张量大脑：用于感知与记忆的语义解码

我们利用知识图谱与张量的数学模型分析感知与记忆，以深入洞察人类心智的相应功能。我们的讨论基于由主谓宾（SPO）三元组构成的命题句概念，用以表达基本事实。SPO句子是大多数自然语言的基础，但也可能对显式感知、陈述性记忆，以及脑内通信和论证推理能力十分重要。一组SPO句子可描述为一个知识图谱，并可转化为邻接张量。我们引入张量模型，其中概念具有作为索引和关联嵌入的双重表示，我们认为这两个构造对于理解脑中的隐式与显式感知和记忆至关重要。我们主张，感知与记忆的生物学实现会对信息处理施加约束。特别地，我们提出显式感知与陈述性记忆需要一个语义解码器，其在一种简单实现中基于四层：第一，感觉记忆层，作为感觉输入的缓冲；第二，表示概念的索引层；第三，用于信息广播的无记忆表示层——大脑的“黑板”或“画布”；第四，作为处理中心和数据缓冲的工作记忆层。我们讨论了这四层的运作并将其与全局工作空间理论相联系。在贝叶斯大脑解释中，语义记忆定义了可观测三元组陈述的先验。我们提出——在进化与发育过程中——语义记忆、情景记忆和自然语言作为智能体在深化对感觉信息理解过程中的涌现属性而演化。