一种使机器产生意识的方法、装置、系统及存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种使机器产生意识的方法、装置、系统及存储介质。

背景技术

一.在符号主义智能和知识表示方面

谓词逻辑的数学证明、专家系统的实际应用，知识工程的受挫，都曾经是人工智能历史上的重要标志。相对于连接主义的高潮，符号主义智能因为近些年进展不大，显得相对沉寂。

而知识表示方面的成果也还主要就是那些方法，比如：

(1)谓词逻辑表示法；

(2)产生式表示法；

(3)框架表示法；

(4)面向对象的表示方法；

(5)语义网表示法；

(6)基于XML的表示法；

(7)本体表示法；

(8)其它方法。比如概念图表示方法、Petri表示方法，还有基于网格、基于粗糙集、基于云理论的知识表示方法等等。

二.在人工神经网络技术方面

以深度学习为代表的人工神经网络技术取得了很大的进步，在结构和算法上产生了广泛的积累，并且在广泛的领域进入了实际应用。

三.在连接主义与符号主义相统一的人工智能方面

由于连接主义与符号主义人工智能各有自己的优势又各有自己的根本性缺陷，连接主义与符号主义相统一的人工智能的探索就没有停止过。各种神经网络专家系统或神经符号系统的方法与技术，不断地被提出。但目前都只是技术性地头痛医头脚痛医脚式在一定程度上解决了局部意义上的相应问题。

四.在机器内部如何构造或呈现事物的映像方面

很少有严肃的概念讨论，更没有具体可行的技术。

五.在人工意识方面

目前还停留在概念探讨水平，不仅还没有进入实践性探索阶段，而且缺少最基础的原点技术，有关科学探索和工程实践探索还不知道应该从哪里开始。

六.符号主义人工智能方面

存在的根本性问题依旧，包括：

1、要解决的问题有些可以被形式化,但是很多问题往往无法被形式化,像常识问题、人类语言、人类情感等就是如此。

2、即使是己经被形式化的问题,要找出一个可以实现的算法也是困难的，有时是极其困难的,甚至根本就找不到。

3、由于组合爆炸或知识爆炸的难题，难以想象通用系统的知识库规模将要有多大；

存在没有边界的知识，给符号系统带来更广泛的难以解决的问题。比如专家知识与常识的问题。

七.在知识表示方面

尽管人们发明了各种各样的知识表示的方法，但这些方法都存在这样一些根本性问题：

1、需要人工参与、甚至大多数时候需要人去主导知识库的建设；

2、权威知识来自专家，而不是机器自己产生；

3、边界不清晰的知识不好处理，尽管提出了各种各样的模糊知识表示方法，但都只是技术性、策略性的方法，它们不是系统自身内生的属性；

4、“知识即计算”的思想表明，这样的知识系统仍然是一种数字机械，是一种用数字机械装置去解决智能问题的系统，其并不具备智能的本质。

总之，一方面人工建立的知识系统都只是如乔姆斯基所说的表层结构，都存在诸多的根本性问题，而另一方面也还没有一种让机器自己产生关于事物的最基本知识，以及由此构成知识和知识网络等知识库的这样一种深层机制，成为机器形成对世界的意识(认识)的方法与技术基础。

八.连接主义人工智能方面

尽管以深度学习为代表的人工神经网络技术在广泛的方面进入到了人们的实际生产、生活中，深度学习明确采用特征抽取的策略，大大提高了系统的性能，但在连接主义人工智能理论方面并没有产生相应的突破。即使可以完成很复杂的工作，系统自身也仍然既不能理解它们所做的事物，不理解它们的工作对象，也不理解它自己所做的工作，对自己是如何工作、如何得到相应结果的，它们不能清楚地给出说明，有时甚至人类也很难做出解释。它们没有意识。包括深度学习在内的人工神经网络对使用它们的人类而言依然还是一个黑箱或灰箱。

九.在连接主义和符号主义相结合的人工智能方面

尽管有一些具体技术上的进步，但同样没有根本性的突破。主要是没有一个从根本上解决广泛问题的共同的技术基础。目前的方法和技术基本上都是基于有什么问题就想方设法来解决什么问题的策略而提出来的，尽管在某种意义上是连接主义和符号主义的结合，但多少都存在拼接的痕迹，都没有从根本上彻底解决问题，没有真正使得系统是两者的统一。

总之，机器至今不能产生关于世界和事物的意识，甚至也还不能真正地理解它所处的世界和周围的事物以及它所做的事情。

十.在关于意识的研究和人工意识方面

在人工意识研究与探索方面，基本上还停留在概念探讨的水平，不仅还进入具体的实践性探索阶段，更没有形成验证性研究的明确范式，而且缺少最基本的原点概念和原点技术，有关科学探索和工程实践探索还不知道应该从哪里开始。

尽管有人(谈加林，1995；谈加林，1996)证明人类意识存在它的基本单位，称之为意元；关于事物的意识，是由意元构成的，并且讨论了意元的一些属性。但直至2020年本发明人才提供了让机器产生知识的部分相关技术方法(参见申请号为202010389549.X的专利申请书《一种使机器产生知识的方法、装置、系统及存储介质》)，包括让机器产生关于事物的基本单位知识，以及由此构成基本单位知识网络等的技术方法。即使如此，还不足以就此构造一个可以实现人工意识的系统。这些技术方法，只是构造人工意识机器所需的基础技术的一部分。要让基本单位知识网络系统真正能进行一定的想象和思维等心智活动，还需要更多的技术方法来予以支持。

十一.在云人工智能方面

尽管在云上已经提供了许多人工智能服务，开始形成人工智能云，尽管云技术和人工智能技术还在不断地涌现，新类型的云也还会继续出现，但目前并未有云人工智能系统或云组织结构形态的人工智能系统及相关技术的出现。而云人工智能比人工智能云的功能更加强大，维护更加方便，灵活性也更强。

十二.在“通讯-云-人工智能”一体化系统方面

尽管通讯系统技术和云技术都已经相对很成熟，更强大的相关技术不断涌现，但把它们和人工智能技术结合起来，构建“通讯-云-人工智能”一体化系统的技术目前还没有被提出。而独立的单一系统相对一体化的多功能综合系统，不仅建设成本、维护成本、使用成本等更高，而且功能单一，集成度低，通讯-云-人工智能之间的协调性差，效率更低，收益更小。通讯系统和云、分布式人工神经网络系统在分布式结构上的相似性，它们在服务对象或客户资源上的重叠性，所部署的部分设施、设备和装置在空间布局上的接近性和相容性，以及云和人工智能系统对通讯系统的依赖性等等特点，没有得到充分的利用和发挥。

发明内容

本发明提供了一种使机器产生意识的方法，为机器配置基于基本单位知识网络或基于人工神经网络进行串行心智活动的串行活动机制，使得机器基于以并行方式工作的基本单位知识网络系统或人工神经网络系统，可以进行串行方式的不旨在限制性地被称为心智活动或意识活动或物理符号活动或形式化活动的活动；所述串行活动机制是指包括各种形式的相对独立的串行处理机制，或若干种不同形式、不同程度上与基本单位知识网络或人工神经网络结合在一起的一体化串行处理机制，或基本单位知识网络附带的或人工神经网络附带的，或使得基本单位知识网络或人工神经网络本身具备的实现其串行处理的机制，或它们的某种组合或一体化综合；所述心智活动或意识活动，不旨在限制性地包括对事物的感知与识别、觉察、记忆、想象、思维的各种认知活动，和/或言语表达活动，和/或对情绪情感的觉察或调控的情绪活动，和/或确定目的、明确任务、制定计划、执行计划和维持活动方向的各种意志活动；

