本发明涉及人计算机领域，具体涉及模拟人脑学习知识的方法、逻辑推理机及类脑人工智能服务平台。
背景技术
人工智能的理想目标，是使机器能以类脑的方式学习和工作。实现这个目标，需要以人工的方法将人的认知模型和智能机制模拟到计算机，即以类脑方法处理计算机中的数据信息，由于哥德尔不完全性定理和图灵停机定理所证明的逻辑形式系统和机械计算能力的局限性，导致这种类脑人工智能的技术至今未能实现。
所谓哥德尔定理和图灵停机定理证明的逻辑局限性，通俗地说，就是其定理证明，以“肯定”和“否定”或“真”和“假”的形式对命题(自然语句)进行逻辑判断的计算是算法上无解的。而人脑认知的基本功能就是逻辑判断和推理，并且推理是依赖于判断之后进行计算的。因为计算机是算法机器，即是在算法驱动下运行物理装置。如果判断无算法，则说明人脑基于判断的认知思维是不可计算的；如果不将认知思维形式实现为可计算的逻辑算法，就无法将人的认知模型和智能机制模拟到计算机。因而，解决类脑人工智能的关键，就在于解决将自然语言转换计算机程序语言和如何以程序语言模拟人脑逻辑判断推理的算法问题。
针对上述困难，万继华于2006年在《自然辩证法研究》发表关于《基因语义性质的哲学和实证考察》的论文，提出以本质唯一性解决语义二义性的本体信息哲学思想，同时提出了通过抽取命题的语义性质为信息实体对命题进行逻辑判定，以消除在哥德尔不完全性定理中形成语义悖论的基因量子算法。创建了以四组基因量子语义信号编码的真值表判定方法。之后，出版专著《本体逻辑原理与应用》(广东科技出版社2008年出版)，系统地论述了计算机如何理解人类自然语言的本体哲学理论和逻辑计算技术。并于2008年10月在全国第四届逻辑系统、智能科学与信息科学学术会议上作了《基于哲学本体论的真值演算系统——实现计算机理解自然语言的逻辑方法》的学术报告，其报告以论文编入《逻辑学及其应用研究》的学术论文集(贵州民族出版社2009年出版)。并已于2016年10月获得《将自然语言翻译为计算机语言的方法、语义处理器和人机对话系统》的发明专利权(专利号:zl201310657042.8)。
上述发明专利中将自然语言翻译为计算机语言的方法，提出了“计算机利用词库和分词规则识别提取自然语言文字中的语法成分、逻辑联结词和逻辑语义，并基于信息管理库将语法成分翻译成表示计算机面向对象语言中的基本元素名称的字符串代码、将逻辑联结词翻译成表示程序控制的程序转移指令代码、将逻辑语义翻译成表示肯定和否定的二进制代码，并由这些代码拼接成为程序语言”的智能技术方案。因为语言是表达人脑认知和思维的信息工具及载体，将自然语言翻译为计算机语言就意味着机器可以按照人以自然语句（命题）给出的指令进行工作，也意味着机器能以自然语言与人进行交互并能以判断推理方式模拟人脑的逻辑思维，也意味着类脑人工智能的目标可以实现。
但该专利方案并未给出计算机如何学习知识和如何以判断推理的计算方法智能进行工作和执行程序，由此导致该专利没有完整和系统地解决人工智能需要机器以类脑方式进行学习和工作的技术问题。最近由于证明和完善了逻辑判定推理的公理化算法，基于该算法可形成机器判断推理和模拟人脑学习及工作的人工智能系统。
技术实现要素：
针对上述技术问题，本发明提供一种计算机模拟人脑学习知识的方法，其包括以下步骤：
（1）建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库，其中：
词库，用于存储以自然语言表示场景或事件的词语及与词语对应的词性；
类库，用于存储与自然语言语句的语法成分对应的类基本元素和由类基本元素组成的与主、谓两个逻辑单元对应的真的性质，其中:对应主语的对象元素的语义性质以肯定性质为真，用二进制代码1表示，对应谓语的函数元素的语义性质以肯定或否定为真，每一个自然语句谓语对应的函数的语义性质只能以肯定和否定中的一种性质为真，用二进制代码1或0表示，1表示肯定为真，0表示否定为真；
资源库，用于存储上述场景或事件的信息资源，并与类库中的类基本元素及对象和函数元素为真的性质对应；
