《代数大脑：揭秘智能背后的逻辑》内容简介

本书英文版出版至今已近20年，但关于大脑究竟如何工作的问题至今仍无答案，而符号主义（认为大脑是类似于计算机的加工符号的机器）与联结主义（认为大脑是并行运转的大型神经网络）之间的争论也从未停息。本书分析了联结主义模型和符号加工模型在计算方面的优势和劣势，关注不同联结主义模型之间的差异以及特定模型与符号加工的特定假设之间的关系，并围绕多层感知器展开讨论。书中的观点在今天依然频繁成为学术讨论的焦点，并为认知科学、人工智能、深度学习等领域的未来研究指明了可能的方向。
加里·F.马库斯（Gary F. Marcus） 科学家、企业家、畅销书作家。纽约大学心理学荣休教授，在包括Science和Nature在内的期刊上发表了大量关于神经科学、语言学和人工智能等方面的论文。他是Robust.AI公司的创始人和CEO，以及Geometric Intelligence公司（于2016年被Uber收购）的创始人和CEO。著有Rebooting AI、Kluge和The Birth of the Mind等书。

作品目录

推荐语
译者序
前言
第1章：认知架构
1.1、全书预览
1.2、免责声明
第2章：多层感知器
2.1、多层感知器如何工作
2.1.1、节点
2.1.2、活性值
2.1.3、局部表示和分布式表示
2.1.4、输入与输出之间的关系
2.1.5、对隐藏单元的要求
2.1.6、学习
2.1.7、学习率
2.1.8、监督
2.1.9、两种类型的多层感知器
2.2、示例
2.2.1、家谱模型：前馈网络
2.2.2、句子预测模型：简单循环网络
2.3、多层感知器是如何在认知架构的讨论中出现的
2.4、多层感知器的吸引力
2.4.1、初步的理论思考
2.4.2、对初步思考的评价
2.5、符号、符号加工器和多层感知器
第3章：变量之间的关系
3.1、多层感知器模型和规则之间的关系：细化问题
3.1.1、可以泛化UQOTOM吗
3.1.2、UQOTOM的自由泛化：在可以执行变量操作的系统中
3.1.3、在物理系统中实现变量操作
3.2、多层感知器和变量操作
3.2.1、为每个变量分配一个节点的模型
3.2.2、为每个变量分配一个以上节点的模型
3.3、表示变量和实例之间绑定的替代方法
3.3.1、在多层感知器中使用节点和活性值进行变量绑定
3.3.2、联合编码
3.3.3、张量积
3.3.4、寄存器
3.3.5、时序同步
3.3.6、讨论
3.4、案例研究1：婴儿期的人工语法
3.4.1、不包含变量操作的模型
3.4.2、包含变量操作的模型
3.4.3、总结
3.5、案例研究2：语言屈折
3.5.1、经验数据
3.5.2、三个标准的运用
3.5.3、讨论
第4章：结构化表示
4.1、多层感知器中的结构化知识
4.1.1、几何构想
4.1.2、简单循环网络
4.2、对“大脑为每一个主谓关系分配单独的表示资源”这一观点的挑战
4.3、关于在神经基质中实现递归组合的提议
4.3.1、可以表示递归结构的外部系统
4.3.2、语义网络
4.3.3、时序同步
4.3.4、交换网络
4.3.5、将结构映射到活性值
4.4、新提议
4.4.1、treelet
4.4.2、与其他方案的比较
4.4.3、一些限制
4.5、讨论
第5章：个体
5.1、多层感知器
5.2、客体永久性
5.2.1、客体永久性的实验证据
5.2.2、缺乏显式表示种类和个体之间区别的客体永久性模型
5.3、明确区分个体表示与种类表示的系统
5.4、记录和命题
5.5、神经实现
第6章：符号加工机制从何而来
6.1、符号加工是天生的吗
6.1.1、一种提议
6.1.2、可学习性论点
6.1.3、婴儿的实验证据
6.2、符号加工是否具有自适应性
6.2.1、符号
6.2.2、规则
6.2.3、结构化表示
6.2.4、个体
6.2.5、总结
6.3、符号加工如何发展
6.3.1、将DNA作为蓝图
6.3.2、是否应该放弃天生的结构化皮质微电路
6.3.3、在获取经验之前关于大脑结构组织的重要示例
6.3.4、解决一个明显的悖论
第7章：结论
参考文献