一种仿脑计算虚拟化的方法和系统的制作方法
【专利摘要】本申请涉及一种仿脑计算虚拟化的方法和系统。仿脑计算是仿效人脑而自动产生智能的科技，如何使用计算机软件方法和虚拟化技术来实现，是本发明所关切的。本方法利用无意识引擎和有意识引擎来定义人的左脑和右脑，使用软件虚拟化的技术运行在未来的硬件科技，例如量子电脑或分子电脑上。其应用的领域包含绝热量子模拟，无意识和有意识的自主计算应用，涌现通讯的应用，以及仿脑灾备系统。
【专利说明】一种仿脑计算虚拟化的方法和系统
【技术领域】
[0001]本申请涉及仿脑计算虚拟化的领域。
【背景技术】
[0002]专家系统和业界问是页
[0003]在80年代风靡一时的人工智能，开展了 “专家系统”的使用。这些专家系统仰赖知识工程师输入规则，形成规则库，用以解答各种专家问题。例如企业灾备专家系统可以有个规则“如果CPU长期处于95%忙碌的状态，则资源应该进行调整”。但这个规则必须仰赖知识工程师的人脑输入，而非自动产生的。此外，对于“如何处理银行系统突然停机？ ”这样的问题，专家系统可以预备答案，但永远没法自动产生如下创意性的回答:“昨天是长假的开始，是不是可能有人在返乡前匆忙修改了系统设置，导致停机？ ”或对于“灾备系统该怎么设计才不会导致停机灾难？ ”这类问题，传统的专家系统也无法自动组织、输出企业灾备系统的工程设计。所以，业界一直未能解决的技术问题是:
[0004]“计算机系统如何自动产生有创意的智能？ ”
[0005]例如，找到问题原因；做一个设计；或产生一个能改进自己的系统。
[0006]IBM从2000年开始推行的自主计算，模仿人脑的执行功能:监视、分析、计划、执行，也无能力产生创意智能。其间，机器学习如人造神经网络(Artificial Neural Net)或符号计算等人工智能科技，在吸收知识和少许有限的产生智能方面也并无突破。2006年，IBM的Watson专家系统击败jeopardy的真人专家算是出色了。Watson输入了 2亿网页内容，包括全部的维基百科，所以能针对问题回答。我们认为Watson在建立语义网络上有很大进步，但Watson还是不能产生真正的创意、智能。即使如此，IBM在2012年推出的IBMPureSystem 和 Expert Integrated Systems 已将 Watson 专家系统融入了她的 SmartCloud产品中。这种现代专家系统，能够辅助云计算复杂的资源部署，优化工作负荷。但是未必能产生智能，自动改进自己。同样，MIT的Bliss和Hoffman专利USA Patent US7983890,对于多核计算的性能问题使用智能方法观测、决定、行动(Observe, Decide, Act或0DA),也只是利用了预先设定的方法优化性能，而不能创意性的自改进。
[0007]暈子意识
[0008]Kauffman 2011年的专利申请US 2012/0071333A1提到人脑的思维可以经由自组织和涌现方式产生，他并且认为传统计算机的速度并无法和人脑相比，必须用到分子电脑或量子电脑。所以“量子意识”的方法可能产生像人脑的思维，这是一个突破。Kauffman解决了困扰人工智能科学家的以下两个被认为是极困难的技术子问题:
[0009]绑定问题一(俗称Binding Problem I或BPl):所有的专家知识或专家智能都会遭遇到下列问题:如何预测知识？如何将知识分类？和如何从“类似”的知识产生新概念？而一般认为这是不可能达到的事。Kauffman的解决方案是，既然我们无法预测所有的可能知识或智能，加以分类，从相似性得到新智能，解决方法就是仿效大自然的自组织定律，例如冬天的雪花飘落时，会形成美丽的六角形，是自组织的结果，由此假设智能也可以经由自组织产生。例如 IBM 美国专利，〃Self-aware and self-healing computing system",US7484121,就是这类的数学理论,但与Kauffman —样,这些专利均未提出采用计算机软硬件实现的技术手段。
[0010]绑定问题二 (俗称BP2):更基本的问题是，究竟肉体的人脑如何产生抽象的智能？电脑又如何仿效人脑产生智能？ “量子意识(Quantum Consciousness)”解答了这个问题:传统的电脑(位元bit=0和I)产生智能的效率不彰，要靠量子电脑(量子位元qubit=向量和张量)或分子电脑才能产生。Kauffman在他的专利中将涌现论嵌入量子图灵机Trans-Turing System (TTS),这确实是一大进步。但近代量子计算机使用拓扑量子计算(topological quantum computing)的辫结(Braiding)方法来纠正错误，已使得TTS的重相干(recoherence)完全没有必要。再者，Kauffman也没提到用计算机软硬件的技术手段来实现。
[0011]Kauffman的其它问题:
[0012](I)如何可以确定“红”，“蓝”，“三角形”，“正方形”的配对，例如为何是“红色的三角形，蓝色正方形”，而不是“蓝色的三角形，红色正方形”？这个问题Kauffman也没有明确解决方案。但一个新的领域“量子认知(Quantum Cognition)”解答了这个问题:一个思维概念其中的重要元素，可以用量子认知度量得知其合理性、该思维中的各元素组合之后的合理性，及其智能级别。请参考Aerts2012 “Concepts and Their Dynamics:AQuantum-Theoretic Model of emergence，，一文。
