人工智能軟件的編寫

1、 培訓管理資料大全 商務(wù)智庫整理人工智能軟件的編寫程洪文湖北省鐘祥市第三人民醫(yī)院 431900chenghwn摘要：本文為編寫人工智能軟件提出了新的理論和方法。1、討論了人工智能軟件的一些主要結(jié)構(gòu)、功能及編程方式，包括記憶柱、基本記憶柱群、原始記憶柱群、周圍部分、核心部分。2、簡要討論了如何將順序計算轉(zhuǎn)化為并行計算。3、討論了人工智能軟件的基本功能、高級功能及它們是如何被實現(xiàn)的，包括并行存儲、模糊興奮、狀態(tài)性興奮、學習、思維。關(guān)鍵詞： 記憶柱、展示框、獎懲中樞、狀態(tài)性興奮、調(diào)節(jié)中樞說明：為了論述方便，神經(jīng)科學的許多詞語在本文被我直接借用（如纖維、聯(lián)絡(luò)區(qū)等在本文都被直接使用，但它們都是虛擬的）。

2、計算機所具有的復制、修改、存儲文件的功能是人工智能軟件的編寫基礎(chǔ)。人工智能軟件的結(jié)構(gòu)及各結(jié)構(gòu)間的關(guān)系概述人工智能軟件可分為核心部分與周圍部分，1、核心部分包括感覺、傳出中樞的聯(lián)絡(luò)區(qū)及操作中樞（包括狀態(tài)中樞、獎懲中樞、調(diào)節(jié)中樞，調(diào)節(jié)中樞又包括“動力”中樞、目的中樞、注意力分配中樞及其它的一些輔助中樞）。2、周圍部分包括傳入部分（包括感覺中樞及其它的一些結(jié)構(gòu)）和傳出部分（包括傳出中樞及其它的一些結(jié)構(gòu)）。它們之間的大概關(guān)系是（這里只是簡要說明，具體的說明見后面的內(nèi)容）：1、如圖1，傳入部分與相應(yīng)的感覺中樞的聯(lián)絡(luò)區(qū)只是單方面的一一對應(yīng)的纖維聯(lián)系，信息只能從傳入部分到相應(yīng)的感覺中樞的聯(lián)絡(luò)區(qū)而不能反過來傳

3、遞且這種信息的傳遞不需要記憶。傳出部分與相應(yīng)的傳出中樞的聯(lián)絡(luò)區(qū)有單方面的一一對應(yīng)的纖維聯(lián)系，信息只能從傳出中樞的聯(lián)絡(luò)區(qū)到相應(yīng)的傳出部分而不能反過來傳遞且這種信息的傳遞不需要記憶。2、核心部分的各個中樞之間只通過它們的聯(lián)絡(luò)區(qū)來交換信息，只有核心部分的各聯(lián)絡(luò)區(qū)在傳遞信息時才有記憶。它們之間的關(guān)系如圖1和圖2。本文主要討論核心部分的結(jié)構(gòu)與功能。各聯(lián)絡(luò)區(qū)由原始記憶柱群組成，原始記憶柱群由基本記憶柱群組成，基本記憶柱群由記憶柱組成。操作中樞的各聯(lián)絡(luò)區(qū)另一種類型的傳入刺激一種類型的傳入刺激對應(yīng)的又一感覺中樞對應(yīng)的感覺中樞聯(lián)絡(luò)區(qū)1聯(lián)絡(luò)區(qū)2聯(lián)絡(luò)區(qū)3操作中樞的控制部分傳出中樞圖1狀態(tài)中樞注意力分配中樞目的中樞“

4、動力”中樞獎懲中樞感覺、運動中樞1、1、 “先天的”獎懲刺激與獎懲中樞的聯(lián)系是獎懲學習的基礎(chǔ)。2、 感覺、運動中樞的記憶內(nèi)容能通過“先天”的獎懲刺激與獎懲中樞建立記憶聯(lián)系而成為習得性的獎懲刺激。3、 “動力”中樞可將獎懲中樞的興奮狀態(tài)轉(zhuǎn)化為“動力”值，而使 “動力”中樞中表示“動力”值的中樞處于相應(yīng)的興奮狀態(tài)的，并與對應(yīng)的皮質(zhì)中樞建立記憶聯(lián)系。4、 如圖感覺、運動中樞的記憶內(nèi)容能與獎懲中樞、“動力”中樞、注意力分配中樞建立單向的記憶聯(lián)系。5、 目的中樞根據(jù)各個目的所對應(yīng)的“動力”值來確定主注意目的。下一級目的根據(jù)上一級目的來分配“動力”值。6、 注意力分配中樞主要根據(jù)注意目的來分配注意力。7、

5、 具體說明見人工智能軟件的操作中樞這一節(jié)。圖2記憶柱、基本記憶柱群、原始記憶柱群一、記憶柱的編寫我是以記憶柱來做為人工智能軟件興奮的基本單位的（記憶柱的結(jié)構(gòu)及各結(jié)構(gòu)的功能見圖3）。記憶柱是一段可被復制的文件，每個記憶柱由n個recordnumBer（用RN來表示）組成，每個RN是一條記錄，（配合專門的操作程序，可以使記憶柱的功能極其復雜。用記憶柱或記憶柱群即可以模擬神經(jīng)元的功能也可以模擬皮質(zhì)垂直柱的功能甚至可以模擬臟器的功能）。記憶柱之間通過傳入、傳出纖維進行興奮聯(lián)系。記憶柱被傳入纖維易化到一定程度后興奮，記憶柱興奮后傳入了興奮沖動的傳入纖維對記憶柱的易化興奮能力增強并被記憶下來。那么如果兩個

6、記憶柱之間有纖維聯(lián)系，在它們同時強烈興奮后它們之間的興奮能力便大為增強，只有同時興奮且相互之間有纖維聯(lián)系的記憶柱才能建立興奮的記憶聯(lián)系。興奮了的記憶柱傳出興奮（順序讀取圖3的第2區(qū)的記錄所指向的RN）。用專門的程序來讀寫記憶柱而實現(xiàn)記憶柱的興奮、記憶、遺忘及傳出興奮等眾多功能。記憶柱的任一個傳入聯(lián)系傳入的興奮都能在一段時間內(nèi)易化記憶柱并被記憶下來，不同傳入聯(lián)系傳入的興奮能相加，當記憶柱被易化到一定程度后便可能被興奮，然后通過傳出聯(lián)系傳出興奮，并被記憶下來。配合專門的程序，記憶柱的第一部分的記錄，可對應(yīng)反應(yīng)不同的傳入聯(lián)系對記憶柱的興奮及記憶柱對興奮的記憶、遺忘的情況，這部分記錄的一部分，記錄的是