智能信息管理库，用于存储类似人脑管理思维的判断推理算法程序和管理行为的智能应用程序以及所述类库、资源库、词库三者之间的对应关系；
（2）计算机将自然语言语句中表示语法成分的词语及词性读入或添加到词库，然后调用语义分析器将由自然语言单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库，其中对象、函数的语义性质与资源库对应场景的性质保持一致为真；对象对应场景的性质以肯定1为真，函数对应场景的性质以肯定1或否定0为真，其中语义性质为1的函数对应性质以肯定为真的场景、语义性质为0的函数对应性质以否定为真的场景，由此形成以主、谓概念对应对象、函数单元的逻辑知识元素；
（3）计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序生成智能应用程序，并将其存储于智能信息管理库。
作为优选，所述词库分为系统词库、私人词库和公共词库，系统词库用于存储逻辑联结词和生成语义性质的否定词，私人词库用于存储用户自定义的专用词语对应其专用领域或区块性的类库和资源库，公共词库用于存储词性规范的公共词语。
作为优选，所述类库包括本体异构函数，所述本体异构函数是将不同词语或术语指称同一场景或场景元素的表述同时对应或定义为同一词语或术语的方法。
本发明还提供一种根据计算机模拟人脑学习知识的方法构造的逻辑推理机，采用软件或硬件形式，包括知识信息获取模块、判断推理计算模块、操作程序生成模块、操作程序执行模块；所述知识信息获取模块获用于获取智能信息管理库中的应用程序和以判断推理计算应用程序的算法程序；所述判断推理计算模块用于以获取的公理算法程序对应用程序进行判断推理计算；所述操作程序生成模块用于根据逻辑计算的结果生成可操作的判断推理结论程序；所述操作程序执行模块用于执行判断推理结论程序。
作为优选，所述判断推理算法程序包括判断算法程序和推理算法程序，判断算法程序是以单句程序中的函数语义性质的二进制代码与类库中表示其对应函数为真的语义性质的二进制代码进行相同或不同的比较计算，如果二者相同即为11或00，则判断单句程序为真并返回判定值为1；返回值为1的单句程序，按获取应用程序中的语义性质及对象和函数名对应其场景资源判定该程序；如果二者不同即为10或01，则判断为假并返回判断值为0；返回值为0的单句程序，按获取应用程序中的语义性质变反后，以与对象和函数相符的语义性质对应其场景资源判定该程序；所述推理算法程序是基于单句在判定程序中的返回值和由单句及单句与单句形成的复句之间的逻辑关系推出结论的计算程序；语句间的逻辑关系分为充分、必要、充要条件关系和或、与三类关系。
作为优选，所述计算程序计算充分条件的方法为:判定前件的返回值为真则推出后件的值必真、判定前件的返回值为假则推出后件的值为可真、判定后件的返回值为真则推出前件的值为可真、判定后件的返回值为假则推出前件的值必假；所述计算程序计算必要分条件的方法为:判定前件的返回值为真则推出后件的值为可真、判定前件的返回值为假则推出后件的值必假、判定后件的返回值为真则推出前件的值必真、判定后件单句的返回值为假则推出前件的值为可真；所述计算程序计算充要分条件的方法为:判定前件的返回值为真则推出后件的值必真、判定前件的返回值为假则推出后件的值必假、判定后件的返回值为真则推出前件的值必真，判定后件的返回值为假则推出前件的值必假。
作为优选，所述计算程序计算或关系的方法为:判定其中一个单句的返回值为真，则推出另一个单句必假；判定其中一个单句的返回值为假，则推出另一个单句必真。
作为优选，所述计算程序计算与关系的方法为:判定前提条件中的每一个单句的返回值为真，则推出后件的结论为真，判定前提条件中有一个单句的返回值为假，则推出后件的结论为假。
