科学网 › 标签 › 平行系统

标签: 平行系统

相关帖子	版块	作者	回复/查看	最后发表

没有相关内容

相关日志

未被全面认知的双孪生虚拟世界: Babituo 2019-11-8 12:59; 最近开始学习UE4,开源虚拟游戏引擎。 “世界”是游戏引擎对现实世界的虚拟，也就是通常说的虚拟现实世界。大家对数字孪生，平行系统，平行世界的理解多是一对双生的系统。在学习中，加强了如下感受：或许这个概念还有细微的区分没有被大家认识到：假若能按如下两个维度来观察： 1.现象 ( 具体表象 )-- 概念 ( 抽象归纳，人脑认知 ) 2.真实 ( 真切实际 )-- 模型 ( 虚拟构建，电脑认知 ) 那么，两个维度的正交结果，会得到如下四个不同的“世界”： 1.现象的真实世界 (真实存在于自然中的事物 ) 2.概念的真实世界 ( 确切存在于人脑中的认知 ) 3.现象的模型世界 ( 存在于电脑中对真物实事的数字化建模，虚拟现实世界 ) 4.概念的模型世界 ( 存在于电脑中对确切认知的数字化建模，虚拟概念世界 ) 游戏引擎的图形学引擎驱动的是虚拟现实世界，物理引擎驱动的是虚拟概念世界。所以，研究虚拟世界，应把虚拟的现实世界和虚拟的概念世界进行分工协作的研究。; 个人分类: 信息探索|1996 次阅读|0 个评论

