AwarenessLayer"规则"设计

AwarenessLayer-软件架构设计

前言 >>
 熵控层
相对数据层栗子 如果说AINet是手机硬件,那么AwarenessLayer则是手机软件系统;
作用栗子 其在smg软件架构中的作用;就像以往软件编程里编译器的角色;但其不能够将所有数据进行编译,也不能够将逻辑编译为确定
注: 意识如此神秘,在本系统中似乎无处不在,但却又无迹可循,就像与我们捉迷藏一样,无论你如何深入的思考,意识总是那么神秘,本章只能够以软件架构技术的方式来设计与实施
是否具有意识? 不确定:如果说有,只是会表现出有意识的样子,如果说没有,那是因为我们从来就不曾真正了解意识;





n8p1 AwarenessLayer软件架构初想法

CreateTime 17.10.21

前言:
主要讲AwarenessLayer中的控制性,软件架构的实现和灵活编程方案;
定义:
1. smg中意识定义:

    关于意识无明确定义,因为没有研究明白前无法确切定义;
    在smg中意识包含:`思维`,`智能`等所有smg主观性的体现;
    相当于AwarenessLayer中的代码引擎(众控制器的组合);

2. smg中智能定义:

    在smg中智能是以数据广泛性为基础的,

3.smg中的思考定义:

    思考是思维在神经网络具体事务上的体现

  1. 智能与意识紧密关联:

    如果没有意识,智能如散沙;

  2. 智能的作用:

    智能给DNA瘦身,给本体通用性熵减能力;

两个原则:

1. 保证数据的灵活性;无论是接入思维还是意识或其它功能;
2. 保证awarenessLayer层的控制协调功能;而控制器的功能要分模块化;用接口的方式接入,并自动作用起来;

Controller

1. 控制Demand/Task的持续性
2. 控制情感的持续性MindDurationManager
3. 控制主意识思维的事务同时单一控制器(一心一用)
4. 对当前自我感受状态的紧迫性HungerLevel<0.1f
5.
AwarenessLayer架构演化 >>
 titledesc参考
1 流式 通过面向对象的方式定义Understand,Decision,Mind等 初版代码(已删)
2 代码及算法方式 用代码定义,函数算法输出结果 代码结构中.(部分已删)
3 控制器方式 用控制器方式,分隔每层的功能,并熵减无序因素 #n8p6 #n8p11
4 规则化 定义规则,使无序看似有序,但又大多被 数据 影响着,善用数据的灵活及无限 #n8p13 #n8p17
下步架构计划 >>
 titledesc
1 思考问题: 用不用将数据逻辑层 与 代码层 明确分开
2 思考问题: 需要不需要通用数据模型,方便思维分析操作
电脑对比人脑 >>
 desc
1 人脑是软硬一体的,cpu硬盘内存与一体
2 电脑cpu内存硬盘是分离的,所以在SMG设计上必须思考这种异同,来设计smg软件架构






n8p2 意识真实的感受2-(想像力/逆向演绎)

CreateTime 17.10.22 脑: 前额叶 参考: n5p5

前言:
思维再面向纯抽象节点时是无法思考的;所以具象问题如下:

例如我们在选择红苹果好吃还是绿苹果好吃时,如果只是思考红色和绿色哪个好吃;

