代數大腦：揭秘智慧背後的邏輯

本書英文版出版至今已近20年，但關於大腦究竟如何工作的問題至今仍無答案，而符號主義（認為大腦是類似於電腦的加工符號的機器）與聯結主義（認為大腦是並行運轉的大型神經網路）之間的爭論也從未停息。本書分析了聯結主義模型和符號加工模型在計算方面的優勢和劣勢，關注不同聯結主義模型之間的差異以及特定模型與符號加工的特定假設之間的關係，並圍繞多層感知器展開討論。書中的觀點在 依然頻繁成為學術討論的焦點，並為認知科學、人工智慧、深度學習等領域的未來研究指明了可能的方向。

譯者序
前言

第1章　認知架構1
11全書預覽2
12免責聲明5

第2章　多層感知器7
21多層感知器如何工作7
211節點7
212活性值8
213局部表示和分散式表示10
214輸入與輸出之間的關係11
215對隱藏單元的要求12
216學習16
217學習率18
218監督18
219兩種類型的多層感知器19
22示例19
221家譜模型：前饋網路20
222句子預測模型：簡單迴圈網路22
23多層感知器是如何在認知架構的討論中出現的24
24多層感知器的吸引力25
241初步的理論思考25
242對初步思考的評價26
25符號、符號加工器和多層感知器29

第3章　變數之間的關係33
31多層感知器模型和規則之間的關係：細化問題33
311可以泛化UQOTOM嗎34
312UQOTOM的自由泛化：在可以執行變數操作的系統中37
313在物理系統中實現變數操作38
32多層感知器和變數操作39
321為每個變數分配一個節點的模型40
322為每個變數分配一個以上節點的模型41
33表示變數和實例之間綁定的替代方法47
331在多層感知器中使用節點和活性值進行變數綁定48
332聯合編碼48
333張量積49
334寄存器51
335時序同步52
336討論54
34案例研究1：嬰兒期的人工語法55
341不包含變數操作的模型55
342包含變數操作的模型60
343總結64
35案例研究2：語言屈折65
351經驗資料65
352三個標準的運用67
353討論76

第4章　結構化表示79
41多層感知器中的結構化知識79
411幾何構想80
412簡單迴圈網路82
42對“大腦為每一個主謂關係分配單獨的表示資源”這一觀點的挑戰84
43關於在神經基質中實現遞迴組合的提議88
431可以表示遞迴結構的外部系統88
432語義網路89
433時序同步92
434切換式網路94
435將結構映射到活性值95
44新提議99
441treelet99
442與其他方案的比較102
443一些限制104
45討論106

第5章　個體107
51多層感知器109
52客體22性115
521客體22性的實驗證據115
522缺乏顯式表示種類和個體之間區別的客體22性模型118
53明確區分個體表示與種類表示的系統120
54記錄和命題121
55神經實現123

第6章　符號加工機制從何而來127
61符號加工是天生的嗎127
611一種提議127
612可學習性論點128
613嬰兒的實驗證據129
62符號加工是否具有自我調整性130
621符號130
622規則132
623結構化表示134
624個體136
625總結138
63符號加工如何發展138
631將DNA作為藍圖138
632是否應該放棄天生的結構化皮質微電路140
633在獲取經驗之前關於大腦結構組織的重要示例145
634解決一個明顯的悖論147

第7章　結論151

注釋155
參考文獻169