联结主义学派浅析 论文.docx
《联结主义学派浅析 论文.docx》由会员分享,可在线阅读,更多相关《联结主义学派浅析 论文.docx(15页珍藏版)》请在冰点文库上搜索。
联结主义学派浅析论文
XX学院
人工智能论文
设计(论文)题目:
联结主义学派浅析
所在院:
信息工程学院
专业班级:
计算机科学与技术10-03__
学生姓名:
XX
学号:
20XXX
指导教师:
XX
2013年6月12日
目录
一、引言3
二、人工智能研究的现状3
1、符号主义学派――模拟人脑的逻辑思维。
6
2、行为主义学派――强调人的行为模拟。
6
3、联结主义学派――模拟人脑的形象思维。
6
三、智能系统的理论与任务9
四、联结主义原理11
1、状态逻辑相关原理12
2、自组织功能耦合原理13
3、准全息信元逻辑内涵与外延一致性及多元相容性原理。
14
五、联结主义中智能机器的物理实现15
六、联结主义的具体应用16
参考文献:
17
人工智能联结主义学派
摘要:
人工智能的最终目标,是给出智能计算机的构造原理并构造出智能机,因而人工智能的成果必须体现在智能机器上。
其衡量标准应是说明了多少人脑结构与功能特征,及改进了多少计算机的结构与功能。
因而尽十分努力搞机器智能,不如尽一分努力搞智能机器,当务之急是检验现有的人工智能成果,看看哪些理论与技术能用于提高计算机的基础性能。
其中,联结主义强调模拟人脑的神经结构,如果把神经网络分为交互作用与协同作用两大类,传统神经网络模拟的是协同作用型――具有感知信号的整合译码分类功能,从而对人工只能的研究有极其重要的指导意义。
关键词:
人工智能;联结主义;模拟
一、引言
二十一世纪将是人工智能大行其道的世纪。
目前,人工智能是利用不同的方法,在不同的层面上模拟人的智能,已经取得许多值得骄人的成绩,但也面临基础理论的危机,导致进展缓慢,需要有理论与技术的重大突破,需要统一整合现有理论与研究成果,搞出真正意义的智能计算机来。
联结主义学派也是逐步发展来的一个学派,其研究理论对于人工智能的发展有极其重要的作用。
二、人工智能研究的现状
人类智慧与人工智能对人的特质作出解释的模型很多是来自宗教、艺术等。
例如,原始艺术的象征语言把人类的原始本能和超自然世界的各种意象以特有的符号手段结构化,它们被赋予特有的形式,从而组合成各种表现形态的形象系统。
这让我们不仅了解到人类智能有着不同的具体表达,也明白智能是依赖于社会生活和客观现实的。
然而,道途艰辛。
把人类原始的、潜意识的思想加以分解,有如分解佛教禅宗大师为迷惑心智以达到绝对虚无所下的玄秘功夫那样,十分困难。
况且,要到达人类级的人工智能已被证明是困难的,而且进展缓慢。
辩证唯物主义不同意那种机器能够独立地思维、机器可以比人更聪明的观点,很重要的理由在于思维是生物长期进化、特别是社会活动的产物。
哥德尔赞同人类的心智超过所有的机器的结论。
计算机中能不断繁殖和复制自己的人工生命如病毒,最初也是由人类制造的。
计算机的世界完全是由科学家们设计创造的,是人脑的结晶。
从人工智能孕育于人类社会的母胎时,就引起人们的争议。
自1956年问世以来,人工智能也是在比较艰难的环境中顽强地拚搏与成长的。
一方面,社会上对人工智能的科学性有所怀疑,或者对人工智能的发展产生恐惧。
在一些国家(如前苏联),甚至曾把人工智能视为反科学的异端邪说。
在我国那"史无前例"的年代里,也有人把人工智能作为迷信来批判,以致连"人工智能"这个名词也不敢公开提及。
另一方面,科学界内部对人工智能也表示怀疑。
真正的科学与任何其它真理一样,是永远无法压制的。
人工智能研究必将排除千难万险,尤如滚滚长江,后浪推前浪,一浪更比一浪高地向前发展。
在我国,人工智能科学也开始迎来了它的春天。
庄子与惠子有如下的对话。
庄子与惠子游于濠梁之上,庄子曰:
“倏鱼出游从容,是鱼之乐也。
”惠子曰:
“子非鱼,安知鱼之乐?
