人工智能的工作原理

人工智能无非是大脑思维运转原理的复制与再现，人的思维离不开语言和图像；例如一个基本的思维例子：当机器面向太阳时，将当前拍到的图像予以分析得知该物体在中文语言中称“太阳，”“日”等；得知了该物体称呼就可以搜索该名词属性；再根据其属性和属性值与自身属性和属性值相比较得出判断，如得出“在安全范围外”的结果，从而使机器不要轻举妄动。
首先从人类思维解析，人在学习语言之初是看着对应图像或听着声音念称呼的，因此人在使用语言时声音区和图像区大脑皮层会一致兴奋，在脑海中浮现对应的图像或声音及语言。如在回忆太阳时在脑海中会浮现太阳图像或汉字“太阳”字样，还有声音“tai yang，”图像在脑海中清晰度受刻意程度影响，刻意程度越高图像越清晰；“tai yang”这个声音始终使人印象深刻，人在思考时始终在默念语言，这正说明人是靠语言来来维持思考的。
由于语言区与声音区、图像区共同兴奋才能维持思考，这就需要机器具有自动三者的功能；这对看到“太阳”字样联想到图像、“tai yang”声音或听到“tai yang”音联想到“太阳”字样从而联想到图像等方面的相互响应功能很有帮助。
既然思考是语言、图像、声音等信息的特殊交互来完成的，因此并不认可科幻电影里用人造神经系统组建智慧是可行的。即使人造神经系统完成了，它也并不智慧。只有将那种特殊的信息交互方式在其系统内搭建，它才能算得上是真正的智慧。
语言是智慧体思考的一大介质，传统而又原始的计算机语言难以有效搭建智慧系统，因此使用人类语言来作直接思考介质显得十分必要；但对于机器而言又难以直接适应人类语言，这时直接语言的转换程序能帮到它。
机器若要拥有初级独立智慧，前提得具有自动学习能力、自动归纳能力等自主功能。传统的机器运转时是依靠人为植入过程及步骤来运行的，它的功能显得极其单调，绝不会涉及其他功能；这样的机器终究是机器，绝不会成为人工智能，它那愚钝的一生。
在智能面前，自动生成运行过程及步骤成为关键所在。如果整个运行过程都人为植入，何谈智能；但什么都不植入也是万万不可的，这时哪些部分预置哪些部分自动生成需要仔细考虑分配。自动记录功能也是一个良好的功能，可以将自动生成并成功执行的过程和步骤记录下来，下次遇到相同情况可以重复利用，而又不失智能表现。
种种迹象表明语言、自动与核心技术相关联；初次接触自动时它是复杂的，但“随机”给了我很多灵感，充分了解随机并能巧妙利用随机功能，自动也就显得并不是那么困难。
人工智能的软硬件配置基础
在这里的软硬件配置以普通机器为例，机身每个“肌肉”都由伸缩轴代替，每个伸缩轴都由一个独立的驱动来操控；每个动作要由多个伸缩共同运转来完成，这就需要机器具有同时运行多个驱动程序的功能。并将各驱动运行的顺序、步骤及运行后的结果记录下来，配合*方案使用。驱动单独运转可能会导致动作无法完成，若要支持多驱动共同运行，首先CPU得支持多线程。
*方案指的是将上述记录下来的信息暂设为*方案，下次遇见相同目的可以模拟该方案运行，并不一定*按照该记录运行，而是按照相似方案运行；并比较两方案优劣性，将较劣方案设入黑名单下次不再生成该方案；将较优的方案暂设为*方案，如若再遇见相同情况便再模拟该*方案运行，并比较两方案优劣，较优者暂设为*方案，较劣者也纳入黑名单…如此反复。
令外其他一些基础功能也很重要，如图像分析有关功能，能将拍摄的视频截取帧，从而得到图片，再通过分析并储存该图片模拟记忆并与语言等方面起来。音像方面也是如此。
人工智能基本智慧程序
既然语言和自动是问题的核心，那就从语言开始。若要让机器能够清晰地展开思维，自动归纳分类功能很有用途。使得机器能够分类名词、动词、形容词等；能够根据自身传感器及信息来源为机器想了解的名词赋属性值，有了属性及属性值为机器进行比较提供了可能。由于人工智能初次搭建工程过于浩大，因此某部分可以暂为人工植入，等工程完成后再替换为自动生成部分
