{"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":323,"pdf_page":331,"physical_index":331,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"e7877c49ca50c0518f21b22ac80cc54c8a34275b989a7cac1f752cb505457628"},"chapter":"人工智能哲学","content":"“何种表述方式已被编码在网络的隐蔽单元之中？”这就是簇分析要回答的问题。这是一个难题，因为如前所述，表述方式一般具有较为复杂的、不明显的、维度切换的特征。为了弄清簇分析是如何工作的，我们把网络的任务看做是配置隐蔽单元的加权值，其方式是使它能完成一种集合的分割。其目标是使隐蔽单元，当且仅当该输入正好应该得到这一独特的输出时，以独特的方式作出响应。这样，在从文本到音位的转换中，我们希望隐蔽单元在以“the”作为输入时的表现与以“said”作为输入时会有很大不同。但是我们希望它们在以“sail”和“sale”作为输入时的表现是等同的。所以隐蔽单元的任务就是以与当前工作相适应的方式分割一个空间(由这些单元的数目和它们可能的激活水平所确定)。一个非常简单的系统，如丘奇兰提出的岩石/矿藏网络(Churchland1989，待出版)，可能只需把由隐蔽单元所确定的空间分割为两个主要子空间—一个独特的模式用于标明矿藏的输入，一个用于标明岩石的输入。为使文本-音位转换的复杂性保持原样，NET讲话必须把它的隐蔽单元空间划分得更细小(事实上分割得使79种可能的从字母到音位的配对中的每一种有一个独特的模式)。正如罗森堡和塞诺斯基(Rosenberg and Sejnowski 1987)所做的那样，簇分析实际上在隐蔽单元激活的79种独特的稳定模式的这一基本层次之上构造了一个层级分割。把79种模式一一取出，并把它和最接近的相邻者即与它共同之处最多者配对，就构成这一层级体系。这些配对用作下一步分析的建造模块，在下一步中，(原有那对的成员之间的)一个平均激活轮廓图就被计算出来，并和它的最近的相邻者配对，这个相邻者是从通过对原有每对取平均值而生成的二次图形库中取得的。反复进行这一过程，直到生成最后的一对。这就是网络学到的最粗略的隐蔽单元空间划分———在NET讲话的情形中，这一划分其实是对应于元音和辅音之间的划分的。\n\n12 联结论、语言能力和解释方式\n\n323","previous_page":322,"next_page":324}