懂AI

he4o：一种螺旋熵减机式的通用人工智能系统

RayRay
he4o螺旋熵减机通用人工智能机器学习神经网络Github开源项目

he4o

he4o系统简介

he4o是由贾晓刚设计的一种新型通用人工智能(AGI)系统,旨在实现真正的智能体自主学习和决策。该系统基于螺旋熵减机模型,通过动态知识表征和思维控制来模拟人类智能。

理论基础

he4o的理论基础是螺旋论,包含三大要素:定义、相对和循环。这三个要素共同构成了螺旋形的理论模型。螺旋论于2017年2月开始研究,历时一年成熟。基于螺旋论,贾晓刚进一步提出了螺旋熵减机理论模型,作为he4o系统的核心理论支撑。

系统架构

he4o系统的架构设计直接源于螺旋熵减机模型,主要包括以下几个部分:

  1. 神经网络:占内核代码的30%,采用"横向宏与微,纵向抽具象"的模型。

  2. 思维控制器:占内核代码的50%,呈现螺旋形运行。主要包括感知、识别、学习、任务、计划、求解、迁移、行为等8个思维模块。

  3. 知识表征:支持稀疏码、特征、概念、时序、价值等多种表征方式。

  4. 机器学习:以迁移学习为主,强化学习为辅。

系统整体采用动态面向编程(DOP)思想,知识由后天演化,先天仅编写控制器和存储结构。

系统实践与演示

he4o系统经过多年开发,目前已有多个版本。V1.0版于2018年10月发布,V2.0版正在开发测试中。系统在iOS设备上实现,可以进行实时交互和学习。

以下是一些典型的演示案例:

多向飞吃

在这个演示中,小鸟通过交互学习,掌握了饥饿时吃坚果可以解决问题,以及飞行可以解决距离问题。当坚果被扔出后,小鸟会自行飞过去吃掉,展示了基本的学习和决策能力。

安全第一

这个演示展示了系统的学习和规避危险的能力。小鸟在被木棒撞击后,学会了躲避飞来的木棒,即使有坚果引诱也不会轻易飞到危险区域。

变向觅食

在这个演示中,小鸟展示了更复杂的问题解决能力。它会自动尝试飞到坚果处并吃掉,当第一次尝试失败后,会进行思考并调整策略,最终成功吃到坚果。

先躲再吃

这个演示综合了安全意识和觅食行为。小鸟在饥饿时准确地去吃坚果,但看到木棒后立即躲避。待木棒过去后,再飞上去吃坚果,展示了复杂的决策能力。

初用工具

这个演示展示了系统的初级工具使用能力。小鸟学会了通过踢动作将带皮坚果踢到路上,等待木棍滚过压破坚果皮后再去吃掉,体现了初步的工具使用概念。

系统特点与优势

  1. 自主学习:系统能够通过交互自主学习各种概念和行为。

  2. 动态适应:可以根据环境变化动态调整决策和行为。

  3. 综合决策:能够综合考虑安全、需求等多个因素做出决策。

  4. 工具使用:具备初步的工具使用概念,展示了高级认知能力的潜力。

  5. 持续优化:系统不断迭代更新,性能和功能持续提升。

未来展望

he4o系统仍在不断发展中,未来将进一步提升以下方面的能力:

  1. 更复杂的工具使用和创新能力
  2. 语言理解和生成能力
  3. 抽象推理和类比迁移能力
  4. 元认知和自我完善能力
  5. 多智能体协作能力

研究团队将继续致力于he4o系统的完善,推动AGI技术的发展,为实现真正的通用人工智能贡献力量。

结语

he4o系统作为一种新型的AGI架构,通过螺旋熵减机模型实现了智能体的自主学习和决策。其独特的理论基础和系统设计为AGI研究提供了新的思路。尽管目前仍处于发展阶段,但he4o已经展示出了强大的潜力。我们期待它在未来能够在更广泛的领域发挥作用,推动人工智能技术的进步。

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器，提供智能录入、自动公式、数据整理、图表生成等功能，高效处理 Excel 任务，提升办公效率。支持自动高亮数据、批量计算、不规则数据录入，适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用，可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用，基于 UI-TARS（视觉语言模型）构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能，支持跨平台使用（Windows/MacOS），能提供实时反馈和状态显示，且数据完全本地处理，保障隐私安全。该应用集成了多种大语言模型和搜索方式，还可进行文件系统操作。适用于需要智能交互和自动化任务的场景，如信息检索、文件管理等。其提供了详细的文档，包括快速启动、部署、贡献指南和 SDK 使用说明等，方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目，支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项，可调整分辨率、扩散步数等参数，还能对提示词进行增强。使用了多种先进技术和工具，在视频和图像生成领域具有广泛应用前景，适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具，助力用户轻松创作高颜值图表

爱图表（aitubiao.com）就是AI图表，是由镝数科技推出的一款创新型智能数据可视化平台，专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型，爱图表结合强大的数据处理能力与智能化功能，致力于帮助职场人士高效处理和表达数据，提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型，支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型，支持图像和视频输入，可用于多种场景，如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式，还包含了视觉处理工具，有助于开发者快速集成和使用，提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力，支持多种分辨率和视频长度选择，能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法，可灵活调整生成参数，满足不同场景的需求，是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI，支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目，它集成了多种大型语言模型，支持自定义浏览器使用，具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务，无论是数据提取、网页导航还是表单填写等操作都能高效实现，有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用，在 SEO 优化方面，其关键词涵盖浏览器使用、WebUI、大型语言模型集成等，有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目，支持多种网络连接与协议，实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目，专注于人工智能语音交互领域。项目涵盖了丰富的功能，如网络连接、OTA 升级、设备激活等，同时支持多种语言。无论是开发爱好者还是专业开发者，都能借助该项目快速搭建起高效的 AI 语音交互系统，为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目，支持多种模型和服务器进行 PDF 到 Markdown 的转换，并提供测试和报告功能。

olmocr 是一个专注于光学字符识别（OCR）的 Python 项目，由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器，如 vllm、sglang、OpenAI 等，可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能，方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域，有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型，提供 AI 自动化解决方案，支持批量写作、数据分析、跨模态处理等功能，适用于电商、短视频、影视创作等场景，提升企业生产力与创作效率。关键词：飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多