CN1838159B - 一种认知逻辑机器及其处理信息的方法 - Google Patents
一种认知逻辑机器及其处理信息的方法 Download PDFInfo
- Publication number
- CN1838159B CN1838159B CN2006100548172A CN200610054817A CN1838159B CN 1838159 B CN1838159 B CN 1838159B CN 2006100548172 A CN2006100548172 A CN 2006100548172A CN 200610054817 A CN200610054817 A CN 200610054817A CN 1838159 B CN1838159 B CN 1838159B
- Authority
- CN
- China
- Prior art keywords
- information
- logic
- sign indicating
- indicating number
- consciousness
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000019771 cognition Effects 0.000 title claims abstract description 86
- 230000010365 information processing Effects 0.000 title claims abstract description 33
- 238000003672 processing method Methods 0.000 title claims abstract description 14
- 238000000034 method Methods 0.000 claims abstract description 200
- 230000008447 perception Effects 0.000 claims abstract description 189
- 230000015654 memory Effects 0.000 claims abstract description 138
- 230000008569 process Effects 0.000 claims abstract description 128
- 238000003860 storage Methods 0.000 claims abstract description 86
- 210000004556 brain Anatomy 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims description 242
- 230000001953 sensory effect Effects 0.000 claims description 158
- 238000013507 mapping Methods 0.000 claims description 73
- 230000035807 sensation Effects 0.000 claims description 65
- 238000004088 simulation Methods 0.000 claims description 22
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000012217 deletion Methods 0.000 claims description 10
- 230000037430 deletion Effects 0.000 claims description 10
- 230000001939 inductive effect Effects 0.000 claims description 9
- 230000009467 reduction Effects 0.000 claims description 9
- 230000003750 conditioning effect Effects 0.000 claims description 7
- 230000008676 import Effects 0.000 claims description 6
- 238000004886 process control Methods 0.000 claims description 6
- 208000037656 Respiratory Sounds Diseases 0.000 claims description 2
- 238000000151 deposition Methods 0.000 claims description 2
- 206010037833 rales Diseases 0.000 claims description 2
- 238000004148 unit process Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 230000006698 induction Effects 0.000 abstract 1
- 230000000007 visual effect Effects 0.000 description 45
- 230000006870 function Effects 0.000 description 22
- 210000002569 neuron Anatomy 0.000 description 19
- 230000001149 cognitive effect Effects 0.000 description 17
- 230000001537 neural effect Effects 0.000 description 17
- 210000001061 forehead Anatomy 0.000 description 14
- 230000002490 cerebral effect Effects 0.000 description 12
- 238000003058 natural language processing Methods 0.000 description 9
- 230000005540 biological transmission Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 229910052751 metal Inorganic materials 0.000 description 7
- 239000002184 metal Substances 0.000 description 7
- 210000000869 occipital lobe Anatomy 0.000 description 7
- 210000003478 temporal lobe Anatomy 0.000 description 7
- 238000013519 translation Methods 0.000 description 7
- 230000035479 physiological effects, processes and functions Effects 0.000 description 6
- 230000002360 prefrontal effect Effects 0.000 description 6
- 241000287828 Gallus gallus Species 0.000 description 5
- 241001465754 Metazoa Species 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000008520 organization Effects 0.000 description 5
- 241000272525 Anas platyrhynchos Species 0.000 description 4
- 240000007711 Peperomia pellucida Species 0.000 description 4
- 235000012364 Peperomia pellucida Nutrition 0.000 description 4
- 230000006399 behavior Effects 0.000 description 4
- 230000015572 biosynthetic process Effects 0.000 description 4
- 210000004027 cell Anatomy 0.000 description 4
- 230000005611 electricity Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 230000005055 memory storage Effects 0.000 description 4
- 206010010356 Congenital anomaly Diseases 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 239000004411 aluminium Substances 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 3
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 3
- 239000000835 fiber Substances 0.000 description 3
- 230000007787 long-term memory Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 210000003205 muscle Anatomy 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 241000282461 Canis lupus Species 0.000 description 2
- 244000025254 Cannabis sativa Species 0.000 description 2
- 241000283153 Cetacea Species 0.000 description 2
- 241000196324 Embryophyta Species 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000003920 cognitive function Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 210000001652 frontal lobe Anatomy 0.000 description 2
- 239000004615 ingredient Substances 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000002442 prefrontal cortex Anatomy 0.000 description 2
- ATJFFYVFTNAWJD-UHFFFAOYSA-N Tin Chemical compound [Sn] ATJFFYVFTNAWJD-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- WQAQPCDUOCURKW-UHFFFAOYSA-N butanethiol Chemical compound CCCCS WQAQPCDUOCURKW-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 210000003792 cranial nerve Anatomy 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 230000007334 memory performance Effects 0.000 description 1
- 210000000337 motor cortex Anatomy 0.000 description 1
- 210000000653 nervous system Anatomy 0.000 description 1
