10.1 引 言

在这里，我们将简要回顾两种不同类型的联结网络。一种是在交互激活竞争网络中，简单且符合直觉地采用了定位表征方式的示例——Jets and Sharks。另一种是NETtalk，它是一种三层前馈网络，因其过于复杂而备受指责。NETtalk在执行人类任务时，运用的是分布式表征，使用反向传播的学习算法。

10.2 Jets & Sharks 麦克莱兰德（McClelland）引入了“Jets & Sharks”（“Jet”和“Shark”是1961年上映的美国著名歌舞剧电影West Side Story（中译《西城往事》）中两个街头团伙的名称。——译者注）网络，为了说明在没有通适规则的系统中表征和储存一般信息的可能性。这种系统能够储存有关对象“样本”及其属性的具体信息，并计算样本与其属性表征之间的传递激活作用，这与前面讨论的语义网络相似（见第7章）。当大量样本都被支持时，各属性表征之间的连接就会得到强化。当属性表征之间互相排斥时，则相互竞争。这种解释模型的目的是为了说明，在很多情形下，激活和竞争机制能够：（1）检索某一特殊样本的具体特征；（2）从存储的样本知识中提取有关这类对象的普遍特征；（3）能合理填补缺省值。首先我们来看这个网络的结构和操作，然后介绍它的一些运行情况。

网 络

包含7个组别，共24个单元［1］。每个单元：（1）当遇到小于0的激活水平时，保持静息状态；（2）激活遵循的规则是持续不断地加和兴奋与抑制激活值，并连续地输出结果［2］。其中一个组别是“示例”或称“样本”组（图中的实心单元），表征某一组别里的所有个体成员。每个样本单元与“特征”组中的一个单元，通过相互兴奋而发生连接，如箭头所示。这些连接就表征着网络所具有的有关某一特定个体的特征知识，例如他的名字、教育程度、职业和婚姻状况等等。每一组内的单元相互抑制，这就使每个样本在一个属性组内仅可与其中一种特征发生连接（例如，一个样本不能同时既单身又已婚）。探测针引入之前，每个节点都处于静息状态。当选择一个节点输入网络，网络便会使这个节点处于固定激活状态。之后，通过使激活传递到整个网络进行计算，使一些单元兴奋，另一些抑制。最终，网络达到平衡态，计算循环结束。那些兴奋的节点为系统输出。现在我们通过网络所执行的下面两个任务，来检验网络行为与人类相比有哪些相似之处。

典型特征

当人们询问网络有关“Jets”的信息时，网络会将探测针指向“Jet”，Jet节点便处于固定激活状态。经过200次循环操作后，特征节点出现下面的稳定值：

探测针 Jet

年龄

—1920s： 0.663

教育程度

—初中：0.663

婚姻状况

—单身：0.663

职业

—拖运工：0.334

—飞贼：0.334

—赌徒：0.334

这些就是网络所得出的，关于Jets的年龄、教育、婚姻状况以及职业的典型特征。虽然Jet并不具有所有这些特征，但我们仍可以说网络提取了一些Jets的典型特征［3］。

缺省值

网络也能为缺失信息填充缺省值。网络在节点“Lance”和“飞贼”节点之间受到了损坏。当输入“Lance”时，激活传递约400个循环操作后，网络稳定在下面的数值，意味着它为“Lance”填充了“飞贼”：

姓名

—Lance 0.799

所处团伙

—Jets 0.710

年龄

—1920s 0.667教育程度

—初中 0.704

婚姻状况

—已婚 0.552

—离异 0.347

职业

—飞贼 0.641

在这个例子中，网络利用那些与Lance职业有关的信息猜测她的职业。但通过提高样本节点与样本节点间的抑制值（从0.03到0.05），用于表示其他个体样本的激活会受到抑制，这样它们的特征节点不会激活，系统也就不会给Lance返回缺省的职业信息。这种可变抑制机制会使网络相应地对自身的“反问”发生变化：“我准确地知道关于Lance的什么？”与“哪些信息很可能是符合Lance的？”

总 结

Jets & Sharks网络和它的执行过程说明了它具有很多重要的特征，可总结如下：首先，它具有一定的结构——包含一定数目的单元与相应的单元间连接；第二，能够实现表征——每一单元表征某一个体或其特征。表征采用的是一种定位式（或“定点表征”）；第三，网络具有一定的计算方法——通过传递兴奋或抑制，以及竞争进行计算；第四，网络通过具体的联结起所有单元的激活传递规则，实现编程；第五，网络不能学习，也不能受到训练。当后面再介绍其他网络的时候，还会返回来与这种网络的一般特征进行对比。