he4o系统

he4o是一个螺旋熵减机，是一种通用人工智能（AGI）系统：

1. 机器学习支持：
   • 以迁移学习为主
   • 以强化学习为辅
2. 知识表征宏微支持：
   • 稀疏码
   • 特征
   • 概念
   • 时序
   • 价值
3. 神经网络支持：动态、模糊、抽具象、组与分、感理性。
4. 支持智能体自主终身动态学习。
5. 无论宏观框架还是微观细节设计,都遵循相对与循环转化原则。
6. 思维控制支持：
   • 出入 (行为 & 感知) //包含反馈
   • 认知 (识别 & 学习) //包含类比
   • 需求 (任务 & 计划) //包含意向
   • 决策 (求解 & 迁移) //包含分析
7. 数理：
   • 集合论（迁移）
   • 概率论（强化）
8. 计算：使用最简单的布尔运算：类比和评价。
9. 记忆结构：长时为网（启发式）、短时为树（递归）、瞬时为序（依次）。
10. 编程思想：DOP (面向动态编程：知识由后天演化，先天仅编写控制器和存储结构)。
11. 性能要求：可运行于单机终端（当前是iOS设备）。

手稿：https://github.com/jiaxiaogang/HELIX_THEORY
网站：https://jiaxiaogang.github.io
文档：https://james4ever0.github.io/he4o 由James4Ever0提供，感谢❤

1. -------------引言-------------

第一梯队：1950年图灵提出"可思考的机器"和"图灵测试"，他说："放眼不远的将来，我们就有很多工作要做"；

第二梯队：1956年达特矛斯会议后，明斯基和麦卡锡等许多前辈穷其一生心血，虽然符号主义AI在面对不确定性环境下鲁棒性差，但却为AGI奠定了很多基础。

第三梯队：随着大数据、云计算等成熟，AI迎来DL、GPT热潮，但DL、GPT也并非全功能型智能体。

综上：近70年来，人工智能研究跌宕起伏，但与最初设想的AI还相差甚远，he4o旨在实现螺旋熵减机式的通用人工智能系统。

2. -------------（一）螺旋论-------------

　　螺旋论从2017年2月正式开始研究至2018年2月成熟，历时一年。

3. -------------（二）螺旋熵减机模型-------------

螺旋熵减机理论模型在18年3月成熟，直至今天此模型仍在不断细化中。

1. 此图从内外双向、动静转化、主客角度，三种方式来解读。
2. 每外一个模块，与内所有模块之和相对循环（如神经网络与思维，智能体与现实世界）
注：一切都是从无到有，相对与循环，he4o认为自己活着源于循环；

4. -------------（三）he4o系统实践-------------

V1.0《初版》：
　　2017年2月立项　－ 2018年10月21日正式落地发布V1.0版本。
V2.0《小鸟生存演示》：
　　2018年11月　－　至今　开发完成，测试训练中...

架构图
架构设计	由螺旋论展开成螺旋熵减机模型，再由螺旋熵减机模型展开为系统架构
代码占比	内核代码中神经网络占30％，思维控制器占50%，其它（输入、输出等）共占20%；
神经网络	神经网络的模型十字总结：横向宏与微，纵向抽具象；
思维向性	每一种操作方向表示一种思维操作，如：认知、决策、理性、感性。
思维模块	1分2分4分8：感知(入)，识别(认)，学习(知)，任务(需)，计划(求)，求解(决)，迁移(策)，行为(出)
思维架构	思维控制器整体呈现螺旋形运行

5. -------------DEMO演示-------------

1	多向飞吃
说明	在这个DEMO中，它已通过交互学习，知道饿了吃坚果可以解决饥饿问题，也通过交互学习到飞行可以解决距离问题，在扔出坚果后，它会自行飞过去吃掉以解决饥饿问题；
操作	在这个DEMO中，我投喂了两个坚果，并且点击了模拟饥饿（因为等手机掉电太慢了，很多时候我用模拟器跑，更不会掉电），别的都是它自己行为；
2	安全第一
---	---
说明	在这个演示中，它之前被撞了一次，导致后来一看到飞来的木棒就立即躲开，并且不再飞到下面，即使扔坚果它也不去吃；
操作	我可以用双击向下拉它，但它自己会立即躲上去，我也可以手动投喂坚果，但它仍会自己躲开不过去；

3	变向觅食
说明	在这个演示中，它会自动尝试飞到坚果处并吃掉，但当它离得很近时尝试吃却没吃到，然后又思考了一下，再飞近，才吃到坚果；
操作	在这个演示中，我扔了坚果，点击了模拟饥饿，其他都是它自己的思考和行为；

4	先躲再吃
说明	在这个演示中，它在饥饿后准确去吃，但此时看到木棒，立即又躲回来，等到木棒过去安全后，又飞上去吃坚果；
操作	坚果是我扔的，饥饿是我点的，木棒是我扔的，其他都是它自己的行为；

