{"resolved":true,"match_type":"uuid","source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","requested_by":"printed_page","book":{"source_type":"original_book","book_id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","id":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","uuid":"7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title":"人工智能哲学","normalized_title":"人工智能哲学","author":null,"edition":null,"publisher":null,"year":null,"isbn":"7532740544","isbns":["7532740544"],"parsed":true,"ai_readable":true,"document_type":"book","page_count":501,"navigation_url":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","title_url":"https://workshop.closeclaw.top/ai/title/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E5%93%B2%E5%AD%A6","fixed_page_url_template":"https://workshop.closeclaw.top/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","path_api_url_template":"https://workshop.closeclaw.top/api/ai/book/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page/{printed_page}","read_url":"https://workshop.closeclaw.top/api/ai/read/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2","page_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/page","search_url":"https://workshop.closeclaw.top/api/ai/books/7f418071-0fdc-4a5a-a4c5-82dd1979d9c2/search"},"page":{"printed_page":284,"pdf_page":292,"physical_index":292,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"3e035689f6dbb72b2d25ce6df0934a0fd71b939f414ae610281d03a2be595038"},"chapter":"人工智能哲学","content":"在空间特征的领域中，规律性一般是很强的：有着相似参数值的特征的集合，对其他表述的作用必须是相似的。粗糙编码之所以有效，是因为它允许这种规律性表现在联结强度中。在其他领域里，规律是不同的，但有效性的论据是相同的：把一个单元用于一组条目比用于单一条目更为有利，只要这组条目是以如下方式选择的：该组的成员资格与其他组的成员资格有所牵连。于是，就可以将这种牵连关系作为联结强度。理想的情况是，组的选择应当使本组的成员资格与也是由个体单元编码的另外一些组的成员资格具有强牵连关系。\n\n我们用一个十分简单的例子来说明这些论点。我们考察一种微型语言，它是由三个字母的英语单词组成的，其构词方式是在w或1后面接 i 或 e，再在后面接 g或 r。字母串 wig 和 leg 是单词，而 weg,lig 及所有以r结尾的字母串都不是。假定我们想要使用一个分布式表述方案作为表述这些单词的基础，并且我们希望能够使用分布式模式作为判定一个字母串是单词还是非单词的基础。为简单起见，我们将使用单一的“判断”单元。问题是找出从表述单词的单元到判断单元的联结，使得只要一个单词出现时，判断单元就启动，而出现的不是单词时，判断单元就不启动。[1]\n\n图11-4表示三种表述方案：一个不起作用的分布式方案、一个起作用的分布式方案和一个定位式方案。在第一种方案里，每个字母/位置组合是由不同单元代表的。由于只有五种字母/位置组合的可能性，所以只有五个单元具有与输出单元的联结。每个单词和非单词在这五个单元之上产生一个不同的并且是惟一的模式，但是从这五个单元到判断单元的联结，不能以这种方式建立：只要有一个单词出现，判断单元就启动，同时只要有一个非单词出现，判断单元就不启动。\n\n人工智能哲学\n\n[1]注意，如果这个判断单元由一组单元替代，并且该网络的任务是产生一个关于单词和非单词判断的不同模式，这个问题仍然如此。因为当我们考查每个单元时，该单元在这两种模式中或是取相同的值，或是取不同的值；在值相同的情况下没有问题，但是这样的单元同时也不区分这两种模式。当值不同时，单元的行为正如本文讨论过的那种单一判断单元一样。\n\n284","previous_page":283,"next_page":285}