小实验（一）——细胞自动机和中文断句

这是关于我的小魔鬼的系列实验的开端，照理说应该好好庆祝一下的，但是最近太忙了，就直接开始吧。

 

细胞自动机（Cellular Automata）不是一个新概念，其实它是一个很古老的计算机游戏，google一下的话就知道了，这里就不详述了。我们这里要做的是对每个细胞单元的能力作一些增强，但是不改变它的单纯性。具体来说，有以下几点：

 

1、每个细胞单元可以存储有限数量的信息（比如，限定长度的字节数组）

2、细胞单元之间可以通过某种形式进行信息交流，这种交流的建立通过一种叫做细胞突的附加单元来完成

3、细胞单元都有其特有的能量阈值，达到阈值以后就会激活，并且可以保持在激活状态一段时间

4、细胞单元之间的交流就是能量传播的过程

 

这样有几个问题还需要讨论：

 

1、细胞单元及其关联的表示方式？

 

我们可以用普通矩阵，但是对存储压力可能会很大；或者用稀疏矩阵，用哈西表查找；或者建立索引表和反查表来确定细胞单元之间的关系。主要问题是，一个细胞单元可能和非常多的细胞单元有关联，不管使用什么存储方式都会有不小的存储量。

 

暂时决定使用的方案是一张通用的索引表（哈西表），然后我们根据输入和细胞单元的索引来进行查找，我们可能需要一种特殊的哈西表。

 

2、细胞单元的能量是针对每个存储单元的还是细胞本身的？

 

现在暂时决定为细胞本身的，但是我怀疑这样做可能会激发错误的能量传导回路。

 

3、能量的传播是否会有加权？

 

我们可能一开始不考虑加权，或者说只考虑信号自身在细胞单元里的加权，以后我们还会有一些更多的想法来实施。

 

针对断句的功能来说，我们暂时对如何自组织没有概念，所以还是自己设计了一套学习机制：

 

1、我们把整个自动机系统中的细胞单元分为两类：（输入）感应单元和（断句）识别单元。和人类的感应能力不同，输入感应单元直接识别ASCII码或者Unicode，然后将能量传导给识别单元进行识别。

 

2、识别单元相对单纯，感应单元则存储有限数量的字符的断句权值，及其阈值和当前能量值，我们初始只有一个识别单元，随着输入信息的增加，识别单元会自我分裂（当然这只是为了方便）并将存储的信息均分到两个新的单元中去。当然，我们需要相应更改关联信息。

 

3、上面已经说过了，识别单元和感应单元的关联，以及感应单元之间的关联都通过全局索引表来实现。

 

4、我们现在只有这样一个简单的双层结构，是否会增加为多层还需要看试验的进一步结果。

 

好了，理论部分就说这些，接下来就是付诸实践了……

 

笔记2010/2/5：

关联查找表准备用hash字典了，但是这样还是会面临查找关系爆炸所带来的压力，一台机器肯定是无法完全模拟这个模型的。现在的时间同步方式也很简单……开始觉得这个模型太复杂了……