直觀的演算法
羅傑 · 彭羅斯認為不可能。思維永遠不能模仿一個電腦的過程。他說的很清楚他的書，皇帝的新思想。但是，一本新書，直觀演算法， (IA) 建議的直覺是模式識別過程。直覺的推動通過像閃電條紋的許多神經區域的資訊。資料移動從輸入輸出中報告的 20 毫秒。心靈看見、 承認、 解釋和採取行動。在眨眼。無數進程轉換光、 聲音、 觸摸和臭氣立即進入你的神經衝動。一個專用的區域承認那些衝動的物件和事件。邊緣系統，另一個區域，解釋這些事件生成的情緒。第四個區域回應這些情感與行動。心靈感知、 確定、 評估和採取行動。直覺下車你熱爐中第二次的一小部分。它可以使用一個簡單的演算法。
即時的整體評價是不可能的呢？
有超過 1000 億的神經元，在系統處理的資訊從輸入到輸出中只是半秒。你所有的知識作了評價。瓦爾特 · 弗裡曼、 著名神經，定義這種神奇的能力。"認知的傢伙認為它也是無法保持扔到計算每次你的一切。但是，這正是大腦做什麼。意識是把你整個的歷史上，對你下一步，你下一次的呼吸，你的下一時刻施加。"頭腦是整體。它計算其為下一個活動的所有知識。如何能如此多的資訊會如此迅速地處理了？可這種知識存儲在何處？
搜索路徑的指數級增長
不幸的是，承認的微妙格局構成電腦存在的重大的問題。困難在於識別搜索路徑的指數增長。疾病的診斷中存在的問題是典型的。通常情況下，許多共用的症狀提出了各種各樣的疾病。例如，可以為許多疾病表示疼痛或發燒。每個症狀指出幾種疾病。問題是，認識到許多重疊模式之間的一種單一模式。當搜索目標疾病，與第一次提出了症狀的第一次選定的病患可能缺乏的第二個症狀。這意味著來回搜索，該作為資料庫的大小增加的疾病呈指數增長。這使得荒謬漫長的過程 – 從理論上講，甚至幾年的搜索中，對於廣泛的資料庫。所以，儘管其令人難以置信的速度，永遠不能想像快速模式識別電腦上。
直觀的演算法
但是，產業實力模式識別是可行的。IA 引入的演算法，能夠即時識別模式擴展資料庫中。整個資料庫的每個成員的關係被編碼的每個問題。
（是疼痛疾病的一個症狀嗎？
Disease1Y、 Disease2N、 Disease3Y、 疾病 4Y、 Disease5N、 Disease6N、 Disease7Y、 Disease8N、 Disease9N、 Disease10N、 Disease11Y、 Disease12Y、 Disease13N、 Disease14U、 Disease15Y、 Disease16N、 Disease17Y、 Disease18N、 Disease19N、 Disease20N、 Disease21N、 Disease22Y、 Disease23N、 Disease24N、 Disease25U、 Disease26N、 Disease27N、 Disease28U、 Disease27Y、 Disease30N、 Disease31U、 Disease32Y、 Disease33Y、 Disease34U、 Disease35N、 Disease36U、 Disease37Y、 Disease38Y、 Disease39U、 Disease40Y、 Disease41Y、 Disease42U、 Disease43N、 Disease44U、 Disease45Y、 Disease46N、 Disease47N、 Disease48Y、
(Y = 是： N = No： U = 不確定）
關鍵是要使用消除評估資料庫，不選擇。資料庫的每個成員分別被編碼為消除在上下文中的每一個答案。
（這種疾病的一個症狀是痛嗎？回答： 是）
