白盒人工智能

未来， 人工智能 会发展 到 新的 主流阶段，    这个 新的 主流阶段 就是 白盒人工智能   。

 

也许 在 不久 的 将来 就可以看到 端倪     。

 

白盒人工智能 以  空间几何学  为 基础，   现有 的 黑盒人工智能 比如 图像识别 语音识别 可以 拿来 作为 模块 用  。

 

有关 空间几何学 ，  见 《空间几何学》  https://www.cnblogs.com/KSongKing/p/12299161.html      。

 

我在 《软件技术 基础设施 重建 白皮书》  https://www.cnblogs.com/KSongKing/p/11120634.html     中 提过   图形学 和 白盒人工智能 的 关系 。

 

 

关于 机器学习，     就是 专家系统 + 经验积累  ，      别搞 什么 “卷积”  之类 的  名词   。

这么说吧，  所谓 的 机器学习，    提取特征 + 专家系统 + 经验积累 ，    就这个 道理，  讲明白了   ，  小学生  初中生 高中生 老年人 宅男 腐女  都可以 写 。

 

这些 都是 很简单 的，     什么  “卷积” 、 控制论  毫无意义  。         “神经网络”   只是 一个 可爱 的 外号 而已，  和 神经 一毛钱 关系 都 没有  。

 

有关 机器学习 ，  见 《我决定 开启 一个 人工智能 机器学习 技术 的 普及项目 Let it Learn》  https://www.cnblogs.com/KSongKing/p/12145863.html    。

 

 

机器学习 ，    就是 把 学习 到 的  经验 添加 到 专家系统 的  知识库 里 嘛，     知识库 是 什么 ？     是 一个 Hash 表，  一棵树，  一个图，  一个 字典   。

 

 

白盒人工智能  的 机器人视觉  是 将 摄像头 拍摄到的 图像 建立 3D 模型，  简单的说，   也可以说是  根据 2D 图像 建立 3D 模型   。

 

比如，  我们 一边 用 摄像头 拍摄 景物，  一边 的 电脑 上  显示出   景物 的 3D 模型，  或者 3D 模型 的 “骨架”    。

 

白盒人工智能   是要 让 机器人   建立  类似 人类 的 思维模式 ，    人类 的 思维模式  是  直观 + 逻辑 + 概念，   概念 由  直观 和 逻辑 抽象（提取） 而来  。

 

人类 的 基本 的 直观 是 时间直观 和 空间直观，    时间直观  在 计算机 里 实现 很简单，  时间 是 一维 的，   就是 个 数字   。

空间直观 是 3D 模型，    计算机 需要 知道  空间 中 的 形状 和 事件 。

 

计算机  通过  时间直观 和 空间直观  对 世界 建模，   时间直观 和 空间直观  是  计算机 认识 和 理解 世界  的  基础  。

 

逻辑 也可以说是  让 计算机 能够 思考  。       简单 的 说，  这是一个 专家系统，  再加上 经验积累 ，    就  具有了  自我学习 的 能力 。

 

概念 是 一些 数据，  主要是 一些 词汇 类 的 数据 。  为什么 说 是  “词汇类” 的 数据 呢？  因为 除了 词汇类 的 数据，  还有 模型类 的 数据，  比如  3D 模型 骨架 数据，   颜色 、 材质  ……   等等，  这些 可以 称为  模型数据，   模型数据  又称为 直观数据，  对应 空间直观 和 时间直观，  所以，  模型数据 应该 包含   空间模型 数据 和 时间数据     。

 

模型数据 就好像 自然界 的 构成 一样，   自然界 由  原子分子 构成，   原子 由 质子 中子 电子 构成，    光 有 不同 的 波长，   每种波长 对应不同 的 颜色   ……  等等 。

 

这些 可以用 数据 来 描述，      这些 数据 就是 模型数据，  也叫做 原始数据    。

 

而 概念，  是 对 模型 的 抽象，  用一些 “名字” 来 描述 模型，   或者说 用 词汇 来 描述 模型，  或者说 用 语言 来 描述 模型   。

 

所以，  概念 对应 的 是  语言     。

 

人类 的 思维 来自于 推理 和 联想，   归根结底 可以说是 联想，   推理 也 包含 在 联想 里   。

 

联想 简单的说 可以  看作是   从 一个 概念 可以 联系 到 其它 一些 概念，   如此 递推，     这在   计算机  里 是 一个  图  数据结构  。

这是  白盒人工智能  实现   思考  的 原理  。

 

这种 联想  其实 也是 一个 专家系统    。

 

概念 和 其它 概念 相关联，  同时，  概念 还 和 模型 相关联，   于是，   从 A 概念 想到 B 概念，  又 想到 B 概念 的 模型 B 模型，  又由 B 模型 想到 其它 概念 或 模型    ……

 

就是 这个 图 的 路径 是 很自由 的，    概念 与 概念，  概念 和 模型， 模型 和 概念，  模型 和 模型 之间 都能 互相关联，    互相联想    。

 

联想    也可以看作 是 一个  数据库 或者 图数据库 ，    概念可以看作 是 简单 数据类型 的  字段，   模型 可以看作是  BLOB , CLOB 这样 的 大二进制数据 或者 复杂数据    。

 

复杂数据 是指 包含 很多 属性 的 数据，    复杂数据 包含 丰富 的 意义 和 操作，   比如 一个 3D 模型，  它 的 数据 在 数据库 里 是一个 复杂数据   。

 

比如，  你跟 计算机 说  “人”，   计算机 可以 联想 到 和 人 相关 的 词汇，  这是 概念，  同时 也会 联想 到 人 的 模型， 比如 骨骼 、肌肉 的 模型，   由 这些 概念 和 模型   又 可以 联想 到 别 的   概念 和 模型  ，

 

从 这些 很多 的 联想 中，  计算机  筛选 提取 出 符合 当前 需要 的 联想，  并 进一步 处理  。

 

所以，   白盒人工智能  是      直观 + 逻辑 + 概念

=  时间直观 + 空间直观 + 概念 + 联想 + 自我学习

=    包含时间 的 3D 模型 +  概念  +  联想系统  +  自我学习

=    空间几何学  +  概念  +  联想系统  +  自我学习

=    空间几何学 + 计算机图形学 + 概念 + 联想系统 + 图数据库 + 经验积累

 

黑盒人工智能  和  简单 的 专家系统  可以 作为 白盒人工智能 里 的 一些 功能模块    。

 

如果 把   白盒人工智能 比作 人，  那么 黑盒人工智能 和 简单专家系统 模块 就 像 是 计算器，   人 具有 思维决策 的 能力，    计算的工作 交给 计算器 就可以   。

这么说  是 把  白盒人工智能 比作 人，    黑盒人工智能 和 简单专家系统 模块 是 工具   。

 

高级一点，  也可以说，  白盒人工智能 是 大脑，    黑盒人工智能 和 简单专家系统 模块 是   五官 和 一些 分化 的 组织器官    。

 

白盒人工智能  的  一次 决策，    是 由 一系列 的 评估 决定，  评估  由 联想推理 产生，    这整个过程  形成了 一个  路径图 ，    这个 路径图 称为  决策路径，  又称为  思考路径，    也可以称为  评估路径  。

决策路径 可以 追溯 到  每一次 联想 ，  每一次 评估    。

 

一次 决策 可能 由  其它 的 一些 决策  促成，   这 具有 因果关系    。      这也是 决策路径   。

 

每一次 决策 的 路径 都是 明确的 、 可追溯的，   这 也是  白盒  的 意义 所在   。