知识卡片
通用皮质算法
传统看法把V1、V2、V4各当成一个连续区域,不变性只在顶端IT出现。三个反证推翻了它:为什么偏偏IT特殊;V1左右两侧在物理上互不相连,却都在参与同一张脸的识别;高层区明明汇总了两路以上输入,低层区却看似只有一个来源。
解释是:每个“区域”其实是大量彼此分离的子区域集合,越往下子区域越多,到IT只剩下一个,所以它能鸟瞰整个视觉世界。这样无论挑哪个皮质区,它都在从多个下级区汇总输入,并向每个下级回送预测。
于是职责归一:发现并记住输入序列之间的关联,预测下一项输入。与机器视觉的模板匹配相比,这里没有杯子原型的快照,记忆分散在各级,学的是“由不变表征组成的序列”。要注意这是计算层面的统一,子区域边界如何划定、如何验证,原文承认仍是开放问题。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 第6章 记忆-预测模型是如何工作的 · 查看原书依据
任何皮质区的职责都是发现并记住各个输入序列之间的关联性,以此来预测未来的输入会是什么。新皮质各个区域的信息处理过程都是相同的,这就是通用皮质算法。
参考来源
- 位置:《新机器智能》第6章《记忆-预测模型是如何工作的》(源文件:extracted/新机器智能/_epub-src/OEBPS/Text/part0021.xhtml)
- 结论依据:原文用三个反证否定“只有顶层形成不变表征”,提出子区域解释,并由此给出通用皮质算法的表述。
- 原始内容:任何皮质区的职责都是发现并记住各个输入序列之间的关联性,以此来预测未来的输入会是什么。新皮质各个区域的信息处理过程都是相同的,这就是通用皮质算法。