【双鸭山百姓网】- 免费发布信息 - 双鸭山最大最全分类信息门户
更新提示：发现新版本浏览器，一样简单易用，速度提升30%不再显示&&关注百姓微信公众号，尽享快捷刷新、信息推送、抽奖活动等众多微信功能您只需要：1 &用微信“扫一扫”右边的二维码2 &在微信中“关注”我们&|&|||||信息编号：该信息为60天前发布的，已过期。双鸭山二手车轿车精选信息4月2日双鸭山市尖山区5万元&/&福特&/&2010年6月&/&6万公里&/&嘉年华3月22日集贤4.5万元&/&其他&/&2000年02月&/&10万公里&/&用户自填4月3日尖山 - 黑龙江省双鸭山市尖山区盛泰家园11.2万元&/&纳智捷&/&2012年6月&/&10万公里&/&大7 SUV4月4日集贤 - 胜利路40号石油公司住宅楼66万元&/&奥迪&/&2016年02月&/&1万公里&/&奥迪Q54月1日&尖山 - 一马路11号门市6.2万元&/&本田&/&2007年06月&/&10万公里&/&本田CR-V3月30日集贤 - Y00310.7万元&/&起亚&/&2012年01月&/&5.4万公里&/&起亚K54月3日&鸡西市鸡冠区9.8万元&/&奥迪&/&2万公里&/&奥迪A64月1日双鸭山市集贤县4.1万元&/&荣威&/&2008年05月&/&18万公里&/&荣威7503月29日尖山 - 黑龙江省双鸭山市尖山区电大路5.7万元&/&荣威&/&3万公里&/&轿车4月4日友谊 - 黑龙江省双鸭山市友谊县红兴隆大街5.5万元&/&长城&/&2013年6月&/&5万公里&/&长城C50双鸭山二手车轿车最新信息今天 9:27集贤 - 贵龙康城门市老石油住宅楼宇隆二手车经..6.9万元&/&猎豹&/&2009年10月&/&9万公里&/&黑金刚今天 9:26宝清 - 宝清2.58万元&/&长安&/&2011年07月&/&9万公里&/&悦翔今天 9:26尖山1.55万元&/&比亚迪&/&2010年04月&/&5万公里&/&比亚迪F0今天 9:25黑龙江省双鸭山市6.8万元&/&起亚&/&2009年11月&/&12万公里&/&狮跑今天 9:22集贤4万元&/&其他&/&1982年08月&/&888万公里&/&老爷车收藏今天 9:21黑龙江省双鸭山市2.25万元&/&大众&/&2004年11月&/&13万公里&/&高尔今天 9:21宝清 - 宝清9.36万元&/&哈弗&/&2013年11月&/&3.2万公里&/&哈弗H6今天 9:21S307null5.8万元&/&帝豪&/&2014年10月&/&2.3万公里&/&帝豪EC7今天 9:21尖山1.1万元&/&大众&/&2000年01月&/&10万公里&/&桑塔纳今天 9:19集贤 - 福利街里1.88万元&/&吉利&/&2009年06月&/&9万公里&/&远景
安全小贴士
来路不正是借口，未见车先打款易成冤大头！见面交易最安全，钱货两讫有保障。
反馈建议描述：请填写描述手机号：请填写手机号请填写手机号脑智能（1）
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
致读者的一封信
亲爱的读者，您好！
文章的内容是关于人类智能的，它不同于智慧。我们认为智能是大脑的工作模式，是在我们出生时就具有的一种先天能力，而且一般情况下，直到我们死亡，大脑的工作模式都不会发生变化。智慧是对大脑决策结果的描述，它受后天学习到的知识的影响，因此对于不同的智能个体，由其知识的差异性导致了决策结果的差异，从而表现为智慧的差异。
2007年，我发现了人的行为之间存在逻辑特征，并认为可能存在一个逻辑模型，它能描述我们大脑的工作模式。而且非常幸运的是，我在2012年找到了这个模型。并经过3年多的观察、分析、验证，十几次易稿，目前已形成一套基本上可以算作完整的（假说）理论了。