- 230000036403 neuro physiology Effects 0.000 description 1
- 230000001936 parietal effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000008288 physiological mechanism Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000002910 structure generation Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
Images
Landscapes
- Machine Translation (AREA)
Abstract
本发明涉及一种模拟人脑记忆结构和认知逻辑信息处理的机器和方法,特别是模拟人脑的等级双记忆结构及由此结构生成的认知逻辑对自然语言进行关系存储和关系索取的机器和方法,包括在确定型图灵机上的实施方法。该机器包括输入装置,认知逻辑处理装置,知识记忆装置,和输出装置。该机器对自然语言进行认知逻辑处理,包括感知,归纳,演绎,和反绎,从而实现机器的学习/遗忘,理解/回忆,识别/想象和推理等认知功能。该认知逻辑处理方法是一个双语言相互归约的算法,克服了目前计算机指令存取方法导致的算法时间指数增长问题,提供了自然语言处理的关系存储和查询方法。
Description
技术领域
本发明涉及一种模拟人脑的记忆结构和认知逻辑信息处理的认知逻辑机器和其处理信息的方法,特别是涉及该认知逻辑机器对自然语言进行处理的方法。
技术背景
现有的信息处理主要是由计算机***实现的。自从第一台电子计算机诞生以来,机器信息处理工作获得突飞猛进的发展。计算机本身经历了电子管,晶体管,集成电路和大规模集成电路等四个时代。在人类科技史上没有任何学科可以与电子计算机的发展相提并论。
1854年数学家布尔发布的《思维的定律》和其创立的数理逻辑理论,奠定了当今计算机的逻辑基础。1946年美籍匈牙利数学家冯.诺依曼提出了关于计算机组成和工作方式的基本设想。他所提出的计算机包括运算器、存储器、控制器、输入和输出设备五大基本部件。到现在为止,尽管计算机制造技术发生了极大的变化,但是就其体系结构而言,仍然以他的设计思想为基础。
冯.诺依曼机的工作方式是:(1)控制器按照存放在存储器中的程序一条指令一条指令地按序执行。(2)每条指令包含若干操作,这些操作的基本内容是将数据从一个寄存器经过处理后向另一个寄存器传送。每一个操作都是在控制器的命令下完成的。由于冯.诺依曼机的理论基础来自图灵机模型,这一类计算机统称确定型图灵机。
由于冯.诺依曼式计算机的理论基础是数理逻辑,现今的计算机处理数理问题无比成功。然而处理自然语言等文理信息却非常困难。目前常用的人工智能方法,规则算法和统计算法,都无法成功地处理形式***的自然语言。目前的数学理论和计算实践显示自然语言处理所需要的时间随输入信息的复杂度呈指数增长。
人们普遍认为第五代计算机应该是模拟人脑的机器。人工智能理论的目的就是让计算机能够象人一样工作。人工智能的实现需要脑神经学,心理学,逻辑学,语言学以及计算机科学共同参与,提供统一和普遍适用的模型。
以Hoff的专利“Memory system for a multi-chip digital computer”(3,821,751)为例,目前的计算机属于“存储程序”的,线性数据处理***。这种计算***的工作方式是顺序执行串行式的指令和数据。它的优势在于处理数值计算。它的劣势在于语言信息的关系存储和处理,尤其是自然语言语句,语义,句法,的理解和索取的整合处理。
计算机的研究认为,在理论上存在一种非确定型图灵机(NondeterministicTuring Machine),其工作原理是使用双语言L1和L2。假如在两个语言的有限字符串之间存在函数f:∑*1→∑*2,并且使得
Han的专利(6,611,841)方法是这样一种双语言,可归约机器技术。而且能从事自然语言的语句,语义,句法,理解和推理在多项式时间内的整合处理。但是更具体的自然语言处理的方法还没有详细的描述。
发明内容
为了克服现有计算机(也称为确定型图灵机)对自然语言等问题求解存在指数时间增长的困难,本发明提出一种模拟人脑的自然语言认知逻辑处理的机器和其处理信息的方法。该机器包括一套模拟人脑的认知逻辑。该认知逻辑不同于目前的数理逻辑,其可以实现语言学习,理解,推理和回忆等认知功能,并实现自然语言的关系存储和索取处理。
本发明的第一方面提出一种模拟人脑的等级双记忆结构的认知逻辑机器。该认知逻辑机器包括输入装置,信息总线,输出装置,知识记忆装置和认知逻辑处理装置等部分。所述的输入装置,信息总线和输出装置均可使用现有计算机的输入装置,信息总线和输出装置。
所述的知识记忆装置是一个对等级双记忆的关系记忆进行存储的装置,该双记忆包括感觉记忆和知觉记忆。该关系记忆是指具有感-知结构的关系信息的存储,该关系存储是通过一个关系阵列或者一个关系多元组来实现的,例如该关系多元组可以是一个关系三元组(Tuple<P/C,P,C>)。该关系三元组包括感知址码(P/C),感觉址码(P)和知觉址码(C)。该感觉址码用于存储感觉信息(以下称为感觉信息)的地址。该知觉址码用于存储知觉信息(以下称为知觉信息)的地址。该感知址码可以同时用于存储感知信息的地址,故该感知址码既是感觉信息的地址也是知觉信息的地址。该感知址码与该感觉址码或该感知址码与该知觉址码之间均是一对多的映射关系,由该感知址码存储的感觉信息或知觉信息分别与相应的由感觉址码存储的感觉信息或相应的由知觉址码存储的知觉信息之间是一对多的映射关系。基于感知址码的可互换性,即该感知址码既是感觉信息的地址也是知觉信息的地址,感觉址码和知觉址码之间通过感知址码的转换性质形成多对多的映射关系。该感知址码可以通过一感知编译单元根据机内物理信息生成。所述的机内物理信息与外界输入信息是一一对应的,该感知址码与机内物理信息也是一一对应的。利用上述的关系三元组结构特征,所述的认知逻辑机器可执行感觉信息和知觉信息映射关系的存储和索取。
本发明的认知逻辑机器还包括一认知逻辑处理装置,该认知逻辑处理装置用于对外界输入信息进行逻辑处理而将其转换成具有感-知结构的关系信息而存储到知识记忆装置中或者输出到输出装置。该认知逻辑处理装置所利用的认知逻辑与传统的图灵机模型的数理逻辑不同,该认知逻辑不依靠状态(State)编程进行函数递归运算,而是在感觉信息和知觉信息两对称信息之间进行关系的建立和查询。其中所述的认知逻辑可以包括感知逻辑,归纳逻辑,演绎逻辑和反绎逻辑。所述的感知逻辑是对外界输入信息建立感知址码。所述的归纳逻辑是对感觉信息和知觉信息之间关系的建立。所述的演绎逻辑是从感觉信息中索取知觉信息。所述的反绎逻辑是从知觉信息中索取感觉信息。所述的认知逻辑处理装置通过上述相应的逻辑可以分别执行感知处理,归纳处理,演绎处理和反绎处理。
所述的认知逻辑处理装置进一步包括注意记忆单元,认知逻辑处理单元和语法处理单元。其中所述的注意记忆单元与知识记忆装置的存储结构完全相同。不同的是注意记忆单元不做永久存储,只是用于暂存处理过程中的各种信息,停机后暂存的信息将自动消失。
认知逻辑处理单元包括学习/遗忘器,理解/回忆器和识别/想象器。学习/遗忘器用于对感觉信息和知觉信息之间的映射关系进行存储处理和删除处理,从而实现模拟人脑的学习和遗忘的处理过程;理解/回忆器用于对感觉信息和知觉信息之间的映射关系进行演绎/反绎处理,从而实现模拟人脑的理解和回忆的处理过程;识别/想象器用于对视,听,体等多种外界形态信息的感觉信息和知觉信息之间的映射关系进行演绎/反绎处理,从而实现模拟人脑的识别和想象的处理过程。
认知逻辑处理单元可以是一个多位地址码的多码并行比较器。在语法处理单元的控制下所述的认知逻辑处理单元对输入的感知址码映射的感觉址码或知觉址码进行集合运算处理和感-知转换处理。该集合运算处理是在两组或多组地址码之间进行比较,等同的值作为交集,不等同的值作为差集。所述集合处理的结果被输入到注意记忆单元中可作为下一步的多层次集合运算的输入信息。语法处理单元用于提供通用语法(Universal Grammar)规则控制指导认知逻辑处理单元的信息逻辑处理并将中间结果存放在注意单元中准备进一步的连续信息处理,最终将处理的结果输出。该语法处理单元的通用语法规则控制包括词汇处理控制,词组处理控制,词义处理控制,句法处理控制,语义处理控制和知识处理控制等。所述的语法处理单元根据输入的语言信息,判断是否进行语言信息学习存储还是语言索取处理。如果是进行语言学习存储过程,所述的语法处理单元会再根据该输入的信息,进一步判断是否需要进行词汇学习,词组学习,句法学习及词义学习等。在所述的词汇,词组,词义及句法知识学习后,所述的语法处理单元根据词汇,词组,词义及句法知识可进行语义生成。上述的各种语法控制是通过所述语法处理单元的词汇处理子单元,词组处理子单元,词义处理子单元,句法处理子单元,语义处理子单元和知识处理子单元。上述各个处理子单元来实现的。
认知逻辑处理装置还包括一个ASCII编辑单元,所述ASCII编辑单元用于将外界输入的信息转换为机内物理信息,或者将机内物理信息转换为外界输出信息。
认知逻辑处理装置还包括一个感知编译单元,其用于将机内物理信息转换成感知址码,或者将感知址码转换成机内物理信息。该感知址码与机内物理信息是一一对应的。
本发明的第二方面提出利用认知逻辑机器进行信息处理的方法,特别是该认知逻辑机器进行自然语言处理的方法。所述的方法旨在解决目前自然语言处理算法无法克服的一系列问题,包括语义奇异问题,算法时间随复杂度指数增长问题。
本发明是基于人脑的记忆结构和认知逻辑原理,提出的一种的认知逻辑机器在对自然语言处理时,对自然语言信息进行关系存储和索取的方法。
该自然语言处理的方法是利用自然语言的通用语法规则控制,对具有关系三元组存储形式的语言信息进行认知逻辑处理。该认知逻辑处理的操作由认知逻辑处理单元执行,所述的通用语法规则存储在语法处理单元中。
首先将外界输入的语言信息转换成具有感-知结构的语言关系信息,该转换处理过程可以利用下述的感知处理来实现。该语言关系信息可以是上述的关系三元组存储形式存储语言(包括自然语言和人工语言)信息之间的各种关系。然后,所述的认知逻辑信息处理装置对所述关系三元组存储形式中的感觉信息和知觉信息进行感知、归纳、演绎、反绎等逻辑处理从而实现学习/遗忘,理解/回忆,识别/想象和推理的功能。
所述的感知处理是将输入的外界信息以感知址码的形式存入知识记忆装置。
所述的归纳处理是在感觉信息和知觉信息之间建立映射关系。
所述的演绎处理是从感觉信息索取知觉信息映射关系的过程。具体处理方法是将输入信息对应的感知址码在知觉址码的映射进行交集处理。
所述的反绎处理是从知觉信息索取感觉信息映射关系的过程。具体处理方法是将输入信息对应的感知址码在感觉址码的映射进行交集处理。
所述的推理处理是从感觉信息索取知觉信息,然后转换成感觉信息,再进行知觉信息的索取过程。
上述的逻辑处理过程可以采用并,交,差,换,四项基本运算操作来实现。
所述感知处理的实践意义是将信息在感觉状态和知觉状态之间等价转换,用感知公式表示为P=C。例如P(ANIMAL)=C(ANIMAL)表示“ANIMAL”既是感觉信息也是知觉信息,它们之间可做等价转换。从机器实现角度说,感知是将同一信息存储于两个一一对应的地址,或者一个地址映射两个一一对应的信息。感知是最基本的认知功能。
所述归纳处理的实践意义是建立感觉信息和知觉信息之间的关系。用归纳公式表示为P→C。例如P(DOG)→C(ANIMAL)表示“DOG”与“ANIMAL”的关系。
所述演绎处理的实践意义是从感觉信息交集索取知觉信息,用演绎公式表示为P>C。例如P(DOG,CAT,MOUSE)>C(ANIMAL)表示从感觉信息“DOG,CAT,MOUSE”交集索取出知觉信息“ANIMAL”。从实现角度说,演绎处理是从感知址码到知觉址码的多一归约(≤m,many-onereducibility)运算。
所述反绎处理的实践意义是从知觉信息交集索取感觉信息,用反绎公式表示为P<C。例如P(CAT)<C(PETANIMAL,CLIMB TREE)表示从知觉信息“PETANIMAL,CLIMB TREE”交集索取出感觉信息“CAT”。从实现角度说,反绎处理是从感知址码到感觉址码的多一归约运算。
所述学习/遗忘,理解/回忆,识别/想象和推理是所述感知,归纳,演绎和反绎的外部认知过程,该外部认知过程是相对于上述各种认知逻辑处理的外在表现。
所述学习过程是感知和归纳逻辑信息处理过程,因此学习过程也可以用感知和归纳逻辑公式表示。例如,学习“DOG”是“ANIMAL”这个过程可以用感知公式和归纳公式表示为
感知公式:P(DOG)=C(DOG),
感知公式:P(ANIMAL)=C(ANIMAL),