”庄子曰:
“子非我,安知我不知鱼之乐。
”惠子曰:
“我非子,固不知子矣,子固非鱼矣,子之不知鱼之乐全矣。
”庄子曰:
“请循其本,子曰‘汝安知鱼乐’云者,既已知吾知之而问我,我知之濠上也。
”(庄子·秋水)
人类智慧与人工智能孰高孰底、熟胜孰负,智能的复杂和神秘,如同这段文字本身的内涵和后代的种种解析那样,引人入胜,令人悠然神往。
探寻人工智能的发展途径
人工智能研究者愿意用精神术语描述机器有两个原因。
第一,希望给机器提供知识和信念的理论以使它们能对其用户知道的、不知道的和所想要的进行推理;第二,用户对机器的了解常常能用精神术语最好地表达。
在人工智能的发展过程中,心理学和哲学自然而然与它互相影响。
而人工智能与哲学的关系,最初是通过心理学这个桥梁的。
人工智能一开始是自上而下和自下而上相结合的。
自上而下或“内涵式”的表述往往给人带来一种恍然大悟的感觉,自下而上或“外延式”的表述却像一份说明书。
其实,的确需要两种途径:
一种是自上而下的、把思想映射于神经元群上;另一种是自下而上的、用来解释思想如何由那些看起来是杂乱无章的神经元集群产生的。
认知科学发展中存在一个值得思考的奇怪现象,对诸如下棋、解密码之类的可以相对跟环境隔离的看似很困难的任务而言,计算机系统可以超过专门训练的人;然而对一些最通常的通过由长期进化形成的认知功能,比如视觉和听觉,经过几十年努力发展的人工智能系统还不如婴儿的能力。
大脑的智力活动必须从进化的角度、从社会和历史发展的约束的角度来研究才能得到充分正确的理解。
虽然我们必须经常遵循有统整作用和简化作用的大原则,但也必须承认在科学里存在着不可还原的复杂性。
讨论人工智能与认识论的关系,当然不能替代人工智能的研究,但它可使人工智能研究者不致如入沼泽而迷失方向。
然而,遗憾的是,人工智能研究者往往会忽略人工智能与哲学的联系和基本的辩证思维方法——归纳和演绎,分析和综合等。
事实上,每个人在自己的思维体验中都能感到分析与综合的频繁与重要。
但是,人类对这样一对基本思维机理的研究却如此薄弱。
历史地看,人工智能的发展不时地陷入没有预想到的深层困境,这提醒我们不仅应当从人工智能发展的技术问题,而且应当从人工智能的最根本概念和理论上去寻找原因,人工智能需要更为宽广的眼界和宏观的方法论指导。
人工智能研究分两条道路:
机器智能与智能机器,分三大学派:
(1)符号主义(Symbolicism),又称为逻辑主义(Logicism)、心理学派(Psychlogism)或计算机学派(Computerism),其原理主要为物理符号系统(即符号操作系统)假设和有限合理性原理。
(2)联结主义(Connectionism),又称为仿生学派(Bionicsism)或生理学派(Physiologism),其原理主要为神经网络及神经网络间的连接机制与学习算法。
(3)行为主义(Actionism),又称进化主义(Evolutionism)或控制论学派(Cyberneticsism),其原理为控制论及感知-动作型控制系统。
1、符号主义学派――模拟人脑的逻辑思维。
符号主义认为用计算机可以模拟人脑功能,而不管功能的产生机制,但要受计算理论与计算工具的限制――主要表现在符号与环境及背景信息分离,符号之间没有普遍内在联系,且一定要串行及分时分段处理,并受确定性及形式化的局限。
解决这一问题必须解决计算理论与技术的三大问题:
①状态转换的原理;②状态转换的控制;③状态之间一定要有内在联系。
但图灵计算理论仅仅解决了一半,状态转换原理仅仅是其中一种,状态转换的控制没解决状态之间的相互控制,而状态联系问题则完全没解决。
当然,这些问题在计算机问世之初不可能涉及,当初能够实现自动计算就已经很不错了,但时至今日,这已是智能机器必须解决的问题。
2、行为主义学派――强调人的行为模拟。
