1701067352
复杂 [:1701064798]
1701067353
如何做到
1701067354
1701067355
要想成为一个具有智能的模仿者，你首先必须理解你所“模仿的”对象、事件或情景。如果所面临的情景具有很多组成部分，各部分之间又有各种潜在的关系，比如一个视觉场景、一个朋友的故事或是一个科学问题，人（或者一个计算机程序）应该如何处理理解情景的大量可能方式以及与其他情景可能的相似性呢？
1701067356
1701067357
下面是两种相反的策略，都是不合理的：
1701067358
1701067359
1.有些可能性先天就被绝对排除。例如，在扫描mrrjjj之后，列出一系列可能的概念（比如字母、字母组合、后继、前继、最右等等），然后严格限定于此。显然，这个策略的缺点是放弃了灵活性。一些与问题的关联不那么明显的概念可能后来发现是关键性的。
1701067360
1701067361
2.所有可能性都是平等的，处理的难度也是一样的，因此可以穷尽搜索所有可能的概念和关系。这种策略的问题是在现实世界中有着太多的可能性，甚至事先不知道对于给定情形有哪些可能的概念。如果你的发动机发出不太正常的突突声，你的汽车无法发动，你可能会认为有两种原因，可能性一样，（a）皮带从轴承上脱落了，或者（b）皮带老化，断了。如果没什么特别的原因你就认为还有一种同等的可能性是你的邻居偷偷把你的皮带剪了，那你是有点妄想迫害症。如果你还认为有种同等的可能性是组成皮带的原子通过量子隧道进入了另一个平行宇宙，那你是科学狂人。如果你不断想出各种各样同等的可能性，那……正常人的头脑是没法做到的。不过，也许你刚好就有一个恶毒的邻居，量子隧道的可能性也不能完全排除，说不定你还会因此获得诺贝尔奖，这些可能性都是存在的。
1701067362
1701067363
所有可能性都有可能存在，但问题的关键是它们的可能性不是对等的。不符合直觉的可能性（例如，你恶毒的邻居、量子隧道等等）确实有可能，但必须有明确的原因才会被加以考虑（例如，你听说过你邻居的恶行；你刚好在你的车上安装了一台量子隧道机器；其他可能性被发现是错误的）。
1701067364
1701067365
大自然在许多例子中都找到了探索性策略来解决这个问题。例如，在第12章我们看到蚁群搜索食物的方式：通往最佳食物源的最短路径会具有最强烈的信息素气味，沿路径行进的蚂蚁越来越多。然而，无论何时，还是会有一些蚂蚁沿着气味较弱、可能性不大的路径前进，也有一些蚂蚁仍然会随意搜寻，这样就有可能发现新的食物源。
1701067366
1701067367
这是一个在搜索和开发之间进行平衡的例子，在第12章曾提到过这一点。如果收益很可观，就必须根据估计的收益以一定的速度和强度进行开发，并不断根据新的情况加以调整。但无论何时都不停止对新的可能性的探索。问题是如何根据最新的信息为各种可能动态分配有限的资源——蚂蚁、淋巴细胞、酶或者思维。蚁群的解决方案是让大部分蚂蚁采取两种策略的组合：不断随机搜索与简单地跟随信息素轨迹并沿途留下更多信息素的反馈机制相结合。
1701067368
1701067369
免疫系统在探索和开发之间似乎也保持着几乎最优的平衡。在第12章我们看到免疫系统利用随机性获得了对遇到的任何病原体做出反应的潜力。一旦抗原激活了某个B细胞，触发了这种细胞的增殖，潜力就会被释放出来，繁殖出的抗体会增加针对这种抗原的特异性。因此免疫系统对所发现的抗原信息进行开发的方式就是分配大量资源来对抗目前发现的抗原。但是它仍然会保有大量不同的B细胞，以继续探索其他可能性。同蚁群一样，免疫系统也是将随机性同基于反馈的高度导向行为结合在一起。
1701067370
1701067371
侯世达提出了一种探索不确定环境的方案，“并行级差扫描”，在第12章我曾提到过。根据这个方案，许多可能性被并行地进行探索，用获得的最新信息不断对各种可能性的收益进行估计，并根据反馈分配资源。同蚁群和免疫系统一样，所有可能性都有可能被探索，但是在同一时刻只有部分被探索，并且分配的资源也不一样多。当人（或蚁群，或免疫系统）对所面临的情形只有很少的信息时，对各种可能性的探索开始时非常随机、高度并行（同时考虑许多可能性）和分散：没有理由要特别考虑某种可能性。随着获得的信息越来越多，探索逐渐变得集中（增加的资源集中于少数可能性）和确定：确实有收益的可能性会被开发。同蚁群和免疫系统一样，在模仿者（copycat）中，这种探索策略也是通过简单个体的大量互动涌现出来。
