芯片-以磁體浮力解決電線(xiàn)纏繞問(wèn)題，重新設計三維芯片

第四章，如何實(shí)現可信可靠可解釋的人工智能

（方案：以磁體浮力解決電線(xiàn)纏繞問(wèn)題，重新設計三維芯片）

怎么改變人工智障呢？如何實(shí)現可信可靠可解釋人工智能？

就按照仿生辦法，模仿三維神經(jīng)元集群。具體的，要兩步來(lái)解決。

第一步，改變芯片結構，從二維芯片改為三維芯片；第二步，解決固體與流體矛盾。

第1節，  改變芯片結構，從二維芯片改為三維芯片。

    先談第9節，再回過(guò)來(lái)談第1節的用路由器模仿神經(jīng)元。

第9節，解決固體與流體矛盾。

大腦骨骼是相對固態(tài)的，神經(jīng)元所處的環(huán)境是液態(tài)的，便于突觸游動(dòng)、互連、刪除。生命體內，是以固態(tài)物質(zhì)作為框架，以流體傳遞物質(zhì)、能量、信息。

人類(lèi)發(fā)明的集成電路，電線(xiàn)是固定的，其中的電子是活動(dòng)的，以活動(dòng)的電子傳遞信息。作者的思路是，讓固定的電線(xiàn)，也像神經(jīng)元突觸那樣游動(dòng)、互連、刪除。

前面第1節，用路由器集群的接口線(xiàn)路太多，會(huì )造成電線(xiàn)纏繞。芯片上集成電路也需要解決電路短路、斷路問(wèn)題。電子設計自動(dòng)化(英語(yǔ):Electronic design automation,縮寫(xiě):EDA)的一個(gè)重要任務(wù)就是解決布線(xiàn)問(wèn)題。數學(xué)中圖論的路覆蓋理論，提供了一種指導解決固定線(xiàn)路短路、斷路問(wèn)題的理論。作者沒(méi)有研究過(guò)圖論路覆蓋理論，并不打算以路覆蓋理論解決電線(xiàn)纏繞問(wèn)題。

作者引用固體——流體理論，以模仿神經(jīng)元突觸末梢游動(dòng)、互連、刪除的方式，解決電路短路、斷路問(wèn)題，即解決電線(xiàn)纏繞問(wèn)題。

所以，實(shí)現三維芯片的方案，就是找到一種既是固體、又能克服重力、還能流動(dòng)的便宜材料，以此材料為基礎的技術(shù)就可以解決三維芯片無(wú)數連線(xiàn)、無(wú)數開(kāi)關(guān)問(wèn)題。

這種便宜的材料，在現實(shí)中早已經(jīng)存在。本節會(huì )討論該便宜材料的使用方法。

太空微重力環(huán)境對解決固體與流體矛盾有巨大幫助。太空，是天然的微重力環(huán)境，比地面更好。這種便宜的材料既可以在地面使用，如果到太空使用，更節能，也能解決人在太空失重環(huán)境下需要昂貴的生命保障系統問(wèn)題，有利于將來(lái)向太空進(jìn)發(fā)。現階段，還是以地球重力環(huán)境下討論此材料如何解決電線(xiàn)纏繞問(wèn)題。

這種材料就是常見(jiàn)的磁體。磁體發(fā)出磁力，可以克服地球重力，并引導連線(xiàn)模仿神經(jīng)元突觸的連接，即線(xiàn)路接頭套上磁頭，以可控磁力控制接頭連接或脫離接觸。這可以稱(chēng)為磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)，軾相當于固定線(xiàn)路，轍相當于游動(dòng)線(xiàn)路）。

但磁力與電路中電流會(huì )互相影響，磁力對其它元器件也有影響，所以必須屏蔽或增大間隔，或者將來(lái)采用對磁力不敏感的光計算芯片。

現在的芯片，連線(xiàn)已經(jīng)太多太復雜，且連線(xiàn)是固定的，只有連線(xiàn)中電子是流動(dòng)的。

集成電路的發(fā)展方向，除了微型化方向，還可以在固體——流體理論指導下，模仿神經(jīng)元間可活動(dòng)的、可刪除的突觸連接方式，讓電路間連接可活動(dòng)、可刪除。

這是20世紀70年代芯片，電路遠沒(méi)有21世紀芯片復雜。

這是21世紀初計算機芯片。

這是當今芯片的模擬圖，連線(xiàn)非常多。

     現階段，還無(wú)法實(shí)現芯片內部疊層間連線(xiàn)游動(dòng)、互連、刪除。芯片內部疊層連線(xiàn)接頭可移動(dòng)，這是將來(lái)長(cháng)遠目標。