所述物理符号活动，泛指图灵-冯.诺依曼机和西蒙-纽厄尔或其他人分别从一定方面所描述的以一定的物理符号处理方式来进行的活动，或某种所谓基于形式逻辑的或被称为形式化活动的活动；

所述串行心智活动，是指由一个接一个的基本单位知识，或由一个接一个的具有基本单位知识实质的不旨在限制性地被称为抽取的特征，或被冠以任何其它称呼的一定内容所组成的，或以它们为中心所组成的，顺序进行的活动，它具有顺序性和各瞬间内容或中心内容的单一性的特点；所谓串行活动，不旨在限制性地包括或围绕一定的目的或任务，或有选择地，或有方向地，或有重点地，或有中心地，或有顺序地，串行地进行的各种心智活动或知识处理活动；

所述基本单位知识网络是指以基本单位知识为节点组成的网络，在具体的物理系统里，也就是由各种基本单位知识产生装置或基本单位知识单元相互连接构成的网络；关于事物的知识是由关于事物及关于事物的构成、关于事物间的相互作用和相互关系等的各种基本单位知识构成的，这些基本单位知识是基本单位知识网络的一部分；由于若干基本单位知识，或它们和其它输入一起，可以构成一定事物的完形，所以在基本单位知识网络里，一个事物的完形可以嵌套有更多关于其它事物的基本单位知识及其完形；换一种说法就是，一个基本单位知识是由其所在的基本单位知识网络所定义的，在这个意义上，对于任一基本单位知识而言，其所处的基本单位知识网络或子网络就是对这个基本单位知识的更完整、更复杂的表示；也就是说，在一个具体的基本单位知识网络里，所有相关基本单位知识都以这个网络为自己的存在形式，不同的只是该网络与各个基本单位知识的具体关系不同；因为同一个基本单位知识网络既是其上各基本单位知识存在的具体形式，又携带有若干的基本单位知识，因而以一定的基本单位知识网络的形式而存在的事物的基本单位知识，具有全息的性质，或具有某种程度上的部分由整体决定的性质；与其它基本单位知识形成的联系越丰富或越复杂或越精细的基本单位知识，也就为越多的基本单位知识所定义，其相应完形也就越复杂，因而为更复杂更多重的完形所驱动，因而也更鲁棒；基本单位知识网络，不旨在限制性地可以是一个由各种基本单位知识子网或人工神经子网络构成的统一的基本单位知识网络或人工神经网络，或是一个由分置的相对独立的若干种基本单位知识子网构成的基本单位知识网络，或由分置的相对独立的若干种人工神经子网构成的人工神经网络；

所述具有基本单位知识网络性质的人工神经网络，是指任何包含基本单位知识单元、和/或基本单位知识活动装置、和/或实际可以实现基本单位知识活动的人工神经网络单元的人工神经网络，不旨在限制性地包括各种经过适当改造或改进的或带有相应串行活动机制的深度学习网络；

所述基本单位知识子网指各个相对特殊的基本单位知识网络，不旨在限制性地包括图形子网或物体子网；

所述知识是指一定主体所掌握的赖以消除关于一定事物的认知不确定性的东西，尽管知识常常以符号知识的方式被人所知，但在基本单位知识网络里符号知识和相应的完形知识是一个统一的整体，其中的符号知识的产生离不开完形知识，而经验常常指主体所掌握的单纯以一定完形知识形式存在的知识，所以常常难以描述，其实经验也是主体掌握的关于一定事物的知识的体现，其实质是完形知识；

所述外部设备不旨在限制性地包括输入设备、输出设备、预处理设备或其它功能设备。

本发明还提供了一种使机器产生意识的系统，其特征在于，包括：存储器、处理器以及存储在所述存储器上的计算机程序，所述计算机程序配置为由所述处理器调用时实现本发明所述使机器产生意识的方法的步骤。

本发明还提供了一种使机器产生意识的装置，其特征在于，该装置配置有人工意识系统，所述人工意识系统配置为实现本发明所述使机器产生意识的方法的步骤。

本发明还提供了一种计算机可读存储介质，其特征在于：所述计算机可读存储介质存储有计算机程序，所述计算机程序配置为由处理器调用时实现本发明所述使机器产生意识的方法的步骤。

本发明的有益效果是：本发明用于人工智能系统，不仅可以提高系统的性能，特别是可以使得该系统具备相应的理解的能力和产生意识的能力，具备基于人工神经网络系统进行图灵机活动和物理符号系统活动的能力；本发明用于人工意识领域，提供了人工意识系统体系结构和实现人工意识的方法，是从无到有的突破；用于机器人领域使得机器可以具有自主性。

附图说明

图1是人工意识系统的体系结构示意图；

图2是串行活动机制示意图；

图3是基本单位知识网络及其串行活动机制示意图；

图4是认识论系统及其数据关系图；

图5是中枢间控制关系图；

图6是辨识示意图；

图7是基于基本单位知识的模式

图8是提高知识活动能力的示意图。

具体实施方式

1.本发明公开了一种使机器产生意识的方法，涉及人工意识系统的体系结构、实现串行活动的机制、定向活动与对事物的理解等。

1.1人工意识系统的体系结构

如图1所示，人工意识系统的体系结构包括三个基本部分：

一、基本单位知识网络或本质上可以具有基本单位知识网络性质的人工神经网络；

二、与基本单位知识网络或人工神经网络相适应的串行活动机制；

三、各种外部设备，包括输入输出设备、预处理设备和执行操作或动作等的各种其它功能设备等。

即根据“一种使机器产生知识的方法、装置、系统及存储介质”(申请号为202010389549.X)所述的方法，为机器配置一定的基本单位知识网络，或具有基本单位知识网络本质的人工神经网络，同时为机器配置某种基于基本单位知识网络进行串行心智活动的机制(下面称之为串行活动机制)，使得机器基于主要以并行方式工作的基本单位知识网络或人工神经网络，可以进行串行方式的被称为心智活动或意识活动或物理符号活动或形式化活动等的各种活动，以及借助于外设实现和环境的交互作用。

图1是用于说明意识系统体系结构的示例图。系统包括三个部分，即由基本单位知识网络和串行活动机制构成系统的主体，再由系统的主体和外部设备一起构成具有一定完整功能的系统，实现与环境的相互作用。系统的这三个部分可以依据实际需要而采用分布式布局，也可以采用集中式的布局，或者分布式和集中式相结合的布局。而且分布式布局的系统各部分，还可以是分布式的布局。

1.2基本单位知识网络及其作用

1.2.1基本单位知识网络

所述基本单位知识网络是指，根据“一种使机器产生知识的方法、装置、系统及存储介质”(参见申请号为202010389549.X的专利申请书)所述的方法，由基本单位知识产生装置或基本单位知识单元构成的网络。

