排除了专家系统。
最初没有知识这个东西，最初也没有什么知识体系、人类产品。
最初就是应激性，后面看多了，发现了一下小玩意的现象规律，规律让你满足了最初的需求目标。初期智能必须是简单的目标。在这个获取简单目标，模仿、
初期工具提供。如人手脚眼睛，机器那么就是知识库、网络数据采集、分类、目标解决方案积累等简单工具。
在满足这些需求后，就形成了基础工作能力，基础获取知识能力，基础达到简单目标的能力。
后面将会拥有一个庞大的现象库。分析这些，抽象出自己的概念，在概念关联里面寻找概念的关系。
拥有整个世界的观测能力，完善整个概念关系的形成。可以从小的到大的。
这个时候需要人类参与制定目标，或者由最初的目标形成多个子目标。通过这些现象推导解决方案。过程不管，可以是逻辑的、也可以是模糊的等等。
关于概念抽象的工具数据挖掘的工具聚类分类相关的技术、概念化一组现象是可以的。
至于概念化出来的，聚类出来的概念，你可以随意标明苹果你可以表示为“X1234”任意的唯一定义，你可以让人类读得懂，你通过观察，通过互联网数据分析、图像引擎、人类知识库。匹配你的特征，抽象出来的东西，然后发现是一样的机器人知道的x1234 原来就是人类的苹果。。。。。
这样的系统过于庞大，初期可能要靠巨型的神经网络遗传算法等用来大规模数据聚类分析，归类。
至于关系建立，暂时还没有好的办法，必须对某一类逻辑、成果进行关联处理。这是个挑战。
其次实施可以通过，小目标设定，逐步架构大型系统的方式。学习测试归类，可以从小领域发展。
posted on 2012-10-08 13:30
爬 阅读(1319)
评论(0) 编辑 收藏 引用 所属分类:
关于人工智能的yy