代码实现：用路由器模拟神经元，以实现人工智能（一）

介绍一种宏观的 模拟三维结构的方法：用路由器模拟 神经元胞体，用电线模拟突触。因为模拟器eNSP或机房路由器集群数量 比神经元集群数量少得多，所以初期图灵测试时，用简单的测试：在单色背景图中找出 手写阿拉伯数字。

下图示例，路由器集群是如何用三维重建方式学习数字。

视觉皮层布满了神经元，无数的神经元组成重叠的多层结构，作者把第一层称为视觉皮层的“黑板层”。眼睛传入的光信号，被视锥细胞、视杆细胞分解后，再投射到视觉皮层的第一层“黑板”上，点亮“黑板”上对应神经元。点亮这个过程，就像用粉笔在黑板上写字。

上图，用路由器集群模仿视觉皮层。图里，背景本应该布满了路由器，以满屏的路由器群模仿视觉皮层紧挨着的神经元，但图里只展示出的部分路由器，以表示在模仿被点亮的神经元。

上图连线表示，路由器模仿神经元之间加强联系、传递递质。

这就是，作者一直强调的三维重建过程，就是神经元集群模仿真实世界，在大脑里用连线联结或断开联结的方式，勾画图案。神经元集群以勾画的立体三维图案，来表示真实世界。这种三维重建方式，不是以计算为基础，不是用函数来表示，不具有严密逻辑推理性，只是模仿，是相似的勾画，是照抄，是复制。这种三维重建方式，因为突触联结可被打断，神经元突触方向随时改变，所以充满了错误，复制粘贴得出的图案与真实世界可能相差甚远。所以才有各种谚语，如四川眉州谚语“带肉带缩，带话带涨”，欧洲谚语“一千个观众就有一千个哈姆雷特”，等等。这些谚语说明，神经元以三维重建方式勾画真实世界，这种不严密的复制粘贴方式，导致每个大脑神经元集群重建的图案都不尽相同。

所以，下面的代码实现过程，也不是以计算为基础，不是用函数表示真实世界，而是用路由器连线表示神经元集群的联结。

路由器出现在图案里，表示该路由器代表的神经元被“点亮”。而空白区域，不是没有路由器，而是依然有很多没有连线的沉默路由器，以表示未被“点亮”的神经元。使用这种以空白表示沉默路由器的方法，是因为，如果作者把一张图都画满了路由器，那读者怎么分辨各种路由器呢？所以，作者用空白区域来表示大量的、没有连线的、沉默的路由器。

如果连线是绿色，表示神经元之间在传递递质，是活跃的、有效的联结。这种联结正在勾画图案，以表示真实三维世界。

如果连线是红色，表示神经元之间没有传递递质，是不活跃的、渐趋无效的联结。这种联结消退也是对三维世界的勾画，是负反馈，消退的原因可能是在改正错误联结，或者是遗忘。

读者在用路由器模仿神经元时，可以购买路由器来做，也可以先用通讯企业提供的模仿器软件如eNSP做练习。模仿器不能代替真实的路由器，模仿器使用CPU是中央集中计算型处理器，只能模仿少量的路由器同时工作，而真实的、大量的路由器是在做大量并行处理任务。

作者在代码实现过程中，模拟器里只有7台2220型路由器、6台3700型交换机，使用OSPF协议，用简化的过程演示识别数字。

上图，表示数字8。视觉皮层的第一层“黑板”得到这个图案后，会把这个图案后传递给第二层第三层等后面的“抽象板”，后面的第二层第三层等后面的“抽象板”会简化这个图案，这就是抽象。或者，后面的第二层第三层等后面的“逻辑板”会用8个神经元来表示“8的数学意义”，这就是逻辑思维。而加减乘除等计算，是在大脑里列个竖式计算，就像小学生列竖式学加减乘除一样。

再次重复，神经元集群，是以三维重构方式勾画真实三维世界。计算机是以逻辑运算方式，计算三维世界。具体原理，前面已经讨论了很多。在此强调，是希望读者在与作者讨论时，把神经元集群的结构-运动-功能与计算机的结构-运动-功能分开。

上图是用软件secureCRT向eNSP注入脚本。路由器1的脚本如下：

#$language = "VBScript"

#$interface = "1.0"

crt.Screen.Synchronous = True

Sub Main

        crt.Screen.Send "return" & chr(13)

        crt.Screen.Send "system-view " & chr(13)

        crt.Screen.Send "sysname AR1" & chr(13)

        crt.Screen.Send "int g0/0/0" & chr(13)

        crt.Screen.Send "ip add 192.168.56.99 24" & chr(13)

        crt.Screen.Send "int g0/0/1" & chr(13)

        crt.Screen.Send "ip add 1.1.0.1 16" & chr(13)

        crt.Screen.Send "return" & chr(13)

        crt.Screen.Send "system-view" & chr(13)

  crt.Screen.Send "ospf 1" & chr(13)

        crt.Screen.Send "area 0" & chr(13)

        crt.Screen.Send "network 192.168.56.0 0.0.0.255" & chr(13)

        crt.Screen.Send "network 1.1.0.0 0.0.255.255" & chr(13)

        crt.Screen.Send "int g0/0/0" & chr(13)

        crt.Screen.Send "ospf timer hello 1" & chr(13)

        crt.Screen.Send "ospf timer dead 2" & chr(13)

        crt.Screen.Send "int g0/0/1" & chr(13)

        crt.Screen.Send "ospf timer hello 1" & chr(13)

        crt.Screen.Send "ospf timer dead 2" & chr(13)