归纳公式:P(DOG)→C(ANIMAL),
并利用所述公式通过认知逻辑机器实现学习过程。
所述理解和识别是演绎逻辑处理过程,因此理解和识别过程也可以用演绎逻辑公式表示。这里理解是指文字信息的演绎过程,识别是指声音信息和图像信息的演绎过程。例如,“TREE”,“BUSH”,和“GRASS”可以理解为“PLANT”,用演绎公式表示为
P(TREE,BUSH,GRASS)>C(PLANT)。
所述回忆和想象是反绎逻辑处理过程,因此回忆和想象过程也可以用反绎逻辑公式表示。这里回忆是指文字信息的翻译过程,想象是指声音信息和图形信息的反绎过程。例如,根据“MAMMAL”和“LIVING IN OCEAN”可以回忆起“WHALE”,用反绎公式表示为
P(WHALE)<C(MAMMAL,LIVING IN OCEAN)。
所述推理过程是连续的演绎处理的过程,因此推理过程可以用演绎公式表示为
P(1)>C(2)=P(2)>C(3),简化为P(1)>C(2)>C(3)。
例如P(POODLE)>C(DOG)>C(ANIMAL)表示“POODLE”是“DOG”,“DOG”是“ANIMAL”。
在对自然语言信息进行处理时,上述各种逻辑处理是通过认知逻辑处理装置实现的,该认知逻辑处理装置中的认知逻辑处理单元在语法处理单元提供的通用语法(Universal Grammar)规则控制指导下实现上述各种认知逻辑处理。所述的语法处理单元根据语言信息输入判断是否进行语言信息学习存储还是语言索取。如果是进行语言学习过程,所述的语法处理单元再根据信息判断是否需要进行词汇学习,词组学习,句法学习及词义学习等。在所述的词汇,词组,词义及句法知识学习后,所述的语法处理单元根据词汇,词组,词义及句法知识进行语义生成。
所述基本的语义生成过程主要分为三个层次。第一层次是词类索取层次,在该层次中将输入的自然语句中对应于组成该自然语句的每个独立单词的词类信息通过认知逻辑处理单元中的理解/回忆器进行词类理解/回忆处理,从知识记忆装置中索取出来并将索取的信息存入注意记忆单元中。第二层次是句型索取层次;在该层次中,将对第一层中存入注意记忆单元中的词类进一步通过认知逻辑处理单元中的理解/回忆器进行句型理解/回忆处理,从知识记忆装置中索取出相对应的句型,并存入注意记忆单元中。
第三层次是语义生成层次;在该层次中,将上述输入的自然语句分别已在上述两个层次中已经存入注意记忆单元中的句型和词类,通过认知逻辑处理单元中的理解/回忆器进行语句理解/回忆处理生成具有句法结构的语义结构语句,并将其存入知识记忆装置中。
所述的语法处理单元提供通用语法(Universal Grammar)规则控制,把自然语言的词汇,词组,词义,语句,和句法结构转换成统一的机器语言规则控制。所述的通用语法规则控制包括词汇处理控制,词组处理控制,词义处理控制,句法处理控制,语义处理控制和知识处理程序控制。所述的语法处理单元在执行上述的控制时,是采用信息层次组合和分解处理控制的方法,该方法包括对词汇、词组、词义、句法和知识等处理方法。其中所述的信息层次组合是指初级层次信息处理逐层地递送到高级层次信息处理的方法。所述的组合和分解处理控制的方法是将组合和分解处理转换成统一的机器地址码之间的关系查询处理,即将所有输入信息通过所述认知逻辑转换成由初级到高级的机器地址码,其中初级地址码是组成高级地址码的元,初级地址码与高级地址码之间的关系建立和查询由所述的认知逻辑处理实现。
所述句法处理是采用层次嵌入式结构,所述层次嵌入式结构提供语句结构的存储方式和索取方式。所述词汇处理,词组处理,词义处理,句法处理,语义处理和知识处理是根据语言输入的内容决定是否进行学习/遗忘处理或者理解/回忆处理。如果是学习/遗忘处理,该语法处理单元通过学习/遗忘处理过程逐层进行词汇学习或遗忘,词组学习或遗忘,词义学习或遗忘,句法学习或遗忘,语义学习或遗忘和知识学习或遗忘。如果是理解/回忆处理,该语法处理单元通过理解/回忆处理过程逐层进行词汇理解或回忆,词组理解或回忆,词义理解或回忆,句法理解或回忆,语义理解或回忆和知识理解或回忆。所述语法处理单元本身不进行直接运算,它指导认知逻辑处理单元进行逻辑处理。
如果所述的语法处理单元判断语言信息输入为语言索取过程,所述的语法处理单元也对输入语言进行语义生成和语句理解/回忆处理,并将结果通过所述的感知编译单元和ASCII编译单元转换成外部信息输出。
附图说明
图1所示为人脑基本结构示意图;
图2所示为人脑信息处理示意图;
图3所示为信息等级模型图;
图4所示为信息转换模型图;
图5所示为本发明的认知逻辑机器模型图;
图6所示为本发明的认知逻辑结构图;
图7所示为本发明的认知逻辑机器的基本结构示意图;
图8所示为本发明的认知逻辑处理装置的结构图;
图9所示为本发明的认知逻辑机器的学习/遗忘工作的原理图;
图10所示为本发明的认知逻辑机器在理解/回忆工作的原理图;
图11a所示为本发明的认知逻辑机器进行词汇学习的实例图;
图11b所示为本发明的认知逻辑机器进行语句学习的实例图;
图11c所示为本发明的认知逻辑机器进行语义学习的实例图;
图12所示为本发明的认知逻辑机器进行理解/回忆的实例图;
图13所示为本发明的认知逻辑机器进行语义生成的实例图;
图14a所示为本发明的认知逻辑机器进行推理的实例图;
图14b所示为本发明的认知逻辑机器的推理原理的实例图;
图15所示为多传感认知逻辑结构图;
图16a所示为本发明的认知逻辑机器的语法处理单元逻辑的结构图;
图16b所示为本发明的认知逻辑机器的语法处理过程的实例图。
具体实施方式
为了能够更加清楚地介绍本发明的内容,现结合附图对本发明做详细说明,在介绍本发明之前,为了使本发明的内容更加容易理解,现对人脑的生理结构和先天生理逻辑做如下介绍。
人脑的等级双记忆结构介绍
认知逻辑机器的结构和逻辑处理规则是模拟人脑的等级双记忆结构及此结构形成的认知逻辑功能原理。
图1所示为人脑的基本结构示意。人脑分为左右半球,每半球包含四个脑叶。它们是枕叶、颞叶、顶叶和额叶。枕叶皮层处理视觉信息,颞叶皮层处理听觉信息,顶叶皮层处理体觉和运动觉信息。我们称这三叶皮层为感觉皮层,因为它们感觉从物理世界获取的信息。额叶包含两个部分,运动部分和前额部分。运动部分执行运动的输出。前额部分是处理抽象信息的中枢。
本发明的理论方案是根据人脑神经生理学理论发展来的。人脑的各个脑叶被神经元组成的脑皮层所覆盖。各脑叶的皮层至少包含三个(初级,中级和高级)皮层区域。信息在初级区被处理后传递给中级区,再进入高级区。当信息通过这些区域被处理后,变得综合复杂。例如,当视觉信息通过我们的大脑到达初级皮层时,在这个区域里活动的神经元会让我们感觉到看见简单的亮点。当视觉信息到达高级皮层时,在这个区域活动的神经元也许会让我们体验复杂的视觉图象,比如树,动物,等等。类似的,当听觉信息到达初级皮层时,它会激活我们基本的听觉,让我们感觉听到简单的音响。当它到达高级的皮层时,它会使我们感觉听到高低变化或有节率的声音。对于身体的触动觉信息,当它到达在初级皮层时,能准确的激活触动知觉。当它到达高级的皮层时,它会激活整体的触动知觉。
此外,经过感知处理的信息从各个脑叶整合到最高的结构,前额区。前额区和感觉脑叶之间有神经纤维联。这些纤维可大致分为三组功能:前额知觉和枕叶视感觉之间的信息传递;前额知觉和颞叶听感觉之间的信息传递;前额知觉和顶叶体感觉之间的信息传递。这些以高速度传递信息的纤维类似于成束的电缆,在前额叶和三个感觉脑叶之间往返传递信息。
信息从感觉脑叶整合到前额脑形成知觉信息。在前额脑形成的知觉信息可以通过纤维束在枕叶回忆起视感觉信息,在颞叶回忆起听感觉信息,在顶叶回忆起体感觉信息。
图2所示为信息在大脑各个脑叶的不同层次进行处理的示意。视感觉,听感觉和体感觉信息首先到达皮层的初级区域,然后通过皮层的中级区域进入皮层的高级区域。在高级区域被加工的信息通过纤维束直接传入前额脑并在那里生成知觉信息。前额脑知觉信息可以通过纤维束送到各个感觉脑叶,回忆起存储在那里的感觉信息,也可以直接指导运动皮层进行运动信息输出。
额脑是一个分等级的双记忆结构。除前额区以外,额脑还包括其它三个运动区域。它们是初级运动区,中级运动区,和高级运动区。前额部在机能上是人脑最高级的结构。它被认为是控制智力活动的区域。初级运动区支配简单的肌肉活动。中级运动区对肌肉活动进行协调。高级运动区对群体肌肉活动进行整合。与感觉脑叶相比,信息从简单水平被加工到复杂水平;而在额脑,信息是从综合水平被分配到初级水平。最高的综合结构是前额皮层。前额皮层的信息支配运动的输出。
信息加工表明初级皮层是在这样一种秩序下完成的:不同的低层结构神经元汇总相同的信息到相同的高层结构神经元去。反过来说,高层结构的神经元从不同的低层结构神经元得到同类的信息。由此,信息通过各层加工时可能被分类。也就是说,脑信息是在层次中被分类的,又可以称之为层次分类。层次分类机制不仅仅局限在初级皮层。它是整个大脑处理信息的一个基本的原则。
生理学的工作表明,大脑信息是在一个等级层次结构内被处理的。也就是说,携带相同信息的神经元从低层结构连接到特定的高层结构。换句话说,如果信息具有共性,携带信息的低层结构神经元可以将这些共性信息传递给高层结构中的特定神经元,并形成新的信息模式。这是大脑结构加工认知信息的基本逻辑。在生理学,这种逻辑被称为整合。它显示低层结构的功能被高层结构的功能所控制。换句话说,高层结构是发展来控制低层结构的。
当所说的信息在大脑里被加工的时候,它意味着信息从一组神经元传递给另一组神经元。当两组神经元共享信息时,不同的低层神经元组向共享的神经元组传递共享信或者共享的神经元组从不同的低层神经元组提取共享信息。
图3所示为人脑中信息等级模型示意,该示意图显示神经元共享相同信息时,不同的低层神经元组向共享的神经元组汇总共享信息,或者共享的神经元组向不同的低层神经元组提供共享信息。
前额区是一个共享神经元组,它从相应的感觉存储器接收视感觉,听感觉和体感觉信息。它直接通过往返纤维束从枕叶获取视感觉信息,从颞叶获取听感觉信息。从顶叶获取体感觉信息。纤维束传递信息是双方向的。也就是说,前额区也向枕叶颞叶和顶叶输送信息。
图4所示为信息转换模型示意图。当视感觉信息到达枕叶时,它逐层地激活上层共享神经元组,一直到达感觉信息处理层。如图4所示,例如,一个red圆和一个yellow圆在视觉处理层能激活它们共享的第5组神经元。视觉处理层的第5组神经元代表圆形状,将激活视觉表达层的神经元,并且继续激活知觉层ELCRIC神经元组。这个感觉信息能激活语音信息“circle”神经元组。ELCRIC这个单词倒着拼写是用来表明知觉层和视觉表现层之间的差别。
如果第一次看见一个green正方形,它将激活第2和第6神经元组,因为它们有共享特性。依次,这些神经元组将激活视觉表达层的第26组神经元。第26组神经元将激活知觉水平的NEERG和ERAUQS神经元组。NEERG和ERAUQS神经元组将激活代表green正方形″green square″这个语音信息的神经元组。这个过程被称为认知。
人脑的生理结构提供了一个认知存储结构模型。在最高层,前额脑整合来自枕叶,颞叶和顶叶的视感觉,听感觉,和体感觉信息。前额脑的信息也可能被送回到这些感觉脑叶。等级双记忆结构及往返信息传递是认知过程的基础。这也为本发明提供了认知逻辑原理基础。
人类认知是一个整合***,它是人脑的产物。根据人脑的结构模型,可以归纳出一套统一的认知逻辑原理,称为自然智能***理论。该自然智能***的一个特点是它的可模拟性,具体表现在:
1.人脑记忆是一个感觉-知觉等级双记忆***。感觉记忆从外部世界获取信息,代表表象;知觉记忆从感觉***获取信息,代表抽象。
2.感觉***主要有3种形式:视感觉,听感觉和体感觉。它们可以在知觉***的指导下并行处理或转换。
3.人的认知逻辑是在感觉和知觉等级双记忆***之间产生的先天生理逻辑,包括感知,归纳,演绎和反绎。
4.感知是感觉-知觉信息之间的同一转换。
5.归纳是感觉-知觉信息关系的建立。
6.演绎是从感觉信息到知觉信息的关系处理过程。
7.反绎是从知觉信息到感觉信息的关系处理过程。
8.全部认知过程都是感知,归纳,演绎和反绎的组合。
9.知识是感觉和知觉信息之间的关系集合。
10.语言是知识的表达。
11.并,交,差,和换是认知的四项基本操作。
12.认知逻辑是结构逻辑,可以利用机器模拟。
这里,记忆是人类认知的基础,人类通过它来保留信息。尽管一些记忆现象,例如,短时和长时记忆已经得到公认,然而短时和长时记忆的生理学机制及定位仍然是未知的。与传统的观点不同,认知逻辑理论认为短时和长时记忆仅仅是现象。更准确地说,人类的认知信息存在于表象(感觉)和抽象(知觉)两个互为镜像的记忆***内。这个等级双记忆***不仅存储信息而且存储两个记忆之间的关系。感觉记忆从物质世界接受信息并与物质信息之间有一一对应的关系。知觉记忆不从物质世界直接接受信息,而从感觉记忆接受信息,知觉记忆与感觉记忆之间有一对多的关系。思维是在感觉记忆和知觉记忆之间进行的。这说明为什么在没有外界信息输入时人仍旧可以思维。举个例子,如果有人告诉我们他刚刚发现了一个“黑洞”理论,我们能明白他谈论的是什么,而不需要从物质世界接受这个概念。