Disease1Y，xxxxxxN，Disease3Y、 Disease4Y、 xxxxxx5N，xxxxxx6N，Disease7Y，xxxxxx8N，xxxxxx9N，xxxxxx0N，Disease11Y、 Disease12Y、 xxxxxx13N、 Disease14U、 Disease15Y、 xxxxxx16N，Disease17Y，xxxxxx18N，xxxxxx19N，xxxxxx20N，xxxxxx21N，Disease22Y，xxxxxx23N，xxxxxx24N，Disease25U，xxxxxx26N，xxxxxx27N，Disease28U、 Disease27Y、 xxxxxx30N，Disease31U、 Disease32Y、 Disease33Y、 Disease34U、 xxxxxx35N，Disease36U、 Disease37Y、 Disease38Y、 Disease39U、 Disease40Y、 Disease41Y、 Disease42U、 xxxxxx43N，疾病 44U、 Disease45Y、 xxxxxx46N、 xxxxxx47N、 48Y 疾病，
(全部"N"疾病消滅)。
疾病識別，如果答案表示一種症狀，保險業監督消除所有無症狀的疾病。每個答案淘汰，縮小要達到診斷的搜索。
（這種疾病的一個症狀是痛嗎？答： 無)
xxxxxx1Y，Disease2N，xxxxxx3Y，xxxxxx4Y，Disease5N、 Disease6N、 xxxxxx7Y，Disease8N、 Disease9N、 Disease10N、 xxxxxx11Y，xxxxx12Y，Disease13N、 Disease14U、 xxxxxx15Y，Disease16N，xxxxxx17Y，Disease18N、 Disease19N、 Disease20N、 Disease21N、 xxxxxx22Y、 Disease23N、 Disease24N、 Disease25U、 Disease26N、 Disease27N、 Disease28U、 xxxxxx27Y，Disease30N、 Disease31U、 xxxxxx32Y，xxxxxx33Y，Disease34U、 Disease35N、 Disease36U、 xxxxxx37Y，xxxxxx38Y，Disease39U，xxxxxx40Y，xxxxxx41Y，Disease42U、 Disease43N、 疾病 44U、 xxxxxx45Y、 Disease46N、 Disease47N、 xxxxxx48Y、
(全部"Y"疾病消滅)。
如果症狀缺席，保險業監督消除所有的疾病，總是表現出症狀。隨機提出該症狀的疾病，被保留這兩種情況。所以進程處理不確定性 – “ 也許 ” 正常電腦程式不能處理的答案。
（序列的問題縮小到 Disease29-答案)。
xxxxxx1Y、 xxxxxx2N、 xxxxxx3Y、 xxxxxx4Y、 xxxxxx5N、 xxxxxx6N、 xxxxxx7Y、 xxxxxx8N、 xxxxxx9N、 xxxxxx10N、 xxxxxx11Y、 xxxxxx12Y、 xxxxxx13N、 xxxxxx14U、 xxxxxx15Y、 xxxxxx16N、 xxxxxx17Y、 xxxxxx18N、 xxxxxx19N、 xxxxxx20N、 xxxxxx21N、 xxxxxx22Y、 xxxxxx23N、 xxxxxx24N、 xxxxxx25U、 xxxxxx26N、 xxxxxx27N、 xxxxxx28U、 Disease29Y、 xxxxxx30N、 xxxxxx31U、 xxxxxx32Y、 xxxxxx33Y、 xxxxxx34U、 xxxxxx35N、 xxxxxx36U、 xxxxxx37Y、 xxxxxx38Y、 xxxxxx39U、 xxxxxx40Y、 xxxxxx41Y、 xxxxxx42U、 xxxxxx43N、 xxxxxx44U、 xxxxxx45Y、 xxxxxx46N、 xxxxxx47N、 xxxxxx48Y。
