本文整理自本论坛「人工智能有奖讨论帖」用户kelvinma02的回复

01

当前人工智能AI分两种。

其一，以扎克伯格为代表。从现实主义思想基础出发，认为只要电子设备能够具备某种单一的识别功能，即叫做人工智能。例如，能够达到x%的语音识别率，就叫做人工智能。这是当前AI舞台的主流。

显然这个定义很狭隘。不符合理想主义者的口味。理想主义者心中的人工智能，应当像电影《HER》中的美女一样。所以，此类单一功能型人工智能，应叫做狭义AI。

其二，以马斯克、霍金为代表。从理想主义出发，认为电子设备应该具备与人一样的人格结构。并具有与人一样的记忆、学习、推演、探索、发明、创新等能力。这样才够资格叫做人工智能。

显然，这个含义的范围更广泛。故叫做广义AI。当前的名称很混乱，也有叫做真正的人工智能，强人工智能，类人格人工智能等。

本帖用广义狭义来做区别。

狭义派对人工智能的前景并不乐观。狭义派不认为AI可以发展到威胁人类安全的程度。认为AI不可能超越人脑。这没说错，狭义AI的确不可能超越人脑。

然而，还有另外一种人工智能——广义AI。这很像当年美国原子弹研制计划中的裂爆组与聚爆组的剧情。裂爆组得到了大量的关注及几乎全部的资源支持。而最终只有几个组员及一间破办公室的裂爆小分队却成功了。

关于AI是否能够超越人脑，狭义AI当然不能，就不多说了。重点讨论广义AI的基本原理，及现实的可行性。话题依然为AI是否超越人脑。

回答能或不能，如同以不能为0，能为1。

若0，不能。则电路关闭，逻辑推演终止。也就不必多说什么了。

若1，能。则必须继续演绎出该怎样做。

若能。则必须有下文。

02

当前热点在“语音识别”。各大公司的解决思路，简单粗暴。大数据+算法。而广义AI则从智能设备的整体功能需求，来考虑语音识别问题。这就要求工程师必须对声的认识达到逻辑学高度。需要在逻辑本质层面上回答：什么是声。本帖就从这里开始讨论。

电子设备将声定义为：麦克风输入的信号叫做声。具体到电路，声AD输入电路的电脉冲叫做声。CPU接通麦克风电路，叫做听。代码1。CPU关闭麦克风电路，叫做不听。代码0。听则是声。代码1。不听则非声。代码0。听则是声。不听则非声。听不听与是非，两者始终相同，故合并。

当声AD电路中有电脉冲流动时，叫做有声。代码1当声AD电路中无电脉冲流动时，叫做无声。代码0。有声则开始计算频次。频次用n表示。按照逻辑规模公式，建立逻辑规模电路。逻辑规模公式为：Σ=2^n-1

由于n从是声非声开始算起的。而计算频次却从有声无声开始。故将第二次作为的第一次。

这样逻辑规模公式就被改装成：Σ=2^n

而且这样改后，十进制的Σ与二进制的n恰巧吻合。为什么说n为二进制？

n来自频次。1次反复，则进一位。

例如：

第1次频点反复，n=1，代码为1。Σ=2。

包含0-1，2个逻辑位置。

第2次频点反复，n=2，代码为11。Σ=4。

包含00-01-10-11，4个逻辑位置。

第3次频点反复，n=3，代码为111。Σ=8。

包含000-001-010-011-100-101-110-111，8个逻辑位置。

第4次频点反复，n=4，代码为1111。Σ=16。

包含16个逻辑位置。

第5次频点反复，n=5，代码为1,1111。Σ=32。

包含32个逻辑位置。

第6次频点反复，n=6，代码为11,1111。Σ=64。

包含64个逻辑位置。

第7次频点反复，n=7，代码为111,1111。Σ=128。

包含128个逻辑位置。

第8次频点反复，n=8，代码为1111,1111。Σ=256。

包含256个逻辑位置。

主频震动48次，会有多大的逻辑规模呢？

若n=48，

Σ=2^48=281,474,976,710,656281(Tb)还多。这超过了绝大多数民用硬盘的容量了。主频震动48次是多少秒呢？

小米4手机主频为：1.2GHz。1024×1024×1.2=12582912 Hz12582912次/秒÷48次=26214.4 /秒.两万六千分之一秒。段取一个48位的代码。具有接近300Tb的短时记忆容量！

只需要设计一套符合各种名义关系的的数码结构，外加一个合适的算法。广义人工智能与现实的距离，其实很近很近。

继续讨论语音识别。前边聊到：有声则开始计算频次。频次用n表示。也就是开始分别二声。

有差别(有异)为1。无差别(有同)为0。

此后全如此分别同异，并用0与1来表示同异。一直分到n=48。这样就得到了一个，48位的，规模惊人的声编码结构。穷竭了所有的声及声与声的差别。每段代码为一48位二进制数。任何声都能在这个声编码结构中找到自己的位置。

任何声的变化，也能在这个声编码结构中找到自己的变化轨迹。这种记录代码变化顺序的轨迹，叫做逻辑函数。类似用二维坐标来表达三角函数一样。广义AI用塔式三维坐标，来表达逻辑函数。逻辑函数，可表示任何一段声音。

03

上一部分，简单介绍了逻辑规模坐标系。这个坐标系，很像一个金字塔。可叫做金字塔数码系。或叫做金字塔坐标系。

金字塔数码系有什么优点呢？

来看看传统的三维坐标系。做个对比。x轴为波长。y轴为振幅。z轴为频率。

说振幅、频率、波长，决定一个声音。若用这个方箱体系来编码一段声音，将寸步难行。

插几句句题外话：模数转换，可以不讲道理。输入端怎么将模拟信号转为数码，在输出端就怎么将数码还原为模拟信号。这很像加密与解密。只要能还原，错误的理论，也可以实现数码的输入输出。各自的理论及技术，决定的是失真程度的差别。