从端到端到平行智能 -- 人工智能前瞻: 热度 8 heruspex 2018-9-13 06:43; 在人工智能第三波热潮中，深度学习的端到端理念被广泛采用，在后续研究中还有什么方向值得去尝试呢? 从端到端到平行智能 ----- 人工智能前瞻张军平、陈德旺如果把人工智能的终极目标看成是模仿人类的大脑，那么神经网络研究的兴衰，至少在目前来看，就几乎等同于人工智能的大半个发展史。一、现在：端到端从 20 世纪中叶人工智能界的先驱 McColluch 和 Pitts 发现了神经元的“兴奋”、“抑制”算起，到 1956 年 Rosenblatt 提出感知机模型，可称其为盛世，再到 Marvin Minsky ( 马尔文明斯基 )1969 年出版的 Perceptron 引发的衰败，算是第一次高潮。这轮高潮主要是学术圈的自嗨。从 1986 年 Remulhart 反向传播 (BP) 的提出，到 1989 年 Hornik 和 Cybenko 等万能近似定理（ universal approximation theorem ）的推出，到各种较深层的非线性神经网络的流行，再到 1995 的统计学习理论开始一统江山。 BP 算法被认为只是把大家的视野又重新吸引回神经网络，算是人工智能的第二次高潮。这仍是以学术圈的自娱自乐为主。从 2006 年 Geoffrey Hinton 首次在《 Science 》杂志上发表深度伯兹曼机模型、研究者对神经网络的十年怕井绳的观望心态，到 2012 年深度模型 AlexNet 首次在 ImageNet 大规模图像识别竞赛中大获全胜，再到各类考虑深度、宽度、多尺度、多模态、对抗、自编码、注意力的深度模型的提出。学术圈和产业界都进入了深度狂欢状态，这是第三波高潮。虽然在技术层面，并没有非常明显的理论上的突破，更多的是由于大数据或数据增广带来的模型描述能力以及硬件 GPU 算力的提升。虽然，因为前二次热潮的教训，相关人员都清楚过度吹嘘人工智能前景可能带来的风险。但是，人在江湖，身不由已。学者、学生、资金都已经前赴后继地投身到人工智能产业化的道路上，希望能抢先一步能形成垄断优势、行业壁垒。最好能成江湖三足鼎立之势，再谋独孤求败之实。各大人工智能公司开出的诱人高薪真应了那句话“ 21 世纪什么最重要，人才！” 这一波热潮中，人才的背后其实是端到端的概念在支撑着。一如人工智能上一波低潮时，但凡提到自己是做“神经”，就容易发生类似于基金项目直接被枪毙、被鄙视为缺乏统计意义等各种杯具一样。现下如果不提到“端到端 ”，就很难让神经网络占了大半壁江山的科研人员认可你成果的意义了。端到端也成了近几年人工智能最时髦的名词。一方面，端到端确实解决了一个大的问题，即对领域知识的掌握程度。以往在不同领域的应用，必须有专业的人员参与。而端到端的模式，将这些知识的学习都化归为网络权值的自学习，从而大幅度减少了对专业知识的依赖。直接后果就是产业界和学术界的同化现象。我在之前写的文章中“ 童话 ( 同化 ) 世界的人工智能 ”中分析过这一现象。可是，端到端的设计理念也引来了不少的吐槽，比如模型的可推广性问题、以及对人类强人工智能的不可企及问题等。人们也在思考，如果要延续这一拨热潮，得敢问路在何方呢？仍然是迷一般的、人类的思维该如何引入呢？除了端到端，还有什么方向值得去尝试呢？不妨回头看下大约在第二波人工智能热潮时期甚至更早期的一些大家的思考。二、过去：思维科学谈到思维，不妨先想想我们认人的习惯。当人在远处时，有多少人是先看人脸的呢？尤其在距离非常远的时候。对于熟悉的人，我们实际上会很自然地可以根据他或她走路的轮廓变化来判断。这与多数深度学习看重非常精细的特征是不同的，是一种整体认知的方式。图 1 步态轮廓图研究人类整体认知行为的理论和方法都挺多的，比如格式塔心理学、比如中科院心理所的陈霖院士提到的大范围优先理论，甚至中国的阴阳八卦、易经中多少也包含了这样的思想。据我所知，以阴阳八卦来研究的有香港中文大学的徐雷教授，基于易经研究的有 IEEE Fellow 、澳门大学的讲座教授陈俊龙。不过，整体认知有个比较普通、难以克服的问题，就是如何量化、程序化。除了整体论的思考外， 90 年代初期钱学森院士曾指出，要研究人的智能，也许可以从逻辑、形象、创造这三个递进的层次去着手研究思维科学 (Noetic Science) 。他认为通过思维科学中的递进性的研究，有可能实现 20 世纪初期哲学家怀海德在与其学生罗素合著书籍《数学原理》中的思想。后来怀海德又将其思想进一步升华，提出了“过程哲学”观点。在 1929 年出版的、著名的形成上学书籍或“过程哲学”经典书籍《 Process and Reality 》（过程与实在）中，怀海德曾指出，人的认知、社会的认知最终可以上升到一种自我成长、自我成熟的阶段，正如现在的宇宙演化。在这一“过程”思想中，他将哲学的考虑转到对科学与技术的考虑上，提出了虚实共存形成过程的概念。换句话说，就是虚实平行，永恒的不断纠缠、不断演绎的过程，而算法的实现就可以考虑平行智能体系。图 2 ：左：《过程与实在》 ( 怀海德 ) ；右：《哥德尔 - 逻辑的生活》 (John L. CASTI, Werner DePauli) 在思维科学的研究中，还有一位西方的智者也必须提一下，那就是哥德尔。他最著名的是打破了早期“怀海德思想”的、为人工智能奠定基础的“哥德尔不完备定理”。简单来说，就是没有一个定理是完备的，不能证明其为真，也不能证明为伪。这个定理写得非常的聪明，因为你说它不完备，那它就是对的；如果你说它是完备的，那也表明了他是对的。和他这个定理类似的还有波普的科学证伪理解。他从另一个侧面说明了，能称之为科学的东西必然是存在解释不了的现象。否则就是伪科学。除了这不完备定理，哥德尔在晚年一直想证明更为“广义的不完备定理”，即他认为要么人类是能超过所有计算机的、要么数学不可能是由人类创造的，要么两者都成立。后来他将注意力集中到第一条。他认为在人类思维超越计算机这事上，存在两个可以比较的不等式；最高的是想象智能，这一智能只有部分可以通过语言的形成表达，即想象智能大于语言智能；而在现有的计算机体系结构上，又只有部分的语言智能能够通过算法呈现，即语言智能大于算法智能。比较巧的是，我国哲学家老子写的《道德经》中“道、可道、非常道” 似乎也表达了同样的哲理；“道”是敢干，是创业的基础，是算法智能；“可道”是敢说，是创新的基础，是语言智能；“非常道”是敢想，是革命的基础，也是想象智能。 � 图 3 ：左：道德经；右：钱学森书摘录钱学森在 1995 年指出，逻辑智能是机器可以完全完成的，比如吴文俊的机器证明便是如此。后两者则需要人或完全只能人来完成。但它们的提升都不开信息网络的支持。不仅如此，爱因斯坦也表达过他对智能观的认识，认为“智能的真正标识不是知识，而而是想象”。时间飞快，从钱学森提出思维科学已经过了近三十年，从怀海德的过程哲学理念甚至已经提出了一百多年了。在人工智能如此热火的今天，有没有可能基于现在的软硬件条件来部分实现他们的观点呢？三、未来：平行？回顾怀海德提出过程哲学的历史，可以发现其主要出发点是来源于 20 世纪初物理学界的两朵乌云所导致的牛顿经典力学的颠覆。那么，在数据世界、在人工智能领域，会不会发生类似的情况呢？我们来做些分析和比较。在百年前完全没见过大数据的时代，人们分析世界、观察世界往往是基于很少甚至个例的样本集，但却能形成非常重要的普适定律、大定律。比如牛顿被掉下的苹果砸出的万有引力定律。虽然只是科学史上的传奇故事，但多少也反映了数据量并不需要太多。当然以当时的情况，也无法获取多少。图 4 ：牛顿、苹果、万有引力随着时代的变迁，数据的规模也在不断增加，于是我们发现世界的发展变得不再像牛顿物理学时代那么确定了。再也无法出现阿基米德所说的，给个杠杆，就能把地球撬起来的情况了。世界的不确定性在增加，要模拟真实世界的变化也变得有些代沟了。到了 21 世纪，随着采集设备的廉价化，数据也因此能相当方便和便宜的获取。丰富的数据也使得模型刻画世界的不确定性，从 certainty 变到 probable ，再变到了现在的 possible 。而在深度学习与大数据的双重推动下，我们可以看到在人工智能及相关研究领域呈现了一个非常明显的特点，就是大数据、小规律。深度学习的模型在特定问题的预测优异性，较传统学习方面很明显，但往往在参数寻优收敛后，就只适用于模型训练所对应的特定问题，而不具备推广性。究其原因，我在“ 深度学习，你就是 116 岁的长寿老奶奶 ”和“ 童话 ( 同化 ) 世界的人工智能 ”中有过探讨。从某种意义来看，这一现象也正是大数据、小规律的表现。图 5 ：小数据大定律 vs 大数据小定律另外，现今人工智能的发展趋势与一位经济学家默顿 · 米勒的观点也很契合，即默顿定律 (Merton Laws) 。该定律认为，人最理想的情况是自我预言，自我实习。举个不恰当的例子，据说杨振宁约 12 岁的时候，就喜欢看很多物理学方面的书籍。有次在上学的时候，他从艾迪顿的《神秘的宇宙》里看到了一些新的物理学现象与理论，便表现了极大的兴趣。回家后就跟父母开玩笑说，将来要拿诺贝尔奖。结果梦想真的实现了。这就是默顿定律的体现，是一种自我预言、自我激励、自我实现。另外，默顿定律里还有一个重要的观点，即人必须参与到循环中，机器智能与人类智能协同、混合。那我们在大数据环境下，其实也可以看到这样一种可能，即大数据背景下的默顿定律，或者说通过大数据来将模型世界封闭，形成对实际世界的逼近，从而可以完成对无穷多小规律的生成演绎。要实现这样的封闭，最直接的策略就是利用大数据来建立一个与实际社会平行的人工社会，从而填补模型世界与实际世界的代沟。这样的系统构造模型与两位管理学大家的想法是一致的。一位是 Deming ，他曾说过“非上帝不信，非数据不认”的名言。他认为现今人类的决策有 85% 是不合理的，因为缺乏数据。如果数据充分，那计算对世界的指导将会有三个递进的层次：描述、预测和引导，分别对应于以数据来说话、预测未来、引导未来。而 Drucker 则认为“最好的预测世界的方式就是创造它”。那么，通过生成大量数据来建立平行系统，正吻合了这两位的观点。不过，要让两者得到有机的混合，实现两位大家的思想，还得再构造三套额外的系统来支撑。一套用于管理和控制虚实之间的差异，一套用于实验与评估虚实之间的差异系统，一套用于学习和训练虚实系统。这样，就形成了平行系统或平行智能的基本框架。图 6 ：平行智能的框架大致来说，这套平行系统可以利用数据驱动来实现描述性的计算，利用预测和分析实现预测式计算，利用引导式计算来引导未来。对应三个子系统，我们可以构造人工社会 (A) 来实现描述性计算，通过计算实验 (C) 来预测分析，并构造平行执行 (P) 来学习和自适应。并在信息化、自动化、智能化的驱动下，形成具有敏捷性、可聚焦特定小规律、易于发现规律能收敛的人在回路的混合系统。最终实现 Deming 所想要达到的目标，即描述智能、预测智能和引导智能，也就可以将钱学森想刻画的递进思维科学、甚至《道德经》中的道、可道、非常道进行完美呈现。图 7 ：描述、预测与引导智能有没有人想过呢？王飞跃教授在 2004 年就有过这样的思想，并提出了基本的框架。而 LeCun Yan 在 2016 年预测学习 (Predictive Learning) 的报告中，也提到了引入人工环境的想法。另外，关于如何实现构造复杂大世界， Ian GoodFellow2014 年提出的生成式对抗网事实上已经是这么处理。它正是在一个封闭的网络中，通过判别器和生成器的反复对抗，来不断地自我预言、自我完善、自我实现中。图 8 ：左： Lecun Yan 的平行观；右 : Ian GoodFellow 的数据虚拟生成对抗 Lecun Yan 和 Ian GoodFellow 提供了一个可实现的渠道。那还有其他可行的方案吗？基于现在环境，我们推测有几种可能。一是建立虚拟环境，这一环境的建立可以考虑基于现在成熟的游戏引擎来构造，也可以考虑虚拟现实技术；二是混合，目前有的增强现实技术，可以认为是人机混合的一种方式，在此基础上再构造人工社会，那会就可以形成混合的闭环境。数据、平行、混合，在这一平行系统中，有可能过程哲学一样，系统能自我预言，自我成长，自我完美。也就可能实现从最初的牛顿定律向默顿定律的突破，从 UDC(不确定性、多样性、复杂性) 到 AFC(灵活性、聚焦性、收敛性) 的突破，为今后能发现超越深度学习的小规律作更强的准备。图 9 ：左：从 UDC 到 AFC ；右：实际系统与人工系统这一方法也不是在分布式系统中常采用的分治，因为它意味着要将复杂数据简单化和分拆。平行智能则不同，是希望在实际系统的基础上引入大量虚拟系统，实现对混合系统的复杂化，这样才有可能在理论上保证默顿定律的有效和可实现。