再看一張形象圖。這是英偉達發(fā)布會(huì )對GPU的示例。

但可以嘗試，在芯片群之間采用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)，軾相當于固定線(xiàn)路，轍相當于游動(dòng)線(xiàn)路）。

CPU、GPU、NPU之間連線(xiàn)，可以嘗試采用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)，軾相當于固定線(xiàn)路，轍相當于游動(dòng)線(xiàn)路），從而在硬件方面模仿神經(jīng)元間可活動(dòng)的、可刪除的突觸連接。

磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)），是怎樣的呢？大家在生活中是常見(jiàn)到的。

這幾張圖，即演示了磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)）。

磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)），可以實(shí)現磁平面無(wú)接觸的平移、升降。

電線(xiàn)接頭套在磁平面上，接頭隨磁平面移動(dòng)。而指揮控制磁平面的，又是接頭所連的芯片。

先把芯片整體當做一個(gè)神經(jīng)元胞體，芯片外連電路就像突觸，接頭就像突觸末梢。而磁平面受控于芯片，芯片指揮磁平面帶著(zhù)接頭，模仿突觸的移動(dòng)、接觸或脫離。

將來(lái)，在芯片內部，嘗試在疊層間連線(xiàn)采用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)），以解決芯片內部線(xiàn)路纏繞問(wèn)題。

磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)），其技術(shù)的缺點(diǎn)是非常明顯的，即接頭移動(dòng)速度非常慢，遠遠不如固定連線(xiàn)開(kāi)關(guān)。而且，變化的磁力會(huì )影響各種元器件運行，必須留出足夠隔離空間，這會(huì )大大增加電路板體積（將來(lái)，對磁力不敏感的光計算芯片成熟后，可以降低電路板體積）。

如果是為了數值計算，傳輸數據的連線(xiàn)盡可能是固定的，固定的連線(xiàn)才能傳輸大數據。

而另一類(lèi)需求，即為了在硬件層面模仿神經(jīng)元集群，則芯片間連線(xiàn)可以先嘗試用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)）。機柜的空間較大，可以容納大體積的電路板，電路板上芯片間距可以放得很大，以安裝磁體定子、磁平面動(dòng)子等元器件。

這類(lèi)模仿神經(jīng)元集群的芯片群組，其傳輸的數據格式，可以模仿TCP/IP數據格式，即前幾位是芯片地址。同時(shí)不完全照搬TCP/IP數據格式，而是有改動(dòng)，即改為可讀寫(xiě)應用層數據包內容。

上一節，用路由器模仿神經(jīng)元時(shí)，路由器不會(huì )讀寫(xiě)應用層數據，路由器就像信使，沒(méi)有必要讓信使讀寫(xiě)信件內容。路由器間的學(xué)習，是互相學(xué)習路由表，并計算路由途徑。這是路由器間的自學(xué)習、自組織。

而芯片群，既可以通過(guò)交換路由表而學(xué)習和組織起來(lái)（讀寫(xiě)TCP/IP數據標頭），又通過(guò)交換其它數據如數值、函數、圖形而學(xué)習和組織起來(lái)（讀寫(xiě)TCP/IP應用層數據包），還能模仿神經(jīng)元集群用連線(xiàn)實(shí)現分解、構建三維音畫(huà)、抽像、記憶、聯(lián)想、復雜推理 等功能。

至此，在序列-結構-運動(dòng)-功能的理論體系里，作者探討了現有芯片的兩大瓶頸。一個(gè)是結構上瓶頸，摩爾定律逐漸失效，集成電路很難再微型化，于是芯片逐漸朝3D方向發(fā)展，不斷堆疊，堆疊導致了電路連線(xiàn)復雜，極易纏繞。作者提出，利用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)）解決電路連線(xiàn)纏繞問(wèn)題。磁控的連線(xiàn)接頭，模仿突觸末梢，可移動(dòng)、可互連、可脫離、可刪除。芯片之間數據結構，模仿TCP/IP協(xié)議，加上地址頭，可尋址。

第二個(gè)功能上的瓶頸，現有人工智能技術(shù)大多是改進(jìn)函數，通過(guò)純算法虛擬搭建仿神經(jīng)元突觸式連接。導致功能的瓶頸的原因，除了芯片結構的原因，就是芯片內部連線(xiàn)、芯片外部連線(xiàn)是固定的。