感觉和知觉形成可分可合,共同工作的一对记忆。我们都有类似的经验:有时我们会意识到我们忘记了什么事情,但是不知道我们忘记的是什么。这个例子是感觉记忆缺失的现象。有时我们会忘记别人要我们做的事情,而且会责怪别人没有告诉我们要做的事情。当别人拿出物质证据时,我们才发现是自己忘了。这是知觉记忆缺失现象。物质证据和感觉记忆能够找回知觉记忆并确认我们确实忘记了什么。
感觉记忆包含了三个部分:视感觉、听感觉和体感觉记忆。感觉信息既在时间也在空间上处理。视感觉信息处理表现出空间性质,听感觉信息处理表现出线性特征。每一个感觉记忆都可以作为语言的载体。也就是说,携带语言含义的文字和音响符号可以索取回知觉信息。体感觉在盲文中扮演相同的语言载体角色。这三种感觉记忆平行地连接到知觉记忆。
语言的意义被存储在知觉记忆中。知觉记忆可以被定义为对感觉信息的意识。知觉记忆和感觉记忆的关系类似于电和磁交互成立,缺一不可。另一方面,感觉记忆表现更为被动。知觉记忆表现更为主动。知觉信息是从感觉信息创生的。发明创造和其它新颖思想是新知觉信息生成新感觉信息的结果。这就是为什么世界上信息数量以指数速度增长的原因。尽管人类不能模拟意识现象,但是可以模拟认知过程。
感觉和知觉信息之间的双向处理形成了先天生理逻辑的基础。例如,一组有关鸡的视感觉信息,例如白母鸡和花公鸡的图像,同有关鸡的知觉信息联系起来。尽管有关鸡的视感觉图像在尺寸和颜色上不同,它们在大脑里被连接到了一个抽象的,概念上的类别。有关鸡的知觉信息又可以连接到特定的听感觉记忆,例如一组英语视觉符号“Chicken”,或者其他语种的视觉符号或者声音。在小孩学单词的时候,抽象的知觉信息被连接到特定的感觉信息上。
用同样的方法,小孩能够学习“鸟”,“动物”和其他单词。也就是说,一个人的词汇知识就是这个人脑中知觉信息和感觉信息之间的联系。当听见或者看见一个特殊的单词,就会唤醒它的相关的知觉信息。
知觉信息能通过与感觉信息建立关系而被学习。等级双记忆结构给人们提供一个逻辑机制来处理信息之间的关系。例如:鸭子联系到鸟,鸟联系到动物。在鸭子到鸟,鸟到动物之间存在着连续的逻辑关系。如果人们知道鸟是动物,鸭子是鸟,那么,就可以得出结论,鸭子是动物。在认知逻辑技术的术语中,知识可以被生理学定义为感觉信息和知觉信息之间的关系。感觉记忆是相对被动的,知觉记忆是相对主动的。知觉信息与意识和意愿相关联。它指导人的行为。感觉信息与经验和物理信息相关联。人们从物质世界接受的认知信息主要有视感觉、听感觉和体感觉形式。感觉到的信息在感觉记忆中被存储。
体验视感觉信息存储和听感觉信息存储之间的不同并不困难。例如,如果要求某人回忆他曾经就读过书的中学的大门,他很容易能找回相关的空间视感觉信息,因为他在大脑里存储着这个的视感觉信息。听觉记忆是一个分立的,呈线性的存储。如果要求他回忆“义勇军进行曲”第二小节的第一个音符,他需要顺续地从记忆中默默地“哼哼”出第一小节的音符,然后找到第二小节的第一个音符。可以看出,时间性的听感觉与空间性的视感觉不同,存储是呈线性的。
对于一般人来说,体感觉记忆在语言交流上似乎没有视感觉和听感觉记忆那样有意义。可是对于盲人来说体感觉记忆就必不可少了。在需要的时候体感觉记忆能替代“正常”语言。盲文就是这样发展来的。运动员也依赖体感觉记忆去完成他们的竞技。
知觉记忆与感觉记忆不同。知觉记忆有察觉信息的意识能力。这是意识水平的记忆功能。意识现象已经超出本文所能讨论的范围。这篇文章仅假设这样一个水平的记忆存在,并用科学方法证明和重现认知现象。等级双记忆理论供给人们理解人类认知的可检验方法。区别知觉记忆与感觉记忆很容易。例如,如果要求我们回忆出林肯总统在伊利诺斯州家的大门,没到过那里的人都不会有具体的视感觉信息,但在知觉记忆中可以知道林肯总统可能在伊利诺斯州有个家,并且有个家门。
再举例,如果“ICSC”呈现在我们面前,我们在看过它以后能感知它,甚至还能回想起它。如果我们不知道它意味着什么,我们就不会把它和相关的概念联系起来。如果我们被告知“ICSC”是“国际购物中心协会”,它的网址是www.icsc.org,我们能把知觉信息和“ICSC”联系起来,同时,也能传递这些信息给其他的人。
认知现象表明信息是在两个水平上被存储和处理的。当我们感知一个没有含义的信息时,它被存储在一对感觉和知觉记忆中。当我们知道感觉信息的含义时,代表含义的知觉信息与感觉信息就建立起关系。知识是感觉信息和知觉信息之间的关系的集合。如果在“ICSC”和“国际购物中心协会”之间的关系已经在我们的头脑中建立,我们可以找回这个特定的知识。否则,“ICSC”对于我们来说没有任何意义。
知识由四个重要元素构成:符号,含义,关系和时间。感觉记忆处理和存储符号。知觉记忆在时间的基础上意识,处理感觉信息之间的关系和意义,并储存它们。感觉信息和知觉信息之间跨越时间的关系构成了知识的基础。
处理知识时,知觉信息是被感觉信息以线性方式呈现出来的。感觉信息流的顺序遵循时间模式。这个模式就是语法。语法是语言的基本特性。使用相同的语言的人遵循着同一种语法规则。不同的语言可以有不同的语法。孩子们通过他们自己的概念生成能力学习语法规则。这种天生能力将在接下来的部分被讨论。处理知识是思考的过程。知识可以通过语言获得,因为语言包含着单词和句子,而单词和句子包含着语义和时间顺序的语法。
语言的深,浅双层结构被语言学界相当普遍地接受。可是,这两个结构怎样一起工作,又由什么生理结构组成并不为人所知。为了解释语言现象,语言学家认识到双层结构的必要性。乔姆斯基引入了深层结构的规范形式来判定不同的句法结构可以包含相同的命题判断。例如,“约翰给玛丽写了一封信”和“一封写给玛丽的信是由约翰写的”,这两句话是一个意思,却有着不同的句法和不同的浅层结构。
句子在感觉和知觉两个水平之间处理的理论使语言现象很容易被解释。每个句子的知觉意义能被感受到的单词和词序所决定。当句子被读到或者听到时,它的词序能被意识到。这个顺序能帮助我们将每个词的意义组合到特定的结构中去。不同的结构决定不同的意义。另外,在一个单词有多个的含义的情况下,选择特定含义依赖于单词之间的关系。例如,Java在句子“Aprogrammer is writing Java”和“A traveler is visiting Java”中的含义分别由单词writing和visiting决定。
理解一串符号和使用一串符号表示一个概念的能力是天生的。单词次序的规则被称为语法。不同的语言有不同的语法。语法知识不是天生的,可是,认识这些句子模式的能力是天生的。这就是说,儿童能在他们正式学习这些语法规则之前就使用语法。语言学家称这种先天能力为统一语法。对于统一语法已经进行了广泛的研究,但目前还没有形成可以验证的理论。
概念有时会在语言之前进入人脑,然后再用语言描述它。单词computer和internet是在概念被发展以后引进的。也就是说,知觉信息独立于物质语言。概念和感觉信息在两层结构中被处理,而它们之间又相互联系。
运用语言来表达思想的能力可以用感觉和知觉双记忆结构及它们之间的信息传递来解释。语义是语言具有含义的现象。可是当我们为单词做定义时会发现自己在使用其它单词。为什么我们必须用一些概念解释另一些概念始终是个迷。这个过程可以这样解释:当语言的符号,如APPLE,被学习时,它被关联到特定的知觉信息,从而这个特定的知觉信息成为APPLE的意义。这个物理符号在头脑中可以关联到它的概念意义。概念意义也可以找回表现它的感觉联系。符号的组合也能找到概念意义的组合,反之亦然。
符号组合方式决定了符号组的意义,从而构成语法现象。就像我们已描述的,语法是关于单词怎样组合以呈现不同含义的知识。也就是,单词组的次序决定着不同的知觉信息。举例来说,“狼追狗”和“狗追狼”有着不同的含义。单词的次序能被自动地知觉到,并用来确定句子的含义。
因此,根据生理学原理,人脑的等级双记忆结构形成了结构性逻辑***。感觉记忆从物质世界得到信息,知觉记忆从感觉记忆得到信息。感觉记忆可以认为是语言的表层结构,知觉记忆可以认为是语言的深层结构。知识是这两个记忆之间的多种信息关系。这两个记忆结构之间的信息转换形成一套认知信息逻辑原则。
新近神经解剖学对记忆的研究已经确认,人脑确实包含着一个双重结构***。感觉记忆与知觉记忆是两种独立的大脑功能。其它神经解剖学的研究指出,人的前额脑与概念记忆有关,而感觉皮层进行感觉信息存储。连接前额脑和感觉皮层的纤维形成粗大的神经束。信息通过这条信息高速电缆在前额脑和感觉皮层之间往返传送。这一等级双记忆结构形成认知逻辑基础。
本发明是基于模拟上述人脑的记忆结构和认知逻辑原理,提出的一种模拟人脑的等级双记忆结构及由此结构生成的内在认知逻辑的机器和方法,并用此机器和方法对自然语言进行关系存储和索取的处理。图5所示为本发明的认知逻辑机器的模型。本发明中的关系记忆认知逻辑包括感觉信息101和知觉信息102以及处理所述双记忆信息之间关系的认知逻辑处理装置103。与传统的图灵机模型不同,该认知逻辑处理***模型不依靠状态编程进行函数递归运算,而是在感觉信息和知觉信息两个对称的语言之间进行关系的建立和查询。
图6所示为本发明的认知逻辑的结构模型。从理论上陈述,所述认知逻辑处理装置103包括感知处理单元104,演绎处理单元105和反绎处理单元106。所述的认知逻辑处理装置103用于对外界输入信息进行逻辑处理而将其转换成具有感-知结构的关系信息而存储到等级双记忆存储装置中。该等级双记忆存储方式是一种关系的存储。具体地说,该存储方式为具有感觉信息和知觉信息相互映射关系的存储。所述的认知逻辑处理装置根据外界信息输入100对感觉信息101和知觉信息102之间映射关系进行逻辑处理并将处理的结果输入到等级双记忆存储装置中,或者输出到输出装置。
图7所示为本发明的认知逻辑机器的基本结构示意图。该认知逻辑机器包括输入装置111,信息总线112,认知逻辑处理装置103,知识记忆装置115和输出装置116。
如图8所示为本图7所示的认知逻辑机器中的认知逻辑处理装置的结构图。由于本发明中的认知逻辑机器的数据存储记忆与传统的图灵机模型的数据存储记忆不同,本发明中的存储方式为对感觉信息和知觉信息相互映射关系的存储。其中所述的认知逻辑处理装置进行认知逻辑的处理,包括感知,归纳,演绎,和反绎等处理。认知逻辑处理装置的认知逻辑与传统的图灵机模型的数理逻辑不同,认知逻辑不依靠状态(State)编程进行函数递归运算,而是在感觉信息和知觉信息两个对称的语言之间进行关系的建立和查询。感知逻辑是感觉信息和知觉信息之间的一一对应。归纳逻辑是感觉信息和知觉信息之间关系的建立。演绎逻辑是从感觉信息索取知觉信息。反绎逻辑是从知觉信息索取感觉信息。
本发明的认知逻辑信息处理装置103包括认知逻辑处理单元113,语法处理单元127和注意记忆单元114。其中所述的认知逻辑处理单元113进一步包括学习/遗忘器123,理解/回忆器124和识别/想象器125。所述的学习/遗忘器123用于对所述的感觉信息101和知觉信息102之间的映射关系进行存储和删除处理而实现模拟人脑的学习和遗忘的处理过程;所述的理解/回忆器124用于对所述的感觉信息101和知觉信息102之间的映射关系进行演绎/反绎处理而实现模拟人脑的理解和回忆的处理过程;所述的识别/想象器125用于对所述的视,听,体感觉信息101和知觉信息102之间的映射关系进行演绎/反绎处理而实现模拟人脑的识别和想象的处理过程。
所述的语法处理单元127用于提供通用语法(Universal Grammar)规则控制指导认知逻辑处理单元113的信息逻辑处理并将中间结果存放在注意单元114中进行进一步的连续信息处理,最终将处理的结果输出。所述的语法处理单元包括词汇处理子单元173,词组处理子单元174,词义处理子单元175,句法处理子单元176,语义处理子单元177和知识处理子单元172。所述的语法处理单元根据语言信息输入170判断是否进行语言信息学习存储还是语言索取。如果是进行语言学习过程,所述的语法处理单元再根据信息判断是否需要进行词汇学习,词组学习,句法学习及词义学习等。在所述的词汇,词组,词义及句法知识学习后,所述的语法处理单元127根据词汇,词组,词义及句法知识进行语义生成143。
