jiaxiaogang/HE

何を解決するか

he4oは、事前に設計されたコードルールと動的に獲得された知識のバランスを取ることを目指す汎用人工知能（AGI）システムを構築することを目的としています。純粋に計算力に依存する競争的学習（「不安定になりがち」）と、純粋にルールベースの推論（「硬直的になりがち」）の二極化を乗り越えようとしています。

動作原理

「ヘリックスエントロピー低減理論」に基づき、システムは「らせん状エントロピー低減マシン」として動作します。動的指向プログラミング（DOP）アプローチを採用しており、システムは基本的なコントローラとストレージ構造を備えて誕生しますが、知識は出生後に具体的な経験から抽象的概念へと進化します。

主な技術的要素は以下の通りです：

• 認知ループ：螺旋状の思考コントローラーで、知覚、認識、学習、タスク割り当て、計画、解決、転移、行動を管理します。
• 知識表現：スパースコーディング、特徴、概念、時間的順序を用いて情報を表現し、一般と個別との関係に焦点を当てます。
• 記憶構造：長期記憶にはネットワーク、短期記憶には木構造、即時記憶にはシーケンスを使用します。
• 学習メカニズム：主に構造的転移学習（transfer learning）を用い、強化学習（competitive）で補完します。

対象ユーザー

身体的知能、AGIアーキテクチャ、従来のニューラルネットワークとは異なるアプローチに興味を持つ開発者や研究者。

特徴

• 身体的知能のデモ：仮想エージェント（カラス）が、相互作用を通じて餌を発見し、障害物を避け、簡単な道具を使うことを学習したことを成功裏に実証。
• 視覚認識：反復プロセスを通じて、少数の例（例：ネズミ、コップ、猫）から物体を認識する能力を習得可能。
• 低リソース要件：単一のマシン端末（現在はiOSデバイスでテスト中）で動作可能。計算負荷よりもディスクI/Oを優先。
• 生涯学習：動的かつ生涯にわたる学習をサポートし、環境変化に迅速に対応可能。