2013 年 2月 18 日随笔档案 - SnakeHunt2012

AI - 《A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence》读后总结

摘要：看的第二篇文章是《A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence》，这是AI领域的开山之作，是当年达特茅斯会议上各路大牛们为期两个月的讨论结果。边看这篇文章边在wiki上科普这些年AI 这个领域到底发生了什么。当时会议总结出了七个方向。Automatic Computers这条结论到今天仍然适用，他说他们坚信任何一个人类可以做的工作，都可一写出一个程序来自动完成。即使的计算能力有限(当年)，但内存，速度什么的都不是问题，问题是我们能否利用好这些资源。当时的计算能力跟今天的计算能力相比阅读全文

posted @ 2013-02-18 21:18 SnakeHunt2012 阅读(1264) 评论(0) 推荐(0)

Machine Learning - 《A Few Useful Things to Know About Machine Learning》读后总结

摘要：回家之后读了两篇文章，第一篇是以前老师推荐的《A Few Useful Things to Know About Machine Learning》，里面介强调了几个机器学习领域一些书上学不到的重要常识，还有一些需要特别注意的地方。Learning = Representation + Evaluation + Optimization学习 = 表示 + 评价 + 优化，这没什么可说的了。表示方法确定了你能表示的空间是哪些，取决于你的问题是什么。而评价函数为你的优化过程提供方向，其实就是一种衡量，衡量你现在的状况：好，有多好；坏，有多坏，而且通常都用你的失真程度来衡量(J(theta) = 预阅读全文

posted @ 2013-02-18 21:08 SnakeHunt2012 阅读(1737) 评论(0) 推荐(0)

2013.2.16 - NER

摘要：今天主要写了NER，原来之前的NER是从外部输入是Unicode的，他在内部转换为GBK再处理的，最后又转换为Unicode输出的。原来在 Windows上，直接写在代码里的是Unicode的。因为如果字符串常量前面加上大写的L就表示这个字符串是Unicode编码。然后就是解决最后头疼的问题，就是怎么把wchar_t传给crf++，因为crf++传进去的应该是char型变量，而我现在是unicode的wchar_t，所以就涉及到一个转换的问题，还好在网上找到了一个解决方案：把char*转换为wchar_t*用stdlib.h中的mbstowcs_s函数，可以通过下面的例子了解其用法：cha 阅读全文

posted @ 2013-02-18 16:56 SnakeHunt2012 阅读(384) 评论(0) 推荐(0)

2013.2.12 - NER

摘要：今天晚上大概把之前的NER代码熟悉了以下，估计这几天就要在Windows下过了，直到把Win下的NER写完。晚上把那几个无关的工程都去掉了。就剩下一个NER的工程，而这个NER的工程里面其实还有很多代码是可以去掉的，师兄说下学期要往里加一些比如规则等功能，所以有关的代码我就没删，一方面是留着以后也许会供来参考另一方面我也并不是非常熟悉代码结构。目前为止，略改过一遍的函数有：NER_DLL.cpp里面的int LoadResource(const char* path) - 这是用来输入模型路径的void* CreateNErecoger() - 这是用来创建IRNErecog那个对象的vo 阅读全文

posted @ 2013-02-18 16:55 SnakeHunt2012 阅读(202) 评论(0) 推荐(0)

Machine Learning - 天人合一

摘要：需要广泛借鉴其他领域的思想，只在一个领域思考，再聪明的人也都是被局限着的，大自然本为一体，况且计算机有关领域还都是人的贡献更多，所以非常有必要吸纳其他领域的精神。神经网络，现在人们对他的认识是，一层一层进行学习知道最后出结果，最开始是一个结果，也就是classification问题，后来输出层可以有很多节点，也就是multi-classification问题，但渐渐地人们会逐渐意识到，其实每个节点都有自己的意义。如果想真正模拟大脑，就需要将不同问题的神经网络嵌合在一起，虽然彼此是解决不同问题的，但期内部很有可能都在遵循着同样的道理，或许应该让他们共享相同的输入层，然后就如同common lis 阅读全文

posted @ 2013-02-18 16:53 SnakeHunt2012 阅读(162) 评论(0) 推荐(0)