从2014年开始，我就一直在尝试将这套理论进行推广。在AI领域投稿论文若干篇，无一例外的都是被直接拒稿，通过跟老师的沟通，分析得到的结论是AI是一个圈子，它从事的是跟智慧相关的研究，而我的论文是跟智能相关的，再加上投稿人（我）只是一个默默无名的人，所以结果必然是拒稿。2016年，跟心理学领域的老师咨询了在该领域发表论文的可能性，结果跟AI领域并无多大差别。
通过两年多的经历，我意识到我现在做的事情是在定义智能的规范，相当于是在学术领域里开宗立派了。虽然这是一件非常困难的事情，我仍然决定将这件事情坚持下去。真理不辨不明！我需要一个“辩”的机会。这也是我将文章发布到互联网，并希望大家帮忙转发的原因。
文章中涉及的方面很多，理论方面需要一些逻辑的知识，而且有一些“不可思议”的结论。我不知道您能理解多少，但请您帮忙转发一下。十分感谢！！
&&&&&&&&&&
前言：需要说明的若干事情
人类智能几乎可以算作是目前最难的谜题之一。关于它研究现状是：相关理论学说很多，包括哲学、心理学、认知学、人工智能、神经学等，但还没有人能说清楚它到底是什么。
我们将人类智能看作是大脑的工作模式，而这篇文章则是用来描述大脑的工作模式的。我们构造了一个逻辑模型，这个模型叫做知识-需求-记忆模型，简称KRM模型，通过这个模型我们几乎可以描述大脑的工作模式以及几乎可以解释人类智能的所有能力与特征，包括认知、思考与推理、感情、创造、梦，甚至包括灵魂的特征。
由于现在对智能的解释很多，每个人对智能的认知也存在差异。为了方便阅读本文，我们需要约定一些事情。
第一件事情，本文中的智能特指为大脑的工作模式。
我们都知道以下事实：
每个（正常）人，他（她）刚出生时就有智能，他的大脑能够正常工作，所以一般认为他有智能。
狗、猫、猴子等动物是有智能的。
一个数学家可以解答非常复杂的数学问题，但一个幼儿不能完成同样的事情，狗、猫、猴子同样也不能完成同样的事情。
在本文中，我们将智能定义为大脑的工作模式。我们使用的是“模式”这个词，其潜台词是数学家、幼儿、猫、狗的大脑工作模式是（近似）相同的。或者说，我们认为他们之间的模式差异是可以忽略的，即一个人跟狗、猫的智能是一样的。虽然人、猫、狗处理信息的模式是相同的（过程是相似的），但结果是可以存在差异的，就像事实3）中所描述的。对于其中表现出来的智能差异，我们认为这是由他们的工作内容（知识）造成的，而不是模式的差异，这种差异性我们使用概念“智慧”来表示。
第二件事情说的是本文的研究方法。
我们将介绍大脑的工作模式，这是一个基于逻辑的信息处理模型（KRM模型）。基于这个抽象模型，我们实例化了2个系统框架（DuDu框架和XinYun框架），然后基于这两个框架我们讨论人类智能各种能力的细节。
关于KRM模型的正确性，我们目前无法验证，这可能需要生物学、神经学方面的实验验证，而我们没有条件进行这些实验。但我们通过对个体（人）的大量行为观察，可以说明KRM的合理性，即它几乎可以解释人类智能的各种能力。
第三件事情，本文的研究内容与当前一些领域之间的关系。
我们使用一颗枝繁叶茂的大树来进行比喻，神经学是树根，整棵树的来源都是基于树根的。心理学、认知学、哲学，以及人工智能都是树枝，它们都是对大脑智能研究的产物，但它们又缺乏对大脑原理（工作模式）的认知。我们提出的KRM模型是对大脑工作模式的描述，是这棵树的树干，从某种意义上讲，它相对于当前的领域划分来说，它是独立出来的一个新领域。它跟心理学、认知学、哲学，以及人工智能都是相关的、有交叉的，但又是不同的。所以，为了避免与当前领域的概念发生认知冲突（混淆），我们使用一些新的概念词汇。例如使用脑智能、自适应原始需求来避免与智能、本能需求等现有概念的冲突。
第四件事情，本文的一些结论，可能会影响您对人生观、价值观的认知，请谨慎。例如：
人、狗、猫等具有相同的智能，但由于人类具有强大的知识传承体系，所以智慧优于其他物种。
人的感情是一种对事物的依赖，它可以通过公式描述。
一个人的标志不是唯一（不变的），而是变化的，即没有像灵魂这种概念的存在。
机器智能或许不是我们的敌人，而是我们的进化方向。