[0013](2)量子意识的另两位大师:Henry Stapp和Jeffrey Schwartz扩充VonNuemann量子过程1，2为过程0，1，2，3 (称之为vNs过程)时，提到自由意志如何影响量子的测量问题。他们认为，神经递质的是否释放，受到自由意志，或专注力的影响。请参考 Schwartz2004 “Quantum physics in neuroscience and psychology:model ofmind-brain interaction” 一文。Kauffman对于自由意志的介入没有明确解决方案。
[0014](3)神经递质的释放是否真的和智能有关？根据美国亚利桑纳大学意识研究中心副主任Stuart Hameroff的实验研究,必须要有同步振荡的Gamma射线传播,才有真正智能的传递和纠结。可参考Hameroff2010“The conscious pilot:dentritic synchrony movesthrough the brain to mediate consciousness” 一文。Kauffman 和 Schwartz 所述的突触释放神经递质只是化学传递，传递的信息还不是真正智能。
[0015]其它方案
[0016]目前所谓的生物启发认知结构(biologically inspired cognitivearchitectures或BICA)，几乎全部是在传统电脑上运行，并未考虑在分子或量子的硬件上运行所需要的技术手段，也未必支持量子意识的内涵。还有所谓有机计算(Organiccomputing)容或使用涌现模性，但均未考虑类似量子意识、量子认知以及最根本的量子图灵模型。我们认为这些结构如果不从根本着手，完全无法产生创新的思维。
[0017]以上所述理论，如涌现论、量子意识、量子认知，尽管在科学界多有辩论，但所提供方向的正确性仍然不变。只是，如何从计算机科学的工程角度使用技术手段融合他们却看不到，更遑论工程实现后的应用系统了。实现量子意识工程方法其中的困难之一，就是量子电脑的硬件，至今多半还在实验室中，而纯量子计算图灵机方面，例如日本TanakaUS7400282 B2的专利，已经涉及工程方法，但也不能解决量子意识面对的问题。至于Yoder的已公开专利申请US2011/0140736A1“Systems and Methods of Brain-like InformationProcessing”完全从逻辑电路的硬件角度作仿脑的设计，而不像本专利乃是从虚拟化、软件角度出发，硬件设计不是重点。
[0018]“仿脑”一词
[0019]最后，量子意识或量子认知理论只是被我们使用的实施例，而实际可能还有其它方法(譬如分子计算)。既然我们的方法是一般性的，此后我们就用仿脑涌现论、仿脑意识、仿脑认知三个名词来取代上述三个理论。“仿脑”一词，在本发明中有着宽广的意义:它可以是情感引擎、有意识引擎和无意识引擎的通称，也可以是传统计算、量子计算和分子计算的混合解决方案。
【发明内容】
[0020]本发明涉及仿脑计算虚拟化的领域。仿脑计算是仿效人脑而自动产生创意智能的科技。如何使用计算机技术手段和虚拟化软件来实现，是本发明所关切的。本方法利用无意识弓I擎和有意识弓I擎来定义人的左脑和右脑，使用软件虚拟化的技术运行在未来的硬件科技，例如量子电脑或分子电脑上。其应用的领域包含量子门和绝热量子模拟，无意识和有意识的自主计算应用，以及涌现通讯的应用。
[0021]对传统计算而言,所谓虚拟化是指在计算机操作系统(Operating System,或OS)和传统硬件之间，插入一个虚拟层，也就是虚拟机监视器(Virtual Machine Monitor,或VMM)。这个概念在仿脑计算的情况，就是在仿脑OS和仿脑硬件之间，插入仿脑VMM。在仿脑硬件之上运行仿脑VMM，在仿脑VMM之上，运行仿脑OS。由于仿脑硬件也包括了传统硬件，仿脑VMM既支持运行意识引擎的网状调度器，也可以支持传统的CPU平行计算调度器，所以，除了仿脑引擎OS，传统OS也可以运行在仿脑VMM之上。
[0022]仿脑VMM根据已有的主观经验，利用微观涌现模型产生新的思维，称之为仿脑思维体(Brain-like Concept Entity,以下简称BCE)。BCE经过意志力和仿脑仿真器的纠结运作，在有意识引擎的OS中被认知(区别、解释、得到语义和意义)、被判定其智能级别后，BCE的信息被存储在仿脑思维网络(Brain-like Concept Network,以下简称BCN)中，变成主观经验，并以虚拟仿脑状态机更新有关该BCE的元数据和状态值。这个主观经验可以再度被仿脑VMM利用微观涌现模型产生新思维，这个过程循环不已，逐渐发展成成熟的思维和一系列的思维。
[0023]本发明的方案涉及下述几个方面:
[0024]一种在流程运行环境中进行仿脑计算虚拟化的方法，其中所述流程运行环境具有纵向架构与横向架构，所述纵向架构包括情感引擎、无意识引擎、有意识引擎，而所述横向架构包括仿脑应用层、仿脑操作系统/仿脑虚拟机监视器(0S/VMM)层、仿脑硬件层，其特征在于，所述方法包括:
[0025]在仿脑OS/仿脑VMM层上运行两类循环:
[0026]从无意识引擎OS酝酿混沌概念，之后进入仿脑VMM的第一类仿脑循环:执行BPl解决方案，其中，在仿脑VMM里，微观涌现模型利用所述混沌概念和/或外来刺激产生单一操作对象或近端/远端纠结对象，如果仿脑思维体(BCE)的状态仍为混沌，虚拟仿脑状态机(VBSM)创建元数据和无振荡网络模型节点，接受仿脑VMM平行运算调度器的指派，离开仿脑VMM，最后回到无意识引擎OS;
[0027]由有意识引擎提供主观经验，进入仿脑VMM的第二类仿脑循环:
[0028]步骤1，执行BPl解决方案，其中，在仿脑VMM里，微观涌现模型利用所述主观经验和/或外来刺激产生单一操作对象或近端/远端纠结对象，如果BCE的状态为有序或临界状态，进入BP2解决方案；
