三模式人工智能方法
【专利摘要】一种进行人工思维和想象和概括归纳的方法，事先人为的把自然语言，转换为计算机可以理解和处理的信息，本发明的思维运算(1)是，前题得出正确深刻结果(4)的过程，而想象运算(2)是，结果得出最正确合理前题(5)的过程，而语句库中每个语句(27)都包括了结果(38)，和促使结果发生的前提(39)，而且前提(39)和结果(38)分为俩个独立的部分，其中部分语句设有计算机指令，思维运算(1)，已知信息完全满足语句前题，这个语句的结果就是已知信息的结果，想像运算(2)，已知信息完全满足语句结果，并且语句的前题是合理的，语句的结果就是已知信息的结果。
【专利说明】三模式人工智能方法
【技术领域】
[0001]一种进行人工思维和想象方法。
技术背景
[0002]检索国内外资料没有类似的信息。
【发明内容】
[0003]为了实现高效的人工思维和想象和概括归纳。
[0004]本发明目的实现方法是:事先人为的把自然语言转换为计算机可以理解和处理的信息，和人为的明确各个信息之间的关系，使得计算机做到了互相相关的信息准确对应，并有效提高人工智能的速度，避免了计算机无法理解和无法处理，和相关的信息之间不能准确对应。本发明找到了把人类的思维想像概括归纳，转化为可以像数学运算的方法:思维运算是“前提得出正确深刻结果”的过程，而想象运算是“结果得出正确合理前提”的过程，完成以上俩个过程的是语句，每个语句包括一件事物的结果，和促使结果发生的前提，并分为前提和结果俩个独立的部分构成一个语句，对应以上俩个运算的前提和结果。思维运算，已知信息具备一定前提，已知信息就会产生一定结果，而语句包含了前提和结果，所以语句的结果是已知信息的结果；想像运算，已知信息具备一定结果，已知信息就会引出前提，语句的前提是已知信息的前提，意思是结果由前提产生，有结果就可以用语句寻找出前提。
[0005]本发明有益效果是:具有真正的划时代意义，高效的人工智能，使人从脑力劳动中解放出来，使人类一日千里发展，利用人工智能的智慧解决人类面临的一切问题。
【专利附图】
【附图说明】
[0006]图1是三模式人工智能方法组成框架示意图。
[0007]图2是可处理化框架示意图。
[0008]图3是前提得结果循环体，和结果得前提循环体的语句库组成框架示意图。
[0009]图4是并列语句调取所用的语句库组成框架示意图。
[0010]图5是建立语句库和检句表和短语编码目录的方法框架不意图。
[0011]图6是思维运算和前提得结果循环体的原理框架示意图。
[0012]图7是想象运算和结果得前提循环体的原理框架示意图。
[0013]图8是思维运算工作过程框架示意图。
[0014]图9是初始化工作过程框架示意图。
[0015]图10是前提得结果循环体工作过程框架示意图。
[0016]图11是索引查找工作过程框架示意图。
[0017]图12是前提得结果循环体中次索引查找工作过程框架示意图。
[0018]图13是想象运算工作过程框架示意图。
[0019]图14是结果得前提循环体工作过程框架示意图。
[0020]图15是结果得前提循环体中次索引查找工作过程框架示意图。
[0021]图16是概括归纳运算工作过程框架示意图。
[0022]图17是思维运算原理框架示意图。
【具体实施方式】
[0023]实施例1:进行人工智能实际上计算机不需要有意识，如同数学和逻辑运算，不需要计算机有意识一样，如图1所示，三模式人工智能方法，由思维运算(I)和想象运算(2)，和概括归纳运算(3)三个模组成，每个模式都有自己的短语编码目录(31)，和检句表(30)和语句库(26)，语句库是数据库。运算包括思维运算(I)和想象运算(2)，和概括归纳运算
(3)，和这三个模式中所有小的运算。
[0024]可处理化(20)，如图2所示，可处理化(20)是人为的方式，把人类的自然语言转为计算机，可以理解和可以处理的信息，并做到了相关的信息互相准确对应，可处理化后的信息(28)构建语句库(26)，如果人工智能的各种条件具备，计算机就可以自行完成可处理化
(20)，人工智能中信息是指数据(47)，或语句(27)或单独信息，单独信息是字或词或计算机指令，或变量或数值等。可处理化(20)避免了计算机，无法理解和无法处理，和有关系的信息之间不能准确对应，并有效提高人工智能的速度。可处理化(20)的具体内容是:计数化(6)是每个语句(27)设调出阀(58)，调出阀(58)设有若干个元素(59)，每个元素(59)对应语句(27)中其中一个短语，短语是语句(27)中俩个有关系的单独信息构成的，事例数据(25)也设调出阀；因果化(19)，事物的结果(33)和产生这个结果(33)的条件，(条件是前提)构成一个语句(27)，还有就是事物，和这个事物的属性构成一个语句(27)，因果化