所述认知逻辑处理单元113可以是一个多位地址码的多码并行比较器。在语法处理单元127的控制下认知逻辑处理单元113对输入的感知址码映射的感觉址码或知觉址码进行集合运算和感-知转换处理。该集合运算处理在两组或多组地址码之间进行比较,等同的值作为交集,不等同的值作为差集。集合处理的结果被输出到注意记忆114中作为下一步的多层次集合运算的输入信息。例如,感知址码“1000”映射的感觉址码“1011,1100”,与感知址码“1010”映射的感觉址码“1011,1110”,的交集是1011,表示为P(1011)<C(1000,1010),其中P(1011,1100)→C(1000),P(1011,1110)→C(1010)。感知址码“1000”映射的知觉址码“1101,1111”与感知址码“1001”映射的知觉址码“1110,1111”的交集是1111,表示为P(1000,1001)>C(1111),其中P(1000)→C(1101,1111),P(1001)→C(1110,1111)。可见,这里认知逻辑处理单元的运算是归约运算。
所述的认知逻辑机器还包括一ASCII编辑单元,如图9中所示的ASCII编辑单元131,用于将外界输入的信息转换为机内物理信息码,或者将机内物理信息码130转换为外界输出信息。该ASCII与机内物理信息是一一对应的。
所述的认知逻辑机器还包括一感知编译单元132,其用于将机内物理信息130转换成感知址码104,或者将感知址码转换成机内物理信息130。该感知址码104与机内物理信息130是一一对应的。
所述的注意记忆单元114与知识记忆装置的存储结构完全相同。不同的是注意记忆单元114不做永久存储,停机后知识信息自动消失。
本发明的另一方面提出本发明的认知逻辑机器处理信息的方法,下面结合附图对本发明的认知逻辑器的工作原理及信息处理方法做详细的说明。所述的认知逻辑机器的处理方法主要包括如下步骤:外界信息输入步骤,认知逻辑处理装置的处理步骤,知识记忆装置的存储步骤以及外界信息输出步骤。
外界信息输入步骤:
本发明的认知逻辑机器的输入装置根据外界信息100的种类和需求而设定输入方式,将外界信息输入认知逻辑机器,形成与该外界信息一一对应的该认知逻辑机器内的物理信息130。
其中,根据外界输入的信息的种类可以将对应的物理信息划分为层次级别,例如:低级物理信息,初级物理信息,中级物理信息,高级物理信息等等,其中跟外部信息100的低级单位所对应的物理信息130为低级单位的物理信息,例如,输入的英文文本信息,每个字母可以作为输入的外部信息的低级单位,而每个字母所对应的物理信息为低级单位的物理信息。初级物理信息,是由多个低级单位物理信息的集合。例如,输入的每个单词所对应的物理信息可以看作是初级物理信息,其是由低级单位物理信息字母构成的集合。中级物理信息,是由初级物理信息构成的集合。例如,输入的句子可以看作所对应的初级物理信息单词构成的集合。高级物理信息可以由中级物理信息构成。其中所述的外部信息的低级单位可以由***自动设定,因此与外部信息相对应的低级单位物理信息,初级物理信息,中级物理信息及高级物理信息等都可以根据具体的情况而设定。
所述的外部信息100可以通过机内物理信息130转换成感知信息104。例如,视频信息可以转换成视感觉信息,音频信息可以转换成听感觉信息,温度传感器发出的信息和运动觉信息诸如敲击键盘的运动信息可以转换成触感觉信息等。该输入的方式可以根据信息的种类和认知逻辑机器的要求而设定,例如,键盘输入方式,语音输入方式,传感器输入方式和图形输入方式等。
所述的物理信息可以根据需求而设定。例如采用键盘录入的方式输入的信息可以直接采用ASCII码。
如图9所示,通过键盘依次将外部信息(E)100,例如单词“DOG”,和单词“ANIMAL”输入到认知逻辑机器中,由于该输入是采用键盘输入,故可利用现有的ASCII码对所输入单词进行一一对应的处理,并形成机内物理信息(PH)130。在上述的输入中,字母所对应的物理信息可以作为低级单位的物理信息,例如字母“D”,“O”,“G”所对应的机内物理信息可以看作低级单位的物理信息。单词“DOG”所对应机内物理信息可以看作为初级物理信息。一般情况下,低级别的物理信息组合构成高级别的物理信息。这一点根据输入的习惯也不难理解。字母组成单词,字母和单词组成句子,同样与字母相对应的低级单位物理信息的组合构成与单词相对应的初级物理信息,与字母和单词相对应的低级单位物理信息和初级物理信息构成与句子相对应的中级和高级物理信息。例如,“DOG”的机内物理信息(PH)100010010011111000111可以看作是由字母“D”的机内物理信息1000100,“O”的机内物理信息1001111以及“G”的机内物理信息1000111构成。
认知逻辑处理装置的处理步骤:
如图8所示,认知逻辑处理装置103包括语法处理单元127,注意记忆单元114和认知逻辑处理单元113。所述的认知逻辑处理单元113在功能上是一个普通比较器,处理物理址码信息的交,并,差和换运算。所述知逻辑处理单元113包括学习/遗忘器123,理解/回忆器124和识别/想象器125。所述的认知逻辑处理单元113对外界输入的信息进行认知逻辑处理,该处理包括学习/遗忘器123执行的一对反向功能。学习功能是建立感觉记忆101和知觉记忆102关系的功能。遗忘功能是删除感觉记忆101和知觉记忆102关系的功能。理解/回忆器124执行理解和回忆处理,识别/想象器执行识别和想象的处理。所述理解和回忆处理以及识别/想象处理也是一对互为反向的功能,该处理结果在语法处理单元127的指导下进行并把中间结果暂时存入注意记忆单元114中作进一步多层次处理的输入信息。
下面将详细描述该认知逻辑处理装置是如何实现上述的学习/遗忘,理解/回忆,识别/想象处理的。
学习/遗忘处理:
如图9所示,认知逻辑处理装置103包括语法处理单元127,学习/遗忘器123,注意记忆单元114,感知编译单元132和ASCII编译单元131。
该认知逻辑信息处理装置103通过学习处理程序对外界输入信息建立具有关系三元组115存储形式的关系信息。图11a所示为词汇学习实例,该关系三元组115存储形式包括感知址码(P/C)104,感觉址码(P)101和知觉址码(C)102。该外部信息(E)100是通过输入装置111输入到***中。如图11a所示,外部词汇信息“DOG”和“ANIMAL”通过键盘输入到本发明的认知逻辑机器中,由所示的ASCII编译单元131对上述字母编译相应的机内物理信息(PH)130。该外部信息(E)与机内物理信息(PH)的映射关系131是一对一的映射关系。这里,“D”所对应的机内物理信息是1000100,“DOG”所对应的机内物理信息是100010010011111000111。机内物理信息可以分成字母级别,词汇级别和语句级别等。机内物理信息1000100属于字母级别。机内物理信息100010010011111000111属于词汇级别。所述级别的划分与输入的外部信息的类型相关。
然后,所述认知逻辑信息处理装置103的感知编译单元132对输入的机内物理信息(PH)130进行感知处理,即进行一一对应的感知址码(P/C)104的编码和译码。所述的感知址码(P/C)104与机内物理信息(PH)100的映射关系132是一对一的映射关系。该感知址码可以根据***的需求而随机设定。该感知处理时,首先判断该机内物理信息是否已经创建了此感知址码。如果没有建立此感知址码,该感知编译单元132将对其编译一个感知址码。该感知址码可以是按照物理信息码的输入顺序而自动顺编的自然数。如图10a中,字母“D”的感知址码是4,“DOG”的感知址码是103。如果已经建立此感知址码,该感知编译单元132将使用此感知址码。
随后,所述认知逻辑信息处理装置103的学习/遗忘器123在感觉信息和知觉信息之间建立(或删除)映射关系。所建立的映射关系由所对应的感知址码(P/C)104和知觉址码(C)102之间的元组关系所体现。从而模拟人脑的活动实现学习或遗忘。这里的学习是建立感觉信息和知觉信息之间的映射关系的过程,遗忘是删除感觉信息和知觉信息之间的映射关系的过程。如图11a所示,当学习英语“DOG”这个单词时,感知编译单元132首先对上述的机内物理信息(PH)检索是否已经对相同的机内物理信息(PH)编译过感知址码,以便防止机内物理信息与感知址码出现不一一对应的问题。如果没有发现对上述的单词所对应的机内物理信息编译过感知址码,感知编译单元对其编译感知址码,这里是103。同时在它的对应感觉址码记忆101内加入4,15和7作为感知址码103的感觉址码关系。可表示为,P(D,O,G)→C (DOG)。同样,单词“ANMIAL”的感知址码203可以与字母“A”,“N”,“I”,“M”,“A”和“L”的感觉址码1,14,9,13,1,和12建立关系,可表示为P(A,N,I,M,A,L)→C(ANIMAL)。本发明的知识记忆装置115对上述的感知址码104与感觉址码101的映射关系进行存储。
以上例子是词汇知识的学习过程,下面分别对词义知识,语句知识,句法知识和语义知识的学习过程进行说明。
图11b所示为本发明的认知逻辑机器进行语句知识的学习实例。当外部语句信息“POODLE IS A KIND OF DOG”输入到本发明的***中,ASCII编译单元131对每个外部信息编译了机内物理信息(PH)130(图中省略了具体的机内物理信息),该外部信息100与机内物理信息的映射关系131是一对一的映射关系,感知编译单元132对上述每个没有编译过感知址码的机内物理信息编译相应的感知址码104,且机内物理信息与感知址码的映射关系132也是一对一的映射关系。这里“POODLE”的感知址码为101,“IS”的感知址码为102,短语“A KIND OF”的感知址码是222,单词“DOG”的感知址码为103和句子“POODLE IS A KIND OF DOG”的感知址码是301。以上的外界信息的感知址码104与感觉址码101或与知觉址码(C)102的映射关系都在本发明的知识记忆装置115进行存储。
一般我们按照外部信息的输入的顺序来编译感知址码,更优选的一种编译方式是结合输入外部信息的类型,即机内物理信息的级别来编译相应的感知,例如上述单词“POOPLE”,“IS”和“DOG”对应的都是初级机内物理信息,故其感知址码可以编译为同一级别的101,102和103。短语“AKIND
OF”对应的机内物理信息的级别是中级机内物理信息,故其感知址码是201,而语句“POODLE IS A KIND OF DOG”所对应的机内物理信息的级别是高级机内物理信息,其感知址码是301。上述感知址码在知识记忆装置存储时也可以按照上述级别划分而存储。
本发明学习/遗忘器123对所有输入的外部信息通过机内物理信息建立信息之间的感知关系。例如,句子“POODLE IS AKIND OF DOG”这句话作为知觉信息,它的感觉关系是由相应的单词和短语构成,即“POODLE”,“IS”,“AKIND OF”和“DOG”。也就是说,句子与组成句子的单词和短语构成知觉和感觉信息之间的一对多的映射关系。反过来说,上述的单词和短语是该句子的感觉组成部分。故上述组成句子的单词与短语与该句子是多对一的感觉-知觉映射关系。上述的映射关系体现在感知址码104与感觉址码101,感知址码104与知觉址码102之间的表达形式是:句子“POODLE IS AKINDOF DOG”的感知址码是301。单词“POODLE”,“IS”,“DOG”和短语“A KINDOF DOG”的感知址码是101,102,103和222。句子“POODLE IS A KINDOF DOG”与单词“POODLE”,“IS”,“DOG”和短语“A KIND OF DOG”的关系可以用关系三元组表示为P(101,102,222,103)→C(301)。转换成外部信息可以表示为P(POODLE,IS,A KIND OF,DOG)→C(POODLE IS AKIND OF DOG)。
图11c所示为本发明的认知逻辑机器进行语义知识的学***进行的。例如语句“POODLE ISAKIND OF DOG”输入所述的认知逻辑机器时,除了语句本身和构成语句的词汇按照上文所述的感知关系规则存入知识记忆装置115外,语法处理单元127根据语法知识通过理解/回忆器124索取出语句“POODLE IS AKIND OF DOG”的每个词汇的词类。用公式表示为P(POODLE IS A KIND OF DOG)>C(NOUN,BE,PHRASE,NOUN)=P(NOUN,BE,PHRASE,NOUN)<C(WORD CLASS)。理解/回忆过程所得到的结果存入注意记忆114。理解/回忆过程将在下文更详细地介绍。
所述语法处理单元127根据语法知识继续利用存放在注意记忆114中的词类知识通过理解/回忆124索取对应“NOUN,BE,PHRASE,NOUN”的句型。用公式表示为
P(NOUN,BE,PHRASE,NOUN)>C((){}\/[])=P((){}\/[])<C(SYNTAX)。其中“(){}\/[]”用来表示主语,谓语,补语,和宾语等。索取到的句型知识暂时存入注意记忆114。
在所述语法处理单元127的控制下,输入的语句“POODLE IS A KIND OFDOG”嵌入所述注意记忆114中相应的句法知识C((){}\/[])生成语义知识C((POODLE){IS}\A KIND OF/[DOG]),并存入知识记忆装置115中。