在此基础上，将波普尔 (Karl Popper) 认为的三重世界 --- 物理世界、心理世界、人工世界 --- 通过物理空间和网络空间虚实混合，将人在回路的混合智能有机地体现在社会物理网络系统 (CPSS) 中，并通过 ACP 的平行认知系统来实现。图 10 ：复杂系统的分治 ( 并行 ) vs 平行图 11 社会物理网络系统与平行认知系统事实上，我们现在已经在一些系统上能看到这一框架的端倪。比如 AlphaGo 的围棋系统，一方面，他目前的战绩对人类是接近全胜，另一方面，你还能从中看到另一层信息，即他正通过巨量虚拟数据的训练来获得少量的规律。这些规律突破了围棋界近 300 年的既成棋谱，也让很多高段位棋手开始重新思考围棋的下法，甚至开始采用 AlphaGo 、 AllphaZero 归纳出来的少量规律来下棋。而这些策略其实和我们上面提到的大数据小定律的发展是吻合的。图 12 ： Alpha 从大数据中获得的小规律不过，我们还得自问一句，平行智能能实现吗？我觉得有可能，但一定有山一般的难题在等着解决，比如复杂系统中的协调问题、实验评估问题等。不过鲁迅也说过“世界上本来没有路，走的人多了，也就变成了路”。张军平 2018 年 9 月 13 日后记： 2018 年 9 月 7 日到 9 日，中国自动化学会混合增强智能专委会在西安交通大学举办了首届混合增强智能讲习班，主题是“人在回路的混合智能”。讲习班邀请了 11 位国内在混合智能方面的著名专家。其中王飞跃教授安排在 9 月 9 日上午，做平行智能方面的报告。比较遗憾的是，教授讲习班开班日感冒，嗓子完全不能发声，便委托我来代讲。我虽然听过好几次教授的报告，但毕竟台上台下是不一样的，始终是一知半解。所以，晚上便和王教授以前的博士生、也是我的同学 --- 福州大学的陈德旺教授，一起分析和解读了教授发过来的 PPT 内容。因为怕讲不好，我便结合了我自己的研究方向，改题目为“从端到端到平行”来讲了。本文是根据报告内容整理后的文章。算下来，好象有很长时间没跟德旺合作写文章了。我记得第一面见他的时候，是在中科院自动化所博士入学考试的时候。他年轻，一幅挺不可一世的样子。不过后来入学后，住同一层久了，大家熟悉了，就玩得开了。有过一次，他跑我寝室，两人一起唱歌，结果他的歌声让走廊对面的同学出离愤怒，过来敲门抗议了。再后来，我发现高维非线性数据降维问题很有意思，而交通方面也没有相关的研究。王教授听说了，便鼓励我和德旺一起合作，最后形成了流形学习(Manifold Learning)在智能交通的第一篇应用文章 (Chen et al., 2004) ，是基于一维流形、即主曲线来分析交通流问题。毕业后，虽然各奔东西，不过合作的文章还是有一些 ( 附于后，算是纪念 ) 。 2010 年的时候，我在北京见过王教授一面，两人一起在北京王府井的一个店吃了顿饭。教授跟我说，数据驱动的智能交通应该是未来的发展方向，建议我写一篇综述。我爽快地答应了，然后花了至少十个月的时间完成了这项工作 (Zhang et al, 2011) 。认真的事呢，总是有好的回报的，这篇文章现在是 ESI 高倍引。后来有回我还跟教授说过，如果当时在“ Data-Driven ”前加个 Big ，说不定会更受重视，因为论文发表后，大数据的热潮就兴起了。参考文献： 1. Junping Zhang, Fei-Yue Wang, Kunfeng Wang, Wei-Hua Lin, Xin Xu, Cheng Chen, Data-Driven Intelligent Transportation Systems: A Survey, IEEE Transactions on Intelligent Transportation Systems, vol. 12, no. 4, pp. 1624-1639, 2011. 2. Junping Zhang, Xiaodan Wang, Uwe Kruger, Fei-Yue Wang, Principal Curve Algorithms for Partitioning High-Dimensional Data Spaces, IEEE Transactions on Neural Networks, vol. 22, no. 3, pp. 367-380, 2011. 3. Junping Zhang, Uwe Kruger, Xiaodan Wang, Dewang Chen, A Riemannian Distance Approach for Constructing Principal Curves, International Journal of Neural Systems, vol. 20, no. 3, pp. 209-218, 2010. 4. Junping Zhang, Dewang Chen, Uwe Kruger, Adaptive Constraint K-segment Principal Curves For Intelligent Transportation Systems, IEEE Transactions on Intelligent Transportation Systems, vol. 9, no. 4, pp. 666-677, 2008. 5. Dewang Chen, Junping Zhang, Shuming Tang, Jue Wang, Freeway Traffic Stream Modelling based on Principal Curves and its Analysis, IEEE Transactions on Intelligent Transportation Systems, vol. 5, no. 4, pp: 246-258, 2004. 延伸阅读： 1、深度学习，你就是那位116岁的长寿老奶奶！ 2、童话(同化)世界的人工智能 3、 AI版“双手互搏”有多牛? 浅谈对抗性神经网络 4、爱犯错的智能体 – 视觉篇（一）: 视觉倒像 5、爱犯错的智能体 - 视觉篇（二）：颠倒的视界 6、爱犯错的智能体 - 视觉篇 (三)：看不见的萨摩耶 7、爱犯错的智能体 - 视觉篇(四)：看得见的斑点狗 8、爱犯错的智能体 – 视觉篇(五)：火星人脸的阴影; 12695 次阅读|18 个评论