作者提出，利用磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)）從硬件芯片上真實(shí)搭建仿神經(jīng)元突觸式連接。磁控的連線(xiàn)接頭，模仿突觸末梢，可移動(dòng)、可互連、可脫離、可刪除。芯片通過(guò)自學(xué)習、自組織，實(shí)現正負反饋、自動(dòng)修正，以及分解、構建三維音畫(huà)、抽像、記憶、聯(lián)想、復雜推理 等功能。

磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)），既解決了電路連線(xiàn)纏繞問(wèn)題，又模仿了神經(jīng)元突觸式連接，在結構-運動(dòng)-功能三個(gè)層次都改進(jìn)了現有計算機硬件，為計算機軟件開(kāi)發(fā)提供了更高層次的硬件基礎。

結構-運動(dòng)-功能三個(gè)層次要得到改進(jìn)，前提是EDA在設計人工智能類(lèi)腦芯片時(shí)，就把磁控接頭移動(dòng)技術(shù)（軾轍結合技術(shù)）運用于解決電線(xiàn)通道纏繞問(wèn)題。

但讀者可能會(huì )提問(wèn)，在當今移動(dòng)互聯(lián)網(wǎng)發(fā)達的社會(huì )，是否可以把數據中心的服務(wù)器、路由器比作神經(jīng)元胞體，是否可以把移動(dòng)終端比作突觸末梢？為何移動(dòng)互聯(lián)網(wǎng)沒(méi)有“覺(jué)醒”成恐怖的天網(wǎng)？

作者完全認同以上形象的比方，并相信將來(lái)移動(dòng)互聯(lián)網(wǎng)會(huì )“覺(jué)醒”出智能。

但是，前提是做出兩個(gè)改變。第一個(gè)改變是，服務(wù)器、路由器必須能讀寫(xiě)TCP/IP數據，從標頭到數據包。第二個(gè)改變是，服務(wù)器、路由器能指揮所有通訊節點(diǎn)間的物理接觸或脫離，而現在的通訊節點(diǎn)間物理接觸或脫離都是由人手動(dòng)實(shí)現的，并且配IP地址這活兒幾乎也是手動(dòng)輸入。下一章，作者將繼續探討這個(gè)問(wèn)題。

倒敘完了，先談了第9節，再回到第1節。

第1節，改變芯片結構，從二維芯片改為三維芯片

現有人工智能界，從用一維CPU改為用二維GPU，到華為的達芬奇結構，還有chiplet結構，還有神經(jīng)擬態(tài)芯片，都在不自覺(jué)的向三維結構發(fā)展，但還不是真正的三維結構。

如何改為真正三維結構？有多種辦法，如模擬生成真實(shí)神經(jīng)元，又如把硅晶片做成 三維立體的，如此等等，有好幾種方法可以改為三維結構。

關(guān)于生成真實(shí)神經(jīng)元集群，作者以前設想，采用CRISPER技術(shù)切割DNA，單獨培養神經(jīng)元集群。這么做的倫理道德風(fēng)險，是非常大的，而且成本高，效益低。成本高，原因是明顯的，培養一個(gè)活體，需要昂貴復雜的生命保障系統。效益低，原因也是明顯的，生物受地球重力影響，其體積重量是有限定的，那么人腦神經(jīng)元集群的數量 也是有極限的，那么其智商也是有極限的?，F在，國外又爆新聞，在大鼠腦袋里植入人腦神經(jīng)元。是不是國外放松了 倫理道德審查標準？還需要觀(guān)察。

作者也曾設想，把硅晶體做成三維立體的，但并未找到 在硅晶體內部刻畫(huà)線(xiàn)路的方法。

而本書(shū)開(kāi)篇第一章，介紹一種宏觀(guān)的 模擬三維結構的方法：聯(lián)系電信運營(yíng)商的機房，在凌晨時(shí)，用路由器模擬 神經(jīng)元胞體，用電線(xiàn)模擬突觸。因為機房路由器集群數量 比神經(jīng)元集群數量少得多，所以初期圖靈測試時(shí)，用簡(jiǎn)單的測試：在黑色背景圖中找出 手寫(xiě)白色阿拉伯數字。

但難度也是顯而易見(jiàn)的，螞蟻的神經(jīng)元數量約25萬(wàn)個(gè)，人腦神經(jīng)元數量約860億個(gè)。路由器體積龐大，占地、耗能，如果讓由路由器集群 模仿萬(wàn)億神經(jīng)元集群，其占用空間非常大，其耗能也非常大。