(19)构成的语句(27)，为前提(32)和结果(33)建立起了联系，为事物和这个事物的属性，建立起了联系；标准化(7)是各种标准都统一，如:长度单位只用米，不用其他长度单位；标注化(8)是为语句(27)标注其他信息，表明语句需要进行什么样的运算和处理，或提供人工智能运算过程中需要的信息；健全化(9)是整个语句(27)包含的信息是全方位，不是片面的，片面的语句(27)在人工智能中就会出错；词化(18)是语句库(26)的信息，是词语的划为一个单独信息；单一化(17)是多义词和字每一个意思，都安排一个单独信息对应，这样就可以避免一个语句(27)中的多义词，计算机没法确定这个多义词具体是那个意思；统一化(12)是同义词只用其中一个词，其他同义词不用；去代化(15)是尽量不用代词；关系化(13)是要明确单独信息之间的关系，如“美丽的花朵”，单独信息“美丽”描述的对象是“花朵”，而不是其他事物，哪些单独信息是互相有关系，甚至明确互相之间是什么关系，那些单独信息拥有共同的一个单独信息，这一个单独信息是“对象”;数字化(10)是为每个单独信息编数字编码，数字化(10)可以提高信息处理的速度和方便性；分类化(16)是自然语言分为五种类型的数据(47)，包括语语前提结果语句(23)，和程语前提结果语句(22)和属性语句(24)和范围数据(21)，和事例数据(25)，不同类型的数据(47)作用不同，运算方式不同；前后化(11)是语语前提结果语句(23)，和程语前提结果语句(22)，属性语句(24)每个语句(27)都分为，前提(39)和结果(38)俩个部分，事例数据(25)和范围数据(21)，也分为前后俩个部分。如图3所示，前提得结果循环体(44)的语句库(26)，和结果得前提循环体(42)的语句库(26)，包括语语前提结果语句(23)，和程语前提结果语句(22)，和属性语句(24)，和范围数据(21)四种类型。如图4所示，并列语句调取(37)所用的语句库(26)，包括前提结果语句(23)，和范围数据(21)属性语句(24)，和程语前提结果语句(22)和事例数据(25)五种数据(47)。语句(27)是语语前提结果语句(23)，属性语句(24)，和程语前提结果语句(22)共三种。范围数据(21)俩个部分是包括和被包括关系，包括的信息是大范围，被包括的是小范围，如:“男人”和“女人”或“小孩”对应和斌值“人”；属性语句(24)在前提得结果循环体(44)，所用的语句库(26)中，事物的属性是前提(32)，这个事物是结果(33)，在结果得前提循环体(42)应用的语句库(26)中，事物的属性是结果(33)，这个事物是前提(32);事例数据(25)前面部分是标题，后面部分是事件和过程；程语前提结果语句(22)的前提(39)由，语言和计算机指令构成，结果(38)是语句前提(39)产生的结果(33)，有些语程语句前提(39)中语言，是描述指令大概执行过程，或描述指令的作用；语语前提结果语句(23)，前提(39)是前提(32)，结果(38)是结果(33)，由语言组成。
[0025]为语句库(26)建立索引的方法，如图5所示，索引一边对应数据，另一边对应语句库(26)，为数据(47)与语句库(26)建立起了联系，有了索引可以方便快速查找需要的信息。为语句库(26)建立了俩个索引，短语编码目录(31)是检句表(30)的索引，检句表
(30)是语句库(26)的索引，语句(27)中俩个有关系的单独信息组合为短语，短语中俩个单独信息数字编码组合为短语编码，一个短语在语句库(26)中的所有地址，共同存储在检句表(30)中一个位置，并拥有一个地址，这个地址存储在短语编码目录(31)中对应的地址内，这个对应的地址与短语编码相同，以上步骤建立起了，语句库(26)和检句表(30)和短语编码目录(31)。短语编码目录(31)和检句表(30)，类似与字典的部首目录和检字表。
[0026]思维运算(I)和前提得结果循环体(44)的原理:如图6所示，事情具备了一定前提(32)(前提是条件)，就会产生相应的结果(33)，事物的结果(38)，和产生这个结果(38)的前提(39)，包括在一个语句(27)中，并且分为独立的前提(39)和结果(38)俩个部分，所以一件事情完全具备了，语句(27)中的前提(39)，就会发生语句(27)中的结果(38);每一个事物都有独一无二的属性，既然是独一无二，那根据属性，就可以找到具有这些属性的事物，事物的属性(属性是前提)，和这个事物(事物是结果)，包括在一个语句中，并且分为独立的前提(39)和结果(38)俩个部分，如果事物完全具有语句(27)中的属性(属性是前提)，那这个事物就是语句(27)中包含的事物(事物是结果)，以上用前提(32)得结果
(33)的过程是不断循环的，每次都把得到的结果(32)转为前提(33)，然后用前提(32)再次得出新的结果(33)，直到最后前提得出正确深刻结果(4)。以上方法的具体应用，如图6，新信息(36)是已知信息(35)，已知信息(35)是前提(32)，新信息(36)查找到，和已知信息(35)可能相关的信息，这里相关的信息是指语句(27)也是预信息(40)，如果已知信息(35)完全具备预信息(40)的前提(39)，那预信息(40)的结果(38)是，已知信息(35)的结果信息(34)，并且预信息(40)转为新信息(36)，不断循环执行以上过程，每次循环都是“前提(32)得出正确结果(33)”的过程，最终“前提得出正确深刻结果(4)”。前后化(11)把语句(27)分为前提(39)，和结果(38)独立的俩个部分，但前提(38)和结果(39)都包含在一个语句(27)中，使计算机知道哪部分是前提(38)，哪部分是结果(39)，如图6和图7，因果化(19)建立起了具有触发性性质的语句(27)，已知信息(35)具备了语句的前提(39)，就会发生语句的结果(38)，已知信息(35)具备语句的结果(38)，可以引出语句前提(39)，因果化(19)为语句的前提(39)和结果(38)建立起了系，使计算机有前提(32)可以找到对应的结果(33)，有结果(33)可以找到对应的前提(32)。
[0027]思维运算(I)和想象运算(2)中用各种方式来做，到互相相关的信息准确对应。关系化(13)把句子转换为短语，化整为零，并人为的明确了那些信息是有关系的，所以可以快速使各种相关的信息准确对应。已知信息(35)和语句库(29)中，可能相关的信息对应，预信息(40)与已知信息(35)，互相相关的信息准确对应，可以用范围数据(21)，和关系化