大数据概览: 热度 2 Babituo 2017-12-9 11:40; 大数据概览探讨如下问题： 1. 为什么会有大数据？ a) 从人类发展的历史看信息时代 b) 随硬件技术成长的软件技术 c) 随软件技术变迁的应用模式 d) 随应用模式演变的数据模式 e) 是信息爆炸，还是数据淹没？ 2. 大数据到底是什么？ a) 产业革命变迁中的大数据 b) 大数据与智慧何干？ c) 盲人摸象摸到了什么？ d) 做一个想象实验 ...... e) 是瞬间，还是千、万年？ f) 大数据到底是什么？ 3. 大数据带来了什么挑战？ a) 如何调集足够多的 “盲人”？ b) 如何聚集所有盲人摸到的 “对象”？ c) 如何从所有对象中看出是 “大象”？ d) 如何让 “笨行大象”成为“跳舞大象”？ 4. 怎么应对大数据的挑战？ a) 全量数据采集问题 ---- 来自物与人的数据 b) 数据高速汇聚 / 广播问题 -- 中心化与去中心化 c) 数据整合建模问题 - 交换共享 .Vs. 模型聚合 d) 大整合虚拟畅行应用问题 - 人工智能 + 。 5. 当前应用进展如何？ a) 构建政府开放数据的公共服务平台 b) 公安追辑应用 c) 金融信用评价应用 d) 精准营销应用 6. 应用创新从哪着眼？ - 大数据 ” 五行拳 ” a) 从全局整体价值着眼 - 翻江倒海式 b) 从解决 “小问题”着眼 - 大海捞针式 c) 从解决 “大问题”着眼 -- 海纳百川式 d) 从短路旧价值着眼 - 红海截流式 e) 从创造新价值着眼 - 蓝海共拓式 f) 大数据应用启发三连问 7. 当前技术进展如何？ a) 数据采集的技术进展 - 针对数据产生问题 b) 数据汇聚的技术进展 - 针对数据存留问题 c) 数据聚合技术的进展 - 针对数据关联整合的问题 d) 资源整合应用技术的进展 - 针对数据应用问题 8. 技术创新路在何方？ a) 平行系统理论 b) 知识自动化需要知识机器人 c) 知识机器人是一个人工智慧系统－平行人 d) 人工智慧系统仿生架构－整合心理学模型 e) 人工智慧系统仿生架构－五环知行合一模型 f) 人工智慧系统仿生架构－智慧社会运行模型 g) 平行智慧城市 “大脑”仿生架构 h) 平行智慧城市整体架构 i) 共同期待大数据的喷气时代的到来课件摘要：完整 8 小时课件免费分享, 有需要者请加好友并自我介绍。; 个人分类: 智慧城市|6321 次阅读|2 个评论

