jiaxiaogang/HE

解決的問題

he4o 希望建立一個通用人工智慧（AGI）系統，能在預先設計的程式規則與動態獲取的知識之間取得平衡。它試圖超越純粹以計算力驅動的競爭性學習（可能過於「不穩定」）與純粹基於規則的推理（可能過於「僵化」）之間的二元對立。

工作原理

基於「螺旋熵減理論」，系統運作方式如同「螺旋熵減機器」。採用動態導向程式設計（DOP）方法，系統出生時即具備基本控制器與儲存結構，但其知識會在出生後由具體經驗逐步演化為抽象概念。

主要技術元件包括：

• 認知迴圈：一個螺旋形的思考控制器，管理感知、辨識、學習、任務指派、規劃、求解、轉移與行為。
• 知識表達：使用稀疏編碼、特徵、概念與時間序列來表示資訊，著重於一般性與個別性的關係。
• 記憶結構：採用網路表示長期記憶，樹狀結構表示短期記憶，序列表示即時記憶。
• 學習機制：主要依賴結構化遷移學習（transfer learning），輔以強化學習（competitive）支援。

適用對象

對具身智能、AGI 架構，以及結合符號式規則與動態學習的非傳統神經網路方法感興趣的開發者與研究人員。

亮點

• 具身智能示範：成功示範虛擬代理（烏鴉）透過互動學習尋找食物、避開障礙物並使用簡單工具。
• 視覺辨識：能透過迭代過程，僅用少量範例（例如老鼠、杯子、貓）學習辨識物體。
• 低資源需求：設計為可在單一機器終端上運行（目前於 iOS 裝置測試中），優先考慮磁碟 I/O 而非高運算負載。
• 終身學習：支援動態的終身學習，並能快速回應環境變化。