计算机可以这样玩—自我学习,自我思维,自我工作(编程)

如果让计算机产生自我意识,那一定件很好玩的事情。

我在想,怎么让计算机产生自我意识和自我学习的思维能力呢,特别是在工业集群中的应用。

由这个问题,我们先问问人类是怎么自我产生意识的。

人类的自我意识主要是客观或主观环境刺激或引导而产生了自我神经思维能力的,对吧。

那么这样就很好理解了,机器同样可以产生自我意识和自我学习的过程。

现在我们来造这个机器,

  首先是cpu的问题,如果以目前的二进制cpu来做,肯定是做不做的;因此我们首先否定现有的cpu所有的工艺方式。

              那么这是个什么样的cpu呢?这个cpu是个非常精密的集成指令单元,首先他会主动或被动的去认知,这是很重要的一步,也就是说她能够接收客观和主观环境问题,从这些问题来找答案,这是自主学习的一个过程,在这个过程中cpu会自主的去归纳和分析和怎么去存储有效的数据和将要发出正确的指令。

              其二,这个cpu自身就是一个精密的操作系统,大小大概在1k左右,她是个控制中心,能控制cpu内核以外的所有逻辑单元和物理单元。

              其三,这个cpu自身拥有精密的类似寄存器之类的存储空间,当然这是海量数据高密度的存储,大约可以存储100亿P数据,大小在1k左右,而且cpu会自我判定过滤和清空那些垃圾数据。

              其四,这个cpu还集成了一个备用的射线电源,她由一个吸宇宙引射线的方式来收集能源,重量在10克左右。

因此,能够自我学习的机器,其核心在于这个cpu 。有了这样个芯片,那么其他的物理支配件就好办的多;当然,如果将来发展了,cpu的功能可能还不只有这些,也就是说,cpu的发展是根据人类的需求而来,我相信这一天会很快来到。

哈哈,这个设想的目前还是最初阶段,但愿我在有生之年可以把她造出来。

如果有人需要站队,欢迎联系我,但如果有人要转载我的文章,一定别忘记出处,谢谢!

--------------linux内核-深圳-罗   2014、8、6

计算机可以这样玩—自我学习,自我思维,自我工作(编程),布布扣,bubuko.com

时间: 2024-10-24 15:57:58

计算机可以这样玩—自我学习,自我思维,自我工作(编程)的相关文章

智能机器人的高级阶段:不受人工控制的自我学习

文/辛东方,80后作家.专栏作者.专注互联网科技领域 "人工智能""一词的提出发展到现在,已经走过六十多个春秋.期间,各国的人工智能技术都在缓慢的进行着,发展虽然缓慢,但毕竟都是一直前进的. 按照一般的看法,人工智能是对人的意识.思维的信息过程的模拟.人工智能不是人的智能,但能像人那样思考.也可能超过人的智能.但初级阶段的人工智能是按照人的工程程序设置,到如果人工智能发展到高级阶段,有些模式可能会发生改变. 机器人技术是人工智能的体现,1920年,"机器人"

UFLDL深度学习教程翻译之自我学习

一.概述 假设我们有足够强大的学习算法,得到较好结果的其中一种最靠谱的方法是给算法提供更多的数据.这验证了在机器学习的那句格言:"有时候获胜的不是谁有最好的算法,而是谁有最多的数据." 也许有人总能得到有标记的数据,但这么做成本很高.特别地,研究人员已经采用极致的工具例如AMT(亚马逊土耳其机器人)来得到大量训练集.尽管拥有大量的人们人工标记的数据相比拥有大量的研究人员的工程性质的特征已经迈进了一步,但还能做的更好.特别地,自我学习以及无监督特征学习的方法是说,如果我们让我们的算法从无

UFLDL教程笔记及练习答案三(Softmax回归与自我学习)

1:softmax回归 当p(y|x,theta)满足多项式分布,通过GLM对其进行建模就能得到htheta(x)关于theta的函数,将其称为softmax回归.教程中已经给了cost及gradient的求法.需要注意的是一般用最优化方法求解参数theta的时候,采用的是贝叶斯学派的思想,需要加上参数theta. 习题答案: (1) 数据加载------代码已给 (2) %% STEP 2: Implement softmaxCost   得到计算cost和gradient M = theta