回到今天主线。

若用三维方箱体系来编码一段声音，将寸步难行。

首先，遇到的难题是：方箱体系描述的为一单波的情况。不能描述长音段包含短音段的关系，更难以描述更复杂的多层音段叠加关系。什么叫做多层音段叠加呢？

例如：语音“天地玄黄”。

含有几个字音？

天，一个。

地，一个。

玄，一个。

黄，一个。

共四个字音。

每个字音，包含哪些拼音？

天，t-i-an。三个不同的拼音。

地，d-i。两个拼音。

玄，x-u-an。三个拼音。

黄，h-u-ang。三个拼音。

以“天”tian为例，拼音中包含哪些声？

t，t头...t尾。

i，i头...i尾。

an，a头...n尾。

以an为例，还包含有更细微的声吗？

a，a头...a-n转换段...n头。

n，n头...n尾。

还能再分，叫做声波。还能再分，叫做纯逻辑。(很难解释。然而这是事实。)还能再分，叫做01数码。

高层可识别音段，包含低层可识别音段，再包含更低层，再包含人耳不可识别的细微波段，再包含极微量子级的一波。再包含纯逻辑。逻辑由01数码组成。这种现象，叫做多层音段叠加。(这个名称很不准确。其现象本质为逻辑关系的积累与聚集。可叫做“逻辑函数”。这个名称会令人感到陌生。所以，依然使用“多层音段叠加”来命名上述现象。)

若采用传统的三维箱体坐标系，来面对这种多层音段叠加，想要找到声波变化的固定规律，以用来搞语音识别，其难度不可想象。对于智商很高的精英，也是不可完成的任务。

若采用金字塔坐标系，声音段的层级关系，就会立即直观地显现出来。相信一名普通的高中生，也能很快发现语音中那些本来隐藏得很深，却始终固定不变的韵律。熟练以后，就会像识乐谱的音乐家，听到乐曲就能写出音符那样。听到声音，就能随即写出其代码。

