人工生命 2.0.2 更新,模擬體全息存貯的模式識別

Frog | 人工生命 (https://gitee.com/drinkjava2/frog)

這是一個人工生命試驗項目，最終目標是創建「有自我意識表現」的模擬生命體，技術架構基於02年提出的 一個人工腦模型。 這個項目永遠沒有結束的時候，開始於模擬一個簡單的生命體，然後是青蛙、狗......, 結束於有「自我意識表現」的人工腦，或者說，結束於被機器人代替人類的那一天。

(接上回 給青蛙找個工作：走蹺蹺板)，以下為本次項目更新內容 ： 

2019-11-11  第一版字母的模式識別演示 
這是個比較重要的更新，也是青蛙切換到3D腦的第一個正式版本更新，它實現了ABCD四個字母的識別。測試時分別用ABCD四個字母，並同時加上一個聲音信號進行訓練，識別時只激活視網膜區，採用變形後的字體，即小一號的斜體字，從顯示結果來看，識別效果還是很好的。另外這個模式識別是雙向的，如果只單單激活聽力區，也會在視網膜區成像。（如果要演示這點，需要將LetterTester.java中的seeImage和hearSound兩行注釋互換一下，並去除Cell.java中的59和60兩行，這兩行代碼的作用是阻止光子逆向傳播到視網膜上)。以下是這個模式識別的截圖，黑色的小點表示視網膜發出的視覺波信號，藍色的表示耳朵發出的聽力波信號：在它們交匯的地方，有可能產生新的光子並逆向傳播，用紅色小點來表示，最終在波源處逆向成像。這個工作原理在細胞級別將相關的信號關聯起來，也就是以前所說的體全息存貯的模擬實現，可以在三維空間實現信息的高密度存貯:

這個模式識別的原理比較簡單，不需要高等數學知識，每個人都能看懂，而且它可能更符合人腦的工作模式，它可以進行圖像到聲音的關聯，也可以實現聲音到圖像成像的逆關聯，另外還有兩個重要優點:1.它可以同時處理多維的信號，也就是說可以同時處理多個圖片、聲音等信號。 2.它的訓練速度非常快，沒有採用什麼海量的大數據來進行訓練，只要任意有關聯的信號，哪怕信號只出現一兩次，它都會自動將它們關聯起來，這個關聯是動物的條件反射能夠建立的基礎。 
目前這個更新只是個基本原理的演示，還沒有進行多個字母同時訓練並通過比較信號強度進行分辨的功能，這個需要對聲音信號進行編碼。今後將在這個模式識別原理上進行擴展，進行聲音的編碼、多參數優化自動生成器官、把小蛇引入到虛擬環境等等一系列更複雜的任務。    

另外，在腦圖上，本次更新添加了t、f、l、r、x五個快捷鍵，可以在腦圖上選擇頂視、前視、左視、右視、斜視這5個方向的視圖。   

附錄— 可以比較形象地解釋這個模式識別的工作原理的比喻：
可以把具備動態觸突的神經元比作一個果凍，光子來了,在上面撞了一個坑（動態觸突)就被陷進去了(能量存儲)，如果來的多，或者速度快(能量大)，一小部分的光子就被從果凍的另一頭撞出去了(光直線傳播，尋找下一個神經元，增加信息存儲單元，實現體全息存貯)。如果在另一個角度又來了新的光子，同樣的過程在發生，只不過在撞擊的過程中，以前陷在其它坑裡的光子有可能被撞出來，沿著撞擊坑的路徑直線逆向返回（即波的逆向成像，兩個撞擊事件，在神經元級別就被關聯起來，關聯的相關度取決於它們撞擊坑的大小)，原來的光子陷入的越多，則被撞出來的機率就越大(短期發生的事最先被回憶出來)，隨時間流逝，光子被果凍吸收(果凍變肥，有可能遺傳)，被撞出來的機率就越小(信息的遺忘),撞擊坑也會自動修復(動態觸突消失，腦神經又可以接收新的信息了)。如果反覆地有光子撞擊在同一個坑，這個坑就會變大，這個修復的過程會變得很慢，坑變大了後果就是，即使只有輕微的撞擊，也可以很容易將大坑裡的光子撞出來（即記憶曲線，複習的效果優於單次長時間學習)。 在某些位置，撞擊太頻繁、太強烈，不是在果凍上撞出坑，而是撞出一條通路，光子可以無損耗地通過，就形成了一個個傳導通道(神經纖維)，直到光子被某個果凍攔截為止。另外，撞球也遵守動量守恆原理，同一個方向運動的光子，最有可能將逆向的坑裡的光子撞出來，也就是說同一個器官產生的相鄰的兩個信號不容易產生互相干攏。思考和意識，就好象一場撞球遊戲。 

另外說明一下，本項目是一個外行根據自已的理解進行的神經網絡探索試驗項目，學術性和嚴謹性不夠，項目設計思路僅供參考，歡迎指出問題。