人工智能哲学
这样做的目的在于看清\*咖啡\*的联结论表述是深深地依赖于背景的，它是”处在一杯子一背景一中的一咖啡\*的表述。于是还会有这些表述：容器一中的一速溶一咖啡一颗粒一背景一中的一咖啡，全都一洒到一我的一纸一上的一咖啡”，处在一咖啡一喝得一太一多一看起来一有点一苍白一的一某人一背景—中的—咖啡，等等。显然，对咖啡\*的这些依赖于背景的表述中的任何一个进行组合的推理可能性，将受到在这背景中适合的推理的限制。所有的咖啡都有助于你的消化。但是“处在一洒到一我的一纸一上一的一背景一中的—咖啡”具有相反的作用。这一咖啡\*概念起着很不同的作用。例如，任何有关咖啡能被说出的事情，都能用表达“咖啡”概念的单词来说出。但是为雀巢服务的广告商不能通过”处在一喝得一太多一看起来一有点一苍白一的一某人一背景一中的一咖啡使你觉得好极了\*的表达来为雀巢咖啡作广告。
因此，联结论表述自然地是依赖于视角的，所以不能满足普遍性制约。但只是对于输入和输出单元上的表述才需要如此。在形成联结论算法的过程中，大部分注意力指向了对于怎样能从输入和输出表述是依赖于视角的系统中得到有用行为的理解。如果C3是正确的，那么这正是我们为了建立认知模型而想要的。隐蔽单元之间的加权值会逐步形成，从而使得包含这些单元的加工过程变得可以响应许多不同的依赖于视角的咖啡表述之间的联结。在已经论证的我们拥有咖啡概念必须——像所有概念一样——依赖于从大量视角依赖的咖啡表述中得出的简化视角的构造的背景中，这一点显然是令人鼓舞的。
460