5	初用工具
说明	在这个演示中，它可以通过踢的行为将带皮的坚果踢到路上，等木棍滚过压破皮后（初级使用工具功能），它再飞过去吃掉；
操作	带皮坚果是我扔的，饥饿是我点的，木棒是我扔的，其他都是它自己的行为；

6. -------------付费声明-------------

付费：本软件是付费软件，分为使用付费和商业付费两个部分：

1. 使用付费的价格＝需每年支付使用者平均一顿午餐的费用进行支付。 如果使用者的收入低于所在城市（地区）平均收入，则无需支付该项。

2. 商业付费的价格＝该软件为基础创造的商业营收的0.1%进行支付。 如未创造营收，则无需支付该项。

打赏：您也可以对我进行打赏，以帮助我有更多资金与精力投入到该系统的研发，非常感谢。

7. -------------时间线-------------

2024.08.09 至今

• 综合训练：连续飞躲 & 连续踢搬运 & 连续觅食

2024.07.20 耗时19天

• 回测训练：训练用搬运、微调：多触发Canset类比抽象

2024.07.20 耗时19天

• 回测训练：训练用搬运、微调：多触发Canset类比抽象

2024.07.06 耗时14天

• 迭代TCPlanV2 & 连续视觉：训练用搬运(失败)、迭代TCPlanV2、训练用搬运(成功但不稳定)、连续视觉

2024.05.25 耗时40天

• 回测训练：测试、支持OutSPDic、训练无皮果动机ok、训练Canset试错训练ok、训练学去皮ok、训练有皮果动机ok、微调：持续价值感的任务的失效机制调整为-负mv反馈后任务不失效、训练学搬运

2024.05.10 耗时15天

• Canset的传染机制：Canset的传染机制：批量判断否和批量唤醒

2024.04.25 耗时15天

• 测训&修细节：概念识别BUG导致feedbackTOR不成立、迭代convert2RCansetModel()算法：1.优化条件满足判断 2.候选池宽入100%激活

2024.04.10 耗时15天

• Canset的IndexDic：HCanset的IndexDic收集与计算

2024.03.12 耗时28天

• 训练测试：回测实时竞争和HSolutionV3

2024.02.15 耗时25天

• 迭代hSolutionV3：迭代hSolutionV3、迭代迁移：综合indexDic计算 & 推举继承合并

2024.01.10 耗时25天

• 解决方案实时竞争：支持持续反馈 & 持续反馈评价、Cansets实时竞争、迭代TCPlanV2

2023.12.28 耗时12天

• 搬运训练：搬运动机训练、学会搬运、运用搬运、Root竞争进度分加权、hCanset迁移优化：基于r场景树和hAlg抽具象树实现迁移

2023.11.09 耗时49天

• 搬运训练：搬运动机训练、交层Canset训练、规划搬运训练步骤、迁移时连带迁移SP值、构建Canset改为场景内防重、同质任务执行太多次问题：同质Root合并、决策性能优化(15s至1s)

2023.10.17 耗时22天

• 去皮训练：整理Canset演化过程、废弃Canset识别类比、加重Canset预想与实际类比、全面支持cansetAlg的共同抽象即匹配、预想与实际类比中的实际fo：采用pFo.realMaskFo生成

2023.09.07 耗时40天

• 去皮训练：H任务支持TCScene & TCCanset & TCTransfer、HCanset由R场景改为单独场景、优化去皮训练步骤

2023.08.16 耗时20天

• 去皮训练：学会去皮、训练步骤设计与实施

2023.07.30 耗时17天

• 去皮训练：去皮动机

2023.07.16 耗时14天 其中测试7天

• 多线程思维：思维用TI和TO两个线程、回归测训

2023.06.29 耗时17天

• 测试父子任务：迭代TCRefrection反思：改到行为化前、反思识别二次过滤器

2023.06.01 耗时28天

• 防撞和觅食训练，等安全再吃训练：性能优化、防撞训练完成、觅食训练完成、防撞觅食联合训练完成、持续饥饿感

2023.05.25 耗时7天

• 识别准确度提升：识别二次过滤器

2023.05.07 耗时18天

• 回测Solution数据流竞争演化情况：训练测试稳定的场景演化过程、迭代solutionFoRank排名器

2023.05.03 耗时4天

• 梳理TO数据流：Solution竞争断层：宽入窄出、solutionCanset过滤器、solutionScene过滤器

2023.04.20 耗时12天

• Canset迁移性增强回测：修复canset迁移后支持indexDic等错误

2023.04.02 耗时18天

• 提升Canset迁移性决策部分：Canset迁移性增强的决策支持、TCScene场景树、TCCanset.override算法、TCRealact可行性、TCTransfer推举和继承算法、相应更新SPEFF

