在常规的计算机执行过程中，这一能力是通过使用指示器来获得的。指示器很方便，但是它们依赖于使用地址。在并行网络中，为了实现符号加工，我们需要在功能上等价于任意点的某种东西。这恰好是代表本体/角色组合的子模式所提供的。这些子模式使某个部分的整个本体可以从整体的表述和系统希望集中注意的那个角色的表述中取得，同时它们也使得一个本体和一个角色的显式表述可以被组合成一个不大繁琐的表述，这样，数个本体/角色组合就可以同时被表述，以便构成一个较大结构的表述。
总结
给定一个并行网络，条目的表述可以通过单一定位单元的活动，或通过一个大的单元组中的活动模式，在这单元组中，每个单元都为条目的一个微特征编码。只要存在着一些可以通过微特征之间的相互作用获取的基本规律性，分布式表述就是有效的。通过将每一小段知识编码为一个大的相互作用集合，就有可能获得像按内容寻址的记忆和自动概括那样的有用特性，并且能创造新的条目，而不必创造硬件层次上的新的联结。在连续变动的空间特征的领域中，为分布式表述使用中的优缺点提供一个数学分析是相对容易的。
分布式表述似乎不适合于实现纯任意映射，因为在这种情况下不存在一个基础结构，所以概括只会引起讨厌的于扰。然而，即使对于这种任务，分布式表述也可以变得相当有效，并且在它们受到破坏时，会显示出某些心理学上的有趣影响。
人工智能哲学
298