(13)和前后化(11)等方式做到，关系化(13)使各种相关的信息准确对应，范围数据(21)作用是可以使预信息(40)，和已知信息(35)中各种信息准确对应，好多情况下没有范围数据(21)，相关的信息就不能迅速准确对应，而且在索引查找(50)中范围数据(21)，可以扩大和深入相关信息查找，索引查找(50)没有范围数据(21)，人工智能就完全局限在一个小范围内，没法深入进行，和小范围有关系的信息，也和这个小范围的大范围有关系；用小范围可以斌值，大范围和属性组成的短语或句子。关系化(13)明确了在一个语句(27)中，哪些单独信息是有关系的，甚至明确是什么关系。
[0028]思维运算⑴工作过程:如图8所示，运算都由一个具体的项目开始，需要人去输入和设置项目，如果没有项目那人工智能无法进行，人工智能将没有一个方向和目标，因为是由前提得结果，所以思维运算的项目是一个前提性质的信息。思维运算(I)包括初始化
(43)，和前提得结果循环体(44)，优化完善语句库(45)。如图9所示，首先进行初始化(43)，思维运算(I)由具体的条件或，情况或事物(项目)开始，这些条件或情况或事物是开始的信息(46)，开始的信息(46)要求可处理化(20)，就是要求和语句库(26)中的信息一个标准，这样才能和语句库(26)的信息匹配，可处理化(20)后的语句(27)是新信息(36)，新信息(36)是已知信息(35)，已知信息(35)是前提(32)，新信息(36)存入已知信息库(48)，次检句表(49)是已知彳目息库(48)的索弓丨，新彳目息(36)中短语在已知彳目息库(48)中I至若干个地址，一起存储在次检句表(49)中一个地址内，并且这个地址对应短语编码，而新信息(36)中所有短语，都要如此建立索引，以上步骤建立起了，已知信息库(48)和次检句表(49)。如图10所示，前提得结果循环体(44)包括六个运算，是索引查找(50)和次索引查找(51)，和语语运算(14)和程语运算(52)，和评级运算(55)和准备运算(56)，前提得结果循环体(44)对六个运算不断的循环，直到达到预定目的停止循环，前提得结果循环体
(44)，每次循环都是前提得结果，而最后的结果是最终结果。其中语语运算(14)和程语运算(52)，是进行“前提(32)得结果(33)”的过程。
[0029]举例:已知信息(35)，“杜康是人[1980年至未来，中国]”(范围数据)，“杜康，是优秀的公务员[2006年至未来，中国]。杜康,身高1.8m[2000年至未来,中国]。杜康,有I个女儿[2007至未来，中国]。杜康，有I个儿子[2009至未来，中国]。杜康，过人行道[2012年3月5日3时24分，中国林业路人行道处西边]”。“小明是盲人[1987年至2012年，中国I”(范围数据)。“小明，过人行道[2012年3月5日3时24，中国林业路人行道处西边]”。“小明是学生[1994年至未来，中国]”。(范围数据)。“小明，有学习兴趣[1994年至未来，中国I”。以上部分语句(27)和范围数据(21)，关系化(13)后的短语，“学生与学习”，“学习与兴趣”，和小范围有关系的单独信息，也和这个小范围的大范围有关系，所以“学生”与“学习”有关系。以上方括号和大括号内的信息是标注化(8)。
[0030]索引查找(50)，如图11所示，用新信息(36)中短语编码配合索引，从语句库(26)差找出，和已知信息(35)可能相关的信息，就是查找出预信息(40)。索引查找(50)有俩个索引，类似于字典的部首目录和检字表，俩个索引进行查找字，短语编码目录(31)是检句表(30)的索引，检句表(30)是语句库(26)的索引，俩个索引都是数组形式的，数组下标内存储着地址，只要把新信息(36)中短语的短语编码，作为短语编码目录(31)的地址就是作为数组的下标，从短语编码目录(31)内得到检句表(30)的地址，检句表(30)的地址是检句表(30)数组的下标，检句表(30)的地址可以从，检句表(30)内找到语句库(26)的地址，语句库(26)的地址可以查找到语句库(26)中，这个短语所在的语句(27)，语句库(26)的地址可以找到，这个短语对应的调出阀(58)元素(59)，如果对应元素(59)内是0，对应的元素(59)存入1，如果元素(59)是1，就判断调出阀(58)内所有元素(59)是否都是1，都是I就调取这个语句(27)，调取出的语句(27)或范围数据(21)是预信息(40)，调出阀
(58)中全为1，表示预信息(40)语句前提(39)，和已知信息(35)基本相同，已知信息(35)基本上具备了，产生预信息(40)语句结果(38)的可能，索引查找(50)用短语进行查找，可以大幅提高查找信息的准确性和速度，新信息(36)中短语都要进行索引查找(50)。短语编码目录(31)和检句表(30)，只存储语句前提(39)中短语的地址，只有语句库(26)中语句前提(39)，与已知信息(35)中有相同的信息，才可以从语句库(26)查找出语句(27)，形成从语句库(26)调取出的新的信息都是结果(38)，而获取新的结果信息是运算的目的，所以索引查找(50)促使思维运行(1)，形成了前提(32)得结果(33)。如，语句库(26)中某个语句(27)，“学生有学习兴趣，学生就会自行学习”，这个语句前提(39)部分关系化(13)后的短语，“学生与学习”，“学习与兴趣”，分别对应这个语句(27)的调出阀(58)中俩个元素(59) “(00)”，用已知信息(35)中“学生与学习”，“学习与兴趣”进行了索引查找(50)，这俩个短语对应的元素(59)都存入了 1，所以调出阀(58)元素(59)都为1，调取出这个语句(27)。如果需要一个单独信息，单独进行索引查找(50)，这一个单独信息的数字编码就是短语编码。在人工智能中虚词几乎不参与任何运算。