[0029]步骤2，在BP2解决方案里:(I)分解BCE，进入冯诺依曼循环；(2)在冯诺依曼循环里，若BCE为吸引子，经历冯诺依曼过程2然后冯诺依曼过程1，在强意志力坚持下，度量到纠结结果；否则，弱意志力介入，仿脑图灵机循环的冯诺依曼过程2然后过程1，但过程I的度量只有弱意志力的坚持，如果意志力允许，BCE离开冯诺依曼循环，继续仿脑仿真器循环；(3)执行纠错，消除并纠正可能发生的仿脑错误；(4)虚拟仿脑状态机(VBSM)，创建元数据和同步的网络模型节点；(5)调度器接受VMM网络运算调度器的指派，离开仿脑VMM，进入有意识引擎OS;
[0030]步骤3，执行仿脑认知，在有意识引擎OS中，若输入是建立事件、或建立语义，则执行有意识引擎OS的仿脑认知；
[0031]步骤4，智能评估，进行涌现观念的智能等级评估；
[0032]步骤5，完成循环并存储BCE，包括可选择输出BCE的效应；可选择执行宏观涌现模型的涌现通讯，最后以新的BCE的主观经验再进入仿脑VMM。
[0033]一种在量子计算环境下实现量子门仿脑仿真的方法，其中使用绝热量子方法时，仿脑仿真器只是模拟器，其特征在于:
[0034]通过vNs过程O在有意识引擎OS形成主观经验，在情感引擎形成意志力，进入仿脑仿真器后，循环vNs过程2和过程1，不断形成BCN网络结点，把BCE信息分别出来后，送给有意识引擎OS，在引擎OS那里做量子认知的vNs过程3，过程如下:
[0035]步骤1:接受感情认知模型输出的主观经验与意志力；
[0036]步骤2:分解量子纠错成为逻辑量子位元及逻辑量子门；
[0037]步骤3:以物理控制顺序，保持逻辑量子位元和量子门；
[0038]步骤4:仿脑图灵机的循环，并执行以下子步骤:
[0039]子步骤41:存储物理量子信息；
[0040]子步骤42:冯诺依曼过程2:单一操作和/或纠结；
[0041]子步骤43:冯诺依曼过程1:物理度量；
[0042]子步骤44:由意志力判断是否继续仿脑图灵机的循环，若是，继续子步骤41，否则离开循环进入步骤5:
[0043]步骤5:逻辑度量，消错；
[0044]步骤6:辫结/纠错；
[0045]步骤7:透过仿真量子交换器，把信息送到有意识引擎；
[0046]步骤8:经过有意识引擎的量子认知模块，和/或无意识引擎的混沌酝酿，回到步骤I。
[0047]一种在量子计算环境下实现绝热仿脑仿真的方法，其中使用绝热量子方法时，仿脑仿真器只是模拟器，其特征在于:
[0048]在实施冯诺依曼过程2时，虚拟收缩理论下的网络同步快过“赢家全拿”，这是虚拟化对BCN网络的影响，当BL OS或BL VMM本身需要迁移时，已量子纠结的数据利用量子瞬移迁移量子位元，如果数据为传统数码数据，可以利用传统和量子数据之间的转换指令(3031)，实行转换再迁移，如此，传统虚拟机镜像和量子虚拟机镜像可通过上述两种方式混合后的量子通讯法加速迁移；此外，绝热仿脑量子系统重复使用资源，已纠结的量子必需去纠结，而意识引擎必需产生新的网络节点，类似于神经元的神经发生；
[0049]在实施冯诺依曼过程I时，用非绝热门作为探针并度量，节省量子计算资源，实施时，绝热模式将η个量子位元，K个体的互动的祀目标汉弥尔顿，映射为2个体的互动，因而计算时，还可采取绝热与非绝热的混合模式式:使用绝热寄存器为模拟寄存器，而使用非绝热量子门为探针寄存器，以节省量子门硬件资源；
[0050]绝热式演化在“再进入循环”中产生几何相位，对多个非线性耦合振荡器，可以度量其吸引子；
[0051]在智能提升器中，绝热式的简并使用多个特征(eigen)状态值，从V Utl)到Ψ (tn)，来强化系统的鲁棒性和复杂性；
[0052]其中，仿脑VMM运行有关意识的量子算法时，若非使用新量子算法，则传统人工智能法必须转换成量子算法，此种转换工具也适用于非仿脑量子算法。
[0053]仿脑自主计算(Brain-like Autonomic Computing)系统.[0054]仿脑计算虚拟化的方法，可以成为无意识和有意识引擎的基础。在这两个引擎上，分别建立多层应用体系。我们认为传统的的自主管理软件MAPE的元件就是无意识引擎的多个应用层:从底层的监视一分析一计划一到最上层的执行。但是这些无意识引擎应用层还可以在外循环、内循环、里循环的时候，从相应的有意识引擎应用层得到创意帮助。这些帮助包括:数据挖掘/意义分析模型、创意决策工程、创意执行等应用层。
[0055]多核计算集群( Multicore Computing Cluster)的仿脑件倉R服务系统.[0056]优化多核计算机集群的性能，可以在集群中一个机器上安装量子配件，实现量子绝热计算。优化性能的算法可以经过仿脑计算虚拟化逐渐从现有方法改进。仿脑VMM的特点是它可以被安装在集群中的每一个节点上，经过VMM之间的通讯将各机器的性能数据传至绝热量子配件上加以计算，及时、有创意地调整各机器的工作负荷。
[0057]仿脑软件开发和服务交付系统
[0058]本发明将信息产业的服务交付系统和软件工程系统应用在仿脑计算虚拟化的技术上。两个系统的子流程都具有强涌现、次强涌现、弱涌现、次弱涌现的特征，必须通过意志力在仿脑仿真器中强调。这样可以增进该两系统的成功机率。微观涌现模型和宏观涌现模型都提供相应的BCE智能级别的评价。
[0059]仿脑灾备系统
[0060]从相应的有意识引擎应用层得到创意帮助。这些帮助包括:黑天鹅理论模型、决策工程、临界执行等应用层。仿脑灾备系统可以利用量子通讯在平时或灾难时迁移仿脑OS和仿脑VMM。仿脑OS包括传统虚拟机和量子虚拟机。由图18A和18B可以看出这个例子已能找到问题根本原因(图18B有关情节事件的记录、分析与自萌发)；已能做一个设计(图18A方框181);或产生一个能改进自己的系统(图18B方框18213)。所以,仿脑灾备系统已是一例，能回答在【背景技术】一栏中业界无法回答的问题:
