基于规则的人工智能算法整数加法的实现

基于规则的人工智能算法整数加法的实现

人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
人工智能算法可以理解为模仿人脑的算法，深度学习是模仿大脑神经网络学习的算法，是分层学习，学习是训练的意思。

计算机进行加法运算

计算机加法计算是怎么进行呢？它是不是模仿人脑计算?脑算？
4+5=9
计算机是这样进行计算的，先把数字转换成二进制，然后进行二进制运算，人脑并没有二进制，所以不是人工智能算法。
4转换成二进制是100
5转换成二进制是101
相加的结果是1001
怎么理解呢？
二进制加法只有两个数0和1,加法规则是逢二进一。
计算规则
0+0=0
0+1=1
1+0=1
1+1=10
1+1=10就是逢二进一，1+1=2，但是二进制并没有2这个数字，只能进一位，把2变成1进位并把原来的位置变成0，结果就是10。
现在可以理解100+101=1001
计算机是用加法器进行二进制运算。
32位计算机就是加法器只能进行32个二进制位计算，超过了32位就溢出，超出了32位表示，计算结果是错误的。
32位的最大值是2147483647，所以最大能计算21亿多一些，超过了只能用64位表示，可以达到九千万亿亿。
只要不是溢出，计算机加法是不会有错误的。

用深度学习进行加法运算

深度学习是用神经网络进行训练，通过大量计算拟合出一个接近答案的算法，模型。
比如直接输入字符串，结果标签也是字符串。
输入4+5，预测出结果，让他接近真实标签9.
这样输入
2+4 结果6
11+22 结果33
333+444结果777
算法是实现输入到输出的映射。
因为输入是数字，可以转换成数字进行计算，实现逻辑回归。
输入两列，输出一列
2，4，6
11，22，33
333，444，777
通过输入数千万样本数据进行训练，结果会越来越准确。
但是数字组合是无穷的，不可能训练所有的数字加法。
训练结果总是会有个准确率，不可能达到百分之百正确，比如达到99.99%，
还是有0.01%的错误率，这种方法如果计算不准确，不正确，可能相差十万八千里，
在要求准确率极高的系统是不可接受的，比如1+2算出1000002，那结果肯定不行的。
其实我们要用深度学习做加法运算训练是要学到加法规则和进位规则，但是能学到吗？

我们说深度学习并没有理解能力，只是一种映射。
1+2我们大脑的理解是一个东西和两个东西合在一起，比如一个苹果和两个苹果放在一起，就能得到三个苹果。
要理解1+2=3，首先要认识1,2,3三个数字，他们代表一定的数量，而加就是规则，是把两个数量合起来。
规则还有减，乘，除，乘方等方法。
所以我认为理解，就是掌握每个数字，或者叫数据，标签，概念，对象，东西，我们用标签来表示。
标签1是数量1，标签人则不是数量，是人类，标签乘法，代表求倍数。
理解，包含两个意思，一是它跟现实事物的关系，也就是它跟其他标签的关系，用其他标签表示它的属性，二是强加在它上面的各种规则。
1表示数量，1个，它能进行加减乘数运算
人表示一种动物，人类，有高级智能，能说话，能操作各种东西。
一旦建立了各种关系和规则，人就可以做各种事情，比如开车。
我们去学车，就是学习理解车，车跟其他东西，环境的关系，并掌握各种规则来操作汽车。
利用关系和规则，我们就可以理解，并拥有人的智能。

深度学习并不会理解，没有抽象和推理功能。
从具体事物抽出、概括出它们共同的方面、本质属性与关系等，而将个别的、非本质的方面、属性与关系舍弃，这种思维过程，称为抽象。
推理，逻辑学指思维的基本形式之一，是由一个或几个已知的判断（前提）推出新判断（结论）的过程，有直接推理、间接推理等。

抽象就是关系，推理就是规则，合起来就是理解！有了这个概念，我们就可以用关系和规则实现理解，因而有了智能。

为什么这样做？因为我们要用计算机来表示并计算，不可能依靠笼统的理解，否则你就没法实现人工智能。
面向对象编程有点像理解的代码实现，他有属性和方法，只是人工智能理解为关系和规则。

基于规则模仿人脑的加法实现

我们不用计算机加法也不用深度学习，利用关系和规则同样可以实现一个加法。当然是模仿人脑的，笔算就是列算式。

222+999=？