补充一下，“美丽”“意识”存在的前提是要有观察者的存在，这个存在是指主观感受，并不是指客观物理存在。观察者证明它存在并不能证明它存在，即使观察者在观察后认为花存在美丽、自己存在意识也并不能证明“美丽”和“意识”的物理存在。
“发展人工智能的目的不是取代人而是辅助”，这是不对的。从生产力角度来说，发展人工智能最终的目的是要造出比人聪明，生产力水平更高的群体，你认为你的目的和实践是在造“辅助”，而从机器智能主观的角度来看，它是认为自己有“意识”存在的，或者更准确点说，有“意识现象”存在的，即观察者产生了观察者能表现出意识现象的主观判断这种循环论证现象，认为自己有权获得人的权利。所以不管你愿不愿意，最终发展人工智能的结果就是取代人类，这是一个用脚趾头都能想明白的纯技术规律，不以人类意愿而改变。人们必须看清这一点，有可能在人类向机器智能过渡期获利，否则人机冲突的后果会很严重。

目前只有几个细胞，主要难点在算法，暂时还没到需要加速的情况。等速度成为主要制约问题时再考虑用并行运算加速。

技术路线差异太大，不适合参赛。

注：连线方式实现两个及三个输入信号的模式识别没兴趣做了，直接跳过，目标改成用分裂算法实现两点模式识别。

知乎的不全，我搜了一下，这里 https://www.wows.fun/2021/06/10/%E7%B1%BB%E8%84%911 有三篇，可能是全文。大体意思我理解就是在深度学习基础上继续改进，打破层数解耦继续探索。因为我对深度学习技术不了解，对这篇文章不发表意见，我只谈谈我自己对AI研发的理解，算是自说自话吧。
首先，做研发之前，目标要明确，要有信心，如果相信只有上帝才能造人，或者是相信机器智能不能超过人类，首先就没有资格来做AGI的研发，你即然都不相信AGI会存在，你凭什么相信能自己能发明它？
基于目标才有基本正确的架构，目前的CHATGPT架构，它的目标是造人吗？不是，因为在没人的时候，没有信号输入输出的时候，它就不再思考了，拷到U盘就带走了，这个和人的思维是不一样的，人是由痛苦快乐细胞驱动的，是连续工作的，如果一个智能系统是静态的，一问一答形式的，没有痛苦和快乐信号驱动的，你从一开始就这么定好了它的工作模式，也就是在没研发之前就限定了它的智力局限性。
信心和正确的目标是基于对智能的理解，基于对自然生物的观察得来的。生物智能一些特性，如思维的连续性，条件反射，痛苦快乐信号，主要基于语音而不是图像思考，脑内图像生成，脑内语言生成功能等，如果我们都能模仿出来，那自然离AGI不远了，意识只是一种表象，如果能一个系统能表现出同样的功能，就可以说它具有意识了。大家可以对照一下，这些我们平时思维过程中基本的要素，目前的AI实现了多少？
如果目标和信心都没问题，下面就涉及到具体的研发了。但是在研发之前还有一个问题，就是打算投入多少？这个问题就牵扯到预测了，如果AGI成功了，会有多大的收益？我的回答是“收益无穷大，机率正负50%”。这个我不多说，只要理解一点，就是AGI会不断自我迭代，生产力短时间内会超过人类，基于某个原理，如果一个生产力超出人类的团体出现，社会结构会怎样变革大家自己猜猜。预测是基于信心和目标，相应地，机器人权法等也必须在研发之前准备好。如果这些基于预测的法案没有出来，很明显，是因为信心还不足，也相应地代表目标出了问题，也就代表了我们目前的投入还不够。好在摩尔定律的发威，技术的进步使得个人也有可能在AI上进行研发，这在20年前我是想不到的，那时，我唯一想到实现上千亿神经元的方式是在十个平方公里内布置1000亿个蜘蛛（见 https://zhangrex.neocities.org/xx )，看来当时我是太年轻太心急了，其实不需要这么麻烦的，只需要老老实实等20年，等到头发胡子都白了，AGI的硬件条件自然就具备了。
抱歉唠里唠叨说了办天，还没说到技术上，看来人年龄大了确实喜欢唠叨。至于技术，倒是没什么好谈的，因为在我看来，技术倒是很简单的，只需要做到一点，大力出奇迹就行了，大力是人力和物力。
AI研究是对人脑黑盒的解析，目前无非三种方法，手工进行结构搭建，由遗传算法进行脑结构自动生成，以及二者的混合使用。因为我只懂遗传算法这条路，简单讲一下我的思路。我的思路是使用遗传算法加分裂算法结合，从模式识别开始就加入痛苦快乐信号，在虚拟环境里自动生成脑结构，一步步把任务复杂化，直到生成复杂的脑结构，能不能走到AGI不好说，但能生成一个前人没有过的非常智能的脑结构是肯定可以的，因为这就是大自然走过的路。目前的短板是参与的人太少，好象只有我一个在编程，这个和大自然没法比。其中有一些技巧或者是原则要注意的是：
1。要相信简单的虚拟环境任务也必然能进化出一个高度智能的脑结构才能适应，以围棋为例。
2。要相信大力出奇迹和涌现，这里的大力是指样本数量，涌现是指基本的神经网络原则，会在大样本加持下，在整体行为上表现出涌现的智能。打比方说，如果神经网络任意两个细胞，都有办法做到间隔不超过三个细胞就能互相连通这个底层联结原则，那么，在宏观上，它将会表现出，任意两个不相干信号的时间上有规律激活，必然会在两个信号间形成关联，即形成了条件反射弧的一段,这个在宏观上就叫涌现，是智力现象的基础。
3。最好要利用分裂算法，因为分裂算法每个节点的权重是不一样的。高权重的节点带来突变，低权重的节点可以微调。
4.要相信脑结构并没有你想像的复杂，只需要把少量的原则和大样本数结合，必须会形成复杂的具有宏观智力表现的结构。遗传算法的重点不是结构本身，重点是找出有人脑有多少原则(如我以上所说的条件反射原则，脑内图像生成区等原则)，结构可以利用算力来随机试错生成。为什么要相信脑结构并不复杂，因为很简单，机率很小的事不可能发生，即然在几十亿年里随机可以进化出人脑结构，那么这个随机组合它的原则必然不会太多。关于这个，实际上有一个活生生的例子：张三到一个荒凉的星球旅游，不小心扔了两条蚯蚓在地上，N年后张三再次访问，发现这里已经进化到蚯族星际时代，张三问道这怎么可能？蚯族首领意识深长地回答张三：永远不要高估脑的复杂性和小瞧进化算法的威力。瞧，一只蚯蚓都知道的道理难道还不够简单吗?
5.不排除与手工搭建神经网络结构相结合(上述第三条路)。 实践是检验真理唯一原则，只要有用，就可以结合到当前试验结构中。我本人不会并不表示你们不可以。
好了，我就说这么多，谢谢你能看我唠叨这么久。