从自我学习到深层网络——建立你的第1个深度网络分类器

自我学习就是稀疏编码器串联一个Softmax分类器,上一节看到,训练400次,准确率为98.2% 在此基础上,我们可以搭建我们的第一个深度网络:栈式自编码(2层)+Softmax分类器 简单地说,我们把稀疏自编码器的输出作为更高一层稀疏自编码器的输入. 和自我学习很像,似乎就是新加了一层,但是其实不然: 新技巧在于,我们这里有个微调的过程,让残差从最高层向输入层传递,微调整个网络权重. 这个微调对于网络性能的提高非常明显,实际上后面将会看到. 网络结构如图所示: 图1 预先加载 minFunc

UFLDL教程笔记及练习答案三(Softmax回归与自我学习***)

1:softmax回归 当p(y|x,theta)满足多项式分布,通过GLM对其进行建模就能得到htheta(x)关于theta的函数,将其称为softmax回归. 教程中已经给了cost及gradient的求法.须要注意的是一般用最优化方法求解參数theta的时候,採用的是贝叶斯学派的思想,须要加上參数theta. softmax回归 习题的任务就是用原有的像素数据集构建一个softmax回归模型进行分类.准确率略低 92.6%,. 而自我学习是用5~9之间的数据集当做无标签的数据集,然后构建

自我学习(Self-Taught Learning)

自我学习就是把稀疏自编码器与Softmax回归分类器串联起来. 稀疏编码器是用来无监督学习的,使用无标签数据 回归分类器是有监督学习,使用标签数据 实际生活中,我们能轻松获得大量无标签数据(如从网上随机下载海量图片) 难以获得大量有标签数据(有标签的数据库通常不会太大,而且很贵 如果我们手头上只有少量标签数据,但是有大量的无标签数据,这是就可以采用自我学习的方式,得到有用的特征,进而获得比单纯Softmax好得多的效果. 我们还是用MINST数据库,我们把0~4这些手写体数据作为无标签数据:把5

自我学习规划

从2018年的实习开始算起,工作时间也接近两年,在两年的工作中,由于工作时间较长(基本996),所以一直以来留给自我学习及提升的时间并不多,在相当多零碎的时间里,也只学习了一些零散的东西,对技术的提升并不明显. 日常的工作基于C语言开发,开发内容与业务逻辑耦合性大,时常有种感觉,除了C写得熟练些外,离开这个业务背景,现在的开发工作貌似对今后的发展并无多大裨益.我认为关键问题在于,基础的数据结构与算法缺乏整理,相关能力难以提升,同时对于开发来说,与业务逻辑耦合过大,无相关领域业务涉及,会使得自己的

IT路上的应该注意自我规划 学习规划与自我修炼

http://www.nowamagic.net/librarys/veda/detail/607 IT路漫漫,你需要明确自己所处的位置,并作出相应的规划,这条路才能够走得更加顺畅.下面是参考: 初学者阶段 我把刚开始学习的阶段定义为初学者阶段.该阶段学习者什么都不会,必须从摸索阶段进行系统学习,这样能少走弯路,以尽快掌握知识以达到入门,从而具有使用该知识进行工作的能力.该阶段基本上从学习.模仿开始,需要对事物的原理进行了解,以期打好基础,为以后阶段做准备. 在技术上.该阶段的学习者,往往技术上

大数据学习的思维原理(机器懂人原理篇)

我们在上一篇文章中给大家介绍了很多大数据学习的思维原理,对于这些思维原理都是需要大家掌握的,在这篇文章中我们给大家讲解一下机器懂人原理,希望这篇文章能够给大家带来帮助. 首先我们给大家说说什么是机器懂人原理,机器懂人原理就是由人懂机器转变为机器更懂人.这里说的不是让人更懂机器,而是让机器更懂人,或者说是能够在使用者很笨的情况下,仍然可以使用机器.甚至不是让人懂环境,而是让我们的环境来懂我们,环境来适应人,某种程度上自然环境不能这样讲,但是在数字化环境中已经是这样的一个趋势,就是我们所在的生活世界