但行为同样需要与环境及背景信息不断地双向作用,不同感知与效应行为之间亦具有交互作用关系,聪明的行为亦需利用累积的历史经验,仅仅通过反馈控制远不能满足要求。
目前急需控制理论有大的突破――需刺激反应参量交互协同作用的自组织原理模型。
3、联结主义学派――模拟人脑的形象思维。
联结主义强调模拟人脑的神经结构,麦考洛奇和皮茨证明:
大脑可以被模拟成逻辑运行的网络,逻辑通道可以产生计算结果,但这一发现没有被有效的应用到智能机器的构造中。
如果把神经网络分为交互作用与协同作用两大类,传统神经网络模拟的仅是协同作用型――具有感知信号的整合译码分类功能,而对交互作用型神经网络则根本没有涉及,因而对于组成复杂的智能系统缺乏指导意义。
联结主义是统合了认知心理学、人工智能和心理哲学领域的一种理论。
联结主义建立了心理或行为现象模型的显现模型—单纯元件的互相连结网络。
联结主义有许多不同的形式,但最常见的形式利用了神经网络模型。
联结主义的中心原则是用简单单位的互联网络描述心理现象。
联结的形式和单位可以从模型到模型修改。
例如,网络的单位可以描述神经元,联结可以描述突触。
另一个模型网络中每个单位用一个词表示,每个联结用一个语义类似的词表示。
神经网络是今天联结主义模型的主导形式。
联结主义的神经网络分支认为心理活动研究其实就是神经系统研究。
这将联结主义与神经科学联系起来。
联结主义可以追溯到1个多世纪以前。
联结主义观念在20世纪中后期之前很盛行。
1980年代以后联结主义又被科学家广泛接受。
平行分布式处理(PDP)
File:
LeabraScreenShot.jpg
Complex平行分布式处理programs,如PDP++shownhere,canresultinpowerfulsimulations
早期工作
PDP的直接根源是1950和1960年代弗兰克·罗森布拉特(FrankRosenblatt)等人的感知机理论。
但自从1969年马文·明斯基(MarvinMinsky)和西摩·佩伯特(SeymourPapert)发表了一本名为《感知机》的书以后,感知机(perceptron)模型就变得非常不得人心。
明斯基和佩伯特通篇详述了感知机计算功能的局限性。
显示甚至无法执行如异或问题(exclusivedisjunction,如判断这是苹果还是桔子,但不是二者皆是)这样的简单功能(明斯基后来承认做得过分了)。
PDP书克服了这些早期局限性
PDP以外的联结主义
尽管PDP是联结主义的dominant形式,其他理论家的工作也可归类到联结主义。
联结主义的许多原则可以追溯到心理学的早期工作,如威廉·詹姆士的工作,尽管必须指出心理学理论19世纪末对人脑的了解非常时髦。
联结主义与计算主义之争
1980年代末,联结主义迅速变得流行,有一些研究者就起来反对联结主义,包括杰瑞·福多,StevenPinker等许多人。
这些理论家质疑当时发展起来的联结主义,是危险的
主要是无法说明神经网络的整体结构与功能机制;无法说明神经元互补定义、互相解释、互相检索的整体自组织机制;无法体现不同功能层次之间的协调作用,如感知信息的整合、概念的定义,及概念的组合与分解过程;无法说明神经元不同路径组合产生的不同逻辑意义。
智能是诸多子系统功能及层次的组合与协同效应,而交互作用型神经网络在人脑中占有极其重要的地位。
其功能是整合协调子系统功能,是为不同的子系统或信元建立双向交互作用的枢纽通道――储 算 一 体 , 读 写 算 同 步 , 控 制 、 交 换 及 运 算 功 能 统 一 ,而并非简单的分类功能。
如果硬要分逻辑思维或形象思维的话,那么交互作用型神经网络模拟的是逻辑思维――具信息意义及子系统的组合与分解功能,而协同作用型神经网络模拟的是形象思维――具信息意义的定向整合及分类功能。
概括起来,传统联结主义有如下问题需要解决:
1)已有的工作不能体现神经元或子系统之间确定的逻辑或组织关系,亦没有明确多元化逻辑基础,体现不出预期性在神经网络中的地位。
2)相对于子系统的输入输出或交互作用,没有逻辑可逆性,节点之间亦没有互为因果交互性,不适应子系统的自组织直接功能耦合,网络本身不适应双向通信及多功能一体化。
3)不能体现以确定性为基础的随机性。
相对于特定概念或意义只能整合,不能分解。
运算原理及机制没有普适性或通用性。
4)存在联结线瓶颈问题,不具备开放性。
其整体结构不能体现逻辑内涵与外延的一致及相容性。
不能体现模数统一性。
5)不能客观地反映人脑神经网络的本质结构与功能特性,如信息在传递的过程中能够记忆和运算,在记忆的同时能够传递和运算,在运算的同时能够传递和记忆。
目前急需揭示出能把大量神经元组装成一个具有复杂功能的系统设计原理,或给出整体近似及同构描述模型。
三、智能系统的理论与任务
技术的革命首先是基础理论的革命,但在目前,如有人问人工智能的基础理论是什麽,答案肯定五花八门,符号主义认为是逻辑――信息处理的时间模式;联结主义认为是自组织――信息处理的空间模式;行为主义认为是反馈控制――信息处理的渐进适应性模式。
现在是急需寻求时空统一及相容行为机制的信息处理模式,但考虑到人脑神经网络的本质特征,这种统一只能是用空间模式统一时间模式,而不是相反。
智能机器是个超级复杂系统,理应以系统论、控制论、信息论及自组织等自然科学理论为基础,给出人脑、计算机及复杂系统的同构描述模型――综合优化各种复杂系统的结构与功能特征,而不是单纯地模拟人脑的结构与功能特征。
因具有不同点才能突破,就象人类模拟鸟飞的飞机,正因为与鸟不一样,才比鸟飞的更高、更远、更快、更能承重。
但目前智能模拟的理论与技术都是在不同的层面上进行研究的,处于互不相容的分离状态,需尽快给出综合统一的、系统级的自组织智能涌现原理或计算模型。
上述理论的分离是由认识论、本体论及方法论的分离造成的,表现在一部分人认为智能只能从分析出发,一部分人则认为智能模拟只能从整体出发。
但后者面临系统论、控制论与信息等理论的分离,再加上这些理论存在缺陷或悖论,因而导致不同层面的人工智能研究水平难以有大的突破,且不能统一。
具体表现是大多数人都用状态反推状态的转换规则,用状态反推功能或用功能反推规则,笔者则试图用规则确定状态关系或结构,用结构确定功能。
从智能机器的角度讲,其基础理论只能是一般系统论、控制论、信息论与自组织等自然科学基础理论的统一;是认识论、本体论、及方法论的统一。
这是因为单纯靠哪一个理论都不能全面解决智能机器问题。
为此我们给出了“准全息元数学模型”。
型反应整数之间加减运算关系;反应有理数之间的乘除、乘方开方、对数反对数运算关系;反应实数之间的乘方开方、对数反对数运算关系。
模型是组合数学及空间状态表示模型;是涌现性自组织原理模型;是人脑与计算机及复杂系统的同构描述模型;是有限与无限、有序与无序、确定性与非确定性、因果性与随机性的统一描述模型;是三论统一的定量形式化描述模型;是智能机器的数学理论基础。
关于三论合一,钱老很早就提出并有过论述。
三论统一的基础是同构,假设把系统参量看作一个集合,集合内参量的交互作用关系是系统的自组织自控制关系,这时集合的输出参量对等输入参量。
两个相同集合之间则施控参量同时是受控参量,如果把施控与受控参量看成是信息媒介,则系统参量=控制参量=信息单元。
而信息的存储结构,施控与受控参量结构与系统参量结构亦完全同构,这就是三论统一的基础,以往三论之所以各自为政,是因为各自的理论高度都难以统一其它两论,即都不能从高层次给出定量形式化描述模型。
如传统的系统论仅仅限于定性描述,对于系统自身的结构未能给出描述,因而对于系统为什么大于部分之和的突现原理,及系统为什么要突现?
系统突现的运作机制是什么?
能否用数学工具描述突现?