[0061]“计算机系统如何自动产生有创意的智能？ ”【专利附图】
【附图说明】
[0062]图1是仿脑计算的应用层、0S/VMM层、和硬件层的结构框图；
[0063]图2A是仿脑计算虚拟化方法的流程图，以流程方式说明图1;
[0064]图2B是两类仿脑循环；
[0065]图3是仿脑VMM的结构框图，说明图1里的方框1024的细节；
[0066]图4微观涌现模型的结构框图，说明图2的步骤204和图3的方框301;
[0067]图5是循环式仿脑思维网络(BCN)的构建图，以示意图方式说明图3在多次循环的各阶段所形成的BCE的网络；
[0068]图6是意志力/主观经验的操作模型的结构框图，说明图3的方框3013 ；
[0069]图7是虚拟仿脑状态机的流程图，说明图3的方框304;
[0070]图8A是发信与量子意识的类比图，以示意图方式说明两者之间的类似；
[0071]图SB是收信与量子意识的类比图，以示意图方式说明两者之间的类似；
[0072]图8C是智能级别提升器的流程图，是图8A与图8B的一个实施例；
[0073]图9A是仿脑仿真器循环和仿脑图灵机循环量子门系统框图，是以仿真量子计算设备“量子门”来实现图8A，图8B，与图8C ；
[0074]图9B是仿脑图灵机循环绝热模式系统框图，是以仿真量子计算设备“绝热式”来实现图9A的方框921和922 ；
[0075]图10是仿脑计算的操作系统(OS)的结构框图，说明图1里的方框1021，1022，和1023 ；
[0076]图11是仿脑认知的流程图，说明图10里的方框100241和100242 ；
[0077]图12是目标语言的流程图，说明图10里的方框100243 ；
[0078]图13是仿脑内存的流程图，说明图10里的方框200223和100224，以及图3里的方框308 ；
[0079]图14A是仿脑OS宏观涌现模型的架构框图，以架构方式说明图10里的方框100221 和 100222 ；
[0080]图14B是仿脑OS宏观涌现模型的流程图，以流程方式说明图10里的方框100221和100222，以及图2里的步骤218 ；
[0081]图15A是仿脑自主计算系统的架构框图；
[0082]图15B是仿脑自主计算系统的结构框图；
[0083]图16是多核计算机集群的性能服务系统的架构框图；
[0084]图17信息产业涌现网络系统架构图；
[0085]图18A是关键使命的灾备系统的架构图；
[0086]图18B是灾备系统工程设计架构图的一个样本；
[0087]图18C是灾备系统的0S/VMM层的功能模块。
【具体实施方式】
[0088]在
【发明内容】
部分中所述的以上各种发明概念均可分为方法的发明和系统的发明。详情见下表:[0089]
【权利要求】
1.一种在流程运行环境中进行仿脑计算虚拟化的方法，其中所述流程运行环境具有纵向架构与横向架构，所述纵向架构包括情感引擎、无意识引擎、有意识引擎，而所述横向架构包括仿脑应用层、仿脑操作系统/仿脑虚拟机监视器(OS/VMM)层、仿脑硬件层，其特征在于，所述方法包括: 在仿脑OS/仿脑VMM层上运行两类循环: 从无意识引擎OS酝酿混沌概念，之后进入仿脑VMM的第一类仿脑循环:执行BPl解决方案，其中，在仿脑VMM里，微观涌现模型利用所述混沌概念和/或外来刺激产生单一操作对象或近端/远端纠结对象，如果仿脑思维体(BCE)的状态仍为混沌，虚拟仿脑状态机(VBSM)创建元数据和无振荡网络模型节点，接受仿脑VMM平行运算调度器的指派，离开仿脑VMM，最后回到无意识引擎OS ； 由有意识引擎提供主观经验，进入仿脑VMM的第二类仿脑循环: 步骤1，执行BPl解决方案，其中，在仿脑VMM里，微观涌现模型利用所述主观经验和/或外来刺激产生单一操作对象或近端/远端纠结对象，如果BCE的状态为有序或临界状态，进入BP2解决方案: 步骤2，在BP2解决方案里:(I)分解BCE，进入冯诺依曼循环；(2)在冯诺依曼循环里，若BCE为吸引子，经历冯诺依曼过程2然后冯诺依曼过程1，在强意志力坚持下，度量到纠结结果；否则，弱意志力介入，仿脑图灵机循环的冯诺依曼过程2然后过程1，但过程I的度量只有弱意志力的坚持，如果意志力允许，BCE离开冯诺依曼循环，继续仿脑仿真器循环；(3)执行纠错，消除 并纠正可能发生的仿脑错误；(4)虚拟仿脑状态机(VBSM)，创建元数据和同步的网络模型节点；(5)调度器接受VMM网络运算调度器的指派，离开仿脑VMM，进入有意识引擎OS; 步骤3，执行仿脑认知，在有意识引擎OS中，若输入是建立事件、或建立语义，则执行有意识引擎OS的仿脑认知； 步骤4，智能评估，进行涌现观念的智能等级评估； 步骤5，完成循环并存储BCE，包括可选择输出BCE的效应；可选择执行宏观涌现模型的涌现通讯，最后以新的BCE的主观经验再进入仿脑VMM。
2.根据权利要求1所述的方法，其特征在于: 所述情感引擎是有别于生物进化系统的引擎，主宰仿脑系统的意志力；所述无意识引擎和有意识引擎仿效人的左右脑分离，无意识引擎具有传统电脑的逻辑思维，也就是仿效左脑，而有意识引擎具有量子电脑或分子电脑的非逻辑思维，也就是仿效右脑； 所述仿脑应用层包括4个象限:D象限有意识引擎的涌现事实，实现非逻辑分析、计划、决策、和执行功能，I象限有意识引擎的涌现社交，处理非逻辑社交基础及行为，S象限无意识引擎的逻辑社交，处理逻辑的社交基础及行为，C象限无意识引擎的的事实，实现逻辑分析、计划、决策、和执行的功能，此外仿脑应用层还包括感情引擎的个人感情应用和社交感情应用；所述仿脑操作系统/仿脑虚拟机监视器OS/VMM层处理仿脑思维网络(BCN)中的节点，仿脑思维体(BCE);而所述仿脑硬件层包括传统电脑、量子电脑或其机件、分子电脑或奈米机件的共同组合。
