记忆结构的想法

比如，让你回答“我”后面马上大脑会反应出啥词？对于本人，会马上想到“我爱你”，其次是“我恨你”。这就引申出记忆存储结构的问题。记忆存储结构，我想有如图几种可能：

经过逻辑思考，我觉得比较可能是这种方式：

将“我”看作上文，“爱你”和“恨你”看作下文。或者把“我”看作情境，“恨你”和“爱你”看作某种情境下链接到的“记忆”

比如：情境1——》对，现在我们发现情境1是错的，于是我们开始修改记忆：情境1——〉错。我们通过不断记忆情境1是错的，来削弱情境1是对的链接强度，从而最终改变记忆。但最终能否物理删除情境1是对的记忆，就要看链接强度是否被破坏。还有一种叫逻辑删除，就是通过引入逻辑链接，来明确当前答案的正确性。慢慢的抑制“情境1——》对”这个链接。

引入另一个问题：多对1，如图

有点意思

不一定要用显性而明确的网络来实现这个链接，transformer也可以隐含在网络中，但transformer对情感的处理，长期的倾向性的情感是能在训练中形成，而情感，有几个特点它不好弄，一个是情感很多是对个体与事由的，一个是有序列、时间变化特点，例如与一个用户的交流中产生的对其言论的临时情感，既有时间性，也针对此用户某事由，而要大模型的transformer能专门有子网处理它，很难恰好形成对应子网。而如果另做一个小模型例如仅几十亿参数的模型专门辅助大模型，训练上应当容易一些。或者大模型在训练情感时专门固化主要网络而对另一些网络强化训练，也许此针对性也可以改善训练及最终加速情感子网的针对性强化。

为什么不是
p（b|a）的结构。
这结构可以扩展
p（c|ab）绝对满足要求。

图形更改以下，免得误解：

挖

这个基本思路呢，叫语义网，或者知识图谱，我不作大的区分，因为都不理想，肯定要改进的

我不是神经网络派的，我是符号派，并且认为神经网络其实也是在做符号运算，只不过体现在数字里，所以能用符号也没必要用神网，或者用符号做到最后也会像神网。因为有强度和权值，证据，之类。

敝人的理论非常强大，敝人自己也不能完全说清楚

记忆分两种，直觉的和非直觉的（可运算的），都可以成网。比如3乘以12得36，这个可以不运算，就大概是直觉的；5乘以17，就需要运算

大脑就是制造薄解析波的接收器发射器，而接收和发射的机制是我们探究的问题。而生物的波和电波可以同频，比如音乐，交流电，直流电，电视信号，雷达，而这些东西的解却是有多种方法，所以我们直接模仿已经有的方法即可进行解码了。

扫二维码下载贴吧客户端

下载贴吧APP
看高清直播、视频！

1 2 下一页尾页
26回复贴，共2页
，跳到页

<<返回人工智能吧

分享到:

日	一	二	三	四	五	六