7、時間，它們主要分別對應(yīng)記錄了不同傳入聯(lián)系最后一次興奮的時間（根據(jù)需要也可包含其它一些內(nèi)容），其余下的一部分記錄分別為不同傳入聯(lián)系最后一次興奮時的興奮值。記憶柱的第二部分記錄，分別記錄了記憶柱的傳出聯(lián)系所對應(yīng)的記憶柱的某一RN。記憶柱的第三部分記錄了記憶柱在某一刻的易化、興奮狀態(tài)，包括這一刻所對應(yīng)的時間，記憶柱的那些RN被傳入纖維興奮及記憶柱的興奮值。記憶柱之間的聯(lián)系為對應(yīng)性聯(lián)系。記憶柱圖333、記錄記憶柱的易化及興奮（包括時間、強度及一些統(tǒng)合性的信息）狀態(tài)。22、記錄傳出纖維傳出到那一個記憶柱的那一RN。11、主要記錄傳入纖維對記憶柱的興奮能力及上一次興奮的時間。需說明的是只有興奮性記憶柱而無

8、抑制性記憶柱，人工智能軟件的興奮平衡是通過其它方式來調(diào)節(jié)的。二、基本記憶柱群基本記憶柱群是記憶的基本功能單位所對應(yīng)的一群記憶柱?；居洃浿?2基本記憶柱群114433圖4如圖4為兩個基本記憶柱群?！?”是易興奮的記憶柱?！?”是興奮時興奮的記憶柱?！?”是興奮后抑制時興奮的記憶柱?！?”是其它的一些功能的記憶柱。基本記憶柱群（用JZQ來表示）至少包括（如圖4）：1、 一個易興奮的記憶柱（用YXZ表示）。2、 一個在基本記憶柱群興奮時被興奮的記憶柱（用YHXZ表示）。3、 一個在基本記憶柱群由興奮進入抑制狀態(tài)時才被興奮的記憶柱（用YZXZ表示）。如圖4，YXZ在JZQ受到狀態(tài)中樞的抑制而處于抑

9、制狀態(tài)時只能與其它的JZQ中的YHXZ建立單方面的記憶聯(lián)系，即在它們建立記憶聯(lián)系后只有YHXZ對YXZ的興奮能力增強。YXZ在JZQ受到狀態(tài)中樞的易化而處于興奮狀態(tài)時除了能與其它的JZQ中的YZXZ建立單方面的記憶聯(lián)系（即在它們建立記憶聯(lián)系后只有YZXZ對YXZ的興奮能力增強）外，還能與被興奮的JZQ中的YXZ建立相互興奮的記憶聯(lián)系。三、原始記憶柱群。所謂原始記憶柱群是指一個注意對象的一次刺激所對應(yīng)興奮的聯(lián)絡(luò)區(qū)的記憶柱。如當注意一物體的圖形時，圖形所對應(yīng)的視覺聯(lián)絡(luò)區(qū)的記憶柱便是原始記憶柱群。當注意一物體的的空間位置時空間位置所對應(yīng)的聯(lián)絡(luò)區(qū)的記憶柱便是原始記憶柱。原始記憶柱群由一群基本記憶柱群組

10、成。強烈興奮的原始記憶柱群之間才能建立較強的記憶聯(lián)系，興奮越弱，記憶聯(lián)系越弱。如何使PC機象人腦一樣具有并行興奮的能力為了使PC機象人腦一樣具有并行興奮的能力我引入了展示框的概念，展示框是由RN組成的，它的作用是記錄某一刻（本文一刻與一個記憶柱被易化興奮，然后傳出興奮所用的時間相對應(yīng)，當然如果必要且計算機的速度足夠快我們也可將一個記憶柱興奮后再傳出興奮所需的時間平分成十份，使一刻所需的時間與十份中的一份相對應(yīng)）所有被“興奮”的記憶柱，以使PC逐一讀寫完這一時刻被興奮的記憶柱后再逐一讀寫下一時刻被興奮的記憶柱（某一刻所有被興奮的記憶柱是其前一刻所有被興奮的記憶柱興奮后所興奮的記憶柱，比如一傳入信

11、息所興奮的記憶柱如果被歸入A時刻興奮的部分記憶柱則它們興奮后所興奮的記憶柱便成為A+1時刻所興奮的一部分記憶柱。），通過這種轉(zhuǎn)換就可使一次只能進行一次讀寫的PC機也能模擬人腦的并行興奮特點。需要特別說明的是：在本文，除了狀態(tài)性中樞參與的易化興奮外，記憶柱受到的某一傳入易化、興奮所持續(xù)的時間只能在下一刻結(jié)束。信息的的傳入、存儲、回憶、傳出傳入智能軟件核心部分的信息應(yīng)具有以下特點：1、信息量應(yīng)不多，且能很好的達到反應(yīng)外部世界的目的。2、應(yīng)便于核心部分的基本記憶柱群的信息處理。本文以視覺中樞的聯(lián)絡(luò)區(qū)的部分結(jié)構(gòu)為例來討論并行存儲、模糊興奮、模糊回憶（對視覺信息的處理可能還有其它更好的方法，但其傳入與處

12、理的基本原則應(yīng)不變）。視覺中樞的聯(lián)絡(luò)區(qū)視覺刺激圖5C區(qū)B區(qū)是與顏色信息相對應(yīng)的原始記憶柱群所在的地方A區(qū)是與圖形的形狀相對應(yīng)的原始記憶柱群所在的地方視覺中樞視覺聯(lián)絡(luò)區(qū)A如圖5：假設(shè)皮質(zhì)是與圖形的形狀刺激相對應(yīng)的原始記憶柱群所在的地方。當智能軟件注意一個對象時，不管這個對象在空間的那個位置，所興奮的區(qū)的原始記憶柱群都相同（對象的空間位置、顏色等參數(shù)可轉(zhuǎn)化為相應(yīng)的刺激，興奮非A區(qū)的相應(yīng)記憶柱群）。我們可以這樣來設(shè)置皮質(zhì)的記憶柱的分布與傳入信息的關(guān)系。1）將細分成有限的一些區(qū)域，任一個區(qū)域都與一次有意義視覺傳入的最小單位相對應(yīng)（任何一個區(qū)域都包含一群記憶柱）。把這些區(qū)域稱為最小反應(yīng)區(qū)。2）將注意對象

