jiaxiaogang/HE

解决的问题

he4o 旨在创建一个通用人工智能（AGI）系统，该系统在预设代码规则与动态获取的知识之间取得平衡。它试图超越纯粹依赖计算能力的竞争性学习（可能过于“不稳定”）与纯粹基于规则的推理（可能过于“僵化”）之间的二元对立。

工作原理

基于“螺旋熵减理论”，该系统作为“螺旋熵减机器”运行。采用动态定向编程（DOP）方法，系统出生时具备基本控制器和存储结构，但其知识在出生后从具体经验逐步演化为抽象概念。

关键技术组件包括：

• 认知循环：一个螺旋形的思维控制器，管理感知、识别、学习、任务分配、规划、求解、迁移和行为。
• 知识表示：使用稀疏编码、特征、概念和时间序列来表示信息，重点关注一般性与个体性的关系。
• 记忆结构：采用网络表示长期记忆，树结构表示短期记忆，序列表示瞬时记忆。
• 学习机制：主要依赖结构化迁移学习（transfer learning），辅以强化学习（competitive）支持。

适用人群

对具身智能、AGI 架构以及结合符号式规则与动态学习的非传统神经网络方法感兴趣的开发者和研究人员。

亮点

• 具身智能演示：成功演示了一个虚拟代理（乌鸦），通过交互学习到寻找食物、避开障碍物并使用简单工具。
• 视觉识别：能够通过迭代过程，仅用少量示例（如老鼠、杯子、猫）学习识别物体。
• 低资源需求：设计为可在单台机器终端上运行（目前在 iOS 设备上测试），优先考虑磁盘 I/O 而非高计算负载。
• 终身学习：支持动态的终身学习，并能快速响应环境变化。