Lanierは、特定の識別可能な特性を持つコンピュータープログラムを作成するための計算モデルを説明する特定のアイデアのセットにネットをキャストしようとして、50セントの単語を発明しました。
言葉の意味:
関数呼び出しまたはメッセージ受け渡しの代わりにパターン認識または人工認識を使用するコンポーネントの相互作用のメカニズム。
このアイデアは主に生物学から来ています。あなたの目の世界とのインターフェース、ないような関数を経由してSee(byte[] coneData)
、しかしを通じて表面には、網膜と呼ばれます。些細な違いではありません。コンピューターはすべてのバイトをconeData
1つずつスキャンする必要がありますが、脳はこれらすべての入力を同時に処理します。
Lanierは、後者のインターフェースはよりフォールトトレラントであると主張していますconeData
。彼は、パターンマッチングと、コンピューターでは通常困難な他の多くの機能を有効にすると主張しています。
コンピュータシステムの典型的な「フェノトロピック」メカニズムは、人工ニューラルネットワーク(ANN)です。定義されたインターフェイスではなく、入力として「表面」を取ります。パターン認識の尺度を達成するための他の手法もありますが、ニューラルネットワークは生物学と最も密接に連携しているものです。ANNの作成は簡単です。必要なタスクを確実に実行させることは、いくつかの理由により困難です。
- 入力と出力の「サーフェス」はどのように見えますか?それらは安定していますか、それとも時間とともにサイズが異なりますか?
- ネットワーク構造をどのように正しくしますか?
- ネットワークをどのようにトレーニングしますか?
- 適切なパフォーマンス特性をどのように取得しますか?
生物学を手放す場合は、生物学的モデル(実際の生物学的ニューロンの動作をシミュレートしようとする)を省き、デジタルコンピューターシステムの実際の「ニューロン」とより密接に関連するネットワークを構築できます(ロジックゲート)。これらのネットワークは、Adaptive Logic Networks(ALN)と呼ばれます。それらが機能する方法は、曲線を近似する一連の線形関数を作成することです。プロセスは次のようになります。
...ここで、X軸はALNへの入力を表し、Y軸は出力を表します。ここで、精度を向上させるために必要に応じて線形関数の数が増えることを想像してください。また、AND論理ゲートとOR論理ゲートで完全に実装されるn個の任意の次元で発生するプロセスを想像してください。
ALNには、特定の非常に興味深い特性があります。
- 彼らはかなり簡単に訓練でき、
- それらは非常に予測可能です。つまり、入力のわずかな変化は出力に大きな変動をもたらさない
- 論理ツリーの形で構築され、バイナリ検索のように動作するため、非常に高速です。
- それらの内部アーキテクチャは、トレーニングセットの結果として自然に進化します。
したがって、フェノトロピックプログラムは次のようになります。入力用の「表面」、予測可能なアーキテクチャおよび動作があり、ノイズの多い入力には耐性があります。
さらに読む
リスク評価を監査するアプリケーションを備えたアダプティブロジックネットワークの概要
「オブジェクト指向」と「メッセージ指向」、アランケイ
phenotropic program
か?