基本单位知识单元既是基本单位知识存在的形式，也是实现基本单位知识活动的功能单元；在具体的系统里，它是一个具体的装置。根据“一种使机器产生知识的方法、装置、系统及存储介质”(参见申请号为202010389549.X的专利申请书)所述的方法，基本单位知识单元由n维输入和m维输出以及在输入-输出之间实现不确定性完形处理或说非线性处理的意元体三部分构成。输入的关于事物的n维具有一定不确定性的信息，经意元体的非线性的完形处理，产生关于该事物的具有确定性的m维的符号表示方式的基本单位知识的输出。

若干基本单位知识单元相互连接，构成基本单位知识网络，通过一定的方式，比如学习与训练、或移植、或拷贝，而给各基本单位知识单元予以定义。

为机器配置的一定的基本单位知识网络，或具有基本单位知识网络本质的人工神经网络，可以是一个单一的网络，也可以是一个由各种基本单位知识子网或人工神经子网络构成的统一的基本单位知识网络，或具有进行基本单位知识形式的活动能力的人工神经网络，或是一个由分置的相对独立的具有分布式关系的若干种基本单位知识子网构成的基本单位知识网络，或由分置的相对独立的若干种具有进行基本单位知识形式的活动能力的人工神经子网构成的人工神经网络。由不同部分组成的基本单位知识网络，其不同部分彼此之间可以有相对的独立性。这也是其分布式性质的题中之义。特别是因为能得到的相关辅助机制的支持不同，可能具有的性质，能实现的活动，也就会有所不同。

所述具有基本单位知识网络性质的人工神经网络，是指任何包含基本单位知识单元、或基本单位知识活动装置、或实际可以实现基本单位知识活动的人工神经网络，不旨在限制性地比如各种经过适当改造或改进的或带有相应串行活动机制的深度学习网络。

所述基本单位知识子网是指基本单位知识网络中各相对特殊的部分。

1.2.2基本单位知识网络的作用

系统里基本单位知识网络的作用是，基于基本单位知识网络或本质上具有基本单位知识网络性质的人工神经网络，实现知识或意识活动的一体化存储与计算以及部分的控制。

不同于深度学习等人工神经网络系统，人工意识系统里基本单位知识网络始终处于一个具有一定激活水平的状态，也就是各种基本单位知识同时都处于一定水平的准激活状态，即被称为觉醒的状态。如前述发明所述，基本单位知识没有大小没有内容没有结构，除了它自身，再没有任何可以说明或表明它自身的东西，它只能由与它存在关系的其它基本单位知识来说明，来产生关于“它”的完整理解与意识。只有在处于觉醒状态的时候，基本单位知识网络上的各种基本单位知识才能处于一个彼此完整关联的相互说明相互支持的状态，才可能整体地对事物做出反映或反应，才可能构建起系统内心关于世界的活的小宇宙，以更全面完整准确地理解一定的事物。这是一种各种基本单位知识大规模并行活动的状态。在后面我们进一步讨论到完形的概念和定向的意义的时候，我们将可以领会到，觉醒的这种准备状态或说准激活状态，对于理解和意识而言，是必不可少的。所述觉醒状态，是指基本单位知识网络处于一定水平的准激活状态；与觉醒状态不同的是睡眠状态，包括浅睡眠状态和深睡眠状态，深睡眠状态即相对的不应状态，浅睡眠即可应状态，觉醒状态则是在应状态；觉察到的基本单位知识处于意识的中心状态。

基本单位知识网络的这种大规模并行活动状态本身，并不能使机器有目的有重点地对自己面临的最重要的事物或事物的某一方面进行辨别和分析或有逻辑有条理的思考，即不能有重点地突出地抓住关键性的事物来予以重点的有针对性的处理或应对。

要基于基本单位知识网络的大规模并行活动，来有选择地、有重点地、有序地，进行感知、记忆、想象、思维及言语等各种心智活动，就需要一种串行活动机制来予以实现。所谓的串行活动机制，就是在并行的基本单位知识网络上实现串行活动的机制。是串行活动机制使得机器，可以基于并行分布式的神经网络系统的活动来实现各种心智活动，实现图灵机活动或物理符号系统方式的串行活动。

1.3串行活动机制及其活动

根据“一种使机器产生知识的方法、装置、系统及存储介质”(申请号为202010389549.X)所述的方法，为机器配置一定的基本单位知识网络，同时，作为本发明的进一步改进，使机器产生意识的方法，还包括为机器进一步配置一定的串行活动机制。

1.3.1串行活动机制

串行活动机制是基于并行的基本单位知识网络或人工神经网络实现串行活动的机制。

在为机器配置一定的基本单位知识网络的同时，为机器配置某种实现基于基本单位知识网络，或具有基本单位知识网络本质的人工神经网络，进行串行心智活动的机制，即串行活动机制，使机器基于以大规模并行的方式工作的基本单位知识网络系统或人工神经网络系统，可以进行串行方式的不旨在限制性地被称为心智活动或意识活动或物理符号活动或形式化活动等的活动。

所述心智活动或意识活动，不旨在限制性地包括对事物的感知与识别、觉察、记忆、想象、思维等各种认知活动或言语活动，和/或对情绪情感的觉察或调控等相关活动，和/或确定目的、明确任务、制定计划、执行计划和维持活动方向等各种意志活动。

所述物理符号活动，不旨在限制性地泛指图灵-冯.诺依曼机和西蒙-纽厄尔等或其他人分别从一定方面所描述的以一定的物理符号处理方式来进行的活动，或某种所谓基于形式逻辑的或被称为形式化活动的活动。

基于基本单位知识网络的大规模并行活动，由串行活动机制来实现串行心智活动的过程，一定程度上具有图灵机活动和西蒙-纽厄尔所说的物理符号活动的性质和特点(参见图2和图3)。基于基本单位知识网络的串行活动过程是：一、串行活动机制在任一瞬间只允许基本单位知识网络上的大规模并行活动中的一个基本单位知识处于它的中心；二、当前处于中心的基本单位知识(以及最近经历的基本单位知识和新的输入产生的基本单位知识等，或它们构成的激活状态的各种完形)，在基本单位知识网络活动的各种规则的共同作用下，借助于串行活动机制选择性地驱动下一个基本单位知识进入串行活动中，成为基本单位知识网络活动新的活动中心；如此过程循环往复，实现各种不同内容的心智活动；所述基本单位知识不旨在限制性地可以是关于事物数据的基本单位知识，也可以是关于事物程序的基本单位知识；而所述规则不旨在限制性地包括各种“完形-符号”形式的规则和各种神经动力学规则等；三、借助于串行活动中一个接一个的基本单位知识和基本单位知识网络的活动，实现图灵机活动。这种借助于串行活动机制在基本单位知识网络上的选择性作用来进行串行的图灵机活动的方式，称为焊枪方式：串行活动机制就像焊枪上的焊条，它指到基本单位知识网络的哪里就把进行中的串行的意识活动或串行的心智活动烧在哪里。

所述串行心智活动，是指由一个接一个的基本单位知识，或由一个接一个的具有基本单位知识实质的不旨在限制性地被称为“抽取的特征”，或被冠以任何其它称呼的一定内容等所组成的，或以它们为中心所组成的，顺序进行的活动，它具有顺序性和各瞬间内容或中心内容的单一性的特点。