（如果所有的疾病，消除這種疾病是未知。
即時模式識別
保險業監督在實踐中被證明。它有動力專家系統行事與試算表中，簡單的重新計算的速度，認識到一種疾病，標識案例法或診斷問題的複雜的機器。它是即時、 全面，和邏輯。如果可以提出幾個並行的答案，與多個參數的電廠，承認是即時的。心靈，凡同時介紹了數以百萬計的參數，即時模式識別的實用性。消除是關鍵。
消除 = 開關關閉
消除被關掉的抑制作用。神經細胞是已知廣泛抑制其他儲存格以突出顯示上下文的活動。數以百萬計的感官投入的訪問，與中樞神經系統立即抑制 – 淘汰上萬億的組合，零上正確的模式。堅決用"No"的答案的過程。如果病人沒有疼痛，成千上萬的可能的疾病可以被忽略。如果病人可能只是走進外科手術，醫生可以忽視廣泛的疾病。但是，如何可消除此過程適用于神經細胞呢？那裡可以存儲的知識財富？
組合編碼
心靈收到妝扮組合的數以百萬計的感覺。其中，氣味據報通過組合的編碼過程，其中神經細胞承認組合得到承認。如果一個神經細胞樹突狀投入，確定為 A、 B、 C 等至 Z，它可能然後火，當它收到在 ABC 或定義的投入它承認那些組合。ABC 和 ABD 不能確定該儲存格。它將被抑制的阿布杜拉。此識別過程最近報導了嗅覺神經元的科學。在實驗中科學家報告稱，即使輕微的化學結構的變化啟動受體的不同組合。因此，辛醇聞到像橘子，但類似複合辛酸汗水的氣味。諾貝爾獎承認在 2004 年的這一發現。
銀河神經細胞的記憶
組合代碼被廣泛使用的性質。遺傳密碼中的四個"字母"– A、 C、 G 和 T – 在組合中用於創建幾乎無限數量的基因序列。IA 討論這的深層影響編碼發現。動物可以區分的數以百萬計的氣味。狗可以快速嗅幾個腳印的人，並確定準確地哪條路的人走。動物的鼻子可以檢測腳印只有幾英尺，之間的相對氣味強度差異來確定方向的線索。氣味是通過記憶組合確定。如果一個神經細胞有從 A 到 Z 的 26 只是投入，它可以接收數以百萬計的可能組合的投入。平均的神經元有成千上萬的投入。對於 IA，數以百萬計的神經細胞可以給心靈銀河的記憶組合，使它能夠識別在環境中的細微模式。每個單元可以是單個成員的一個資料庫，消除本身 （成為抑制) 的無法識別組合的投入。
消除關鍵
消除是特別關鍵，其中計算龐大組合記憶。醫學文獻報導，心靈的多元智慧，執行專門的任務的層次結構。例如，有一個協會區域，其中確認一把剪刀使用其感覺的上下文。如果你受傷這一區域，仍能感覺剪刀到你閉著眼睛，但你不會將其識別為剪刀。你仍覺得範圍內，但你不會識別該物件。所以，直覺可使神經協會地區使用感知識別的物件中的儲存格。醫學研究報告，許多這種識別區域。
連續處理
模式識別演算法，直覺啟用有限的智力生活的事情，要在 20 毫秒的時間跨度內全面回應的心目中。這些智力以串列方式採取行動。第一個智慧轉換感性認識的妝扮的組合從環境到神經衝動。第二次的情報承認這些衝動的物件和事件。第三次情報翻譯成感情的公認的事件。第四次翻譯成智慧磁碟機的感情。恐懼觸發轉義磁碟機。跳開了一隻鹿。一隻鳥了飛行。一條魚游關閉。雖然有不同的運行、 飛行和游泳活動，他們實現同一目標的轉義。繼承的神經細胞記憶供電那些在上下文中的磁碟機。
記住 — — 無縫模式識別
半秒的 1000 億個神經元細胞使用上下文來消除無關性，並提供電機輸出。陰影和尖叫聲之間的時間。因此從輸入到輸出，記住，是一個無縫的模式識別機，由直覺的關鍵秘密供電 – 上下文的消除，從大規模收購和繼承組合記憶的神經細胞。
No comments:
Post a Comment