人工智能思考

基于模型原理

在思考小模型的时候，我想到一个问题。那就是如何自我迭代、也就是学习/升级。 刚开始我是想基于逻辑引擎去控制和调度其他引擎。理论上问题不大，但升入分析中，发现两个大难点，1、如何训练逻辑引擎。这点还是困难的。2、 如果训练逻辑引擎貌似还不如直接编写逻辑计算引擎。或者说做一个逻辑运算CPU，但此时我又意识到一个问题。法则！由此，产生了本文。 逻辑推理的本质就是运用规则及法则推导合理或者不合理（也就是证实或者证伪），并精简结果，预测可能的结果。 随便瞎写一个例子。 1、小明身高145m。 2、小明比小红矮。 3、小红今年15岁。

先不说结论，但很明显 第一条就是错的。为什么，第一条违反了法则。小明升高不可能有145m高。 于是，我在想一个问题，如果在工具中，定义法则呢？绝对不允许违背的法则。同理，规则也一样，不同的是，只要不在学习时，规则可以在特定情况下可以违背。同时，我想到了知识学习的问题。 仅仅讨论知识、学习。我们学习知识，依次是 信息》》隐性知识》》显性知识》》规则》》法则

我们从外界获取信息，这些信息不一定有价值，经过逻辑分析过滤，成为经验（隐性知识） 然后，总结，显性知识，更多的知识 再次总结，规则。 无法推翻，法则。

创建新网络。（学习新知识） 用人举例，我们学习新知识的过程是怎么样的。有人告诉你一个新知识。你怎么做的，首先，用现有知识去理解，如果用现在的知识体系理解不了。那么就重新建立新的知识点。在自监督学习中，也应该是这样的理论。