我们的大脑中大约有100万亿个突触和数百亿个神经元。根据神经生理学家的说法，信息交换在主动模式下以大约200 Hz的频率发生。
我们认为： 一点。假设神经元不是一个算术运算，而是一种微处理器，我们得到的是“板载” 千万亿次超级计算机。并且有一种观点认为它也是百亿分之一。
无论它多么强大，资源都是有限的。此外…
大多数时候，我们的“超级计算机”忙于社交互动的“计算”。言语，听觉，视觉，触觉，感觉，情感，同理心……
“哦！怎么了！”，“哦！他对我瞪了一下眼！”，“就像你一样，你还是一样。”
这既不是坏事也不是好事。这是正常的！
当然会有偏差，但基本上是这样。
为了成功解决某个任务或问题，您需要专注于它。设定明确的目标。别分心，拖延。
或者只是忽略它（问题）然后什么也不做。
实际上，我们的大脑不在乎我们是否看电影，玩游戏或设计太空飞船。
目标设定和关注重点是什么：
- 限制搜索范围并减少可能的解决方案的组合（在接骨木花园和叔叔基辅）
- () ( !)
- , (-)
- , , , ( ).
“最终证明手段是正确的。” 相反的说法是错误的。
有野心-太好了！您可以梦想-太好了！“但是邻居……”
但是不可能骑自行车飞向月球。步行不到达美国。香蕉不在苹果树上生长。
漫长的旅程，在车库里检查。也许那里没有车。也许...车库本身。结果，“漫长的旅程”将是一个半小时的商店之旅。
目标或目标向量可以容易地在数学上描述。这是参数及其值的列表（特定或范围）。
例如：高度100mm，宽度50mm，重量0.5kg，速度3m / s，腿数-从3至4个。
列表的大小也可能有所不同。
当然，目标向量的选择取决于将来可用和计划的资源。如果没有墙，只有一个基础，那么“在10天之内建立屋顶”的目标就没有多大意义。如果有的话，请。
如果没有（猫），则在目标向量中包含“最佳猫食时间”参数是毫无意义的，就像没有小屋时的“浇水的番茄量”一样。
如果只有Raspberry Pi作为“大脑”，则不可能制造出尺寸为50x50x50mm的机器人。
真是太好了！这限制了搜索范围。它着重于一种生活已经“建议”的解决方案，并且不会导致精神分裂症的外表“或者……”，“如果……”。
创新是件好事-最主要的是不要将整个家庭的预算都花在制造高级赛车超级跑车上。
设置表示某个和的目标函数的阈值-多维目标向量的卷积。
当目标的参数明确定义后，瞄准，瞄准或聚焦的过程就是技术问题。前进（思考过程）的方法是放置一条路线（寻找神经联系），将目标保持在“视线范围内”，丢弃不会导致目标的选项。
同样，也不排除沿着新的“路径”行走，创造新的路径，回路中神经元或其类似物之间的连接。
流
您是否注意到自己沉浸在工作过程中，然后却不喜欢分心？
之所以发生这种情况，是因为所有“能力”都被占用了，并且社会互动的过程优先级降低了。当然，您可以切换，但是需要一些时间。另外，对于其他所有事物，臭名昭著的Stream丢失了，这很难实现。
思想家，科学家，程序员通常都喜欢孤独-因此，不必要的信息会被切断。
信息系统中的流程将是计算过程。
没有停电，停止，算法暂停和通信中断的情况。
否则，您可以在接近解决方案的那一刻中断该过程。结果将表明没有解决方案，可能模型是错误的，并且会浪费宝贵的时间。
寻找解决方案
解决方案出现在我们脑海中的事实并不意味着大脑立即形成了解决方案。有大量的选项列举。通常多年甚至几个世纪都没有解决问题。专注+组合。出现了新技术-功能基础正在扩展。
许多忙于解决相同问题的人以不同的方式达到目标。如果找到解决方案，则不是全部。的确，不同的人会遇到相似的解决方案，甚至...同样。
