第一步和第一个问题 AGTIntellegence 网络

©P.Drobyshev, D.Novhorodkina

让我们首先关注 AGTInw 与传统神经网络的根本区别。
在传统的神经网络中，神经元是一个数据阵列/汇总器，快速算法在其上运行，根据给定的运行方案和结构模拟神经网络的训练和运行。 优点–神经元之间的连接和权重分配非常快/在特定模式下运行速度快/并行性好/其他缺点。
相反，在 AGTInw 中，每个神经元（Agent）都是一个人，拥有一台相当强大的计算机，但神经元之间的连接是通过互联网进行的–速度不快，速度不同，而且会中断。
因此，我们的任务是研究互联网分布式计算中使用的解决方案，并在考虑到我们网络的进一步发展、功能和规模的情况下，提出/改进适合我们的解决方案。

接下来，为了启动网络和 AGTInw 应用程序，我们需要在一个最简单的网络中创建至少一到两个算法，并具备以下属性：

• 许多人的迫切需要
• 结果的质量比现有的类似物高一到两个数量级
• 获得结果所需的时间平均不超过同类产品的 10 倍
• 成果价格低廉 – 约 1 AGTI

我们可以立即看到有关个人的信息搜索（”找到我”）、机票搜索、旅游路线搜索、房地产搜索、正确翻译；可能还有其他变体；我们还可以看到与 BIGDATA 的合作、保密搜索（例如妥协），我们正在寻找更多的变体。 一旦启动，显然会一物降一物，网络的建立也会变得更加容易。

下一个重要问题是子网络训练。 如果说网络结构的形成过程还算清晰，那么权值的训练和形成过程则是一个未决问题。 显然，它将首先解决第一种算法的问题，并逐步加以改进。

一般来说，发展计划是这样的–从一个小胚胎的大脑胚芽开始，通过发展和建立子网络，成长为蜥蜴、猴子、婴儿的大脑，然后是全球超级智能体。
我们期待您的想法和问题！