理解这篇文章，会让您对人类智能有一个全新的，与现有概念差异很大的认知。
第五，本文没有参考文献。
本文主要是阐述我们自己的观点。顺带着，我们也会从网络上（例如百度百科）查询当前的主流观点进行简单的对比分析。
在人类历史上对人类智能的研究与讨论非常多，涉及哲学、心理学、神经学、认知学以及人工智能等领域。但最基本的问题——智能是什么，或者说智能等于什么，却一直没有被解决，没有一种对智能的描述能够得到所有人的认可。我们这里想做的事情，就是给智能一个定义。
基本上所有人都认同这样一个事实：每个（正常）人刚出生时，他（她）有智能。这是本文的一个基本假设，我们再延伸一下这个假设，使它可以适用于更大的范围：
假设1：若一个脑智能体在诞生时，它的大脑能够正常工作，那么它具有脑智能。
这里（以及后文）使用名词
“脑智能”来替代“智能”的概念，原则上，我们认为两者是等价的。但智能的概念范围非常广泛，我们本意只是为了避免本文所用概念与现有智能概念的冲突。脑智能体，顾名思义，它指的是大脑的载体，例如人、狗等。
这个假设中还存在一个问题：什么是正常工作？我们是这么解释的，大脑在开始发育时，已经开始工作了，当它功能发育完成后，就算作正常工作了。至于大脑在哪个时间点算作正常工作的问题，我们认为这个时间点发生在母体中，但我们又说不清楚，所以我们规避一下。我们说，当脑智能体诞生时，它的大脑已经能够正常工作。
我们再做第二个假设：
假设2：大脑是一个信息处理系统，它接受来自于脑智能体其他器官的信息，经过处理后，将结果信息返回给一些器官。
这个假设符合我们观察到的现象，大脑接收来自于五感器官或者其他器官生成的信息，然后基于这些信息进行决策，并根据决策结果协调身体行为。
我们再做第三个假设：
假设3：脑智能是大脑的工作模式。在不同的脑智能体中，大脑的正常工作模式是相同的，但由于工作内容的不同，以至于表现出来的行为存在差异性。
脑智能的初始状态就像是一台只装有操作系统的计算机。当它接触环境中的信息后，它的工作内容（知识）就会发生变化，就像使用了一段时间之后的计算机上，它被安装了一些应用程序。华生也描述过类似的情形，“给我十几个健康的婴儿，让我在自己建构的特殊世界里把他们养大，我保证能够随机地把他们训练成为任何一种类型的专家——医生、律师、艺术家、富商、甚至乞丐和盗贼。”
有了以上假设，我们就可以讨论脑智能模型了。本文的组织包括以下几方面内容：
KRM模型以及相关概念的介绍与解释。
在第三章中，我们将结合一些观察实例介绍一个新的理论模型（知识-需求-记忆模型，KRM模型）。通过这些实例，我们希望能够塑造一个KRM模型的直观形象，并简单的介绍它是如何影响一个人的行为。
KRM的逻辑模型和系统框架设计
在第四章，是本文的技术核心，我们将讨论KRM模型的数学本质。首先，我们将介绍一个逻辑语言IntLog，通过它我们可以给出人类KRM模型的形式化描述，即KRM4HI模型。然后，基于KRM4HI模型，我们设计出了两个系统框架，分别成为DuDu框架和XinYun框架。前者是基于单机系统的，它更加适合于直观的描述人类智能的内部信息处理过程以及外在的各种表现能力；后者是基于分布式系统的，理论上它更适合于描述人类智能的生物系统特征。
人类智能的典型能力描述
第五章，我们将通过对人类智能各种典型能力的描述来说明KRM模型是一个合理的模型，它几乎可以非常棒的描述人类智能的各种典型能力。
对一些与智能相关问题的讨论与分析
第六章，针对一些与智能相关的问题，我们将基于KRM模型简要的给出我们的分析与结论。另外，也将在这一章介绍一些我们的猜测。
KRM模型的直观描述
我们将大脑看作是一个信息处理系统，它的工作可以简单概述为：它接受来自于脑智能体自身的信号信息，以及感应组件的生成的感应信息（例如视觉、听觉、味觉、嗅觉、触觉），经过一系列处理后，脑智能输出用来决策脑智能体各组件行为的命令信息。这中间规避了一个问题：信息在脑智能中是如何处理的？在回答这个问题之前，我们先看一个实例：