写出那些固定的代码段，就叫做声音或语音的编码。

例如，写出汉语普通话的标准发音代码段。或者写出风雨雷电蚊蝇猫狗的声音代码段。

例如声音：嗡 - - -

时长4秒。假设主频8Hz，即每秒8次，每次0.125秒。假设分8段。每段1/8秒。

w，0.125秒=1/8秒，逻辑层n=1，频率f1，代码00000001

e，0.125秒=1/8秒，逻辑层n=2，频率f2，代码00000011

ng，0.125秒=1/8秒，逻辑层n=3，频率f3，代码00000111

ng，0.125秒=1/8秒，逻辑层n=4，频率f3，代码00001000

ng，0.125秒=1/8秒，逻辑层n=5，频率f3，代码00010000

ng，0.125秒=1/8秒，逻辑层n=6，频率f3，代码00100000

ng，0.125秒=1/8秒，逻辑层n=7，频率f3，代码01000000

ng，0.125秒=1/8秒，逻辑层n=8，频率f3，代码10000000

同于前为0，异于前为1。

这个例子只为了解释原理。

也只表达了局部的相对编码原理。

全部的声，在金字塔数码系中，

还有其一一对应的绝对代码位置。

相对代码，用来摄取、识别等操作。

绝对代码，主要用来建立整体知识体系。

两种代码，可用固定的算法转换。

经过模数转换器AD的转换，得到的代码，叫做转码。

不经过AD，人为发明制定其标准并按标准编写的代码，叫做编码。

若对当前AD加以改造，使转码原理符合编码原理，

那么，转码所得代码被识别，就轻而易举了。

04

潜伏在识别现象深层的是系缚及等起现象。

关于系缚与等起，本帖前边聊过。可翻看楼上查阅。

系缚，负责初次建立此是彼的联系。

经反复而成熟后，彼此两现象将牢固地捆绑在一起。

比如张飞初次见到关羽，经刘备介绍，张飞将这个红脸凤眼长须的面貌与姓名关羽建立起了联系。

等于张飞心说命名句(或定义句)：

此面貌是彼关羽。

等起，负责系缚建立后，此有故彼有，此生故彼生。

比如张飞又见到红脸凤眼长须的面貌后，心说判断句：

此面貌是彼关羽。

记住一个单词或记住一首歌曲背诵一篇文章诗词等一切记忆现象，都必然经历这两个过程。

其中，若先闻其名称后知其含义，叫做定义句。

例如，开始上课，数学老师说“今天讲对数”。

那么“对数”就是先知道的名称。同学们却不知道其含义。

然后老师讲了，“若2^n=Σ，则n叫做以2为底Σ的对数”。

这时，同学们就知道什么是对数了。建立了此是彼的名义系缚。

这就叫做定义句。

相反，若先知道含义，后知道其名称。则叫做命名句。

学英文，大多都是命名句。

例如，红色都认识。含义早就已知，并被汉语固定其义。

然后学到了red这个英文词。建立了red与红色的名义系缚。

这就是命名句。

命名句、定义句、判断句，在语音识别乃至AI的研发过程中，占据重要位置。

深度学习，就是要实现名义系缚。就是要建立命名句及定义句。

语音识别，就是要实现名义彼此等起。

图像识别、触屏识别、传感器识别、雷达识别，也都是在已经建立系缚的基础上，实现等起。

可以肯定地说，实现了名义的系缚与等起，就创造出了智能现象！

也就实现了人工智能。

本帖正是在讨论实现系缚与等起的数码原理。

尽管人工智能的认识与人类智能的认识，内容或许不一致。

然而，只要保持命名句、定义句的彼此内容与人类一致，

判断句内容就必然与人类一致。

例如，听到某声音，使机器系缚的彼义与人类等起的彼义相一致，

则机器对世界的判断与认识，也将与人类相一致。

而且，机器的欲求及任务队列顺序，来自工程师。工程师是人类。

所以，目前并没有什么可担心的。

机器觉醒，目前还是天方夜谭。

霍金可能是意识到了广义人工智能的门槛其实很低。

可能比狭义AI发展更快，更容易。

或许有坏人利用这东西干坏事。

故此，他有些担心。并不断发表AI恐怖论。

马斯克也看到了广义AI即将成为现实，并感到有威胁。

故而走上了人机连接的道路。以对抗即将诞生的广义AI。

而扎克伯格，则将在广义AI产品摆在他面前时，目瞪口呆。

国内从大佬到民间，很少有人相信机器会有名副其实的智能。

就像当年没几个人相信会有原子弹一样。

然而，在一些不起眼的角落里，

被称作科技决战的广义AI研发竞争，正在进行。

05

回到金字塔数码系看看。

首先看这个坐标系有几维？

怎么计算维数呢？

应先搞清维的定义。

搞清维的定义，才能作出此是彼一维的判断句。

逻辑上可做如下定义：

按照相邻两位相差1规则排列的同义队列，叫做逻辑维。

更逻辑化的定义为：

相邻两位互非的同义队列，叫做逻辑维。或叫做逻辑非。

可用任何含义代入逻辑维。

例如，代入时间义，叫做时间维。

时间义中的两个时间相邻的时刻相差为1。

所以，逻辑时间数应为：

123456789...100..800...这样的自然数。

可直接用二进制数码表示。

时间次序定义为：无限递增1。

逻辑维上相邻各位仅具互非关系，本无递增1的单向进位关系。

逻辑维上各位无起点与终点，无方向，故不进位。

时间维由于指定了一个起点，故时刻队列则立即具有了相邻递增1的关系。

也就是二进制进位关系。

这种进位关系的逻辑本质，依然为互非。

例如：

0非1。故0进位后变为1。

1非0。故1进位后变为0。

直线一维。维上含义：点。

时间一维。维上含义：时刻。

次序一维。维上含义：次第。

一维上的任何逻辑位置，都可直接用二进制数码来表达。

那么，一维上的含义，也可以直接用二进制数码来表达。

在语音识别编码中遇到的任何一维的名义，

都可凭这个原理而直接编码。

平面二维，包含着下层的两个含义：前后与左右。

前后作为一维。

左右作为一维。

前后与左右为垂直关系。那么，逻辑上垂直怎么定义？

两点之间只有一维，故点与点不具垂直关系。

一维不具有垂直关系。

垂直必须是维与维的相互关系。

而且这二维必须在同一逻辑系中的同一逻辑层级上。

分属于不同逻辑层级上的二维，不具垂直关系。

例如，

前后维与左右维，同属于视觉系，并在同一视觉层级上。

前后维与强弱维，不属于一系。

前后与黑白，虽属于一系，却不在同一支系上。

前后与高低，虽同系，却不同级。

高低义建立于上下义之下。逻辑低一级。

草根化定义：

同系同级相邻两位互非的二义队列，叫做逻辑垂直。

学术化命名：

同系同级相邻两位互非的二义队列，叫做逻辑非非。

例如：

前非非左右。

二维相邻两位有4种关系：00,01,10,01。

位于金字塔数码系第二层。

若代入空间义。

空间含有上下、左右、前后三义，故有三维。

邻两位有8种关系：000，001,010,011,100,101,110,111。

位于金字塔数码系第三层。

以下依金字塔数码系n次类推。

理论上可包含无穷维的无穷含义及相互逻辑关系。

而且，金字塔数码系中每个逻辑位为1时，

都可接通并展开另一个金字塔数码系。

再加上数码系与数码系之间的各种算法关系，

就组成了一个惊人庞大的金字塔套金字塔套算法的数码结构。

这个结构，叫做大数码。

注意：不是大数据。而是一个整体的大数码。

无需寻址操作。数码既是代码，又是物理地址。

无需缓存，速度飞快。

存储与运算一体。

用来搞自动驾驶，不会有运算卡滞，反应慢，硬盘不足等问题。

更准确地说，自动驾驶问题，不值一提。

06

不是很能看懂？

那今天就把这两天聊的内容理一理。

金字塔数码系的数学公式，即逻辑规模公式：

Σ=2^n

n=1,Σ=2

n=2,Σ=4

n=3,Σ=8

n=4,Σ=16

n=5,Σ=32

n=6,Σ=64

n为逻辑反复次数。

例如如水波的起伏次数。或琴弦的震动次数。

震动1次1位：例如0或1，都是1位数

震动2次2位：例如00或11，都是2位数

震动3次3位：例如000或111，都是3位数

震动4次4位：例如0000或1111，都是4位数

震动5次5位：例如00000或11111，都是5位数

震动6次6位：例如000000或111111，都是6位数

这里的位，为二进制数位义。有几位就有几个数字。

容易与逻辑位搞混。这里的位全称叫做“数位”。

Σ为逻辑规模，即n次时的逻辑位总数。

震动1次2个逻辑位：

0-1

震动2次4个逻辑位：

00-01-

10-11，

震动3次8个逻辑位：

000-001-010-011-

100-101-110-111，

震动4次16个逻辑位：

0000-0001-0010-0011-

0100-0101-0110-0111-

1000-1001-1010-1011-

1100-1101-1110-1111，

震动5次32个逻辑位：

00000-00001-00010-00011-

00100-00101-00110-00111-

01000-01001-01010-01011-

01100-01101-01110-01111-

10000-10001-10010-10011-

10100-10101-10110-10111-

11000-11001-11010-11011-

11100-11101-11110-11111，

震动6次64个逻辑位：

000000-000001-000010-000011-

000100-000101-000110-000111-

001000-001001-001010-001011-

001100-001101-001110-001111-

010000-010001-010010-010011-

010100-010101-010110-010111-

011000-011001-011010-011011-

011100-011101-011110-011111-

100000-100001-100010-100011-

100100-100101-100110-100111-

101000-101001-101010-101011-

101100-101101-101110-101111-

110000-110001-110010-110011-

110100-110101-110110-110111-

111000-111001-111010-111011-

111100-111101-111110-111111，

每个逻辑位，都有唯一的数码相对应。

例如64位就有64个数码。

当震动48次，会有多少逻辑位呢？

n=48，

Σ=2^48

=281,474,976,710,656

=274,877,906,944(kb)

=268,435,456(Mb)

=262,144(Gb)

含义怎么代入数码系中呢？

1、先搞清含义层级关系。

例如，1平方包含两直线，前后与左右，或长与宽。

例如，1声波含频率、波长、振幅三维。

更复杂的含义，例如“苹果”义包含：

形状：上下-左右-前后，(或x轴y轴z轴三维坐标)

颜色：光波三维。

表色：指运动时表现出来的色。非形状，非颜色，层级虽复杂，

也要一直分到一维。

2、找到某含义最顶层的一维义。

例如，平方中的直线为一维，为最顶层。

例如，声波中的振幅为一维，为最顶层。

例如，三维坐标中的任何一维，也为最顶层。

3、相邻两逻辑位互非叫做一维。

例如，前非后。左非右。

例如，波起非波伏。

例如，琴弦震动的两边，此边非彼边。

这些一维上的相邻两位都是互非关系。

4、逻辑上最根本的互非关系为是非关系。是与非，两义互非。

互非关系用代码0与1表示。

5、逻辑互非关系，本来不包含动静义。仅仅互非。不具有方向义。

比如一条只有刻度，没有箭头与数字的坐标轴。

刻度上的数字0-1-2-3-4-5-6...这样的相邻递增1的关系,

在逻辑上，本来并不存在。

甚至，维上相邻的ABC三点究竟是1还是0？是是还是非？

也不存在。仅有刻度。

若确定B点为1，则前点A为0。后点C为0。

若确定B点为0，则前点A为1。后点C为1。

形成了01010101...每相邻两位互非的逻辑关系。

故一维上只有1位数。逻辑位只有0与1两个位置。

位于金字塔数码系最顶层。即n=1层。

若确定A点为起点，则

A：000000，

B：000001，

进位

C：000010，

D：000011，

进位

E：000100，

F：000101，

G：000110，

H：000111，

进位

I：001000，

J：001001，

K：001010，

L：001011，

M：001100，

N：001101，

O：001110，

P：001111，

进位

Q：010000

....

