类人脑智能引擎(4)-创造更先进的模型数据。
2014-04-14 18:09
218 查看
大脑中数据模型是怎么建立起来的?又是如何诞生出更加先进有效的数据模型?为了了解这个问题,以
观赏鱼作为例子。
在野生水域里,是很难接近鱼的,这是因为它知道“看到人不跑就是死亡”类似这样的数据模型。但是在
公园里的水池里,鱼会主动接近人,我们称之为条件反射。这个条件反射是优秀的,是智能的,因为这种
数据模型清晰的表明,它这么做会饱餐一顿而且没有危险。如果这种行为延续万年,生物进化就会将这种
数据模型写进DNA,从而表现出先天能力。
那么这种智能行为是如何运作的?
第一个给水池里的鱼喂食的人,坐在了水池边,很多鱼都看到了他,鱼的大脑根据“看见人不跑就是死亡
”结合当前数据,快速响应肢体逃跑。这个时候的鱼,大脑里除了这条数据模型之外,别无其它,自然而
然会逃跑。但是总有几个可爱的小鱼,因为头脑里没有这种关系模型,又或者受到了其它关系模型的加入
,比如胆大的性格,好奇等等促使其不会做出逃跑的动作(推理)。人开始投食,一些鱼通过感官器察觉
到了食物的气味,自然而然会取食。在享受了美食后,大脑十分高效的记忆了这段抽象数据:掉下了东西
,这个东西是食物,上面有人类。这里有个重点,就是这种记忆非常非常高效。这是一种能力,这种能力
使得生物能够很好记住有益于生存的数据模型,也记住另外诸如运到天敌的数据模型,生物的进化之所以
把这种能力写入天赋,是因为这种能力非常非常有益于生存。进化论讲的就是物竞天择,适者生存。到了
这一步,鱼会很开心。当人在投入东西下来,鱼有检测到了掉下来的是食物,这样通过刚建立起来的数据
模型和当前场景数据,大脑运算出了结果,指引行为。然后大脑会提高数据模型的准确度。关于数据模型
准确度已经阐述过。当人再次抬手时,不用等到掉下食物这个环节,鱼已经运算出了将来的结果,会早早
地游出水面,等待食物。一次又一次的重复,使得数据模型的准确度一次次被提高。
现在要回答第二个问题。如果数据模型就只有最先的那一个,那就不高效了。为什么了,因为越往后
,鱼是不会从头到尾再那么仔细的思考了。无数次的动作指向唯一的结果,聪明的大脑为什么还要那么费
神的去思考。所以当人再次来到鱼池边时,那些“懂事”的鱼会立刻又过来,不假思索的吞噬掉下来的东
西,哪怕那是人类的口水。大脑这种先天能力,很容易被利用,孙子兵法里就有“先麻木敌人,而后行动
”的类似方法,就是利用了大脑的这种能力。那么现在我们继续用鱼来阐述第二个问题。
每当人来到池边喂食,鱼都会聪明的游过来享用,但是伴随着同类之间竞争的加剧,大脑必须寻求新
的方案已获得更多的食物。鱼通常会游到水面,靠近人的地方,不假思索的吞噬掉下之物。不知道大家有
没有注意到,其实新的先进模型已经产生了。就是从原先“有人-》扔东西-》检测到食物”这个模型,进
化成“有人-》必定掉食物”。很显然第二个模型先进的多,第二个模型会让鱼比同类获得食物的几率更
大。但是我有个疑问,到底是现有数据模型然后才有行为,还是有了行为,才有数据模型?也许鱼的大脑
根本就没有人这么聪明,所有的鱼都只是知道第一种模型。但是有些可爱的小鱼,偶然间接住了掉下来的
东西,然后才产生了第二种数据模型。这是先行为后模型的情况。但如果因为竞争的加剧,大脑主动的思
考到了第二种模型,那么这就是先思维而后行动了。不管是哪种逻辑顺序,即便是我无法找到案例来佐证
,我都认为是对的,在引擎的设计中都要考虑进去。我之所以这么想,是因为大脑的思维中,没有什么是
绝对正确的,也没有绝对错误。一切都是为了更好的生存。
这个案例中还有个结论没有详细阐述,就是相似数据模型的选择。待续。
观赏鱼作为例子。
在野生水域里,是很难接近鱼的,这是因为它知道“看到人不跑就是死亡”类似这样的数据模型。但是在
公园里的水池里,鱼会主动接近人,我们称之为条件反射。这个条件反射是优秀的,是智能的,因为这种
数据模型清晰的表明,它这么做会饱餐一顿而且没有危险。如果这种行为延续万年,生物进化就会将这种
数据模型写进DNA,从而表现出先天能力。
那么这种智能行为是如何运作的?
