通用人工智能——分形神经网络FNN
发布网友
发布时间：2024-10-14 09:33
共1个回答
热心网友
时间：2024-11-23 15:34
然而，我坚信这将成为构建通用人工智能(AGI)的关键神经网络。
这里提到的是一种由简单神经元不断自我更新的复杂神经网络——分形神经网络FNN，其构建方式犹如宇宙的形成——从简单到复杂。
自然界中的形状都具备一种共同特性，即自相似性。这表示事物的局部，在更小的尺度上不断重复自己，精细到每一个细节。
树枝便是这样的例子，它们不断分叉，重复着这一简单过程，在更小的尺度上重复这一过程。
我们的肺结构同样遵循这一原则，体内构建血管的规则亦如此，河流分成更小的溪流也是这样。
从简单到复杂是分形学最为核心的思想。
分形一词由德勃罗集提出，原意带有不规则、支离破碎等含义。
基于此，他构建出了曼德勃罗集，也被称为上帝的指纹。
而我同样基于分形学构建出了FNN的原型，因此了解FNN之前，需要先理解分形的概念。
如果你对所提到的概念不太了解，请参考以下内容：
FNN分形神经网络除了具备分形特性，还应具备以下特征：
单一性：“单位神经元”的构成是相同的。就像构成整个宇宙的分子、原子、夸克一样，不同的物质有着不同的功能与结构，但构成它们的单位是一样的。
再生性：“单位神经元”会不断再生。就像人的脑细胞，过一段时间就会死亡，然后有新的脑细胞取代它们。正因为如此，人会遗忘某些事物，但也会记住很多新事物。一个好的模型应该可以不断更新学习，很明显FNN是在线机器学习模型。
消亡性：老的“单位神经元”会自我消亡。无论是人的大脑，还是计算机的存储器都是有限的，所以旧的不重要的神经元应该自我消亡。
反复性：新的“单位神经元”某些会被用来重复之前重要的数据集。就像人，之所以不会忘记重要的事，是因为人类会反复回忆重要的事情，所以对于机器学习模型来说这点同样重要。本质上来讲，“单位神经元”度过其生命周期就会消亡，某些重要的特征将会由新生“单位神经元”来负责重新学习。
闭环性：生成“单位神经元”的程序，仍然应该由单位神经元构成。以此来形成完整的闭环，只有实现自我再生，才能实现无限拓展。
无边的奇迹源于简单的规则——不断重复！