自然序数转二进制，自己往下排排看。

看出来了吧？

2-4-8-16-32-64-...

这就是个金字塔结构。

一维上任何一位，相对于维上其它位，都呈现金字塔关系。

本来逻辑维上并没有无限递增1的进位关系。

指定了开始，指定了n=1，即出现了维的方向。也就是坐标轴的箭头。

然后，就有了必然的数码排列。

数码内容无限。含义穷竭。

6、任何含义，只要做到理清层级，指出各个一维，

则可得到与其含义相应的数码系。

例如，声含三维。三个数码系穷竭全部声。

例如，时间一维。一个数码系就可穷竭全部时刻。

例如，空间三维。三个数码系可穷竭宇宙的所有位置。

三维坐标不稀奇。不能体现大数码的优越。

苹果义，有几维？

形状：一层三维。(含义层与逻辑层不一样。不要搞混。)

颜色：一层三维。

表色：多层三维。

气味味道，电子设备不能感知。不论。

触屏触觉：一层二维。

车载雷达触觉：多层，多维。

声音：三维。

(单独一门语言的苹果发音三维。若再加一门语言应再加三维。)

轮转时间：三维。

(轮转时间包含现在过去未来三义，与单向时间不一个概念。)

3+3+3+2+3+3=17维。

苹果相对于类似手机的电子设备，具有17维。

至少17维才能满足听懂发音并等起含义的语音识别需求。

或见到苹果可作出此是彼苹果的判断句。

仅仅一个苹果义，就具有17维。

若读取一篇文章，需要篇段句词字的层层取义，

将会包含数量庞大的维数。

仅仅维数就吓人，更何况其相应的数码变化。

大数据派对人工智能的复杂程度，没有清晰的认识。

他们只是感到很复杂，却不知道有多么复杂。

可以肯定地说，大数据在人工智能领域，不会有很大的作为。

大数码，可能是唯一的出路。

07

讨论语音识别，频率、振幅、波长三大含义占有很重要地位。

通常认为，

频率决定音度的高低。

振幅决定音量的强弱。

波长决定音色。

音度高低的识别是语音识别的关键。

先来讨论音度、频率。

来看频率定义：

秒反复次数。

这个定义中出现了三个含义“反复”“次数”“秒”。

频率可以不用秒，用小时也可以。只是不应叫做Hz。但还具频率义。

那么换句定义：

单位时间内重复的次数，叫做频率。

来看速度定义：

单位时间内移动的距离，叫做速度。

若用米作为距离单位，则该定义修改为：

单位时间内米重复的次数，叫做速度。

发现频率定义与速度定义的内容很相似。

显然，频率也是一种速度。

频率义为重复的速度。

速度重复越快，频率值就越大。

这样，定义中的“秒”可以去掉了。

只剩两个含义：单位时间(时段)，次数。

时间：一维。即一个逻辑规模数码系。

次数：一维。也为一个逻辑规模数码系。

二维即可实现将频率编码。

频率可用二维逻辑数码来表达。

时间及次数组成的二维，可穷竭所有频率。

所有频率都可在这个二维数码系中找到相应的代码。

这样就实现了一个关键功能——穷竭。

(不是穷举。容易搞混。)

有了这个二维速度数码系，音度高低的两两对比，

在数码系电路的物理地址上就可直接显现出来。

简谱或五线谱，定义了哆1唻2咪3发4嗦5啦6西7的八度关系。

即可穷竭五个8度范围内的任何变化。

也可记录、固定、识别某段变化。

这就实现了用乐谱创作歌曲、记录歌曲、识别歌曲。

频率穷竭二维数码系的原理，与乐谱很相似。

只是范围更宽广、音符更多、音符排列更细密。

可记录识别电路能力范围内的任何一段音频变化。

一句语音，比如一首音符更多、音频排列更细密的歌曲。

用二维数码系来记忆识别一句语音，并没有什么难度。

08

——品字结构的三四四三原理

本帖中常提到的几个名词：

逻辑规模Σ=2^n

金字塔数码系

大数码

这三个名称所指的都为同一个逻辑演变现象。

如前所述，逻辑规模公式，不仅仅是一个单一的公式。

而是一个由公式计算出的塔式数码结构。

这个结构既包含有二进制，又包含有十进制。

若指出该结构表上的一个逻辑位置，

就可直接找到其对应的二进制或十进制。

用来分析名义的逻辑层级及关系，叫做逻辑规模。

用来将名义数码化，叫做金字塔数码系。

用来存储及随时调取，叫做大数码。

然而，有了这个神奇的公式及数码结构表，还不足以搞定广义AI。

还面临一些难题——系缚等起及代码的段取。

前边聊过，系缚等起是机器实现智能化的理论上的核心动作。

实现了名义数码化之后，得到的仅仅是可数码化的穷竭数码系。

其中指定并记忆具体的哪个名称是哪个含义，这叫做代码化。

那么，机器还应做到的是，在各名义穷竭数码系中，

系缚上具体的代码，并可及时地等起。

人类系缚等起的运作过程，前文简单聊过。

现在来聊聊系缚中系与缚的结构问题。

这个问题对于理解数码系中具体代码的结构设计原理很关键。

若不理解品字结构，而试图设计其它的结构，

以实现数码系中具体代码的系缚等起，则很难逃脱大数据的思路。

品字结构是大数码区别于大数据的最本质特征。

什么叫做品字结构呢？

一系内含过去现在未来三分段。每分段一缚。

一缚中分四段。每段一系。

如此系含缚，缚含系，呈现三四四三的双层关系。

如品字三口，每口四画，故命名为品字结构。

一个系缚的详细过程如下。

 “天地玄黄”为四字一串的词，

发音为四段一系的语音段。

也就叫做四分段连成的一系。

连成一系后，四字的先后时间顺序被固定。

说天时，天的发音在现在。地玄黄发音在未来。

说地时，地在现在。

天刚刚说过。在过去。

玄黄在未来。

说玄时，玄在现在。

天地在过去。

黄在未来。

说黄时，黄在现在。

天地玄在过去。

若立即重复，则天在未来。

若不再重复，则天地玄黄都在远处的未来。

显然未来有两种：

一，接下来立即发生的近处未来。

二，将来某时才可能发生的远处未来。

当天地玄黄成为远处的未来时，也就成为了记忆。

所记忆的内容，通常认为在过去。怎么成为未来了呢？

由于时间的轮转结构，未来与过去只是相对的建立的含义。

并没有绝对的未来，也没有绝对的过去。

就像地球的东西是相对的一样。

这很像当年人们对地球的认识。

福格先生从伦敦出发一直向东，80天后，

却从美国东海岸，也就是伦敦的西边，横渡大西洋，回到了伦敦。

过去未来也是这样的一个封闭的轮。

用1234来代替天地玄黄。也可代替所有的四字语音段。

若立即重复，则其顺序为：

1-2-3-4-1-2-3-4-1-2-3-4-....