智慧城市建模——该从顶层设计走到建模设计阶段了: 热度 2 Babituo 2016-5-7 09:15; 智慧城市建设步伐差强人意，甚至强差人意，为什么？前几年大家都说：缺乏顶层设计，顶层设计缺有效方法。如今结果怎样？顶层设计泛滥成灾，却无法深入下去？难道顶层设计只是厂商的忽悠？政府上企业当了？被企业捆绑了？人们的这种怀疑的存在是合理，但是是有害的。不能怪这种怀疑的存在载体，而应该怪技术界尚未提出进一步深化设计的方法。而进一步深化设计的方法在哪呢？智慧城市建模工程，是该提到议事日程上的事了。智慧城市建模工程是我在参与珠海智慧城市信息系统架构设计时提出的一个构想。是针对城市大数据整合应用的问题，逐渐形成的一个方法策略。其基本思想是：结合城市空间管理的目标和需求，叠加城市资源管理、能力管理、行为管理、事件管理和过程管理，在珠海大数据中心中以逐步演进的方式，构建智慧珠海的资源、时间、空间和知识相关联的全息城市模型。通过该模型和现实世界的城市达到信息互通，互鉴互控，同步演进来提升城市运行的综合品位，促进城市良性发展。其基本思路是：通过构建城市BIM公共服务平台，积累城市基础设施的相关关系，构建一个基础的城市信息的空间参照系模型；通过构建城市大数据平台汇聚来自政务、产业和民生等各领域各行各业的资源、能力、行为、事件、过程等，多源的资源、时间、空间和知识相关联的数据，运用智能化的大数据聚合分析平台工具，使其融合到城市空间参照系模型之中；通过上述两项活动来形成城市大数据的汇聚、聚合和应用的长效闭环运行机制，并不断运行和改进这一机制，逐步积累演进，用5到10年的时间，构建出一个比较完整的智慧城市信息系统，实现珠海智慧城市建设运营的目标。其中一个重要的思想来源，就是王飞跃老师的平行系统理论。智慧城市建模工程，是一个宏大的思维工程，决不是一人一朝一席就能完成的使命，需要更多有识之士共同参与和推动，为推动这一工程的进步，我决定，从今日起开启智慧城市建模工程方法的探索之旅，并实录于科学网，供有识之士共同探索，共同交流，共同提高。; 个人分类: 智慧城市|4160 次阅读|6 个评论