所以必须先行逆向演绎成红苹果和绿苹果,再来比较;
工作流程 >>
逆向演绎是将抽象节点指向实体obj节点的其它属性收集过来并有机结合的过程;此过程就是为了方便思维的思考元类比操作;所以有以下步骤:
大脑步骤 >>
 desc
1 前额叶(向丘脑发起联想事务)
2 丘脑(Data事务控制器)
3 大脑(配合海马回和网络找到数据并返回)
4 前额叶(数据接收)
软件步骤 >>
 desc
1 根据某抽象高层节点找到obj
2 根据obj点亮其它属性节点
3 将所有obj相关节点进行有机结合(可能这种有机只是划分区域边界)
4 将所有边界内数据用于类比等;
软件步骤2 >>
 desc
1 只是想像力,区域点亮取出信息,类比;(简)
2 取出信息后要整合;(中)
3 整合后,要内识别理解具象的数据;(难)
4 而理解具象数据其实也就是理解它的属性等抽象节点;(循环)
注: 有可能思考过程中,只是多连续事务的控制过程;直到思考任务结束,都算是联想和逆向演绎阶段;
问: 理解,只是区域点亮相关数据,作数据关联映射;使经验跑进来;还是真的存在具象理解;4中循环在时候中止;
思考 >>
 desc
问: 逆向演绎究竟存在不存在?或者说是否只是找到低节点后,read其属性的操作;
答: 存在,属性之类的关联易整合,但很多无关联的(如空间等复杂信息);想像力整合非常重要
复合逆向演绎(数据部分) >>
 desc
1 字符串逆向演绎
2 音频逆向演绎
3 视频逆向演绎
4 空间逆向演绎
5 时间逆向演绎
注: 任意一种会联想到其它;
注: 想像力的演绎规则全部都是常识数据决定的。
AINet事务控制器(融合阶段) >>
步骤desc
1 到节点是第一次数据融合
2 到obj是第二次数据融合
3 到区域是第三次融合
4 到多区多维是第四次融合
参考 n8p12 
1. 将各种数据进行联想检索的能力;
2. 将各种数据进行想像融合的能力;(融合规则)
3. 将融合后的数据,演绎给大脑,或者是新的关联与节点数据存储;
示图 >>
1. 蓝色:思维走向;
2. 左侧:神经网络构建流程;






n8p3 精简意识控制器

CreateTime 17.10.22

参考:
n4p7 & n4px
原始意识控制器:
无，潜，有三种意识状态同时存在，互相共享数据合作。

1. 无意识:对应后台耗时任务 & 小脑任务;
2. 潜意识:对应未获取到注意力之前的任务;
3. 有意识:对应意识注意力思维思考等偏后行为;
精简意识控制器:
1. 只存在潜过度到有意识的合作任务;(后台耗时任务 & input持续任务 都归到潜意识)
2. 最大的问题来自意识的灵活性;(随心所欲)
精简意识控制器_有意识的特征:
1. 主线程同时执行一件思考任务
2. 注意力
3. 后天写权限






n8p4 SMG软件架构

CreateTime 17.10.22

示图:






n8p5 事务控制器

CreateTime 17.10.23 脑: 丘脑 参考: N6P4 N5P6

前言:
前言 >>
 descresult
1 事务控制器,灵活的控制了AwarenessLayer对DataLayer的操作; 应更细化;(参考:n9p4)
2 需与意识合作,因为事务本身只负责区域点亮及其它事务执行,而不知道其结果是否中意; 错误;事务结果传闻给ThinkingRule
3 事务接口:(执行 & 添加 & 打断 & 驳回 & Success & Error & Failure 等) 错误;事务结果传闻给ThinkingRule
4 调用:(区域点亮调用,带方向的区域点亮调用,电量参数,是否可转为后台长时参数);  
5 思维抽象事务;  
概念 >>
 desc
能量位 增加抑制信号集成到事务控制器中...
区域点亮2 >>
 参考
  N4P17
区域点亮与思维的融合 >>
  desc
1   去掉电能量的设计;换成 抑制 和 兴奋;
2   所以思维,是在每个DataNode神经元点亮时已经在跟着工作了,而非全部取完,作统一类比;这样的好处是:
  2.1 大大提高区域点亮的效果;
  2.2 可以更智能灵活的控制整个区域点亮的过程;
  2.3 可以尽可能少的减少不必要的点亮与思维,性能更优化;






n8p5 AwarenessLayer软件架构初想法2

CreateTime 17.10.24

前言:
1. AwarenessLayer是引擎,SMG的CPU;
2. AwarenessLayer是事务控制器,
3. AwarenessLayer是重转站,大脑循环站;
4. ControllerLayer引擎,大脑的cpu;
结构:
链式结构;每一节点都是控制器;分类器;决定下一站到哪;作什么事务;