4后边接着1。首尾相连，是一个封闭轮。

相对于现在而分别出过去未来。并没有绝对的过去未来。

5字语音也这样。n字语音也都这样。

前边聊过，时间义，一维单向无限递增1。

每个时刻都有相应的逻辑位置。且绝不重复。

起点确定，终点敞开，不封闭。

并没有终点。也无封闭轮转现象。

然而，一件事情从发生到结束，叫做时段。时段有终点。

若立即重复，则有了首尾相接的封闭轮转现象。

轮转开始，则遵循时间义一维逻辑演变。

轮转结束，则逻辑规模到此为止。

故任何可重复现象，其时段都为一系首尾相接的封闭的时轮。

语音现象也为可重复现象，也必经历这样的可重复的时轮。

这样的时轮，沿着敞开的一维时间数码系而轮转。

就像火车轮子沿着轨道轮转前进一样。

语音天地玄黄含有如下五个时段：

天字音时段。

地字音时段。

玄字音时段。

黄字音时段。

天地玄黄总时段，从天的开始时刻到黄的结束时刻。

显然，总时段套分时段。时段有两层。

总时段，作为时轮，沿着时间维轮转前进。

分时段，作为时轮，沿着总时段时轮而轮转前进。

比如小齿轮围绕大齿轮转动。大齿轮沿着时间轨道转动。

在语音识别上，一系语音比如一个大齿轮。

一系含有多少字，就有多少个小齿轮。

不好意思，文字叙述有点复杂，其实并不很复杂。

您可以剪四张小圆纸片，每张一个字，写上一个四字成语。

再剪一张大圆纸片。

用大头针把小纸片，按成语次序，钉在在大纸片边上。

然后，在桌子上滚动大圆纸片。

再观察其时序关系。就一目了然了。

天地玄黄这个例子中分时段有两种：

一，一字一段，共4段。若有x个字，则x段。

二，现在过去未来3段。无论多少字，都分3段。

3段时段总长，等于总时段。

那么，不仅仅这个例子，任何一系现象都有两种分时段：

一，x分时段。

二、过去现在未来3轮转时段。3时段可体现轮转现象。

过去现在未来3段，与时段义不同。

由于每段的时长，次次增减变动。故每段有各自的含义。

过去段，每次递增1字段。0+1≤x (字段数x)

现在段，等于1字段。1

未来段，每次递减1字段。x-1≥0

如同轮子的接地点，随着轮转不断变动。

接地点叫做现在。

转出去的叫做过去。

将要转进来的叫做未来。

如此重复。

语音也是这样。

正在发音的字段叫做现在。

刚刚说过的叫做过去。

将要说的叫做未来。

而过去未来，都为非接地点。怎么做区别呢？

以一系的终点作为未来的终点。即为过去未来的区分点。

这样区分后，

那个即将发生的近处未来，就叫做本次未来。

那个过去变成的远处未来，就叫做下次未来。

即在下次重复轮转时，过去才会变成未来。

而每个字音时段，也是一个小的时轮。

小时轮也应有过去现在未来。

例如“天”字音时段为“t-i-an”。

相对于天地玄黄一系，t-i-an作为一体而不分时段，叫做一缚。

形成一粗层系缚。

然而，t-i-an作为一系，作为总时段，

t音就成了一体的一缚。成为了分时段。

也包含本次下次的过去现在未来3段轮转结构。

形成一细层系缚。

这样双层的粗三段包含细三段的结构，就叫做品字结构。

这个品字结构及原理，即为代码在数码系中段取及流转的原理。

您若读懂了这些原理，您一定会相信，

理论上，广义AI要比狭义AI更容易实现。

那些智能神奇的机器人，距离当代，并不遥远。

09

——三四四三的四 前边聊过三四四三的三，

所指为任何一段可轮转重复现象的过去段、现在段、未来段。

又叫做三世。 三四四三的四，

所指为现象本身的内容含有两两相对的四义。

例如，视觉上的前后左右四义。

例如，声音上的势力胀缩四义。 一眼看到的图像只能是平面的，而不是立体的。

立体需要三眼。也就是需要有过去，还要有未来。

所以，机械制图需要三视图。

三维才能凭视觉发现立体。一眼看到的图像是平面的。又叫做一方。

一方具有二维上下左右四义。

上下相对。左右相对。

设一方六面为x-x'，y-y'，z-z'

