我们所习得的隐喻

基于梯度的误差反向传播（"backprop"）学习是近期 AI 诸多进展的知名推动因素。一个不那么明显但可以说同等重要的要素是参数共享——最著名的是在卷积网络的语境中。在本文中，我们将参数共享（"权值共享"）与类比制造以及认知隐喻学派联系起来。我们讨论循环模型和自回归模型如何被视为将类比制造从静态特征扩展到动态技能与过程。我们还讨论这一视角的推论，例如它如何挑战当前根深蒂固的联结主义与"经典"基于规则的计算观之间的二分法。