13、所充滿的空間進行平面劃分，它所劃分的區(qū)域與的最小反應(yīng)區(qū)相對應(yīng)。這些區(qū)域的任何一個區(qū)域的視覺信息在傳入到之前都轉(zhuǎn)化為具有一定角度的線段信息，注意對象便由這些具有一定角度的線段連接起來構(gòu)畫出其輪廓。與最小反應(yīng)區(qū)對應(yīng)的任何一個具有一定角度的線段在的相應(yīng)的最小反應(yīng)區(qū)中只能興奮一群基本記憶柱群中的一個相應(yīng)的基本記憶柱群（這群基本記憶柱群分別對不同的線段信息進行反應(yīng)，一次只能有其中的一個基本記憶柱群興奮）。1、并行存儲（記憶）、并行回憶。為了論述的方便，本文假設(shè)任一個注意對象在A都只有20個最小反應(yīng)區(qū)（在我們編寫人工智能軟件時最小反應(yīng)區(qū)的數(shù)目應(yīng)遠大于這個數(shù)，但機理是一樣的）與之對應(yīng)。每個最小反應(yīng)區(qū)如果所區(qū)

14、分的線段的最小角度是20,則一個最小反應(yīng)區(qū)能反應(yīng)不同的角度信息有360/20=18,再加上一個非角度刺激所反應(yīng)的信息（也就是沒有刺激），一個最小反應(yīng)區(qū)所能反應(yīng)的信息有18+1=19個，最小反應(yīng)區(qū)的每個角度信息對應(yīng)一個基本記憶柱群，也就是說一個最小反應(yīng)區(qū)可有19個基本記憶柱群。最小反應(yīng)區(qū)不能同時有兩個基本記憶柱群興奮。當一個對象刺激視覺中樞而引起A的反應(yīng)時，A只能有20個基本記憶柱群（它們分別屬于不同的最小反應(yīng)區(qū)）同時興奮，興奮了的基本記憶柱群相互之間建立了興奮性記憶聯(lián)系，從而進行了信息的存儲。再進行回憶時這20個基本記憶柱群通過興奮性記憶聯(lián)系又能同時興奮。記憶時的信息被同時存儲在不同的基本記憶

15、柱群中，回憶時又能被同時提取，這樣的記憶、回憶便是并行存儲（記憶）、并行回憶。并行存儲是指眾多的不同信息存儲在相似區(qū)域(比如對于前文的所述的A區(qū)的信息傳入：任一個注意對象傳入的刺激信息只能分別興奮被平分的有限區(qū)域內(nèi)的幾個最小反應(yīng)區(qū)，信息也就被分別存儲在那里)，我認為人腦的存儲模式是并行存儲，而計算機硬盤的存儲模式是順序存儲（即不同的信息存儲在不同的區(qū)域）。并行存儲相對于順序存儲來說其優(yōu)勢是明顯的。對于并行存儲，記憶的各部分能自然建立記憶聯(lián)系，因而它能使模糊記憶、回憶方便的實現(xiàn)。同時，其存取量、速度都是順序存儲無法比擬的。其最大的缺點就是能產(chǎn)生回憶差錯，但是回憶差錯是能被克服的。并行存儲最主要的

16、問題是回憶干擾的問題，回憶干擾的原因是不同的原始記憶柱群之間包含一些共同的基本記憶柱群。下面我提供了解決這一問題的方法。1） 并行存儲相對應(yīng)的并行回憶必須是模糊回憶。2） 一個并行存儲的文件系統(tǒng)一次只能有有限的基本記憶柱群興奮，其數(shù)量應(yīng)與一個原始記憶柱群差不多。3） 記憶迅速遺忘，只有少量記憶能轉(zhuǎn)化為中長期記憶，這樣在正常的信息刺激下產(chǎn)生的記憶可使記憶柱之間的興奮聯(lián)系密度控制在一定范圍內(nèi)。通過遺忘能使不同記憶柱的興奮能力出現(xiàn)差異，這種差異是并行回憶的基礎(chǔ)。4） 最易興奮的被選擇興奮。1、建立了記憶聯(lián)系的記憶柱之間的興奮能力遠大于沒有建立記憶聯(lián)系的記憶柱之間的興奮能力。原始記憶柱群被興奮后，組成

17、原始記憶柱群的各亞群記憶柱群之間的興奮能力便大大的加強了。當回憶時如果原始記憶柱群被興奮達到了一定數(shù)目后，通過記憶的興奮聯(lián)系應(yīng)能使興奮的記憶柱呈幾何數(shù)級的增加，也就是說興奮能力發(fā)生了突變，從而使這一原始記憶柱群的大部分記憶柱興奮。2、一原始記憶柱群與多個原始記憶柱群建立有記憶聯(lián)系，當這一原始記憶柱群興奮時，其它記憶柱大多處于非興奮狀態(tài)，然后當這一原始記憶柱群被抑制時，通過其開始傳出的興奮從而使其它的記憶柱興奮。當某群原始記憶柱群（）的記憶柱首先達到突變狀態(tài)時這群原始記憶柱群便被選擇興奮，這樣便大大減輕了記憶干擾。5） 增加基本記憶柱數(shù)。6） 采取狀態(tài)興奮的方法。7） 回憶判斷機制。2、記憶模式

18、。記憶聯(lián)系有兩種模式，一種是原始記憶柱群內(nèi)部的記憶柱之間的記憶聯(lián)系，一種是原始記憶柱群之間的記憶聯(lián)系。而第二種又有兩種模式。1）當智能軟件注意一個圖形（用K表示）時，視覺中樞的聯(lián)絡(luò)區(qū)被狀態(tài)中樞易化，這一圖形便興奮A區(qū)與圖形相對應(yīng)的20個基本記憶柱群（它們組成了A區(qū)的原始記憶柱群，用K1表示）興奮，這20個基本記憶柱群中的YXZ與YXZ、YXZ與YHXZ之間便建立了記憶聯(lián)系。如圖6大矩形代表所有與K對應(yīng)的基本記憶柱群，兩個大橢圓代表其中任意兩個基本記憶柱群，箭頭代表記憶聯(lián)系。YXZYXZYHXZYHXZ圖62）當智能軟件再注意另一個圖形（用S表示）時，如圖7：這20個基本記憶柱群被狀態(tài)中樞抑制，

