19、语义指针与语义指针架构（SPA）：认知建模的关键概念

语义指针与语义指针架构（SPA）：认知建模的关键概念

1. 语义指针

在神经工程框架（NEF）中，感觉输入、运动输出模式和认知项目都在同一数学框架下表示，这些不同的项目被称为状态。每个状态在NEF中表示为随时间变化的D维向量，通常D相对较大，约为20到500。

例如，听觉输入状态有24个维度，每个维度对应一个频率组；运动输出状态也有24个维度，每个维度对应一对主动 - 拮抗肌；认知状态通常使用约500个维度，足以存储成人词汇的概念。

由于维度较高，我们使用皮质缓冲区而非大型集合来表示这些状态，每个缓冲区中的集合代表向量的2到16个维度，每个维度约使用20个神经元，因此缓冲区包含400到10,000个神经元。

表示输入状态、输出状态和认知状态的向量称为语义指针，通常简称为指针。语义指针是高维特定模态信息的压缩表示，可跨模态“指向”特定模态信息。与计算机科学中的指针不同，语义指针虽指向详细信息，但本身也有一定含义。

语义指针通常在模型的不同部分的缓冲区之间传递，以激活这些部分的特定模态（感觉、运动、认知）处理。表示指针的缓冲区可以进行循环连接，常用于实现指针的工作记忆。

由于指针是高维向量，很难通过查看向量值来可视化。在可视化和思考指针在网络中的使用方式时，我们使用一个值（如缓冲区的解码值）与感兴趣的指针之间的相似度。大多数模型有一组有限的指针，称为模型的词汇表，不同的缓冲区可以有不同的关联词汇表。

例如，一个认知处理模型可能有四个指针的词汇表： 、 、 和 。每个指针都有一个关联的向量，该向量可以由网络中的多个特定模态缓冲区表示。指针向量的大小通常被约束为1，单位长度向量使指针的计算更简单，因为通常只有