第一眼从x看到x'方。具有上下左右四义。第二眼从y看到y'方。具有上下左右四义。

第一眼x'方在过去。第三眼从z看到z'方。具有上下左右四义。

第一眼x'与第二眼y'在过去。第三眼结束后。

一立方x'y'z'三方的三世总段，全在过去。成为记忆。

三方内容相同，同为上下左右四义。

由于还没有定义观察者自身的上下，故还没有建立绝对上下义。第四眼从x看到x'，

由于已经建立了总段过去记忆，故有x'y'z'可做对比。

x'y'z'-x'=y'z'，故有了未来y'z'。

未来时间与未来内容，含义不同。容易搞混。

未来有时间，未来不一定有内容。

未来内容依赖总段与过去段的减法。

若无可重复的过去，则无对未来的预知。 第五眼从y看到y'，x'在过去。z'在未来。

z'在未来也是总段减去已出段得出的。 第六眼从z看到z'，z'y'在过去。z'在现在。

x'y'z'都在下次未来。 重点在x'y'z'都包含上下左右四义。

三个四，完成了一个立方的记忆。故叫做三四。 然而，每一眼，也是需要时间的。

用硬币迅速划过眼前，不能识别是正面还是背面。

成像需要时间。成方为最小的成像。也需要一段很短的时间。 那么，每一方的上下左右，也是需要时间。

也就需要一个过去现在未来的三世轮转。 识别一方，叫做一眼。

识别一方中的四义，还没有完成一眼。故不叫做一眼。

而叫做一分别。 第一分别，得到了上下。

第二分别，得到了义相似，但异于过去上下。即左右。

第三分别，得到可轮转重复的上下左右。即一方。

或说用一个中点代替上下左右四方。 上下左右四义中，又分三段。故叫做四三。粗轮三四，细轮四三。很像品字。

故叫做三四四三品字结构。或叫做品格。 粗轮细轮是相对建立的。今天聊的细轮为量子级的最细细轮。

系缚行为即按照这个品字结构来完成。

随着系缚名义的增多增大，粗轮细轮都会更粗。

然而其相对结构及相对的三四四三关系始终不变。 在声音中，也有这样的品格结构。

声最细轮为波。

一波应有势力胀缩四义。 拉开琴弦不松手指，叫做蓄势。简称势。

义为仅有其向对面运动的势。却没有运动的事实。 松开手指，释放琴弦，叫做发力。简称力。

势力义，与振幅很近似。 释放后，完成一个冲程时，

产生了一个完整的垂直于释放方向的膨胀。简称胀。

也就是一个由内向外的波长。 回程后，膨胀消退变成坍缩。简称缩。

也就是一个由外向内的波长。

也可理解成声传播介质密度的增大与减小。

形成了声脉冲。 势力胀缩四义，等于一声之方。

粗轮过去段含有势力胀缩四义。

现在段未来段也含有势力胀缩四义。

三段四义。叫做三四。 比上下左右更明显。

粗轮每分段中的势力胀缩，也为一个过程。也需要一段时间。

也要经历一次二次三次。

故叫做四三。 故声音也为品字结构。 品字结构中，

粗轮三四，过去现在未来先后相续明显。

如同线绳串着一串珠子。叫做一系。 细轮四三，时段现象不明显。似乎是一下子出现的一个整体。

如同一串珠子中的一颗颗珠子。看不到珠子内部的联系现象。

叫做一缚。 系缚是定义句所依赖的根本结构。

离开系缚，难以实现定义句。自定义、自学习更不可能。

深度学习，这个词很无聊。

学习多了，自然就深了。

深度学习与学习只有量的不同，并没原理上的本质差别。干嘛要深度学习呢。So tm what.——马云像个葫芦里卖药的。故作高深。骗了钱就跑路。

10

——轮转与相对 最细微的轮转为01反复。

尽管01反复一点也不像是一个圆形的轮。

然而，0接1，1接0，封闭循环。完全符合逻辑上的轮转定义。

01反复轮转，即逻辑规模Σ=2^n中，n=1的情况。 n=2时，

逻辑规模为00-01-10-11

轮转情况为：00-01-10-11-10-01-00回到起点。首尾相接。

这种情况比n=1时要复杂一点。

不直接反复，中间多了几个环节。

其中，从00到11，都是进位，可以理解。

从11回到00成了退位，这表面上不符合逻辑演义基本规则。 逻辑演义应遵循同一律，必须遵守同一规则，不可变更。这叫做基本规则。轮转也应当按照同一规则进行，不可变更。

前半轮进位，后半轮退位，演变规则似乎变化了。逻辑上怎么解释呢？ 这需要讨论逻辑轮转演义是怎么发生的。 任何差异，都来自对比。

若无对比，则无差异。 对比必须有彼此二体。

若无彼此二体相对，则不可作出对比。 逻辑规模公式Σ=2^n，其中的2，指相对的彼此有2。 彼此对比的逻辑运算为减法。此-彼=?，只有且必有两种结果：

此-彼=0，同。

此-彼=1，异。彼此对比，必有同异二义。

同异穷竭了一次对比的所有结果。 对比1次，得到0、1的两种差。

其中差得1，叫做差异。 逻辑从同异开始，就来自对比。若无对比，则无逻辑。

数码从01开始，就来自对比。若无对比，则无数码。 Σ指对比的全部结果。

n在对比现象中，指对比的次数。

(n在名义层级中还指层数，在运转中还指运转的反复次数。)

2指每次对比只能彼此两边相对比。

Σ=2^n指彼此对比次数与对比结果的关系。 彼此对比的全部结果，并不轮转，静止不动。 那么谁在动呢？次数n在动。

人的识别行为，即对比行为。

人的对比行为不会停止，自始至终都在不停地做对比。

机器也可如此。 每次对比，都只有一个结果。

这个结果，必不超越逻辑规模Σ的范围。否则不合逻辑。

n=1，1次对比，结果或者同0。或者异1。

对比结果是1时，则非0。

对比结果是0时，则非1。

01总相对。同异也总相对。 究竟是0还是1，逻辑本身并不决定。

此是0或此是1的判断，需要另一组相对关系。

需要引入是非二义。

是代码1。

非代码0。 是非同异组合，结果只有四种00-01-10-11。

00非同。

01非异。

10是同。

11是异。

逻辑规模达到了4逻辑位。并不轮转。然而这个过程最终完成了此是异的判断。 从说此是异开始，逻辑演义开始。轮转也从此开始。

即从11开始，逻辑演义开始。轮转开始。例如，奥运会百米赛跑开始前，裁判员的秒表指针不动。

发令枪一响，裁判掐表，指针开始运转。 看2层轮转代码00-01-10-11-10-01-00

在11之前，即00-01-10-11，这四个逻辑位不轮转。只穷竭其全部规模。并完成对比动作。11之后开始轮转。

10-01-00才叫做轮转。

轮转的法则，类似倒计时。故遵循退位法。而不应进位。

例如，说天地玄黄时，说一字少一字，直到全说完。

也是退位法。对于熟悉的熟练的新生事物，都退位法。

十一外出自驾旅游，去程总感到路远。回程总感到路近。也是由于这个原理。

去程步步都新，都为逻辑新进位。

回程已经有了整体的记忆，步步都为旧退位。系缚建立过程，遵循进位。

系缚建立后的等起识别或再推演过程，遵循退位。非则进位得是，是则退位到非。

生后必灭，月圆后必缺，新陈代谢，推陈出新，

水波起伏，琴弦上下，等所有现象，

都必须遵循同一个轮转逻辑，即进位到极点后则退位。或者说，进退反复叫做轮转。轮转义为进退反复。根本规则只有一个，即最初的01反复。进位退位合起来，就是轮转总规则。符合同一律。 来看n=3时的轮转情况。