2023.03.21 耗时11天

• 提升Canset迁移性认知部分：外类比支持匹配度共同点、构建新Canset优先用场景算法、迭代Canst识别和全含判断、Canst外类比、Canst空概念、抽象Canset初始SPEFF、Canset识别支持AIFilter、回测Canset迁移性

2023.03.09 耗时12天

• 训练：觅食和防撞训练、特征主观恒常性、Canset惰性期、测得Canset迁移性差问题

2023.02.26 耗时13天

• 优化：测决策循环连续飞躲、反思子任务不求解、修复行为转任务死循环错误、修复静默任务被激活错误、调整过滤器提升识别准确度、觅食训练规划：移动进时序（未完成）、增加迁移性与识别准确度：废除客观特征

2023.02.14 耗时12天

• 优化：使取S越来越准、修复识别率低错误、支持AIFilter过滤器

2023.02.04 耗时10天

• 回测：测试条件满足功能、回测项大整理、修复R任务的Canset再类比时机与条件判断错误

2023.01.03 耗时12天（含测试12天，中途春节休7天）

• 优化：迭代canset前段条件满足、使概念识别越来越准、修复前段条件满足不完全的问题

2022.12.17 耗时16天

• AIRank：概念识别和时序识别的综合竞争：支持强度竞争、回测

2022.11.30 耗时17天

• 二十测：回归测试

2022.10.15 耗时45天

• 优化：抽具象多层多样性优化、持久化与复用概念相似度、迭代时序识别：持久化与复用indexDic、canset演化周期、废除TO反思识别

2022.10.08 耗时7天

• 测试：废弃isMem、继续测试反思

2022.09.18 耗时12天

• 测试：测试任务失效机制

2022.09.01 耗时17天

• 调优：任务失效机制

2022.08.06 耗时25天

• 测试：测试TCRefrection、性能优化

2022.07.05 耗时22天 中途旅游休8天

• 十九测：迭代TCRefrection反思

2022.06.05 耗时9天 中途疫情休20天

• 梳理TC数据流：决策配置调整：快慢思考部分、学时统计和用时概率、测连续飞躲、Analyst综合排名

2022.05.20 耗时15天

• 梳理TC数据流：识别准确度优化：逐层宽入窄出、数据流：整体观、快思考慢思考、TCActYes每帧O反省

2022.05.11 耗时9天

• 性能优化：优化pFo识别性能、迭代Demand支持多pFos、十八测回归测试

2022.05.04 耗时7天

• 工具优化：十七测、强化训练工具优化：支持模拟重启、思维可视化工具优化：支持手势缩放

2022.04.28 耗时6天

• 梳理TC数据流：整体兼顾、各线竞争

2022.04.23 耗时5天

• 十六测：性能优化、强化学习训练

2022.03.28 耗时8天 中途疫情休17天

• 强化训练：开发强化学习稳定性训练器：RLTrainer

2022.03.13 耗时15天

• 思维可视化工具：TOMVisionV2迭代：思维可视化

2022.02.16 耗时25天 中途春节疫情休25天

• 十五测：春节结束，开工回归测试

2022.01.15 耗时5天

• 十四测：回测相近匹配

2022.01.10 耗时5天

• 相近匹配：相近匹配

2021.12.26 耗时15天

• 回归十三测：新螺旋架构测试、反省分裂迭代测试

2021.12.22 耗时4天

• 反省迭代：hSolution从SP取解决方案、分裂：感性反省和理性反省、废弃HN

2021.11.18 耗时34天

• 思维控制器架构大迭代：完善螺旋架构、废弃宏微决策、反思融入识别、工作记忆树迭代、迭代综合评价、末枝最优路径

2021.11.04 耗时14天

• R决策模式迭代：FRS评价器迭代、废弃dsFo、废弃PM、废弃GL

2021年10月19日 耗时15天

• PM稳定性迭代：VRS评价器迭代、VRSTarget修正目标

2021年9月29日 耗时20天

• v2.0第十二次测试与训练：IRT的SP参与VRS评分、SP定义由顺逆改为好坏、紧急状态不反思、主客观互卡问题、tir_OPushM迭代：IRT的理性失效

2021年9月14日 耗时15天

• 网络节点类型排查：指针集成type、自检测试、网络at&ds&type错误大排查

2021年7月8日 耗时66天

• v2.0第十一次测试与训练：子任务回测、R决策模式、防撞训练

2021年6月25日 耗时13天

• 子任务细节改动：子任务的已发生截点、同级任务协作

2021年6月5日 耗时17天

• 子任务细节改动：子任务协同、子任务不应期

2021年5月24日 耗时1个月

• v2.0第十次测试与训练：子任务测试、防撞训练

2021年4月10日 耗时44天