Machine Learning - Overfitting 原理

摘要：训练模型是需要数据足够的，我们把训练数据看作是能量。那对于一个10次多项式的模型来说，在训练的过程中可以看做其中有10个数据的能量是用来搭建模型的，然后剩余的数据能量是用来调整这个模型使之优良，也就是使之对训练样例全体的误差合最小。然而如果你所拥有的能量小于十个独立点的能量，也就是没有达到建立模型的那个临界。那么你训练出来的根本就不是一个模型，用这个东西进行预测得出的结果也许就是随机数。众所周知，要猜一个二次多项式，需要至少三个点。要猜一个十次多项式，需要至少十一个点。我认为对于训练过程来说，每一种模型都需要一个初始的能量来确定模型，然后剩余的能量才真是用来训练的。剩余数据越多，训练的效果阅读全文

posted @ 2013-02-18 16:52 SnakeHunt2012 阅读(367) 评论(0) 推荐(0)

2013.1.17 - 打算

摘要：应该写一本算法代码集，因为从过去的经验看来，每次写代码都要参照之前写过的代码，例如结构体怎么设计、变量取什么名、那个变量什么类型好。更多情况是为了追寻统一的风格比如C要写成K&R型的，并且遵循硬件资源最省，比如sunner有一课就讲了:for (i = 0; i < n; ++i) for (j = 0; j < n; ++j) num[i][j] = 0;与for (j = 0; j < n; ++j) for (i = 0; i < n; ++i) num[i][j] = 0;的复杂度虽然一样，但耗费的时间和资源仍然相差非常大，这是因为CPU的内存分页管理的阅读全文

posted @ 2013-02-18 16:44 SnakeHunt2012 阅读(149) 评论(0) 推荐(0)

2013.1.16 - 刘家峰例会

摘要：无关领域之间的相互学习很有可能是必须的。联想很有可能发生在潜意识层，至少发生在睡眠与清醒之间那一层，因为那个时候最能涌现出无关事物之间的相似比喻，而醒来之后却发现这根本看不出联系，所以很有可能，这些比喻比我们意识上理解的比喻要宽广，而且要广博的许多。而清醒时所能识别出来的的比喻很可能只是很少很少的一部分而已。而且跟你在一起的时候我也发现，在半睡不醒的时候你可以做很多动作，但你自己并不只懂。另外Deep Learning(RBM)为什么会效果突然变好，还没有人知道，这是个切入点。很肯能这里面蕴含着真正意义上的智能，＂深度分析＂，思考的本质？怎么设置，每一层分配几个，分配几层，这些都没人掌握其阅读全文

posted @ 2013-02-18 16:43 SnakeHunt2012 阅读(150) 评论(0) 推荐(0)

2013.1.10 - NER

摘要：晚上对CRF++的效果做了一下测试，结果证明这个CRF++比较厉害，我不知道其他算法效果怎么阿越难过，但是这个结果我觉的比较高了就：third: 42322forth: 41785third_and_forth: 41785P value is: 1.000000R value is: 0.987312F value is: 0.993615一共投放了42322个实体共召回41785个实体而且这41785个实体全部正确准确率 100.00%召回率 98.73%F值 99.36%另外在这次实测中，尝试过下面几种方法来匹配Unicode全角字符：$full_width = qr/[\x{1100} 阅读全文

posted @ 2013-02-18 16:42 SnakeHunt2012 阅读(142) 评论(0) 推荐(0)

2013.1.9 - 全体例会

摘要：今天郭江师兄讲例会，将他在普林斯顿的研究和见闻，高手啊。他说他的老师跟他说过：“任何科学都是基于问题的，不是基于公式的”。这点深有体会，从高中到现在，学的所有东西，包括数学，尤其是物理，都是看上去就是这套公式就是核心，所有问题都是符合这个公式的，这确实，但这个看法扭曲了很多同学的观念，好像公式是核心，宇宙中所有运行都由这个理论产生似的。事实上恰恰相反，我们是先有的现象，然后从现象中抽象出来一个理论来拟合这个公式，而且这个拟合要求是非常严格的，即必须对任意一个现象都成立。然而，理论充其量只不过是对现象的一种解释，然后根据这个解释我么可以预测或者创造。比如说当年的经典力学，学的时候我就认为宇阅读全文

posted @ 2013-02-18 16:41 SnakeHunt2012 阅读(136) 评论(0) 推荐(0)