实例1：在工作日，我下班后通常是回家吃晚饭的，一般在晚上7点钟左右到家，那时我的父亲会帮我把晚饭准备好。有一天，当我准备吃晚饭时，我父亲问我，“你中午吃的什么？”我想了想，回答说，“红烧排骨。”
这是一个非常普通的语言交互过程，几乎每个人都会发生类似的事情。在这个过程中，“我”的脑智能经历了一次完整的从感应输入信息、决策、输出驱动身体行为的过程。下面我们将给出“我”的脑智能的信息处理过程的描述。
我的耳朵能够感应到环境中的音频信号，它接收到了我父亲发出的音频信号，然后把这段信号交给我的大脑来处理。
我的大脑通过我所掌握的知识能够识别出这段信号中蕴含的语义。在这个过程中，我的知识发挥了非常重要的作用，因为它我才能知道这段信号中蕴含的语义。如果假设我的父亲使用日语来询问我（假设我的父亲会用日语说话），由于在我的知识中是不懂日语的，那么我是无法知道父亲所要表达的意图。我们再假设父亲说话的对象是我的女儿，她刚刚出生的时候，显然她的耳朵也能捕捉到环境中的音频信号（我父亲的询问），但她无法理解我父亲要表达的意图。
虽然我知道了父亲话语中蕴含的语义是“你中午吃的什么？”但这并不意味着他是在对我说话。
我产生了一个需求：“我想知道父亲说话的对象”，这个需求驱动我的眼睛去观察当前的环境信息，从而让我知道父亲说话的对象是我，而不是家里的其他人。
“你中午吃的什么？”是一个信息请求，它表示父亲在等待我的答案，但这并不意味着我需要回答他的问题。经过一些复杂的判断，我决定回答父亲的问题，于是我生成一个需求：“我要将答案发送给我的父亲”。
这个需求驱动我对记忆进行查询，找到父亲请求信息的答案“今天中午，我的午餐之一是红烧排骨”。
这个需求驱动我将答案“红烧排骨”转化成我的喉咙的行为指令，并驱动喉咙发出声音。
以上脑智能内部的信息处理过程涉及到了三类信息：知识、需求和记忆。我们将基于这三类信息的脑智能的信息决策模型称为知识-需求-记忆模型（Knowledge-Requirement-Memory，KRM）。其中，知识和记忆被称为显信息，需求被称为隐信息，它们之间的区别在于信息的“真实”。显信息表示信息在脑智能中是真实的，它用来描述对象（事物）的真实情况，而隐信息则用来描述对对象（事物）的期望，表示还未实现的信息。需要注意的是，脑智能中信息的“真实”并不等同于客观环境的真实，它们之间可能会发生冲突，使得脑智能中的“真实”信息在客观环境中并不真实，例如：
实例2：有一次，我正在厨房洗菜时，我的电话响了。这时洗好的菜大概占总数的20%，它在我的脑智能中的真实信息描述是：“洗干净的菜是20%”。然后我就去接电话了，半个小时后，当我讲完电话时，我脑智能中的真实信息仍然是：洗干净的菜是20%。然而，在我通电话的时候，我的妻子已经把菜洗好了，客观环境的真实信息是：洗干净的菜是100%。
现在我们对KRM模型有了初步的印象，我们可以介绍一点“实质性”的内容了。让我们从知识、需求和记忆三类信息之间的关系开始吧。
需求来源于脑智能体自身，它可以通过知识衍生新的需求。需求也可以被环境中的信息所满足。
知识和记忆来源于环境，脑智能体也是环境的组成部分。它们之间的区别是：知识是对象的抽象描述（定义描述），而记忆是对象的实例状态描述。另外，需求将影响知识和记忆的生成过程。
我们一直在使用“对象”这个概念，那么，什么是对象呢？任何事物都被看作是一个对象，例如手机、上帝、等价关系等。
这样的介绍看起来很比较难以理解，下面将我们使用图和公式来进行解释。
知识、需求、记忆简要关系图
我们把脑智能相关的信息集合记为{In，Out，Knowledge，Requirement，Memory}，它包括五个部分，其中In表示脑智能的输入信息，Out表示脑智能的输出信息，Knowledge、Requirement和Memory分别表示脑智能内部处理的知识、需求和记忆信息。这些信息之间的关系如图1所示，也可以使用以下五个公式来描述：
In=Init（Brain-Intelligence