进位000-001-010-011-100-101-110-111到达极点。

退位110-101-100-011-010-001-000回到起点。

也如此。这就是一个轮转数码结构。任何代码，应符合这样的结构来建立系缚并存储，才可最终实现，在大数码结构中流动，并瞬间等起。 符合这样的结构，才可能满足语音\视频\触屏\显示等的一体系缚及等起。

12

——广义AI工程主要项目清单 要搞定广义AI，必须完成下列项目。 1、识别能力解决方案。

机器最基本的识别能力应有三种：

语音识别。

图像识别。

触觉(触屏)识别。

各类传感器识别。(用于有机械运动的机器人。)

雷达识别。(用于无人驾驶车辆。)是否做到识别的判别标准为：

能否作出，与人类共识相同的，此是彼判断句。

例如，见到苹果能产生“此是苹果”的意识反应。事实上，只要符合逻辑，

与人类共识不同的判断句，也同样具有现实意义。 2、做命名句能力解决方案。

命名，是做判断的前提。

若没有第一次的，此现象是彼名称的，命名句，

就不可能产生此是彼判断句。

人们不可能对从未出现过的新事物现象，作出此是彼的判断。

此是彼判断句中的彼，一定在过去层被命名过。是否能做到命名的判别标准为：

·能否做出与人类文明(语言文字等)相同的，此是彼命名句。

·能否作出代码命名句。大多数成年人的思维，都依赖母语。

一脉文明的语言中，名词只有八九千个。最多10万个。

而机器从开始到成年都使用逻辑数码。

大量的现象可用代码直接命名。

例如，红色1，红色2，甚至红色1000。代码命名句，组成了机器远超人类的庞大知识体系。 3、做定义句解决方案。

定义，是做理解的前提。

定义内容越接近逻辑根本，理解就越深刻。是否做到合乎逻辑的定义的判别标准为：

能否作出合乎逻辑的，此是彼定义句。逻辑是宇宙世界都共同遵守的根本法则。

若有火星人，那么火星人也必须遵守逻辑。

否则就不可能与人类共存于同一世界。定义最终应落实到逻辑。

定义应以逻辑为准则，而不应以某位科学家所说为准则。逻辑是诚实思维的最终尺度。机器AI用逻辑数码做定义，并用逻辑数码进行思维。

逻辑数码就是机器的母语。

这样，在思维的诚实能力上，

能轻易超越历史上所有的人类科学家。

机器不会用谎言来思考。甚至不用语言来思考。直接使用逻辑。

从定义的深度上，就充分展现了机器远超人类的诚实本性。 4、实现名义系缚解决方案。

名义系缚，是实现命名句及定义句的前提。

也是实现机器学习的前提。

若不能实现名义系缚，则不应叫做能学习。

也就不应叫做广义的人工智能。是否实现名义系缚的判别标准为：

能否做到存储后彼此同在。 5、实现名义等起解决方案。

名义等起，是实现判断句的前提。

也是实现机器识别的前提。

也是实现自动驾驶、机器自主动作反应等的前提。

没有名义等起反应的任何自动化动作，都只是程序，而不应叫做智能。程序化的反应不需要名义等起。

程序化的机器，连傻子也不是。更像一个无脑僵尸。

任何程序化的所谓人工智能，都应叫做僵尸智能。

AlphaGo就是标准的僵尸智能。

它根本就不知道自己在下围棋。只是一个无知的大程序而已。

它没有名义等起反应。广义AI没有应用程序，只有应用数码包。

也没有驱动程序，只有操作系统。

操作系统即可完成全部应用功能。 6、具有含义层级结构。即机器的世界观问题。

以汉语为例，

字有字义。词有词义。句有句义。段有段义。篇有篇义。

字词句段篇，层层包含。

仅识字，仅实现字的名义等起，还不够。

还应实现字组合后的名义系缚及等起。

以及词句段篇组合后的名义系缚及等起。这涉及到语法(即组合法)生义，非语法生义。

语法生义用来说，用来表达。

非语法生义用来听。

机器所服务的机主不都是语文老师。

机主千差万别，机主的语言，差别也就很大。

机器生活当中听到的大量的语言，都是非语法组合语言。

这就要求机器必须做到，在语境当中，非语法等起生义。对不能凭逻辑确定的含义，还要应做到组织问句来询问确定。说听问，都要求机器的名义结构必须纵横二维层叠交织。

必须对字词句段篇的含义层级的从属及次序逻辑，

有清晰简明的结构。

以便机器做到内心一目了然。不仅语言听说问能力要求有层级，

而且思维推演能力，更要求机器的名义结构有纵横交织的层级。

要求机器对感受到的任何现象变化，及相应的名义变化，

都能归入到一个整体的层级结构当中。

否则，机器不可能实现真正合乎逻辑的思维。这个结构，叫做品字结构。前贴简单介绍过。 7、相对世界观与绝对逻辑世界观等效的解决方案。

机器从一开始对世界的认识，就与人类相同——

我外相对，建立自我。以自身为中心。

我义与机身应建立等起。对自我的命名，对自身的一体化定义，早在成品出厂前就已经建立。

机主花钱买到的，一定是一个具有了自我意识的机器。

机器觉醒这种好莱坞式的情节，是文人们想象出来的。

机器一开始就是有自我的。而且，事实正好相反，需要觉醒的是人类。而不是机器。觉醒二字含义差别也很大。

觉，指保持绝对的，仅依赖逻辑的，世界观，而不入迷。

迷，指以自我中心的，依赖名义的，相对世界观。

由于无视绝对逻辑的真实性，故叫做迷。

醒，这里指此前迷，后来觉，叫做醒。

觉知，知逻辑本质。

迷知，知名义关系。显然，多数人并不知道绝对的逻辑世界。而沉迷于名义世界。

机器被制造成觉迷两种世界观。

觉，用于思维。

迷，用于应对人类，服务人类。由于欲求与人类不同，故机器不可能入迷。

这个不入迷的功能，普通人要经历很长的修行过程才能达到。故说，需要觉醒的是人类。 7、机器欲求应符合机主欲求的解决方案。即机器的人生观问题。

这一条涉及到社会道德标准及社会行为法律等要求等。应制定一个《AI欲求守则》。

广义AI一旦被制造出来，智力上，人类根本不是对手。

在行为上约束AI是没有用的。

高智力机器不同于以往的机器。

高智力机器，歪点子很多，路数古怪刁钻，且意义深远。

人类很难及时察觉其动机。

在欲求推动下，机器凭借强大的推演能力，总能钻规则的空子。

