代数大脑 揭秘智能背后的逻辑

本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。

译者序
前言
第1章 认知架构1
1.1全书预览2
1.2免责声明5
第2章 多层感知器7
2.1多层感知器如何工作7
2.1.1节点7
2.1.2活性值8
2.1.3局部表示和分布式表示10
2.1.4输入与输出之间的关系11
2.1.5对隐藏单元的要求12
2.1.6学习16
2.1.7学习率18
2.1.8监督18
2.1.9两种类型的多层感知器19
2.2示例19
2.2.1家谱模型：前馈网络20
2.2.2句子预测模型：简单循环网络22
2.3多层感知器是如何在认知架构的讨论中出现的24
2.4多层感知器的吸引力25
2.4.1初步的理论思考25
2.4.2对初步思考的评价26
2.5符号、符号加工器和多层感知器29
第3章 变量之间的关系33
3.1多层感知器模型和规则之间的关系：细化问题33
3.1.1可以泛化UQOTOM吗34
3.1.2UQOTOM的自由泛化：在可以执行变量操作的系统中37
3.1.3在物理系统中实现变量操作38
3.2多层感知器和变量操作39
3.2.1为每个变量分配一个节点的模型40
3.2.2为每个变量分配一个以上节点的模型41
3.3表示变量和实例之间绑定的替代方法47
3.3.1在多层感知器中使用节点和活性值进行变量绑定48
3.3.2联合编码48
3.3.3张量积49
3.3.4寄存器51
3.3.5时序同步52
3.3.6讨论54
3.4案例研究1：婴儿期的人工语法55
3.4.1不包含变量操作的模型55
3.4.2包含变量操作的模型60
3.4.3总结64
3.5案例研究2：语言屈折65
3.5.1经验数据65
3.5.2三个标准的运用67
3.5.3讨论76
第4章 结构化表示79
4.1多层感知器中的结构化知识79
4.1.1几何构想80
4.1.2简单循环网络82
4.2对“大脑为每一个主谓关系分配单独的表示资源”这一观点的挑战84
4.3关于在神经基质中实现递归组合的提议88
4.3.1可以表示递归结构的外部系统88
4.3.2语义网络89
4.3.3时序同步92
4.3.4交换网络94
4.3.5将结构映射到活性值95
4.4新提议99
4.4.1treelet99
4.4.2与其他方案的比较102
4.4.3一些104
4.5讨论106
第5章 个体107
5.1多层感知器109
5.2客体较为性115
5.2.1客体较为性的实验证据115
5.2.2缺乏显式表示种类和个体之间区别的客体较为性模型118
5.3明确区分个体表示与种类表示的系统120
5.4记录和命题121
5.5神经实现123
第6章 符号加工机制从何而来127
6.1符号加工是天生的吗127
6.1.1一种提议127
6.1.2可学习性论点128
6.1.3婴儿的实验证据129
6.2符号加工是否具有自适应性130
6.2.1符号130
6.2.2规则132
6.2.3结构化表示134
6.2.4个体136
6.2.5总结138
6.3符号加工如何发展138
6.3.1将DNA作为蓝图138
6.3.2是否应该放弃天生的结构化皮质微电路140
6.3.3在获取经验之前关于大脑结构组织的重要示例145
6.3.4解决一个明显的悖论147
第7章 结论151
注释155
参考文献169