及如何制定描述大于部分之和的那些整体属性的科学方法等等问题,都无法给以回答及解决,导致系统悖论。
关键在于系统描述必须有具体参量及其关系――结构的描述,否则无法说明系统参量关系不可还原的自组织特性。
结构是状态之间交互作用的基础;是系统功能转换或信息转换的基础;是子系统功能耦合的基础,故结构描述在系统理论中必不可少。
而结构的创生一定要遵循某种结构法则――等价逻辑法则,而共性结构还是统一元数学、元逻辑、元算法的元数据结构。
复杂的结构决定复杂的功能,指望用简单结构模拟复杂功能并不现实,异构同构具有严格的条件限制。
传统的控制论仅仅涉及控制过程,且是单向过程,给不出施控主体及被控对象状态的内在联系及交互作用关系描述,因而对于控制系统本身的自组织机制,与控制对象的交互作用机制;实施控制的目的性;及控制参量的互为因果性等问题也都无法解决及解释。
传统的信息论亦仅仅涉及通信问题及过程,对于信源及信宿之间的同构关系,及信元之间的交互作用关系未能给出描述,因而对于信元及信宿的自身结构,信息交换前及交换后的存在方式,及信息意义在什麽基础上互相转换、互相交换等问题同样无法解决及解释。
因为系统参量等价信元,系统参量的交互作用关系就是信元交互作用的关系。
这种关系是信元互补定义、互相定义的基础;是信元存储、转换、交换的基础。
所以,复杂系统产生特定的功能,除具有参量关系结构以外,还一定要有信息的作用。
准全息元数学模型以逻辑可逆及互为因果关系为基础,可使运算、交换、控制功能统一,以此为基础可使符号机制、行为机制与控制论机制相容。
四、联结主义原理
智能系统原理即状态的自组织原理;对状态进行逻辑组合与分解原理;编译码原理;模/数、数/模转换原理;光电、声电、电磁等转换原理;及子系统功能互补及交互作用原理;状态互补定义、代偿定义及交互定义等等原理的总和。
其中最重要的是信元的自组织原理,及在此基础上的结构计算原理。
目前的计算机可以说是只涉及一个功能层次的状态转换器,没有与子系统的状态转换机制统一;没有与背景记忆状态的自组织原理有机地统一,因而很难有效地体现人脑智能。
联结主义方法:
80年代以后,人工智能学界发生了一场人工神经网络的"革命",使得联结主义方法对符号主义方法产生了很大冲击。
区别于符号主义的物理符号系统假设,联结主义认为人类的认知活动主要基于大脑神经元的活动。
如果说行为主义侧重研究感知和行动之间的关系的话,联结主义方法则以人工神经网络和进化计算为核心。
早在1943年,由生理学家和数理学家创立了脑模型,从神经元开始研究神经网络模型利脑模型,开创了用电子装置模仿人脑及其功能的新途径,成为人工智能的又一发展方向。
在神经网络中,知识是由网络的各个单元之间的相互作用的加权参数值来表征的,这些加权参数对以是连续的。
网络的学习规则次定于以这些连续参数为数值的变量的活动值方程,人工神经网络向仿生学方向迈出了一大步,光照室从微观上接近了人脑的神经元构成,变化为现在的智能人工气候培养室。
其主要技术特征表现在三个方面:
分布式的信息存储和大规模的并行处理、良好的自适应和自组织性、很强的学习功能和容错功能。
联结主义方法中另一个典型结构是反向传播模型。
反向传播模型属于误差修正型学习,由输入的正向传播和误差的反向传播两部分组成。
最近几年来,反向传播神经网络模型在模式分类、模糊控制、残缺信息恢复、函数逼近等方面得到了成功应用。
联结主义方法研究的人工智能问题还是人类智能中的一个狭小的范畴。
从生命科学、脑科学、认知剧学、语言学、哲学、数学、心理学等更广泛的角度看人的智能,尤其是不确定性智能和体现整体智能的网络拓扑还没有很好的触及。
1、状态逻辑相关原理
一切事物都与一切事物有关”,它被科莫涅尔称之为“生态系统中最重要的一条规律”。
这种既有竞争又有合作,包括相互需要和满足的关系,是复杂系统产生大于部分功能之和的现实基础。
自然系统作为一个有机整体,它的每个组成部分和功能发挥对维持整个系统的稳定与和谐,以及对于其它组成部分的存在和功能发挥,都有程度不同甚至是无可替代的意义。
