业’定义为信息元,那么这个信息元的编码既出现在专利局‘专利续费减免备案’流程信息元关联结构中,同时也出现在人才中心管理信息的信息元关联结构中,这两个信息元本质上是一个信息元,是同一个信息元编码,这样,专利局的职责与人才中心社保管理部门的职责形成了关联关系。婉晴说的对,在专利局的多元模型中,‘个人自由职业’是【克用】关系,而在人才中心社保管理部门的模型中是【生我】关系。”林自强再次详细解释了一下。

    “这就可以做拟脑计算了吗?”欧阳涛好像明白了,这里有商业项目机会。

    “对,我们说过,多元关联拟脑模型在分类集合概念型信息元层面就可以做思维计算了,也就是说,如果有一个完整的多元关联拟脑模型系统,就可以通过计算得出可执行闭环,获得‘个人自由职业’这个信息元。”林自强继续解释。

    “这证明那证明多了,不说‘个人自由职业’证明啊,有些文件,同样名称一个证明,专利局、公安局、其他局的,要的格式就不一样,怎么区别。。。哦,对了,我们是用信息元编码定义的。”老丁以前也经常跑各个政务部门,所以深知政务部门办事复杂,各种证明文件花样繁多,但是,转念一想,多元关联的理念恰恰可以更准确定义内容对象。

    “老丁,你自己都明白了,虽然是同一个名称的证明,但是,由于各个部门要的格式不一样,就可以定义成不同的信息元,准确的区别内容对象。”林自强。

    “是呀,林总,如果用关键字方式,很多同样名称的事物就无法在拟脑中区分,更不好计算了。”欧阳涛继续说道。

    “你说的对,我们的多元关联拟脑模型利用定长编码方式,解决了内容对象的精确定义,我们就可以做概念计算了,给你举一个例子,例如‘某人’这个概念,我们在医疗系统中是虚拟的‘人’信息元,所有病症现象=关联病症=关联治疗方法,但是,在公安系统中‘某人’就是犯罪嫌疑人,需要关联犯罪条件后,代入到犯罪现场的‘态’中,还有。。。”林自强继续想例子。

    “林总,机械生产厂家就是这么定义的,同样‘螺母’代表百千种零件,在机械加工领域是用特定的编号,准确定义螺母类型及对象的,这就是编码的优势吧。”欧阳涛。

    “欧阳,你这个例子就很好,我们放大看,所有的信息分类定义,采用关键字TAG及关键字关联都存在准确性问题,即使解决了准确性问题,由于字段长度不定,不利于计算,而多元关联的技术特点,信息元是定长编码,既解决了准确性也利于概念计算,所以我们的技术优势很大呀。”林自强。

    “概念计算,林总,您总说,概念计算,这是什么?”欧阳涛。

    “我们传统计算是数字计算,例如构造函数计算出某一个数值,概念计算是人工智能针对信息对象的准确定位以及完成处理方法的过程,就是从感应层==》拟脑思维层==》控制层的全过程闭环控制。”林自强。

    “是不是?概念计算的重点,就是准确性?我们定义编码的概念信息元,在计算过程中全程可以保持准确。”欧阳涛脑子很快。

    “欧阳,你说的很对,我们看以前的人工智能算法,包括大语言模型等,采用向量数据库等方式,在多维度的向量数组中去定位语义,当你在前端输入对象A的时候,后面输出是有不确定性的,而更关键的是当把计算出的语义,代入到思维层及控制层时,不确定性就更大了。”林自强说道。

    “可以通过后期训练逐步精确确定呀,现在就是这样的,输入内容对象A,输出B。”欧阳涛。

    “这里涉及到信息固化及信息元固化问题,不只是指信息量增长及训练误差,会导致结果不确定,关键是这些概念在拟脑思维及控制过程中,向量数组不是定长的,就无法确保在全过程中百分之百的准确。”林自强。
>

本章未完,点击下一页继续阅读