3.根据权利要求1所述的方法，其特征在于，所述仿脑VMM包含下列组件: (I)微观涌现模型；(2)感情认知模型； (3)虚拟仿脑状态机； (4)微观记忆系统； (5)代理及价值系统，包括中央控制系统，人际运算管理模块，PEP/PDF/Hyperbus资源消耗表； (6)仿脑仿真器，包含仿脑仿真循环、指令集、仿脑仿真通讯、仿脑仿真内存管理单元； (7)仿脑调度器，支持无意识引擎的平行运算和有意识引擎的网络运算； (8)智能提升器，借助外部刺激、意志力和内部简并架构来提升智能级别； 所述微观涌现模型和代理/价值系统的组合称为仿脑VMM内核，仿脑OS/VMM层可以有三种设计:松耦合、中耦合、紧耦合，其中，松耦合设计是将所述内核置于仿脑仿真器之外，中耦合设计是将所述内核置于仿脑仿真器内，而在仿脑图灵机之外，紧耦合设计是将内核置于仿脑图灵机之内，后两种设计都有类似松耦合的两类仿脑循环。
4.根据权利要求2所述的方法，其特征在于: 多个BCN可以是并发的，任意时刻都有许多的BCN同时运行；多个BCN之间可以横向联结，利用“连接柱”连接在不同层次，不同维度的BCN网络；其中，BCN可以由涌现数学制模，网络中的每个BCE具有混沌、有序或临界的各主要智能状态，其中混沌BCE仿效各别的神经元放电和整合，不具备意识的思维，有序和临界的BCE则是有意识思维，靠同一频率振荡，智能级别的提升有赖于所述BCE状态的升级，使用并改进苍田数学模型或 Hodgkin-Huxley数学模型，可以辅助提升BCE状态和智能。
5.根据权利要求3所述的方法，其特征在于，所述微观涌现模型执行下述步骤: 建立动态系统的差分或微分方程式，接受从无意识引擎来的混沌概念或有意识引擎来的主观经验作为BCE ； 接受外界刺激为动态系统的揽动力，调整动态系统； 利用自组织方式产生新的BCE信息，其中在初始第一循环中产生单独操作的对象，在其后循环中再产生与已有的BCE纠结的近程或远程的新BCE对象； 如果BCE的状态为混沌，情感认知模型(ACM)的意志力决定是否坚持度量方向:(1)如果坚持，在每次循环中逐渐积分动态系统的方程式，建立网络节点，在非同步网络中延伸，最后回到无意识引擎；(2)否则无意志力，无作用； 如果BCE的状态为有序或临界，微观涌现模型预备近端或远端纠结对象，接受情感认知模型的意志力输出，进入仿脑仿真器； 其中如果BCE的状态为有序，实现横向同步，进入仿脑图灵机； 如果BCE的状态为临界，验证其为局部或全局的盆地吸引子，实现局部或全局同步，进入仿脑图灵机； 透过微观输出接口，有意识引擎可以传递指令给无意识引擎，为无意识BCE升级至有序状态，透过微观输入接口，无意识引擎可以将程序运行结果发给有意识引擎，并告知无意识BCE的状态。
6.根据权利要求3所述的方法，其特征在于，所述情感认知AC模型执行下述步骤: 接受从情感引擎OS而来的心理框架和情绪的输入； AC模型把基于前景理论的主观价值函数，扩充为经验-实用函数，以及预测-实用函数，假设在持续不断的决策中，这些主观的价值函数的形状和参数是随着决策者的情感状态和对工作的信心而变； AC模型的输出为一种经过理性经验判断得出的意志力，它决定BCE单元操作或纠结的时空深化程度，类似神经元决定是否释放神经递质/离子，或伽玛同步的缝隙连接的开或关; 所述意志力会受到中央控制系统的影响，这种影响是基于奖励功能，中央控制系统可以随选地接受外界控制，如果无意识引擎，有意识引擎和情感引擎组成一个相当于一个人脑的仿脑引擎的集合，中央控制系统可以控制多个运行其上的相当于多个人脑/多个自我的集合。
7.根据权利要求3所述的方法，其特征在于， 所述虚拟仿脑状态机提供下列写入和读出功能=(I)BCE的系统状态值:已初始化、已纠结、已专注、去纠结、失忆；以及智能状态值:不连接混沌、连接混沌、初始有序、高度有序、局部临界、全局临界，(2)如果是实现量子计算，度量BCE数据的可信度，(3)辅助BCE网络节点建立的数据和 元数据，和(4)辅助BCE数据库搜索的数据和元数据。
8.根据权利要求3所述的方法，其特征在于，所述指令集包含如下仿脑指令: (1)动态增加BCE的指令:取代传统CPU的中断，中断没有必要，但必须立即增加一或多个BCE或BCN的子网来处理BCE新思维，这样可以避免区分同步和异步的操作； (2)传统数据和量子数据之间的转换指令:传统数码O与I的数据可转换成量子位元的数据，或从量子位元转换为传统数码数据，若有必要，传统数码O与I的数据先转换成分子或原子计算的数据，再转换成量子位元数据，从量子位元转换为传统数码数据亦然； (3)产生BCE的指令:这些指令配合高层OS产生BCE，当硬件为量子计算机时，可以与远端量子纠结； (4)无意识混沌酝酿指令:这些指令配合高层OS混沌酝酿功能，实现类似人脑的放电和整合的无振动网络处理； (5)主观经验输入指令:主观经验作为冯诺依曼过程2的输入； (6)意志力输入指令:意志力/专注力作为仿脑图灵机的输入，意志力代表外界“量子实验度量者的特质”； (7)纠结BCE的指令； (8)仿脑VMM和仿脑引擎OS之间的模式切换指令； (9)微观涌现模型的接口指令子集:可以包括松耦合设计时VMM内核与仿真器在BCN上的切换，数学模型的接口，包括自相似，以及微观输入和输出接口。
9.根据权利要求1所述的方法，其特征在于，所述仿脑OS包含以下4个元件: (1)无意识引擎的OS，包含马可夫和非马可夫机器学习的方法库、混屯概念酝酿模型的驱动、以及传统电脑语言； (2)有意识引擎的OS，包含仿脑认知、评价智能级别的元件、以及目标语言； (3)情感引擎的OS; (4)各引擎的OS共享元件，包含仿脑内存和仿脑通讯，仿脑内存包含陈述性的语义内存和情节内存，和非陈述性的程序内存；仿脑通讯包括宏观涌现模型的强、弱涌现通讯，和社区通讯发现方法。