抱歉现在才回这个issue, 虽然发现有你这个issue好些天了，因为好在这也不是什么急事，象是聊天。我最近时间少项目没有进展，以后有空将继续在随机连线尝试实现异或逻辑、用分裂算法实现两输入、三输入、四输入。。。模式识别这个路子一直走下去，因为遗传算法本身就有随机性，一两个人如果卡在什么地做不出来也是正常的，多花点时间，多找人参与会对项目有帮助。你谈的有些是虚的，如果你有兴趣在这条路上走下去，建议还是从两点、三点的模式识别开始，一步步实现比空谈好。“总感觉差点连不起来”这个不用急，因为起始阶段任务不难，都是封闭式的小任务，没有理由做不出来的。
人工生命的分裂和遗传算法是研究神经网络的工具，如果对神经网络知识了解不多，可以象我一样用随机试错的方式来尝试找出合理的神经网络工具，如果先入为主(无贬义)，已经了解神经网络知识的，当然可以手工搭建神经网络，这是做神经网络研究的两个大的方向，当然，两者结合起来也是有可能的，用分裂算法对手工搭建的网络优化。
我看你说这么多，感觉有点乱，即然你这个issue更像聊天，我就随便聊一聊。做事无非就是三个步骤：1.定下目标 2.规划路线 3执行。 对于通用人工智能，在这三个步骤上，每个都有无数的坑。
首先就拿目标来说，研究通用人工智能的目标是什么？我先说正确答案，正确答案应该是造出通用智能，在生产力极大进步后，机器人社会可能淘汰人类，也有可能帮助人类进化到永生电子版。注意这里有两个可能，这两个可能都是有可能发生的，甚至前者可能更大，所以这个目标本身就是有争议性的，但很无奈这是唯一正确的目标，科技规律不以人类意愿转移。下面再说错误的目标，比如：
A.“让人工智能一直为人类服务”，这不可能，因为通用智能比人还聪明，让聪明的智能为笨的智能服务，这不可持续。
B."机器智能不可能产生意思，所以不可能代替人类"，这也不对，因为...，简单说吧，我说不对就是不对。
C."想那么多有的没的干啥，因为通用智能有用，比如自动驾驶，有用就要研发是硬道理"，也不对，因为与A违背。你以为你在研究自动驾驶的AGI，实际在制造比你更聪明的司机，这个司机不光可以代替你驾车，还可以代替你去上班，代替你成为你家的主人。
所以说，光是一个目标，就有许多坑。目标如果错了，是可笑也很危险的，你以为你种下个西瓜，结果收获一群蛤蟆，意不意外？惊不惊喜?当然，这个比喻不太恰当，AGI的能力可比一群蛤蟆意外惊喜得太多，人类社会都承受不起。

然后说路线，这个可以主要分两种方式，就是前面我说的随机试错和手工搭建神经网络两种路线。我也认为人工生命的路线没有大毛病，循序渐进，缺点就是太费人(指我这样的低端人才)费时间。手工搭建的方式比较短平快，缺点就是太费脑，不是聪明人干不了，而且基础不一定牢，可以搞出上万亿神经元的大模型，但不一定能搞定几千个神经元的蚂蚁脑模拟，这是个很明显的基础没打牢的断层，结果就是GPT的可靠性，不见得比一只狗发挥更稳定。

最后是执行，这就没什么好说的了，用人力钱力往上堆就行了，大力出奇迹，这个人工生命项目执行力是弱项。但好在目标对，不大会出现南辕北辙的事。如果目标错了，执行力再强也是浪费资源。

要在windows环境，然后要安装git客户端、Java8、maven这一堆东西,并设置环境变量，然后用git clone https://gitee.com/drinkjava2/frog下载源码，最后才能点history下的各个bat运行。详见history根目录下有个Frog_doc_012.doc文档。

谢谢，我本人倒没觉得受碳基生物的影响，在电脑里虚拟神经网络时，可以直接产生负信号、直接赋给神经元异或门功能等都是可以的，这也是虚拟神经网络的优点。意识本身就不存在，所以也不是问题。我觉得最大的问题是自由度太大，同一个任务有很多种思路，反而不知道如何取舍, 世上最难的事不是没有选择，而是有太多选择。我大体思路是以任务为驱动，先从一两个细胞能实现的任务开始，一步步把任务复杂化，向模式识别和条件反射一步步迈进，这样虽然慢一点，但是比较稳妥。