[0031]次索引查找(51)，如图12所示，次检句表(49)是已知信息库(48)的索引，次检句表是数组形式的，短语编码就是下标，预信息(40)语句前提(39)中短语编码，和预信息
(40)的数据(47)中，短语编码作为次检句表(49)的地址，也就是次检句表(49)数组的下标，次检句表(49)的地址，从次检句表(49)内得到，已知信息库(48)地址，已知信息库(48)的地址，从已知信息库(48)内找到短语所在的语句(27)。以上用预信息(40)从已知信息库(48)查找出，和预信息(40)可能相关的已知信息(35)，然后把可能相关的信息放在一起，做到把预信息(40)和已知信息(35)，中相关的信息准确对应，并且判断预信息(40)语句的前提，中单独信息之间关系，和已知信息(40)中单独信息之间的关系是否相同，单独信息是否具有相同的对象，还要判断预信息(40)的前提中单独信息，在已知信息(35)都要有，这俩项其中一个不成立，就拆除这个预信息(40)，并且这个预信息(40)中，和已知信息(35)关系不同的短语，对应的调出阀(58)元素(59)重新存入0，如果都成立保留预信息(40)，表示已知信息(35)基本或完全满足了预信息(40)前提，预信息(40)中范围数据
(21)也要做类似的判断，判断后成立就保留。
[0032]语语运算(14)，是以语语前提结果语句(23)为主体进行的运算，索引查找(50)和次索引查找(51)确保了，已知信息(35)基本或完全，具备预信息(40)的前提(39)，次索引查找(51)准确把已知信息(35)，与预信息(40)中相关的信息对应，如果预信息(40)语句有标注，就完成标注，然后用已知信息中小范围，或数值替代预信息中的大范围或变量，这个过程叫斌值，如果没有标注语语运算(14)只进行斌值，预信息(40)中前提结果语句(23)的结果(38)斌值完后，这个预信息(40)就是已知信息(35)的结果信息(34)。语句的标注化(8)的同时空，表明语句需要进行同时空判断，或者语句标注化标注有，需要思维运算
(I)短暂的进行一下想象运算(2)，或者标注有要进行分支运算，当然标注化的范围是相当广的，以上只是简单介绍，以下举例。
[0033]举例，用指令完成同时空判断，并且进行斌值完成语语运算(14):预信息(40)，“ [000]盲人过人行道[xms j, xmkg],优秀的公务员[yxs j, yxkj]过人行道[dkgs j,
dkgdd]-优秀的公务员会帮助盲人过人行道{同空间，适用时空1949年至未来[sysj],
中国[sykj]”，[if xmsj=yxsj=sysj=dkgsj and xmkj=yxkj=sykj=dkgdd]}(语语前提结果语句)”，括号中的，“同时空”是要求本语句(27)要同时空判断，预信息(40)括号中“xmsj，xmkj，”俩个变量对应“小明(盲人)过马路的时间和地点”，“yxsj，yxkj ”俩个变量，对应杜康成为“优秀公务”的时间和空间(数值)，“sysj”对应“ 1949年至未来”，“sykg”对应适用地点“中国”，语语运算(14)把已知信息(35)中数值，斌值给了预信息(40)中对应变量，已知信息(35)中“小明(盲人)过马路”的时间“2012年3月5日3时24分，，，包括在“优秀公务员”的时间“2006年至未来”，这个时间段内，并且这个时间段，俩人有共同的时间和地址，“2012年3月5日3时24分”，对应“dklsj” “中国林业路人行道处西边”，对应“dkgdd”，所以预信息(40)对应的已知信息(35)有相同的时空，预信息(40)，“ [000]盲人过人行道[xmsj, xmkj],优秀的公务员[yxsj, yxkj]过人行道[dkgmlsj, dkgmldd]-优秀的公务员会帮助盲人过人行道{同空间，适用时空1949年至未来[sysj],中国[sykj] ”，[if xmsj=yxsj=sysj=dkgsj and xmkj=yxkj=sykj=dkgdd]}(语语前提结果语句)”,这个语句(27)只适用与1949年后中国，这句话放在别的国家或其他时间段就不适用，“小明(盲人)过人行道”是在中国1949年后，所以已知信息(35)满足了预信息(40)的前提(39)，对时间和空间的要求，所以已知信息(35)完全满足了预信息的前提(39)，预信息(40)是已知信息(35)真正相关的信息，然后对预信息(40)进行斌值完成前提(32)得结果(33)，用小范围斌值，大范围和属性组成的短语，“杜康”(小范围)斌值“优秀公务员”，“优秀公务员”是大范围和属性组成的短语，“小明”斌值“盲人”，斌值后得到前提信息(41)，“杜康过人行道会帮助小明过人行道”，如果不是相同的时空就拆除这个预信息(40)。
[0034]分支运算(53)，语句一个前提(39)有一个以上结果(38)，因为会向不同的方向发展，最后会得出不同的结果(33)，所以要进行分支运算(53)，每一个结果(39)就是一个分支，在语句库(26)中要对有分支的语句(27)标注化(8)，表明有分支的语句(27)要进行分支运算(53)，在语句库(26)中语句(27)的一个前提(39)的，若干个结果(38)放在一起，可以一次性从语句库(26)调取出。分支运算(53)对每一个分支独立进行前提得结果循环体(44)，这里若各个分支不是交替进行运算，而是运算完一个分支再运算下一个分支，对分支出现前的次检句表(49)，和已知信息库(48)建拷贝，作为原始库，每个分支进行前提得结果循环体(44)，都是从原始库开始，每个分支运算(53)完后，只保留独立的已知信息库
