he4o系统

he4o是一个信息熵减机系统，简述如下：

1. 机器学习支持：
   • 迁移学习为主
   • 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,都依从相对与循环转化。
6. 思维控制支持：
   • 出入 (行为 & 感知) //含反馈
   • 认知 (识别 & 学习) //含类比
   • 需求 (任务 & 计划) //含意向
   • 决策 (思考 & 反思) //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bool运算：类比和评价。
9. 记忆结构：长时为网、短时为树、瞬时为序。
10. 编程思想：DOP (面向动态编程)。
11. 性能要求：可运行于单机终端（当前是iphone手机）。

手稿：https://github.com/jiaxiaogang/HELIX_THEORY
网站：http://https://jiaxiaogang.github.io

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达特矛斯会议后，明斯基和麦卡锡等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热,但DL也并非全功能型智能体。

综上：近70年历史，人工智能研究经历跌宕起伏，但终是方兴未艾，he4o旨在以熵减机方式解决这一问题。

2. -------------目录-------------

• 1. -------------引言-------------
• 2. -------------目录-------------
• 3. -------------（一）熵减机理论-------------
• 4. -------------（二）信息熵减机模型-------------
• 5. -------------（三）he4o系统实践-------------
• 6. -------------时间线-------------

3. -------------（一）熵减机理论-------------

　　熵减机从2017年2月正式开始研究至2018年2月成熟，历时一年。

4. -------------（二）信息熵减机模型-------------

信息熵减机理论模型在18年3月成熟，直至今天此模型仍在不断细化中。

1. 从外到内,从内到外的双向,分别为:从动到静,从静到动（主观角度＆客观图）。
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;
注: he4o认为自己活着 源于循环;

5. -------------（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	由熵减机理论展开成信息熵减机模型,再由信息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),思考(决),反思(策),行为(出)
思维架构	思维控制器整体呈现螺旋形运行

6. -------------时间线-------------

2022.08.06 至今

• 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 & 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

2021.10.19 耗时15天

• PM稳定性迭代：VRS评价器迭代、VRSTarget修正目标

2021.09.29 耗时20天

• v2.0十二测与训练：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

2021.09.14 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

2021.07.08 耗时66天

• v2.0十一测与训练：子任务回测、R决策模式、防撞训练

2021.06.25 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

2021.06.05 耗时17天

• 子任务细节改动：子任务协同、子任务不应期

2021.05.24 耗时1个月

• v2.0十测与训练：子任务测试、防撞训练

2021.04.10 耗时44天

• v2.0九测与训练：觅食训练&变向觅食训练

2021.04.07 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

2021.03.12 耗时20天

• v2.0八测与训练：R-模式测试、觅食和防撞融合训练

2021.02.23 耗时37天

• 决策理性迭代：规划决策、子任务迭代：理性反思、来的及评价、嵌套关联

2021.01.30 耗时4天

• R-决策模式V3迭代、反向反馈外类比

2021.01.23 耗时35天

• v2.0七测与训练 防撞训练、R-模式测试

2021.01.15 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

2020.12.24 耗时20天

• v2.0六测与训练 多向飞行正常

2020.12.07 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

2020.11.07 耗时1个月

• v2.0五测与训练

2020.10.21 耗时15天

• TIR_Alg支持多识别

2020.09.01 耗时1个月

• v2.0四测与训练

2020.08.12 耗时27天

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

2020.06.28 5天

• 决策迭代：PM理性评价

2020.06.06 耗时2个月

• v2.0三测与训练

2020.05.15 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）

2020.04.21 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）

2020.03.31 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)

2020.02.20 耗时18天

• 稀疏码模糊匹配

2019.12.27 持续3个月

• v2.0二测与规划性训练－－回归小鸟训练

2019.11.22 耗时1个月

• 理性思维——反思评价

2019.09.30 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)

2019.08.25 耗时1个月

• 理性思维——TIR迭代 (时序识别、时序预测、价值预判)

2019.06.20 耗时2个月

• v2.0版本基础测试改BUG 与 训练

2019.06.05 写完耗时15天,调至可用性达到标准至45天

• v2.0一测－－小鸟训练——神经网络可视化v2.0

2019.05.01 耗时1个月

• 优化性能——XGWedis异步持久化 和 短时内存网络

2019.03.01 耗时2个月

• 内类比 （与外类比相对）

2019.01.21 耗时40天

• 迭代决策循环 （行为化等）

2018.11.28 耗时2个月

• 迭代神经网络 (区分动态时序与静态概念)

2018.11.05 规划耗时20天

• 势 (小鸟生存演示) (v2.0开始开发)

2018.10.21 耗时0天

• v1.0.0 (he4o内核发布)

2018.10.20 耗时0天

• 信息熵减机 (产生智能的环境)

2018.08.29 耗时2个月

• MOL

2018.08.01 耗时1个月

• MIL & MOL (重构中层动循环)

2018.07.01 耗时1个月

• HELIX (定义、相对和循环呈现的螺旋型)

2018.06.01 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)

2018.05.01 耗时1个月

• 相对 (he4o实现定义,横向相对,纵向相对)

2018.02.01 耗时3个月

• 宏微 (前身是拆分与整合,宏微一体)

2017.12.09 耗时2个月

• 定义 (从0到1)

2017.11.10 耗时1个月

• 规则 (最简)

2017.09.20 耗时50天

• DOP_面向数据编程
• GNOP_动态构建网络

2017.08.23 耗时1个月

• 神经网络 (算法,抽具象网络)

2017.08.02 耗时20天

• MindValue（价值）

2017.07.10 耗时20天

• 树BrainTree(参考N3P7,N3P8)

2017.06.01 耗时40天

• 三维架构(参考笔记/AI/框架)

2017.05.22 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