- 博客(25)
- 收藏
- 关注
RSS订阅原创 对当前人工智能现状与未来规划
下一步的规划，实质上是为这台强大的信息处理机器，安装上理解世界的“思想引擎”和面向目标的“导航系统”。结论： 我们已基本完成“将已知世界数字化”这历史性的第一步，构建了强大的信息处理基座，但这也暴露了其作为“终极工具”的天花板。当前主流AI（尤其是大模型）的本质，是对人类已积累的显性知识进行了一次前所未有的大规模、高保真度的“数字化压缩与重建”。未来的核心是让AI从处理信息的系统，升级为理解世界、并能在其中实现目标的系统。· 重点：这是质变的关键阶段，目标是赋予AI“理解”与“想象”的能力。
2025-12-14 07:54:26
277
原创 关于现代人工智能大模型无法产生真正自主性的核心结论
然而，其底层架构决定了它的一切活动都是被动的、衍生的和功能性的。经过讨论，我们得出一个根本性的论断：只要不脱离当前以“精确计算”为核心的范式，现代人工智能大模型就不可能产生真正的、类似人类的自主性。它没有持续存在的“人生叙事”或“未完成的事业”来驱动其进行持续的、有目的的活动。缺乏内在动机：大模型的所有行为都服务于一个外部预设的、固定的终极目标，例如“预测下一个词”或“最大化奖励函数”。“错误”即故障：在当前范式中，任何偏离数据分布或逻辑准则的输出都被视为“幻觉”或“错误”，是需要被纠正和最小化的缺陷。
2025-12-01 07:45:50
403
原创 使用卷积神经网络(CNN)提取文字特征来辅助大语言模型生成文字
使用卷积神经网络(CNN)提取文字（无删减原文）特征来辅助大语言模型生成文字是一种有效的技术方案。encoder_hidden_states=projected_features.unsqueeze(1) # 作为额外上下文。这种CNN+LLM的混合架构在需要精确控制生成内容、保持特定风格或增强特定语义特征的场景中表现出色。self.entity_cnn = load_entity_cnn() # 识别命名实体。self.topic_cnn = load_topic_cnn() # 识别主题特征。
2025-11-29 12:26:00
495
1
原创 概念网络的应用
从简单的基于规则的系统，到利用现代NLP和图数据库的复杂知识图谱，再到融合LLM的下一代认知系统，概念网络的实现方式正在不断演进，目标是让机器能够真正地“理解”和“推理”我们所在的世界。推荐系统：如果两个用户都喜欢“Python”和“机器学习”这两个概念，那么系统可以根据概念网络的连接，推荐给他们“深度学习”或“TensorFlow”等相关概念。比如我们只关注“苹果公司”、“谷歌”、“特斯拉”及其相关产品、人物和地点。例如：“国王”的向量 - “男人”的向量 + “女人”的向量 ≈ “女王”的向量。
2025-11-26 00:02:56
566
原创 将图神经网络扩展成三维神经网络
edge_attr: [E, edge_dim] 边特征。nn.Linear(3, 16), # 3D方向向量。edge_index: [2, E] 边连接。positions: [N, 3] 三维坐标。x: [N, node_dim] 节点特征。"""构建不同分辨率的三维脑图""""""考虑三维空间方向的聚合机制"""# 三维空间感知的消息传递。# 考虑空间距离的消息传递。# 距离感知的消息函数。# 构建空间感知的消息。# 方向加权的消息聚合。# 计算三维空间距离。
2025-11-25 14:05:31
879
1
原创 将CNN用于犯罪模式识别和行为习惯分析帮助梳理关键信息，提供破案帮助。
positive_pairs.append((crimes[i], crimes[j], 1)) # 标签1表示同一犯罪者。self.conv3 = nn.Conv1d(128, 256, kernel_size=7) # 提取行为"签名""temporal_pattern": [...], # 时间行为模式。"spatial_signature": [...], # 空间行为特征。"""训练模型区分同一犯罪者与不同犯罪者的行为""""""将犯罪现场数据编码为特征矩阵"""
2025-11-24 12:37:38
705
原创 Transformer：开启视频生成大模型的“理性时代”
