1700522877
1700522878
1700522879
1700522880
在言语智能组附近的区域内，这个网络中的有些元素可能会预示或表述我们可以用语言轻易表达的理念和思维。但因为说话是一种社会行为，对于那些没有直接参与沟通的智能组，我们还远不能表达与其相关的忆体的重要性。这是因为那些智能组受到公共语言学的束缚较少，相应地，它们内部的忆体在人与人之间的差异就大一些。
1700522881
1700522882
无论如何，我们的高水平智能组一般不会意识到低水平智能组在做什么。它们负责监督和管理下级的工作，却几乎不能理解它们当中所发生的事。举例而言，高水平智能组可能会发现某个特定的下属工作无效，因为这个下属正在应对的忆体太多或太少，于是高水平智能组相应地调整了下属的敏感性。就像B-脑一样，一个负责控制的智能组不用理解那些微忆体的本地意义就可以做出这样的判断。就像我们在讨论一个智能组与其K线树内的“螺旋”计算理念时提出的那样，这也可以为控制其他智能组的活动水平提供基础。如果各项工作都进行得不错，那么主管就可以指导低水平的程序朝着小细节“盘旋而下”。但如果似乎出现了太多障碍，活动水平就会“螺旋向上”，到达可以诊断和改变无效计划的水平。
1700522883
1700522884
1700522885
1700522886
1700522887
心智社会：从细胞到人工智能，人类思维的优雅解读 [:1700518576]
1700522888
心智社会：从细胞到人工智能，人类思维的优雅解读 20.7 联结
1700522889
1700522890
一个普通人要想说好并理解一门语言，至少需要学习几千个词。要学会适当地使用某个词，会牵扯到和这个词相关的智能体与其他智能体之间的大量联结。这些联结是如何产生的？它们的物理形态又是什么样子呢？
1700522891
1700522892
任何一个关于思维的综合理论都必须包含一些关于智能体之间联结性质的理念。想一想一个人可以学会“联想”任何理念或词汇的组合。这是不是需要我们假定，一个给定的K线可以与成千上万或几百万的其他智能体中任意一个都直接相联结。鉴于我们对于人脑中的联结所知道的内容，这似乎是毫无疑问的。许多脑细胞都有纤维，这些纤维可以触及几千种其他细胞，但很少有脑细胞的纤维可以触及几百万其他细胞。而且就我们所知，一个成熟的脑细胞只能与由它发出或伸向它的纤维附近的其他细胞建立新的联结。此外，我们在出生后似乎不会长出许多新的脑细胞；与此相反，它们的数量会下降。当然，脑细胞会继续在若干年中“发展成熟”，而且它们的纤维很可能不断延伸。但没人知道这是学习了新联结的结果，还是它们先生长，然后这些细胞才有可能学会新的联结。
1700522893
1700522894
就算是脑细胞之间的长距离联结，也不是随便两个智能体就可以直接相连的，因为那些长联结一般是以有序的束状结构安排的，就像皮肤到脑之间的平行路径一样（虽然没有那么规律）。幸运的是，直接的联结是没有必要的，就像世界上的每部电话，不需要用十几亿条线把它与每座房子相连，也可以和其他任何一部电话通话。电话系统是通过间接的方式联结在一起的，它们所使用的是一个叫作“交换机”的智能组，它只需要适量的线路就可以了。我并不是说脑所使用的就是电话系统中的那类交换方案，而是说没有必要让每个K线智能体都直接和其他最终可能与其产生联系的每个智能体相连。
1700522895
1700522896
有些因素可以降低相互联结问题的重要性。首先，为了复制记忆中局部思维状态的主要特征，它只需要足够激活其智能体的一个代表性样本。其次，根据我们的知识树理论，大部分K线的联结都是以间接的方式开始的，因为它们只与附近的K线树相联结。一个多忆体也必须只和每个智能组附近的单一存储器智能体相联结。没有K线需要与任何智能组中的所有的智能体都拥有潜在联结，因为只与特定的水平带相联结就足够了。
1700522897
1700522898
1700522899
1700522900
1700522901
心智社会：从细胞到人工智能，人类思维的优雅解读 [:1700518577]
1700522902
心智社会：从细胞到人工智能，人类思维的优雅解读 20.8 联结线
1700522903
1700522904
有时在夜里，幻想着什么惶恐，
1700522905
1700522906
好容易把一棵矮树看作人熊。
1700522907
1700522908
——威廉·莎士比亚
1700522909
1700522910
下图中描绘了一个联结方案，这个方案可以让许多智能体互相交流，但所需要的联结线却少得惊人。这个方案是由卡尔文E.穆尔斯在1946年计算机时代来临之前发明的。通过这种方式，我们仅用10根线路就可以让几百个“传送智能体”中的任意一个激活相似数量的“接收智能体”。诀窍就在于让每个传送智能体激活不是1条，而是5条线路，这5条线路是从那10根线路中随机选取的。然后，每个接收智能体都配有一个且-智能体，用于识别同一个5线组合。
1700522911
1700522912
1700522913
1700522914
1700522915
在这个例子中，每个接收智能体都是由一个传送智能体精确唤醒的。如果想让每个接收智能体对若干个传送智能体做出反应，我们可以加入一些单独的识别器，那么接收智能组的输入看上去就好像一棵树，每个树枝的尖端都带有一个识别器。这些接收器如何能学会要识别哪些输入模式呢？方法之一就是使用我们之前描述过的那种证据加权机器。实际上，这对脑细胞来说是非常合理的，因为一个典型的脑细胞实际上拥有一个树状的网络，可以收集它的输入信号。没有人确切知道这些网络是干什么用的，但如果发现它们就是像感知器一样的简单学习机器，我一点儿也不会吃惊的。
1700522916
1700522917
上图中展示的网络有一个严重的缺陷：它每次只能传送一个信号。问题在于，如果若干个传送智能体同时被唤醒，那么几乎所有10根联结线路都会被激活，继而又会唤醒所有的接收智能体，并产生雪崩效应。然而，通过为系统提供足够的附加联结线，我们就可以让这个问题消失。举例而言，假设有1万根联结线，而不是10根，那么每个传送智能体就会和50根线相连。于是，就算是有100个智能体要同时发送信号，错误地激活某个特定的接收智能体的概率只有不到万亿分之一。
1700522918
1700522919
1700522920
1700522921
1700522922
心智社会：从细胞到人工智能，人类思维的优雅解读 [:1700518578]
1700522923
心智社会：从细胞到人工智能，人类思维的优雅解读 20.9 分布式记忆
1700522924
1700522925
让我们用三层智能体的形式重新描绘一下联结线方案。
1700522926