{"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":312,"pdf_page":320,"physical_index":320,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"10775f5d8ef145d94ce402ea5205d306b9f08bcd8d704bb01de8450c97f7e7af"},"chapter":"人工智能哲学","content":"第二，网络在反复尝试满足所有的软约束时，表现出有趣的系列行为。斯莫伦斯基把这种系列行为说成是一组宏观决策，其中每一决策都相当于“部分网络承担部分解答任务”。斯莫伦斯基指出，这些宏观决策“类似于产生规则的启动过程。事实上，这些产生’的启动’顺序与符号正向链接推理系统中的顺序基本上是相同的”（Smolen-sky1988:19)。这样看来，网络敏感的似乎是处在细粒度描述中的硬的符号规则。事情不会简单到它好像知道硬规则似地解决“外延式”问题。甚至问题求解的各个阶段也可能看起来像是因系统对语言能力理论获得的符号推导步骤进行加工模拟而造成的。\n\n但是，根据前面第2节中的说法，这种情况只是一种幻觉。该系统既没有关于硬规则的显式知识，也没有关于它的默认知识。其原因不难理解。很显然，它并没有以显式方式向自己表述欧姆定律。例如，并不存在简洁的单元子模式，可以被认为代表着出现在欧姆定律中的一般的理想电阻。相反，一些单元组代表电阻R1，另一些单元组代表电阻R2。在比较复杂的网络中，那些在活动时代表像电阻这样的最高层次(或概念层次)概念的单元联合体，表现出高度的语境敏感。就是说，它们是随着事件的语境而变动的。因此，采用斯莫伦斯基本人的例子，咖啡在这种网络中的表述就不只是一个单一的、重复出现的句法条目，而是一些随语境而切换的较小条目(微特征)的联合体。在杯子的语境中，咖啡可由包含“液体”“接触陶瓷”的联合体来表述。在罐子的语境中，咖啡可能包含“颗粒”“接触玻璃”。这样看来，这里只有一个“贯穿诸语境的咖啡向量’的近似等价物”，它不像“符号加工系统中贯穿不同语境的咖啡标志的精确等价物”（Smolensky1988:16)。用这样的方法将概念层次的符号“咖啡”代之以微特征的切换联合体，即所谓“维度切换”，这样一些系统本身就丧失了既在经典语言能力理论中使用，也在经典符号加工(层次-2)解释中使用的结构式心理表述方式。同样，在被描述的简单网络中，也不存在代表电阻的稳定的表述实体(就像在名声不佳的过去时网络中不存在代表“动词词干”的稳定的、重复出现的实体一样，见 Rumelhart and McClelland 1986b；Pinkerand Prince 1988；Clark 1989)。其直接后果是，对于可参照概念层次结构体的规则来说，并不存在显式表述。缺少默认表述几乎是其直接后果，因为对当时不存在的结构，加工过程的敏感性就无从谈起。\n\n人工智能哲学\n\n312","previous_page":311,"next_page":313}