1701550461
向正确方向迈出的一步是，在硬件中构建概念（婴儿、小毛虫等）与它们扮演角色（执行者、被执行对象等）的区分。假设我们确定好各自分开的单位组，一组表示执行者的角色，一组表示行为，一组表示被执行对象。要表征一个命题，每组单位都要装满正在扮演角色的概念模式，这些概念是由另一个分开的概念储存内存那里调入的。如果我们将每一个结点都彼此相连接，我们就有了一个命题的自动协关器，它能够具备少量的组合思维能力。我们可以储存“婴儿吃小毛虫”，当任意两个部分作为问题呈现时（比方说，“婴儿”和“毛虫”，表示问题“婴儿和毛虫的关系是什么”），网络会通过开启第三个部分的单位而完成其模式（在此例中，“吃”。见图2-12）。
1701550462
1701550463
1701550464
1701550465
1701550466
图2-12
1701550467
1701550468
是这样的吗？可惜不是。我们来看看这些思维：
1701550469
1701550470
婴儿 等同于 婴儿
1701550471
1701550472
婴儿 不同于 毛虫
1701550473
1701550474
毛虫 不同于 婴儿
1701550475
1701550476
毛虫 等同于 毛虫
1701550477
1701550478
如果一组连接权重允许第一糟的“婴儿”和中间槽的“等同于”开启第三槽的“婴儿”；同时允许“婴儿”和“不同于”开启“毛虫”；同时还允许“毛虫”和“不同于”开启“婴儿”，那么这组连接权重绝不会再允许“毛虫”和“等同于”开启“毛虫”。这是一个改头换面的抑或问题。如果“婴儿-于-婴儿”和“婴儿-等同于”的连接足够强大的话，它们会开启“婴儿”以回应“婴儿等同于”（这是好的），但它们也会开启“婴儿”以回应“婴儿不同于”（这不好）和“毛虫等同于”（也不好）。无论你怎样调整权重，你也无法找到能够满足所有4句话的连接组。既然任何人都能毫无疑问地理解这4句话，那么人类心智一定表征了比一组“概念-到-概念”或“概念-到-角色”关联更为复杂的命题。心智需要一个对命题本身的表征。在本例中，模型需要一个额外单位层——更确切地讲，一个专供表征整个命题，而与概念及其角色相分离的层级。图2-13以简化的形式展示了杰欧弗瑞·欣顿修订的一个能处理这些句子的模型。
1701550479
1701550480
1701550481
1701550482
1701550483
图2-13
1701550484
1701550485
储存“命题”单位的记忆是以任意模式开启的，有点像标志完整思维的序列数字。它就像一座将每个命题中的概念都容纳到其相应槽中的超级架构。请注意，这种网络架构是在多么严密地执行着标准的、像语言一样的心语啊！还有其他一些组成性网络的提议，不像这样具有明显的模拟性，但所有的提议都必须有一些专门设计的部分来将概念与其角色区分开来，并将每个概念与其各自角色适当地结合起来。还是需要偷偷借来诸如谓项、中项和命题等逻辑要素，以及处理它们的计算工具，才能得到一个模型，来做类似心智一样的事情；仅靠关联这些东西本身是不够的。
1701550486
1701550487
另一个你或许从没意识到的心理禀赋被称为量化或变量约束。它源自个体性与组成性的结合。我们的组成性思维往往是关于个体的，而且个体如何与思维的各个部分相联系各不相同。“某个婴儿吃某个毛虫”的想法与“某个婴儿总是吃一般毛虫”的想法是不同的，与一般意义上的“婴儿吃毛虫”的想法也不一样。有一种笑话，其幽默之处需要听者理解那种不同之处。“Every forty-five seconds someone in the United States sustains a head injury（每45秒钟美国就有人头部受到伤害。）”“我的天，可怜的家伙！”（someone可理解为“有人”，也可理解为“某人”）。当我们听到“Hildegard wants to marry a man with big muscles”时，我们不知道究竟她是用她的男性般的气概发出召唤呢，还是她只是满怀希冀地在体育馆里游荡。亚伯拉罕·林肯说：“你可以在某些时候愚弄所有人；你甚至可能永远愚弄某些人；但你不可能永远愚弄所有人。”（You may fool all the people some of the time；you can even fool some of the people all the time；but you can’t fool all of the people all the time.）如果没有计算量化的能力，我们就不可能理解他说的这句话的含义。
1701550488
1701550489