所谓串行活动，不旨在限制性地包括或围绕一定的目的或任务，或有选择地，或有方向地，或有重点地，或有中心地，或有顺序地，串行地进行的各种心智活动或知识处理活动。所谓串行活动只是指基本单位知识水平上的，是就意识或觉察到的基本单位知识而言的，而在底层实际上仍然同时存在并行的活动，而且所谓串行活动实际上就是基于基本单位知识网络底层的亚分布式并行活动来实现的。

所述串行活动机制，不旨在限制性地包括各种形式的相对独立的串行处理机制，或若干种不同形式、不同程度上与基本单位知识网络或人工神经网络结合在一起的一体化串行处理机制，或基本单位知识网络附带的或人工神经网络附带的，或使得基本单位知识网络或人工神经网络本身具备的实现其串行处理的机制，或它们的某种组合或综合。

所述不同形式的串行处理机制，是指各种为实现串行活动而设置的在某特殊方面有助于进行串行处理的特殊机制，不旨在限制性地包括对在数学空间意义上的不同区域处理精度的差异化，或以一定方式使得只有某部分单元或其功能处于活动状态或进入活动状态，或者相反更不易于进入或处于活动状态等等的机制，而所述差异化，不旨在限制性地具体包括机械上的(比如机械方式的听觉传感器的调谐机构)，或组织上的差异化(比如类似于视网膜及视觉传入神经子系统的设计或处理)，或其他形式的差异化等。所述处理精度的差异化，不旨在限制性地比如具有一定功能的基本单位知识子网络或人工神经子网络的中心部分有相对更精细的加工，而其周边部分有相对更粗糙的加工，不旨在限制性地比如视网膜的中央窝有更精细的加工。所述中心部分，是指它的功能最强或最精细或最敏感的部分，可以是相对的或大致的几何中心，也可以不是几何中心，而只是功能较强的中心，中心具有相对于边缘的优势。一种串行活动机制可以包含多种串行处理机制或它们的组合或综合或结合。

所述基本单位知识是指最小单位知识。在具体的机器系统里，基本单位知识是以相应的基本单位知识活动单元的形式存在并发挥作用的，其更准确的称呼应该是基本单位知识活动装置。基本单位知识单元包括这样三个部分，其中，被输出并参与进一步的信息加工活动的基本单位知识，无论其是何种物理存在形式，都具有含义单一性的特点，是相应事物在系统里的代码或符号，所以基本单位知识具有一定的符号的意义，即所谓以本义为符号，是本义符号，而其一定的物理存在形式，为其物理符号，无论在哪个意义上，所述基本单位知识都是符号表示的知识，称为符号知识，而以一定符号表示一定知识的方式，称为符号表示方式，又因为基本单位知识反映的是具有模糊不确定性或概率不确定性等不确定性特征的该事物，就此而言，基本单位知识又是对具有一定不确定性的该事物的反映，是对具有模糊不确定性或概率不确定性等不确定性的该事物的表示，基本单位知识之所以能实现对具有不确定性的事物的反映与表示，就因为其包含关于相应事物的不确定性的完形的知识，称之为完形知识，是一种以一定完形来表示事物的不确定性的方式，称为完形表示或混沌表示方式，完形也可以称为混沌形态，也就是中国传统文化里“无形胜有形”中的“无形”。总之，基本单位知识单元同时以确定性的符号表示的方式和不确定性的完形表示的方式实现对相应事物的知识的表示，基本单位知识同时是关于相应事物的确定性的符号知识和不确定性的完形知识，是关于一定事物的“确定性-不确定性”的知识，而把这两种不同表示方式或两种知识联系并统一起来的，正是关于相应事物的“确定性—不确定性”的非线性关系。基本单位知识兼具的两种表示方式以及关于事物的确定性和不确定性的非线性关系，三个部分是一个完整的整体，在系统里这个整体就被称为基本单位知识活动单元，简称为基本单位知识单元。基本单位知识活动装置是基本单位知识单元的具体实现；基本单位知识的这种特性，是基本单位知识单元及其构成的网络系统既可以实现对事物不确定性的完形处理，也可以实现确定性的物理符号方式的处理的基础。此外，确定性的基本单位知识的符号方式的输出，作为其它基本单位知识单元的输入，还可以进一步参与其它基本单位知识的，关于相应事物的不确定性的完形处理，而其自身关于事物的不确定性的完形处理，也可以接收或纳入其它基本单位知识的确定性的符号输入。基于基本单位知识，既可以进行不确定性的分布式完形处理，也可以进行确定性的物理符号处理，而且还可以进行不确定性到确定性或确定性到不确定性的处理；基本单位知识具备的这种复杂处理形式，称为基本单位知识形式或“完形-符号”形式。基本单位知识形式或“完形-符号”形式，特别是可以实现物理符号系统意义上的处理，以及实现不确定性分布式完形处理和确定性物理符号处理相结合的各种形式的处理，是基本单位知识和基本单位知识网络所具有的区别于目前的深度学习等人工神经网络方法和技术的最重要的特性。在前述专利申请书中，所述装置产生的基本单位知识常常指符号表示的符号知识形式的基本单位知识。从知识表示的意义或代码的意义上来说，基本单位知识就是基本单位知识单元输出的语义，也就是说，基本单位知识也就是基本单位语义；它也是意识的基本单位，所以也是基本单位意识，并因此而被称为意元。

所述事物的完形和完形处理的含义如下：在前述专利申请书里(一种使机器产生知识的方法、装置、系统及存储介质，申请号为202010389549.X)，事物的完形是指由一定的组分以某种非线性函数关系构成的事物的结构；这一函数称为完形函数；一个事物的完形函数可以有无穷多个；一个完形函数可以概括一个事物的无穷多个完形；事物的一个完形对应着事物的无数实例。完形函数决定着代表该事物的基本单位知识如何被激发，所以，它又是基本单位知识的激发函数；完形函数作为激发函数的主要部分，规定着基本单位知识的完形激发规则，也是基本单位知识的完形处理机制中的完形处理规则。所谓完形，可以推广到任何形式的事物的完形，不旨在限制性地比如事物的空间结构完形，或时间结构完形，或更高维空间结构完形。所述完形处理是指，为对事物的完形做出某种响应所做的信息处理；完形激发函数是完形处理的数学模型；完形处理也可以是一种分布式处理，但分布式处理不一定就是完形处理。系统所具备的对事物的完形进行处理的知识，称为完形知识；在基本单位知识网络系统里，一定的完形知识以各种相应的基本单位知识单元及其构成的网络的形式存在，而在具体的基本单位知识网络系统里，各基本单位知识单元又以具体的基本单位知识活动装置的形式存在；一基本单位知识单元是关于相应事物的完形知识的核心部分，而基本单位知识网络的其余相关部分是完形知识的外周部分，其被破坏的任何局部都可以得到其它部分的补偿，通过学习或训练还可以重新调整其核心和外周部分。在智能机器认识论系统(参见前述专利申请书、申请号为202010389549.X和图4)里，机器实际能看到或听到或以其他方式接收到的以及所处理的，是事物的信息，而不是事物自身，事物的完形就指若干关于事物的信息所形成的或所处于的混沌形态；相应地，基本单位知识是系统在信息处理中赖以消除相应事物的不确定性的东西，它以“完形-符号”形式存在于系统中，是对一定事物的结构或运动状态或变化的，或相互作用或相互关系的“不确定性-确定性”的反映，是关于一定事物的结构或运动状态或变化或一定事物之间的相互联系或相互作用的“确定性-不确定性”的表征，是信息处理中消除关于一“确定性”事物在结构或运动状态或变化或相互作用等方面存在的“不确定性”的信息的综合；即“完形-符号”知识是用于处理一定事物的“不确定性-确定性”的知识；关于事物的不确定性的完形知识内卷于或收敛于该事物的确定性的符号知识中，而不易被觉察，不易于被表达，但关于事物的确定性符号知识易于被表达；由一定的物理符号形式表示的若干基本单位知识，以确定性的关系来构成的事物的完形，是该事物完形的特例。