1. input
2. 数据传递到:AwarenessLayer意识判断(此时,虽然不知道数据是什么,但可以判断`来源` 和 `数据量`)
3. 数据传递到神经元FuncLayer
4. 处理后输出给AINet
5. 由 `丘区` (mindValue)指引数据成长方向;

1. `桥区` 产生Demand 与 输入信息
2. 由输入信息到AINet检索经验作区域点亮等操作;
3. 事务控制器控制思维;在AINet中作类比等操作;
4. 思维控制器决策
5. 思维控制器将结果(一组输出值)返回给 `桥区` 的OutputController
n. output






n8p6 LOP2

CreateTime 17.10.24

1. 算法层负责生产数据 和 其它控制器取值打辅助;
2. 数据层负责一切智能活动,等等参考前文神经网络;
3. ControllerLayer负责控制整个过程有序进行;
LOP2的概述
其实人类的大脑也是几乎这样的模型;是个强化版的MVC;并且特别是Model层;(即神经网络)将很多Controller的功能作到Model中了;所以表现出了非常好的通用性灵活性和智能;
LOP2的主要目的
我提出LOP的方式;最主要其实就两个目的;

1. 让人们将OOP忘掉;将OOP中的那些理念回归到数据中..
2. 让人们更加重视DataLayer层;因为数据带来的泛化能力和灵活性是前所未有的;
3. 让Controller的和思维类比等配合下,代码逻辑源于数据;






n8p7 意识思维与神经网络融合

CreateTime 17.10.24

1. 融合，不止是事务与controller，其意义是意识思维与神经网络一起成长。

2. 即数据即思维升级,数据即意识升级;






n8p8 先天MindValue

CreateTime 17.11.16 脑: 中脑

无意识思维 >>
 desc参考
  本能行为反射,如下:  
1 远离恐惧源  
2 重复快乐行为 n8p9
MindValue象性 >>
 titledesc
1 mindVaue能否被存储? (应该会存储自我的mindValue快乐状态,mindValue具有影响构建和可数据表示二象性,mindValue原本不是一条数据,但因被自我状态感知了,才变成数据)
2 快乐状态 心情结合条件反射(例如心慌的感觉,如果没有惊慌难以感知到自身状态)
mindValue工厂类示图 >>
先天MindValue释放(废弃) >>
titledesc
概念 五感有些会附加mindValue+-;
实现 AINETEditor添加内感刺激mindValue释放功能。再外加配置一个算法曲线。
废弃 没有先天mindValue都是思维调用后释放的。






n8p9 后天MindValue

CreateTime 17.10.26 对脑: 理性杏仁核/非理性垂体 参考: 框架/Mind#MoodDuration心情持续 Book心情持续

概念 >>
 desc
1 意识思维通过MindValue的方式与AINet紧密合作,是数据的活跃剂,构建期监工,也是意识与数据的桥;让意识由神经反射升级成持续意识;
作用 >>
 desc
1 mindValue在AINet中作用是指引成长方向;(与2为或关系)
2 或 mindValue是生长因子，一切构建关联由其生长。例如：记错颜色为同时出现物混乱(与1为或关系)
3 mindValue在意识中作用是将神经反射作为持续的欲望或需求;
后天MindValue释放 >>
titledesc
概念 后天是对已有的复习和增强，
实现 在AIThinkingRule中分析提纯数据,并向mindValue工厂申请释放新mindValue信号(构建因子);

新mindValue信号的功能;

MoodDurationManager >>
 desc
概念 MoodDurationManager属于丘区垂体;mindValue功能体现之一;
作用 MoodDurationManager解决了mindValue的持续性问题
MoodDurationManager工作流程 >>
步骤desc
1 持续内感受到 mindValue-;
2 AINet无记录时的手足无措,
3 有记录时则促使smg去解决mindValue-的问题;
mindValue二象性/自我 示图 >>
 
脑对应: 思维控制器-前额叶 AINet-神经网络数据部分 后天MindValue-杏仁核海马体 先天MV-中脑
黑线脑 五感->脑干->丘脑->皮层
黑线软 input->main()->潜意识->AINet






n8p10 知识表示X

CreateTime 17.10.31

神经元逆向算法(错误)

  • Input写->神经元算法->思维分析结果->二进制存储
  • 二进制读取->神经元逆向算法->思维类比分析->Output读
1. Gan逆向算法一一对应正向神经元算法。(错误)
2. AINet的节点数据是二进制，只有逆向算法后，才是节点整体信息。(错误)
3. 存在与否?