作为优选，所述操作程序生成模块用于根据所述计算程序得出的判断推理结论生成操作程序，生成判断操作程序的方法是：以返回值为真判定的程序，按获取应用程序中定义在函数上的语义性质，对应类库中的对象和函数以及配置在资源库中的场景生成操作程序；以返回值为假判定的程序，将获取应用程序中定义在函数上的语义性质变反后，对应类库中的对象和函数及配置在资源库中的场景生成操作程序；由多个单句组成的程序，按顺序控制结构以所述生成判断操作程序的方法生成操作程序；生成推理操作程序的方法是：把一个推理关系的应用程序，分为分析程序语句和操作程序语句；分析程序是以假设程序语句为真或为假推出结论语句的程序，操作程序是被推出作为结论的语句程序；推出为真的结论语句程序，按获取应用程序中定义在函数上的语义性质，对应类库对象和函数及配置在资源库中的场景生成操作程序；推出结论为假的语句程序，按获取应用程序中定义在函数上的语义性质变反后，对应类库对象和函数及配置在资源库中的场景生成操作程序。推出结论为可真的语句程序，按获取应用程序结论语句中定义在函数上的语义性质原值或变反后，对应类库对象函数及配置在资源库中的场景生成操作程序。
本发明再提供一种利用逻辑推理机形成的类脑人工智能服务平台，其包括：
(1)将所述语义分析器、类脑学习知识的方法和逻辑推理机集成为通用智力工具，创建网络人工智能服务台平，形成网络共享类脑服务功能；
(2)人工智能产品开发方注册登陆平台，下载sdk工具包，利用学习知识方法并调用语义分析器创建满足开发应用产品需求的类脑知识库；
(3)终端用户基于人工智能产品开发方的应用产品以自然语言发出应用请求或指令传输到服务平台；
(4)平台监听或读取输入的自然语言并调用语义分析器自动生成人工智能产品开发方设计的应用请求或指令；
(5)调用逻辑推理机计算和执行人工智能产品开发方提供的满足终端用户应用需求的智能知识或工作程序，完成人机交互及其工作任务。
从以上技术方案可知，本发明首先提供一种计算机模拟人脑学习知识的方法，可使计算机以类脑方式学习知识；然后提供一种逻辑推理机，其可进行判断推理计算；本发明以人工的方法将人脑以智能计算和判断来认识客观事物的认知模型和基于认知模型进行逻辑推理的智能机制模拟到计算机系统，实现机器模拟人脑的智力功能学习知识，形成了类脑人工智能服务平台。
附图说明
图1是本发明的机器模拟人脑学习的方法的示意图。
图2是本发明的逻辑推理机的结构及计算流程示意图。
图3是本发明的类脑人工智能服务平台的工作流程示意图。
具体实施方式
下面结合图1、图2和图3详细介绍本发明，在此本发明的示意性实施例以及说明用来解释本发明，但并不作为对本发明的限定。
一种计算机模拟人脑学习知识的方法，其包括以下步骤：
（1）建立计算机类脑知识库，包括词库、类库、资源库、智能信息管理库，其中：
词库，用于存储以自然语言表示场景或事件的词语及与词语对应的词性；
资源库，用于存储上述场景或事件的信息资源，并与自然语句中的主、谓概念的语义性质对应；
类库，用于存储与自然语言语句的语法成分对应的类基本元素和由类基本元素组成的与主、谓两个逻辑单元对应的逻辑性质，其中:对应主语的对象元素的逻辑性质以肯定性质为真，用二进制代码1表示，对应谓语的函数元素的逻辑性质以肯定戓否定性质为真，且只能以其中的一种性质为真，用二进制代码1或0表示，1表示肯定性质为真，0表示否定性质为真；
智能信息管理库，用于存储类似人脑管理思维的判断推理算法程序和管理行为的智能应用程序以及所述类库、资源库、词库三者之间的对应关系；
（2）计算机将自然语言语句中表示语法成分的词语及词性输入或添加到词库，然后调用语义分析器将由自然语言语句单句生成的类基本元素和语义性质以类的方法创建并存储于类库，同时将与类基本元素和语义性质对应的场景进行配置并存储于资源库，其中对象、函数的语义性质与资源库对应场景的逻辑性质保持一致为真；对象与对应场景的逻辑性质以肯定1为真，函数与对应场景的逻辑性质以肯定1或否定0为真；其中语义性质为1的函数对应逻辑性质为肯定的场景为真、语义性质为0的函数对应逻辑性质为否定的场景为真，由此形成以主、谓概念对应对象、函数单元的逻辑知识元素；这是计算机以类脑逻辑形式学习概念为单位的知识元素或语素的方法。