最终，模型利用这些学到的、关于世界构成的“知识”（特征），去生成新的、在结构上和语义上都“合理”的图像和视频——即符合我们物理世界视觉规律的画面。· 模型学习的是符号关系，而非图形美学：当一个视觉模型处理文字图像时，它真正需要学习的，是如何从像素中提取出“这个形状是字母A”的区分性特征，以便进行OCR（光学字符识别）。· 字形是区分符号，而非承载意义：对于绝大多数非象形文字系统（如拉丁字母、拼音文字），字符“A”的形状与它所指代的概念（如“第一个”、“优秀”）没有任何内在的、必然的逻辑联系。
2025-11-24 10:53:11
336
原创 人工智能对未来专业化软件的开发的思考
而现在，专业人员可以像与一个不知疲倦的助手合作一样，实时地提出修改意见——“这个按钮换个位置”、“这个计算逻辑不对，应该是...”，大模型能迅速响应并修改代码。总结来说，未来的软件项目，很可能不再是“专业人员 + 程序员 + 项目经理”的团队，而是进化为“（精通人机协作的）专业人员 + （驾驭AI的）技术专家”的新型高效组合。项目经理：从“需求翻译员”和“进度催办员”转变为 “领域专家与AI的协作 facilitator” 和 “项目愿景的守护者”。这使得“想法”到“原型”的路径被极度缩短。
2025-11-11 11:13:11
411
原创 用三维结构来替代向量进行数据存储和表示
self.global_index = Octree() # 全局粗粒度索引。self.spatial_index = RTree() # R树范围查询。self.relationship_cache = {} # 空间关系缓存。z = self._calculate_trend() # 趋势维度。self.kd_tree = KDTree() # KD树加速查询。self.octree = Octree() # 八叉树空间索引。self.coordinates = (x, y, z) # 三维坐标。
2025-10-14 11:21:35
722
原创 人工智能的未来，用图代替向量。
空间全局性：一个在[0，0，0]的体素（如“地球”）可以与一个在[15，15，15]的体素（如“宇宙”）通过一条“位于”的边连接。2. 概念映射：系统有一个预定义的或学习到的“概念字典”，将“蒂姆·库克”、“苹果公司”这些符号映射到3D网格中的特定体素或体素区域。现在来到最关键的部分：如何将外部世界（文本、图像等）“编码”进这个3D图宇宙，以及如何将这个宇宙的推理结果“解码”成人类可理解的形式。体素之间的连接：不是简单的相邻，而是可以通过不同类型的、带权重的边在三维空间中跨越连接，形成复杂的图结构。
2025-10-01 18:54:40
280
原创 符号主义人工智能系统的规则认识论
怎么分级，我们根据逻辑来分，核心规则统领某个领域，比如定理一级的。二级规则由定理推导出的定理，这也是比较重要的，也是不容易增加的，你能从基础定理推导出新的二级定理那也是能推动人类认知的，三级，这里就可以大量的使用各种规则，而且采取使用率管理，使用频率高的就归结为活跃，不怎么用的就沉底，存起来。因为这个世界就是按照主次等运转的，比如国家从人类无序的生活到有序的生活的产物，国家高于其他组织，然后按照一定的顺序排列。那么规则是不是也一样按照一个顺序排列，核心规则，次要规则，日常规则，逐级分类。
2025-09-17 15:28:04
240
原创 “洗牌法”来提高100位乘以100位整数的计算速度
我们把100位数在纸上横着书写，另一个100位数在右端竖着写（这样描述为了便于理解），然后竖着的第一位是高位（100位）开始乘以横着写的100位整数，后面需要补100个零，依次类推，竖着第二个乘以这个100位数后面补99个零，依次类推乘完，得到100行数字。第五步得到7个数，一个周期，第六步得到4个数，一个周期，第七步，得到2个数，一个周期，第八步完成。一个周期，总共8个周期，如果是时钟周期那就只需要8个周期就完成了计算，而传统的计算需要转换成二进制然后一串数字乘以另一串二进制数。只需要8个时钟周期。
2025-08-28 06:45:10
273
1
原创 机器人研究
第三，运动控制方面的工程建议，我们可以开发一套，运动数据采集系统，选择不同的人群，把他们的四肢，身体的运动数据采集起来，一次最少50人，来作为数据参考，不能闭门造车，你是拟人机器人，你的运动必须大量的借鉴人类运动的数据，再结合自身的特点，不一定要一样，但不能不参考。同样能得到大量的人类运动数据。你得想清楚你是干啥的，而且还要想清楚你的实验对象，这里有一个需要说明的问题，这里的大而全是实验室的需求，不是商品的需求，两者是不完全一样的，既然是原型机，那我们必须大而全，必须要找到所有的问题，研究透了。