自身所在的那个更大系统的稳定与发展,以及相关系统(包括相互竞争的、相互抑制的系统)的存在与功能发挥,乃是一个系统存在和发展的前提条件和根据。
正是意义之间的相互作用、反馈循环,使得系统参与到所在的世界中,通过交互作用为自己开辟新的可能性,也通过反馈放大机制不断地为自身确立存在条件和根据。
“关于生命、进化和精神发展等难以置信的事情,都是通过这样的相互作用得以产生,系统也不断地超越自己而进化发展。
2、自组织功能耦合原理
智能机器最起码要有三个功能层次:
①核心功能耦合层――涉及状态转换或功能耦合原理;信元之间的交互作用原理。
②子系统功能层――涉及状态检测原理;模/数、数/模转换原理;光电、声电、电磁等转换原理。
③编译码功能层――涉及译码编码原理,及多种码制之间的转换原理。
其中最重要的要属状态的逻辑转换层,相当于中枢神经网络。
它涉及整个系统的核心信息处理机制;涉及子系统之间的通讯、控制及反馈机制;涉及信元的交互作用机制;涉及系统的自组织结构及存储记忆机制。
上述机制并非独立各自解决问题,必然具有统一性。
没有传感及效应子系统的智能系统是不可思议的,因智能系统必然是多子系统功能的耦合系统,其信息意义及行为意义只能通过具体的子系统功能体现。
但若干子系统必然要通过功能耦合媒介耦合在一起构成复杂系统,通过功能互补增加系统适应环境及反作用能力。
任意两个输入总能决定一个输出,各口之间经过反馈可构成互为因果超循环网络。
它由三个子原理构成:
①参量有序扩展原理,它决定了系统参量可按某种类型有序“生长”,如自然数按0、1、2、3、4……的顺序延伸“生长”。
②参量逻辑关系内涵与外延的一致性原理。
因系统建构必须遵循某种规律或法则,如任意两个整数按加减运算法则,可确定与另一个整数的和差运算关系,且在整数集范围内可始终一致有效外延。
③参量互为因果及互补作用原理,它决定了参量关系的互补性及自组织,其参量之间均按加减运算法则建立互补或互为因果关系,使若干子系统在运算、交换及控制功能一体化的基础上整合为一个复杂系统。
3、准全息信元逻辑内涵与外延一致性及多元相容性原理。
因系统是在与环境的双向作用过程中顺应与同化建构,其中顺应具有突变性──意味着系统参量作用关系的改变,同化则具有渐变性──意味着系统参量的增加。
但不论是同化还是顺应,都有一个体现逻辑内涵与外延一致性的建构法则,保证处理功能的准完备性或准全息性要求。
至于多元相容性是指状态的逻辑转换可分为不同的逻辑层次及不同的类型,各层次类型之间即有相对的独立及统一相容性,如加减相容于乘除,乘除又相容于乘方、开方对数反对数运算,与此相应的整数集相容于有理数集、有理数相容于实数集。
目前,所有人工系统都是按确定性规则精确重复设计和制造的,至今还没有制造出一种东西遵守非确定性规则。
生命和智能遵循可扩展的互为因果律――体现确定与非确定的统一性;如1÷7的值是永无穷尽的,但通过空间状态表示法,即能体现运算关系的确定性,又能体现取值范围的无穷性。
在此基础上取任意精确值,只需增加循环周期即可,而不再进行实质性的运算。
至于可扩展的互为因果关系,只能以整数、有理数、实数及超越数的基本运算关系为基础进行描述,其状态转换亦不能超脱加减乘除、乘方开方、对数反对数这一元逻辑范畴,因而这一元逻辑即是状态转换的法则,同时是智能系统的自组织建构法则。
智能无非是基本概念的选择、组合、分解及重组,作为神经网络的动力学过程而言,都是由反馈调节贯穿始终的信息流动及自组织过程,或时空模式转换过程。
如模型的加减乘除、乘方开方、对数反对数运算功能,适应不同形式编译码的直接转换输入输出,这相对于冯机的二值状态加法移位,更能满足通用性要求。
智能系统状态具有无穷性,要求状态转换具充分复杂性,且一定要在与客观世界同构的基础上处理无穷信息。
五、联结主义中智能机器的物理实现
联结主义理论中智能的核心机制可以集中为一条――状态转换,涉及状态组合与分解;一多编码转换及多一译码转换;模/数、数/模转换;光电、声电转换、电磁转换等等。
而状态转换的物理形式可以说数不胜数,但一定要通过编译码,且一定要“量化”,具有模数及时空统一性。
状态之间一定要有内在联系,否