（3）计算机基于类库中的智能知识元素，针对智能应用需求调用语义分析器，将由自然语言单句、复句或语句集来满足应用需求的自然语言程序自动生成智能应用程序，并将其存储于智能信息管理库。这是计算机以类脑逻辑形式学习序列性或系统性知识的方法。
从以上可知，本体类脑知识库模拟了人脑记忆和学习的方法，可概括为以下三个层次：
一是学习词语概念与其指称的客观事物，即学习以词语表示场景或事件的知识。如”太阳”这个和天空中的实体太阳对应的关系就是这个层面的知识。即把一个词语的字符串作为记号对应到它所表示的场景或事件。本方案将这些知识保存到词库、资源库及类库，其中词语知识保存到词库、场景或事件的素材知识保存到资源库(数据库)、对场景或事件的操作和识别知识保存到类库，并一一对应。将这些知识存储在机器中就相当于使机器学到了这些关于词语的知识。
二是学习以语句(命题)的主、谓概念为基本逻辑结构形成的逻辑认知和判断知识，即认识“什么是什么、什么不是什么、什么能怎么样、什么不能怎么样”等等。本体类脑知识库将这个层面的知识表示到类库，并将语句中的各种语法成分对应为类基本元素，其中主语表示为对象、谓语表示方法或属性、其他成分表示为参数，同时将其与词库和资源库中的词语及场景对应。并且以主语和谓语部分将其分为两个逻辑单元，同时将各个逻辑单元的逻辑语义性质与其所表示的场景状态的逻辑性质相对应，使机器能以类脑形式理解和判断知识。将这些知识存储在机器中就相当于使机器学到了这些关于语句的知识。
三是学习以逻辑联结关系将单句组成复句或多重复句的语句集的知识。本发明将这些知识翻译为计算机语言的方法使之形成应用程序，并将这些知识存储到信息管理库中，同时与类库、资源库和词库中的知识关联起来，并通过所述语义分析器的解析翻译和逻辑推理机的判断推理计算形成智能知识体系。即各种智能应用程序。具体的翻译方法为专利zl201310657042.8所述。即将自然语言文字中的语法成分、逻辑联结词和逻辑语义对应翻译，具体是分别将语法成分的字符串代码翻译成表示计算机面向对象语言中的基本元素名称的字符串代码、将逻辑联结词翻译成表示程序控制的程序转移指令代码、将逻辑语义翻译成表示肯定和否定的二进制代码，再将该三种代码拼接成应用程序。同时通过所述逻辑推理机生成预设的可执行智能程序，形成系统的智能知识管理体系。机器将这些知识存储下来就相当于使机器学到了按自然语言作为程序去完成各种工作任务的智能知识。这种方法还可拓展到机器通过读入或听入自然语言就能形成知识的主动学习层次。
所述学习知识方法中的词库区分了系统词库、私人词库和公共词库。系统词库用于存储逻辑联结词和生成语义性质的否定词，私人词库用于存储用户自定义的专用词语对应其专用领域或区块性的类库和资源库，公共词库用于存储词性规范的公共词语。这种方法有利于形成知识区块化，改变当前机器深度学习依赖大数据分析的高资源消耗和大数据垄断局面，也有利将各个不同领域的知识以区块链的方式联结，形式强大而广泛的智能知识支持及应用，使网络系统的知识真正超越人脑。
所述学习知识方法中的类库包括了本体异构函数，这种将以不同自然语言词语或术语指称同一场景或场景元素的表述，同时指向或定义为同一词语或术语的方法，为实现以自然语言方式建立人机交互服务平台及其应用提供极大方便，有效保障了终端用户能以轻松自如的方式基于人工智能平台进行人机交互。
计算机模拟人脑学习，是指将人的认知模型和智能机制模拟到计算机系统而使机器具备类脑智力功能，上述本体类脑知识库的建立，使得机器具备了类脑的学习方式和记忆功能。
本发明的逻辑推理机采用软件或硬件形式，包括知识信息获取模块、判断推理计算模块、操作程序生成模块、操作程序执行模块；所述知识信息获取模块用于获取智能信息管理库中的应用程序和以判断推理计算应用程序的算法程序;所述判断推理计算模块用于以获取的公理算法程序对应用程序进行判断推理计算；所述操作程序生成模块用于根据逻辑计算的结果生成可操作的判断推理结论程序；所述操作程序执行模块用于执行判断推理结论程序。本发明的逻辑推理机采用四大模块实现对主谓语程序单元的逻辑判断推理计算，从而使由自然语言转换而来的包括主、谓语程序单元的程序语言，能够生成符合人脑判断推理思维和人工智能应用需求的可执行智能程序，为类脑人工智能的应用提供有效的技术解决方案。
