讨论之前的一些准备

先主要以视觉为例讨论

我们对视觉传入了解的最多，同时视觉最能表征外部世界，下面的讨论就以视觉为例。

以视觉的中介奖惩学习为例，来具体讨论，奖惩学习，对象识别等等问题（并行存储计算、状态性兴奋）。关于中介奖惩学习的机理我那篇文章中有论述。

讨论之前先做一些准备

对象的空间属性可以有多种表征方式（比如，可以用专门的原始记忆柱群来表征。也可以用控制视觉来注意对象的相关记忆柱群表征，而这种表征需要学习。第一种情况，智能软件注意对象后其空间属性对应的记忆柱群必然会易化兴奋，第二种情况是某些控制视觉注意的记忆柱群兴奋后，视觉必然会注意具有相应空间属性的对象）。对对象的属性可以直接表征也可以间接表征。在对象的一个属性被“注意”的前后时间，必然兴奋的独特记忆柱群都可以表征这个属性。我下面为了讨论的方便往往用专门的记忆柱群来表征某一特殊的属性（第一种情况）。这些都是需要编程设计的。

可以编程设计：在智能软件的活动空间经常会出现一些物体，区分这些物体只有通过物体的轮廓和物体左边局部某一对象的形状来共同区分。也就是说只有注意了物体的形状轮廓后再注意这个物体左边局部某一结构的形状，根据物体的这两个属性，才能将物体与其它物体区分开来。整体轮廓区分的是某一类对象，左边空间对象的轮廓区分的是这类对象中的某一具体对象。这种区分的完成是状态兴奋下完成的。

主注意对象与各个目的对象之间的兴奋记忆联系

编程设计使：智能软件“皮质”中兴奋到一定程度的记忆柱群会兴奋状态中枢对应的记忆柱群。这些兴奋的状态中枢的记忆柱群能够与主注意目的对象、亚主注意目的对象在状态中枢对应的记忆柱群（它们也兴奋，并传出兴奋）建立记忆联系，它们越是兴奋强，越是与主注意对象建立的记忆联系强。这样设置的好处是，主注意对象能够与短时间内发生“重大”事件（高动力预期，能够成为目的）建立记忆联系（联系强弱与动力预期密切相关）。

（程序就是这样设计的，这可以看我的小程序中相关的计算）如下图：