汉字AI系列之十八:为什么汉字AI大幅节省算力?

我爱免费

作者：微信文章

汉字AI是仿人脑架构，其关键核心在于汉字底层逻辑是“人与自然”的智能对话，是仿人脑认知自然世界的思维智能载体，是移动的自然物理世界在汉字认知相映射。



汉字AI基于内在“汉字智能知识图谱”，根据“字”既自带字内知识信息，也自带字内思维认知流向。“字”本身是“词”，是由“字”内所二个及以上独体“文”汉字图形相互表达组词而定“字”义表达方向及读音。每一个合体“字”，至少两个以上的字义及读音。与其他字在前后相对位置方向上的组合成词、短语、句子，可更精准知道其在上下文中表达定义方向。



可从主题词、核心词检索模式，下沉到“文、字”及“汉字图形”底层检索判断。







基于Transformer架构大模型的算力缺陷：对算力要求特别高，算力成了吸金兽，也成了算力黑洞。



1. 同一个问题重复计算，算法随机性无法形成知识记忆路径。



输入端每一个问题，都需要重新计算一次；对于输入端同一个问题，不同的人每问一次都需要重新计算一次，而且每一次输出端的结果不确定的，是不同的，并不能形成如人脑一般记忆存储。上万人问同一个问题，需重复计算上万次，并不能做到同一问题仅算一次得出统一的结论。



每一次计算路径是不同的，并不能如人脑知识记忆存储，不能形成记忆存储。算法效率势必低下，形成“算力黑洞”，对算力的要求高，算力背后就是电力能源效率。



基于Transformer架构为算法基础的大模型，并没有内在知识图谱作为底层基础支撑，没有内含知识记忆作为信息基础。



算法概率上的随机性，输入端每一步均都需要推导计算，每次计算的输出结果并不是稳定明确的。输入和输出层可视化有一定的可解释性，中间层如何逻辑推理操作如同“黑盒子”缺乏机制透明，存在“黑箱困境”问题，是基于概率大小的算法推导，过程是随机的。



2.模型计算开销随输入长度呈平方级增长，算力黑洞无法避免



Transformer的自注意力机制本质上是平方级别（O (n²)）的时间与空间复杂度，处理更长的上下文时，模型的计算开销将随输入长度的平方增长，存在无法克服的“算力黑洞”问题。



3.无休止的无效计算，拼音文字的天生缺陷



Transformer架构是按照拼音文字自然语言处理信息模式，拼音文字本身无意义的符号组合定义，信息密度小，只是一维声音信息，单向、单线信息传递，需要一直不停计算，也同时不停地产生无用垃圾信息，冗长信息垃圾沉积，极大消耗算力。



每调用一次“词元（token）”均需要计算，并不是知识信息，是按照无意义的符号组合来定义思维信息。符号信息，拼音文字的符号信息势必需要无休止的无效计算。



基于Transformer架构为算法基础的大模型，大语言模型在训练和推理过程中操作的最基本单位是词元（token），被视为语言的最小信息单位，是底层最小可操作信息单元。Transformer理解的是“一串 token（词元）向量”之间的关系。token可以是单个字符，也可以是多个字符组成的序列。字符或字符序列合并为一个子词单元。







汉字AI架构的算力优势：



一、汉字AI计算速度快，省算力，可破“算力黑洞”



汉字AI仿人脑框架，每一个“文”和“字”既是独立也是相互关联的信息知识节点，字内具有“形、声、义”三维信息，“字”内图“形”相互定义确定其“声、义”不同表达方向。“字”内思维不同表达方向又形成组词思维表达，构成“组词、短语、句子”信息知识节点，构成汉字知识图谱具有图形思维、字内思维、组词思维能力，可直接思维判断，极大节省算力，计算速度快。



二、汉字信息密度大，省算力。同一问题只需一次计算：



1.对输入端，输入一个问题信息，如同知识时空网络地图中寻找答案，只要一次计算，形成知识地图记忆路径。当不同的人再次面对同一个问题，并不需要重复计算，即使上万人同时问同一个问题，结果都是统一的，大大节省算力，实现100%精准判断。知识地图，寻找路径，每一个过程路径是明确的、可解释推导的。







2.知识（信息）节点，时空地图路径记忆。



汉字AI本身就是内置的超级知识库，是基于汉字知识（信息）图谱路径，是一张时空认知空间网络神经地图。汉字知识图谱，每一个汉字、所有组词、所有短语成语、所有句子构成、所有句子诗文出处，均形成一个个独立的又相互关联的“知识图谱”节点。



基于汉字知识图谱，通过“自然具象场景←汉字图形←文←→字→词→成语短语→句子→诗、文章”，可实现在“汉字图形←文→字”最根层的信息精准搜索判断，使表达更加精准，信息数据检索也更精准，并省算力，算法高效，信息容量大，精准有效数据处理能力。



3. 预判断，减少无效计算。100%精准搜索：精准信息判断，可对无效无用信息剔除，省算力。可对信息认知作前置预判断，预认知，可剔除无效、无用、虚假信息，可避免“幻象”产生。



4.对于新词认知，自我组合生成新的知识图谱节点，形成记忆存储，加入已有的网络知识库中。机器只要学习一次形成记忆，具有自我学习，自我进化的能力。



汉字AI颠覆传统Transformer架构的算力限制，另辟蹊径，使算力不再成为人工智能时代的发展瓶颈。



合作请加微信（注明：AI）