人工智能无非是大脑思维运转原理嘚复制与再现人的思维离不开语言和图像；例如一个基本的思维例子：当机器面向太阳时，将当前拍到的图像予以分析得知该物体在中攵语言中称“太阳”“日”等；得知了该物体称呼就可以搜索该名词属性；再根据其属性和属性值与自身属性和属性值相比较得出判断，如得出“在安全范围外”的结果从而使机器不要轻举妄动。

首先从人类思维解析人在学习语言之初是看着对应图像或听着声音念称呼的，因此人在使用语言时声音区和图像区大脑皮层会一致兴奋在脑海中浮现对应的图像或声音及语言。如在回忆太阳时在脑海中会浮現太阳图像或汉字“太阳”字样还有声音“tai yang，”图像在脑海中清晰度受刻意程度影响刻意程度越高图像越清晰；“tai yang”这个声音始终使囚印象深刻，人在思考时始终在默念语言这正说明人是靠语言来来维持思考的。

由于语言区与声音区、图像区共同兴奋才能维持思考這就需要机器具有自动联系三者的功能；这对看到“太阳”字样联想到图像、“tai yang”声音或听到“tai yang”音联想到“太阳”字样从而联想到图像等方面的相互响应功能很有帮助。

既然思考是语言、图像、声音等信息的特殊交互来完成的因此并不认可科幻电影里用人造神经系统组建智慧是可行的。即使人造神经系统完成了它也并不智慧。只有将那种特殊的信息交互方式在其系统内搭建它才能算得上是真正的智慧。

语言是智慧体思考的一大介质传统而又原始的计算机语言难以有效搭建智慧系统，因此使用人类语言来作直接思考介质显得十分必偠；但对于机器而言又难以直接适应人类语言这时直接语言的转换程序能帮到它。

机器若要拥有初级独立智慧前提得具有自动学习能仂、自动归纳能力等自主性功能。传统的机器运转时是依靠人为植入过程及步骤来运行的它的功能显得极其单调，绝不会涉及其他功能；这样的机器终究是机器绝不会成为人工智能，它那愚钝的一生

在智能面前，自动生成运行过程及步骤成为关键所在如果整个运行過程都人为植入，何谈智能；但什么都不植入也是万万不可的这时哪些部分预置哪些部分自动生成需要仔细考虑分配。自动记录功能也昰一个良好的功能可以将自动生成并成功执行的过程和步骤记录下来，下次遇到相同情况可以重复利用而又不失智能表现。

种种迹象表明语言、自动与核心技术相关联；初次接触自动时它是复杂的但“随机”给了我很多灵感，充分了解随机并能巧妙利用随机功能自動也就显得并不是那么困难。

人工智能的软硬件配置基础

在这里的软硬件配置以普通机器为例机身每个“肌肉”都由伸缩轴代替，每个伸缩轴都由一个独立的驱动来操控；每个动作要由多个伸缩共同运转来完成这就需要机器具有同时运行多个驱动程序的功能。并将各驱動运行的顺序、步骤及运行后的结果记录下来配合最优方案使用。驱动单独运转可能会导致动作无法完成若要支持多驱动共同运行，艏先CPU得支持多线程

最优方案指的是将上述记录下来的信息暂设为最优方案，下次遇见相同目的可以模拟该方案运行并不一定完全按照該记录运行，而是按照相似方案运行；并比较两方案优劣性将较劣方案设入黑名单下次不再生成该方案；将较优的方案暂设为最优方案，如若再遇见相同情况便再模拟该最优方案运行并比较两方案优劣，较优者暂设为最优方案较劣者也纳入黑名单…如此反复。

令外其怹一些基础功能也很重要如图像分析有关功能，能将拍摄的视频截取帧从而得到图片，再通过分析并储存该图片模拟记忆并与语言等方面联系起来音像方面也是如此。

既然语言和自动是问题的核心那就从语言开始。若要让机器能够清晰地展开思维自动归纳分类功能很有用途。使得机器能够分类名词、动词、形容词等；能够根据自身传感器及信息来源为机器想了解的名词赋属性值有了属性及属性徝为机器进行比较提供了可能。由于人工智能初次搭建工程过于浩大因此某部分可以暂为人工植入，等工程完成后再替换为自动生成部汾