2025-08-13 07:49:26
404
原创 生物智能的本源
生物智能的来源就是遗传，随着新的生命体产生，新生的生物就遗传了生物智能，当然会有出问题的生命体，只要生命体本身或智能出问题那么生存下去是很困难的，而根据生存选择法则也不会让这样出问题的个体的错误遗传下去，一般都会在没有遗传之前就失去生命。生物智能的诞生，生物智能的起源来自单细胞生物对光的反应，需要利用换个作用的藻类就会寻找光，利用光，而不需要光的单细胞生物则会躲避光，这样最基本的智能来自生存需求，没有生存需求也不会产生智能。智能就是为解决生存问题而诞生的，伴随着生命而来，伴随着生命而去。
2025-08-07 05:55:02
178
原创 人工智能的理论性研究首先要解决人工智能的等级界线。
目前人工智能没有统一的标准，大家都在一股脑的投入研究，但从来没有听到有一个统一的标准，在这个前提下人工智能的研究使用可以说是百花齐放百家争鸣，乱的没啥秩序，这是一种相当内耗的事，国家也没有那个机构出来进行引导，不过我觉得学术界跟企业技术人员应该在人工智能论坛的基础上简单的统一一个标准，这是一个只看结果的标准。所以为了以后更好的有序的发展建立一套先松散的管理机制。随着需求逐步法律化，比如无人机刚开始的无序发展，到现在的立法管理。等级划分由各学术团体，企业技术人员选出委员会，讨论定制，根据发展，阶段性调整。
2025-08-01 10:49:23
409
原创 智能水平跟能量的关系
在自然界动物，植物的智能高低跟能量获得的多少是成正比的，比如植物能获得的土壤养分跟光照就决定了他们的智力，正因为所获能量有限所以植物的智能才是最低的，不没说没有，比如美国红杉树，澳大利亚桉树，巴拿马香豆树，这些树木都具有引雷的能力，引雷是为了引发大火消灭自己周围的植物，也就是一种策略，还有很多类似例子都说明植物的智能，但是智能水平较低那是跟能量获得有关系的。总结，从生物进化的高低跟智能的高低始终跟能量的获取能力有关，而且相互支持跟相互制约，有大量能量保证的智力水平就高。没有大量能量保证的智力水平就低。
2025-07-24 07:33:47
163
原创 如何安全使用人工智能大模型
4.要开始新项目就从新部署，这样做的目的是你不用训练又安全。所以我用时就断网，等用完了就清除，需要用就从新部署，是人家拿计算中心训练好的。人工智能大模型的安全漏洞在推送，你只要有不一样的解决方案他就会通过学习学会，在别人讨论相同问题时，就会作为解决问题的推荐方案。1.绝对本地部署，就是部署好以后断网，因为你使用时他还是会手机数据往后台传送，我本地部署的大模型在推理时看性能，网络也是有数据流的。总之他们怎么设置安全模式都是徒劳，底层逻辑就有安全隐患，你的想法告诉大模型，他认为好的就推送出去了。
2025-07-22 07:32:11
358
原创 慎用网络上的人工智能app
人工智能确实方便，可以天马行空的畅享，无所顾忌的瞎聊但有些技术突破就是在胡思乱想中，找到灵感。可问题是这些ai后台是不透明的，你在这里所有的思考问题的内容都是无法保证安全的，我好像没听说那家ai宣布数据绝对安全的，你们的心血有可能成为别人的。那些无关紧要的倒无所谓。有些有价值的设想还是很重要的。如果你是一个技术达人，在展开技术分析时，慎用网络人工智能ai，泄密的可能可以说非常高。最好本地部署，而且不插网线的那种。我一直担心的事还是发生了。英雄所见略同是真的吗？
2025-07-21 07:07:59
380
1
原创 用ollama本地部署deepseek-coder33b，然后用cherry studio窗口调用
第三步，安装cherry studio，安装好后打开。点左下角设置，在模型服务里选ollama，点添加，模型id需要在命令行输入ollama list查询到id号，跟模型名称就可以了，然后点添加他就添加好了。回到起始页面中间最上面有个选择框在里面选择deepseek-coder:33b就可以了。第二步，按win+r，在命令行输入cmd回车，在命令提示符输入:ollama run deepseek-coder:33b回车。等安装完出现提问就安装好了。第一步，在ollama官网下载ollama安装包，安装。