Agent）&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
Out=Instruments（Requirement）&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
Knowledge=
Deduce（Requirement，Knowledge）+Generate（Knowledge，Memory）
&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
Requirement=Derive（AdapOriginalReq
& DerivedReq，Knowledge）-
Satisfy（Mapping（In，Knowledge），Requirement）&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&&
Match（Mapping（In，Knowledge），Requirement）&&&&&&&&&&&&&&&&&&&
公式（1）表示脑智能的输入信息来自于脑智能体的各个组件，包括脑智能体组件自身产生的信号，以及感应组件从脑智能体外部环境中捕获的信息。这些信息将被初始化为脑智能可以处理的输入信息。
公式（2）表示脑智能的输出信息是一组由需求生成的、用于控制脑智能体的指令。
公式（3）描述了知识的两个来源。前者Deduce（Requirement，Knowledge）表示需求可以通过演绎方法从旧有的对象知识生成新的对象知识。后者Generate（Knowledge，Memory）表示知识和记忆可以直接用来生成出新的对象知识。
公式（4）中引入了一个新的信息概念“自适应原始需求”（AdapOriginalReq），顾名思义，它由三部分组成“Adap”+“Original”+“Req”，它表示用于维持脑智能体工作的“最低”需求，它是来自于脑智能体各组件的“最低”需求的汇总。其中“自适应性”表示脑智能体的组成部分，即组件，是可以变化的，所以自适应原始需求也会随着脑智能体组成组件的变化而自适应变化。
需求由两部分组成，AdapOriginalReq
和 DerivedReq，其中后者是前者衍生出来的需求。公式（4）描述了需求的增量生成与减量更新。Derive（AdapOriginalReq
& DerivedReq，Knowledge）表示自适应原始需求及其衍生需求会通过知识衍生新的需求。Satisfy（Mapping（In，Knowledge），Requirement）表示需求会被满足，用来满足需求的信息是由输入信息In和知识生成的，或者说是输入信息经过知识映射生成的信息。
公式（5）表示记忆的来源，它是由用来匹配需求的那些经过知识映射生成的信息组成。
公式和流程图都是枯燥的，我们还是使用一些行为实例来进行解释。
我们认为：一个人的行为是由需求驱动的，即如公式（2）所述，人的行为指令是由需求解析生成的。需求之间是存在逻辑关系的，这使得人的行为之间也存在逻辑关系。
实例3：我想买一个价格为10元的面包。我的钱包通常是放在裤子口袋的，于是我到裤子口袋中去拿钱包。结果却没有摸到钱包，我开始回忆我的钱包会放到哪里？通过记忆，我推测出早上出门比较匆忙，很有可能把钱包落在家里了。
虽然我有些无奈的离开面包店，但我仍然很想买那个面包。我知道我有随手将钱放到口袋里的习惯，于是我逐一去摸其他口袋。很幸运的，我在衣服口袋中摸到了钱。于是我又开始回忆这些钱的来源，通过记忆，我知道这是昨天晚上我用100元面值的钞票去买杂志找的零钱，当时随手放到衣服口袋中了。
我在实例3中的行为过程稍微有些复杂，我们这里只分析需求对行为的影响。