現在前沿的研究，是憶阻器，還有光芯片，等等，但沒(méi)有看到特別大的進(jìn)展。

以上幾種辦法都有缺點(diǎn)，或者成本很高，或者有倫理道德風(fēng)險，或者很耗能，或者占用空間大，或者技術(shù)不成熟。

特別指出，路由器集群，即使縮小再縮小，也無(wú)法完全 模擬神經(jīng)元集群，因為電線(xiàn)會(huì )纏繞。導致纏繞的根本原因是，流體與固體的區別。作者找到了解決方法，讀者可以在研究中使用，這是下一節探討的內容。

本節，探討模仿神經(jīng)元集群時(shí)的一些細節，如集群內組合問(wèn)題。

相對于CPU、GPU芯片，互聯(lián)網(wǎng)節點(diǎn) 更加具備模仿神經(jīng)元的基礎。特別是路由器，可以模仿胞體與突觸……

以識別數字6為例，探討如何用路由器模仿神經(jīng)元。

上圖示例，從一張圖片中提取數字，現有技術(shù)不模仿神經(jīng)元集群，就能輕松完成了。

第一步，檢測有數字的地方，也就是確定數字的x軸y軸位置，這第一步，現有攝像頭技術(shù)已經(jīng)可以檢測了。眼睛的聚焦，是靠神經(jīng)元集群來(lái)實(shí)現的。本書(shū)雖然嘗試用路由器模仿神經(jīng)元，但是聚焦功能，不是本節討論的重點(diǎn)，在此，就用攝像頭技術(shù)來(lái)聚焦了。

第二步，把待識別數字旋轉，也就是以z軸旋轉，這第二步也是現有攝像頭技術(shù)可以完成的。人或動(dòng)物，是由神經(jīng)元集群指揮頭部偏轉以旋轉眼睛的。為了簡(jiǎn)化，在此，就用攝像頭技術(shù)來(lái)聚焦了。

以上步驟，是現有技術(shù)可以實(shí)現的，可以用攝像頭聚焦后數字后，再把像素投射到路由器集群上，路由器集群再匯總縮微成 標準日字型數字。

神經(jīng)元群實(shí)現聚焦、旋轉，缺點(diǎn)慢。

攝像頭搭配芯片來(lái)實(shí)現聚焦、旋轉，優(yōu)點(diǎn)快。

讀者會(huì )疑惑，既然速度慢了，為何多此一舉？作者這里想表的是，路由器集群可以模仿神經(jīng)元集群。

第三步，縮放待識別數字。這步用路由器的匯總路由表功能，即可實(shí)現。匯總功能，相當于神經(jīng)元集群的抽象功能，簡(jiǎn)化了圖形。

以下這幾步，是一個(gè)生成路由表的逆過(guò)程。

路由器接口越多，越能接收更多鄰居路由器的路由表。接口是雙向傳輸路由表，既能當入口，又能當出口。

熟悉路由協(xié)議的讀者，有比作者更好的方案以識別數字。作者在此提出自己的具體步驟，

第一步，路由器判斷自己是在起始點(diǎn)q還是經(jīng)過(guò)點(diǎn)j還是末端點(diǎn)d，判斷依據是8個(gè)接口打開(kāi)了幾個(gè)，路由表傳輸的方向。

如果路由器只有一個(gè)接口打開(kāi) 且沒(méi)有接收到路由表，則認為自身是起始點(diǎn)d，接口為出口，那就從出口發(fā)出<路由表> 并等待回復

如果路由器有二個(gè)接口打開(kāi)，則認為自身是經(jīng)過(guò)點(diǎn)d。d路由器把自身打開(kāi)的兩個(gè)口填到<路由表>里，并從出口傳遞給鄰居路由器。

如果路由器有三個(gè)接口打開(kāi)，則認為自身是經(jīng)過(guò)點(diǎn)d且還是環(huán)的末端點(diǎn)d，那就檢查自身是否已在<路由表>里，如果不在表里就添加到表里，并從出口傳遞給鄰居;如果自身已在<路由表>里，則從第一個(gè)入口傳出<圖形表>。根據這三個(gè)接口方向，以及回傳圖形表，可以判斷是彎、還是環(huán)。