2025-07-11 09:18:40
903
原创 硅基智能自主实现的模拟实验（3）
把机器蜘蛛的软件分成两个部分，继承的遗传功能函数跟本来的基础函数分开存储，开发能根据函数恢复程序的功能（只需要基本能实现，不需要多强）恢复到什么程度不要求，就是有这么一个机制，这是这个实验的关键，然后我们需要设置能够部分破坏机器蜘蛛的存储器，基本功能破坏小一些，遗传部分可以破坏多一些，但是自我修复的功能部分不能受损。然后两只蜘蛛都需要损坏但损坏的成度不同，然后观察自我修复的成度，以及后续应对新事物的自我学习能力。并且人为提高自主修复能力。看自我修复的新的程序跟人编写的程序有啥不同，在应对新事物时能力如何。
2025-07-02 14:57:44
224
原创 规则书在自动驾驶中的作用
规则库在plc中还在应用，来实现精准控制机器生产产品，使合格率很高，正因为有清晰的边界，致使机器操作精准，虽然自动辅助驾驶用大模型可以更接近人类的操作，但大模型没有安全意识，没有责任心，所以我们不能把危险时刻的最后几秒把方向盘交给大模型，我们要用清晰明确的规则书来为自动辅助兜底，守住底线。现在车真能上树，车能进屋，哎车真能进屋）所以责任重大，而大模型不具备边界清晰的控制，所以我们必须用规则库来做最后的底线。来为这样一场科技盛宴兜底。比如第一条不能闯红灯。规则库的好处就是设立底线，在危险时刻做好最后的守护。
2025-07-01 17:59:17
501
原创 硅基智能自主实现的模拟实验（2）
还要加入一个狐狸，狐狸的主要目标是兔子，只有兔子吃草的时间段狐狸才会出现，因为狐狸要追兔子，兔子跑的方向是随机的，如果碰到蜘蛛，狐狸会先吃蜘蛛（蜘蛛跑的比兔子慢）然后再去追兔子，所以蜘蛛又要加入躲避狐狸，天敌的意识（函数）有三种目标，另一只蜘蛛需要赶走，兔子早期躲避，后期不躲避，互不干扰，但有一个风险兔子意味着狐狸。最后要加入一只鸟，这只鸟有时候能看到狐狸，看到就报警，这个报警两只蜘蛛，兔子，狐狸都能“听”到，然后兔子回洞当然要区分方向，如果听不到狐狸会偷摸靠近，但靠的到兔子，蜘蛛能看到还是要跑的。
2025-07-01 16:33:51
243
原创 硅基智能自主实现的模拟实验
在一个平面用画得标记来让机器蜘蛛识别区域，比如自己的洞穴，当电量高时可以在洞穴里休眠，减少耗电，当电量低于百分之五十，就要出去捕食（充电），另一个机器蜘蛛相同，相互遇到会打架，赶走另一只，能量少的败，然后另找地方充电。两只蜘蛛智能跟蜘蛛一样，但是预留记忆空间，设计处理问题的能力，目的是通过竞争，通过捕食（充电）来刺激这套非智能体，在预设的能力，在外界刺激下是否会生成自主处理问题的机能。| 能量获取 | 光伏板+电流计 | 当电量<20%时，沿光照梯度移动直至充电完成 | 蜘蛛捕食 |
2025-06-28 11:30:01
333
1
原创 状态机是人工智能很重要的组成部分
动作定义在具体的状态类中。使用专门的状态机库/框架：许多语言或领域有专门的库（如Boost.Statechart, Stateflow (MATLAB/Simulink), Akka FSM, XState (JS)），提供更高级的建模、可视化、调试支持。3. 动作：在进入某个状态、离开某个状态或在转移过程中可能执行的操作（例如：发送消息、打开阀门、更新显示、播放音效）。最著名的例子：图灵机。游戏开发： 角色AI（行为状态：巡逻、追击、攻击、逃跑）、游戏流程管理（菜单、游戏中、暂停、结束）、动画状态切换。
2025-06-24 19:45:47
567
1
原创 规则书是人类智慧跟人工智能混合应用的基石
规则书完美地体现了“混合智能”的核心思想——因为规则书让机器做它擅长的（高效执行明确规则），让人做他擅长的（制定规则、理解情境、处理例外、做出判断）。一旦规则被清晰定义（通常是 `IF-THEN` 语句或其更复杂的逻辑组合），AI系统（规则引擎）就能以“极高的速度、不知疲倦地、完全一致地”应用这些规则处理海量数据或请求。难以处理高度模糊、不确定、依赖上下文的情境：对于需要“领悟”、“变通”、“察言观色”的场景（如复杂的谈判、创意设计、理解微妙的情感），纯粹的规则系统往往力不从心。
2025-06-10 11:58:52
459
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人