具体来说，所述判断推理算法程序包括判断算法程序，判断算法程序是以单句程序中的函数语义性质的二进制代码与类库中表示其对应函数的逻辑性质的二进制代码进行相同或不同的比较计算，如果二者相同为11或00，则判断单句程序为真并返回判定值为1；返回值为1的单句程序，按应用程序中原有的语义性质及对象和函数名对应其场景资源定义该程序；如果二者不同为10或01，则判断为假并返回判断值为0；返回值为0的单句程序，按应用程序中原有的语义性质变反后，以对象和函数名对应其场景资源定义该程序。
上述计算过程的逻辑可靠性和普遍有效性是直观可证的。因为以程序语言中的主、谓程序单元的语义性质值和类库中描述真实场景的主、谓逻辑单元的性质值进行映射计算，等于以主、谓概念与真的场景对应映射。如果比较二者的性质相同则判断为真，不同则判断为假，这是直觉上自然为真的。如果被判定为真则值－定与被判定程序的值相同，如果被判定为假，则与被判定程序中的值不同。因为逻辑性质只有真假二种，二者不同则必为假，将为假的值変反则又必为真。由此无论被判定程序是真还是假，都能得出判定为真的计算结果。智能程序生成模块根据该判定为必真的值生成对应的可执行智能程序，直观地保障了程序的逻辑可靠性。具体来说：
将所述主谓语程序单元中对应主语、谓语部分的语义性质值与类库中对应的对象和函数的语义性质为真的值进行对应映射计算，得到为真或为假的判定值。例如，“奥巴马是前任美国总统”的语义性质为11，将与类库中对应的对象和函数的语义性质为真的值11进行映射，得到判定值为真，并返回判定值为1。这意味着该主谓语程序单元表示的语句是与真实场景相符合的；再如，“奥巴马不是前任美国总统”的语义性质为10，将其与类库中对应的对象、函数的语义性质为真的值11进行映射计算，得到判定值为假，并返回判定值为0。这意味着该主谓语程序单元表示的语句与真实场景的事实不符。上述计算模型可表示为公式：
jz⊙jw=jh=>(jz
其中：h表示命题变量；j表示语义和逻辑性质変量；jz、jw分别表示主谓语或对象和函数单元及其语义性质；jtz、jtw分别表示对应主语、谓语部分的真实场景及逻辑为真性质；⊙表示同或算符；o表示映射算符。上述判断计算的编码模型只有4种，这4种编码模型穷尽了人脑用于命题或语句判断的所有计算模型。在这4种判断计算模型中任何一个为真或为假的命题，经运用该编码模型计算后，都能得到判定为真的正确结论。该编码计算的过程使机器模拟了人脑的判断思维过程。以下为4种编码的计算公理模型(符号=>表示判定)：
公理1:1z⊙1w=1h=>(1z
例如，1z奥巴马1w是前任美国总统。以公理1判断该命题为真即为返回值1。其性质不变为真。即1z奥巴马1w是前任美国总统。
公理2:1z⊙1w=1h=>(1z
例如，1z特朗普1w是前任美国总统。以公理2判断该命题为假即为返回值0。其谓词性质変反为真。即1z特朗普0w不是前任美国总统
公理3:1z⊙0w=0h=>(1z
例如，1z奥巴马0w不是前任美国总统。以公理3判断该命题为假即为返回值0。其性质变反为真。即1z奥巴马1w是前任美国总统。
公理4::1z⊙0w=0h=>(1z
例如，1z特朗普0w不是前任美国总统。以公理4判断该命题为真即为返回值1。其谓词性质不変为真。即1z特朗普0w不是前任美国总统。
公理1和公理2是计算肯定命题为真和假的算法，公理3和公理4是计算否定命题为真和假的算法。因为每一个命题中的主语和谓语总是以其字符串为记号而自然对应于具有唯一性质的事实或场景的，多个记号对于同一场景的已被本体异构函数定义同义词。并且每个命题都只能有肯定或否定和为真或假的语义和逻辑性质，如公理1中的1(1h)=1z⊙1w表示肯定命题判定的返回值为真则命题的值不变、公理2中的0(1h)=1z⊙0w表示肯定命题判定的返回值为假则命题的值通过谓语变反而成真、公理3中的1(0h)=1z⊙0w表示否定命题判定的返回值为真则命题的值不变、公理4中的0(0h)=1z⊙1w表示否定命题判定的返回值为假则命题的值通过谓语变反而成真。所以，能够直观看出公理1至4的算法在逻辑上满足了任一命题的判定计算。由于命题中的主、谓成分与程序中对象、函数对应，所以公理1至4满足所有程序语句的逻辑判断算法需求。