(48)，每个分支独立运行独立存在互不影响。运算中大范围的若干个小范围也要进行分支运算。
[0035]程语运算(52)，是以程语前提结果语句(22)，为主体进行的运算，包括执行指令和标注和斌值；索引查找(50)和次索引查找(51)确保了，已知信息(35)基本或完全，具备预信息(40)的前提(39)，次索引查找(51)准确把已知信息(35)，与预信息(40)中相关的信息对应。程语前提结果语句(22)，如果指令开始就是“if”或“Case”，是要求指令成立情况下，有标注的标注也要成立，才是已知信息(35)完全具备了预信息的前提(39)，如果完全具备那预信息(40)的结果(38)，是已知信息(35)的结果信息(34)，这个预信息(40)的结果(38)斌值后的信息是结果信息(34)，如果指令不成立或有标注标注不成立，拆除这个预信息(40)。语句的指令有时进行拆除新信息(36)中部分信息，或对新信息(36)中数字排序或进行其他处理。
[0036]例如，预信息(40)人的身高X米[Sg] [if sg>l.75]——人是高个子”，意思是人的身高超过1.75米就是高个子，需要用选择结构语句判断杜康是否大于1.75米，if语句成立，那判断“杜康是高个子”，如果语句的作用就是这样；如果指令不是以选择结构开始的，并且指令中含有各种指令和计算公式，就执行指令和计算公式得到结果(33)，然后把得到的结果(33)斌值给这个，预信息(40)结果(38)部分中对应的变量，斌值后的预信息(40)是结果信息(34) ο
[0037]举例，预信息(40)，“人的女儿数量[nesl]和人的儿子数量[数量=ezsl]
[nesl+ezsl=hzsl]-人有孩子数量[hzsl] ”,括号中是变量(13)使信息之间对应,预信息的前提(39)部分关系化(13)是，“人与女儿”，“女儿与数量”，“人与儿子”，“儿子与数量”。已知信息(35)，“杜康，有I个女儿”的关系化(13)是，“杜康与女儿”，“女儿与I个”;“杜康，有I个儿子”关系化(13)是，“杜康与儿子”，“儿子与I个”。预信息(40)和已知信息(35)关系化(13)，后的短语分别对应，“人与女儿”对应“杜康与女儿”，“女儿与数量”对应“女儿与I个”，其他也是如此对应，范围数据(21)和关系化(13)，使预信息(40)和已知信息(35)中，相关的信息建立起了对应，程语运算(52)执行指令“l(neSl)+l(ezSl)=2(hzSl)”，得到的结果(33)，斌值给对应的变量，小范围斌值给大范围，结果(33) “2”(数值)斌值“hzsl”(变量)，“杜康”(小范围)斌值“人”(大范围)，得到结果信息(34) “杜康有孩子2个”。
[0038]评级运算(55)评价已知信息(35)，其中哪些是核心信息，核心信息的重要程度进行评分，评级是对已知信息(35)进行扩充信息量，为前提得结果提供足够的信息，使前提
(32)得结果(33)有深度有广度，评为核心信息的信息可以从语句库调取范围数据(21)和属性语句(24)。一般已知信息(35)中的核心信息的单独信息，在思维运算(I)中出现频率最高，所以频率越高的信息评分越高，在思维运算(I)中越早出现的已知信息(35)，越是核心信息，所以越早出现信息评分越高，然后把这俩个分数相加，就是信息的评分，评分越高的信息越是核心信息，所以评分越高的信息可以获得越多的，范围数据(21)和属性语句(24)。核心信息对应语句库(29)中，范围数据(21)俩部分其中一个部分，而核心信息对应语句库中(29)属性语句(24)，俩部分中事物部分，核心信息用索引查找从语句库(29)获得，对应的属性语句(24)和范围数据(21)，获得的信息是预信息(40)，并判断已知信息
(35)是否满足预信息(40)，判断后保留下来的预信息(40)是前提信息(41)。如:一个单独信息在语句库(26)中可能具有若干个范围数据(21)，评分越高的单独信息，可以拥有越多的范围数据(21)，而评分低的可能只获得一个，或没法获得范围数据(21)。
[0039]准备运算(56)为下次循环做准备，前提得结果循环体(44)本次循环，获得的结果信息(34)，是已知信息(35)(前提是已知信息)，得出的结果信息(34)，结果信息(34)是结果(33)，结果信息(34)转为新信息(36)，新信息(36)是这次单次循环得到的结果信息(34)，不包括更早以前得到的结果信息(34)，新信息(36)存入已知信息库(48)，新信息
(36)在已知信息库(48)中的地址，存入次检句表(49)，前提得结果循环体(44)不断循环，不断深入，不断获得新信息(36)，已知信息(35)会不断累积增多，前提(32)会不断增多。
[0040]前提得结果循环体(44)结束，进行优化完善语句库(45)，主要是输出已知信息(35)，以文本形式输出，并选出其中有价值的已知信息(35)，优化完善语句库。
