jiaxiaogang/HE

해결하는 문제

he4o는 사전에 설계된 코드 규칙과 동적으로 획득된 지식의 균형을 이루는 일반 인공지능(AGI) 시스템을 구축하는 것을 목표로 합니다. 순수한 컴퓨팅 중심의 경쟁적 학습(너무 '불안정'할 수 있음)과 순수한 규칙 기반 추론(너무 '경직'될 수 있음)의 이분법을 넘어서려 합니다.

작동 방식

"헤리크스 엔트로피 감소 이론"을 기반으로 시스템은 '나선형 엔트로피 감소 기계'로 작동합니다. 동적 지향 프로그래밍(DOP) 방식을 사용하며, 시스템은 기본적인 컨트롤러와 저장 구조를 태어날 때부터 갖추지만, 지식은 출생 후 구체적인 경험에서 추상적 개념으로 진화합니다.

주요 기술적 구성 요소:

• 인지 루프: 지각, 인식, 학습, 작업 지시, 계획, 해결, 전이, 행동을 관리하는 나선형 사고 컨트롤러.
• 지식 표현: 희소 코딩, 특징, 개념, 시간적 순서를 사용하여 정보를 표현하며, 일반성과 개별성의 관계에 초점을 맞춥니다.
• 기억 구조: 장기 기억에는 네트워크, 단기 기억에는 트리, 즉시 기억에는 시퀀스를 사용합니다.
• 학습 메커니즘: 주로 구조적 전이 학습(transfer learning)을 활용하며, 강화 학습(competitive)으로 보완합니다.

대상 사용자

신체적 지능, AGI 아키텍처, 전통적인 신경망과는 다른 접근 방식에 관심 있는 개발자 및 연구자.

주요 특징

• 신체적 지능 데모: 상호작용을 통해 먹이를 찾고, 장애물을 피하며 간단한 도구를 사용하는 가상 에이전트(까마귀)의 학습을 성공적으로 시연.
• 시각 인식: 반복적 과정을 통해 소수의 예시(예: 쥐, 컵, 고양이)로부터 물체를 인식할 수 있는 능력.
• 저자원 요구: 단일 머신 터미널(현재 iOS 기기에서 테스트 중)에서 실행 가능하며, 고부하 계산보다 디스크 I/O를 우선시.
• 생애 주기 학습: 동적이고 생애 주기적인 학습을 지원하며 환경 변화에 빠르게 대응 가능.