19、它們的YHXZ被抑制而YZXZ開始興奮，同時A區(qū)與S對應(yīng)的20個基本記憶柱群（用S1表示）被狀態(tài)中樞易化并被S興奮，S1中的YHXZ，YXZ興奮，則S1的YHXZ與K1的部分（假設(shè)其數(shù)目是10）YXZ，S1的部分（10個）YXZ與K1的YZXZ，以及S1的YXZ與YXZ、YXZ與YHXZ之間便建立了記憶聯(lián)系。這之后S1的YHXZ興奮后便能易化或興奮K1的部分YXZ，而K1。K1（被抑制）共有10個YXZ能與S1的YHXZ建立記憶聯(lián)系S1（被興奮）共有10個YXZ能與K1的YZXZ建立記憶聯(lián)系基本記憶柱群基本記憶柱群YXZYXZYHXZYZXZ圖73）當兩個不屬于同一個并行區(qū)域的原始記憶柱群同時

20、興奮時，記憶柱之間的記憶聯(lián)系類似于第一種情況下的記憶柱之間的聯(lián)系。3、回憶模式。B、D兩群原始記憶柱群之間建立記憶聯(lián)系后，當由B的興奮回憶D時，D中被B興奮的基本記憶柱群數(shù)只要超過或等于一數(shù)值，則D的所有或絕大部分基本記憶柱群便會被已被B興奮了的基本記憶柱群興奮，這個數(shù)值便是興奮閥數(shù)。D中能被B直接興奮的基本記憶柱群的最大值是最高興奮數(shù)。因多種原因B可能只有M個基本記憶柱群能傳出興奮到D，而這時D被B興奮的基本記憶柱群能剛好達到興奮閥數(shù)，則M為回憶閥數(shù)。1） 當智能軟件欲通過K的刺激回憶與K建立有記憶聯(lián)系且在其后刺激智能軟件的對象時，興奮的K1被狀態(tài)中樞抑制其YZXZ興奮，興奮的YZXZ易化所

21、有與之建立有記憶聯(lián)系的YXZ，由專門的程序記錄下這些YXZ，并從中選出6個最易興奮且相互之間建立有記憶聯(lián)系的YXZ（在這里6個YXZ被選擇出來便能觸發(fā)狀態(tài)興奮，6便是興奮閥數(shù)），興奮與這些YXZ 對應(yīng)的狀態(tài)中樞，再由狀態(tài)中樞記憶柱強烈易化相應(yīng)的基本記憶柱群，而使這6個YXZ及相應(yīng)的YHXZ興奮。興奮的6個基本記憶柱群通過YXZ及YHXZ興奮與這6個基本記憶柱群同時被易化興奮（也就是說它們的YXZ之間有相互興奮的記憶聯(lián)系）且這時最易被興奮的14個基本記憶柱群。2） 當智能軟件欲通過K的刺激回憶與K建立有記憶聯(lián)系且在其前刺激智能軟件的對象時，K1中興奮的YHXZ易化所有與之建立有記憶聯(lián)系的YXZ，

22、由專門的程序記錄下這些YXZ，。有效回憶的機理（它是思維的基礎(chǔ)之一）刺激M對應(yīng)的原始記憶柱群為m，刺激B對應(yīng)的原始記憶柱群為b，刺激C對應(yīng)的原始記憶柱群為c，刺激E對應(yīng)的原始記憶柱群為e,m與b有直接的記憶聯(lián)系，b分別與c、e有直接的記憶聯(lián)系，由刺激A回憶起b，如果b與b相比，它們共有的基本記憶柱群達到了回憶閥數(shù)，則由b能回憶起c、e，那么相對于c、e，b與b等效，也就是說由刺激M回憶起了刺激B。如果b與b不存在等效關(guān)系，則由M不能回憶起B(yǎng)。4、 人工智能軟件的模糊回憶機理。有原始記憶柱群A、B（A、B曾分別興奮過），A發(fā)出的傳出纖維與B的一部分基本記憶柱群（用B1表示，B1應(yīng)是最大興奮數(shù)）有

23、聯(lián)系，而當B1中興奮的基本記憶柱群達到興奮閥數(shù)時通過記憶聯(lián)系能使所有的B興奮。當A、B建立記憶聯(lián)系后， A對B1的興奮能力便大大增強。A再興奮時便可興奮B1，B1又能使大部分B興奮。與A相似的興奮能興奮大部分B1（用B2表示），如果B2包含的基本記憶柱群的數(shù)目超過或等于興奮閥數(shù)，B2便能使B興奮。1） K1與S1建立了記憶聯(lián)系，K1的20個基本記憶柱群與S1中的10個基本記憶柱群有直接的興奮記憶，而K1中的12個基本記憶柱群至少與S1中1012/20=6個基本記憶柱群建立有記憶聯(lián)系。2） 一個對象F對應(yīng)的A區(qū)的基本記憶柱群為F1，F(xiàn)與K相似，F(xiàn)1與K1共有的記憶柱群F1K1為12個基本記憶柱群

24、。3） 如圖8：以F為對象進行回憶，則F1被狀態(tài)中樞抑制時，F(xiàn)1K1也被狀態(tài)中樞抑制，F(xiàn)1K1的YZXZ剛好使S1的6個YXZ興奮而觸發(fā)S1的興奮，從而完成回憶。在F1K1的作用下F的回憶內(nèi)容可與K的回憶內(nèi)容相同。（由于在這里只要有超過12個基本記憶柱群相同便能產(chǎn)生一次有效的回憶因而12便是回憶閥數(shù)）4） 也就是說一個對象與K相似到一定程度（有12到20個基本記憶柱群相同）便能觸發(fā)相同的回憶，這便是模糊回憶的機理。F1K1K1F1有12個基本記憶柱群S16個基本記憶柱群圖85、狀態(tài)性興奮。狀態(tài)性興奮：在一群被易化了的記憶柱中產(chǎn)生的興奮稱為狀態(tài)性興奮。狀態(tài)性興奮應(yīng)是智能軟件必有的功能，否則智能軟