[0041]想象运算(2)和结果得前提循环体(42)的原理:如图7所示，每个发明创造创作都是成果，成果几乎都是，人的愿望或人的需要或人的梦想的产物，人的愿望或人的需要或人的梦想是结果(33)，想象运算(2)就是获得，什么样的前提(32)(前提是条件)才能实现这个结果(33)，一个理论或定理或事物等，应用于新的领域上就是想像就是创造。如图15，想象运算(2)是思维运算(I)的逆运算，是用结果得出最正确合理前提(5)的过程，万事万物的结果(33)必定有前提(32)产生，语句(27)为前提(39)和结果(38)建立起了联系，那根据结果(33)，就可以找到促使结果(33)发生的前提(32)，但是属性语句(21)根据属性找对应的事物，这个部分是和思维运算(I)相同的，不过“属性”在想象运算(2)中是结果(33)，“事物”是前提(32)。如图7，新信息(36)是已知信息(35)，已知信息(35)是结果(33)，新信息(36)查找到已知信息(35)可能相关的信息，这里可能相关的信息是预信息(40)，如果已知信息(35)完全具备预信息(40)语句的结果(38)，并且已知信息(35)与预信息语句的前提(39)不矛盾，是正确合理的前提(39)，那预信息(40)语句的前提(39)是，已知信息(35)的前提信息(41)，是结果(33)得到的前提信息(41)，然后前提信息(41)转为新信息(36)，不断循环执行以上过程，每次循环都是“结果(33)得出正确合理前提(32) ”的过程，最终“结果得出最正确深刻合理前提(5) ”。
[0042]举例:已知信息(35)，“飞机隐身”，是一个结果，什么前提可以使飞机隐身，飞机是物体，“吸收雷达波的物质(前提)，——可以使物体隐身(结果)”(语语前提结果语句)，然后什么前提才能实现“吸收雷达波的物质”，“物体表面形成等离子状态(前提)，——物质就会吸收雷达波(结果)[分支]”，(语语前提结果语句)，“A涂料(前提)，吸收雷达波(结果)[分支1”(属性语句)，评级运算为“A涂料”扩充信息得到，“A涂料，不耐高温”(属性语句)，以上“吸收雷大波的物质”这个结果，有俩个前提所以要进行分支运算(53)。等离子状态应用在新的领域飞机上，就是想像就是创新。
[0043]想象运算(2)工作过程:如图13所示运算都由一个具体的项目开始，需要人去输入和设置项目，如果没有项目那人工智能无法进行，人工智能将没有一个方向和目标，因为是由结果得前提，所以想像运算(2)中项目是一个结果性质的信息。想象运算(2)包括初始化(43)，和结果得前提循环体(42)，和优化完善语句库(45)。如图9，首先进行初始化(43)，想象运算(2)由结果(33)性的信息(项目)开始，对这些信息进行可处理化(20)，做到和语句库(26)中的信息相匹配，这里可处理化后的信息(28)是新信息(36)，新信息(36)是已知信息(35)，已知信息(35)是结果(33)，已知信息(35)存入已知信息库(48)，为已知信息库(48)建立索引，索引内存储的是地址，索引一边对应已知信息(35)，另一边对应语句库(26)，为已知信息(35)和语句库(26)建立起了联系，次检句表(49)是已知信息库(48)的索引，短语在语句库(26)中I至若干个地址，一起存储在次检句表(49)中一个地址内，这个地址对应这短语编码，以上步骤建立起了次检句表(49)和已知信息库(48)。如图14，结果得前提循环体(42)对七个运算不断循环运算，直到达到目的停止，结果得前提循环体(42)七个运算，包括索引查找(50)和次索引查找(51)，和结果得前提运算(54)分支运算
(53)和前提判断(60)，和评级运算(55)和准备运算(56)。
[0044]索引查找(50)，如图11，用新信息(36)中短语编码配合索引，从语句库(26)差找出，和已知信息(35)可能相关的信息，查找出的信息是预信息(40)。索引查找(50)有俩个索引，类似于字典的部首目录和检字表，俩个索引进行查找字，短语编码目录(31)是检句表(30)的索引，检句表(30)是语句库(26)的索引，俩个索引都是数组形式的，数组下标内存储着地址，只要把新信息(36)中短语的短语编码，作为短语编码目录(31)的地址就是作为数组的下标，从短语编码目录(31)内得到检句表(30)的地址，检句表(30)的地址是检句表(30)的下标，检句表(30)的地址可以从，检句表(30)内找到语句库(26)的地址，语句库(26)的地址可以查找到语句库(26)中，这个短语所在的语句(27)，语句库(26)的地址可以找到，这个短语对应的调出阀(58)元素(59)，如果对应元素(59)内是0，对应的元素(59)存入1，后判断调出阀(58)内所有元素(59)是否都是I，都是I就调取这个语句(27)，调取出的语句(27)是预信息(40)，调出阀(58)中全为1，表示语句前提(39)和已知信息(35)，基本相同，已知信息(35)基本上具备了产生语句结果(38)的可能，索引查找(50)用俩个有关系的单独信息，组合为短语进行查找，可以大幅提高查找信息的准确性和速度。新信息(36)中短语都要进行索引查找(50)。短语编码目录(31)和检句表(30)，只存储语句结果(38)中短语的地址，只有语句库(26)中语句结果(38)，与已知信息(35)中有相同的信息，才可以从语句库(26)查找出语句(27)，形成从语句库(26)调取出的新的信息都是前提(39)，而获取新的前提信息(41)是运算的目的，所以索引查找(50)促使想象运算(2)，形成了结果(33)得前提(32)。如果需要一个单独信息，单独进行索引查找(50)，这一个单独息的数字编码就是短语编码。