在这些例子中，我们有几个句子，或者对一个语义含混的句子有几种理解方式，其中相同的概念扮演着相同的角色，但整体意思则完全不同。仅仅将概念与它们的角色连在一起是不够的。逻辑学家用变量和限量词来区分它们。一个变量是指像x或y一样保持位置的符号，它代表着不同命题中或一个命题不同部分中的同一个实体。一个限量词是一个符号，它可以表达“存在着某个x，它……”，且“对于所有的x，……是真实的”。这样，一个想法可以体现在一个命题中，构成这个命题的符号表示了概念、角色、限量词和变量，所有的都予以精确地排序并加括号分类。例如，比较“每45秒钟{就有一个X[受伤]}”和“有一个X{每45秒钟[就会受伤]}”。我们的心语肯定也拥有可以做类似事情的工具。但目前为止，我们尚没有线索了解在一个关联网络中，这是如何做到的。
1701550490
1701550491
一个命题不仅可以是关于一个个体的，它自身必须被视为一种个体，这就引发了另一个问题。联结浆糊的力量来自单个一组单位中添加的模式。不幸的是，这可能产生怪异的四不像或是建一个两头都落空的网络。对于联结浆糊，这是无处不在的怪物的一部分，被称为干扰或串扰。
1701550492
1701550493
这有两个例子。心理学家尼尔·科罕（Neal Cohen）和迈克尔·迈克劳斯基（Michael McCloskey）训练一个网络学习两个数的加法。他们起初训练它把“1”加到其他数上：当输入“1”和“3”时，网络学会输出“4”，诸如此类。然后他们训练它把“2”加到所有其他数上。不幸的是，这个加2的问题将联结权重提升到加2为最优的值，因为网络没有富余的硬件来设定如何加1的知识，它竟将如何加1忘掉了！这种效应被称为“灾难性遗忘”，因为它不像日常生活的轻度遗忘。另一个例子是麦克莱兰德和他的同事阿兰·川本（Alan Kawamoto）设计的网络，将含义分配给语义含混的句子。例如，“A bat broke the window”的意思可以是一根棒球棒（bat）被扔到窗户上，也可以是一只长翅膀的哺乳动物（蝙蝠：bat）撞到窗户上。而下面这个解释则是人类得不出来的：一个长翅膀的哺乳动物用一根棒球棒打碎了窗户！
1701550494
1701550495
正如任何其他工具一样，令联结浆糊对某些事有效的特点，也令它对另一些事无效。网络概括的能力来自于它密集的交互联结性和它输入的叠加重合。但如果你是一个单位，有几千个其他单位在你耳边聒噪，还被一浪接一浪的输入所蹂躏，这并不总是一件乐事。经常是不同的信息组块被分开打包和存储，而不是随意混在一起。一种这样做的方式是给每一个命题分配它自己的存储槽和地址——这再显示了并不是计算机设计的所有方面都可以被草率归结为硅的好奇心。毕竟设计计算机不是来用作室内加热器，设计它是为了以一种对人类使用者有意义的方式来处理信息。
1701550496
1701550497
心理学家戴维·舍莉（David Sherry）和丹·夏克特（Dan Schacter）将这种推理推得更远。他们注意到，对于内存记忆系统不同的工程设计要求往往是目标交叉的。他们辩称，作为回应，自然选择给了有机体专门化的记忆系统。每个系统都有一个优化的计算架构专门适合于动物心智必须完成的一个任务的要求。例如，贮藏种子以备收成欠佳日子里食用的鸟类进化出了一种对于隐藏地点的大容量记忆（以星鸦为例，它可记忆10000个地方）。雄鸟歌唱吸引雌鸟，或者恫吓其他雄鸟的鸟类进化出对于歌声的大容量记忆（以夜莺为例，它可记忆200种歌声）。对于储藏地和歌声的记忆是位于不同的脑部结构，并且有着不同的神经元连接模式。我们人类对于记忆系统同时有着两种非常不同的要求。我们要记住谁在什么时间、什么地点、为什么对谁做了什么这种独特场景，这需要在每个场景都标记上时间、日期和一个序列号。但我们还必须推断出关于人们如何工作和世界如何运转的一般性知识。舍莉和夏克特提出的观点是：自然对每种要求分别赋予了我们一种记忆系统：一种“情景式”或自传体式记忆，另一种是“语义式”或一般性知识的记忆，心理学家恩德尔·托尔文（Endel Tulving）最早提出了这种区分。
1701550498
1701550499
思维成倍增加到真正的天文数字的把戏不是将概念插槽分配给三四个角色，而是一种被称为递归的心智能力。为每个角色安排固定一组单位是不够的。我们人类可以将一整个命题放到一个更大的命题中，赋予它一个角色。然后我们可以将这个更大的命题嵌套到一个还要大的命题中，这样创造一种命题中有命题的层级式树形结构。不仅这个婴儿吃毛虫，而且父亲看见这个婴儿吃毛虫，我想知道父亲是否看见这个婴儿吃毛虫，父亲知道我想知道他是否看见这个婴儿吃毛虫，以及我能猜到父亲知道我想知道他是否看见这个婴儿吃毛虫，等等。正如给一个数字加1的能力是一种产生一组无限多的数的能力，将一个命题嵌套到另一个命题中的能力，也是一种增加了无限多思维的能力。