25、件便只能進行最基本的回憶，稍復雜的回憶便無法進行。在有大量的記憶的情況下，只有并行存儲模式才能使狀態(tài)性興奮方便的實現(xiàn)。假設(shè)K1與F1、S1建立有記憶聯(lián)系而K2與S1、F2建立有記憶聯(lián)系。如果要回憶即與K1建立有記憶聯(lián)系又與S1建立有記憶聯(lián)系的對象，則需要狀態(tài)性中樞（它不同于狀態(tài)中樞）的參與。其過程是：在狀態(tài)性中樞的參與下先記錄下由于K1的興奮而可能被興奮的所有的YXZ，然后在K1易化的基礎(chǔ)上記錄下所有由于K2的興奮而可能被興奮的所有的YXZ，最后從這些被記錄下的YXZ中選擇6個最易被興奮且相互之間有記憶聯(lián)系的YXZ興奮，從而產(chǎn)生回憶。由于K1、K2都與S1建立有記憶聯(lián)系的，因而被記錄的S1中的

26、YXZ被易化的強度是F1、F2的兩倍，被選擇的YXZ自然是S1的，因而S1被回憶。S1S1K1K2K2K2F2K1K1F1圖9如圖9：K1易化興奮的S1的YXZ為S1K1，在K1易化興奮的基礎(chǔ)上，K2再易化興奮S1K1的S1K1K2，K1易化興奮的F1的YXZ為K1 F1，K2易化興奮的F2的YXZ為K2 F2?？煽闯?，S1K1K2 的YXZ的易化興奮能力遠大于K2F2、K1F1的YXZ的易化興奮能力。因而回憶時，S1K1K2被選擇，從而回憶的內(nèi)容為S1。其它類型的狀態(tài)回憶的機理類似。6、 信息的傳出。用傳出中樞的一群記憶柱的興奮代表傳出聯(lián)系的基本組成單位。一個傳出聯(lián)系就是多個這樣的記憶柱群按

27、一定方式興奮的結(jié)果，不同的傳出興奮可通過傳出中樞的聯(lián)絡(luò)區(qū)對應(yīng)核心中樞不同的興奮狀態(tài)。如果用文字來輸出信息，我們可使其基本單位為短線段、角度、時間、空間，這是因為任何字我們都可以用大量的具有不同角度的短線段在一定時間內(nèi)組合出來。也就是說只要方法得當我們可以編寫出，其傳出信息能反應(yīng)自己的核心中樞對信息處理結(jié)果的人工智能軟件（這種能力需長期學習獲得），并且這樣的信息能被人理解。人工智能軟件各局部之間的纖維聯(lián)系聯(lián)系的原則是：a) 能使并行存儲、回憶實現(xiàn)。b) 能使模糊興奮、回憶實現(xiàn)。c) 纖維聯(lián)系盡量少（這將有效減少計算量）。d) 回憶差錯的發(fā)生概率在容忍范圍內(nèi)。我想可有下面的聯(lián)系方式。1、 各個感覺

28、中樞及傳出中樞與其聯(lián)絡(luò)區(qū)的纖維聯(lián)系是一一對應(yīng)性聯(lián)系，它們之間不存在記憶聯(lián)系問題。2、 纖維聯(lián)系問題主要是聯(lián)絡(luò)區(qū)的基本記憶柱群之間的聯(lián)系問題?？捎幸韵聨追N聯(lián)系方式。1） 每個基本記憶柱之間都有相互興奮的纖維聯(lián)系。這種方法最簡單，但只在智能軟件包含的記憶柱較少的情況下可應(yīng)用，否則計算量太大。2） 通過各種方法減少記憶柱之間的纖維聯(lián)系（這種情況下往往使回憶差錯的概率增大）在能滿足并行存儲、模糊興奮、回憶的前提下，回憶差錯的概率應(yīng)在能容忍的范圍內(nèi)。假設(shè)另一感覺中樞的聯(lián)絡(luò)區(qū)（用Q表示）的結(jié)構(gòu)與視覺中樞的聯(lián)絡(luò)區(qū)（A）的結(jié)構(gòu)相似。那么如果以第一種方式來聯(lián)系則每個YXZ的傳出聯(lián)系有20191919741個。每

29、個基本記憶柱群的基礎(chǔ)傳出聯(lián)系有74132223個。但如果只是各中樞內(nèi)部的YXZ采取這種聯(lián)系方式，而各中樞的內(nèi)部及各中樞之間采取以下聯(lián)系方式：A區(qū)的YZXZ、YHXZ只與A、Q的10個最小反應(yīng)區(qū)的YXZ有纖維聯(lián)系（因而10便是最大興奮數(shù)），這種聯(lián)系是A的一個最小反應(yīng)區(qū)的每個YZXZ或YHXZ與Q、A的對應(yīng)的兩個最小反應(yīng)區(qū)的所有的YXZ有相應(yīng)的纖維聯(lián)系。Q對A的傳出聯(lián)系類似。這樣每個YXZ的傳出纖維的數(shù)目為1919361，YHXZ、YZXZ的傳出纖維的數(shù)目總和為（192192）2152，每個JZQ的傳出纖維的數(shù)目為361152513也就是說總體纖維聯(lián)系只及第一種聯(lián)系方式的512/2223=0.23

30、。這種聯(lián)系方式能方便的實現(xiàn)并行存儲、回憶及模糊興奮、回憶（為什么這樣說大家可直接參照本文關(guān)于記憶、回憶模式及模糊回憶的論述）。如果以每10個最小反應(yīng)區(qū)為單位采取這種類似的聯(lián)系方式則每個JZQ的傳出纖維的總數(shù)為199219419151436,。當然我們也可采取其它的方式來減少智能軟件的纖維數(shù)目（可能有其它的方式更有效率）。但隨著纖維數(shù)目的減少也會帶來回憶差錯的增加，應(yīng)使纖維數(shù)目盡量少而回憶差錯的發(fā)生概率卻在容忍范圍內(nèi)。回憶時不可頻繁出現(xiàn)回憶差錯，同時這種回憶差錯能通過內(nèi)省或其它方式（如學習）而消除。人工智能軟件的操作系統(tǒng)（操作中樞）顧名思義人工智能軟件的操作系統(tǒng)是統(tǒng)籌人工智能軟件運行的程序，它的

31、作用就是使記憶柱的興奮及人工智能軟件的注意、感知、記憶、回憶、思維、輸出能順暢進行不發(fā)生沖突，且功能更強大。它主要包括三部分：1、獎懲中樞。2、調(diào)節(jié)中樞。3、狀態(tài)中樞。一、獎懲中樞。必須有事先設(shè)定的獎懲刺激（“先天”的），“后天”的獎懲刺激在“先天”的中介下學習形成。對獎懲中樞的興奮有兩種方式，一種由的獎懲刺激興奮，一種是在某些情況下主注意目的實現(xiàn)之后興奮。與獎懲中樞同時興奮的原始記憶柱群能與獎懲中樞建立一定的記憶聯(lián)系。二、調(diào)節(jié)中樞。調(diào)節(jié)中樞的主要作用是接受其它中樞的信息傳入，經(jīng)處理后調(diào)節(jié)狀態(tài)中樞的興奮狀態(tài)。它包括“動力”中樞、目的中樞、注意力分配中樞。1、 動力中樞及目的中樞。注意目的分為，