我的初始需求是“我需要面包”，这个需求经过知识，会衍生一系列的需求，这些需求之间存在逻辑关系：我需要面包——&我需要钱——&我需要钱包——&我需要裤子口袋。而需求之间的逆序则会形成行为之间的逻辑关系：我要把手伸到裤子口袋——&我要用手掏出钱包——&我要用手打开钱包——&我要用手从钱包中拿出10元钱——&我要用手将10元钱付给面包店的售货员——&我要用手接过面包。这个行为序列是我“预想”的行为，而实际上它没有被完全执行，终止于第二步，因为我的手没有找到钱包，但这并不表示需求在我脑智能中不存在。
当我离开面包店时，我对面包的需求并没有消失。我的知识“有时候会把钱放到其他口袋”让需求又发生一些变化：我需要面包——&我需要钱——&我需要衣服口袋——&……。变化后的需求会驱动我的行为变化：我用手去摸衣服口袋——&……。
脑智能中需求的逻辑关系源自于我的知识。例如，“我需要面包”与“我需要钱”之间的逻辑关系源自于我的知识“钱是交易的媒介”。
在实例中，我分别回忆了钱包所在的位置，以及衣服口袋中钱的来源。这个行为是由另一个需求“我要维护私有财产的安全”衍生出来的需求驱动，其中涉及的知识比较复杂，这里就不详细解释了。
脑智能体的行为往往是多个信息模块综合作用的结果，即在行为过程中，我们可以看到公式（1）-（5）中多个信息交互过程在发生作用。
实例4：我们为嘟嘟（嘟嘟是我的女儿）准备了一些画册用来对她进行知识启蒙教育。其中，有一本画册是动物画册，每一页都是一只动物的彩色图片，包括猫、狗、大象、长颈鹿等。在嘟嘟一岁左右的时候，我会拿着画册，指着一页动物彩图，告诉嘟嘟这是大象，它有一根长长的鼻子；这是长颈鹿，它的脖子非常长，等等。
实例4发生于两个脑智能体之间：我和嘟嘟。首先分析一下我的行为：从翻到画册的一页到告诉嘟嘟“这是大象“的过程，在我的脑智能中都发生了哪些事情：
嘟嘟一岁了，对于猫、狗等动物她都比较熟悉了，这些动物对她的吸引力并不大，我想要告诉她一些“新的知识”，例如大象。这个需求大概是源自：“我想要将我的知识传承给嘟嘟”。这个需求又衍生了一系列的子需求（Derive（Instinct&DerivedRequirement，Knowledge）），从而驱动了我的行为。
首先，我要“翻到大象所在的画册位置”。在这个过程中，
我的眼睛能够捕捉到画册上面反射的光信号，这些信号经过初始化形成颜色、形状等输入信息（Init（Brain-Intelligence
Agent））。
这些输入信息通过我的知识映射成一个对象的实例描述（Mapping（In，Knowledge）），例如猫、狗、长颈鹿、大象等。
这些实例被用来匹配我对大象的需求，同时它们也被存储到我的记忆，（Match（Mapping（In，Knowledge），Requirement））。
当实例满足我对大象的需求时，即需求“翻到大象所在的画册位置”被满足（Satisfy（Mapping（In，Knowledge），Requirement）），翻页的行为将被停止。
然后，我要“指着图册中的大象”，并“告诉嘟嘟这是大象，它有一根长长的鼻子”。在这个过程中，
我的手将被命令移动到图册中大象的位置，伸出一根食指，指着大象（Instruments（Requirement））。
我的喉咙将被命令发出“这是大象，它有一根长长的鼻子”的语音信息（Instruments（Requirement））。
我们再来分析一下，当嘟嘟听到“这是大象，它有一根长长的鼻子”的语音信息后，她的脑智能中发生了什么事情：
嘟嘟能够正常听到我发出的声音，从而捕获到“这是大象，它有一根长长的鼻子”的语音信息。
嘟嘟的知识已经可以正确解析“这是大象”这句话的语义，从而分离出“大象”这个对象，将这个对象更新到她的知识中（Generate（Knowledge，Memory）），同时赋予这个对象一个特征描述“大象有一根长长的鼻子”。
另外，嘟嘟的眼睛也能捕捉到我手指的位置信息，她知道我指的动物是大象，于是画册中的大象信息也会被更新到她的知识中的大象对象中（Generate（Knowledge，Memory））。