参照图11c,所述的语义生成过程用公式表示为:P((POODLE IS A KIND OF DOG),((){}\/[]))→C((POODLE){IS}\AKIND OF/[DOG])
所述的内部操作可以用公式表示为:
P((101,211,222,202),((){}\/[]))→C(255,101,256,265,211,266,275,222,202,276)
上述几种情况是以自然语言的词汇,语句和语义等为例对本发明的认知逻辑处理装置的学习处理过程所做的说明。当然上述的例子仅是用于对学习处理过程说明而不是用来限制此学习处理过程的。另外,上述的学习处理过程可以在该认知逻辑机器的内部完成也可以在该***的外部预先对外部信息建立所述认知关系后直接存到该***的知识记忆存储装置中。
本发明的认知逻辑处理装置的遗忘处理是与学习处理相反的一种处理,其是用来删除感知信息与感觉信息或与知觉信息之间的认知关系的过程。由于这种处理很容易理解,仅是学习/遗忘器根据要求将存储在知识记忆装置中的相关的感知信息与感觉信息,或者感知信息与知觉信息之间的认知关系删除,故不再详细说明。这里,在做删除处理时,可以根据要求仅将感知信息与映射的感觉信息,或者感知信息与知觉信息的映射关系做删除处理;也可以仅将感知信息,感觉信息,和知觉信息本身做删除。这可以根据实际***需求而选择。
理解/回忆处理:
图10所示为本发明的认知逻辑装置执行理解/回忆处理的工作原理图。本发明的理解处理过程是由感觉信息索取知觉信息的过程。本发明的回忆处理过程是由知觉信息索取感觉信息的过程。本发明的理解/回忆过程分别根据给定的感知址码索取特定的知觉址码,表示为P>C,或根据给定的感知址码索取特定的感觉址码,表示为P<C。理解/回忆处理是根据语法处理单元127中的语法规则进行关系信息索取和集合运算。外部信息通过上述的学习过程建立了感觉信息和知觉信息关系并且将该关系存储在知识记忆装置中。理解/回忆处理器124根据输入信息的感知址码通过语法处理单元127中的语法规则从知识记忆装置中索取相应的感觉址码或者知觉址码并进行集合运算,而且将过渡状态的索取信息暂时保存在注意记忆单元114中作为进一步索取的输入信息。
图12所示为本发明的认知逻辑机器进行理解/回忆的一实例,例如,输入语句“POODLE IS A KIND OF DOG”的词类可以通过理解/回忆器124从知识记忆装置中索取。同时参看图13,语句“POODLE IS AKIND OF DOG”的词类通过理解/回忆处理141索取得到NOUN(名词),BE(动词),PHRASE(短语),和NOUN(名词)。用公式表示为P(POODLE IS A KIND OF DOG)>C(NOUN,BE,PHRASE,NOUN)=P(NOUN,BE,PHRASE,NOUN)<C(WORD CLASS)。其内部的址码运算为P(101,211,222,202)>C(241,242,243,241)=P(241,242,243,241)<C(223)。
同样的道理,语句“POODLE IS AKIND OF DOG”的句型也可以通过理解/回忆处理如图13中的142所示进行索取,得到(){}\/[]。用公式表示为
P(NOUN,BE,PHRASE,NOUN)>C((),{},\/,[])=P((),{},\/,[])<C(SYNTAX)。
推理处理:
参看图14a,b,所述推理功能是连续的理解过程,用公式表示为
P(1)>C(2)>C(3)。例如,语句知识“铝是金属”和“金属可以导电”可以通过学习功能存储到本发明认知逻辑机器的知识记忆装置中。用公式表示为
P(铝)→C(金属) P(01)→C(02)
P(金属)→C(金属可以导电) P(02)→C(31)
P(金属)=C(金属) P(02)=C(02)
从而可以推理得出
P(铝)>C(可以导电) P(01)>C(31)
识别/想象处理:
参看图15,所述识别/想象处理是通过认知处理装置执行识别/想象的逻辑而实现的。所述识别处理的逻辑与理解处理的逻辑完全一致。所述识别处理对象可以是听觉信息107,视觉信息108,或者体觉信息109。所示想象处理的逻辑是将新知觉信息转换成新感觉信息。下面将详细地介绍本发明的认知逻辑处理装置中的语法处理单元进行语法处理的过程。
参看图16a,所述的语法处理单元执行通用语法(Universal Grammar)处理。所述通用语法处理将自然语言转换成统一的形式化机器语言,从而实现机器的形式化操作。所述的语法处理单元包括词汇处理子单元173,词组处理子单元174,词义处理子单元175,句法处理子单元176,语义处理子单元177和知识处理子单元172。所述的语法处理单元可以根据语言信息输入170的陈述句/疑问句分类或者通过人机界面的提示选择来决定是否进行语言信息学习存储还是语言索取。如果是进行语言学习过程,所述的语法处理单元再根据信息判断是否需要进行词汇学习,词组学习,句法学习及词义学习等。无论是学习存储过程还是语言索取过程,语言处理都是由初级层次信息处理逐层地递送到高级层次信息处理。
参看图11a,词汇处理子单元173对每一个词汇进行词汇处理。例如“DOG”这个词输入所述认知逻辑机器时,外部信息E(DOG)通过ASCII编译单元131转换成机内物理信息PH(1000100,101111,1000111),又通过感知编译单元132转换成感知址码P/C(04,15,07)。词汇子单元173从感知址码P/C(04,15,07)理解为知觉址码C(103),符号表示为P(04,15,07)>C(103)。通过同样的词汇处理,所述认知逻辑机器可以得到每个词汇的知觉址码102。所得到的词汇知觉址码102又可以转换成感知址码104。
参看图11b,通过同样的理解处理,所述词组处理子单元174和语义处理子单元177可以从所得到词汇的感知址码104理解为词组和语句的知觉址码102。例如“POODLE IS A KIND OF DOG”这句话可以通过同样的理解处理得到这个语句的知觉址码102,用公式表示为P(101,102,222,103)>C(301)。
在所述的词汇,词组,词义及句法知识学习后,所述的语法处理单元127根据词汇,词组,词义及句法知识进行语义生成143。同时参照图13,所述基本的语义生成过程143主要分为三个层次。
第一层次是词类索取层次141。当一句话输入所述认知逻辑处理单元的注意记忆后,认知逻辑处理单元的理解/回忆器对该句进行词类理解/回忆处理,该处理过程如图13中141所示,从知识记忆装置中索取出这一语句每个单词的词类146,并将其存入注意记忆114中。例如“POODLE IS A KIND OFDOG”这句话的每个词汇的词类可以被所述认知逻辑机器理解/回忆为“NOUN,VERB,PHRASE,NOUN”,用公式表示为P(POODLE IS A KIND OFDOG)>P/C(NOUN,VERB,PHRASE,NOUN)<C(WOLD CLASS)。
第二层次是句型索取层次142。所述存入注意记忆中的词类146进一步进行句型理解/回忆处理,该句型理解/回忆处理过程如图13中142所示,通过句型理解/回忆的处理索取出相对应的句型147,并存入注意记忆中。用公式表示为
P(NOUN,VERB,PHRASE,NOUN)>P/C((){}\/[])<C(SYNTAX)。
第三层次是语义生成层次143。所述存入注意记忆114中的句型147与先前存入的语句148生成具有句法结构的语义结构149。所述学习的词汇,词组,词义,句法及语义知识存储在本发明的知识记忆装置中。用公式表示为P(POODLE,IS,A KIND OF,DOG,(),{},\/,[])→C((POODLE){IS}\A KIND OF/[DOG])。
参看图16b,如果所述的语法处理单元判断语言信息输入为语言索取过程,所述的语法处理单元127对输入的语言进行从词汇到语句的统一语法处理。例如问句“What is a kind of dog”首先被理解/回忆为词类和词组表示为P(What is a kind of dog)>C/P(PRO,VERB,PHR,NOUN)<C(WORDCLASS)。继而得到的词类PRO,VERB,PHR,NOUN被理解为句型表示为P(PRO,VERB,PHR,NOUN)>C/P((){}\/[])<C(SYNTAX)。所得到的句型P((){}\/[])与输入的语句“What is a kind of dog”共同生成语义,表示为P(What is a kind of dog,(){}\/[])→C((what){is}\a kind of/[dog])。最后,生成的语义被理解/回忆为语句知识,表示为
P((what){is}\a kind of/[dog])>C((poodle){is}\akind of/[dog])。其中“poodle”为问句中“what”所索取的对象。索取结果通过图10中所述的感知编译单元132和ASCII编译单元131转换成外部信息输出。
所述语法处理单元127可以是一个等级层次处理模式(Schema),即一系列从简单到复杂,从低级到高级,逐层递进的处理模式,该处理模式是称为层次组合的方法,其中低级层次信息是高级层次信息的元(element)。同理,从复杂到简单,从高级层次到低级层次的逐层分解的处理模式称为层次分解的方法。所述的组合和分解处理控制的方法是将组合和分解处理转换成统一的机器地址码之间的关系查询处理,即将所有输入信息通过所述认知逻辑转换成由初级到高级的机器地址码,其中初级地址码是组成高级地址码的元,初级地址码与高级地址码之间的关系建立和查询由所述的认知逻辑处理实现。
该等级层次处理模式包括词汇处理子模式,词组处理子模式,词义处理子模式,句法处理子模式,语义处理子模式和知识处理子模式等。每一个低级层次处理是下一个层次处理的前提和组成部分。所述词汇处理模式,词组处理模式,词义处理模式,句法处理模式,语义处理模式和知识处理模式根据输入界面提示决定是否进行学习/遗忘处理或者理解/回忆处理过程。如果是学习/遗忘处理,所述语法处理单元通过上述的学习/遗忘处理过程逐层进行词汇学习或遗忘,词组学习或遗忘,词义学习或遗忘,句法学习或遗忘,语义学习或遗忘和知识学习或遗忘。如果是理解/回忆处理,所述语法处理单元通过理解/回忆处理过程逐层进行词汇理解或回忆,词组理解或回忆,词义理解或回忆,句法理解或回忆,语义理解或回忆和知识理解或回忆。所述语法处理单元本身不进行直接运算,它指导认知逻辑处理单元113进行逻辑处理。
知识记忆装置的存储步骤:
参看图9,所述的认知逻辑信息处理集中的知识记忆装置115用来存储信息和信息之间的关系。所述知识记忆装置115是一个关系三元组。所述关系三元组包括感知址码域104,感觉址码域101和知觉址码域102。感知址码域104存储感觉址码和知觉址码,感觉址码域101存储感觉址码,知觉址码域102存储知觉址码。关系三元组的元组(Tuple<P/C,P,C>)存储感知关系。
所述知识记忆装置115可以按照该***预先分配的地址顺序存放上述关系三元组存储形式中所对应的各种映射关系。其中,在所述的知识记忆装置存储中存储时,可以根据***本身的要求而对所需存储的信息分配存储地址。存储时可以按照机内物理信息的级别的高低对所对应的所有映射关系进行存储。也可以按照外部信息输入的顺序的先后对所对应的所有映射关系进行存储。
外界信息输出步骤:
如图9和10,所示,输出设备116用来将本发明的***所处理后的信息输出到与其相连接的外部设备。本发明的认知逻辑***在处理知识信息之后,通过感知编译单元132把感知址码转换成机内物理信息130,继而通过ASSCII编译单元131把所述机内物理信息130转换成外部信息输出。
这里想要强调的是本发明利用认知逻辑机器对自然语言进行处理的方法与传统计算机的递归函数运算操作处理不同,其是采用关系存储和关系查询的方法。所述的认知算法旨在解决目前自然语言处理算法无法克服的一系列问题,包括语义奇异问题,算法时间随复杂度指数增长问题。
所述的自然语言认知处理方法包括语言知识的存储结构和方法,以及自然语言的通用语法规则。
所述的语言知识的存储结构和方法与传统计算机不同。在传统计算机内信息是作为数据和操作数据的指令一条接一条地存储。所述的知识的存储方法是将信息及信息之间的关系存在所述等级双记忆结构之间。所述知识的存储方法不存储指令。所述认知算法的所有操作存储在认知逻辑处理单元中,尤其是在语法处理单元中。传统计算机的操作是递归函数操作。所述的自然语言的认知处理方法是关系存储和关系查询。
