本人认为，语言中枢可以用来描述人脑内部神经网络的活动和连接状态。
对于神经网络的研究表明，神经网络可以解决很多模糊推理问题，但是神经网络的最大问题在于学习结果是以一种网络连接方式进行记录的，无法有效地得到推广。语言中枢可以识别这些网络连接情况，并以符号化表达出来，以便于在解决新的问题时加以重复利用，加快学习进度。
潜意识是人脑中大量存在的用来进行模糊识别，模糊推理的神经网络的活动，它们中的很多活动是无法符号化的，或者是不必进行符号化处理的。
语言中枢的作用实际上是把一些潜意识的内容，数字化、符号化。数字化符号化自会后，人脑再利用逻辑推理等比较高层的逻辑处理机制进行信息加工，大幅地提高信息的利用率。
就像汉字识别过程一样，我们首先是识别出大致的横撇竖捺点提折勾，然后再根据它们出现的次序和位置，进一步判断这个文字究竟是哪个字。但是在一般情况下，没人意识到这个过程，意识到这个过程原本也没有什么用处。所以我们一直不知道这个过程的存在。符号化之后的人脑逻辑推理速度相对计算机来说是一个非常慢，所以人脑在处理这种任务时，前面的处理是交给视神经后面的一个神经网络来完成的，利用这个网络获得基本笔画组成及其次序和位置的信息。然后再利用这些信息判断出一个个的汉字，最后实现手写体汉字识别。因为人脑的逻辑推理处理速度极慢，但是神经网络的推理速度相对快得多，所以，当学习一个新的知识或者技能是，需要一步一步慢慢学，学会之后，精通到一定程度，你一定就感觉不到各种中间环节了。因为这些细节都不再需要用语言中枢参与翻译成符号，然后再进行逻辑推理来得到结果，而是用固定的神经网络连接方式构建成了专用处理网络。比如学拿筷子，学写字，学敲键盘，学游泳，学骑自行车等等，都会经历这样的过程。精通之后，就会形成一种类似条件反应的一系列复杂动作，完全不由意识参与而完成这些任务。此时只有你刻意去体会才会意识到这些中间环节的存在。
(以前研究神经网络的时候，曾想利用这个思路，有目的性的构建分层的神经网络来进行手写体汉字识别。但是被当时的硕士导师断然否定掉了，因为他要我们帮他做项目。在这里鄙视一下。)
讲到这里，我总结一下自己的观点：
符号化的结果可用于逻辑推理等高层信息处理。
谈到语言中枢和语言，不得不提的是十年前做过一段时间的自然语言处理(包括自然语言识别，自然语言理解，和自然语言处理)方面的研究，深入下去之后，发现西方学者们采用的语法学方法和一些粗浅的概率统计方法，用在这上面结果真是惨不忍睹。
在我的观念中，
只是可惜，当时的代码也是我一个人写的，写得实在太烂，实际效果远未达到理想状态，最后草草写出两篇文章就交差了。
自然语言的识别，理解和处理实际上是统一在一起的，而且后面支持的是一个知识体系。
评论