	应该不存在,数据的实物与属性,具象与抽象的关系应该是存在神经网络中...

思维对知识读取流程

1. 区域点亮
2. 节点数据读取
3. 节点数据的整体复合(复合参考:n8p2)
4. 成为完整的想象力事务。

神经网络数据的单一性

1. 神经网络只存算法结果(不存mp4mp3)
2. 只强化思维结果的关联

神经网络数据的破单一性

1. 神经网络通过mindValue与深入思维(冥想)整理,

使事物抽象与本质产生关联;

将看似均匀的可能性,导向更正确的关联可能性;
数据整理过程图:
1. 黑线:obj与property之间的关联;
2. 黄线:obj与p4之间产生强关联;(与深入思维后mindValue123三层的继承有关)
3. 绿线:本来p4或obj与mindValue1的相关
4. 蓝线:本来mindValue1 与 mindValue2 mindValue3的相关
注: 冥想或思维只是强化关联
注: 深入思维只是描述了思维的层级,并非单纯围绕外围世界展开,而是围绕任意层次节点展开






n8p11 ControllerLayer

CreateTime 17.11.01

 控制器生命周期主任务demandIO参考
1 main()       main()
2 SMG类       update()
1 意识控制器       rootController & pageController
2 思维控制器 构造 析构     n8p13 & controller
3 AINet事务控制器       数据交互






n8p12 拆分与融合

CreateTime 17.11.02

 拆融任务实现方式
数据IO事务拆分组    
1 数据拆分 思维
2 数据融合 区域点亮->联想->想像力
思维组    
1 思维拆分 意识控制器
2 思维融合 用AINet数据融合代替






n8p13 思维控制器

CreateTime 17.11.02 脑: 前额叶

功能 >>
 功能脑功能合作参考注
1 数据拆分 分析      
2 构建后天网络 操作      
3 数据IO事务(联想事务) 思考 与丘脑合作    
4 想像力事务 判断      
5 可持久化存储 记忆     意识流,经验,逻辑,等;
6 决策        
7 决策被先天干扰部分     n8p19  
生命周期 >>
   
1 init:(id)task; task是由意识控制器提交过来的任务 `1.任务源:神经网络的数据 2. 任务目标:(一个mindValue方向
2 initData  
3 initRun  
4 think  
思维工作示图 >>
1. 思维只有1个
2. 思维有3个线程(主线程,非主线程,后台线程)
注: 蓝色:双箭头表示一个联想事务,其影响着思维的任务及走向;
注: 主意识:占有着注意力,可写权限,想像力逆向演绎,等;有大多资源调配力,其特征也是多变灵活的;
情感功能 >>
 软件实现参考
1 思维与无意识思维合作 n8p19
思维本质 >>
titledesc
简介 复杂的现实无法推演，所以数据成了分析的唯一标准。想像力与演绎是思维的唯一出路。
思维步骤 >>
步骤titledesc参考
1 Task task来自:1. mindValue归0; 2. 五感需求 3. 情感 n8p19
2 取数据 AINet是思维的养料,有了事务管理器在AINet取到N次数据,进入步骤3 n8p2 大脑步骤 & n8p15-想像力
3 数据融合 有了步骤2的数据,在思维中融合;进入步骤4 n8p15 想像力
4 分析 一切的融合只是为了分析,进入步骤5  
5 决策 234步为灵活循环n次,最终决策;  
思维步骤示图 >>






n8p14 意识控制器

CreateTime 17.11.03

 功能code
1 维护一个意识主线程; mainThread_Awareness
2 主线程分配100百分比占用; CGFloat busyStatus
method    
1 判断潜意识准入 -(BOOL) checkShallow{}
2 判断注意力获取 -(BOOL) checkDeep{}






n8p15 想像力

CreateTime 17.11.07 脑: 前额叶+海马回 参考: 当下不开发的/想像力 & n5p5意识真实的感受_二阶-想像力 & n6p2 感受 & n8p2 意识真实的感受2-(想像力/逆向演绎) & SMG/类人的学习项目 想像力，把图像属性，甚至文本描述GAN成图像演绎;

