本篇主要講聲韻學的機制。基於英語
英語中dog的複數dogs最後發音為z，二cat的複數cats最後發音為s，為什麼這樣，基於區別性特徵理論，如下
人發出的聲音進入耳朵，得到處理，並生成乙個區別性特徵向量的序列，區別性特徵是乙個二進位制變數，例如音是否有聲，即發音時聲帶是否震動，震動就是有聲+，否則就是無聲-。最初的區別性特徵理論及其推導有大約十四個這樣的區別性特徵，決定了你說的是什麼音，例如說t（音標te）是乙個二進位制組合。由這些組合產生意思，然後反饋回來，因為有一些區別性特徵並不存在。
叢上往下依次是音節性（能否形成音節的核心）、有聲性、連續性（發音器是否一直張開，沒有阻礙），噝音（舌頭形成窄道發出聲音），這裡列出的是一部分特徵。然後需要設計一種機器，來識別或者發出這種聲音。
機器如下
第一步，視覺感官生成兩個蘋果的概念
第三步、資訊流動，緩衝器**現apl，同時，複數暫存器同約束條件進行聯絡，告知其為複數
對apl三個進行判斷，只要三個埠中有乙個不符合規則，就什麼都不做。本例中p不是有聲的，l沒有z音，
第四步、緩衝器向左流動
第五步、判斷l是有聲的，由已知這個詞是複數，結合有聲性和複數性
第六步、填入z，發出聲音。
如何學習那些規則呢，例如以dogs和cats為例，如何學習什麼是z，什麼是s
考慮前面列的四種特徵。我們重點關注乙個詞如何得到z音，乙個詞得到s音
這是乙個稀疏空間，過程如下
首先收集正例+和反例-，從正例+開始，選乙個正例+作為種子，下一步推廣，選擇矩陣中的一些音素，不再考慮他們。例如從正例+開始，不再考慮就改變為點，也可以從負例開始，不再考慮改編為點。一直推廣直到反例也被包含進來。
為什麼這能夠奏效，下面是論證。
這是乙個稀疏空間，對於高維稀疏空間，很容易就能將乙個超平面放到空間中，將一組例子和另一組例子區分開來。
對於一維空間中，當兩組稀疏點重合時，無法區分
但當放在二維和三位空間時，則很容易區分
空間維數越高，找到區分資料的平面就越容易，這就是理論的發明者認為能夠使用很少可能音素空間的原因，能找到乙個平面將他們區分開。這讓事物具有可學習性。這是一種可能性。
大衛馬爾的問答法，當你處理ai問題時，
1、明確問題
2、設計一種表示方式適用於問題
3、確定乙個處理方式，思路或方法
4、選乙個機制或者設計乙個演算法
5、實驗
過程不一定完全遵循上面的步驟，但不能只抓住乙個機制不放。處理音韻學問題就是應用這套方法的典範。
麻省理工公開課人工智慧筆記六
此節課程的目的是根據乙個線條圖，確定其中有多少個物體 例如下面這張圖，我們可以觀察得出其中有兩個物體 第乙個方法是guzman的貢獻，他研究了大量的積木模型，得出乙個結論，三個面的交點有以下兩種表示，稱其為鏈結 第乙個箭頭表示箭頭兩側的面在乙個物體上，第二個叉表示三個面在同乙個物體上。根據這種思路，...
麻省理工公開課人工智慧筆記九
本篇主要關於最近鄰學習思想 下面是關於人類學習的乙個簡單總結 最近鄰演算法是一種基於模式識別的演算法，他的主要流程如下 首先有乙個特徵檢測器，他檢測進入的物體並輸出其特徵，所有輸出值組成乙個向量進入乙個比較器，並於庫中可能存在的向量值進行比較，輸出乙個值。用下面這四種插座蓋來做例子 每個插座蓋都要檢...
麻省理工公開課人工智慧筆記十五
本篇主要講支援向量機，關於決策邊界 在上面這個圖中，如何區分正例和負例，前面我們講過的最近鄰，識別樹，神經網路三種方法，他們的決策邊界的畫法可以是上面這樣。然而支援向量機的概念與他們都不同，是通過畫直線的方式，找到一條直線 圖中虛線 能夠將分割正負例的街道最寬。首先我們要考慮，如何制定一條決策規則來...