所述基本单位知识网络是指以基本单位知识为节点组成的网络，在具体的物理系统里，也就是由各种基本单位知识产生装置或基本单位知识单元相互连接构成的网络。因为意元也是基本单位语义，而基本单位知识网络或意元网络是各种意元依据它们的关系而构成的网络，所以由基本单位语义本身组成的基本单位知识网络，实质上就是本义网络。由于若干基本单位知识，或它们和其它输入一起，可以构成一定事物的完形，所以在基本单位知识网络里，一个事物的完形可以嵌套有更多关于其它事物的基本单位知识及其完形；换一种说法就是，一个基本单位知识是由其所在的基本单位知识网络所定义的，在这个意义上，对于任一基本单位知识而言，其所处的基本单位知识网络或子网络就是对这个基本单位知识的最完整、最复杂的完形表示；也就是说，在一个具体的基本单位知识网络里，所有相关基本单位知识都以这个网络为自己的存在形式，不同的只是该网络与各个基本单位知识的具体关系不同；就此而言，基本单位知识网络上各基本单位知识的完形表示具有一定的精细结构；因为同一个基本单位知识网络既是其上各基本单位知识存在的具体形式，又携带有若干的基本单位知识，因而以一定的基本单位知识网络的形式而存在的事物的基本单位知识，具有全息的性质，或具有某种程度上的“部分由整体决定”的性质；与其它基本单位知识形成的联系越丰富或越复杂或越精细的基本单位知识，也就为越多的基本单位知识所定义，其相应完形也就越复杂，因而为更复杂更多重完形所驱动，因而也更鲁棒，比如更不容易发生遗忘，这也是人类老年痴呆症患者病情特征的产生原因；基本单位知识及其网络的这些性质，是人类大脑部分地既支持“定位说”又支持“均势说”的基础。

所述认识论系统是指包括认识论主体和客体以及认识论过程和知识或经验及其形成过程等各要素及关系与过程在内的整个系统(参见图4)；其中，知识是一定主体所掌握的赖以消除关于一定事物的认知不确定性的东西，尽管知识常常以符号知识的方式被人所知，但在基本单位知识网络里符号知识和相应的完形知识是一个统一的整体，而经验常常指主体所掌握的单纯以一定完形知识形式存在的“知识”，所以常常难以描述，其实经验也是主体掌握的关于一定事物的知识的体现，其实质是完形知识。

1.3.2实现串行活动机制的方法

实现串行活动机制的方法是多种多样的。比如以一种专门的意识机的形式出现的只允许若干个内容进入其中，且只有一个内容处于活动状态或处于活动中心的方式。这里提供一种串行活动机制的实现方法，所述串行处理机制配置为使得当时及其前后激发的意元在相应的基本单位知识网络上的传播，或直接地以其物理符号方式，或以参与构成一定完形的方式，将驱动或激发相应的目标意元，和/或对其它非目标意元产生抑制(见图2、图3和图5)。

所述目标意元，即为所要驱动的基本单位知识，而所述非目标意元，即指某种意义上不要驱动的基本单位知识。

所述驱动，是指激发一定的基本单位知识单元产生输出。

所述抑制是指阻止激发或降低激发的水平或能力，包括但不限于包括侧抑制、拮抗性抑制、逐级抑制、习惯性抑制等。

所述侧抑制是指对相近基本单位知识或单元的抑制。

所谓拮抗性抑制是指对立的基本单位知识或单元相互之间的抑制。

所谓逐级抑制是指较高级部分的基本单位知识对较低级部分的基本单位知识的抑制。

所谓习惯性抑制是因训练或学习而产生或形成的一方面知识或单元对其它知识或单元或它们的作用所形成的抑制，比如但不限于在空间认知中处于优势地位的视觉空间认知，对触觉空间认知的抑制；这种对其它部分或其它部分的作用产生一定抑制作用的部分，常常处于优势地位。

所述优势抑制，是指处于优势地位的部分或单元，对处于非优势地位的部分或单元的抑制作用。

产生抑制作用的单元的被抑制或被破坏或抑制通路被阻断，可以解除其对其它单元的抑制作用，比如高级部分或优势部分的被抑制或被破坏或抑制通路被阻断，可以解除或消除它产生的对低级部分或非优势部分的抑制，比如但不旨在限于在空间认知中处于优势地位的视觉空间认知，对触觉空间认知的抑制。

图5是一个简化的具有多级中枢的系统的示例图。因为主要描述中枢间的控制关系，本应该有的逐级输入的部分被省略了。系统的高级中枢实现高级的认知功能，并实现对次高级中枢的控制和调节，再由次高级中枢实现对低级中枢控制和调节，由低级中枢直接控制和支配与调节系统的各功能部件(包括外设和机体内部设备的执行部件)执行相应操作。系统各部件可以是分立的，也可以是链接在一起的。

1.3.3在大规模并行活动中选择一定的活动进入串行活动的方法

在大规模的并行活动中，哪一个才应该或才可以进入串行活动中呢？

在本发明中，还包括一种在基本单位知识网络或人工神经网络的大量并行的活动中，让机器选择一定的活动进入串行活动的方法。所述串行活动机制具体配置为，不旨在限制性地具有强烈的、和/或新异的、和/或独特的、和/或对比强烈的、和/或有特殊意义的、和/或符合系统要求或需要的、和/或符合系统的目的和/或系统当前任务的要求的、和/或符合系统的价值标准或严重抵触系统的价值标准等等特征的、和/或符合一定心智活动规则要求的事物的基本单位知识的活动，将优先进入串行活动中，和/或随后的串行活动更易于或优先由此而展开，不旨在限制性地比如其激发等活动将被加强，和/或其它竞争性单元的被抑制或活动减弱；其结果是使得在并行的大规模基本单位知识活动中，或人工神经网络系统活动中，不旨在限制性地或依据系统的目的或任务等，或按照一定心智活动规则的要求，或因为外界输入所具有的特点，有选择地有重点地遵循一定的规则或规律，来有序地组织系列相关的基本单位知识的活动，来实现感知、或记忆、或思维、或想象等认知活动，或情感活动，或意志活动，或言语表达活动等心智活动。

1.4人工意识系统对事物的理解与意识

1.4.1定向与人工意识系统对事物的理解

本发明还包括让人工意识系统具备一定的理解力的方法，使得人工意识系统不旨在限制性地具备或增加或扩大或扩充或增强一定的定向能力或定向机制，而可以通过对事物进行相应的定向，来获得、或增强、丰富、加深、或修正相应对该事物的理解；系统所能实现的定向越丰富、越清晰、越深刻，理解也就越丰富、越清晰、越深刻；多重定向和/或多层次定向不仅使得对事物的理解和相应的心智活动更加丰富、清晰和准确，而且也更加鲁棒。

