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
1700522927
1700522928
1700522929
1700522930
K线或者存储器都可以充当传送智能体，因为它们都会发送信号给各种其他智能体。接收智能体也可以充当简单的识别器，因为每个接收智能体只能由特定的联结器智能体组合唤醒。然而，因为一个典型的智能体必须既能唤醒其他智能体，也能被其他智能体唤醒，所以它一定会倾向于在输入端和输出端都形成分支。所以我们的网络可以画成这个样子：
1700522931
1700522932
1700522933
1700522934
1700522935
用这种方式表述智能体的时候，我们会看到它们都可以充当简单的证据加权智能体，只要配备不同的“门槛”价值即可。每个识别器可以从与多个联结器智能体相连开始，然后以某种方法学会通过改变它的联结权重来识别特定的信号。根据这种简单的方案建立学习机器可行吗？那是20世纪50年代许多科学家的梦想，但没有一个实验运行良好，足以激励进一步的工作。最近，一种新的网络机器展示出了更好的前景：一种叫作Boltzmann的机器很像一个感知器，它也有一个自动的程序可以学习新的联结权重，但它还拥有某种能力可以通过利用各种“闭环”过程来解决意义模糊的问题。再过几年，我们应该能知道更多有关这种机器的事。也许它们可以为那些与K线运作方式相似的记忆系统提供基础，用以复制旧有的局部思维状态。
1700522936