判断推理算法程序包括推理算法程序，该推理算法程序是基于单句在判定程序中的返回值和单句与单句以及由单句组成语句集之后的逻辑关系推出结论的计算程序，语句间的逻辑关系分为充分、必要、充要条件关系和或、与三类关系。因为充分条件和必要条件存在前后件互补的关系，所以所述计算程序计算充分条件关系的方法为:判定前件单句的返回值为真则推出后件单句的值必真、判定前件单句的返回值为假则推出后件单句的值为可真、判定后件单句的返回值为真则推出前件单句的值为可真、判定后件单句的返回值为假则前件单句的值必假；所述计算程序计算必要分条件的方法为:判定前件单句的返回值为真则推出后件单句的值为可真、判定前件单句的返回值为假则推出后件单句的值必假、判定后件单句的返回值为真则推出前件单句的值必真、判定后件单句的返回值为假则推出前件单句的值可真；所述计算程序计算充要分条件的方法为:判定前件单句的返回值为真则推出后件单句的值必真、判定前件单句的返回值为假则推出后件单句的值必假、判定后件单句的返回值为真则推出前件单句的值必真，判定后件单句的返回值为假则推出前件单句的值必假。所述计算程序计算或关系的方法为:判定其中一个单句的返回值为真，则推出另一个单句必假；判定其中一个单句的返回值为假，则推出另一个单句必真。所述计算程序计算与关系的方法为:判定前提条件中的每一个单句的返回值为真，则推出后件的结论为真，判定前提条件中有一个单句的返回值为假，则推出后件的结论为假。
本发明的所述操作程序生成模块用于根据所述计算程序得出的判断推理结论生成操作程序，其中生成判断操作程序的方法是：以返回值为真定义的程序，按原有应用程序中定义在函数上的语义性质，对应对象和函数及配置在资源库中的场景生成操作程序；以返回值为假定义的程序，将原有应用程序中定义在函数上的语义性质变反后，对应对象和函数及配置在资源库中的场景生成操作程序；生成推理操作程序的方法是：推理为真的结论程序，按原有应用程序中定义在函数上的语义性质，对应对象和函数及在配置资源库中的场景生成操作程序；推理为假的结论程序，按原有应用程序中定义在函数上的语义性质变反后，对应对象和函数及配置在资源库中的场景生成操作程序。推理为可真的结论程序，按原有应用程序结论中定义在函数上的语义性质或变反后，对应对象和函数及配置在资源库中的场景生成操作程序。
推理是人脑思维的最高形式。是一种由已知推出未知的逻辑思维方法。所谓已知就是针对一个问题求解时，对前提条件的真假性质值要是已知的。有了这个已知条件，则可根据充分条件关系，以充分理由推出后件即结论。这是人脑以逻辑推理方法，实现问题求解的最高也是最基本的智能思维方式。并旦毎个人都能在直觉中体验或看出这种形式的逻辑规律及其推理的可靠性和有效性。这种可靠性和有效性是依靠所述5种逻辑关系的推理规则及其算法来针对－个求解的问题建立分析程序的。通过分析程序建立一个充分条件前提，形成以充分理由推出后件的逻辑关系，然后通过判定充分理由的程序语句的真假推出结论。建立分析程序及由分析程序形成以充分理由推出结论的规则或公理共有5条，具体来说:
(1)当一个充分条件前提的命题h1被假设为真时，则后件h2自然为真，当其前提中的命题h1被假设为假时，则后件的h2自然为真或假。相反，当后件中的命题h2被假设为真时，则前件的h1自然为真或假，当后件中的命题h2被假设为假时，则前件的h1自然为假。其算法可用公式表达为:
(jh1→jh2)→(1(jh1)→1(jh2))∨(0(jh1)←0∨1(jh2))∨(1(jh2)←0∨1(jh1))∧(0(jh2)→0(jh1))