[0045]次索引查找(51)，如图15所示，次检句表(49)是已知信息库(48)的索引，次检句表是数组形式的，短语编码是下标，预信息(40)语句结果(38)中短语编码，和预信息(40)数据中的短语编码作为次检句表(49)的地址，次检句表(49)的地址，从次检句表(49)内得到，已知信息库(48)地址，已知信息库(48)的地址，从已知信息库(48)内找到短语所在的语句(27)。以上用预信息(40)，从已知信息库(48)查找出，和预信息(40)可能相关的已知信息(35)，然后把相关的信息放在一起，做到把预信息(40)和已知信息(35)，中相关的信息准确对应，并且次索引查找(51)判断预信息(40)的结果中，单独信息之间关系，和已知信息(40)中单独信息之间的关系是否相同，单独信息是否具有相同的对象，还要判断预信息(40)的结果中单独信息，在已知信息(35)都要有，这俩项其中一个不成立，就拆除这个预信息(40)，并且这个预信息(40)语句关系不同的短语，对应的调出阀(58)元素
(59)重新存入0，如果都成立保留预信息(40)，表示已知信息(35)完全满足了预信息(40)前提，预信息(40)中范围数据(21)也要做类似的判断，判断后成立就保留。
[0046]结果得前提运算(54)，是语句(22)为主体进行的运算。索引查找(50)和次索引查找(51)确保了，已知信息(35)完全，具备预信息的前提(39)，次索引查找(51)准确把已知信息(35)，与预信息(40)中相关的信息对应，结果得前提运算(54)对预信息(40)中有大范围或变量，用已知信息(35)中对应的小范围和数值斌值，这个预信息(40)就是前提信息(41)。
[0047]分支运算(53)，语句一个结果(38)有一个以上前提(39)，因为会向不同的方向发展，最后会得出不同的前提(32)，所以要进行分支运算(53)，每一个前提(39)就是一个分支，在语句库(26)中要对有分支的语句(27)标注化(8)，表明有分支的语句(27)要进行分支运算(53)，在语句库(26)中语句(27)的一个结果(38)的，若干个前提(39)放在一起，可以一次性从语句库(26)调取出。分支运算(53)对每一个分支独立进行结果得前提循环体(42)，这里若各个分支不是交替进行运算，而是运算完一个分支再运算下一个分支，对分支出现前的次检句表(49)，和已知信息库(48)建拷贝，作为原始库，每个分支进行结果得前提循环体(42)，都是从原始库开始，每个分支运算(53)完后，只保留独立的已知信息库(48)，其他的都删除，每个分支独立运算独立存在互不影响。分支运算的例子在，想象运算
(2)和结果得前提循环体(42)的原理下方有介绍。运算中大范围的若干个小范围也要进行分支运算。
[0048]评级运算(55)评价已知信息(35)，其中哪些是核心信息，核心信息的重要程度进行评分，评级是对已知信息(35)进行扩充信息量，为结果得前提提供足够的信息，使结果
(33)得前提(32)有深度有广度，评为核心信息的信息，可以从语句库调取范围数据(21)和属性语句(24)。一般已知信息(35)中的核心信息的单独信息，在想像运算(2)中出现频率最高，所以频率越高的信息评分越高，在想像运算(2)中越早出现的已知信息(35)，越是核心信息，所以越早出现信息评分越高，然后把这俩个分数相加，就是信息的评分，评分越高的信息越是核心信息，所以评分越高的信息可以获得越多的，范围数据(21)和属性语句
(24)。核心信息对应语句库(29)中，范围数据(21)俩部分其中一个部分，而核心信息对应语句库中(29)属性语句(24)，俩部分中事物部分，核心信息用索引查找从语句库(29)获得，对应的属性语句(24)和范围数据(21)，获得的信息是前提信息(41)。如:一个单独信息在语句库(26)中可能具有若干个范围数据(21)，评分越高的单独信息，可以拥有越多的范围数据(21)，而评分低的可能只获得一个，或没法获得范围数据(21)。
[0049]前提判断(60)就是前提得结果循环体(44)，用前提得结果循环体(44)，判断预息语句如提(39),和已知/[目息(35)是否有矛盾，对于预彳目息(39)和已知彳目息(35)没有矛盾，这个预信息(40)是正确合理的，这个预信息(40)斌值后是前提信息(41)，如果有矛盾，用前提得结果循环体(44)，寻找有什么办法可以消除矛盾，如果有矛盾的信息有办可以消除矛盾，那预信息的前提(39)，和预信息(40)斌值后的信息拆除，但是只保留前提得结果循环体(44)，过程中消除矛盾的办法作为前提信息(41)，没办法消除矛盾就拆除预信息
(40)，和前提得结果循环体(44)得到的所有信息，而且如果预信息(40)在分支运算(53)中某一个分支上，就拆除这个分支。前提判断(60)确保了，得到的前提信息(35)是正确合理的，这些正确合理的已知信息(35)，继续进行结果得前提循环体(42)。前提得结果循环体(44)和结果得前提循环体(42)，在索引查找时避免重复查找。前提得结果循环体(44)还有其他功能。
[0050]准备运算(56)为下次循环做准备，结果得前提循环体(42)本次循环，获得前提信息(41)转为新信息(36)，新信息(36)只是本次循环获得的前提信息(41)，不包括更早以前循环所得到的信息，新信息(36)存入已知信息库(48)，新信息(36)在已知信息库(48)中的地址，存入对应位置的次检句表(49)，结果得前提循环体(42)不断循环，不断获得新信息(36)，所以已知信息(35)会不断累积增多，结果(33)会不断增多。
[0051]举例:已知信息(35)，“C玩具赛车，放置马达的空间长度0.04m”，“C玩具赛车”的大范围“车”，评级运算后“马达”是核心信息，得到“马达”的小范围“B型马达”，和“B型马达，长度0.043m”，然后进入前提判断(60)，用以上的信息进行索引查找(50)，前提得结果循环体(44)的索引查找(50)得出，“车放置马达的空间长度[fangzhi]比马达长度[mada]
