13、基于交互皮质区域的语言理解模型

基于交互皮质区域的语言理解模型

1. 引言

在之前的研究中，我们构建了一个颇具推测性的皮质模型，将其视为相互连接的联想记忆模块网络。该网络借助阈值控制机制和模块间的引导交互来“思考”，也就是解决一些复杂的认知问题。在当时，人工智能领域的研究人员认为这类任务通常需要符号推理。因此，证明这种机制能够在无需外部人工干预（如操作阈值或引导交互）的情况下解决此类问题至关重要。1982 年，我提出安排这些机制的原则非常简单，可轻松在小型控制网络中实现，比如在一些皮质下结构（如基底神经节）中。

直到 2004 年，在进行了人工神经网络中的模式识别、更复杂应用（如模式识别、足球机器人等）的研究，并积累了相关经验后，我们才实现了一个由交互联想记忆模块组成的网络。这个网络能够将视觉对象识别、语言理解和行动规划结合起来，应用于机器人场景中。

用于对象和单词识别的神经网络为初级视觉和听觉区域或模块提供了合适的稀疏表示。语言模块使用随机生成的稀疏模式，具有一定的语义相似性，例如涉及物体操作的动作在其表示中有一些共同的位或活跃神经元，系统能够处理的物体也是如此。而纯粹的句法表示则是完全随机选择的。这样一来，该系统目前还无法解释语言或句法结构的学习或习得过程，只能展示在给定句法框架下单词意义的学习。

2. 语言理解的皮质机制

我们设计了一个基于联想记忆的架构，结合了多个相互作用的“模块”或“区域”，每个模块包含大量的脉冲神经元，代表对象或情况的不同方面（如视觉、听觉、运动、句法或语义方面）。这些模块之间并非完全相互连接，但基于功能需求保持着固定的连接性，单个连接通过联想或简单的赫布学习形成。

2.1 模型的基本操作

<