2013.1.6

摘要：今天上午看了一上午的Emacs，在看正则搜索的时候书上说如果想对正则表达式做深入研究的话请参考《sed & awk》，然后就搜了相关的一些资料，发现Unix上的正则表达式方案其实有挺多的，也可以用sed + awk + grep这种，还有的使用python，据说python是用来连接高级语言(Bash，Perl)和低级语言(C/C++，Java)，好吧编程语言演化到现在连Java和C++都已经沦落到低级语言的地步了，可想而知这两年都发生了什么。的这段时间净是正则表达式主题相关，好吧今年就用正则表达式来开头吧。回自习室之后继续看正则表达式，昨天晚上看到Unicode那里，其实SCIR的阅读全文

posted @ 2013-02-18 16:39 SnakeHunt2012 阅读(102) 评论(0) 推荐(0)

2012.1.5 - 游荡

摘要：今天上午，应一佳大神的号召，下午两点多去实验室的机房那边收拾屋子去了。实验室前两天磁盘阵列坏了，丢了好多数据，明天请人来修复数据，所以我们要把两个电脑运过去，并且打扫一下卫生。这个机房应该已经很久没人收拾了，用神童的话说就是再这样原封不动一百年就是博物馆了。然后我们费了九牛二虎之力把这里简单打扫了一下，把两台电脑安上了。出来之后一家给我们几个一人买了瓶茉莉花茶算犒劳了。出来的时候正是四点，用一佳的话说就是＂这个时间很令人尴尬＂，回实验室的话回去就要出来吃饭了，直接出去吃饭的话又太早。然后他们决定回实验室，我就顺道去图书馆了。因为来的时候打算把那几本过期的书还了，然后好借本Windows编阅读全文

posted @ 2013-02-18 16:36 SnakeHunt2012 阅读(154) 评论(0) 推荐(0)

2013.1.3 - NER

摘要：上午来到实验室就看到凌晨一点左右大师兄给我留的言，说让我用CRF++的标准模版。一开始我不太明白，因为这里面没找到什么标准模版，后来问了师兄才知道就是职业上给出的那个示例，然后就开始亲测，发现有错误，然后我就只用前面几百行，可以正确运行。而如果给的数据太多的话，没有错误，但是迭代的时候卡在某个地方然后Windows就把我程序给关了。于是我把这个问题问大师兄，大势行初步判断可能语料的格式有错误。一开始我不知道是怎么错的，也不知道为什么错误在整体数据的时候回报错，然后等喂一半数据的时候就不报错，取而代之的是在迭代的时候卡机，然后被Windows强制杀死。于是我自己判断有可能是数据太大了，因阅读全文

posted @ 2013-02-18 16:27 SnakeHunt2012 阅读(259) 评论(0) 推荐(0)

2012.1.2 - LFS的长途跋涉

摘要：今天又编译了一天，而且连第六章都没有编出去，其中GCC编了一中午，耗时五十多个SBU，果然够费劲。直到要走的时候才刚刚编到6.46的Xz。第六章一共是62个软件，再加上额外需要安装一个lfs_next_helpers已公示63个软件，还剩17个，明天继续努力吧。如果非常顺利的话，明天也许可以装完。不过今天是边看公开课边编译的，所以编译的时候也算没闲着。后面几个软件装起来基本上不消耗脑细胞，在上午就全都装完了，好吧，虽然我的上午是指午休之前，所以今天的上午指的是下午两点之前第六章全都装完，等我一觉醒来已经是五点多了，到了实验室已经是六点多了。阅读全文

posted @ 2013-02-18 16:24 SnakeHunt2012 阅读(108) 评论(0) 推荐(0)

