三模式人工智能方法

文档序号:6515087阅读:255来源:国知局
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
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1