32、1、主注意目的。2、亞注意目的。3、階段主注意目的。有不同的記憶柱群來代表各種注意目的，它們分別與不同的注意目的所對應(yīng)的對象建立聯(lián)系。（什么性質(zhì)的皮質(zhì)內(nèi)容與代表主注意目的的記憶柱群建立記憶聯(lián)系是直接確定的。而什么性質(zhì)的皮質(zhì)內(nèi)容才能與代表其它目的的記憶柱群建立記憶聯(lián)系通過獎懲學習獲得，一旦學習獲得了這種能力后今后便也能直接確定）“動力”：經(jīng)“動力”中樞的轉(zhuǎn)換獲得獎賞的思想行為與正“動力”相對應(yīng)，逃避獎賞的思想行為與負“動力”相對應(yīng)，獲得懲罰的思想行為與負“動力”相對應(yīng)，逃避懲罰的思想行為與正“動力”相對應(yīng)?！皠恿Α笔亲⒁饽康牡漠a(chǎn)生、持續(xù)、轉(zhuǎn)換的原因?！皠恿Α敝袠械墓δ苁怯嬎恪⒎峙?、記憶“動力”。

33、“動力”調(diào)節(jié)中樞是調(diào)節(jié)注意目的動力變化的中樞?！皠恿Α钡挠嬎恪⒂洃?、變化1、 將獎懲中樞的興奮狀態(tài)轉(zhuǎn)化為“動力”值，而使 “動力”中樞中表示“動力”值的中樞處于相應(yīng)的興奮狀態(tài)，并與對應(yīng)的皮質(zhì)中樞建立記憶聯(lián)系，這是所有類型的主注意目的的“動力”形成的基本方式。2、 由主注意目的產(chǎn)生的目的的“動力”，由主注意目的的“動力”而來，各種目的的“動力”的大小、衰減模式、增加與減少的模式是長期獎懲學習的結(jié)果。3、 其目的是發(fā)現(xiàn)“動力”可能大于現(xiàn)在的主注意目的的目的，這樣的目的是臨時主注意目的，它的“動力”應(yīng)大于主注意目的的動力。4、 “動力”調(diào)節(jié)中樞包含兩部分，一部分興奮后增加相應(yīng)目的的“動力”，另一部分

34、興奮后降低相應(yīng)目的的“動力”，這兩部分都能通過獎懲學習與皮質(zhì)中樞建立記憶聯(lián)系。注意目的之間的關(guān)系：1） 回憶起的內(nèi)容與獎懲中樞的關(guān)系（或其直接對應(yīng)的“動力”）如果使其與主注意目的相比具有更大的“動力”，則它與目的中樞代表主注意目的的記憶柱群建立聯(lián)系而成為主注意目的。與主注意目的同時存在的注意目的是亞注意目的（亞注意目的有兩種，一種與主注意目的有直接的聯(lián)系，一種與主注意目的沒有直接的聯(lián)系）?；貞浧鹋c主注意目的有記憶聯(lián)系的一些內(nèi)容，通過回憶認為如果某一內(nèi)容成為現(xiàn)實后主注意目的才能實現(xiàn)，則它為階段注意目的。2） 回憶起由哪一行為開始便可能達到目的，則根據(jù)主注意目的的“動力”對它臨時分配“動力”，使“

35、實現(xiàn)這一行為”成為階段主注意目的，將這一行為的起始對象做為主注意對象，則思維、行為由它開始。認為可能影響主注意目的實現(xiàn)的因素被做為亞注意對象，同時亞注意目的也被做為亞注意對象。人工智能軟件隨時都有注意目的，有注意目的就有注意力的分配。臨時主注意目的產(chǎn)生的方式。（臨時主注意目的是特殊的主注意目的）1） 注意目的、注意力的分配、皮質(zhì)的興奮是相互協(xié)調(diào)的，當在外力的作用下而興奮的皮質(zhì)與注意目的不一致時，與之相一致的注意目的便成為臨時主注意目的。2） 而如果發(fā)現(xiàn)可能會有“動力”大于主注意目的的目的，則尋找“動力”大于主注意目的的目的便成為臨時主注意目的。（這種能力不需編程產(chǎn)生，可通過獎懲學習獲得。2、注

36、意力分配中樞。注意力分配的主要內(nèi)容為1、各種目的的注意力的分配。2、智能軟件的“大腦”各局部的注意力分配（如聽覺中樞、運動中樞、調(diào)節(jié)中樞等）。分配的原則為：使智能軟件在環(huán)境下能正常的感知及完成任務(wù)。智能軟件在某一刻只能有有限的注意力被分配，分配注意力有專門的記憶柱群來完成。分配多少注意力主要根據(jù)它要完成目標的過程中所分配的“動力”來確定，主注意對象分配絕大多數(shù)注意力，亞注意對象分配少量的注意力（分配的“動力”在完成目的的過程中不斷變化），在主注意目的下的習慣性易化對象（包括“大腦”各局部）被分配了更少量的注意力。注意力調(diào)節(jié)中樞包含兩部分：一部分興奮后增加相應(yīng)對象的注意力，另一部分興奮后降低相應(yīng)

37、對象的注意力，這兩部分都能通過獎懲學習與皮質(zhì)中樞建立記憶聯(lián)系。在完成某類目的的時候注意力如何分配是長期獎懲學習的結(jié)果。在某目的下先根據(jù)認識進行注意力的分配，如果正確則今后在完成這類目的時候就這樣分配注意力。如果錯誤便不能完成任務(wù)，則通過獎懲學習獲得該如何分配注意力。主注意對象正興奮著的、被分配了大部分的注意力的內(nèi)容是主注意對象。亞注意對象與亞注意目的相對應(yīng)，被分配了少量的注意力的對象為亞注意對象。常注意力在主注意對象及亞注意對象之外給各種中樞所分配的少量的注意力。3、思維的基本單位。人工智能軟件思維的基本單位：一個主注意對象對應(yīng)的基本記憶柱群的興奮、傳出興奮后的抑制是思維的基本單位。三、狀態(tài)中

