27、认知、分类与自适应共振：探索智能的多元维度

认知、分类与自适应共振：探索智能的多元维度

1. 类别与人工智能网络

管理不同类型和层次的类别，提供了一种不仅局限于不可预测属性，还能处理结构化信息的视角，同时将类别的形成视为一种主导语言在一段时间内的文化产物。当感知到的世界结构能尽可能地被一个类别框架映射时，就有望以最少的认知努力吸收最大量的信息，当然，关键在于选择合适的框架。

感知到的世界具有高度的相关性结构，在具体对象的分类体系中存在一些类别，通常在某个抽象层次上，可以基于网络架构（符号、连接主义或两者的混合版本）实现最基本的简化、细化和原型构建等操作。

信息丰富的感知和功能属性模块可能出现在自然的不连续处，正是在这些不连续处产生了分类的基本划分。这些不连续可以用常见的层次来表示：上位层、基本层和下位层，例如“四足动物”“猫”和“暹罗猫”。基本对象（类似于原型）构成了最适合心理意象的最具包容性的类别，这些类别可以说是与整个类别的成员的表征或外观同构的。有假设认为，基本层次的词汇习得是单词频率的结果。一种典型的描述方式可能会结合集合论表示和基于频率的概率线索有效性，即所有子类别上的线索有效性之和，通过单词强调、声音、运动以及识别平均形状或趋势，暗示了整个类别的线索有效性。

在具身认知和生成主义观点的背景下，有一个核心主题可以总结如下：有意义的概念结构源于两个来源：一是身体和社会经验的结构化本质；二是我们从身体和互动经验的某些结构良好的方面想象性地投射到抽象概念结构的内在能力。理性思维是将非常普遍的认知过程（如聚焦、扫描、叠加、图形 - 背景反转等）应用于这些结构。

然而，这表面上并没有提供一个纳入可接受表征程度的蓝图。具身认知更常见的试验场显然是机器人技术和人工智能形式。基于视觉运动与