2013.1.1 - 元旦

摘要：昨天晚上把语料处理好了，打算今天上午继续进行下一阶段，但是早上给大师兄发gtalk他没理我，然后才反应过来，这大过年的打扰人家一家团圆是不太好，于是我就开始编译我的LFS了。今天相当于编了一天LFS，第六章开始那段，就是配置工具连那段没太看懂，等下次装的是时候再详细看吧。这次寒假回家打算用真电脑编译一个LFS，因为我妈说小电脑修好了，等我编好LFS就可以有三个电脑同时工作了。中午的时候向sunner问好，祝他节日快乐，告诉他我现在已经在scir了，感谢他的引荐，然后他回复说，他当年也有一次机会去scir但是当时没去，他说他非常后悔，说自己当时太年轻，然后告诉我一定要好好干。我说那必须的。这么一阅读全文

posted @ 2013-02-18 16:22 SnakeHunt2012 阅读(117) 评论(0) 推荐(0)

2012.12.29 - LFS请教高人

摘要：今天上午是任老师给我打电话叫我去答疑的，感觉非常愧疚。。。我跟他说清我的LFS的情况之后，他让我把这个LFS需要的所有软件包给他考一份，他今天晚上在自己的电脑里搭一遍，然后让我等他电话。于是我觉得这老师特别的够意思。后来他还跟我介绍了LFScript，他说他现在用的就是这个方法，然后还说如果我有兴趣的花还可以尝试一下Slackware，Slackware的提供的软件包都是源码，内含安装的脚本，但是需要的包依赖都只提供了一个清单，至于安装就得自己动手了，然后我就觉得他特别的高估我了。下午去联欢，临走前看了LFS那本书上介绍的各种软件包管理机制，发现这可真是个大问题，以前软件都由apt管理没觉得这阅读全文

posted @ 2013-02-18 16:12 SnakeHunt2012 阅读(196) 评论(0) 推荐(0)

2012.12.28 - 继续悲催LFS

摘要：昨天晚上装到第五章，Gcc - Pass 2的时候出了问题，configure怎么都过不去，报错很短，说我的gcc无法生成可执行文件，然后就在网上搜来搜去，初步判定有两种可能的原因：1、可能是我之前Glibc出错的那个地方，修改的不对，虽然最后编译过去了，但是很有可能不对。因为网上有跟我相似的错误（虽然不相同），他下面给出的回答就是说之前可能在编译Glibc的时候不是独立编译的，用的是宿主机的什么什么。回想我确实在Glibc的地方出过错误，而且是我唯一出了问题的地方，所以我断定60%的可能性是这个原因，如果是这个原因的话，就悲催了，首先我不得不全部重新来过，至少摇回溯到Glibc之前，那阅读全文

posted @ 2013-02-18 16:11 SnakeHunt2012 阅读(127) 评论(0) 推荐(0)

2012.12.25 - 重口味LFS

摘要：晚上继续弄LFS，在弄version-check.sh的时候竟然发现我现在的sh竟然是dash，这是什么东西？然后上网百度才发现 “buntu6.10已将先前默认的bashshell更换为了dash。其表现是/bin/sh链接到了/bin/dash而不是传统的/bin /bash”，而更改过来的方法是：shell> sudo dpkg-reconfigure dash然后系统会询问你是否将dash用作默认shell，选择“否”就会改回正常的bash了。然后试图搭建LFS，在读LFS-BOOK的时候发现创建LFS通常需要一个新的分区，但好在他给出了一个文档，上面写了如何在当前系统正在使用的阅读全文

posted @ 2013-02-18 16:10 SnakeHunt2012 阅读(293) 评论(0) 推荐(0)

2012.12.24 - 又是一顿折腾

摘要：昨天刚刚安装过Ubuntu12.04.0，刚装完就各种问题，然后立即就换了Ubuntu12.10，说实话问题也不小，自从12.04.0刚出来开始，就感觉越來越不满意，实在不行真得考虑换Debian了。今天中午，趁着排练还没开始，桶箍桶箍Emacs，在编辑配置文件的时候发现Emacs编辑文件有个毛病，就是每次一保存都给我自动备份一个.emacs~文件，这个是备份文件，我今天在网上查了，在默认情况下，每当你给一个文件修改过试图保存的时候，Emacs都会将保存之前的源文件进行一次备份，也就是生成或者更新.emacs~文件，保证每次都有当前版本和次当前版本。而每次都把我的文件夹改得乱糟糟，所以我打阅读全文

posted @ 2013-02-18 16:08 SnakeHunt2012 阅读(188) 评论(0) 推荐(0)