在实例4中我和嘟嘟之间发生的行为过程涉及了公式（1）-（5）中需求演绎知识（Deduce（Requirement））除外的所有的信息交互过程。
需求演绎知识（Deduce（Requirement））用来描述由需求生成知识中对象的过程，一个典型实例就是“KRM模型”的生成：我需要一个模型来描述人类智能，于是我生成了一个名为“KRM模型”的对象，但这个过程非常复杂，其中的细节难以描述。我们将通过一些简单的行为实例来解释这个过程。
实例5：由于各种原因，嘟嘟衣服的换洗频率很高，而有时我们会使用烘干机来烘干洗好的衣服。当烘干机在工作时，它会发出呜呜的声音。当嘟嘟注意到这个声音的时候。我会指着烘干机并告诉她，“这是烘干机。嘟嘟的衣服湿了，爸爸用它来烘干嘟嘟的衣服。”
嘟嘟喜欢玩水，而且经常会把衣服弄湿，有时候我会提醒她：“嘟嘟，你这样做会把衣服弄湿的。”而她却回答，“呜呜……”。我能够明白她要表达的意思是“衣服湿了也不要紧，烘干机会把衣服烘干的”。
再后来，嘟嘟有一次在爬行垫上边喝水边玩耍，然后水杯掉到爬行垫上，从杯子中流出一些水到垫子上。我跟她说，“嘟嘟，爸爸跟你说过要坐着喝水的。你看，水杯掉了，爬行垫也湿了”，而她回答，“呜呜……”。
初始时，嘟嘟通过她的观察行为，以及我们传递给她的信息，嘟嘟在她的知识中生成（Generate（Knowledge，Memory））规则对象rule1：“湿衣服经过烘干机可以变干”。
当嘟嘟玩水弄湿衣服时，我传递了一个信息给嘟嘟：“爸爸希望嘟嘟的衣服是干的”。嘟嘟接收到了这个信息，并生成一个需求“让衣服变干”，并且通过知识中的rule1衍生了对烘干机的需求（Derive（Instinct&DerivedRequirement，Knowledge））。但她当前需求驱动的行为是在玩水，所以对烘干机的需求驱动她发出“呜呜”的声音来应答我的行为。
同样，当爬行垫湿了的时候，嘟嘟为了应答我的行为，她生成一个需求“让爬行垫变干”，而嘟嘟知识中的rule1并不能解决这个需求，她需要一个新的规则。于是，她从已有的规则rule1演绎出（Deduce（Requirement））新的规则rule2：“湿爬行垫经过烘干机可以变干”，然后通过规则rule2来衍生出对烘干机的需求，并驱动她发出“呜呜”的声音来应答我的行为。
需求演绎出来的知识也可以看作是由需求“创造”出来的知识，它并不需要与客观世界存在的知识相符合，其过程被用来解释脑智能的想象力和创造力。在对我们周围不同年龄段的人的行为的观察中，我们发现这样一个事实：需求演绎知识过程表现出来的行为特征（想象力和创造力）更容易体现于4，5岁孩童的行为中，我们猜测大概是因为她们在这个时候还没有上学并进行系统的知识学习，所以更容易创造知识来描述他们的需求。
实例6：在我们的住宅小区中，有几个4，5岁的小女孩。有一次，我们替嘟嘟邀请这些小朋友到家里玩，我们拿出一些蜡笔和白纸，让她们自己玩耍，而我们自己则在旁边照看着，以避免她们之间发生大的冲突。
然而，当我观察到她们画的内容，发现里面充满了想象力：星星可以长在树上，房子可以建在云上，鱼可以游在空中。
需求通过知识（规则）衍生出新的需求，当环境发生变化时或者知识发生变化时，需求也会发生相应的变化，从而使智能体的行为发生变化。反过来，我们可以通过观察一个人的行为变化以及环境变化来分析她的需求变化。
实例7：嘟嘟喜欢玩抽纸，会不断的把纸抽出来，然后扔到地上，直到把一盒纸都抽完为止。在她1岁多一点能独立走路的时候，她就能找到我们随手放在低处的抽纸来玩，频繁的这种行为给我们带来了一些麻烦，于是我们把抽纸放到柜子上，一个她能看到但够不着的地方。
后来，她拉着我，然后指着抽纸，嘴里叫着：“嗯！嗯！”我能够明白她的意思，她是要我拿抽纸给她。这时候，我会把抽纸拿下来，并告诉她只能抽一张出来玩。在她抽出第一张纸的时候，我会把抽纸拿走。
再后来，她对我说：“爸爸！抱”。然后指着柜子的方向，嘴里喊着：“嗯！嗯！”
