10、探秘心智模型与网络防御协作机制

探秘心智模型与网络防御协作机制

1. 心智模型的本质与特性

理解问题往往涉及构建心智模型。这种构建并非简单的知识与程序应用，也不是模式识别，更不是信息融合。信息融合意味着信息元素的不可逆合并，而心智模型可进行可逆的组装与拆解，相关操作也是可逆的。

为更好理解心智模型，可将其与神经网络对比。在神经网络中，输入层接收的输入通过可调节强度的连接（权重）传播到输出层。权重会针对不同输入进行调整，直到获得理想的输出特征，此时权重配置构成输入的模型，使网络能识别训练集上泛化的后续输入。但神经网络建模是不可逆的，训练后改变权重会使结果无效并丧失识别能力。这在动物身上似乎成立，它们通过条件作用形成模型并由环境线索触发；而人类通过自我发起和自我导向的内部活动（如思考、寻求理解）形成模型。

记忆从碎片化结构向规则化结构的转变，意味着底层神经元基质的熵减少、秩序增加（同时环境的熵增加、无序度增大），这可通过两种截然不同的方式实现：
- 负熵提取 ：像鱼类和神经网络一样，适应性内部变化由外部驱动，输入映射到内部组织。
- 负熵产生 ：内部秩序的适应性增长可自我导向，内部组织向外映射到输入。例如，内置的格式塔机制可将硬币分组为水平和倾斜行，或进行圆形分组。通过构建和操纵心智模型实现理解，被认为是这样的过程。

2. 神经元池的关键要点

神经元池的相关理论包含以下关键内容：
1. 组成与响应机制 ：神经元池由与环境交互的感觉模块和与感觉模块交互的控制模块组成。当感觉神经元反复对连续刺激共同响应时，会形成并增强联想链接。连续事