2012.12.22

摘要：虽然英语用词没有汉语丰富，但是英文的科学文献，英语还是很生动形象的，远远比汉语还用此丰富、表达形象，这一点尤其突出在数学上，而且在数学上尤其表现在离散数学中。这一点明显说明了中国科研工作者和外国科研工作者的心态问题。外国老师想给你讲明白，所以用的是最贴心的话组织。而中国人更想给你讲蒙，即便这是下意识的而不是在意识中的。所以给你讲得特别晦涩，讲得越难越好，给你讲得贼复杂，外国人就给你讲得贼简单。中国人这么做大概有这么两点原因我猜：1、本身自己就不是很清楚，因为并不能驾轻就熟，对有的东西不是很确定，所以讲这种地方的时候就尽量采用书上的话，所以讲的就很书面，一看就感觉得出来是哪本书上是这么说阅读全文

posted @ 2013-02-18 16:06 SnakeHunt2012 阅读(125) 评论(0) 推荐(0)

2012.12.21 - 《机器学习》（Tom M.Mitchel）

摘要：今天佳伟买了本＜机器学习＞，Tom M.Mitchell写的那本，我拿来翻了翻，在引入的例子中他说道＂目前多数机器学习都依赖于样例与测试样例分布一致这一假设＂，而我觉得，一个健全的学习体制，是应该从一些其他领域的规律中学习经验的，也就是说应该有利用比喻来预测的能力。看着看着觉得：1、当代高水平的人描述问题用的都是离散数学标准符号啊，比如说定义的时候他不说定义什么什么当什么什么且什么什么其中什么什么，而使用的数理逻辑中的蕴含，然后用括号来区分层次结构，当且仅当用的是三层的等号。定义一些概念的时候用的也都是机和论通用语言这就更不用说了。2、机器学习这东西，至少说传统机器学习还是很有离散数学味阅读全文

posted @ 2013-02-18 16:05 SnakeHunt2012 阅读(495) 评论(0) 推荐(0)

一篇启示 - 《神经科学，仍在等待它的牛顿》

摘要：在微博上看到果壳网的一条微博《神经科学，仍在等待它的牛顿》：http://www.guokr.com/article/410905/对这篇文章我觉得写得特别好，所以特此转载如下：Rob Dobi, via crucialparts.blogspot.com（文／GARY MARCUS）20世纪90年代初，还是MIT研究生的大卫•坡佩尔（David Poeppel）发现了一件惊人的事情。他当时正在研究言语知觉的神经生理学基础，而一种新的技术才刚刚开始流行，那就是正电子发射断层扫描（PET）。那时候大约有6篇PET研究言语感知方面的论文得到了发表，都是在顶级的科研期刊上，大卫试图整合这些论文，本质阅读全文

posted @ 2013-02-18 16:02 SnakeHunt2012 阅读(521) 评论(0) 推荐(0)

2012.2.17 - 论文啊论文

摘要：上午跟学姐问了一会儿论文，顿时发现四六级啊什么的简直若爆了，晚上她打电话过来问我如果觉得比较难可以换一个比较简单的，有中文文献的来作，她说这个论文的级别很高，也很新，几乎没有相关的论文资料。当然我的态度还是”就做这个“，反正我这也不是毕业设计，没有什么压力，应付的话我反倒不喜欢，我就是喜欢这种挑战的感觉。所以最后跟她说明不用跟刘老师说换别的，我就做这个。下午终于把原NER调试通过了。输入：问/v 天/n 公司/n 北京/ns ， /wp 与/p 哈工大/j 信息/n 检索/v 研究室/n 自然/n 语言/n 处理组/n 有/v 密切/a 合作/v 。/wp输出：问/v <locatio 阅读全文

posted @ 2013-02-18 16:01 SnakeHunt2012 阅读(215) 评论(0) 推荐(0)

