小戴人工智能PurposeAI

这个工程是小戴人工智能，是开源项目

计算机如何处理文字，视频，音频

(本软件的授权是LGPL,没有担保)

(2015-12-21 更新)

    A,文字，词

        用离线阅读器从网上随机下载一些中文文本，有足够的量，10G以上，这里
            演示用的是很少的。(英语文本可以用同样方法处理,需要修改源程序).

        取出每一句话，对每一个字以及其后的所有排列存入内存（可能是之后的2
           个字，3个字，或是某个数字，在演示中最大25个汉字），如果是重复
           的把记数加1。

        1个字的词算5分
        2个字的词应该比2个一个字的词分数大，既>5+5，算为15
        3个字的词应该比2个字的词加一个字的词大，既>15+5，算为25
        4个字的词应该比3个字的词加一个字的词大，既>25+5,又比2个字的词加
            2个字的词大，既>15+15，算为35
        (3个字的词加一个字的词的分数，应该与2个字的词加2个字的词
        的分数一样 )
        5个字的词依此类推是45

        更准确的公式如下：

        AI number（人工智能数字） :
          total（分数）  公式
         n1-- 5  ----   (starter) = 5
         n2--15  ----   n1+n1+5   =15
         n3--25  ----   n2+n1+5   =25
         n4--35  ----   n3+n1+5   =35
         n5--45  ----   n4+n1+5   =45

        把每一句话按照各种可能的词分解开来，重复的就是词，词有它的分数，
            按照总体分数最大的方案分解一句话。

        把所有的话分解出来。

        这么多的文本分成了词，把所有的词提取出来构成了词库。

        利用这个词库重新分解每一句话，这次不是利用重复，是利用词库。

        这么多的文本分成了词，把所有的词提取出来构成了词库，新的词库与
            原先的有很大的不同。(最后2步可以重复几次)

        这种方法准确率80%

        例子程序：

            (Windows XP/Vista/7 +MSYS +MINGW )

            在Work_dir
                  download目录下是离线阅读器下载的文件
                  运行 f3.bat (在目录Work_dir)(列出目录)
                  运行 WebFind_b 目录下的程序(拷贝到Work_dir)(提取文本)
                  运行 Webfind39 目录下的程序(拷贝到Work_dir,包括cb.txt )(去掉标点符号)
                  运行 Webfind4a 目录下的程序(拷贝到Work_dir)(去掉空行，重复的行)
                  运行 Webfind29e 目录下的程序 (根据重复分词)
                  运行 WebFind23c 目录下的程序 (g++)(拷贝到目录 Work_dir)
                        (把所有的词汇总，形成词库)
                  运行 WebFind24b 目录下的程序 (根据词库分词)
                  运行 WebFind25c 目录下的程序 (g++)(拷贝到目录 Work_dir)
                        (再次形成词库)
   
            (2014- 3-21 版本增加了对词的重复次数的支持,改进了算法 )
            (2015-12-21 版本修改了AI number,修改了文档，增加了bugfix和工具软件）


    B,文字，语法

    把一句话按照词分解开来，不仅保留总体分数最大的，也保留分数较小的
           （用字数比较小的词分解一句话），这样可能的分解数量，短的句子
            有30种可能，长的句子有200种可能。这样比较精确。

        把所有的词的排列组合存入内存，总共装入5个文件，从001-005，
            或002-006，重复的就是语法，每个语法有他的分数，一句话按照最
            大分数的语法分解。

        把所有的文本分解开来。

        把所有的语法收集起来就是语法库。

        利用语法库重新分解所有的文本。

        再次把所有的语法收集起来就是新的语法库，估计和旧语法库有很大不同。
       （最后2步可以重复几次）

        分解文本不仅用词库，还用语法库，准确率会提高很多，估计95%

        例子程序：

            获得语法库需要 1000台PC 。如果没有这么多PC,可以为计算机制作
                语法课件.