增强虚拟是实现平行系统的必然途径: Babituo 2016-5-7 08:50; 我们拥有一个现实世界，我们习惯生活于现实世界。我们拥有无数个隐虚世界，我们习惯思考于隐虚世界。现-可显现的，实-可感知的，隐-不直接感知的，思维性的，虚-可思考表述的。我们借助计算机技术把隐虚世界可视化为虚拟世界。于是，我们可以慢慢养成新的，在现实世界和虚拟世界之间自由穿梭的新的生活习惯。这，是一个全新的未来世界：平行世界。王飞跃老师的伟大发现。让各自隔绝的隐虚世界有机会建立共享的隐虚世界，这便是虚拟现实技术对人类文明贡献的核心价值所在。即使没有虚拟现实技术，人们也是不断穿梭于现实世界和个人的隐虚世界之间的。虚拟现实技术用计算机可视化的技术将隐虚世界以现实世界的模样来展现，实际上是提供了一种在现实世界和隐虚世界之间的沟通互动的桥梁。增强现实，是将虚拟世界的信息，呈现在现实世界中；增强虚拟，是将现实世界的信息，呈现在虚拟世界中，从而可能迅速在共享的隐虚世界中传播；虚拟现实技术在增强现实与增强虚拟两方面同步发展，便是平行系统勾画的美好未来！附记：推荐阅读：虚拟现实: 平行也可以相交现实世界和虚拟世界的互鉴互控，平行演进的结果，不是各自割裂的发展，而是带来增强现实和增强虚拟双方的互动。增强虚拟的概念尚未有人正式提出，但确是平行演进的必然结果。增强虚拟，意味着对现实世界的采集和监测，驱动虚拟世界的动态演进式的建模和维模（在线模型维护）; 个人分类: 智慧城市|2889 次阅读|0 个评论

更多...

帐号		自动登录	找回密码
密码			注册

关闭 安全验证

标签: 平行系统

相关帖子

相关日志

关闭安全验证