引言

/*
被窝好暖和，继续睡？起床？是个问题，大脑想起，身体想睡，眼睛闭着，脑袋意识清醒。

大脑思维那么快，但两者任务在controller里pk了半小时，
暖和的感觉是当下持续的mindValue+，起床后的任务是未来的mindValue+，
如果只是简单的执行思维思考，智能体将局限与经验量化智能，
但想像力足以变异思维控制器，智能体才可以升华出智慧。
一项我们天天在有意无意间使用的能力，却十分重要，让生命的体现都如此不同。
*/
正文 >>
 titledesc
1 简介 想像力在SMG中是代码能力,其融合一个或多个联想事务;并通过思维将其逆向演绎
2 通俗简介 Decoding能力(将data转为model的能力)
3 特征 整个过程是 有序 , 灵活 的,体现为: 思维想到什么追加什么
4 描述 我们的思维如此快,当你读到 一朵花 时,你的思维已经想像出一朵漂亮的花呈现在大脑中..
5 作用 想像力是帮助读取数据的,没有想像力,数据将难以被主观意识读懂;
6 工作状态 想像力,将当前思维的相关缺失数据以常识等方式补全,并构建新的关联
7 maybe 将非全面数据的补全机制(将数据构建关联至抽象节点之下最强关联的具象节点)
8 联想对比想像 1. 先联想后想像 2. 联想先读内整数据,想像再追加外碎常识数据 3. 联想是AINet单Data事务,想像是多事务与解读数据
架构 >>
titledesc
1. Controller部分 思维控制器,Data事务控制器,想像力演绎器
2. AINet部分 空间区,时间区,等;及负责服务整个功能所需数据;
想像力工作流程示图 >>
1. 想像负责多Data事务;每个事务产生一个 分联想
2. 思维想到什么追加什么
注: 小红色圆:AINode
注: 大红色圆:区域点亮范围






n8p16 config_接口_后台

CreateTime 17.11.08

 titledesc
1 简介 1. 配置生理或者心理需求,快乐等情感; 2. 接入传感器,肢体等外设






n8p17 AwarenessLayer的规则

CreateTime 17.11.10

引言 >>
 titledesc
1 简介 在思维对数据分析时...有限的规则影响着意识与思维的走向;
规则 >>
 titledesc
1 意识的规则 主意识的busy状态,潜和无转向主意识的规则,及n8p12中的权限规则
2 思维的规则 基础类比操作 + 数据影响走向 + 想像力演绎真实感 + NET构建规则 + DemandTask规则 + 3种思维的权限规则
3 Data事务规则 区域点亮 + 多维分区间规则 + 后台任务规则
4 Input规则  
5 Output规则   
1. 意识规则:定义了意识的三种`运行方式`源定义;其定义了cpu资源的三个线程;

		* 主意识注意力;
		*	潜意识readData与input触发运行;(潜意识是主意识的门卫,缓冲区)
		*	无意识任务(意识中断,代理回调碰撞)

2. 思维规则:定义了cpu的`运算规则`;其本身也是思维规则,受数据影响其航向;

		* 想像力;
		* DemandTask的规则;
		*	思维的持久化(意识流)(90%不单独存在)

3. 数据规则:定义了神经网络的构建,使用等方法;