第四步，<路由表>被傳回到起始點(diǎn)d路由器，作為學(xué)習的結果，即結論是數字幾。

    這樣的學(xué)習，是模擬神經(jīng)元集群的連接。

學(xué)習后，對新輸入的待判斷的圖形，反向比較起始點(diǎn)q、經(jīng)過(guò)點(diǎn)j、末端點(diǎn)d是否相似。比較是否相似，在神經(jīng)元集群里就是神經(jīng)元是否被連接并傳輸遞質(zhì)。路由器比較是否相似，可以用大規模集群模仿神經(jīng)元集群，但本案例里路由器數量很少，只能借助通用計算機的算法。（算法很多，比如，先把上下左右四方命名為北南東西，再把圖形最大化分解原則，能分解成環(huán)的就不分解為彎，以此類(lèi)推，環(huán)>彎>豎>橫。）

通用計算機根據<路由表>，判斷圖形與數字幾相似后，標注出結論，給出<判斷依據>，并把<判斷依據>和結論加入TCP/IP應用層數據包 發(fā)給起始路由器，起始路由器再泛洪發(fā)給其它路由器，這就是規則的形成與傳播（路由器不能讀取TCP/IP應用層數據包，只能由通用計算機讀寫(xiě)數據包）。該規則是路由器自身制定、傳播修改的，這就是“自組織、自學(xué)習”。整個(gè)過(guò)程體現了正負反饋、自動(dòng)修正。

讀者會(huì )有很大疑問(wèn)，以上過(guò)程，增加了路由器集群硬件，比單獨的一臺通用計算機麻煩，速度又慢。據了解，谷歌的圖片****，通過(guò)大量樣本學(xué)習，已經(jīng)可以識別大部分街景里門(mén)牌號了，也識別能其它圖片。而且，用模擬器模擬路由器時(shí)，也是調用的通用計算機，這與拋開(kāi)路由器，直接使用函數算法配上通用計算機，有何區別？

以上的比較相似性，是不需要大量樣本的，甚至可以只需一個(gè)樣本即可完成學(xué)習。

以上的日文，只需看幾遍，人腦即可學(xué)會(huì )辨識其手寫(xiě)體。作者相信，路由器集群也只需看幾遍，即可學(xué)會(huì )辨識其手寫(xiě)體。  

這就是模仿神經(jīng)元集群的學(xué)習，少量樣本，或者只有一個(gè)樣本，即可完成學(xué)習。甚至，樣本不齊整，路由器集群也可以模仿神經(jīng)元集群，也實(shí)現聯(lián)想、想象、推理功能。不僅如此，路由器集群也能理解這些圖片的含義。

雖然，現在有很多函數算法配上通用計算機，通過(guò)大量樣本學(xué)習，能夠識別手寫(xiě)數字了，但是依據這些算法理解圖片真正含義，有很大難度。更進(jìn)一步的，若用這些函數算法理配上通用計算機，即使讀取大量樣本數據，依然在區別貓狗、理解道路標志意義、指導自動(dòng)駕駛、理解語(yǔ)義、揣摩心理等等方面，沒(méi)有突破性進(jìn)展。

特別是學(xué)習駕駛技術(shù)方面，王垠（www.yinwang.org）說(shuō)得非常好，成年人幾個(gè)小時(shí)就能學(xué)會(huì )駕駛，避障、識別道路標志等簡(jiǎn)直是輕而易舉。但計算機吞入了大量數據，依然不明白何為駕駛、避障、識圖。

用路由器集群模擬神經(jīng)元集群，是區別于函數算法配一維CPU二維GPU虛擬化連接神經(jīng)元，另一條真實(shí)物理連接神經(jīng)元的方式。

每個(gè)路由器都可以生成路由表，相當于一個(gè)神經(jīng)元。而生成這么多路由表，怎么傳遞，怎么終止，是各個(gè)路由器互相學(xué)習過(guò)程、互相取舍的過(guò)程，這就相當于神經(jīng)元集群互相觸發(fā)的過(guò)程、互相抑制的過(guò)程。

在作者有限的認知里，這就體現用路由器集群的好處：簡(jiǎn)單的分解式學(xué)習、屈指可數的樣本數據、很弱的計算力、低能耗，通過(guò)路由器之間正負反饋、自動(dòng)修正，就能實(shí)現避障、識圖，配上足夠多路由器就能實(shí)現語(yǔ)義理解。