38、樞。1、 狀態(tài)中樞可分為兩部分，一部分接受、處理注意力分配中樞所傳入的信息后，控制另一部分的易化狀態(tài)或被興奮能力。另一部分與皮質(zhì)存在對應(yīng)性聯(lián)系。一個狀態(tài)中樞的記憶柱影響一個記憶的基本功能單位。狀態(tài)中樞的功能為：1）使可能產(chǎn)生回憶干擾的皮質(zhì)（如視覺中樞）所對應(yīng)的狀態(tài)中樞的記憶柱在某一刻只能有有限的記憶柱興奮，易興奮的記憶柱被選擇興奮。2）當一個并行區(qū)域的原始記憶柱群的YXZ被選擇出來后1、可能興奮對應(yīng)的狀態(tài)中樞的記憶柱，興奮的狀態(tài)中樞的記憶柱反過來又會強烈的易化對應(yīng)的基本記憶柱群。而使原始記憶柱群強烈興奮，成為主注意對象。2、不能興奮對應(yīng)的狀態(tài)中樞的記憶柱，這些原始記憶柱群也不可能強烈興奮，也不

39、可能成為主注意對象。3）將注意力分配中樞所分配的注意力轉(zhuǎn)化為實實在在的強度不同的易化（對皮質(zhì)和對應(yīng)的狀態(tài)中樞的易化）或被興奮能力。其方法可為：當一群記憶柱被分配了注意力后則可以調(diào)低這群記憶柱及對應(yīng)的狀態(tài)中樞的記憶柱的興奮閥值，注意力分配的越多，則興奮閥值越低，或采取其它方法（如直接給這群記憶柱以易化）或多種方法并用。調(diào)節(jié)中樞、獎懲中樞、狀態(tài)中樞之間通過編程獲得的“先天”的關(guān)系是不成熟的，成熟的關(guān)系需要經(jīng)過長期的獎懲學習獲得。高級功能的實現(xiàn)智能軟件先通過獎懲學習使正確的興奮得到選擇，然后使被選擇的興奮習慣化（“動力”的分配、主注意目的的確定等能力都需要先獎懲學習，然后再習慣化）。所謂興奮習慣化是

40、指由于多次興奮、記憶，使某一記憶柱群對另一記憶柱群的的興奮能力足夠強，即使在分配極少的注意力的情況下它的興奮仍能使另一記憶柱群興奮。智能軟件實現(xiàn)高級功能的能力，需要一群習慣性興奮的獲得。狀態(tài)性興奮與習慣性興奮是智能軟件高級功能的基石。獎懲學習的機理如下：1、人工智能軟件首先要學習獲得提高獎懲學習效率的能力：1）首先通過獎懲學習獲得不知如何完成目的時應(yīng)多方試驗。2）一個人工智能軟件如果不知如何完成目的（如果人工智能軟件將行為記憶組合起來實現(xiàn)了記憶的目的，那么它便知道如何完成目的，反之），在完成或沒能完成之后應(yīng)使獎懲中樞與這之前的某一可能引起這一結(jié)果的行為建立記憶聯(lián)系。當能熟練完成后則不需建立記憶

41、聯(lián)系。（知道如何完成目的的狀態(tài)所興奮的記憶柱群有共同的記憶柱群興奮。同理不知道如何完成目的的狀態(tài)所興奮的記憶柱群也有共同的記憶柱群興奮。而知道與不知道完成目的所分別興奮的記憶柱群之間有固定的不同的記憶柱群興奮。這群記憶柱群決定了完成目的后，是否回憶是什么行為使目的完成或不能完成，并使這一行為與獎懲中樞建立記憶聯(lián)系。早期可能是隨機的回憶起完成或沒能完成目的之前的某一行為使之與獎懲中樞建立記憶聯(lián)系，隨著不斷的學習，能力的增強，智能軟件能迅速回憶起使目的完成或沒能完成的行為，并使之與獎懲中樞建立記憶聯(lián)系。）2、智能軟件在實現(xiàn)一目的時，如果一群記憶柱群（用A表示）興奮后目的能完成，而另一群記憶柱群（用

42、B表示）興奮后目的不能完成，則在多次完成與不能完成目的后，A能與獎賞中樞建立記憶聯(lián)系，而B與懲罰中樞能建立記憶聯(lián)系。那么再要實現(xiàn)這一目的時通過回憶A能興奮獎賞中樞從而被分配了正“動力”，而B被分配了負“動力”，A便被選擇興奮。即使在開始學習前，在實現(xiàn)這一目的的過程中A被興奮和興奮相應(yīng)的記憶柱群的能力遠低于B，但通過不斷的學習在實現(xiàn)這一目的的過程中A被興奮和興奮相應(yīng)的記憶柱群的能力便會逐漸超過B，并最終遠遠超過，則當再解決那一問題或與之相似的問題時，即使沒有獎懲中樞的作用，興奮也會是A而不是B。經(jīng)過多次的完成這一目的，當A在完成這一目的時被興奮和興奮相應(yīng)的記憶柱群的能力足夠強時，在完成這一目的時

43、A的興奮便會成為習慣性興奮。這便是人工智能軟件獎懲學習的機理。有關(guān)注意目的的具體實例如下。在街上找某東西是主注意目的。在街上找時如果行走不是很熟練且在行走分配少量注意力的情況下，行走能完成，則行走做為亞注意目的。這時智能軟件邊行走邊搜尋東西。如果行走很熟練了，則行走不做為亞注意目的而在主注意目的狀態(tài)下直接分配很極少量的注意力。在行走出現(xiàn)問題時行走便會成為臨時主注意目的，找東西成為亞注意目的。在街上尋找時在一些刺激的作用下可不斷產(chǎn)生臨時主注意目的。狀態(tài)性興奮的具體實例： 1） 偶然發(fā)現(xiàn)一物體后，要回憶這一物體的稱呼。目的是要回憶起一物體的稱呼。2） 在對圖形熟悉且能熟練的輸入圖形刺激的情況下，回

