## 2023-07-02 阴阳2叉树分裂算法
位于history/013_tree2目录下，演示阴阳2叉树分裂算法。如果已知参数是分布在一条线上时，就没必要用8叉或4叉阴阳树算法了，这时可以用阴阳2叉树分裂算法。演示中在三个层中分别显示“SAM”这几个字母，"S"用4叉树平面分裂算法，“A”和"M"用2叉树算法，其中"M"只允许基因分布在Z坐标为偶数的Z轴上。本次更新因为太简单就不上图了。
虽然2叉这个更简单，我本来也没觉得有必要添加，但最近构思用分裂算法实现模式识别时，发现有些思路验证可能没必要直接从2维或3维图形开始，直接从线状信号的识别开始会更简单，有利于思考和做原型验证。在线状上符合的逻辑，外推到2维或3维必然成立。
题外话: 目前我思考的是 “视觉”、“苦味”、“甜味”、“咬”、“不咬”这几种生物细胞，可以说是构成一个具备模式识别能力的昆虫脑最简化的信号输入输出单位了，其中视觉信号还可以再简化为单维的视觉信号，也就是如果已知某些神经元参数是线状分布，就可以用2叉分裂算法来快速建模了。 模式识别的本质是预测，也就是说，本来正常逻辑应该是 "图案"->“咬”(随机发生)->“甜味感觉”, 具备了模式识别的昆虫会把这个随机事件中的随机性去除，变成"图案"->“甜味感觉”和"图案"->“咬”两个神经关联。也就是在图案和动作之间形成短路（条件反射)，直接根据图案来预测它是可以咬的，从而在生存竟争中胜出。 以上讨论的是结果，具体昆虫脑是如何实现这个逻辑的，还必须有记忆细胞的参与，否则以前的信号不可能影响到后面的预测。记忆细胞的作用是将短期内的所有信号如“视觉”和“咬”动作信号形成关联。“甜味感觉”这种信号会加强这种关联,“苦味感觉”这种信号会抑制这种关联。 因为最近我业余时间少，项目进度非常慢，如果有兴趣的朋友也可以自己尝试在以上描述基础上实现这个昆虫脑模式识别功能，这就是一个最简单的脑模型了，目前虚拟环境和分裂算法都已经有了，接下来就是如何定义脑细胞基因和它对应的信号处理行为来实现这个逻辑了。智能本质上是模式信号、奖惩信号和行为输出之间的关联，少量几次奖惩即可形成条件反射，虚拟环境如果很简单，对应地训练也应该很简单，不需要用到大模型信号来训练。