10.根据权利要求9所述的方法，其特征在于: 所述仿脑认知以下列方法定义智能级别: (1)以合理性度量单一操作的BCE智能级别； (2)以意义、相干性，贝尔不等式的违反性为被纠结的BCE度量智能级别； (3)以干扰图形解释和重叠为被干扰的BCE度量智能级别； (4)以身份、个别性，微观/宏观薛丁格猫，为多于2个BCE度量智能级别； 利用所述智能级别的定义，运行Graver算法，从数据库抽样比较智能级别； 将传统语义分析结果输入数据库，所述分析包含语法解析、语义解析、角色加标签、和去语义不清。
11.根据权利要求9所述的方法，其特征在于， 所述目标语言是OS产生并控制智能思维的高等语言；目标语言本身可以用目标语言编写，但最终是基于仿脑指令集； 所述目标语言具有类似传统电脑语言的句法和语义分析，该语言的运算主体含以下逻辑:首先定义或接受应用所订立的目标；其次向上编程:利用“向上调度(upcall)”检查当前的操作是否符合目标，若否，则作适当修正； 所述目标语言提供三种接口: (1)人机接口，包 括程序员提供强化学习、天赋、经验、应用程序输入、自动输入和其它外界刺激输入； (2)元件库接口:提供涌现通讯接口、与包括非陈述性内存和陈述性内存的仿脑内存交流的仿脑内存接口以及与仿脑认知模型交流的仿脑认知模型的接口，这样，有意识引擎的应用程序得以和这些OS元件模块交流； (3)传统语言互动接口:借用互动接口(IIf)与传统语言交流，其中所述IIf有三种形式:(a)利用Aspect编程插入其向上编程的指令,扩充传统电脑语言如Prolog、Python或Java ； (b)目标语言作为另一个语言，使用IIf与传统电脑语言互动；(c)目标语言和传统语言合并为一个语言，没有IIf的必要； 所述涌现通讯接口与涌现通讯模型交流，涌现通讯模型包含下列步骤: 步骤1:判断是个体还是群体涌现，若是个体涌现，进行步骤2，否则为群体涌现，进行步骤3 ; 步骤2:宏观涌现模型保持单一涌现思维，呈现代理、意义、价值、工作； 步骤3:判断是否全部思维都有用，若是，进行步骤4 ;否则进行步骤5 ； 步骤4:宏观涌现模型保持多个BCE向同方向移动； 步骤5:从打分法或What if法二者之中选择一种方法进行。
12.根据权利要求9所述的方法，其特征在于: 语义内存使用Frame, block, network, schema制作模型； 情节内存使用Prolog语言进行符号的读写； 程序内存利用无意识引擎读写； 相关内存使用量子理论和神经网络读写； BCE状态写入虚拟仿脑状态机时，利用量子力学计算概率； 利用量子相干性导致量子相干性的结果模拟BCE流；利用扩散量子相干性状态导致一连串心理状态模拟一连串BCE思维； 仿脑内存的基础读写操作，透过仿脑VMM里的微观记忆系统，接受心理框架、情绪和价值系统的影响，完成: (O写操作:信息分类及创造多个过程； (2)读操作:多个过程使用简并以重现信息。
13.根据权利要求9所述的方法，其特征在于: 所述仿脑引擎OS也管理通讯资源，宏观涌现模型让有意识引擎的OS可以和无意识引擎的OS交流，执行类似人的左右脑之间的通讯；社群通讯可以在多人之间，或仿脑VMM上运行的多个OS组之间，每组由有意识、无意识、情感引擎的三个OS组成； 通讯的内容:可以由个别BCE到许多BCE组合成的程序，按照智能级别将BCE区分为智能级别高的强涌现、智能级别低的弱涌现、智能级别极微弱的混沌涌现，其中在弱涌现情况，系统寻找一个程序将弱涌现BCE插入；在强涌现情况，系统寻找数个程序合起来满足强涌现BCE。
14.根据权利要求4所述的方法，其特征在于: 所述BCE状态升级的过程有多个阶段，每个阶段是由一个BCE逐步分解或纠结成多个BCE, “信息”或BCE可以 是一个不可被分解的概念单元(节点)，或一个可被分解的概念群(BCN整个网络或子网)，也就是说，一连串的单独思维或各个思维融合在一起的思维流； BCE的三个主要状态:混沌、有序和临界，每个状态还可再区分为两个二级状态，共有六个二级状态依序为:不连接混沌、连接混沌、初始有序、高度有序、局部临界、全局临界；如果BCE的智能级别要晋升，其包含的信息量要成幂次级的增加，而增加时必须通过每两个二级状态之间的阈值； 当信息被收到时，信息首先要被区分开来，然后要解释区分出来的信息，最后要对被解释的信息采取行动；这些信息行为依赖携带信息的离子或电子，当它们实现单独操作或与其它量子纠结时，在BL VMM中必须要判断度量的结果是否被接受、协议是否要改变、信息是否被选取；若离开了 BL VMM，信息结果被认知，得到语义和意义，最后信息被合并，转发，传播(合并+转发)，或被拒绝； 被纠结的BCE必须是具有相同频率，其中越是相离遥远的网络中的BCE被纠结，其智能级别高的可能性就越高，但形成完全不合理的BCE的可能性也相对高。