小[Else mada>fangzhi Then],-车放置马达的空间和马达不能结合”，为了成功找到语句，这里“比”和“小”不参与索引查找(50)，斌值后运行指令，得到“C玩具赛车放置B型马达的空间0.04m比B型马达0.043m小，C玩具赛车放置马达的空间和B型马达不能结合”，预信息前提(39)和已知信息(35)有矛盾，评级运算(55)扩充信息得到，“马达是物体”，前提得结果循环体(44)运算，寻找有什么办法可以消除矛盾，前提得结果循环体(44)再次循环，索引查找(50)用“物体”(物体是马达的大范围)，和“长度”和“小”和“结合”进行索引查找(50)，索引查找(50)到，“物体[A]长度[cda]，比物体[B]长度[cdb]小，不能结合[cdb-0.001=sdcd](前提)，——物体[B]长度缩小为sdcd米，物体[B]和物体[A]能结合”(语程语句)，语程语句(22)经过，次索引查找(51)对应判断斌值后，程语运算(52)执行指令然后结果斌值得到，“B型马达长度缩小为0.039m, B型马达和放置B型马达的空间能结合”，预信息(40) “B型马达，长度0.043m”拆除，只保留“B型马达长度缩小为0.039m,B型马达和放置B型马达的空间能结合”作为前提信息(41)。以上例子中，前提判断遇到“不能结合”(表示有矛盾)，预信息(40)产生了不对的事情，进行寻找办法消除矛盾，遇到“能结合”(表示矛盾消除)停止，前提得结果循环体(44)达到了目的所以停止。以上语句括号中的“A”和“B”，是标示用来区分俩个“事物”，俩个事物不是一个信息。
[0052]结果得前提循环体(42)结束，进行优化完善语句库(45)，主要是输出已知信息(35)，以文本形式输出，并选出其中有价值的已知信息(35)，完善优化语句库。
[0053]概括归纳运算(3)，如图16所示，概括归纳运算(3)包括初始化(43)，和结果得前提循环体(42)，和前提得结果循环体(44)和并列语句调取(37)，和并列语句概括归纳运算
(57)和优化完善语句库(45)。概括归纳运算(3)通过对内容相近的信息进行分析，得到科学正确全新的，语语前提结果语句(23)和属性语句(24)，和程语前提结果语句(22)和范围数据(21)。概括归纳运算(3)，由一个或若干个内容相近的信息开始，若干个内容相近的信息是并列语句，对这些信息进行初始化(43)，用前提得结果循环体(44)，和结果得前提循环体(42)，对每个并列语句扩充信息，然后并列语句调取(37)从语句库，调取获得新的并列语句，对新的并列语句进行扩充信息，如此循环若干次，最后进行并列语句概括归纳，并列语句概括归纳运算(57)，是得出若干个并列语句，有什么共同特点和变化规律，这些共同特点和变化规律构成，语句(27)和范围数据(21)，用来完善思维运算(I)和想象运算(2)，和概括归纳运算(3)三个运算的语句库(26)。如图4所示，并列语句调取(37)所用的语句库(26)，包括语语前提结果语句(23)，和范围数据(21)属性语句(24)，和程语前提结果语句(22)和事例数据(25)五种数据(47)。最后进行优化完善语句库(45)，主要是输出已知信息(35)，以文本形式输出，或文本方和示意图形式输出，并选出其中有价值的已知信息(35)，优化完善语句库(45)。
[0054]以上用实际的实例说明了，思维运算(I)的前提得结果，以及想像运算(2)的结果得前提，以上实例只是举例说明用，不代表本发明。
[0055]实施例2:对现有的自然语言进行可处理化，可处理化就是对自然语言改编为，计算机方便理解和处理的信息，其中部分可处理化后的语句设有计算机指令，指令用来完成计算和比较和处理。思维运算(I)如图17，事情具备了一定前提(32)(前提是条件)，就会产生相应的结果(33)，事物的结果(38)，和产生这个结果(38)的前提(39)，包括在一个语句(27)中，并且分为独立的前提(39)和结果(38)俩个部分，所以一件事情完全具备了，语句(27)中的前提(39)，就会发生语句(27)中的结果(38);每一个事物都有独一无二的属性，既然是独一无二，那根据属性，就可以找到具有这些属性的事物，事物的属性(属性是前提)，和这个事物(事物是结果)，包括在一个语句中，并且分为独立的前提(39)和结果
(38)俩个部分，如果事物完全具有语句(27)中的属性(属性是前提)，那这个事物就是语句(27)中包含的事物(事物是结果)，以上用前提(32)得结果(33)的过程是不断循环的，每次都把得到的结果(38)转为前提(39)，然后用前提(39)再次得出新的结果(38)，直到最后前提得出正确深刻结果(4)。思维运算(I)包括的内容是相当多的，本发明只是其中一个方法。
【权利要求】
1.一种三模式人工智能方法，对语句(27)进行可处理化，每个语句(27)都包括了结果(38)，和促使结果发生的前提(39)，而且前提(39)和结果(38)分为俩个独立的部分，其中部分语句(27)设有计算机指令。
2.根据权利要求1所述的三模式人工智能方法，其特征在于思维运算(1)，用语句(27)进行前提得结果(4)。
3.根据权利要求1所述的三模式人工智能方法，其特征在于思维运算(1)，用语句(27)进行前提得结果(4)。
4.根据权利要求1或2所述的三模式人工智能方法，其特征在于想像运算(2)，用语句(27)进行结果得前提(5)。
【文档编号】G06F17/30GK104077342SQ201310472483
【公开日】2014年10月1日 申请日期:2013年9月27日 优先权日:2013年1月7日
【发明者】赵振雄 申请人:赵振雄