這是中心計算模式，與分布式計算模式的區別。

現在CPU、GPU在勉強模仿神經(jīng)元集群，意圖實(shí)現真正智能，但其實(shí)還主要應用于看圖說(shuō)話(huà)等等 不影響安全的領(lǐng)域，如智能音箱。即使預測蛋白質(zhì)序列，也是用計算機的數值計算功能，而不是理解蛋白質(zhì)序列的意義。

而路由器集群，模仿神經(jīng)元集群，應該比CPU或GPU干得好得多。

因為，已有實(shí)踐已經(jīng)確認，在并行計算方面，CPU不如GPU。

現在，作者提出把路由器集群代替GPU，擴展GPU里每個(gè)計算單元的能力，賦予每個(gè)GPU單元一套路由算法。

雖然單個(gè)路由器里小小的芯片計算力很弱，但路由器集群在互相學(xué)習、互相取舍，這個(gè)學(xué)習、取舍過(guò)程，才是作者以前文章里說(shuō)的“正負雙向反饋、自動(dòng)調整過(guò)程”。

用復雜系統學(xué)來(lái)解釋?zhuān)褪锹酚善骷河辛恕白詫W(xué)習、自組織”能力。而“自學(xué)習、自組織”能力，是集群實(shí)現智能的關(guān)鍵步驟，鳥(niǎo)群、蟻群、人群都是“自學(xué)習、自組織”的非中心計算形態(tài)。這與基于中心大CPU計算的形態(tài)，完全不同。

復雜系統論理論，是個(gè)大理論。

復雜系統論認為，集群會(huì )涌現出更高層次事物。鳥(niǎo)群、蟻群、黏菌，涌現出的智能，是無(wú)法用單個(gè)個(gè)體解釋的。用路由器集群模仿神經(jīng)元集群，也是一條實(shí)現人工智能的可行之路。用函數算法配上通用計算機，之所以在語(yǔ)義理解、自動(dòng)駕駛方面所遇到的瓶頸，就是因為其不采用集群而是盲目的擴大算力、讀取大量數據、只用函數解題造成的。

作者認為，只要認準一點(diǎn)，在實(shí)踐中已經(jīng)證明，并行計算的GPU，比中心計算的CPU，更適合模仿神經(jīng)元集群來(lái)實(shí)現人工智能即可。

所以，作者認為，在發(fā)展并行計算方面，在模仿神經(jīng)元實(shí)現人工智能方面，大CPU<<GPU<<路由器集群。

（致讀者，有愿意一起寫(xiě)的嗎？

）

第2節，  模仿神經(jīng)元集群的機制：投****機制（待續）

問(wèn)答，加15983338666

第3節，模仿神經(jīng)元集群的機制：補全機制（待續）

第4節，模仿神經(jīng)元集群的機制：刪除機制（待續）

第5節，模仿神經(jīng)元集群的機制：聯(lián)想機制（待續）

第6節，模仿神經(jīng)元集群的機制：想象機制（待續）

第7節，模仿神經(jīng)元集群的機制：推理機制（待續）

第8節，模仿神經(jīng)元集群的機制：其它機制（待續）

第一章，驗證：用路由器集群仿生神經(jīng)元集群

第二章，作者眼中的 智能以及人工智能

第1節，定義：智能、人工智能

第2節，神經(jīng)元集群運作方式：分解、抽像、重建、正負反饋等

第3節，神經(jīng)元集群的動(dòng)力源

第三章，比較：現有芯片的功能，以及與智能的差別

第1節，功能差別：智能與智障的差別

第2節，導致智障的原因：序列-結構-運動(dòng)-功能不同

第3節，結構差別

第4節，運動(dòng)方式差別

第四章，如何實(shí)現可信可靠可解釋的人工智能

第1節，改變芯片結構：三維重構

第2節，模仿神經(jīng)元集群的機制：投****機制

第3節，模仿神經(jīng)元集群的機制：補全機制

第4節，模仿神經(jīng)元集群的機制：刪除機制

第5節，模仿神經(jīng)元集群的機制：聯(lián)想機制

第6節，模仿神經(jīng)元集群的機制：想象機制

第7節，模仿神經(jīng)元集群的機制：推理機制

第8節，模仿神經(jīng)元集群的機制：其它機制

第9節，解決固體與流體矛盾

第五章，可信可靠可解釋人工智能 對地球社會(huì )的影響

第六章，向太空微重力出發(fā)，組裝太空人

第七章，太空人的體積重量

第八章，太空人的宇宙觀(guān)以及人格特質(zhì)

第九章，太空人與地球霸主的關(guān)系