，而惩罚则削弱了SR的联系。设计一种神经网络的理论模型，该模型能够学习和计算其输入的任何布尔函数。名为感知器的机器实现了该模型。
软件方法：后来的版本将连接主义与神经网络相结合，后者是在数字计算机上模拟的，而不是直接在硬件中实现的。它模拟了神经网络的节点和链接。将每个神经元视为一个简单的开关，很容易模拟。

证据表明，神经元更像是一台具有自己的本地内存并能够接收，转换和传输复杂信号的芯片计算机。

[-----未完待续--------]