		* 多次联想;
		* 联想;
		*	后台检索

注:
		1. 思维结果不是由意识决定的,也不是cpu决定的;也不是代码算法决定的;而是由数据决定的;
	  2. 一切都要保证数据的灵活性, `数据产生逻辑` 的原则;
		3. 数据有效性没有100%;所以有多次联想,想像力,等来帮助多事务找到问题出口;
		4. 思维的元操作,(类比是针对神经网络的读取等操作的);除类比外,神经网络的一些经验记录才是真正的逻辑源;(常识等)
Awareness规则 >>
问题 >>
 titledesc
1 思维规则问题: 内心活动，思维的变化，demandTask与决策的变化;是否需要怎样的针对规则设计






n8p18 DOP(DataOrientedProgramming)面向数据编程

CreateTime 17.11.11

时间线 >>
 timedesc
1 2017.02 DataLanguage
2 2017.05 AIFoundation
3 2017.08 LOP
4 2017.11 DOP
对比OOP,LOP,DOP >>
 titledesc参考
1 OOP   n4p13
2 LOP   n4p13
3 DOP LOP的分层其实是不明确的,并且定义不太准确,(其实就是起的名字不太对,所以换了DOP) n4p13
解答:逻辑产生于数据问题: >>
 论点desc
1 概念 逻辑产生于数据,并非一切逻辑源于数据,是与控制理论相结合;所以才有DOP和本系统架构
2 简介 是控制与灵活之间的设计;就像协议;很轻;从而使数据不会因熵增而爆!
3 数据 将OOP的继承,属性,多态,抽象,接口等全在Net中表示;Net就是数据中枢;此时,所有逻辑,规律,经验,常识等都在数据中;
4 代码编程 以往编程逻辑都是用代码写的;只偶尔也会对数据作一些小范围判断;
5 代码进化 但如果数据范围占据大多;此时,逻辑将几乎被数据引导;就像人类依赖记忆和经历来作决策思考一样;
6 DOP的控制器 以往控制器;用来写model,view等其它层逻辑;而smg中,控制器不仅是控制自身的代码顺利运行,也要作为一个监督者的身份;来作数据的元操作与控制数据的安全范围;
7 定义 在smg中把这种安全范围的控制称作:"规则";
8 描述DOP控制器 即控制器并非完全的控制整个逻辑;而是跑规则;让这些数据安全不失控的规则;
9 举栗 "有个大人在看小孩";:原先的控制器逻辑就像命令小孩的每一个动作和行为;而现在的只是规定小孩子只能在某个范围内玩耍;其它的全部交由小孩子自己决定;
10 栗子回归 编程诞生之初;有人用代码指令的方式实现了计算机按着他的意愿输出了HelloWorld;而这一步;即是生;也是死; 1. 生在于计算机可以听从指令运行各种复杂逻辑运算了; 2. 死在于;计算机从此就成了那个听话的孩子;多少程序员从此与bug打交道;而后的面向对象;只是让代码结构更灵活易维护了;但终还是在代码上;未脱离开代码;
11 结 这就是让逻辑产生于数据;其最大特点是:灵活性,弱依赖运算,不确切,智能,个体多样性等;






n8p19 思维控制器-预测

CreateTime 17.11.17 脑: 前额叶

简介 >>
 desc
  预测是 未来想像力,是想像力的一种,预测描述的是其结果
种类 >>
 desc
1 基于大量常识的是分析+预测
2 基于经验的才是预测






TaskList

  •  考虑去掉DataNode反射调用FuncNode;原因有二:

    1. 因为原input数据已经不见了;只能逆向演绎,不能传回重新神经元组处理;
2. 因为multiNode的复杂性,也不建议这么写;(90%确定)

  •  改变神经网络结构;(依Note8内容改变)

  •  输入一段字符串,让smg输出输入过的一样长的字符串;

    •  将input接入到新的AIAwareness上;
    •  将手机电量变化的信号接入到新的AIAwareness上;
    •  与smg实现一个最基础的交互;
    •  在AIThinkingRule中添加后天mindValue提纯与工厂申请释放新mindValue信号的功能;(杏仁核工作原理)

posted on 2017-11-21 16:17  jia2764894  阅读(187)  评论(0)    收藏  举报

导航