第一个给水池里的鱼喂食的人,坐在了水池边,很多鱼都看到了他,鱼的大脑根据“看见人不跑就是死亡
”结合当前数据,快速响应肢体逃跑。这个时候的鱼,大脑里除了这条数据模型之外,别无其它,自然而
然会逃跑。但是总有几个可爱的小鱼,因为头脑里没有这种关系模型,又或者受到了其它关系模型的加入
,比如胆大的性格,好奇等等促使其不会做出逃跑的动作(推理)。人开始投食,一些鱼通过感官器察觉
到了食物的气味,自然而然会取食。在享受了美食后,大脑十分高效的记忆了这段抽象数据:掉下了东西
,这个东西是食物,上面有人类。这里有个重点,就是这种记忆非常非常高效。这是一种能力,这种能力
使得生物能够很好记住有益于生存的数据模型,也记住另外诸如运到天敌的数据模型,生物的进化之所以
把这种能力写入天赋,是因为这种能力非常非常有益于生存。进化论讲的就是物竞天择,适者生存。到了
这一步,鱼会很开心。当人在投入东西下来,鱼有检测到了掉下来的是食物,这样通过刚建立起来的数据
模型和当前场景数据,大脑运算出了结果,指引行为。然后大脑会提高数据模型的准确度。关于数据模型
准确度已经阐述过。当人再次抬手时,不用等到掉下食物这个环节,鱼已经运算出了将来的结果,会早早
地游出水面,等待食物。一次又一次的重复,使得数据模型的准确度一次次被提高。
现在要回答第二个问题。如果数据模型就只有最先的那一个,那就不高效了。为什么了,因为越往后
,鱼是不会从头到尾再那么仔细的思考了。无数次的动作指向唯一的结果,聪明的大脑为什么还要那么费
神的去思考。所以当人再次来到鱼池边时,那些“懂事”的鱼会立刻又过来,不假思索的吞噬掉下来的东
西,哪怕那是人类的口水。大脑这种先天能力,很容易被利用,孙子兵法里就有“先麻木敌人,而后行动
”的类似方法,就是利用了大脑的这种能力。那么现在我们继续用鱼来阐述第二个问题。
每当人来到池边喂食,鱼都会聪明的游过来享用,但是伴随着同类之间竞争的加剧,大脑必须寻求新
的方案已获得更多的食物。鱼通常会游到水面,靠近人的地方,不假思索的吞噬掉下之物。不知道大家有
没有注意到,其实新的先进模型已经产生了。就是从原先“有人-》扔东西-》检测到食物”这个模型,进
化成“有人-》必定掉食物”。很显然第二个模型先进的多,第二个模型会让鱼比同类获得食物的几率更
大。但是我有个疑问,到底是现有数据模型然后才有行为,还是有了行为,才有数据模型?也许鱼的大脑
根本就没有人这么聪明,所有的鱼都只是知道第一种模型。但是有些可爱的小鱼,偶然间接住了掉下来的
东西,然后才产生了第二种数据模型。这是先行为后模型的情况。但如果因为竞争的加剧,大脑主动的思
考到了第二种模型,那么这就是先思维而后行动了。不管是哪种逻辑顺序,即便是我无法找到案例来佐证
,我都认为是对的,在引擎的设计中都要考虑进去。我之所以这么想,是因为大脑的思维中,没有什么是
绝对正确的,也没有绝对错误。一切都是为了更好的生存。
这个案例中还有个结论没有详细阐述,就是相似数据模型的选择。待续。
相关文章推荐
- IFC数据模型在三维引擎中模拟
- 达观数据创始人『陈运文』丨 在“智能文本”的世界里 创新创造永无止境
- 金融科技&大数据产品推荐:智能量子引擎——为网络信贷业务提供全链条的技术支撑
- 百度DMLC分布式深度机器学习开源项目(简称“深盟”)上线了如xgboost(速度快效果好的Boosting模型)、CXXNET(极致的C++深度学习库)、Minerva(高效灵活的并行深度学习引擎)以及Parameter Server(一小时训练600T数据)等产品,在语音识别、OCR识别、人脸识别以及计算效率提升上发布了多个成熟产品。
- 百度DMLC分布式深度机器学习开源项目(简称“深盟”)上线了如xgboost(速度快效果好的Boosting模型)、CXXNET(极致的C++深度学习库)、Minerva(高效灵活的并行深度学习引擎)以及Parameter Server(一小时训练600T数据)等产品,在语音识别、OCR识别、人脸识别以及计算效率提升上发布了多个成熟产品。
- 金融科技&大数据产品推荐:恒丰银行实时智能决策引擎
- 不会做特征工程的 AI 研究员不是好数据科学家!上篇 - 连续数据的处理方法 本文作者:s5248 编辑:杨晓凡 2018-01-19 11:32 导语:即便现代机器学习模型已经很先进了,也别
- MongoDB 存储引擎和数据模型设计
- 构建BI(商业智能)系统的核心——数据仓库引擎介绍
- 【Ogre引擎架构】 第四讲 模型文件渲染数据的存储机制
- 报表引擎 - 数据模型
- Unity3D修改模型的网格数据
- 数据挖掘|推荐引擎|开源项目列表
- 与数据挖掘及推荐引擎相关的开源项目
- 【Mybatis从0到1-009】订单商品模型数据分析
- 机器智能加速器:大数据环境下知识工程的机遇和挑战 | 清华李涓子教授
- O/R Mapping与数据模型
- 在MVC中,模型负责数据,视图负责表现,控制器则是程序主体或者说是负责业务逻辑。
- 最老程序员创业札记:全文检索、数据挖掘、推荐引擎应用4
- 微软SQLServer数据引擎和分析服务