汉字将会是未来的智能技术的核心

现今的人工智能和神经网络的核心是图像处理，这个图像不单指视觉图像，还包括声音、压力信息等，简单就是“点”群组成个具有一定特征的“像”（集合）。

“点”有属性，如一般“视觉点”的属性是（红、绿、蓝），“声点”的属性是“（音调，响度，音色）”，这些点集可以组成具有人类可识别特征的“图”，两者可分别称为“色图”、“声图”。

图像有处理方法：图像数字化；图像变换；图像增强；图像恢复；图像压缩编码等。

PhotoShop常用平滑、锐化、模糊等都是其中的方法。这些方法也可以处理非“色图”。

优秀的图像是自然的，比如下图的左图。

原图和填充图

知道上面的基础知识，想象我们能否将汉字变成一个点，一篇诗词或文章就是一个“图”呢？这个图称之为“文图”。

古代总是崇尚五行论，不妨，我们假设，一个汉字对应的点用五行参数（金，木，水，火，土）表示，每个参数取值范围是0~255，即

“金”=（255，0，0，0，0）
“木”=（0，255，0，0，0）
“水”=（0，0，255，0，0）
“火”=（0，0，0，255，0）
“土”=（0，0，0，0，255）

根据常识，“光”生于火，利于木，假设“光”=（0，200，0，200，0）.

“钢”是对含碳量质量百分比介于0.02%至2.11%之间的铁碳合金的统称，不妨假设“钢”=（100，2，0，0，1）

“力”甲骨文是翻土的农具，不妨假设“力”=（30，10，4，0，20）

“国”古文是兵戈守护城邑，不妨假设“国”=（40，20，12，10，31）

以此类推，制造神经算法的训练集，除"金"，"木"，"水"，"火"，"土"外，其他预设值都是可以变的。

除此之外，还可以通过意思近似来作训练，比如“拒绝”~“不”，即若“拒”=（12，8，1，40，3），“绝”=（40，20，10，12，0），那么“不”应该在（26，14，6，26，2）附近，融合方法与色彩RGB的融合方式一样。

汉字是多义的，如“后”：

1. 君主；帝王：商之先～（先王）。
2. 帝王的正妻：皇～。太～。
3. 诸候。《書•舜典》：“肆覲東后。”
4. 指空间在背面，反面的，与“前”相对：～窗户。～面。～学。～缀。～进。
5. 时间较晚，与“先”相对：日～。～福。～期。
6. 指次序，与“前”相对：～排。～十名。
7. 子孙：～辈。～嗣。～裔。～昆。无～（没有子孙）。
8. 姓。

但“后”只有两个本征含义，即次序意义，和君主义（皇后、后王），而前者义则可以用“後”表示，（后是後的简化字，原本意义就是分开的），这样“后”和“後”就各只有一个含义。（姓，无意义）

一般一个汉字最多三个本征含义，原本都是一个含义的，由于假借、或通假等历史原因产生了一字多义，所以可以从古文中找另外两个其他形式的字借用。输出文章汉字再代回来。

如此，就可以制造训练集，通过神经网络训练，可以得出每个常用汉字的属性值。

对于一首诗和一篇文章，我们可以将其中汉字编译成这个五行参数，形成一张“文图”。

分析这些“文图”特征，我们就可以随意用白话文来写诗和文章了。

比如，

“我想你了，而你却不知道” → 五行参数点 → “文图” → 图像处理（磨平、自然化、特征化）→ 优美的“文图” → 反译 → “山有木兮木有枝，心悦君兮君不知。”

五行参数点与色彩点是否有转换关系呢？

如果有，是否能利用五行参数点从一个高维的视角去识别图像，就像人一样，而不是像现在这样扫描式识别呢？

一个马的图像转换后其中一个值就是“马”=（*，*，*，*，*）

甚至用一张（动）图自动写文章，而不像现在的人工智能因为一点“噪声”就牛头不对马嘴。

如果可以，汉字就是未来的智能技术的核心，而不像现在这样脱离不了英文。

• 英文这类符号语言本身就是代码了，其意义理论上是可以随便指定的，可以随意造字。而汉字对应的五行参数点本身就有意义，和色彩点一样。
• 就像颜色是由（红、绿、蓝）视锥细胞形成的一样，外界概念认知对于大脑而言，是由基本的五种神经体系构造而成，表示出来就是古人所说的五行，五行抽象出来就是五种认知神经系统。