            Windows XP/7 +MSYS +MINGW

            源程序在目录：


                WebFind37c     (gcc)(拷贝到目录 Work_dir)

                把一句话按照词分解开来，不仅保留总体分数最大的，也保留分数较小的 ,


                WebFind37_4b     (g++)(拷贝到目录 Work_dir,把文件 grammer_start_number.txt 也拷贝过去)

                把所有的词的排列组合存入二叉树，重复的就是语法，一句话按照最大分数的语法分解。


                WebFind37_6b     (g++)(拷贝到目录 Work_dir)

                把所有的语法收集起来


                WebFind37_7b     (g++)(拷贝到目录 Work_dir)

                利用语法库重新分解所有的文本


                WebFind37_8b     (g++)(拷贝到目录 Work_dir)

                再次把所有的语法收集起来

            (2014-3-21 版本增加了对语法重复次数的支持,词重复次数的支持,改进了算法 )



    C,图像

        * 识别图像需要超级计算机，依靠海量计算能力。

        * 需要建立视频数据库

        * 可以用简单的条件增加分数，物理位置相近，颜色相近，向同一个方
              向移动，纹理相近，可以用这些条件分出颜色块。

        * 把这些图形元素，颜色块，分成各种组合,选取物理位置相近的组合，
              或者选取相对独立运动的组合。

        * 有些组合形成了材质感 （见后面），比如照片，有些组合没有，比如
              多数绘画。

        * 增加一些条件，亮度的高低，其他物体的遮挡覆盖，放大缩小，
              旋转（3D），比列的变化。

        * 与视频数据库所有对象比较，分数最大的就是结果。

        * 建造视频数据库可以用计算机处理1000部电影或3000部电视剧，在不
              同的视频片段中寻找重复特性的物体（这个视频片段中某个颜色
              块的组合与另外一个视频片段中某个颜色块的组合有相似的外形
              或相似特性）,重复的就是一个物体。所有的这些物体构成了视
              频数据库，用这个视频数据库重新分解视频，分解为不同的物体，
              再次构成视频数据库，估计是这样的建造过程。

        * 把多个物体组合在一起构成了场景，这是沙滩，这是森林，这是厨房，
              这是办公室，识别这些场景可以帮助识别物体。

        * 这样，词，语法，视频都有相似的处理过程。


    D,音频

        * 需要建立音频数据库，存储声音对象。

        * 可以用1000部电影或3000部电视剧来建造。

        * 音频是波浪，不同的频率，估计频率相近的可以增加分数，或音量
              相近，或同时发生的音频可以增加分数。依靠这些条件分离声
              音对象。








*3d 电影

  在最开始的时候，计算机没有视频数据库，所以我们需要3d电影，就象人有2个
      眼睛，也象每一种有眼睛的动物，我们没有很多3d电影，而且他们不是完
      全3d的，他们是2.5d 或者2.75d,如果他们不够好，我们需要3d照相机拍摄
      大量3d视频。


* 材质感

每一种物体的表面都有特定的材质感 ,

颜色，纹理，条纹，    
光滑程度，细腻度，粗糙程度，颗粒度,
反光性，透明性，表面3D立体纹理,        

特性重复的，形成一个概念，即某种材质感 ，包括  金属 木头 槊料 布 纸张
    玻璃 水，


*课件

  需要为计算机制作很多的课件，就象一个母亲教她的孩子，这是什么，那是什么。


*需要精确的语言为计算机描述物体

   需要精确的语言为计算机描述物体，IBM的科学家说人类的语言是多么的含糊
       不清，同样的一句话，在这种情况下是这个意思，在那个情况下是那个
       意思，计算机可以使用精确的语言，减少出错的可能性，这样的语言可
       以用在课件上，
（人一秒钟只能说1，2个词，计算机之间的连接可以是100Mbps）








*课件描述对象和计算机处理不同视频片段获得对象的区别

    集中和分散，快和慢，简单和复杂，有人教和自己琢磨。




*精确语言制作课件，计算机反复和其他课件比较，逐渐明白各个概念的含义，
     后面附上自然语言，告诉计算机这个对象（几个对象）如何用人类的语
     言描述，人类语言的含义（人类语言描述的是什么）。




*如果课件不够明确，计算机可以提问。




下载源程序： http://download.csdn.net/detail/daipozhi1967/9477006