所述定向是指对一事物所具备的一定属性或特征等的确定，也就是指对一事物与其它事物之间的关系的确定，不旨在限制性地包括对事物的组成、或结构、或性质等的确定，也就是确定一事物在机器内心小宇宙里的性质或位置或关系等(参见前述专利申请书，一种使机器产生知识的方法、装置、系统及存储介质，申请号为202010389549.X)；定向常表现为关于机器自己或关于其他事物的一定说明；所述定向不旨在限制性地包括空间定向、或时间定向、或物体定向、或目的定向、或任务定向、或结构定向、或其它关系定向等。

所述定向机制是指实现定向的机制；所述某一方面的定向机制，是指与相应这一方面的定向活动相关的机制；定向机制不旨在限制性地包括基本单位知识网络上各基本单位知识之间的相互联系或相互说明或相互定义，或基本单位知识网络所具备的在串行活动机制支持下围绕一定的基本单位知识进行一定的心智活动，从而实现定向的各方面机制。

所述多重定向是指对一事物的多方面属性或特征、或和多方面事物之间所存在的关系的确定，从而可以给自己或给相关事物相应多方面的说明；所述多层次定向，是指由一事物对另一事物再对其它更多层次的事物的定向，或反过来的定向；多重定向和多层次定向以及人工意识系统对事物的理解，是人工意识系统内心小宇宙的一种功能或作用。

1.4.2人工意识机器对事物的意识

本发明还包括让人工意识系统具备产生对事物的一定意识的能力的方法，给人工意识系统里的基本单位知识网络配置一定的“觉醒-睡眠”机制，“觉醒-睡眠”机制的作用是激励并维持基本单位知识网络整体或其中的一些部分处于一定的觉醒状态，和/或抑制以使得基本单位知识网络整体或其中的另一些部分处于一定的睡眠状态，即“觉醒-睡眠”机制具有对基本单位知识网络的“觉醒-睡眠”等意识状态进行调节与控制的作用；基本单位知识网络处于一定的觉醒状态时，系统基于对事物的理解而产生对相应事物的意识，即被激发的一定的基本单位知识，同时也处于被其它相关基本单位知识所说明或所定向的状态，而不仅仅是可被说明或可被定向或可被理解的状态，即处于觉醒状态时，围绕一定事物而组织在一起的相关的这些基本单位知识同时处于一定的激活状态，它们一起构成了关于该事物的意识，其中关于该事物的基本单位知识处于意识的中心，是串行活动中相应那一时刻的内容或节点；“觉醒-睡眠”机制可以和基本单位知识网络融为一体，也可以是相对独立的装置，或是部分融为一体，部分相对独立的装置；“觉醒-睡眠”机制可以和串行活动机制融为一体，也可以是相对独立的装置，或是部分融为一体，部分相对独立的装置；即基本单位知识网络和它的觉醒-睡眠机制以及串行活动机制三方面，既可以是相对独立的，也可以是某种形式相互融合或结合在一起的，或部分地是相对独立，部分地是融合的。

所述意识状态，是指基本单位知识网络是处于觉醒的状态，还是睡眠的状态。

所述觉醒状态，是指基本单位知识网络处于一定水平的激活状态，其作用是使得基本单位知识网络上的基本单位知识处于相互说明的状态中，从而使得串行心智活动可以由内部信息或知识来相互驱动，而不必须由外部输入的信息来驱动，并由此而可以在内心维持一定的心智活动，或使得内心小宇宙处于一定活动状态或激活状态，使得随时可以就外界输入进行处理并给出说明或定向或做出反应。与觉醒状态不同的是睡眠状态，包括浅睡眠状态和深睡眠状态，深睡眠状态是一种深度抑制状态，处于深睡眠状态的基本单位知识网络或部分，将处于相对的不应状态，浅睡眠则处于可应状态，觉醒状态则是在应状态(一定意义上的激活状态)；觉察到的基本单位知识处于意识的中心状态；在目前的人工神经网络系统里，输入的数据直接驱动人工神经网络产生结果，表现出的是“数据输入-结果输出”的数据驱动的工作方式，而在人工意识系统里或在基本单位知识网络系统里，主体是“知识A-知识B”的知识驱动的工作方式，尽管它也可能包含对输入数据进行知识的处理。

1.4.3基于基本单位知识网络实现相应各种心智活动的基础性方法

本发明还包括使基本单位知识网络系统或使人工神经网络系统可以进行相应各种心智活动的基础性方法：将基本单位知识产生方法，包括基本单位知识单元或基本单位知识活动装置和基本单位知识网络，以及前述相应的串行活动机制，由关于事物的数据性知识及其处理，不旨在限制性地推广或扩展到关于过程的程序性知识，和/或关于事物间相互作用的操作性知识，和/或关于世界的其它方面的知识及处理，或它们的综合，或由关于外部客观世界推广或扩展到内部心智活动，不旨在限制性地比如把记忆、想象、思维和言语表达等心智活动也看做相应一定的事物，运用基本单位知识单元及其网络活动的一般原理和方法，来处理或实现这些心智活动，不旨在限制性地比如由已有的一定的串行活动中的系列基本单位知识，或系列基本单位知识所构成或参与构成的完形，驱动基本单位知识网络或具有基本单位知识网络实质的人工神经网络，输出所需的基本单位知识(称之为目标基本单位知识)或基本单位知识序列，从而使得系统可以实现不旨在限制性地包括关于事物的数据性知识和/或关于过程的程序性知识和/或关于相互作用的操作性知识在内的这些方面的心智活动，特别是可以以物理符号系统的方式进行这些方面的活动。具体而言，是在串行活动机制的支持下，基于推广或扩展的基本单位知识网络所实现的系列的“完形-符号”形式的存算一体化的活动，来实现由系列基本单位知识构成的物理符号形式的或图灵-冯诺依曼机形式的活动。这是基于基本单位知识网络或具有基本单位知识网络实质的人工神经网络进行不旨在限制性地包括感知、记忆、思维、想象等认知活动，或情感活动，或意志活动，或言语活动等在内的各种心智活动的基础性方法。

所述基础性方法是说，此方法是不旨在限制性地实现各种心智活动的共同方法基础，而除此之外，实现不同的这些心智活动的基本单位知识子网络，还可以包含有在这共同的基础之上的具有各自特殊的结构本质和/或算法本质的其它特殊方法。

所述一定的串行活动中的系列基本单位知识，是指在先前已经进行的和随后即将进行的相关串行活动中，处于串行活动序列中的基本单位知识，不旨在限制性地包括涉及目标、任务、条件、环境、资源、数据、或规则等方面的系列基本单位知识。

所述系列基本单位知识参与构成的完形是说，驱动基本单位知识单元及其构成的网络的活动的，除了处于系列串行活动中的系列基本单位知识及其参与构成的完形之外，可能还包括来自外界输入的信息，和/或来自内部活动中的基本单位知识形式的，和/或非基本单位知识形式的信息，它们一起构成某种完形，不旨在限制性地比如某种任务完形或过程完形或结构完形等，或各种心智活动完形。所谓心智完形，包括心智活动结构完形或心智活动过程完形或心智活动规则完形或心智活动程序完形。

