以场景拟合与动态认知网络为中心的 AI
人工智能
2020-10-12 v1 神经与进化计算
摘要
本文简要分析了 AI 主流技术的优势与问题，并提出：要实现更强的人工智能，必须改变端到端函数计算，采用以场景拟合为中心的技术体系。还讨论了名为动态认知网络模型（DC Net）的具体方案。讨论：利用概念化元素构建的丰富连接异构动态认知网络统一表示综合领域中的知识与数据；设计二维多层网络结构以实现组合与泛化等 AI 核心处理的统一实现；本文分析了开放域、封闭域、显著概率与非显著概率等不同场景下计算机系统的实现差异，指出开放域显著概率场景下的实现是 AI 的关键，并设计了结合双向条件概率、概率传递与叠加、概率坍缩的认知概率模型；设计了由目标和概率驱动的全向网络匹配-生长算法体系，以实现解析、生成、推理、查询、学习等的融合；提出了认知网络优化原理，并设计了以结构学习为主、参数学习为辅的认知网络学习算法（CNL）基本框架。本文分析了 DC Net 模型与人类智能实现上的逻辑相似性。
引用
@article{arxiv.2010.04551,
title = {AI Centered on Scene Fitting and Dynamic Cognitive Network},
author = {Feng Chen},
journal= {arXiv preprint arXiv:2010.04551},
year = {2020}
}