(2)当一个必要条件前提的命题h1被假设为真时，则后件h2自然为真或假，当其前提中的命题h1被假设为假时，则后件的h2自然为假。相反，当后件中的命题h2被假设为真时，则前件的h1自然为真，当后件中的命题h2被假设为假时，则前件的h1自然为真或假。可用公式表达为:
(jh1←jh2)→(1(jhl)←0∨1(jh2))∨(0(jh1)→0(jh2))∨(1(jh2)→1(jh1))∨0((jh2)←0∨1(jh1))
(3)当一个充要条件前的命题h1被假设为真时，则后件h2自然为真，当其前提中的命题h1被假设为假时，则后件的h2自然为假。相反，当后件中的命题h2被假设为真时，则前件的h1自然为真，当后件中的命题h2被假设为假时，则前件的h1自然为假。可用公式表达为:
(jhl)↔(jh2)→(1(jhl→1(jh2))∨(0(jhl)→0(jh2))∨(1(jh2)→1(jhl))∨(0(jh2)→0(jhl))
(4)当一个或多个与关系语句为充分条件前提的命题时，则需假设毎个命题都真后件才为真，当其中有一个为假时，则后件自然为假。可用公式表达为:
jh1∧jh2→(1(jh1)∧1(jh2))→1(jh1∧jh2)∨(0(jh1)∧(1(jh2))→0(jh1∧jh2))
(5)当一个或(异或)关系语句的命题出现时，则可假设此真则彼假，且反之亦然。可用公式表达为:
(jh1∨jh2)→(1(jh1)→0(jh2))∨(0(jh1)→1(jh2))∨(1(jh2)→0(jh1))∨(0(jh2)→1(jh1))
因为人脑推理思维中的逻辑关系只有上述5种，所以通过所述公理化规则即可针对任－求解问题建立分析推理程序，并可通过判定计算得到可靠的逻辑结论。通过将分析推理程序化和数字化，从而实现计算机以类脑判断推理的智能方式学习和工作。机器通过上述可执行程序，可得到符合应用需求的人机交互结果，确保输出的逻辑正确性。具体实施例如下：
判断示例1：特朗普是美国人。
stringsay=”特朗普是美国人。”；
listener.matchlistener(say);//jh平台监听；
jhactionjha=newjhaction()；
semantemesemanteme=jha.jhsemanteme(say)；
//接收句子的语法成分；
intzlj=semanteme.getzlj();//获取成分中主语逻辑值，
这里的值为1；
intwlj=semanteme.getwlj();//获取成分中谓语逻辑值，
这里的值为1；
int[]rlv=jha.getcomparison(say);//获取实际比对逻辑值，这里的值为实际主逻辑值1，实际谓逻辑值1；
booleanfal=languagcomparisonereality(zlj,wlj,rlv)；
//获得语句程序和场景对比值得出这句话的真值即返回值为1。这里以肯定为true：判定”特朗普是美国人”。
判断示例2：特朗普是中国人。
stringsay=”特朗普是中国人。”；
listener.matchlistener(say);//jh平台监听；
jhactionjha=newjhaction()；
semantemesemanteme=jha.jhsemanteme(say)；
//接收句子语法成分；
intzlj=semanteme.getzlj();//获取成分中主语逻辑值，
这里的值为1；
intwlj=semanteme.getwlj();//获取成分中谓语逻辑值，
这里的值为1；
int[]rlv=jha.getcomparison(say);//获取实际比对逻辑值，这里的值为实际主逻辑值1，实际谓逻辑值0
booleanfal=languagcomparisonereality(zlj,wlj,rlv)；
//获得语言和场景的对比值得出这句话的真值即返回值为0。这里以谓语性质变反后：判定”特朗普不是中国人”。
推理示例1(充分条件)：如果特朗普是美国人，那么特朗普不是中国人。
stringsay=”如果特朗普是美国人，那么特朗普不是中国人。”；
jhactionjha=newjhaction()；