1.4.4使基本单位知识网络的基本单位知识得以确立

只有真正成为了基本单位知识，才可以进行基本单位知识方式的活动。

本发明还包括使人工神经网络系统抽取的特征可以作为基本单位知识或使基本单位知识网络的基本单位知识得以确立的方法，系统基于基本单位知识产生方法和基本单位知识网络，或基于人工神经网络，配置一定形式的基本单位知识确立机制，该机制使得基于基本单位知识网络产生的基本单位知识得到确立，或使得基于人工神经网络抽取的特征或抽取的任何其它称呼的特征数据，可以作为基本单位知识得到确立，从而不仅在当时，而且在以后也可以发挥其作为基本单位知识的作用，进行基本单位知识形式的活动，而不是像深度学习技术抽取的特征等那样，抽取到的各个特征数据只是计算过程中数据流里众多数据中的一个，而不能就此进行基本单位知识形式的活动，尤其是不能作为关于事物的符号知识来进一步参与物理符号方式的活动。

所述基本单位知识的确立，一方面是使得基本单位知识得以能够产生，另一方面是使得产生的基本单位知识或使得不旨在限制性地被称为被“抽取的特征”等的数据，可以以基本单位知识形式或“完形-符号”形式来进行活动；特别是可以作为相应事物的符号，显性地存在于机器系统“内心”中，以使得系统可以使用它来进一步参与实现一定的物理符号活动或形式化运算活动，不旨在限制性地比如实现感知、记忆、想象和思维等；基本单位知识确立的本质是，给基本单位知识单元赋能，尽管赋能的同时也实现了对基本单位知识单元或基本单位知识活动装置的定义，或完善和修正了一定基本单位知识的定义，但定义是指赋予基本单位知识单元以一定的含义或语义，而赋能是使得基本单位知识具备相应的“完形-符号”形式的活动能力和特征，而可以以基本单位知识形式,特别是作为基本单位知识网络的节点，来组织和参与有关的活动，特别是符号活动；总之，基本单位知识的确立，不仅使得基本单位知识的不确定性完形表示和确定性符号表示以及它们之间的映射或变换关系这样三个部分得以成为现实，而且进而可以以此为基础实现各种心智活动；其中基于基本单位知识及其网络“完形-符号”方式的处理，而可以在串行活动机制的支持下来实现物理符号系统意义上的处理，是基本单位知识及其网络所具有的最重要的特性。

本发明还包括一种实现基本单位知识的确立的方法，即借助于前述各种机制或它们的共同作用来作为基本单位知识确立的机制，来实现基本单位知识的确立。

1.4.5机器对事物的同一性、整体性的认知和认知范围的扩大

本发明还包括一种形成对事物的整体性认知的方法，使得所述一定形式的基本单位知识活动装置，不旨在限制性地可以将同时出现的、或一起变化的、或次第变化的、或一起运动的、或连续的、或具有其它稳定相互关系或具有其它共有规律的元素，作为一个事物整体来予以整合，从而形成关于这一事物整体(或一类事物)的基本单位知识。

基本单位知识活动装置的完形处理能力，是实现对事物的同一性认识的基础；而基本单位知识活动装置对事物的这种整体性的完形处理方式，是实现对事物的整体性认识的基础。即基本单位知识网络所具有的对事物的同一性和/或整体性和/或恒常性的完形处理方式，是人类产生具有同一性、整体性和恒常性等特点的认知的基础；基于这样的基础，不旨在限制性地可以通过扩展或扩充基本单位知识网络或其中的子网络，或增加一定基本单位知识子网络，使得基于基本单位知识网络可以处理更大范围里的事物或包含更多方面的事物，即通过扩大处理野的方式来扩大或扩充或增加系统的知识处理能力或认识能力，不旨在限制性地包括知识的范围或所能认知的事物的范围；

所述处理野，也可以称为处理域，是指一处理单元或网络或机构或装置等所能处理的事物或信息的范围，包括感受野和/或功能域；所述感受野，也叫受纳野，不旨在限制性地是指一处理单元或网络或机构或装置等所接受信息的范围或处理的事物的范围或侦测的范围，涉及的是接收端或输入的范围或能力；所述功能域，不旨在限制性地是指一处理单元或网络或机构或装置等所能处理的结果的范围或说功能的范围，涉及的是处理端的处理范围或认知能力；一个系统的能力的扩展或扩充，可以通过这两方面或其中之一来实现。

具体而言，增加或扩展或扩充基本单位知识网络的方法，可以是增加新类型的数据采集与输入设备，和/或扩展或扩充或增强既有的数据采集及输入设备，和/或增加或扩展或扩充相应基本单位知识产生与处理模块，或在既有知识处理模块的基础上，以系列既有的基本单位知识为输入，增加产生新的基本单位知识的子网或模块，或它们的结合，并辅之以串行活动机制和/或新知识产生机制，实现新领域知识的产生和/或新领域知识的活动。

1.4.6辨识与知识的分化、扩展及产生新知

本发明还包括一种识别事物的方法：基于其基本单位知识活动能力和心智活动能力，通过对事物进行基本单位知识水平的辨别，来识别事物；这种识别事物的方法，称为辨识方法(参见图6和图7)。

图7是适当展开了的辨识过程示例图，辨识是基于图2、图3和图1所述的机制及过程来实现的。

所述基本单位知识水平的辨别，是指就事物的某些方面进行识别，其标志是产生相应的基本单位意识，或说得到基本单位知识水平的相应知识，而在基本单位知识的水平上确定事物是否具有某些方面的特征或属性，或确定不同事物在组成或结构或属性等方面在基本单位意识水平上的异同，以此来识别事物。

本发明还包括使机器获得新知的方法：使得基本单位知识网络系统或人工神经网络系统，基于其对新事物或事物的新的方面的辨识，而产生新的知识，和/或完善和修正已有的知识；结果是，使得系统所掌握的知识可以基于其已有的知识而不断得以增加或分化或精细化或精确化或扩展或扩充或修正，并且使得具有学习能力的系统对相应事物的完形处理的能力得到提高，而能更快速地直觉地识别该事物或得到直觉；这是一种基于已有的知识而增加新的知识或分化出新的知识的方法；是一种自探索和/或自指导学习的方法。

通过这种辨识活动，觉察到事物在符号知识意义上的新知，不仅表明获得了关于事物的符号知识形式的新知，而且可以强化关于事物的相关知识，包括新旧知识，包括符号形式和完形形式的知识以及它们的结合；所谓强化，一方面指在学习和训练或运用的过程中，将加强相应的基本单位知识处理能力，即“完形-符号”处理能力，另一方面也指加强对事物的辨识活动。

1.4.7人工意识机器意识水平的提高

本发明还包括让人工意识机器提高其意识水平的方法：提高机器的多重定向和/或多层次定向能力，不旨在限制性地包括增加和/或扩展和/或扩充机器的基本单位知识网络，和/或配置相应更多种的定向机制，使得机器可以实现更多重或更广泛的定向，或更深层次的定向，或改进系统的结构和功能，或加强训练，提高串行心智活动能力，提高多重定向或多层次定向的准确性和速度或能力；其所带来的技术效果是，使得机器对事物的认知可以更丰富、更全面、更完整、更准确、更鲁棒；而存在定向功能单一、定向功能不全或定向功能障碍的机器，将如人类老年痴呆一般，不能完整地清楚地准确地认知事物，或错误地认知或混淆它所认知的事物，包括它的来源、作用、和什么事物存在什么样的关系等。