15.根据权利要求3所述的方法，其特征在于，所述智能提升器执行下述方法: 仿脑系统经由外界刺激、意志力、和内部简并结构提升智能级别； 意志力受到外界刺激的搅动，促使内部架构自适应； 意志力增加BCE的网络连接力和BCE的数目，使BCE越过连接阈值；意志力增加其它许多相关的BCE的网络连接力和网络同步力，使BCE越过同步阈值，意志力增加BCE的规则性，使BCE越过有序阈值，意志力促成BCE的盆地吸引子，使BCE越过临界阈值，意志力促成BCE的盆地吸引子聚合，使BCE越过全局阈值； 简并原则使用在仿脑系统的内部结构提升智能级别，有下列的情况: (1)BCE状态提升为连接混沌:复杂度从零变为低，鲁棒性从零变为纯冗余无功能可塑性，仅具有冗余的系统缓冲器，意志代理只能参与响应与BCE有关的几个任务； (2)BCE状态提升为初始有序:复杂度从低增加，鲁棒性从纯冗余变为纯冗余但具有功能可塑性，意即具有多个意志代理，代理们可以简并，但只能被重指派相近的任务； (3)BCE状态提升为高度有序:高度同步，复杂度继续增加，鲁棒性从功能可塑性纯冗余，变为功能冗余鲁棒，意即不再被重指派任务而是开始资源重设置，某功能群的任务增加而另一功能群的任务减少，通过所谓“重指派通道”，第一功能群的资源受到(资源过剩的)第二群的支持； (4)BCE状态提升为局部临界:复杂度从低转高，鲁棒性从功能冗余鲁棒再加上功能可塑性，成为局部简并，其中通过许多不同的“重指派通道”有大量的资源被重设置，同时，意志力的奖赏功能鼓励大胆创新； (5)BCE状态提升为全局临界:复杂度从高转极高，鲁棒性从局部简并成为全局简并，包括多网络并发，分布式响应，具有一系列的彼此简并的多意志代理，同时，意志力的奖赏功能鼓励大胆创新，自动催化智能提升。
16.一种在量子计算环境下实现量子门仿脑仿真的方法，其中使用绝热量子方法时，仿脑仿真器只是模拟器，其特征在于: 通过vNs过程O在有意识引擎OS形成主观经验，在情感引擎形成意志力，进入仿脑仿真器后，循环vNs过程2和过程1，不断形成BCN网络结点，把BCE信息分别出来后，送给有意识引擎OS，在引擎OS那里做量子认知的vNs过程3，过程如下: 步骤1:接受感情认知模型输出的主观经验与意志力； 步骤2:分解量子纠错成为逻辑量子位元及逻辑量子门； 步骤3:以物理控制顺序，保持逻辑量子位元和量子门； 步骤4:仿脑图灵机的循环，并执行以下子步骤: 子步骤41:存储物理量子信息； 子步骤42:冯诺依曼过程2:单一操作和/或纠结； 子步骤43:冯诺依曼过程1:物理度量； 子步骤44:由意志力判断是否继续仿脑图灵机的循环，若是，继续子步骤41，否则离开循环进入步骤5: 步骤5:逻辑度量，消错； 步骤6:辫结/纠错； 步骤7:透过仿真量子交换器，把信息送到有意识引擎； 步骤8:经过有意识引擎的量子认知模块，和/或无意识引擎的混沌酝酿，回到步骤I。
17.一种在量子计算环境下实现绝热仿脑仿真的方法，其中使用绝热量子方法时，仿脑仿真器只是模拟器，其特征在于: 在实施冯诺依曼过程2时，虚拟收缩理论下的网络同步快过“赢家全拿”，这是虚拟化对BCN网络的影响，当BL OS或BL VMM本身需要迁移时，已量子纠结的数据利用量子瞬移迁移量子位元，如果数据为传统数码数据，可以利用传统和量子数据之间的转换指令(3031)，实行转换再迁移，如此，传统虚拟机镜像和量子虚拟机镜像可通过上述两种方式混合后的量子通讯法加速迁移；此外，绝热仿脑量子系统重复使用资源，已纠结的量子必需去纠结，而意识引擎必需产生新的网络节点，类似于神经元的神经发生； 在实施冯诺依曼过程I时，用非绝热门作为探针并度量，节省量子计算资源，实施时，绝热模式将η个量子位元，K个体的互动的祀目标汉弥尔顿，映射为2个体的互动，因而计算时，还可采取绝热与非绝热的混合模式式:使用绝热寄存器为模拟寄存器，而使用非绝热量子门为探针寄存器，以节省量子门硬件资源； 绝热式演化在“再进入循环”中产生几何相位，对多个非线性耦合振荡器，可以度量其吸引子； 在智能提升器中，绝热式的简并使用多个eigen状态值，从V Utl)到V(tn)，来强化系统的鲁棒性和复杂性； 其中，仿脑VMM运行有关意识的量子算法时，若非使用新量子算法，则传统人工智能法必须转换成量子算法，此种转换工具也适用于非仿脑量子算法。
18.一种仿脑自主计算系统，其特征在于，它包括: 无意识引擎； 有意识引擎； 其中，通过细分仿脑计算虚拟化方法的3层结构由下至上生成7层架构，其中无意识引擎和有意识引擎各有自己的7层，如果以无意识引擎的7层为主，有意识引擎的各层只是通过自主计算的外循环、内循环、里循环，来辅助相应的无意识引擎的层； 无意识引擎的应用包含传统应用，无意识引擎的第七层应用:微观管理，无意识引擎的第六层应用:社交基础，无意识引擎的第五层应用:执行准备，无意识引擎的第四层应用:计划，无意识引擎的第三层应用:句法和语义分析； 有意识引擎的应用包含有意识引擎的第七层应用:社交应用、财政工程，有意识引擎的第六层应用:社交基础针对广大群众信息，有意识引擎的第五层应用:创意涌现执行准备，有意识引擎的第四层 应用:决策涌现工程，有意识引擎的第三层应用:意义分析/数据挖掘/建立规则； 输入模块:外界刺激进入硬件感应器，包括文字、图形、视频、音频； 监听模块:原始刺激数据送入对象识别器； 分析模块:对象识别器的结果(例如方块、圆形和其它几何图形)送给传统语义分析；而传统语义分析又必须要仰赖有意识引擎OS的仿脑认知以导出意义，而运行其上的有意识引擎第三层的应用可以取代人脑进行规则的创建，数据的挖掘，真正知道外界刺激的意义； 计划模块:完全理解的语义/意义被送到无意识引擎的第四层应用:计划；专业知识的主观经验必需经由有意识引擎第四层应用:决策(涌现)工程来辅助融入决策所要的涌现思维； 执行模块:一个具有专业知识、又有创意的计划被送给无意识引擎的第五层应用:执行准备；传统的执行准备必须要有有意识引擎的第五层应用:创意执行来成立专案解决方案，辅助创意的执行，避免成效不彰； 输出模块:一个完整的执行实现于硬件效应器； 其中，所述仿脑自主计算系统是在传统自主计算的监视一分析一计划一执行(简称MAPE)的过程中，借助外循环、内循环、里循环，插入了从有意识引擎而来的涌现思维； 其中，所述仿脑自主计算系统的外循环表示监视一分析一计划一执行后再回到一监视，仿脑自主计算系统的内循环表示任何两个过程都可以彼此循环，仿脑自主计算系统的里循环表示任何单独的过程可以自身重复。
