用來 描述 很多 的 模式 ， 有些 在 生物學 上 較為 正確 （ 即 比較 像 真正 的 大腦 ） ， 有些 則否 ， 但 幾乎 沒有 一 個 可以 捕捉 新 皮質 的 功能 或 它 的 結構 。 我 的 看法 是 ， 大多數 神經 網路 模式 最 基本 的 問題 在於 他們 與 人工 智慧 電腦 程式 共享 了 一 個 特質 ─ 兩者 都 因為 著眼於 行為 而 註定 要 為 其 所 累 。 不論 這 個 行為 是 叫做 「 回答 」 、 「 形態 」 或 「 輸出 」 ， 人工 智慧 和 神經 網路 模式 都 假設 智慧 是 在 行為 之中 ， 經由 程式 或是 神經 網路 模式 處理 某 個 輸入 之後 所 輸出 的 東西 。 對 電腦 和 神經 網路 模式 來 說 ， 最 重要 的 特質 在於 能否 提供 一 個 正確 的 或 令 人 滿意 的 輸出 ， 就 如 涂林 所 揭示 的 ： 智慧 等於 行為 。 但是 智慧 不單 是 表現出 有 智慧 的 行為 ， 行為 是 智慧 的 外顯 證明 ， 但 卻 不 是 它 中樞 的 特質 或 主要 的 定義 。 你 只要 停下來 想 一 想 就 能 明白 ： 光 是 躺 在 黑暗 中 思考 和 領悟 事情 也 足以 被 認為 是 有 智慧 的 ， 忽略 大腦 中 所 進行 的 而 僅 將 注意力 集中 在 行為 上 ， 是 瞭解 智慧 和 建造 智慧 機器 最 大 的 障礙 。  在 我們 研究 智慧 的 新 定義 之前 ， 我 想 先 談 一下 另 一 個 連結論 者 的 研究 方法 ， 它 比 其他 的 方式 都 更為 接近 大腦 真實 的 運作 ， 問題 是 很少 人 瞭解 這 個 研究 的 重要性 。 當 神經 網路 模式 受到 眾所矚目 時 ， 有 一 小 群 神經 網路 模式 理論 者 並 未 將 行為 當作 主要 目標 來 建構 神經 網路 模式 ， 這 個 模式 被 稱為 「 自體 聯結 記憶 」 （ auto-associative memories ） 模式 ， 它 也 是 建構 在 簡單 的 神經元 上 ， 它們 互相 連結 ， 當 刺激 超越 特定 閾值 時 ， 就 會 激發 ， 只不過 它們 相互 連結 的 方式 不同 ， 還 加 了 很多 的 回饋 。 它 不 像 後向 傳遞 網路 ， 只 把 訊息 往 前 送 ， 這 個 自體 聯結 記憶 模式 將 每 個 神經元 的 輸出 送回 原來 的 輸入 ， 有點 像 跟 你 自己 打電話 。 這 個 回饋 迴路 引出 了 一些 有趣 的 特質 ， 當 某 個 行為 形態 被 送進 人工 神經元 時 ， 它們 會 形成 對 這 個 形態 的 記憶 ， 這 個 自體 聯結 神經 網路 模式 會 把 這些 形態 與 它們 本身 聯結 起來 ， 所以 稱 之 為 自體 聯結 記憶 模式 。 這 種 聯結 的 結果 乍看 之下 似乎 有點 荒謬 ， 如果 你 要 提取 儲存 在 這 個 記憶 中 的 形態 ， 你 得 先 提供 這 個 形態 給 它 看 。 有點 像 你 去 市場 買 一 串 香蕉 ， 老闆 問 你 要 怎麼 付 帳 時 ， 你 說 就 用 香蕉 來 抵押 吧 ！ 你 可能 會 問 這 有 什麼 好處 ？ 但是 自體 聯結 記憶 模式 有 一些 重要 的 特質 跟 我們 在 真正 的 大腦 中 所 看到 的 是 一致 的 。 最 重要 的 特質 是 你 不 需要 有 完整 的 形態 ， 就 能夠 把 這 個 形態 提取出來 。 