To see how this might work in the b

To see how this might work in the brain, begin with a highly simplified view of elements such as hypotheses and evidence as represented by single neuronlike units rather than by patterns of activation in neural populations. We can then build an artificial neural network that represents constraints among elements by links between the units that stand for them. Figure 4.2 shows a simple network that has units representing competing hypotheses in the Simpson case. Positive constraints based on what explains what are captured by excitatory links between units, roughly analogous to the synaptic connections that enable one neuron to excite another. Note that figure 4.2 allows levels of explanatory hypotheses, with the hypothesis that Simpson was angry at his ex-wife explaining why he killed her, which explains why she is dead. Negative constraints are captured by inhibitory links between units. Another positive constraint that affects the network is that we should tend to accept what we have observed with our senses, in this case that Nicole is dead.

ผลลัพธ์ (ไทย) 1:

เมื่อต้องการดูวิธีนี้อาจทำงานในสมอง เริ่ม ด้วยองค์ประกอบเช่นสมมุติฐานและหลักฐานตามที่แสดง โดยหน่วยเดียว neuronlike แทน โดยรูปแบบของการเปิดใช้งานประสาทประชากรสูงง่าย แล้วเราสามารถสร้างเป็นโครงข่ายประสาทเทียมที่แสดงถึงข้อจำกัดระหว่างองค์ประกอบ โดยการเชื่อมโยงระหว่างหน่วยที่ยืนสำหรับพวกเขา รูปที่ 4.2 แสดงเครือข่ายอย่างง่ายที่มีหน่วยสมมุติฐานแข่งขันแทนในกรณีซิมป์สัน เพิ่มข้อจำกัดตามที่อธิบายอะไรถูกจับ โดย excitatory เชื่อมโยงระหว่างหน่วย หยาบ ๆ คล้ายการเชื่อมต่อที่ synaptic ซึ่งทำให้เซลล์ประสาทหนึ่งเพื่อกระตุ้นอีก หมายเหตุรูปที่ 4.2 ทำให้ระดับของสมมุติฐานอธิบาย ด้วยสมมติฐานที่ว่า โกรธที่อดีตภรรยาอธิบายว่า ทำไมเขาฆ่าเธอ อธิบายทำไมเธอเสียซิมป์สัน ลบข้อจำกัดถูกจับ ด้วยลิปกลอสไขการเชื่อมโยงระหว่างหน่วย ข้อจำกัดบวกอื่นที่มีผลต่อเครือข่ายเป็นว่า เราควรมีแนวโน้มที่จะยอมรับเราได้สังเกต ด้วยประสาทสัมผัสของเรา ในกรณีนี้ นิโคลที่จะตาย

ผลลัพธ์ (ไทย) 2:

เพื่อดูวิธีการนี​​้อาจจะทำงานในสมองเริ่มมีมุมมองที่ง่ายขึ้นอย่างมากขององค์ประกอบต่างๆเช่นสมมติฐานและหลักฐานที่เป็นตัวแทนจากหน่วย neuronlike เดียวมากกว่าโดยรูปแบบของการกระตุ้นประสาทในประชากร จากนั้นเราจะสามารถสร้างเครือข่ายประสาทเทียมที่แสดงถึงข้อ จำกัด ระหว่างองค์ประกอบโดยการเชื่อมโยงระหว่างหน่วยงานที่โดดเด่นสำหรับพวกเขา รูปที่ 4.2 แสดงให้เห็นถึงเครือข่ายที่เรียบง่ายที่มีหน่วยเป็นตัวแทนของสมมติฐานการแข่งขันในกรณีที่ซิมป์สัน ข้อ จำกัด ในเชิงบวกตามสิ่งที่อธิบายถึงสิ่งที่ถูกจับกุมโดยการเชื่อมโยงระหว่างหน่วย excitatory ๆ คล้ายกับการเชื่อมต่อ synaptic ที่ช่วยให้หนึ่งที่จะกระตุ้นเซลล์ประสาทอื่น หมายเหตุตัวเลข 4.2 ที่ช่วยให้ระดับของสมมติฐานที่อธิบายด้วยสมมติฐานที่ว่าซิมป์สันก็โกรธที่อดีตภรรยาของเขาอธิบายว่าทำไมเขาฆ่าเธอซึ่งอธิบายว่าทำไมเธอจะตาย ข้อ จำกัด เชิงลบจะถูกจับโดยการเชื่อมโยงระหว่างหน่วยยับยั้ง อีกข้อ จำกัด ในเชิงบวกที่มีผลต่อเครือข่ายที่เราควรจะมีแนวโน้มที่จะยอมรับสิ่งที่เราได้ตั้งข้อสังเกตกับความรู้สึกของเราในกรณีนี้ว่านิโคลจะตาย

ผลลัพธ์ (ไทย) 3:

ดูวิธีนี้อาจทำงานในสมองเริ่มต้นด้วยขอแบบมุมมองขององค์ประกอบต่างๆ เช่น ข้อมูลและหลักฐานที่แสดงโดยหน่วย neuronlike เดียวมากกว่า โดยรูปแบบของการกระตุ้นในประชากรประสาท เราสามารถสร้างโครงข่ายประสาทเทียมที่แสดงถึงข้อจำกัดขององค์ประกอบโดยการเชื่อมโยงระหว่างหน่วยที่ยืนสำหรับพวกเขา รูปที่ 42 แสดงเครือข่ายที่ง่ายได้เป็นตัวแทนแข่งขันหน่วยสมมติฐานในกรณี ซิมป์สัน บวกข้อจำกัดตามสิ่งที่อธิบายถึงสิ่งที่ถูกจับโดยการเชื่อมโยงระหว่างหน่วย excitatory ประมาณคล้ายคลึงกับโปรแกรมการเชื่อมต่อที่ช่วยให้หนึ่งที่จะกระตุ้นเซลล์ประสาทอื่น หมายเหตุ รูปที่ 4.2 ช่วยให้ระดับของการอธิบายสมมติฐานกับสมมติฐานที่ซิมป์สันโกรธอดีตภรรยาอธิบายทำไมเขาถึงฆ่าเธอ นั่นคือเหตุผลที่เธอตาย ลบข้อจำกัดถูกจับโดยการเชื่อมโยงยับยั้งระหว่างหน่วย บวกอื่นข้อจำกัดที่มีผลต่อเครือข่ายคือเราควรจะมีแนวโน้มที่จะยอมรับสิ่งที่เราสังเกตได้ด้วยประสาทสัมผัสของเรา ในกรณีนี้ว่า นิโคล ตายแล้ว