如果我们假设寻找解决方案是一个绝对随机的过程，并且所有经验方法只是科学“活动”的荒谬借口，那么一个明确的目标并至少专注于此，就可以表明我们要去的地方以及到达目的地的事实。
时间。同样，如果我们根据目标进行思考，那么我们将为实现这些目标指定一个合理的时间段。通常，我们会自行解决问题，至少对于一些简单的任务，例如：“去商店”，“挂吊灯”，“刷牙”。
我们一个星期不做，对吧？
时间是确定以下属性的非常方便的参数：计算系统的功能，使用现有资源实现目标的可实现性，所选模型进行计算的正确性。
我们甚至可以做到这一点-在10种不同的计算架构上计算10％的分配时间，并以很高的概率看到针对给定任务的最佳系统。
为什么？因为一种架构可能无法达到目标并关闭。
“这是失败的，卡尔！”
准确性。谈论错过的目标可能是正确的。如果我们的目标向量用清晰的数值参数表示，那么我们也可以评估结果。
百分比精度可以定义为： 。这是一个选择。
完美主义不是要达成目标。不要忘记它。这与运动无关。这是关于命中目标的准确性，即接近目标坐标的准确性。否则，我们将花费太多时间和其他宝贵资源，但是我们将无法达到所需系统的参数。
通过将杆提高到高位，我们就有可能摔断脖子。
而且，正如实践所示，在80％的准确度之后，为每一％进行的争夺使系统复杂了一个数量级。在达到95％的准确度之后，对话已经只有百分之几了。
焦点的反面是局部最优。我们通常将问题分解并逐步解决。这是一种技术。她工作。但是，获得单独模块的必要参数后，我们将无法获得整个系统的最佳参数。
一个生动的例子：企业部门。它们都有不同且相当矛盾的目标。如果导演没有适当地监管它们，那么我们将得到寓言中的“天鹅，派克和巨蟹座”。
由于模块工作仅用于私人目的，因此具有局部最优性。
平衡。以上所有概念必须加以适当平衡。一切都要适度。确定了目标的优先级，并不断变化。这是正常的。
如果您想生活，可以旋转！
如果我们自己不为自己设定目标，那么外部世界就会为我们做到。
许多人说：“这是业力！”当他们不断陷入同样的境地时。但是，如果您在其中开发一种行为算法，则可以解决问题，该问题通常会“消失”。出现一个新问题，循环重复进行。
错误，沮丧-“大脑爆炸”和紧急重组。
另外，目标的设定和实现经常在大脑内部小范围内进行。它们本身是他活动的结果。因此，优化了神经网络的状态。
动机
我们的动机与情感有关，而情感本质上是神经网络的总能量，大脑的频率，提供各种激素和神经递质的感觉。但是，不断踢我们的外部环境在这里至关重要。
影响（动机）越强，重点转移到那里越多，便会动员资源以最高优先级解决问题。一个例子是躲避在电话中向你飞来的球。对话很可能会中断。
动机可能是内在的-一些抽象的问题并不能使您休息。您不断地思考它，寻找解决它的方法。有时，这样的想法变成了躁狂症，而真正的需求却淡化了背景。体育迷和摇滚乐队的粉丝经常互相拍打，证明他们的偶像是最好的。女孩不喜欢自己的卷发，男孩不喜欢自己的二头肌大小。
AI的动机如下：我们向ANN的输入提供大量数据，并实现最大的目标功能-符合因人的智力活动而获得并验证的输出数据。
本质上，我们给出外部动机。我们进行学习，处理处理器和外围设备。
有用！的确，这种方法不会带来新的东西。
如果结果不适合我们，我们将更改目标参数并（或）重新训练。AI仍然热情洋溢。
有选择的自由时，就会出现激情和情绪。
目标的选择和实现这些目标的方式。
经验也是情感的来源，它决定了最大的能量，即对这个领域（一组图像，张量）的情感反应，生物或硅脑不断地与之互动。
专业人士专注于他的活动领域：医生请客，工程师设计设备，小丑招待人们。
在任何区域之间都有一个交叉点，通用模式以及实现结果的方法。
一切都是相互联系的，所以我们转了一圈。但是，如果我们有目标，我们总是知道要去哪里。
那是诀窍！