我能够明白她的意思，是让我往她指的方向移动。当我走到柜子旁边，她伸手去拿到抽纸，然后将纸抽出来。这时候，我会告诉她，“嘟嘟只有两只手，一只手拿一张纸就好了”。当她想要更多的纸时，她会跟我说，“爸爸，拿”，她的意思是爸爸还有手，爸爸也可以帮嘟嘟拿纸。
我们不清楚嘟嘟玩抽纸的需求来源，或者可能是模仿大人的行为，或者可能是这个需求源自于她自身，用以练习手指的灵活性。但我们可以确定嘟嘟有一个“玩抽纸的需求”，不妨将这个需求记为Req1。
在初始情况下，嘟嘟能够自己拿到抽纸。这时，需求Req1衍生的需求Req2“移动到抽纸的位置并拿到抽纸”驱动了嘟嘟拿抽纸的行为。
当抽纸的位置转移到柜子上之后，嘟嘟够不着抽纸，需求Req2不能被满足。这时需求Req1衍生出的需求Req3“让爸爸将抽纸移动到嘟嘟的位置并使得嘟嘟能够拿到抽纸”开始发挥作用，并驱动了嘟嘟的行为。
我知道嘟嘟的需求，她想要玩很多的抽纸。但我也有我的需求，“一方面，我怕麻烦，我不想让她把抽纸都抽出来。另一方面，我不想拒绝嘟嘟的请求。”所以，虽然我知道嘟嘟想要的是自己拿着抽纸盒子玩，但我却只让她抽出来一张抽纸玩。
我告诉她只能抽一张抽纸玩，这段信息更新了嘟嘟的知识，从而使她的需求发生变化，并驱动了她的行为。
但一张抽纸不能满足嘟嘟的需求Req1。于是需求Req1衍生的需求Req4“让嘟嘟移动到抽纸的位置并使得嘟嘟能够拿到抽纸”
开始发挥作用，并驱动了嘟嘟的行为。
我再一次更新了嘟嘟的知识
“一只手拿一张纸”。从而使她的需求发生变化，并驱动了她的行为，一方面她每只手都拿了一张抽纸，一方面要求爸爸替嘟嘟拿抽纸。
在前面的实例中，我们介绍的是需求和知识对人类行为的影响，下面我们将介绍记忆对行为间接影响。
图2你看到猩猩了吗？
实例8：有一次我在浏览网页，浏览到了图片2，我大概记住了以下信息：图片中有一个性感的女人，她有一对诱人的乳房，图片的背景是在海边。然后，我继续往下浏览，看到了图片下面有一行醒目的文字“你看到猩猩了吗？”这让我猜测到图片中应该还有一只猩猩，而且我想知道它藏在图片中的哪个位置。因此，我又回到图片中开始寻找猩猩，并在图片的右边找到了猩猩。
我存在一个“浏览网页并认知其中的内容”的需求，这个需求驱动我从上往下进行网页信息浏览的行为。
我浏览网页的速度比较快。当我看到图片2，网页上的信息经过我的感应、认知等过程，生成了女人、乳房、海边等对象实例，这些对象实例被保存到我的记忆中。
然后我继续往下浏览信息。当我看到“你看到猩猩了吗”，经过复杂的信息处理过程，我理解了这段文字所蕴含的语义：“图片中存在一只猩猩”。
我在记忆中没有查询图片中存在与猩猩相关的信息。
于是我衍生了一个新的需求“找到猩猩在图片中的位置”，它驱动我将网页翻回到图片的位置。
图片中更多的信息被我感应、认知：梯子与猩猩，同时得到了信息“猩猩存在于图片的右边”，这些对象实例信息都将被存储到记忆中。
通过以上实例解释，我们可以看到，KRM模型可以很好的描述一些人的日常行为，但有些能力特征我们没有描述，比如感情、性格，因为这些特征是需求的内涵特征，而上述的模型还无法解释需求的内涵，这是我们下一章的内容。
这一章的内容大致可以总结如下：
知识、需求、记忆的概念描述。知识是对象的抽象描述（定义描述），它要求脑智能中被处理的信息（对象）都要在知识中存在定义。需求是对象的期望状态描述，它用来描述期望对象达到或保持的状态值。记忆是对象的实例状态描述，它用来描述对象的实例状态值。
智能体的行为是由需求驱动的，所以对人类脑智能各种行为的分析，最终都会归结为对其需求的分析。另一方面，需求之间的逻辑关系是通过知识形成的，所以对脑智能各种行为的分析离不开对其知识的分析。
需求和知识是脑智能的两个重要组成部分（相对来说，记忆对脑智能的重要性则比较低）：需求决定做或者不做，而知识则会影响做的结果好与不好。一般来说，我们将需求看作是脑智能的核心，而将知识看作是脑智能的基础。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。}