• v2.0第九次测试与训练：觅食训练&变向觅食训练

2021年4月7日 耗时15天

• HNGL嵌套迭代：内中外类比迭代v3,v4、迭代getInnerV3()、RFo抽具象关联

2021年3月12日 耗时20天

• v2.0第八次测试与训练：R-模式测试、觅食和防撞融合训练

2021年2月23日 耗时37天

• 决策理性迭代：规划决策、子任务迭代：理性反思、来得及评价、嵌套关联

2021年1月30日 耗时4天

• R-决策模式V3迭代、反向反馈外类比

2021年1月23日 耗时35天

• v2.0第七次测试与训练 防撞训练、R-模式测试

2021年1月15日 耗时8天

• In反省类比迭代、R-决策模式V2迭代 迭代触发机制: 生物钟触发器

2020年12月24日 耗时20天

• v2.0第六次测试与训练 多向飞行正常

2020年12月7日 耗时1个月

• AIScore评价器整理完善：时序理性评价：FRS、稀疏码理性评价：VRS

2020年11月7日 耗时1个月

• v2.0第五次测试与训练

2020年10月21日 耗时15天

• TIR_Alg支持多识别

2020年9月1日 耗时1个月

• v2.0第四次测试与训练

2020年8月12日 耗时27天

• Out反省类比迭代 (DiffAnalogy)、生物钟(AITime)、PM理性评价迭代v2

2020年6月28日 5天

• 决策迭代：PM理性评价

2020年6月6日 耗时2个月

• v2.0第三次测试与训练

2020年5月15日 耗时20天

• 决策迭代：（根据输出期短时记忆使决策递归与外循环更好协作）

2020年4月21日 耗时1个月

• 决策迭代：（根据输入期短时记忆使决策支持四模式）

2020年3月31日 耗时1个月

• 迭代外类比: 新增反向反馈类比 (In反省类比) (构建SP正负时序、应用SP于决策的MC中、迭代反思)

2020年2月20日 耗时18天

• 稀疏码模糊匹配

2019年12月27日 持续3个月

• v2.0第二次测试与规划性训练－－回归小鸟训练

2019年11月22日 耗时1个月

• 理性思维——反思评价

2019年9月30日 耗时2个月

• 理性思维——TOR迭代 (行为化架构迭代、支持瞬时网络)

2019年8月25日 耗时1个月

• 理性思维——TIR迭代 (时序识别、时序预测、价值预判)

2019年6月20日 耗时2个月

• v2.0版本基础测试改BUG 与 训练

2019年6月5日 写完耗时15天,调至可用性达到标准至45天

• v2.0第一次测试－－小鸟训练——神经网络可视化v2.0

2019年5月1日 耗时1个月

• 优化性能——XGWedis异步持久化 和 短时内存网络

2019年3月1日 耗时2个月

• 内类比 （与外类比相对）

2019年1月21日 耗时40天

• 迭代决策循环 （行为化等）

2018年11月28日 耗时2个月

• 迭代神经网络 (区分动态时序与静态概念)

2018年11月5日 规划耗时20天

• 势 (小鸟生存演示) (v2.0开始开发)

2018年10月21日 耗时0天

• v1.0.0 (he4o内核发布)

2018年10月20日 耗时0天

• 螺旋熵减机 (产生智能的环境)

2018年8月29日 耗时2个月

• MOL

2018年8月1日 耗时1个月

• MIL & MOL (重构中层动循环)

2018年7月1日 耗时1个月

• HELIX (定义、相对和循环呈现的螺旋型)

2018年6月1日 耗时1个月

• 三层循环大改版 (mv循环,思维网络循环,智能体与现实世界循环)

2018年5月1日 耗时1个月

• 相对 (he4o实现定义,横向相对,纵向相对)

2018年2月1日 耗时3个月

• 宏微 (前身是拆分与整合,宏微一体)

2017年12月9日 耗时2个月

• 定义 (从0到1)

2017年11月10日 耗时1个月

• 规则 (最简)

2017年9月20日 耗时50天

• DOP_面向数据编程
• GNOP_动态构建网络

2017年8月23日 耗时1个月

• 神经网络 (算法,抽具象网络)

2017年8月2日 耗时20天

• MindValue（价值）

2017年7月10日 耗时20天

• 树BrainTree(参考N3P7,N3P8)

2017年6月1日 耗时40天

• 三维架构(参考笔记/AI/框架)

2017年5月22日 耗时10天

• OOP编程思想->数据语言 (OOP2DataLanguage)

2017.05.21 耗时1天

• 重绘了新版架构图; (AIFoundation)

2017.04.21 耗时1个月

• 金字塔架构

2017.03.21 耗时1个月

• 分层架构

2017.02.21 耗时1个月

• 流程架构