即使 你 可能 只有 部分 的 形態 ， 或是 一些 搞混 了 、 不 清楚 的 形態 ， 這 個 自體 聯結 記憶 模式 仍 能 提取出 正確 如 當初 所 儲存 的 形態 。 就 很 像 帶 著 吃 了 一半 、 已經 呈 黑褐色 的 香蕉 上 市場 ， 老闆 一眼 就 認出 ， 所以 拿給 你 還 新鮮 的 綠 香蕉 ； 或是 你 拿 著 一 張 磨損到 已經 辨認 不 出來 的 鈔票 去 銀行 ， 行員 說 ： 「 我 想 這 是 一 張 已經 揉爛 的 百 元 舊鈔 ， 把 它 交給 我 吧 ！ 我 換給 你 一 張 全新 的 一百 元 。 」 其次 ， 這 個 自體 聯結 記憶 模式 不 像 其他 的 神經 網路 模式 ， 它 可以 儲存 一 序列 的 形態 ， 或是 具有 順序 的 形態 。 這 個 特質 是 因為 它 在 回饋 中 加 了 延宕 反應 時間 ， 因為 有 這 個 延宕 的 差異 ， 你 就 能 將 一 序列 的 形態 ， 如 一 段 旋律 ， 呈現給 自體 聯結 記憶 模式 的 神經元 ， 它 便 可以 記住 這 個 序列 。 我 可能 輸入 〈 小 星星 〉 （ 一閃一 閃 亮晶晶 ， 滿 天 都 是 小 星星 … … ） 這 首 童謠 的 頭 幾 個 音符 ， 這 個 記憶 模式 就 會 找出 整 個 歌 來 。 只要 呈現 部分 的 序列 （ 形態 ） ， 這 個 記憶 模式 就 能 找出 其餘 的 。 我們 後面 會 看到 ， 利用 一 系列 的 形態 其實 正 是 人類 學習 的 基本 方式 ， 我 認為 大腦 的 神經 迴路 跟 自體 聯結 記憶 模式 的 方式 很 相似 。 自體 聯結 記憶 模式 指出 回饋 和 時間 更替 輸入 （ time-changing input ） 的 重要性 ， 但是 大部分 在 人工 智慧 、 神經 網路 模式 和 認知 科學 領域 的 研究 者 卻 忽略掉 時間 與 回饋 。 整體 而言 ， 神經 科學家 也 好 不 到 哪兒 去 。 他們 也 知道 回饋 ─ 回饋 就 是 他們 發現 的 ─ 不過 大部分 的 神經 科學家 沒有 理論 （ 除了 語焉不詳 的 談到 狀態 〔 phase 〕 和 模組 〔 modulation 〕 之外 ） 來 解釋 為什麼 大腦 需要 這麼多 的 回饋 。 時間 在 他們 的 模式 中 也 很 不 受 重視 ， 或 只是 被 當作 次要 的 角色 ， 他們 傾向 使用 「 何 種 功能 在 何處 發生 」 來 描繪 大腦 ， 而 非 探討 神經元 發射 的 時機 或 神經元 如何 發射 ， 他們 忽略 了 神經元 在 時間 上 的 交互作用 。 這 類 的 偏見 部分 來自於 目前 實驗 技術 的 限制 。 在 一九九○年代 ， 這 個 被 稱作 「 大腦 的 十 年 」 的 時期 ， 大家 最 喜歡 用 的 是 功能性 腦造影 技術 。 這 個 儀器 可以 在 人 大腦 活動 時 ， 拍攝 裡面 的 影像 。 然而 ， 這些 儀器 拍 不 到 大腦 快速 的 變化 。 所以 科學家 請 受 試 者 專注 於 一 個 簡單 的 作業 ， 一而再 、 再而三 的 做 ， 好像 光學 攝影 時 要 一 個 人 站 著 不能 動 ， 只是 現在 把 人 換成 心智 的 影片 而已 。 這 個 結果 是 我們 有 很多 關於 位置 的 資料 ─ 某 項 作業 在 大腦 的 某 處 發生 ， 但是 幾乎 沒有 在 實際 狀況 下 訊息 流過 大腦 時 的 資料 。 功能性 核磁共振 讓 我們 看到 在 某 個 時刻 大腦 處理 某些 訊息