End Sub

其它6个路由器的脚本，适当修改。

下图是路由器依据OSPF协议存储的LSDB内容，全部链路都通。

对应的是，前面图里连线都是绿色，以此表示为数字8。

作为对比，下图LSDB数据库内容，路由器7的链路不通，则整体链路看上去就像数字6。        

对，就是像6，没有逻辑性，只要相似就行。

以上是简要贴图，实际在模仿器eNSP里做，有很多步骤，作者尽量在录屏时多展示。另外，很多步骤，无法一次展示，如之前要做聚焦扫描，之后要做路由器间转换，还有抽象、联想、想象、逻辑思维的实现，等等。这些步骤都很繁复，作者希望更多读者参与进来，一起做，另辟一条实现人工智能的新路。

对于精通通信软件的读者，可以比作者做得好很多。

另外，路由器主要功能是找到最优路径以转发数据，OSPF协议也不是专为勾画图案而设计，所以，用起来很别扭。但OSPF协议里有互相学习路由链路的功能，所以作者使用了OSPF协议，以达到让路由器集群“自组织、自学习”的目的。整个“自组织、自学习”的过程，体现了正负反馈、自动修正。

读者会有很大疑问，以上过程，增加了路由器集群硬件，比单独的一台通用计算机麻烦，速度又慢。据了解，谷歌的图片****，通过大量样本学习，已经可以识别大部分街景里门牌号了，也识别能其它图片。而且，用模拟器模拟路由器时，也是调用的通用计算机，这与抛开路由器，直接使用函数算法配上通用计算机，有何区别？

以上的比较相似性，是不需要大量样本的，甚至可以只需一个样本即可完成学习。

以上的文字，只需看几遍，人脑即可学会辨识其手写体。作者相信，路由器集群也只需看几遍，即可学会辨识其手写体。

这就是模仿神经元集群的学习，少量样本，或者只有一个样本，即可完成学习。甚至，样本不齐整，路由器集群也可以模仿神经元集群，也实现联想、想象、推理功能。不仅如此，路由器集群也能理解这些图片的含义。

虽然，现在有很多函数算法配上通用计算机，通过大量样本学习，能够识别手写数字了，但是依据这些算法理解图片真正含义，有很大难度。更进一步的，若用这些函数算法理配上通用计算机，即使读取大量样本数据，依然在区别猫狗、理解道路标志意义、指导自动驾驶、理解语义、揣摩心理等等方面，没有突破性进展。

特别是学习驾驶技术方面，王垠（www.yinwang.org）说得非常好，成年人几个小时就能学会驾驶，避障、识别道路标志等简直是轻而易举。但计算机吞入了大量数据，依然不明白何为驾驶、避障、识图。

用路由器集群模拟神经元集群，是区别于函数算法配一维CPU二维GPU虚拟化连接神经元、另创建一条真实物理连接神经元的方式。

每个路由器都可以生成路由表，相当于一个神经元。而生成这么多路由表，怎么传递，怎么终止，是各个路由器互相学习过程、互相取舍的过程，这就相当于神经元集群互相触发的过程、互相抑制的过程。

在作者有限的认知里，这就体现用路由器集群的好处：简单的分解式学习、屈指可数的样本数据、很弱的计算力、低能耗，通过路由器之间正负反馈、自动修正，就能实现避障、识图，配上足够多路由器就能实现语义理解。

这是CPU中心集中计算模式，与分布式计算模式的区别。也是GPU各个子单元只计算很少互连，与路由器集群主要功能就是互连的区别。

现在CPU、GPU在勉强模仿神经元集群，意图实现真正智能，但其实还主要应用于看图说话等等 不影响安全的领域，如智能音箱。即使预测蛋白质序列，也是用计算机的数值计算功能，而不是理解蛋白质序列的意义。

而路由器集群，模仿神经元集群，应该比CPU或GPU干得好得多。

因为，已有实践已经确认，在并行计算方面，CPU不如GPU。

现在，作者提出把路由器集群代替GPU，让每个子单元间互连。

虽然单个路由器里小小的芯片计算力很弱，但路由器集群在互相学习、互相取舍，这个学习、取舍过程，才是作者以前文章里说的“正负双向反馈、自动调整过程”。

用复杂系统学来解释，就是路由器集群有了“自学习、自组织”能力。而“自学习、自组织”能力，是集群实现智能的关键步骤，鸟群、蚁群、人群都是“自学习、自组织”的非中心计算形态。这与基于中心大CPU计算的形态，完全不同。

复杂系统论理论，是个大理论。

复杂系统论认为，集群可以涌现出更高层次事物。鸟群、蚁群、黏菌，涌现出的智能，是无法用单个个体解释的。用路由器集群模仿神经元集群，也是一条实现人工智能的可行之路。用函数算法配上通用计算机，之所以在语义理解、自动驾驶方面所遇到的瓶颈，就是因为其不采用集群而是盲目的扩大算力、读取大量数据、只用函数解题造成的。

作者认为，只要认准一点，在实践中已经证明，并行计算的GPU，比中心计算的CPU，更适合模仿神经元集群来实现人工智能即可。

问答，15983338666

所以，作者认为，在发展并行计算方面，在模仿神经元实现人工智能方面，大CPU<<GPU<<路由器集群

*博客内容为网友个人发布，仅代表博主个人观点，如有侵权请联系工作人员删除。