对很多人来说，让计算机也学会取象，这个听起来很玄，其实这事一点也不难，明白了原理也就简单了。易学中的类象，从抽象的角度来说，其实就是一种对于万事万物的归类，由于圣人观阴阳之开阖以命物的缘故，人类在对客观世界中所感知的事物进行起名的时候，总会依照某种直觉性的规律。而这种规律是超越语言性的，在近代来的研究的语言翻译模型，也能够能够发现类似的有趣情况，针对两种语言之间的翻译的模型，可以迁移到另外两种语言之间进行一些调整然后加以使用。这意味着其实人类的语种，在语法及结构上，看起来似乎很大的差别，但背后超越了符号的直觉是一致的，因此对于符号之间的组织方式都会暗合某种统一的规律。还有使用如GPT之类的模型进行人类语言的文本生成的时候，能够进一步发现，语言模仿一个作家的风格行文是一种很容易的事，所谓的不同风格，其实就是语句偏爱于使用哪些词语来进行语句的组织，另外就是给事物加上多少个维度的描述，这也符合某种分布，一旦捕捉到了这些，可以很容易地对语言进行模仿。甚至包括人的世界观、价值观、人生观，所塑造出来的思想而反映出来的说话模型，从数理角度上看，也只是一种概率分布形式。一个典型的例子便是有人对红楼梦里面的人物对话进行了训练，然后模型能够推断对话是由什么人物所说，正确率极高。相应的，对于红楼梦非常熟悉的人，尽管背不出红楼梦，但是看到某些对话时，也能凭感觉猜出来是谁说的。因此反过来，对于人来说，语言风格是一种“感觉”，而这种“感觉”能够让人在写与读时共同得到“感受”，人类的这种感觉，本质上是对特定概率分布的感知。这是一种非常奇妙的情况，这意味着，人类通常在阅读一两句话时，往往能够迅速从感觉上捕捉到这种分布，然后进行判断，这个过程很有可能不是通过物理运算进行的，而是通过生化机制进行的。有时候说婴儿出生下来是一片白纸，这种说法不够正确的，从模型思维上来看，婴儿更像是事先拥有了一个巨大的可进行调整的模型，对于这种模型的训练，因此能够快速地进行学习。但这种学习得越多， 模型就会变得越加定型化，因此人会产生各种思维定势，并被限制在某些看不见的桎梏中，因此在道家会要求，修道都需要像婴儿一样进行学习，这其实就是力图摆脱后天迁移的影响，回归到天然的模型上去，从而能够拥有更强的学习能力。无论是八卦类象，还是十天干类象，或是各门术数中独有的符号名称的类象，都可以理解为一种归类的方法。易学中最神奇的是这类归类方法具有很强的相通性，比如只要是按十天干命命的，无论它在什么样的易学模型中进行组织与运算，它本身的类象仍然是相同的，这意味着在不同的术数模型中，类象的划分仍然会是一致的，有极强的通用性。人类的语言背后既然有一种统一的规律，那么类象的划分必然也可以与这种规律相互对应。但另外还有一个问题是，类象的归类也要考虑到不同的场景下词语发生变化的可能，如现代网络时代出现的很多新网络词汇，例如像抨击社会现象的“时间管理大师”，这便有多重含义，另外还有一些情况，比如有时候谐音字也可以用取象，虽然应用颇多，但这是否足够合理，还需要进行验证。因此这只是一个初步的测试，方便比较简单，直接加载Bert的词向量模型后，然后进行文本分类，例如类象这样的描述：君,乾父,乾大人,乾老人,乾长者,乾名人,乾公门人,乾金玉,乾宝珠,乾圆物,乾木果,乾刚物,乾冠,乾镜,乾公堂,乾楼台,乾高堂,乾大厦,乾简单来说就是将将卦名视作类象的分类名称，通过整理好的训练集在经过6000次训练，在训练到1500次的时候，训练集的正确率已到达近75%对于会不会产生过拟合的现象，如果训练数据中存在有不正确的数据，或是给出来的关键词有不准确的情况下，过拟合才会产生问题，如果有一份足够好的基础数据用于训练，则不需要太过于担心过拟合问题。错误率仅有0.046，这意味着约有94.4%的准确率，虽然还并不够高，但可以将就用了。用一组词组进行实验，可以看到，确实能够对事物起到归类的效果，比如能够正确辨认出“黄河"、"长江"属于水的。再随便测试几个：归类的效果还是令人满意的。这个有什么用？比如说，有时候不知道某个现实的事物属于哪个卦时，便可以使用这样的系统帮助进行推断，甚至配上一个文本生成器，设计好句式的话，它甚至能描述出断语出来，当然，这个事会更加复杂一些，目前并不容易实现。值得一提的是，在提出来做这个时，有人提出可以用焦氏易林的象来做，然而经过测试，发现效果极差，模型最多只能收敛到百分之六十几。后来找了一下这份类象的出处，再翻了一下尚秉和著的《焦氏易林注》，发现这份类象表有严重的问题。首先尚秉和著的《焦氏易林注》中提炼象时，并不是针对单个卦进行提炼的，因为《焦氏易林》中的每一组都是两上六十四卦，而在解构时，并非是单纯的采用单个卦的解析关系，因为两个六十四卦，除了可以拆分为四个卦外，还可以进行互卦拆分、错卦拆分，然后形成至少八个卦之间的关系进行相互运算，因此它是一个整体的关系来进行的取象。如果简单的视作单个卦来进行解读的话，必然会出现难以挖掘的情况，而当初提炼这份类象表的人，只是用计算机代码去扫描了一下《焦氏易林注》中的词语，然后进行了分词提取，因此得到的归类的卦象本身会有极多的冲突，因此放在模型上，结果便不能很好地进行收敛。这也给了一个更加可靠的验证的反向验证，那就是并非是所有的词组可以随意地放在一起随便归类，背后依然会依照一些原则，也可以说，传统的基本归类方法是确实有效的。之来又实验一下十天干的类象，效果依然不错，这里便不一一贴图了，回头会考虑再做下相对更加丰富的地支类象。这只是一时兴起所做的研究，如果大家有什么想法，欢迎在评论中指出。
Read More