该方法是通过对一个含有感觉信息和知觉信息映射关系的关系三元组(Tuple<P/C,P,C>)中的感觉信息和知觉信息的映射关系进行存储和索取。所述关系三元组包括感知址码,感觉址码和知觉址码。所述的感觉址码用于存储感觉信息的地址。所述的知觉址码用于存储知觉信息的地址。所述的感知址码同时用于存储感觉信息的地址和知觉信息的地址。所述的感知址码与知觉址码之间存储感觉信息与知觉信息之间一对多的关系。所述的感知址码与感觉址码之间存储知觉信息与感觉信息之间一对多的关系。基于感知址码的可互换性,所述感觉址码和知觉址码之间通过感知址码的转换性质形成多对多的关系。所述的感知址码与机内物理信息码是一一对应的。所述的机内物理信息码与外界输入的信息也是一一对应的。所述的感知址码通过感知编译单元根据机内物理信息码生成。
所述的关系三元组存储形式可以模拟语言(包括自然语言和人工语言)信息之间的各种关系和关系的处理过程。所述的认知逻辑信息处理装置对所述关系三元组存储形式中的感觉信息和知觉信息进行学习/遗忘,理解/回忆以及识别/想象处理。其中对外界输入信息建立关系三元组存储形式的过程可以由认知逻辑***通过学习功能完成。
所述的关系三元组存储形式可进行感知处理。所述的感知处理是将输入的外界信息以感知址码的形式存入知识记忆。
所述的关系三元组存储形式可进行归纳处理。所述的归纳处理是在感觉信息和知觉信息之间建立映射关系。
所述关系三元组存储形式可进行演绎处理,所述的演绎处理是从感觉信息索取知觉信息映射关系的过程。具体实施是将输入信息对应的感知址码在知觉址码的映射进行交集处理。
所述关系三元组存储形式可进行反绎处理,所述的反绎处理是从知觉信息索取感觉信息映射关系的过程。具体实施是将输入信息对应的感知址码在感觉址码的映射进行交集处理。
所述的关系三元组存储形式可进行推理处理,所述的推理处理是从感觉信息索取知觉信息,然后转换成感觉信息,再进行知觉信息的索取过程。
所述逻辑处理过程可以采用并,交,差,换,四项基本运算操作来实现。
所述感知处理的实践意义是将信息在感觉状态和知觉状态之间等价转换,用感知公式表示为P=C。例如P(ANIMAL)=C(ANIMAL)表示“ANIMAL”既是感觉信息也是知觉信息,它们之间可做等价转换。
所述归纳处理实践意义是建立感觉信息和知觉信息之间的关系,用归纳公式表示为P→C。例如P(DOG)→C(ANIMAL)表示“DOG”与“ANIMAL”的关系。
所述演绎处理的实践意义是从感觉信息交集索取知觉信息,用演绎公式表示为P>C。例如P(DOG,CAT,MOUSE)>C(ANIMAL)表示从感觉信息“DOG,CAT,MOUSE”交集索取出知觉信息“ANIMAL”。演绎处理是多一归约(≤m,many-one reducibility)运算。
所述反绎处理的实践意义是从知觉信息交集索取感觉信息,用反绎公式表示为P<C。例如P(CAT)<C(PETANIMAL,CLIMB TREE)表示从知觉信息“PETANIMAL,CLIMB TREE”交集索取出感觉信息“CAT”。
所述演绎处理的连续过程是推理处理,用推理公式表示为
P(1)>C(2)=P(2)>C(3),简化为P(1)>C(2)>C(3)。
例如P(POODLE)>C(DOG)>C(ANIMAL)表示“POODLE”是“DOG”,“DOG”是“ANIMAL”。反绎处理是多一归约运算。
认知逻辑处理是认知行为的基本规则。这些逻辑规则的外部表现是基本的认知过程,包括感知过程,学习/遗忘过程,理解/回忆和识别/想象过程。换句话说,感知过程的逻辑基础是感知逻辑;学习过程的逻辑基础是归纳逻辑;理解和识别的逻辑基础是演绎逻辑;回忆和想象过程的逻辑基础是反绎逻辑。认知过程与逻辑规则之间有一一对应关系。
继续参看图9,所述感知过程通过感知编译单元132从外界100感受信息并存储为感知址码104。所述感知址码104的意义在于它同时是感觉信息,也是知觉信息,形成感觉和知觉一一对应。例如
P(ANIMAL)=C(ANIMAL)表示“ANIMAL”既是感觉信息也是知觉信息,它们之间可做等价转换。
所述学习过程按照归纳逻辑建立感知信息和知觉信息之间的关系,因此是信息获取过程。这个过程对于人是一个本能行为。例如P(DOG)→C(ANIMAL)表示学习感觉信息“DOG”与知觉信息“ANIMAL”的关系。
所述遗忘过程是学习过程的反过程,其删除感知信息和知觉信息之间的关系,因此是信息和信息关系的删除过程。这个过程对于人也是一个本能行为。用公式表示为P%C。
所述理解过程按照演绎逻辑105交集处理给定的感知址码104的知觉址码关系102,例如,P(CAT,DOG,BIRD)>C(ANIMAL)表明“CAT,DOG,BIRD”可以理解为“ANIMAL”。
所述回忆过程按照反绎逻辑106交集处理给定的感知址码104的感觉址码关系101,例如:中国的首都是北京可以表示为P(北京)<C(中国的首都)。其中“北京”是感觉信息,“中国的首都”是知觉信息。
由于本发明的自然语言处理利用所述感-知等级双记忆关系存储和查询操作,而不是递归函数运算操作,实现了多-归约的并行处理,并克服了目前计算机的指令存储及函数计算方法对自然语言处理的时间指数增长问题,从而适用于自然语言信息的统一认知逻辑处理工作。
以上的具体实施例的仅是本发明的一些实施例并不是用来限定本发明。本领域的技术人员根据本发明所揭示的内容所做出的相应修改和变更均属于本发明的所保护的范围。
Claims (22)
1.一种模拟人脑记忆结构的认知逻辑机器,其包括输入装置,认知逻辑处理装置,知识记忆装置,输出装置以及和上述各装置连接的信息总线;
其中所述的输入装置用于将外界信息输入到认知逻辑机器中;
所述的认知逻辑处理装置对从输入装置输入的信息转化成具有一定存储格式的信息而存储到知识记忆装置中,所述存储格式是对感觉信息和知觉信息相互映射关系的存储,所述的认知逻辑处理装置根据外界信息输入对感觉信息和知觉信息之间的映射关系进行逻辑处理;
所述的知识记忆装置对上述已经转化具有一定存储格式的信息以及认知逻辑处理装置进行的逻辑处理结果进行存储;
所述的输出装置用于将认知逻辑信息处理装置的处理结果输出。
2.如权利要求1所述的认知逻辑机器,其中所述的存储格式通过关系阵列或者关系多元组来实现。
3.如权利要求2所述的认知逻辑机器,其中所述的关系多元组是一关系三元组Tuple<P/C,P,C>,所述的关系三元组包括感知址码P/C,感觉址码P和知觉址码C;
所述的感觉址码用于存储感觉信息的地址,所述的知觉址码用于存储知觉信息的地址,所述的感知址码同时用于存储感知信息的地址;其中
所述的感知址码与其相应的感觉址码之间是一对多的映射关系;
所述的感知址码与其相应的知觉址码之间是一对多的映射关系;
由该感知址码存储的感觉信息或知觉信息分别与相应的由感觉址码存储的感觉信息或相应的由知觉址码存储的知觉信息之间是一对多的映射关系;
所述的感觉址码和与其相对应的知觉址码之间通过感知址码的转换性质形成多对多的映射关系。
4.如权利要求1或3中任一项的认知逻辑机器,其中所述的认知逻辑处理装置还包括认知逻辑处理单元,注意记忆单元和语法处理单元;
其中所述的认知逻辑处理单元用于对外界输入的信息进行认知处理,该处理的结果在语法处理单元的指导下暂时存入注意记忆单元中作为进一步处理时所需要的输入信息;
所述的语法处理单元提供通用语法规则控制指导认知逻辑处理单元的信息逻辑处理,其将自然语言的词汇,词组,词义,语句,和句法结构转换成统一的机器语言规则;
所述的注意记忆单元用于对语法处理单元和认知逻辑处理单元处理时所需要用到的信息或处理结果暂时进行存储,同时该存储的暂存信息能够被语法处理单元,认知逻辑处理单元以及与其连接的其他单元或装置所调用。
5.如权利要求4所述的认知逻辑机器,其中所述的认知逻辑处理单元其进一步包括感知编译码单元,学习/遗忘器,理解/回忆器和识别/想象器;其中
所述的感知编译码单元用于对所述的感觉信息和知觉信息之间的映射关系进行感知处理,该感知处理是对输入的外界信息编译感知址码;
所述的学习/遗忘器用于进行学习/遗忘处理,所述的学习处理是建立感觉信息和知觉信息之间的映射关系的过程,所述的遗忘处理是删除感觉信息和知觉信息之间的映射关系的过程;
所述的理解/回忆器用于对所述的感觉信息和知觉信息之间的映射关系进行演绎/反绎处理;
所述的识别/想象器用于对视,听和体这些外界形态信息的感觉信息和知觉信息之间的映射关系进行演绎/反绎处理;其中
所述的演绎处理是由感觉信息引发知觉信息的索取过程,所述的反绎处理是由知觉信息引发感觉信息的索取过程。
6.如权利要求5所述的认知逻辑机器,其中所述的认知逻辑处理单元是一个比较器。
7.如权利要求4所述的认知逻辑机器,其中所述的语法处理单元还包括词汇处理子单元,词组处理子单元,词义处理子单元,句法处理子单元,语义处理子单元和知识处理子单元;其中上述子单元分别对认知逻辑处理单元进行控制而实现对词汇,词组,词义,句法,语义和知识的处理。
8.如权利要求5所述的认知逻辑机器,其中所述的感知编译码单元用于对外界输入的信息转化后的机内物理信息和感知址码进行编码和译码,该所编译的感知址码与机内物理信息是一一对应的。
9.如权利要求8所述的认知逻辑机器,其中所述的感知址码是按照外界信息输入顺序而自动顺编的自然数。
10.如权利要求4所述的认知逻辑机器,其中所述的语法处理单元提供通用语法规则控制,该通用语法规则控制包括词汇处理控制,词组处理控制,词义处理控制,句法处理控制,语义处理控制和知识处理控制。
11.如权利要求4所述的认知逻辑机器,其中所述的认知逻辑机器还包括一ASCII编辑单元,其用于将外界输入的信息转化为机内物理信息码和将机内物理信息码转化为外界输入的信息。
12.如权利要求1或3中任一项的认知逻辑机器,其中该输入装置采取一种输入或多种输入方式同时输入,该输入方式包括键盘输入,语音输入和图形输入。
13.如权利要求1或3中任一项的认知逻辑机器,其中该输出装置采取一种输出或多种输出方式同时输出,该输出方式根据与所述的认知逻辑机器连接的具体的输入终端而设定。
14.一种模拟人脑的认知逻辑信息处理方法,该方法是通过权利要求1-13中任意一项所述的认知逻辑机器对输入的每个外界信息将其转化成具有一定存储格式的信息,所述存储格式是对感觉信息和知觉信息相互映射关系的存储,所述认知逻辑机器的认知逻辑处理装置根据外界信息输入对感觉信息和知觉信息之间的映射关系进行逻辑处理,模拟人脑的对信息处理的过程而对输入外界信息实现学习,遗忘,归纳,演绎和反绎处理;
所述的存储格式通过关系阵列或者关系多元组来实现的;
所述的关系多元组是一关系三元组Tuple<P/C,P,C>,所述的关系三元组包括感知址码P/C,感觉址码P和知觉址码C。
15.如权利要求14所述的模拟人脑的认知逻辑信息处理方法,其中上述的感知址码是按照外界信息输入顺序而自动顺编的自然数。
16.如权利要求15所述的模拟人脑的认知逻辑信息处理方法,其中所述的信息处理为自然语言信息处理时,采用对自然语言信息进行关系存储和索取的方法,该方法是通过对一个含有感觉信息和知觉信息映射关系的关系三元组Tuple<P/C,P,C>中的感觉信息和知觉信息的映射关系进行存储,并利用自然语言的通用语法规则控制,对具有关系三元组存储形式的语言信息进行认知逻辑处理;
其中该认知逻辑处理的操作由认知逻辑处理单元执行,所述的通用语法规则存储在语法处理单元中。
17.如权利要求16所述的模拟人脑的认知逻辑信息处理方法,其中所述的认知逻辑处理单元对所述关系三元组存储形式中的感觉信息和知觉信息进行的认知逻辑处理,包括感知、归纳、演绎、反绎和推理逻辑处理;
所述的感知处理是将输入的外界信息以感知址码的形式存入知识记忆装置;
所述的归纳处理是在感觉信息和知觉信息之间建立映射关系;
所述的演绎处理是从感觉信息索取知觉信息映射关系的过程,具体处理方法是将输入信息对应的感知址码在知觉址码的映射进行交集处理;
所述的反绎处理是从知觉信息索取感觉信息映射关系的过程,具体处理方法是将输入信息对应的感知址码在感觉址码的映射进行交集处理;
所述的推理处理是从感觉信息索取知觉信息,然后转换成感觉信息,再进行知觉信息的索取过程。
18.如权利要求17所述的模拟人脑的认知逻辑信息处理方法,其中所述的认知逻辑处理过程采用并,交,差,换四项基本运算操作来实现;
所述感知处理是将信息在感觉状态和知觉状态之间等价转换,用感知公式表示为P=C,感知处理是将同一信息存储于两个一一对应的地址,或者一个地址映射两个一一对应的信息;
所述归纳处理是建立感觉信息和知觉信息之间的关系,用归纳公式表示为P→C;
所述演绎处理是从感觉信息交集索取知觉信息,用演绎公式表示为P>C,其表示从感觉信息交集索取出知觉信息,所述的演绎处理是从感知址码到知觉址码的多一归约运算;
所述反绎处理是从知觉信息交集索取感觉信息,用反绎公式表示为P<C,其表示从知觉信息交集索取出感觉信息,该反绎处理是从感知址码到感觉址码的多一归约运算;
其中上述公式中的P表示感觉址码,C表示知觉址码。
19.如权利要求18所述的模拟人脑的认知逻辑信息处理方法,其中所述感知,归纳,演绎和反绎的外部认知过程是学习/遗忘,理解/回忆,识别/想象和推理处理;
所述学习过程是感知和归纳逻辑信息处理过程,该过程用感知和归纳逻辑公式表示;