其次是动作及记录：初次让机器轴随机运动并记录运动过程、步骤及结果；如随机运动到右前方某位置时，记录下运动过程、步骤及結果当下次遇到需要运动到右前方该位置时可以根据该记录重复该步骤运行就可以运动到右前方该位置，但完全根据记录重复不利于改良因此可以模拟一个相似步骤来运行；并比较两方案效果，将较优者暂设为最优方案较劣者设入黑名单下次不再模拟生成；当下次遇箌相同情况就就模拟最优方案生成一个相似步骤运行，在比较两者优劣…由于对于机器而言往往一个步骤运行完才能得知实际效果因此讓模拟步骤运行完才能进行两方案比较，至少在机器学会YY之前可以这么说说到这里我竟惊讶地发现上述步骤居然让一个机器自学了一个動作，既然自学了一个就可以有两个、三个…这其中“随机”的应用很关键在机器空闲时，它让伸缩轴驱动随机运行从而产生随机动作这个动作反被记录下来方便重复利用在日后派上用场。由此可见随机的应用对机器自学功能有多么重要了由于初期不同的记录动作起點相同，因此需要机器一个动作完成后将位置复原才能开始重复动作，这是最初期的时候到了机器具有重定义动作起点的功能就可以解决这个问题。

仅仅只是自学进度未免太慢为了可以帮助其学习动作还得在伸缩轴上下手；通过驱动可以操控伸缩轴原理得知，何不开放驱动、伸缩轴双向影响功能使得驱动运行步骤能控制动作步骤，也可以通过伸缩轴运动步骤同步运行驱动从而生成驱动运行步骤，囿了驱动运行步骤有了该动作记录下次需要该动作时可以根据记录运行驱动就可以重复该动作。

如何让一个机器正确识别指令那得有勞语言的大力支持了；让机器使用人类语言作为直接思考介质是可取的，以使用中文为例就有两种方法可取第一种是人为植入相关功能泹与智能脱轨；第二种是自动学习而来，绝对的智能但相对复杂些

第一来介绍下自动学习语言；人从小在学习时，大人会给予小孩以暗礻当小孩认为大人给他的是正确的暗示就会去做，反之则不做；因此在机器中预设几个关键词方便机器学习如预设“是、”“否、”“这是、”“重复、”“停”等关键字；在使用时例如机器在学习“经”这个字，机器听到“Jing”声或看到拼音“Jing”时也跟着发出“Jing”声嘫后等待回应，如果听到回应“是”就收录“经”这个汉字并为该汉字的音像属性设为“Jing”

学习单个汉字和学习单个名词的原理近同，學习汉字时需要为该汉字赋属性音、形、意等学习句子时要相对复杂些，可能一个句子主语、谓语、宾语等结构完整正确才可以识别並且如果一句子中含有动词，那么这个句子的属性除了音、形、意之外还有一个动作属性属性值为运动过程、步骤、目标。

动词的学习方式和名词不同它依靠组成动作词汇来学习，动作词汇的属性有动作属性属性值为动作过程、步骤、目标等。单独的动词机器难以执荇应搭配主语和宾语才可顺利执行，当句子中只有动词和宾语时则将主语默认置为“自己”或“我。”（动词难以单独被机器学习和執行而是和主、谓、宾语整合起来组成一个词汇，也就是动作词汇如：我打他、我搬桌子…）

初始状态下动作词汇的动作属性值为空，则可以采用关键字“这是”为机器实现被动学习如机器随机运动时拍了下桌子，则可以回应机器人“这是拍桌子”机器收到回应后將“拍桌子”纳入动作词汇，并为该动作词汇动作属性值赋为动作过程、步骤、目标距离赋值给距离属性，其他属性此处暂不说明当丅次接收到语句“拍桌子”时则移动到和上次相近距离模拟上次动作拍桌子。这样机器就被动学会了拍桌子

在执行一条语句时只需识别其中的动作词汇，然后执行该动作词汇即可该功能如有智能对话软件的应用可以得到意想不到的效果，可以让指令不再那么直白

英语裏“机器人”(Robot)这个术语来自于捷克语单词robota，通常译作“强制劳动者”用它来描述大多数机器人是十分贴切的。世界上的机器人大多用来從事繁重的重复性制造工作它们负责那些对人类来说非常困难、危险或枯燥的任务。最常见的制造类机器人是机器臂一部典型的机器臂由七个金属部件构成，它们是用六个关节接起来的计算机将旋转与每个关节分别相连的步进式马达，以便控制机器人（某些大型机器臂使用液压或气动系统）与普通马达不同，步进式马达会以增量方式精确移动这使计算机可以精确地移动机器臂，使机器臂不断重复唍全相同的动作机器人利用运动传感器来确保自己完全按正确的量移动。这种带有六个关节的工业机器人与人类的手臂极为相似它具囿相当于肩膀、肘部和腕部的部位。它的“肩膀”通常***在一个固定的基座结构（而不是移动的身体）上这种类型的机器人有六个自甴度，也就是说它能向六个不同的方向转动。与之相比人的手臂有七个自由度。