semantemesemanteme=jha.jhsemanteme(say)；
stringjudgeconditions=semanteme.getqj();//获取成分中前件判断条件“特朗普是美国人”；
通过示例1我们得到了一个返回值为1；那么后件一定成立即为真。即充分条件的前件为真则后件必真。这里推出的正确结论为：因为特朗普是美国人，所以特朗普不是中国人。；
推理示例2(必要条件)：只有特朗普不是美国人，特朗普才可能是中国人。
stringsay=”只有特朗普不是美国人，特朗普才可能是中国人。”;
jhactionjha=newjhaction();
semantemesemanteme=jha.jhsemanteme(say);
stringjudgeconditions=semanteme.getqj();//获取成分中前件判断条件“特朗普不是美国人”；
通过示例1我们得到了一个判断返回值为0，那么后件不成立的即必假。即必要条件的前件为假则后件必假。为假的判定结论语句的谓词要变后才为真。这里推出的的正确结论为：因为特朗普是美国人，所以特朗普不是中国人。
推理示例3(充要条件)：杯子的口径为5厘米，等于(当且仅)当杯子合格。
stringsay=”杯子的口径为5厘米，等于杯子合格。”;
jhactionjha=newjhaction();
semantemesemanteme=jha.jhsemanteme(say);
stringjudgeconditions=semanteme.getqj();//获取成分中前件判断条件“杯子的口径为5厘米”；
通过示例1和2，我们在加工杯子获取杯子的实际口径数时是不定的，可能等于5厘米也可能不等于5厘米，所以我们得到的实际口径数与标准口径数是不确定的，那么这里有两种可能的返回值，一种为1，一种为0。当返回值为1时，这里推出的的正确结论为：杯子合格。即充要条件的前件为真则后件必真。为真则要将谓词的性质不变。
当返回值为0时，这里推出的的正确结论为：杯子不合格。即充要条件的前件为假则后件必假。为假则要将谓词的性质変反后才真。
从上可知，本发明的逻辑推理机可以推导出符合场景或事件的真实信息，保证生成的可执行程序模拟了人的判断推理智能。并且可将所述吝种逻辑关系的语句联结起来，形成更为复杂的逻辑判断推理计算，真正实现机器模拟人脑思維。
本发明的类脑人工智能服务平台包括：
(1)将所述语义分析器、类脑学习知识方法和逻辑推理机集成为通用智力工具(sdk)，创建网络人工智能服务台平，形成网络共享类脑服务功能；
(2)人工智能产品开发方注册登陆平台，下载sdk工具包，利用学习知识方法并调用语义分析器创建满足开发应用产品需求的类脑知识库；
(3)终端用户基于人工智能产品开发方的应用产品以自然语言发出应用请求或指令传输到服务平台；
(4)平台监听或读取输入的自然语言并调用语义分析器自动生成人工智能产品开发方设计的应用请求或指令；
(5)调用逻辑推理机计算和执行人工智能产品开发方提供的满足终端用户应用需求的智能知识或工作程序，完成人机交互及其工作任务。
由此可见，本发明可利用网络云平台，将所述语义分析器、学习方法和逻辑推理机集成为通用类脑智力工具，由此实现类脑人工智能广泛应用。各类人工智能开发商都能通过人机交互云平台入口，获取由语义分析器和逻辑推理机形成的类脑智力工具，开发本体类脑知识库和相关智能产品，各个人工智能产品的终端用户也都能通过人机交互云平台入口指挥机器为其工作或进行交互。甴此就形成了以人机交互云服务平台为智能技术基础的类脑人工智能系统。本发明的计算机学习知识方法模拟了人脑认知模型、逻辑推理机模拟了人脑智能机制、人工智能平台提供模拟了在人与人之间进行信息交流的智力功能。
上述实施方式仅供说明本发明之用，而并非是对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明精神和范围的情况下，还可以作出各种变化和变型，因此所有等同的技术方案也应属于本发明的范畴。