如何讓計算機學會周易取象---兼談對人工智能研究的一些認識

對很多人來說，讓計算機也學會取象，這個聽起來很玄，其實這事一點也不難，明白了原理也就簡單了。

易學中的類象，從抽象的角度來說，其實就是一種對於萬事萬物的歸類，由於聖人觀陰陽之開闔以命物的緣故，人類在對客觀世界中所感知的事物進行起名的時候，總會依照某種直覺性的規律。

而這種規律是超越語言性的，在近代來的研究的語言翻譯模型，也能夠能夠發現類似的有趣情況，針對兩種語言之間的翻譯的模型，可以遷移到另外兩種語言之間進行一些調整然後加以使用。

這意味著其實人類的語種，在語法及結構上，看起來似乎很大的差別，但背後超越了符號的直覺是一致的，因此對於符號之間的組織方式都會暗合某種統一的規律。

還有使用如GPT之類的模型進行人類語言的文本生成的時候，能夠進一步發現，語言模仿一個作家的風格行文是一種很容易的事，所謂的不同風格，其實就是語句偏愛於使用哪些詞語來進行語句的組織，另外就是給事物加上多少個維度的描述，這也符合某種分佈，一旦捕捉到了這些，可以很容易地對語言進行模仿。

甚至包括人的世界觀、價值觀、人生觀，所塑造出來的思想而反映出來的說話模型，從數理角度上看，也只是一種概率分佈形式。

一個典型的例子便是有人對紅樓夢裡面的人物對話進行了訓練，然後模型能夠推斷對話是由什麼人物所說，正確率極高。

相應的，對於紅樓夢非常熟悉的人，儘管背不出紅樓夢，但是看到某些對話時，也能憑感覺猜出來是誰說的。

因此反過來，對於人來說，語言風格是一種“感覺”，而這種“感覺”能夠讓人在寫與讀時共同得到“感受”，人類的這種感覺，本質上是對特定概率分佈的感知。

這是一種非常奇妙的情況，這意味著，人類通常在閱讀一兩句話時，往往能夠迅速從感覺上捕捉到這種分佈，然後進行判斷，這個過程很有可能不是通過物理運算進行的，而是通過生化機制進行的。

有時候說嬰兒出生下來是一片白紙，這種說法不夠正確的，從模型思維上來看，嬰兒更像是事先擁有了一個巨大的可進行調整的模型，對於這種模型的訓練，因此能夠快速地進行學習。

但這種學習得越多， 模型就會變得越加定型化，因此人會產生各種思維定勢，並被限制在某些看不見的桎梏中，因此在道家會要求，修道都需要像嬰兒一樣進行學習，這其實就是力圖擺脫後天遷移的影響，迴歸到天然的模型上去，從而能夠擁有更強的學習能力。

無論是八卦類象，還是十天干類象，或是各門術數中獨有的符號名稱的類象，都可以理解為一種歸類的方法。

易學中最神奇的是這類歸類方法具有很強的相通性，比如只要是按十天干命命的，無論它在什麼樣的易學模型中進行組織與運算，它本身的類象仍然是相同的，這意味著在不同的術數模型中，類象的劃分仍然會是一致的，有極強的通用性。

人類的語言背後既然有一種統一的規律，那麼類象的劃分必然也可以與這種規律相互對應。

但另外還有一個問題是，類象的歸類也要考慮到不同的場景下詞語發生變化的可能，如現代網絡時代出現的很多新網絡詞彙，例如像抨擊社會現象的“時間管理大師”，這便有多重含義，另外還有一些情況，比如有時候諧音字也可以用取象，雖然應用頗多，但這是否足夠合理，還需要進行驗證。

因此這只是一個初步的測試，方便比較簡單，直接加載Bert的詞向量模型後，然後進行文本分類，例如類象這樣的描述：

君,乾父,乾大人,乾老人,乾長者,乾名人,乾公門人,乾金玉,乾寶珠,乾圓物,乾木果,乾剛物,乾冠,乾鏡,乾公堂,乾樓臺,乾高堂,乾大廈,乾

簡單來說就是將將卦名視作類象的分類名稱，通過整理好的訓練集在經過6000次訓練，在訓練到1500次的時候，訓練集的正確率已到達近75%

對於會不會產生過擬合的現象，如果訓練數據中存在有不正確的數據，或是給出來的關鍵詞有不準確的情況下，過擬合才會產生問題，如果有一份足夠好的基礎數據用於訓練，則不需要太過於擔心過擬合問題。

錯誤率僅有0.046，這意味著約有94.4%的準確率，雖然還並不夠高，但可以將就用了。

用一組詞組進行實驗，可以看到，確實能夠對事物起到歸類的效果，比如能夠正確辨認出“黃河"、"長江"屬於水的。

再隨便測試幾個：

歸類的效果還是令人滿意的。

這個有什麼用？比如說，有時候不知道某個現實的事物屬於哪個卦時，便可以使用這樣的系統幫助進行推斷，甚至配上一個文本生成器，設計好句式的話，它甚至能描述出斷語出來，當然，這個事會更加複雜一些，目前並不容易實現。

值得一提的是，在提出來做這個時，有人提出可以用焦氏易林的象來做，然而經過測試，發現效果極差，模型最多隻能收斂到百分之六十幾。

後來找了一下這份類象的出處，再翻了一下尚秉和著的《焦氏易林注》，發現這份類象表有嚴重的問題。

首先尚秉和著的《焦氏易林注》中提煉象時，並不是針對單個卦進行提煉的，因為《焦氏易林》中的每一組都是兩上六十四卦，而在解構時，並非是單純的採用單個卦的解析關係，因為兩個六十四卦，除了可以拆分為四個卦外，還可以進行互卦拆分、錯卦拆分，然後形成至少八個卦之間的關係進行相互運算，因此它是一個整體的關係來進行的取象。

如果簡單的視作單個卦來進行解讀的話，必然會出現難以挖掘的情況，而當初提煉這份類象表的人，只是用計算機代碼去掃描了一下《焦氏易林注》中的詞語，然後進行了分詞提取，因此得到的歸類的卦象本身會有極多的衝突，因此放在模型上，結果便不能很好地進行收斂。

這也給了一個更加可靠的驗證的反向驗證，那就是並非是所有的詞組可以隨意地放在一起隨便歸類，背後依然會依照一些原則，也可以說，傳統的基本歸類方法是確實有效的。

之來又實驗一下十天干的類象，效果依然不錯，這裡便不一一貼圖了，回頭會考慮再做下相對更加豐富的地支類象。

這只是一時興起所做的研究，如果大家有什麼想法，歡迎在評論中指出。