分布式表述提供了一个使用并行硬件去实现最佳配合搜索的有效方法。它的基本思想是相当简单的，虽然它与常规计算机的存储器相差甚远。不同的条目对应于同一组硬件单元上的不同的活动模式。部分描述是用部分活动模式的形式来表现的，这些活动模式激活了某些硬件单元。1于是这些单元之间的相互作用使得这组活动单元去影响其他组的单元，因而就完成了这一模式，并生成最佳配合这一描述的条目。“存储”一个新条目，是靠调整这些硬件单元之间的相互作用，去创造新的稳定的活动模式。它与常规计算机存储器的主要区别在于：不活动的模式不存在于任何地方。它们能够被再创造，因为单元之间的联结强度经过了适当的变化，但是每一联结强度都与存储的多个模式有关，所以不可能指出一个特定位置，说它是用于存储特定条目的存储器。
当弄明白一组简单的加工单元之间的联结能承载大量的不同模式时，许多人都感到惊奇。与分布式模型这个方面有关的说明，参考文献的许多文章里都有(例如 Anderson 1977;Hinton 1981)；在第 17和 25章里谈到的记忆和遗忘模型中，也有对这一特性的说明。
人工智能哲学
[1] 如果部分描述不过是一组特征，这是容易的，但是如果部分描述提到与其他对象的关系，就困难得多了。例如，如果要系统追忆约翰的父亲，它就必须表述约翰，但是如果约翰和他的父亲是由同一组单元中的相互排斥的活动模式表述的，就难以明白如何能在不妨碍表述约翰父亲的情况下做到这一点。本文介绍了这个问题的分布式解。
270