2012.12.13 - 听丁肇中报告

摘要：今天听丁肇中报告，前面全都是他的AMS-02，在回答我们最后一个问题的时候，他讲了他的故事，很短，但是看上去是他非常想说的，因为我们并没有问那么多。他说，对他今天最大的贡献的是米西里根大学，因为在那所大学给了他最大得便捷，使得他没有经过任何考试，没有经过任何阻拦，直接从工科的大一，直接读上了博士。故事是这样的。本科时候他念得是工科大学机械工程系，后来转为理科的，网上说的情况是这样的：“”，然而他跟我们道出了实情，他说那个时候没有计算机，学工程绘图的时候有三视图那种东西，他怎么看都看不出来，完全学不明白，最后老师找他谈话，说你这样不能学工科，你只能学理科了。老师在劝他离开工科的同时也为他准备了另阅读全文

posted @ 2013-02-18 15:56 SnakeHunt2012 阅读(196) 评论(0) 推荐(0)

2012.2.16

摘要：今天排日程，发现数理逻辑和算法去还有四周又截课了，现在居然已经是第16周了，这学期过得好快啊，一下子就过去了。晚上不知道该做什么，就继续读上一会儿＜把时间当作朋友＞，在作者分析自己早年去少年宫学编程的态度时，我好像感觉到，真正的所谓的心智，应该就是当你面对一件完全陌生的事情的时候，你的第一意识是积极跟进还是消极回避。至少这种一念之差，就是所谓＂心智＂的作用原理。（书里的原话是＂我们已经看到了，面对相同的问题，--＂为什么要学习＂、新制的能力差异竟然会使人们因为相同的理由--＂不知道为什么学习＂--而做出竟然完全相反的选择。＂。P31最后一句话）心智弱的人的第一反应是＂可拉倒吧＂，心智强的人阅读全文

posted @ 2013-02-18 15:54 SnakeHunt2012 阅读(135) 评论(0) 推荐(0)

2012.12.11 - 例会中关于知识图谱的交流

摘要：这篇文章来自SCIR-TM组例会内部的交流邮件秦老师我想知道现在的搜索引擎有没有发展到可以根据你的搜索过程进行机器学习的程度。这方面现在有成型的算法或者理论么？有人在做这件事情么？刚才大概读了一下Google的这个项目，这个搜索方式很像是老AI那时候的风格，当年。突然觉得Google这么做别有用心，他们现在是想让搜索引擎能按照人脑方式做搜索，将来就有可能将搜索引擎做成脑。眨一看好像就是普通的搜索，跟广告似的，但这跟广告性质完全不一样，广告是你点进去就完事了，而这个你点一个完后还得点。你想你搜个东西，搜到之后他给你列出一堆关联吧，其实这个时候你的脑跟他在做同样的工作，你的脑在联想，因为你搜的这个阅读全文

posted @ 2013-02-18 15:51 SnakeHunt2012 阅读(157) 评论(0) 推荐(0)

2012.11.4 认知原本

摘要：对于认知的研究，我觉得很像是当年对于基因的探究，人们对基因这个词语进行了许多许多设想，人为它是人的灵魂啊、、、什么的，可最后的结果让所有人都无法想像得到，他的物理学原理竟然是这样的，碱基对序列而已，这是人类无论如何都猜不到的，离题太远了。而让人更觉得不可思议的是，她起作用的方式竟然仅仅是制造蛋白质。类似的例子还有进化论，没想到进化的原理竟然就是＂物竞天择＂而已，当我得知这个结果的时候我就觉得很接受不了，仅仅是物竞天择吗，怎么会这样，这个答案太离谱了，太牵强了。但后来想想，竟确实是通的，只不过我们对答案的期望，高于真实值了，我们对答案所寄托的的想象太多了。等最后看到了正确答案之后，站在正阅读全文

posted @ 2013-02-18 15:48 SnakeHunt2012 阅读(141) 评论(0) 推荐(0)

2012.9.23 - 计算机科学与认知科学

摘要：我突然发现这两门学科很相似。都是从从最底层一层一层包装到了最顶层。人的潜意识的来源应该跟计算机语言的故事差不多，顶层都是看不到硬件或者离应件很远的。在这个层面上我们考虑的都是编程思想什么的，都是概念、抽象的东西是我们文本搜索、社会分析等计算机应用科学演绎的舞台，完全不考虑硬件了。若对于认知科学来说则是意识、情感与分析等，是心理学研究的范畴，完全不考虑生理结构。而在最底层，对于计算机科学来说就是mos管和二极管，是电子科学研究考虑的领域。对于认知科学来说这个层面是神经突触，是生物学、生理学考虑的范畴。一颗大脑和一台计算机使用起来本身就是这么的相似，我觉得强人工智能完全有可能实现，而且并不遥远阅读全文

posted @ 2013-02-18 15:47 SnakeHunt2012 阅读(202) 评论(0) 推荐(0)

