其次，这种系统非常非常之快，虽然它是以具有生物传导速率(10<v<100米/秒)的纤维传导的。在像螃蟹那样大小的动物中，传导通路全长小干10厘米，这种系统产生运动响应的时间远远低于10毫秒。在上述螃蟹模拟中，我的微机(在软件里做三角运算)为了得出屏幕上的运动响应，花费的时间是这一时间的20倍，而微机的传导速率与光速是同一数量级的。显然，状态空间分层结构的大规模并行构造使它在速度上赢得很大的优势，虽然它是由慢得多的部件组成的。
第三，在整个运动活动范围内，螃蟹的协调性能是不均匀的，因为在感觉网格变形最大的区域中，感觉记录中的小错误也会产生出运动响应(再参阅图14-5b)中的大错误。因此在眼睛之间的封闭区域中，以及最左边和最右边的区域中，螃蟹的协调性最差。
这三个功能特性都符合生物学上的现实特征。而分层结构的生物学现实特征还进一步表现在这个方面：想象这种系统的形成，是相对容易的。不同的层次可以对不同的化学梯度作出限制，因而可以引导不同的形态发生过程。因此，不同的拓扑形态映射图可以出现在紧邻的层次中。但是如果已知映射图是如此紧邻的，并假定它们有恰当的变形，那么将这些层次连接起来产生出一个函数系统的问题，就变得很平常了：其解答只不过是形成与这些层次大体上正交的传导元件。
不同的动物有着不同的目标定位手段，和实现与目标接触的不同的运动系统，但是它们全都会面对同一问题，即感觉状态空间中的位置与运动状态空间中的位置协调一致的问题，而本文概述的解答类型，其性质显然是相当普遍的。事实上，据推测，不同的动物子系统通过坐标变换实现协调的范围，已远远超出了基本感觉运动协调这种明显的情况，同时正像我们后面将要看到的，在执行较高级的认知活动时，同样的策略可能仍是有用的，甚至是必不可少的。这里要强调的是，对于实现任何二维到二维的协调变换来说，无论它在数学上有多么复杂，无论坐标轴对脑可以代表的是何种特征——内部的或外部的，抽象的或具体的，状态空间的分层结构总是构成一个简单的、生物学上现实的手段。只要这个变换能够用图形表示，分层结构就能计算它。前面解决的感觉运动问题，只是正在使用的一般性技术中的一个简洁明了的例子。
人工智能哲学
372