所述理解和识别过程是演绎逻辑处理过程,该过程用演绎逻辑公式表示;
所述回忆和想象是反绎逻辑处理过程,该过程用反绎逻辑公式表示,这里的回忆是指文字信息的反绎过程,想象是指声音信息和图形信息的反绎过程;
所述推理过程是连续的演绎处理的过程,该过程用演绎公式表示。
20.如权利要求16所述的模拟人脑的认知逻辑信息处理方法,其中所述的语法处理单元进行处理的过程是,首先根据输入的信息判断是进行学习存储过程还是进行语言索取过程;
如果是进行学习存储过程则语法处理单元需要再进一步判断是进行哪种学习,这里的学习包括对词汇学习、词组学习、词义学习和句法学习,当此学习过程结束后,所述的语法处理单元对学习后的词汇,词组,词义及句法知识进行语义生成;
如果所述的语法处理单元判断语言信息输入为语言索取过程,所述的语法处理单元对输入的语言信息进行语义生成和语句理解/回忆处理,并将结果通过感知编译单元和ASCII编译单元转换成外部信息输出。
21.如权利要求20所述的模拟人脑的认知逻辑信息处理方法,其中所述语义生成过程主要分为三个层次,第一层次是词类索取层次,在第一层次中将输入的自然语句中对应于组成该自然语句的每个独立单词的词类信息通过认知逻辑处理单元中的理解/回忆器进行词类理解/回忆处理,从知识记忆装置中索取出来并将索取的信息存入注意记忆单元中;
第二层次是句型索取层次;在第二层次中,将对第一层中存入注意记忆单元中的词类进一步通过认知逻辑处理单元中的理解/回忆器进行句型理解/回忆处理,从知识记忆装置中索取出相对应的句型,并存入注意记忆单元中;
第三层次是语义生成层次;在第三层次中,将上述输入的自然语句分别已在上述两个层次中已经存入注意记忆单元中的句型和词类,通过认知逻辑处理单元中的理解/回忆器进行语句理解/回忆处理生成具有句法结构的语义结构语句,并将其存入知识记忆装置中。
22.如权利要求20或21所述的模拟人脑的认知逻辑信息处理方法,其中语法处理单元的处理是通过通用语法规则控制来实现的,其中该通用语法规则控制是指将自然语言的词汇,词组,词义,语句,和句法结构转换成统一的机器语言规则;
所述的通用语法规则控制包括词汇处理控制,词组处理控制,词义处理控制,句法处理控制,语义处理控制和知识处理控制,所述的语法处理单元在执行上述的控制时,是采用信息层次组合和分解处理控制的方法;其中所述的层次组合的方法是初级层次信息处理,逐层地递送到高级层次信息的处理方法;所述的分解处理控制的方法是从高级层次信息处理,逐层地分解到低级层次信息的处理方法;
所述的组合和分解处理控制的方法是将组合和分解处理转换成统一的机器地址码之间的关系查询处理。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006100548172A CN1838159B (zh) | 2006-02-14 | 2006-02-14 | 一种认知逻辑机器及其处理信息的方法 |
HK07103175.4A HK1097629A1 (en) | 2006-02-14 | 2007-03-23 | A cognitive logic machine and a method of information operation |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2006100548172A CN1838159B (zh) | 2006-02-14 | 2006-02-14 | 一种认知逻辑机器及其处理信息的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN1838159A CN1838159A (zh) | 2006-09-27 |
CN1838159B true CN1838159B (zh) | 2010-08-11 |
Family
ID=37015548
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2006100548172A Expired - Fee Related CN1838159B (zh) | 2006-02-14 | 2006-02-14 | 一种认知逻辑机器及其处理信息的方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN1838159B (zh) |
HK (1) | HK1097629A1 (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101576445B (zh) * | 2009-06-03 | 2010-12-01 | 重庆大学 | 拟人记忆的结构健康监测失效传感器数据重现方法 |
CN105190632B (zh) * | 2013-04-04 | 2018-06-05 | 韩小文 | 构造非确定性(np)图灵机的多项式方法 |
US9418137B2 (en) * | 2014-08-29 | 2016-08-16 | Sherwin Han | Database without structured query language |
CN104750828B (zh) * | 2015-03-31 | 2018-01-12 | 克拉玛依红有软件有限责任公司 | 一种基于6w规则的归纳演绎知识无意识自学习方法 |
CN105304082B (zh) * | 2015-09-08 | 2018-12-28 | 北京云知声信息技术有限公司 | 一种语音输出方法及装置 |
CN106897950B (zh) * | 2017-01-16 | 2020-07-28 | 北京师范大学 | 一种基于单词认知状态模型适应性学习***及方法 |
CN109683840A (zh) * | 2018-12-25 | 2019-04-26 | 北京心法科技有限公司 | 复合性认知信息加工机制的激发方法与装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1078053A (zh) * | 1992-04-27 | 1993-11-03 | 福建师范大学 | 注入式电致发光神经网络电路 |
CN1236138A (zh) * | 1998-05-18 | 1999-11-24 | 中国科学院声学研究所 | 模拟大脑语言感知过程的自然语言语句分析方法 |
CN1700250A (zh) * | 2004-05-17 | 2005-11-23 | 中国科学院半导体研究所 | 模式识别专用神经网络计算机***及应用方法 |
-
2006
- 2006-02-14 CN CN2006100548172A patent/CN1838159B/zh not_active Expired - Fee Related
-
2007
- 2007-03-23 HK HK07103175.4A patent/HK1097629A1/xx not_active IP Right Cessation
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1078053A (zh) * | 1992-04-27 | 1993-11-03 | 福建师范大学 | 注入式电致发光神经网络电路 |
CN1236138A (zh) * | 1998-05-18 | 1999-11-24 | 中国科学院声学研究所 | 模拟大脑语言感知过程的自然语言语句分析方法 |
CN1700250A (zh) * | 2004-05-17 | 2005-11-23 | 中国科学院半导体研究所 | 模式识别专用神经网络计算机***及应用方法 |
Also Published As
Publication number | Publication date |
---|---|
HK1097629A1 (en) | 2007-06-29 |
CN1838159A (zh) | 2006-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Burgin | Theory of knowledge: structures and processes | |
Gregg | Knowledge and cognition | |
CN1838159B (zh) | 一种认知逻辑机器及其处理信息的方法 | |
Turing | Mind | |
Pyysiäinen | Magic, miracles, and religion: A scientist's perspective | |
Collins et al. | Readings in cognitive science: A perspective from psychology and artificial intelligence | |
Harré et al. | The discursive mind | |
CN108009285A (zh) | 基于自然语言处理的林业生态环境人机交互方法 | |
Marciszewski et al. | Mechanization of reasoning in a historical perspective | |
Rescorla | Reifying representations | |
Phemister | The Rationalists: Descartes, Spinoza and Leibniz | |
Mullaney | After the new historicism | |
Nath | Philosophy of artificial intelligence: a critique of the mechanistic theory of mind | |
Cobley | Peirce in contemporary semiotics | |
Huang et al. | Metaphorical Description and Model Description of Complex Systems | |
Zhang | The World of Dual-Brain | |
Jin | Relevance between artificial intelligence and cognitive science | |
Chang | Foundation, Architecture, and Prototyping of Humanized AI: A New Constructivist Approach | |
Turing | Mind a Quarterly Review or Psychology and Philosophy Computing Machinery and Intelligence | |
Filson | Mind:" the Power of the Human Spirit" | |
Yu et al. | Hot Wind, Cold Sun: Kuhn, Vygotsky, Halliday and Metaphors in Science and Science Education | |
Ratsch et al. | Intelligence and artificial intelligence: an interdisciplinary debate | |
Aberšek et al. | Philosophical and Social Realm | |
Kilic | Intelligent reasoning on natural language data: a non-axiomatic reasoning system approach | |
O'Halloran | Mystifying discourse: a critique of current assumptions and an alternative framework for analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1097629 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1097629 Country of ref document: HK |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100811 |
|
CF01 | Termination of patent right due to non-payment of annual fee |