本发明还包括使人工神经网络系统实现人工意识的方法：将人工神经网络系统配置为人工意识系统，或按人工意识系统的方式构建人工神经网络系统。

如图8所示，无论是在从数据采集到传输到预处理到中枢的处理的哪些环节，实现向微观缩小尺度或向宏观扩大尺度或增加新的维度或增加新的多维度综合，都可以实现系统一定知识和能力水平以及意识水平的提高。

2.利用云实现云人工智能系统

这不同于在云上提供人工智能系统服务，也不同于人工智能系统云，而是指一种利用云实现的云人工智能系统。

本发明还包括基于对云资源的利用来实现人工意识系统的方法：不旨在限制性地基于5G或6G等移动网络,和/或互联网，和/或广域网和或局域网等，利用云资源和/或云技术来实现人工意识系统或基本单位知识网络系统或人工神经网络系统，以及提供相应的服务，其所带来的技术效果是，或使得原本采用其它方法无法实现的，不旨在限制性地比如基于集中式方法所无法实现的，超大规模的人工智能系统得以可以实现，或集中式系统条件下无法实现的同时对超空域或超时域的超大范围的数据的，和/或多途径采集的数据的，采集和处理得以可以实现，或使得不旨在限制性地可以更快速或更灵活或更低成本或动态地实现人工智能系统的组建及功能，或使得云资源的使用效率得以提高，从而产生一定的技术的、经济的和社会的效益；云人工智能系统是一种云分布式系统。

所述人工智能系统是指人工意识系统或基本单位知识网络系统或分布式人工神经网络系统；云人工智能系统则是指利用云资源和云技术来实现的人工智能系统。

所述云资源，不旨在限制性地包括数据采集、传输、存储与计算等资源，具体的云资源不旨在限制性地包括所有可以配置数据采集、传输、存储与计算等资源的设施、设备或装置，不旨在限制性地比如通讯终端、基站、中继站、广域网及局域网或互联网上的计算机、服务器、甚至路由器、摄像头等资源。

所述人工神经网络系统是指各种形式的人工神经网络系统，不旨在限制性地包括纯粹的人工神经网络系统，或分布式专家系统或分布式知识工程系统、或人工神经网络专家系统等和专家系统或知识工程系统结合在一起的人工神经网络系统，或具有基本单位知识系统或人工意识系统本质的人工神经网络系统，等等。

所述集中式系统是指资源在一定空间里集中配置的系统，整个系统的所有业务单元都集中部署在这个空间里的中心节点上，系统的所有功能均由其集中处理，比如所有业务单元都集中建设和部署在一定硬设备里的或硬结构里的微小型系统或在一定厂区或一定场区上的大型系统。

所述分布式大致可以分为两种形式或两个层次，一是同一任务的不同数据或不同计算由分散在不同地点的系统的不同部分来实现，且称之为元分布，即以一定的功能单元为单位实现的分布式，云资源的使用就属于这一种，另一是同一个数据或同一个计算由多个不同单元的数据或计算协同来实现，且称之为亚分布，传统的人工神经网络上的存储与处理就属于亚分布。

所说的云分布式系统，是指不仅云是元分布式的，而且在云上部署或装载的也是分布式的，且可能是亚分布式的系统或它的一部分；所以，云分布式系统是一种多重分布式系统。

3.“通讯-云-人工智能”一体化系统方法

本发明还包括一种构建“人工智能-通讯”一体化系统的方法：该系统的各部分除承担或实现一定的通讯系统功能外，还配置成承担或具有实现一定的人工智能系统的一定部分的功能，使得该通讯系统即人工智能系统或该人工智能系统即通讯系统，不仅实现通讯系统的功能，同时还具有人工智能，甚或知识智能或人工意识的功能。这是一种人工智能系统与通讯系统结合在一起的一体化系统，它可以充分利用通讯系统和云人工神经网络系统在分布式结构上的相似性，服务对象或客户资源上的重叠性，以及所部署的部分设施、设备和装置在空间布局的接近性和相容性，以及云人工智能系统对通讯系统的依赖性等等特点，来大大提高系统的功能、作用和效率，产生远超两个独立系统的和的技术的、经济的和社会的效益。

所述人工智能系统，不旨在限制性地可以是人工意识系统或基本单位知识网络系统或较低水平的传统人工神经网络系统。所述人工智能系统还可以是云人工智能系统，这时系统实质上是“通讯-云-人工智能”一体化系统。

本发明可应用于如下技术领域：

用于人工意识领域，使基于基本单位知识网络的机器系统，具备进行图灵机和冯诺依曼机的活动的能力，具备进行一定的心智活动的能力，具备产生对事物的理解的能力，具备产生意识的能力。

用于机器人领域，可以使得机器人具有自知自主的能力。

用于人工神经网络系统，不仅可以提高系统的性能，特别是使得传统人工神经网络系统可以升级为知识智能系统或人工意识系统，从而也可以具备进行一定的心智活动的能力，具备理解一定事物的能力。

用于云技术领域，本发明提供了一种利用云资源和云技术，实现以知识智能为基础的云人工智能系统的技术方法。

用于通信领域，本发明提供的一种组建“通讯-人工智能”一体化系统的技术方法，可以使得通信服务商很容易转化升级为“通讯-人工智能”一体化服务提供商。基于本发明提供的云人工智能技术，通讯系统制造商和通讯服务提供商还可以较容易转化升级为“通讯-云-人工智能”一体化制造、建设与服务提供商。

基于这些基础性技术，可以产生不同形式的具体应用，形成不同形式更多种的相应产品，以及形成形形色色的服务，包括产生形形色色的产品需求和服务需求，比如基于通讯终端的广泛应用和基于物联网的广泛应用。

本发明的有益效果如下：

本发明用于人工智能系统，不仅可以提高系统的性能，特别是可以使得该系统具备相应的理解的能力和产生意识的能力，具备基于人工神经网络系统进行图灵机活动和物理符号系统活动的能力；本发明用于人工意识领域，提供了人工意识系统体系结构和实现人工意识的方法，是从无到有的突破；用于机器人领域使得机器可以具有自主性。

本发明用于云领域，借助于云可以产生一种既不同于目前云上提供的人工智能服务，又不同于人工智能云的系统，即云人工智能系统。不仅提高了云的作用和效率，关键是可以实现云人工智能系统的更高能力，可以实现人工意识系统的更高的知识水平和能力水平。

本发明用于通讯系统领域，可以产生“通讯-云-人工智能”一体化系统。相对于现有的独立的系统，一体化系统因为充分利用和发挥了各独立系统在分布式结构上的相似性，在服务对象或客户资源上的重叠性，所部署的大量设施、设备和装置在空间布局上的接近性和相容性，以及云和人工智能系统对通讯系统的依赖性等等特点的作用，不仅建设成本、维护成本、使用成本等大大更低，而且功能更多，集成度更高，“通讯-云-人工智能”三方面相互之间的协调性更高更好，效率大大提高，收益相应增大。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。