19.一种提供多核计算机集群的性能服务系统的方法，其特征在于，包括: 仿脑VMM安装在每个刀片服务器上，进行彼此之间性能信息的沟通，仿脑自主计算本质上仍将保持自主计算参考体系的(ACRA)自主系统架构，仿脑VMM可以完全兼容传统OS和ACRA架构，因此传统应用和传统OS都无需做代码修改，PMU发掘传统硬件的底层健康和性能信息可以被仿脑VMM捕捉，仿脑计算把现有的性能方法当作主观经验，随时创造性地改善集群性能； 为了优化量子计算机硬件资源的使用，在集群中选取一台多核刀片服务器，配以绝热量子计算配件，并在其上运行下列软件:仿脑VMM和三种OS软件:传统Linux虚机，无意识引擎OS，和有意识引擎OS，这台服务器具备了完整的仿脑计算方法的元件，是整个多核计算机集群的领头服务器，能够收集其它服务器的信息，以涌现思维实现整个集群的性能改进; 集群中其它多核刀片服务器上则可以运行下列软件:仿脑V丽和各式OS:无意识引擎OS，多核Linux OS,或传统Linux虚机，如果服务器没有运行无意识引擎OS，则该服务器虽然运行仿脑VMM，但只能运行传统的多核性能工具，无法为领头服务器收集仿脑信息，而运行无意识引擎的服务器，可以为领头服务器收集仿脑信息。
20.一种信息产业的仿脑服务交付系统和仿脑软件工程系统，其中:仿脑服务交付系统和仿脑软件工程系统的流程运行环境具有纵向架构与横向架构，所述纵向架构包括情感引擎、无意识引擎、有意识引擎，而所述横向架构包括仿脑应用层、仿脑操作系统/仿脑虚拟机监视器层、和仿脑硬件层，其特征在于， 所述仿脑硬件层包含传统 电脑、量子电脑和/或分子电脑； 所述仿脑OS/仿脑VMM层运行两类循环，包括无意识的第一类循环和有意识的第二类循环，在仿脑OS层里，宏观涌现模型通过社区网络，过滤得出宏观智能级别高的强涌现BCE，在仿脑VMM层里，微观涌现模型通过自组织临界性和吸引子，过滤得出微观智能级别高的BCE ； 所述仿脑应用层包括偏重社交应用的仿脑服务交付系统和偏重事实应用的仿脑软件工程系统，这两种系统的特征在于， 运营一个信息产业公司的管理流程知识，所述管理流程知识在涌现网络BCN中包括:仿脑软件开发工程的开发知识，和仿脑软件服务交付的服务知识，开发知识又包括各种工程文件:观念文件、需求文件、设计文件、代码、测试文件，这些文件利用涌现网络产生，对于服务交付流程，强涌现是在服务策略管理和服务交付的流程里，对于软件工程流程，涌现思维BCE的智能级别由强涌现的观念文件到弱涌现的测试文件； 涌现BCE的强弱与所述情感引擎形成的意志力有关，对于软件工程，仿脑VMM把意志力加重在形成观念文件的阶段；对于服务交付，仿脑VMM把意志力加重在服务策略管理和服务交付的阶段。
21.一种关键使命的仿脑灾备系统，其特征在于，包括四部分: (1)无意识引擎，把企业现有的、其它单位的灾备方法进行仿脑计算虚拟化，也就是将其重要观念分析后加入仿脑内存，形成仿脑涌现BCE网络，之后，这些概念就会被当成混沌观念酝酿,或主观经验处理； (2)宏观涌现模型，在实现决策工程时，启用所述宏观涌现模型，对从观念文件到测试文件的流程，按照强涌现、次强涌现、弱涌现、次弱涌现的智能级别加以管理； (3)意识引擎，运行传统语义分析，并利用仿脑认知方法把黑天鹅理论的各式模型、决策工程的知识输入仿脑涌现BCE网络； (4)黑天鹅的自相似模型，可以透过仿脑仿真器里、仿脑指令集里有关灾备的临界现象数学模型指令来制模； 其中所述仿脑灾备系统可以利用量子通讯在平时或灾难时迁移仿脑OS和仿脑VMM，仿脑OS包括传统虚拟机和量子虚拟机，以混合量子通讯方法实现。
22.根据权利要求21所述的系统，其特征在于，所述OS/VMM层包括以下功能模块: 简并结构创建模块:仿脑灾备系统在创建时，建立了动态和静态的简并结构； 灾难问题处理模块:当仿脑灾备系统处理灾难问题时，仿脑VMM先利用VMM的动态简并结构在当地解决问题，动态简并结构利用多个不同的途径来完成问题的解决，如果无法解决，才会述诸迁移过程，不仅迁移仿脑OS镜像，也迁移仿脑VMM，针对仿脑VMM，要从记忆中找到被还原的状态，仿脑计算虚拟化提供简并的记忆恢复方法，至于传统虚拟机，则启用传统的虚机还原方法，无论是仿脑记忆恢复，或是传统虚机还原，迁移时都会用到量子通讯方法。
23.一种软件系统的仿脑计算自萌发过程，其特征在于，它包括三部分: (1)语义知识的吸收与自萌发:也就是吸收大量的专业事实知识，包括各种发表的专业论文、书籍、理论等，变成仿脑思维网络BCN的一部分，自萌发的过程包括了使用手动方法将软件系统理论模型化为网络节点输入系统，而后逐渐把该方法自动化，利用自组织的数学理论来实现此种 自动化，部分语义知识最终会转化为程序知识； (2)程序知识的吸收与自萌发:吸收大量规则库的规则、有源码的程序、程序库，包括公司自己拥有、从外界购得、或从开源网站下载的程序、产品、规则库、公司的软件流程等，自萌发的过程包括了使用手动方法将程序翻译成网络节点，而后逐渐把该方法自动化，利用自组织的数学理论来实现此种自动化； (3)情节事件的记录、分析与自萌发:纪录与事件有关的多媒体信息，可以附在过程所形成的网络情节节点上成为附件，并加盖时间戳，所述网络上的附件可被用于设计复杂事件过程、根本原因分析、演习子系统，改进子系统为最关键的子系统，可以反省过去累积的纪录，改进未来的设计，当使用自萌发的过程时，首先使用手动方法使用过去的纪录，不断反省未来的系统设计，然后从BCN里手动学习设计复杂事件过程和根本原因分析，而后逐渐把该方法自动化，利用自组织的数学理论来实现此种自动化，部分情节知识最终会转化为语义知识。
【文档编号】G06F9/455GK103473111SQ201310360143
【公开日】2013年12月25日 申请日期:2013年8月16日 优先权日:2013年8月16日
【发明者】汤传斌, 熊丽 申请人:运软网络科技(上海)有限公司