其次是动作及记录：初次让机器轴随机运动，并记录运动过程、步骤及结果；如随机运动到右前方某位置时，记录下运动过程、步骤及结果，当下次遇到需要运动到右前方该位置时可以根据该记录重复该步骤运行就可以运动到右前方该位置，但*根据记录重复不利于改良，因此可以模拟一个相似步骤来运行；并比较两方案效果，将较优者暂设为*方案，较劣者设入黑名单下次不再模拟生成；当下次遇到相同情况就就模拟*方案生成一个相似步骤运行，在比较两者优劣…由于对于机器而言往往一个步骤运行完才能得知实际效果，因此让模拟步骤运行完才能进行两方案比较，至少在机器学会YY之前可以这么说。说到这里我竟惊讶地发现上述步骤居然让一个机器自学了一个动作，既然自学了一个就可以有两个、三个…这其中“随机”的应用很关键，在机器空闲时，它让伸缩轴驱动随机运行从而产生随机动作，这个动作反被记录下来方便重复利用在日后派上用场。由此可见随机的应用对机器自学功能有多么重要了。由于初期不同的记录动作起点相同，因此需要机器一个动作完成后将位置复原，才能开始重复动作，这是zui初期的时候。到了机器具有重定义动作起点的功能就可以解决这个问题。
仅仅只是自学进度未免太慢，为了可以帮助其学习动作还得在伸缩轴上下手；通过驱动可以操控伸缩轴原理得知，何不开放驱动、伸缩轴双向影响功能，使得驱动运行步骤能控制动作步骤，也可以通过伸缩轴运动步骤同步运行驱动，从而生成驱动运行步骤，有了驱动运行步骤有了该动作记录。下次需要该动作时可以根据记录运行驱动就可以重复该动作。
如何让一个机器正确识别指令，那得有劳语言的大力支持了；让机器使用人类语言作为直接思考介质是可取的，以使用中文为例就有两种方法可取，*种是人为植入相关功能但与智能脱轨；第二种是自动学习而来，的智能但相对复杂些。
*来介绍下自动学习语言；人从小在学习时，大人会给予小孩以暗示，当小孩认为大人给他的是正确的暗示就会去做，反之则不做；因此在机器中预设几个关键词方便机器学习。如预设“是、”“否、”“这是、”“重复、”“停”等关键字；在使用时例如机器在学习“经”这个字，机器听到“Jing”声或看到拼音“Jing”时，也跟着发出“Jing”声然后等待回应，如果听到回应“是”就收录“经”这个汉字并为该汉字的音像属性设为“Jing。”
学习单个汉字和学习单个名词的原理近同，学习汉字时需要为该汉字赋属性音、形、意等。学习句子时要相对复杂些，可能一个句子主语、谓语、宾语等结构完整正确才可以识别，并且如果一句子中含有动词，那么这个句子的属性除了音、形、意之外还有一个动作属性，属性值为运动过程、步骤、目标。
动词的学习方式和名词不同，它依靠组成动作词汇来学习，动作词汇的属性有动作属性，属性值为动作过程、步骤、目标等。单独的动词机器难以执行，应搭配主语和宾语才可顺利执行，当句子中只有动词和宾语时，则将主语默认置为“自己”或“我。”（动词难以单独被机器学习和执行，而是和主、谓、宾语整合起来组成一个词汇，也就是动作词汇，如：我打他、我搬桌子…）
初始状态下动作词汇的动作属性值为空，则可以采用关键字“这是”为机器实现被动学习。如机器随机运动时拍了下桌子，则可以回应机器人“这是拍桌子，”机器收到回应后将“拍桌子”纳入动作词汇，并为该动作词汇动作属性值赋为动作过程、步骤、目标，距离赋值给距离属性，其他属性此处暂不说明。当下次接收到语句“拍桌子”时则移动到和上次相近距离模拟上次动作拍桌子。这样机器就被动学会了拍桌子。
在执行一条语句时只需识别其中的动作词汇，然后执行该动作词汇即可。该功能如有智能对话软件的应用可以得到意想不到的效果，可以让指令不再那么直白。