基于多层权重博弈与广播机制的仿生类脑 AI 决策框架
Layered Weighted Consensus and Broadcasting AI Architecture (LWCBA)
前言
本框架模仿人脑的工作机制，模拟人脑对条件反射，本能，道德伦理，理性分析，等事件处理及决策博弈机制。
基本原则和特点
- 底层-中层-高层的优先级
- 层级越低优先级越高
- 优先越高越先接收输入层信号。
- 优先越高输出的固有权重越高。
- 外部输入信息由下层逐级向上单向传播。
- 向上影响较易，向下影响较难。 上层无法直接往下层直接传播信息控制下层，只能广播信息。下层自行决定是否接收和响应。最终行为执行由各层投票决定。
- 每一层都直接连接输出层，只是固有权重不同，越下层越高。
- 无绝对中枢，每层决策独立，所有层都可以参与表决。
- 无视弃权票参与层比例，票高者得。如果一个决策中不需所以层参与，执行最高票数决策。
基本架构
输入层
用于获取外部信号。如：智驾的摄像头，雷达。人的眼，耳 ，鼻等。
底层
用于处理优先级最高的事件，一般用于响应速度快且处理简单的事件。并不可更改或难以更改的根本功能或规则。如：模拟人脑的条件反射，智驾中的紧急刹车。
中间N层
用于处理中等优先级的事件，一般用于响应速度较快且处理稍微复杂的事件。可以用各种小模型作为中层。如：模拟人脑的道德情感，智驾中的避让路人。
顶层
用于处理最低优先级的事件，一般用于处理响应速度最慢且复杂的事件。 可以用大模型作为顶层。如：模拟人脑的逻辑推理思维，智驾中的变道，路线规划。
输出层
输出层是决策的核心，输出层将根据优先级乘以不同的固有权重。优先级越高固有权重越大。输出层只执行得票最高的命令。输出层相当于议会投票，但是不是每票的权重都一样。元老的票权重最高，新人的票权重最低。
支持票最终权重 = （层1输出权重X层1固有权重+层2输出权重X层2固有权重+…层N输出权重X层N固有权重)
反对票最终权重 = （层1输出权重X层1固有权重+层2输出权重X层2固有权重+…层N输出权重X层N固有权重)
广播层
广播层是各共享信息的通道，其中也可以分为不同频道。各层中的各功能模块或者模型，可以根据情况选择接收处理或不予理会。
工作机制
正反馈机制
以下就是举例说明在信息只能底层，向上层单向传播的时候，顶层是如何影响底层的。
虽然顶层不能直接指挥底层，但可以把得知的信息广播出去，如果能刺激到底层或者其他中间层就能形成正反馈。（负反馈反之亦然）
外部输入->底层->中间N层->顶层->广播->底层->中间N层->顶层…
如同：人在幻想美食，顶层将有美食的信号广播出去，于是底层负责消化的神经开始工作分泌唾液，胃酸。而且底层又进一步把有美食的信号发给顶层，这样人就会越想越饿。
层级博弈机制
投票机制
我们以智驾中刹车已经来不及，前方是车，左边为墙，右边是路人的情况为例子描述一下各层的博弈机制。我们假设：
底层的输出权重Wb，固有权重为0.49。
中层的输出权重Wm，固有权重为0.31。
顶层的输出权重Wt，固有权重为0.20。
底层得知要撞上前车，马上紧急制动并右转。此时看见右边有路人。顶层识别出路人发出左转权重想避开路人，并向觉知层广播。此时由于顶层固有权重过低并不影响行为执行。中间层从觉知层获知要撞到路人，道德感使其加权左转。中间层+顶层最终权重刚好超过底层，于是输出层执行左转避让路人行为。
精神内耗博弈
假如：手握到开水杯，松手会烫到旁边小孩。
当手握到开水，底层直接输出松手信号。同时将烫手信息往上层传递。顶层发觉有小孩不能松手，发出不能松手信号。同时广播会烫到小孩的信息。中间层的道德模块得知，也发出不能松手信号。
于是手刚微微松开就又握上了。此时底层感觉越来越烫不断加大输出权重.并告知上层"烫"的信号。中层和顶层得知底层加大权重又不得不跟进加大权重。所以人就在这不断折磨中。直到一方胜出或危机解除。
总结
本框架是对现有大模型的一种补充，更适合应用于处理紧急实时和有伦理约束的应用场景，比如:智能驾驶和人形机器人。
作者：superanters