chenghwn的博客

也就是说学习早期，兴奋更不容易发生转移（未来的“下一个”主注意对象的易兴奋的记忆柱受到的易化相对较弱，达到能够被选择成为主注意对象的兴奋强度所花费的时间更长，而当时的主注意对象由于受到易化的较弱，其不易兴奋的记忆柱兴奋的速度相对较慢，从而对其所在基本记忆柱群的易兴奋的记忆柱的抑制能力增加的相对较慢，对应的易兴奋的记忆柱的兴奋衰减的就较慢，在进行主注意对象的选择时更容易被选择成为主注意对象。基本记忆柱群中不易兴奋的记忆柱抑制易兴奋的记忆柱，不易兴奋的记忆柱兴奋的越强，它对易兴奋的记忆柱抑制的越强。

也就是说学习早期，兴奋更不容易发生转移（未来的“下一个”主注意对象的易兴奋的记忆柱受到的易化相对较弱，达到能够被选择成为主注意对象的兴奋强度所花费的时间更长，而当时的主注意对象由于受到易化的较弱，其不易兴奋的记忆柱兴奋的速度相对较慢，对其所在基本记忆柱群的易兴奋的记忆柱的抑制能力增加的相对较慢，对应的易兴奋的记忆柱的兴奋衰减的较慢，在进行主注意对象的选择时更容易被选择成为主注意对象。基本记忆柱群中不易兴奋的记忆柱抑制易兴奋的记忆柱，不易兴奋的记忆柱兴奋的越强，它对易兴奋的记忆柱抑制的越强。

目的是用对象来表征的（目的对象），对象之所以能够表征目的，是因为对象能够被（状态性）赋值（任何赋值都是状态性赋值，是某一情景状态下的赋值）（比如我们以推开门为目的，因为推开门能够获取环境中的一筐苹果，主注意目的对象就是能够表征这个门的几个“曾经的主注意对象”，表征门的主注意目的对象就被这筐苹果、所处能够获取苹果的环境等等进行状态赋值，这个门又会与相关环境建立记忆联系，这些联系共同参与了相关奖惩预期），一个目的对象往往表证一群关联对象及这群对象所组成的“状态”、“状态”过程。表征目的地对象就是目的对象。

当主注意对象不能再成为主注意对象后，它与其它兴奋达到一定值的记忆柱群，会共同成为亚主注意对象，亚主注意对象对象有数目限制，亚主注意对象的兴奋模式与目的对象的兴奋模式相似（这保证了状态性兴奋识别）。智能软件持续注意一个对象的轮廓，标准聚焦这个对象的轮廓产生的刺激传入可以对应几个主注意对象。不管是多个视觉聚焦传入对应一个主注意对象，还是单个视觉聚焦传入对应一个主注意对象，刺激产生的主注意对象，主注意对象都必须能够正确标志轮廓信息，使智能软件能够按要求大概区分必须需要区分的轮廓，从而能够正确参与环境对象的识别。

比如：我们能通过一个特定对象回忆许多东西，而通过另一个对象能够回忆的东西较少，某一目的下，通过这个特定对象进行回忆时，相对于通过另一个对象进行回忆时，我们的大脑的活跃度明显要活跃的多，这个活跃情况我们可以感知（我们可以内省到），至于如何被感知到，现在没有相关的研究（我猜测可以感知局部或者整体的血流情况，或者直接或者间接感知局部或者整体的兴奋强度来获得。任何一个特定思维状态都是相应（特定）记忆柱群兴奋与不兴奋的结果，而它们的兴奋状态能够被强度中枢相应记忆柱群感知，因而强度中枢能够感知思维状态。

但现有的技术手段下，智能软件如果多次聚焦产生的视觉信息传入每次都在“容忍”范围内基本一致，就没必要多次聚焦），多次聚焦产生的信息可共同参与对象轮廓的表征（每次聚焦，只要能够成为主注意对象，就能够成为目的对象，三次连续的聚焦可以产生三个目的对象），两次表征的轮廓对象，它们只要一两个聚焦获得的轮廓信息相似达到一定程度，便会产生相似的兴奋效果。在此基础上，对整体轮廓的两次视觉传入仍然存在一定差别，但如果在可容忍的范围内，两次视觉传入便认为是相同的视觉传入，会产生相同的识别效果……它们的内容是差不多的。

新的主注意对象成为主注意目的对象（产生的刺激最强），从而产生快速的正确注意。（假设只有先注意轮廓再注意左边空间对象才能正确识别），识别目的下，标志时间的属性对应的记忆柱群、标志房间的属性对应的记忆柱群、标志大叫的属性对应的记忆柱群都成为亚主注意目的对象，兴奋其空间属性，习惯性回忆起轮廓对应的记忆柱群，习惯性兴奋左侧空间标志对应的记忆柱群，在主注意对象、主注意目的对象、各个亚主注意目的对象的共同易化兴奋下，选择出与左侧空间标志对应的具体对象作为新的主注意对象，然后在各个目的对象的共同参与下完成识别。

本文部分讨论了智能软件应该如何获得视觉信息，获得的视觉信息是如何被智能软件处理的。