1701067372
1701067373
复杂 [:1701064799]
1701067374
模仿者程序
1701067375
1701067376
模仿者的任务是用其拥有的概念在某个问题的三个未经处理的字符串之上建构认知结构：对对象的描述、相同字符串中对象的关联、字符串中对象的分组以及不同字符串中对象的对应关系。程序建立的结构代表其对问题的理解，让它可以得出一个答案。对于每个问题，程序的初始状态都是一样的，拥有的概念集也完全一样，因此概念必须具有适应性，根据其相互之间的关联以及不同问题的情形进行适应。面对问题时，建立起对情形的表示之后，联想就会产生出来，并且被视为各种可能性，并行级差扫描以并行的方式对理解情形的各种可能途径进行检验，并根据当前对各种可能性的收益评估决定对其检验的速度和深度。
1701067377
1701067378
模仿者对字符串类比问题的解答涉及以下这些模块的互动：
1701067379
1701067380
◆移位网（Slipnet）：概念组成的网络，包含一个中心节点，周围围绕着可能的联想和移位。图13.2中给出了程序最新版中一些概念和关系的图。移位网中每个节点都有一个动态的活性值，表示目前认识到的其与正在处理的类比问题的关联性，这个值随着程序的运行不断调整。活性值会向相邻概念扩散，并且如果得不到加强就会衰减。每条连线有一个动态的阻抗值，表示其目前对移位的阻力。这个值也随着程序运行不断变化。连线的阻抗值与对应节点的活性值呈反比。例如，当反向活性很高时，由反向连线相连的节点（如后继和前继）的移位阻抗值就很低，从而增加移位的可能性。
1701067381
1701067382
1701067383
1701067384
1701067385
▲图13.2 模仿者的移位网局部。节点用其表示的概念标注（例如，A—Z、最右边、后继）。一些节点之间的连线（例如最右边—最左边）连接到一个节点，表示连线所代表的关系（例如反向）。每个节点都有动态的活性值（没有标出来），活性会向相邻节点扩散。如果得不到增强，活性值就会衰减。每条连线都有移位阻抗，对应节点活性越高，连线阻抗就越低
1701067386
1701067387
◆工作区：作业的区域，其中有类比问题的字母和在字母上建立的认知结构。
1701067388
1701067389
◆码片（Codelets）：在工作区不断探索可能认知结构的自主个体，自主个体会试图实现它们发现的结构。（码片一词意指“小片的编码”。）成组的码片一起合作构建出定义对象关系的认知结构（例如，“abc中a的后面是b”，或“iijjkk中的两个i形成组合”，或“abc中的b对应于iijjkk中的jj”，或“abc中的c对应于kji中的k”）。每组码片考虑世界结构的一种特定可能性，根据试图建立的结构的可能收益为各组分配资源（码片时间），可能的收益随着探索的进行不断进行评估。这样就实现了对各种可能性的并行级差扫描，各组码片通过竞争和合作，逐步建立起结构层次，表现程序对情形的“理解”。
1701067390
1701067391
◆温度：对系统的认知组织程度的度量。类似于物理世界，温度高对应无组织，温度低对应高的组织度。在模仿者中，温度度量组织程度，并作为反馈信号控制码片决策时的随机程度。温度高时，表明认知组织度低，能据以进行决策的信息也少，码片决策时也就越随机。随着认知结构的建立，对于相关的概念以及如何建构对世界中对象和关系的认知的信息也越来越多，温度也就越来越低，表明有更多的信息引导决策，码片进行决策时也就越有确定性。
1701067392
1701067393
复杂 [:1701064800]
1701067394
运行模仿者
1701067395
1701067396
解释模仿者各部分之间如何交互的最好方式是用图形显示程序的运行情况。这些图形是程序运行时的屏幕显示。这一节我们来看一下程序面对abckji⇒?abd, mrrjjjmrrjj⇒?这个问题时的运行过程。
1701067397
1701067398
图13.3：给出的问题。图中包括：工作区（这里是类比问题中尚未结构化的字母）；左边竖条为“温度计”，显示当前的温度（初始值设为100，100也是最大值，反映出当时没有任何认知结构）；右下角显示当前运行的码片数量（初始值为0）。
1701067399
1701067400
1701067401