44、憶稱呼始終是主注意目的，輸入圖形刺激是在主注意目的下的習慣性行為。這樣視覺中樞被分配了少量注意力而語言中樞被分配了大量注意力?；貞浀目赡苓^程為：1、視覺習慣性的注意這一物體的總體使視覺中樞相應(yīng)的記憶柱興奮。興奮的記憶柱便會易化相應(yīng)的記憶柱（用P表示），則P及其被易化程度被狀態(tài)性記憶柱群記錄下來，在狀態(tài)回憶沒有完成前，狀態(tài)性記憶柱群始終使P保持這一易化狀態(tài)。2、視覺再習慣性的注意這一物體的某一局部，視覺中樞先興奮的記憶柱被抑制，同時這一局部的刺激使視覺中樞相應(yīng)的記憶柱興奮，興奮的記憶柱便會易化相應(yīng)的記憶柱，然后是易興奮的記憶柱先興奮，從而產(chǎn)生狀態(tài)性回憶，狀態(tài)性記憶柱群的記憶被釋放。（當然，如果不

45、能產(chǎn)生狀態(tài)性回憶便可能是下一次習慣性注意后才產(chǎn)生回憶）。模糊識別beeyx為論述的方便，這里以平面圖形為例來討論。假設(shè)皮質(zhì)是與視覺傳入的圖形刺激相對應(yīng)的原始記憶柱群所在的地方。當智能軟件注意一個對象時，首先將這個圖形按一定標準進行轉(zhuǎn)化，使其長軸的角度與標準長軸角度一致，而轉(zhuǎn)化的信息使相應(yīng)的記憶柱群興奮。然后不管這個對象在空間的那個位置，所興奮的區(qū)的原始記憶柱群都相同（對象的空間位置等參數(shù)可轉(zhuǎn)化為相應(yīng)的刺激，興奮非A區(qū)的相應(yīng)記憶柱群）。如圖10：帶箭頭的都是標準長軸。a圖101、 按一定標準確定對象的長軸與寬軸（e是對象的長軸），使其長軸與其角度最小的標準長軸a相重合（如圖10：假設(shè)有四個標準長

46、軸將平面均分，標準長軸之間的最小夾角是45度。）2、 使對象充滿視覺空間。3、 轉(zhuǎn)換參數(shù)興奮相應(yīng)的原始記憶柱群。4、 這樣不管圖形在平面（空間）的那一點，只要其長軸與a相差一定角度（小于22.5度）則它在A區(qū)興奮的原始記憶柱群相同。5、 在能識別其長軸與a相差一定角度（小于22.5度）的某圖形后，再注意這一對象時，這時其長軸與a的角度大于22.5度，而與標準長軸x的角度小于22.5度，這種情況下智能軟件無法識別，但在智能軟件通過轉(zhuǎn)換視角而使其與a的角度小于22.5度的情況下，產(chǎn)生識別。這樣，通過記憶聯(lián)系，在這一對象與標準長軸x的角度小于22.5度的情況下也可被直接識別。6、 通過多次的學習記憶

47、則不管對象e處于平面（空間）何處，位于那一角度都能被直接識別。對一物體的記憶一般應(yīng)經(jīng)過多次注意、記憶，（如何選取注意對象需經(jīng)過長期的獎懲學習，而最終被習慣化）因而這一物體在智能軟件的記憶庫中對應(yīng)一群原始記憶柱群。其中的任一個原始記憶柱群被興奮便可能產(chǎn)生識別，當然在一些情況下如果不能產(chǎn)生識別，多興奮幾個原始記憶柱群利用狀態(tài)性興奮最終會產(chǎn)生識別。如圖，經(jīng)過信息轉(zhuǎn)換，圓和多邊形在區(qū)興奮的記憶柱群應(yīng)是完全相同的。也就是說第一次注意無法區(qū)分這兩個對象。如圖：在注意了對象的整體后再習慣以圖的局部為新的注意對象則它們在區(qū)興奮的記憶柱有大的差別，這時通過狀態(tài)興奮便能進行識別。局部1圖以局部1為新注意對象對某類

48、物體的識別能力是學習的結(jié)果，它與識別習慣（習慣是習得的）密切相關(guān)，識別習慣包括注意習慣與回憶習慣。運動對象的記憶與回憶對于一運動該怎樣記憶、回憶一時也難于說清，但1、智能軟件能記憶對象的空間位置，能記憶在不同空間出現(xiàn)的先后，能記憶運動的圖象特征，而有了這些便能表示一個對象的運動。2、對于一個運動來說只需要讓有限的運動狀態(tài)被回憶，便能將一運動與其它運動區(qū)分開來，因而只需要有限的運動狀態(tài)被記憶。而智能軟件能容易的具有這種功能。因而我認為智能軟件能對運動對象進行記憶與回憶。抽象思維的獲得只要智能軟件具有以下能力，它便具有抽象思維的能力：1、用符號代表具體的對象。能通過具體的對象的變化關(guān)系來推斷符號的

49、變化關(guān)系，反之亦然。2、能通過符號間的關(guān)系來推斷符號間的關(guān)系。智能軟件的抽象思維能力是學習獲得的。對象的任一個特性或其變化規(guī)律只要能被智能軟件感知或描述，便能至少對應(yīng)智能軟件一個原始記憶柱群，便能與符號對應(yīng)的記憶建立記憶聯(lián)系。因而可用符號代表具體的對象。當用符號來代表具體對象的特性時，在目的是通過具體對象的變化規(guī)律來類推符號的變化規(guī)律的情況下，當智能軟件獲得了具體對象的特性的變化結(jié)果后能在狀態(tài)性中樞的參與下習慣性（這種習慣性是學習獲得的）的易化興奮符號所對應(yīng)的中樞，使之興奮（符號能與對象的特性的變化結(jié)果相對應(yīng)），從而獲得了符號的變化結(jié)果。反之亦然。智能軟件能記憶符號間的關(guān)系狀態(tài)及關(guān)系狀態(tài)之間的

50、關(guān)系，并根據(jù)這些記憶的回憶通過狀態(tài)興奮來得出符號間的未知關(guān)系（這種推導機理與具體的對象之間的關(guān)系推導類似）。比如由a>b,b>c推出a>c，在無具體實例類比的情況下，欲由a>b,b>c的信息推斷出a>c必須有這方面的記憶。目的是得出a與c的關(guān)系，這一目的會易化相應(yīng)的記憶柱（包括表示大于、等于等記憶柱群），同時a>b,b>c的信息刺激也會興奮、易化相應(yīng)的記憶柱，并都由狀態(tài)性中樞做相應(yīng)的記憶，最后從這些易化的記憶柱中選擇最易興奮的記憶柱興奮，從而使a>c得到選擇產(chǎn)生回憶（如果沒有以上所說記憶便不會產(chǎn)生這樣的回憶）。這里a>b的刺激在智能軟件中對應(yīng)一興奮狀態(tài),b>c與a