1701550500
1701550501
为了在图2-13所展示的网络中完成命题之中嵌套命题，可以在图的顶部增加一个新联结层，将整个命题的储存单位联结到一个更大命题的角色插槽中；这个角色可以是像“观察的事件”一样。如果我们继续添加足够的层级，我们就可以通过在联结浆糊中侵蚀全部树形结构而容纳整个成倍增加的嵌套式命题。但这种方法太笨拙，而且会引起疑惑。对于每一种递归式结构，都有一种不同的物理连接网络：一个网络供思考一个命题的一个人；另一个网络是为思考一个关于一个思考一个命题的人的命题的一个人，第三个网络是供一个人与另一个人进行关于某个人的命题的交流，等等。
1701550502
1701550503
在计算机科学和心理语言学中，采用了一种更为强大和灵活的机制。每个简单结构（一个人、一种行为、一个命题，等等）都在长期记忆中得到一次表征，处理器的注意在一个结构到另一个结构之间不断穿梭转移，将转移的路线记录在短期记忆中，从而将命题编织在一起。这种被称为递归式转换网络的动态处理器，特别适合于句子理解，我们是一次听或者读一个单词，而不是一次吐纳一个整句。我们似乎也是在一点一点咀嚼深思我们的复杂思维，而不是囫囵咽下或喷出，这说明，心智配备的递归式命题计算研究机不仅仅是为了句子，而且是为了思维。心理学家迈克尔·乔丹（Michael Jordan）和杰夫·艾尔曼（Jeff Elman）构建了一些网络，这些网络的输出单位发出的联结回送到一组短期记忆单位，触发了新一轮激活流。这种回送设计使我们隐约看到，迭代信息处理在神经网络中是如何执行的，但它还不足以解释或汇编结构性命题。最近，有研究者尝试将一个回送式网络与一个命题式网络组合在一起，从联结浆糊的碎片中完成一种递归式转换网络。这些尝试说明，除非神经网络中特别装配了一个递归式处理器，否则将无法处理我们的递归式思维。
1701550504
1701550505
心智还具有的另一项认知本领很难从联结浆糊中提取出来，因而也很难用关联论来解释。神经网络轻易地解决了模糊逻辑的问题，即任何东西都是在某些程度上的某种东西。确切地说，许多常识性的概念在其边界处都很模糊，并没有清晰的定义。哲学家路德维希·维特格斯坦举了“a game”（游戏、比赛）的例子，其典型例子彼此并没什么共同之处（包括拼图、速度轮滑、冰壶、角色扮演游戏、斗鸡，等等）。我在前面也曾给出了另外两个例子，“单身汉”和“蔬菜”。模糊类别的成员缺少一个单一确定的特点；它们的许多特点都有所重叠，很像一个家庭中的成员或是绳子的每一股，每一股都没有延续到整个绳子的长度。漫画《布卢姆县》中，企鹅奥普斯患暂时性失忆，当被告知它是一只鸟时，它不同意。它说，鸟的身材苗条，符合空气动力学；而它不是。鸟能飞，它不能。鸟能歌唱，它唱的《昨天》令听众哄堂大笑。奥普斯怀疑它实际上是驼鹿布尔温克。所以即使是“鸟”这样的概念似乎也没有围绕必要和充分条件来组织，而是根据原型成员来界定的。如果你在字典里查“鸟”，例图显示的不是一只企鹅，而是小鸟乔伊——一只典型的麻雀。
1701550506
1701550507
认知心理学的实验显示，人们对于鸟、其他动物、蔬菜和工具都有刻板印象。人们对一种刻板印象达成共识，把它反映到一个类别中的所有成员上，比较对于那些不符规范的成员更为迅速地识别出这种刻板印象，甚至当见到的实际只是相似的例子时也宣称其为那种刻板印象。这种反应取决于一个成员与其类别中其他成员之间相同特征的数量：像鸟的特征越多，就越属于鸟类。从一个类别中呈现例子的自动协关器其实在做同样的事情，因为它是在计算特征之间的相关性。所以有理由相信，人的一部分记忆是由一些像自动协关器的东西所连接的。
1701550508
1701550509
但心智一定还有比这更多的东西。人们并不总是模糊的。我们笑话奥普斯是因为我们的一部分知道它确实是一只鸟。我们或许同意奶奶的原型是这样的——好心的、灰白头发的、分发蓝莓松饼或鸡汤的七八十岁的老人（依我们所谈论的各人的刻板印象而定）——但同时我们完全明白蒂娜·特纳和伊丽莎白·泰勒也是奶奶（实际上泰勒还是个犹太奶奶）。说到单身汉，许多人——诸如移民官员、太平绅士，还有保健官僚们——因其对于谁属于某个类别毫不含糊而臭名昭著；众所周知，很多事情因一页纸而有天壤之别。毫不含糊的思维例子随处可见。法官可以根据技术理由而释放一个显然有罪的嫌疑人。酒吧服务员拒绝向一个能够对自己行为负责的人提供啤酒，因其尚未过21岁生日。我们开玩笑说，你不能有点儿怀孕或是有点儿结婚；加拿大的一个调查报告称，已婚女性每周做爱1.57次后，卡通画家泰瑞·莫舍画了一个女人坐在床上，挨着她昏睡的丈夫嘟囔：“唉，这算0.57次。”
1701550510