2012.9.17 - 知识录入

摘要：两种可能的方式：1、通过申请新的脑细胞，更单独地＂创建＂新结构（新知识），然后通过以后的运用和＂沉淀＂还有暗时间中的思考来将其渐渐整合进总的知识集团。例如背单词，当时没有什么印象，用的多了，就认识了。例如背物理题，当时不懂为什么，但是经过长时间的沉淀和氧化，不知不觉地就明白了。这种方式只会在记忆的时候，既申请脑细胞的时候会体会＂疼痛＂，沉淀时期，这种疼痛或者说是整合，通过＂愣神与溜号＂来完成的，痛感会被稀释，但是这种方式需要大量的时间，需要玩耍，实践，实验，做其他事情。2、直接通过调整总的知识结构集团的当前结构，直接将其整合进总知识体。例如我学习数学的那种固执方式，不背公式，不背例题阅读全文

posted @ 2013-02-18 15:46 SnakeHunt2012 阅读(123) 评论(0) 推荐(0)

2012.9.12 - 机器大脑

摘要：机器的大脑那个数据结构存储的不应该是直接的数据。而是什么很简单的东西，本身并没有意义，而数据组织的那种结构才是信息，这种数据的组成结构才是数据。大脑真正需要存储的和维护的是结构，而不是数据。末端的数据很可能根本没有意义，就像简单的零和一，他们之间的相对位置才是信息，才是关键。也许大脑就是一个文件，里面全是单个的零和一连在一起，在使用大脑的时候只是对其中的一部分进行更改和调整，这种更改和调整是发散性的，因为联想式发散性的，而且两者都需要配合某种＂动力值＂的慢慢减少而停止，这样以防止指数增长的联想导致机器烧坏，但这种联想当然还是越多越好。也许，生命的本质是信息，是可以写在纸上的，而不是物质，阅读全文

posted @ 2013-02-18 15:43 SnakeHunt2012 阅读(122) 评论(0) 推荐(0)

2012.9.7 - 机器联想

摘要：怎么实现机器联想？联想需要错误，全部正确的过程会造成各种死循环、各种死锁，破解死锁的绝招是犯错误，而不是随机！！！有错误才算是真正的智能。错误的判断还会引发思维的扩散，而不是一个一个按部就班地连续接下去，我想这应该是联想的动力的主要燃料。因为“相似”是需要错误的，而“相同”现在还不存在。解决问题的过程应该是根据问题，通过联想找到或生成“类似的东西”，然后将“类似”再通过联想找到或生成“更类似的东西”，最后生成一样的模式，最最后与结果匹配成功，解决问题。原来解决问题的过程就是模式匹配，生成模式（根据问题）->模式进化（不断地滚雪球）->模式匹配（解决问题）。而且我觉得“随机过程”理论阅读全文

posted @ 2013-02-18 15:42 SnakeHunt2012 阅读(112) 评论(0) 推荐(0)

2012.9.7 - 机器大脑

摘要：也许我们使用知识，是通过知识原料来“灵活”运用的。说过程是这样的：1.从课堂、生活中获得记忆材料,在使用之前不做任何加工。2.当需要使用的时候联想到这些材料，分析与加工再进行具体应用，并将本次应用的心得体会载入材料。3.重复步骤1-3.这里我想强调的是，我们是在需要用到的时候现去找材料，对材料现分析加工来解决问题，大脑在未使用的时候这些都是原始材料，不会对其做任何加工。步骤二是最复杂的。其中找材料是通过一种强大的“联想机制”，智能搜索，大脑是个“配合这种智能搜索的数据结构”，内容就是记忆，但是这种联想关系更重要，也就是这种数据的存储结构更重要，我还想不到这是个什么样的存储结构，但我想如果能想阅读全文

posted @ 2013-02-18 15:41 SnakeHunt2012 阅读(148) 评论(0) 推荐(0)