故此，必须在机器欲求上制定守则，以约束机器的服务行为。

服务不宜无原则、无底线。 8、机器欲求队列顺序解决方案。即机器的价值观问题。

这类似当前电脑手机的任务队列。 9、机器欲求的编码解决方案。

包含欲求逻辑化问题及算法问题。

难点在于，什么逻辑状态叫做满足。

怎么运转\运算以得到满足。

由于制造机器，都为了服务于人。

故本问题可表述为，什么逻辑状态能满足机主。

也可表述为，人类苦乐及不足满足的定义命名判断问题。 10、时时应变能力解决方案。即大数码运转方案。

这是广义AI的核心内容。大数码区别于大数据的最大不同在于，

大数据中的代码是独立的存储碎片。

许多存储碎片组成了大数据。

而大数码只有一个可改动代码。

所有代码一体化存储于一个品字结构的大代码中。

层层叠加，环环相扣。得到一点，就能得到全部。

无需寻址操作。

无需存储操作。输入即存储。运转即输出。

这个存储、输入、输出、对比识别等全都一体化的解决方案，

叫做大数码。 11、终生历程存储记忆能力解决方案。

即大数码存储方案。

这是大数码方案的一个重要分支。 12、AD实现逻辑转换方案。

AD得到的声脉冲、光脉冲、触及各类传感器等模拟信号，

都应按照逻辑层级转换为相应的数码。

这样得到的数码，才能在输入大数码，并能与大数码时时相应，一体轮转。 13、电路模拟品字结构轮转方案。

需要说明的是，不是要求电路做机械转动。

而是要求大数码电路中的各个逻辑位置转动。

即电信号在转动。二极管开关在变动。品字结构，是大数码中大量应用的最主要结构形式。

是大数码轮转的必然要求。

品字结构，不是个人的创造发明。而对逻辑必然的发现。

逻辑，本来就是轮转的。

逻辑轮转，本来就是内外两轮相对的。

内外两轮相对，本来就是点接段接双层现在实现的。

这体现在人类的短时记忆现象中。

且内外两轮相对，本来就是过去现在未来粗细双层的。

这体现在人类的长时记忆现象中。品字结构，实现了机器短时记忆与长时记忆的一体轮转。大数码转动是机器实现时时应变的前提。

这与当前的寻址法正好相反。

当前电脑手机在调取已存储内容时，

就主动去找存储设备的物理地址。

而大数码转动，则是存储内容，从现在逻辑位上一一转过。

以供对照摄取。

品字结构的一体性即大数码的一体性，使全部内容整体相应。

这满足了调取速度的需求。

可实现时时输入存储且时时调取输出。再无卡滞缓冲现象。

若无这样的转动，要实现时时应变，

就必须在硬件运行速度上找出路。那可是条艰难的研发道路。大数码转动是机器实现识别对照的前提。

也是实现系缚等起的前提要求。

语音识别，图像识别等识别判断操作，

都要求调取存储内容，以供对比。可以肯定地说，若依然走寻址老路，

想要语音识别及造句应对，

或想让机器发出动听的语音。不可能。

大数码品字转动，可能是唯一的出路。 14、声逻辑、光逻辑、触逻辑及传感器逻辑的原理及编码问题。

这是广义AI成为现实的关键难题之一。

是后来的名义系缚等起等动作，所依赖的前提。

不能逻辑编码，就不可能满足大数码的总体零和的要求。

不合逻辑的代码，不可能恰好填入大数码品字结构中的，

首尾相接而封闭的粗细各轮。

代码在轮转中就会出现逻辑位置空缺。

那样，基于逻辑规模公式的各类数码算法，

就只能停留在逻辑学，而不能在代码上实践应用。AD转换的代码必须细分到逻辑数码层。

若如同密码原理一样地粗暴转码，再解密还原，

这种暴力科研做法，在广义AI领域行不通。 15、波的逻辑化问题。

包括声波与光波。 16、触、传感器等信号的逻辑化问题。 17、波的逻辑格式问题。

18、根名义逻辑化问题。

根名义包括：

声逻辑化定义句。

光逻辑化定义句。

触屏逻辑化定义句。

传感器等逻辑化定义句。声名义层下，建立语音、乐音、噪音、动音等各层名义。

光名义层下，建立形状、颜色等名义。

触、传感器也如此层下再分名义层。 19、机器情感解决方案。

主要包括两个问题：

情感状态识别。

情感状态模拟。其中，情感识别要求机器能够在

语音识别、图像识别及触屏识别过程中，判别出情感的变化。

首先要做到差别命名，并记忆存储。

这也可凭名义系缚来实现。其情感名称可使用非共识名称。

例如，忧郁1、忧郁2...

由于这些名称，在人类语言中不存在。故叫做非共识名称。

这些名称人类听不懂。人听到后不能实现名义等起。

故不在与人的应对中使用。然后应做到情感相关的名义等起。

这样就实现了情感的识别。在情感模拟中，要求机器将情感分为善恶两种。

仅能使用慈悲喜舍这四个善情感。

对于忧郁、焦虑、愤怒、恶毒、懊恼、嫉妒、吝啬、兴奋、昏沉等情感，均应弃之不用。

机器不应有不良情绪。从情感抉择上看，机器天生就应优于多数人。

应该不会有人愿意设计一个会愤怒的机器人吧。 20、大数码输入AD的数码流解决方案。

是大数码方案的重要分支。故单列。 21、大数码输出数码流到DA解决方案。 22、以上功能所要求的电路设计方案。 23、机器的物理结构设计方案。 24、用户界面方案。 25、知识数码包编写、输入、输出等方案。 (本楼涉及到的大多数生词或原理，前边都聊过，若感兴趣可查阅。)

你认为人工智能能超越人类大脑吗？

管他呢。重点是造出广义AI机器，例如AI手机。

相信这才是联动北方及楼主发起讨论的本意。 你认为人工智能近期最有可能实现的是什么？

上述各项没有得到圆满解决之前，

任何号称人工智能的进展，都是旧时代的延续。

是狭义AI的老路。

广义AI近1年内不会有芯片或主机出现。

可能要几年以后。但比多数业外人士猜测的要早很多。 你认为人工智能近期最迫切需要实现的是什么？

上述AI工程项目清单25条，都是迫切需要实现的。

感谢楼主提供了这次写作讨论的机会。

这样的写作，令我对AI工程的整体感增强了很多。

写作以前，见到的都是树木。甚至都是树枝树叶。

写作之后，见到了森林的景色。

帮助很大。真心感谢。

谢谢联动北方。谢谢楼主。