{"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":379,"pdf_page":387,"physical_index":387,"physical_index_base":0,"printed_page_status":"recognized","page_sha256":"fee674b2357ea35801aa40b0aacc1239e15212aaabb23c0ae783448a70756d07"},"chapter":"人工智能哲学","content":"在这些较复杂的问题中，有一些也许可以通过把它们划分成一组较小的问题来解决，这些较小问题最终能由一组不同的二维状态空间分层结构来处理，其中每一个分层结构为较大问题的某部分或某方面编址(关于这一思路的某些专门建议见Ballard1986)。脑的分层脑皮质的优越性无疑会促使我们沿这一路线作思考。但是这种解答，即使是近似的，一般说来也不能得到保证。如果脑是以平常方式来处理这些更高维问题的，它就特别需要某些高于状态空间分层结构的机制。\n\n派利欧尼斯和利纳斯曾概述了一种适合于这种任务的机制，并在小脑内部找到了实现它的证据，给人留下深刻印象。小脑是脑后部的大结构，就在大脑半球的底下。它的主要功能最初是从损伤研究中发现的，是协调复杂的身体运动，如准备晚餐或打篮球时所表现的那样。它表现出的神经组织与大脑半球的组织有很大差别，这种组织的重要性可能通过派利欧尼斯-利纳斯的说明而变得清楚起来。\n\n为了说明这种较一般的坐标变换机制，让我们考察一个四维输入系统，其输入a，b，c，d被变换成三维输出系统的值x，y，z。像以前那样，输入和输出可分别被看作适当的状态空间中的点。因为它们是n维的，所以每个量都可被看作一个矢量(其起点位于相关状态空间的原点，而其端点位于以n维表示的点上)。\n\n用于从矢量到矢量的系统变换的标准数学运算是矩阵乘法。这里，正是矩阵体现出或实现了所要的坐标变换。为了弄清这是怎么完成的，我们来看看图14-8的矩阵，该矩阵有4行3列。要将这个矩阵与输入矢量{a，b，c，d}相乘，就把 ${ \\pmb p } _ { 1 }$ 乘以a， $\\pmb { p } _ { 2 }$ 乘以b， ${ \\pmb p } _ { 3 }$ 乘以c,$\\mathfrak { p } _ { \\mathfrak { i } }$ 乘以d，然后把4个结果加起来得出 $\\mathbf { x } _ { \\circ }$ 然后对第二列重复这个过程得出y，再对第三列重复这个过程得出 $\\mathbf { z } _ { \\bullet }$ 从而得出输出矢量{x，y，${ \\pmb z } \\}$\n\n14 认知神经生物学中的某些简化策略\n\n379","previous_page":378,"next_page":380}