認知科學家道格拉斯?霍夫施塔特[1]說道：“記憶，是高度重建的。在記憶中進行搜取，需要從數目龐大的事件中挑選出什么是重要的，什么是不重要的，強調重要的東西，忽略不重要的東西。”這種選擇的過程實際上就是感知。“我非常非常相信，”霍夫施塔特告訴我，“認知的核心過程與感知的關系非常非常緊密?！?/p>

在過去二十年里，一些認知科學家已經勾畫出了創(chuàng)造分布式記憶的方法。1970 年代，心理學家戴維?馬爾[2]提出一種人類小腦的新模型，在這個模型中，記憶是隨機地存儲在整個神經元網絡中的。1974 年，計算機科學家彭蒂?卡內爾瓦[3]提出了類似的數學網絡模型。借助這個模型，長字符串的數據能隨機地儲存在計算機內存中?？▋葼柾叩乃惴ㄊ且环N將有限數量的數據點儲存進非常巨大的潛在的內存空間的絕妙方法。換句話說，卡內爾瓦指出了一種能夠將思維所擁有的任何感知存入有限記憶機制的方法。由于宇宙中可能存在的思想要比原子或粒子更多，人類思維所能接觸到的只是其中非常稀疏的一部分，因此，卡內爾瓦稱他的算法為“稀疏分布記憶”[4]算法。

在一個稀疏分布式網絡中，記憶是感知的一種?；貞浶袨楹透兄袨槎际窃谝粋€非常巨大的模式可選集中探查所需要的一種模式。我們在回憶的時候，實際上是重現了原來的感知行為，也就是說，我們按照原來感知這種模式的過程，重新定位了該模式。

卡內爾瓦的算法是如此簡潔清晰，以致于某個計算機高手用一個下午就能大致地實現它。1980年代中期，在美國宇航局艾姆斯研究中心，卡內爾瓦和同事們在一臺計算機上設計出非常穩(wěn)定的實用版本，對他的稀疏分布記憶結構進行了細調?？▋葼柾叩挠洃浰惴茏鲆恍┛涉敲烙谌祟愃季S的不可思議的事情。研究者事先向稀疏內存中放入幾個畫在 20x20 格子里的低畫質數字圖像（1至9）。內存保存了這些圖像。然后，他們拿一個比第一批樣本畫質更低的數字圖像給內存，看它是否能“回憶”起這個數字是什么。結果它做到了！它意識到了隱藏在所有低畫質圖像背后的原型。從本質上來說，它記起的是以前從未見過的形象！

這個突破不僅僅使找到或重現過去成為可能，更重要的是，當只給定最模糊的線索時，它也能夠從無數的可能性中發(fā)掘出一些東西。對一個記憶體來說，僅僅能調出祖母的容貌是不夠的，在不同的光線下以及從不同的角度去看祖母的樣子時，它都應該能辨認出來。

蜂群思維是能同時進行感知和記憶的分布式內存。人類的思維多半也是分布式的，至少在人工思維中分布式思維肯定是占優(yōu)勢的。計算機科學家越是用蜂群思維的方式來思考分布式問題，就越發(fā)現其合理性。他們指出，大多數個人電腦在開機狀態(tài)的絕大部分時間里并沒有真正投入使用。當你在計算機上寫信時，敲擊鍵盤產生的短脈沖會打斷計算機的休息，但當你構思下一句話的時候，它又會返回到無所事事的狀態(tài)?？傮w而言，辦公室里打開的計算機在一天的大部分時間里都處于閑置狀態(tài)。大公司的信息系統(tǒng)管理人員眼見價值幾百萬美元的個人電腦設備晚上在工作人員的辦公桌上閑著，很想知道是否能夠充分利用這些設備的全部計算能力。他們所需要的正是一個在完全分布式的系統(tǒng)中協調工作和存儲的辦法。

不過，僅僅解決閑置問題并不是分布式計算的主要意義。分布式系統(tǒng)和蜂群思維有其獨特的優(yōu)勢，比如，對突然出現的故障具有極強的免疫力。在加利福尼亞州帕羅奧多市[5]的數字設備公司[6]的實驗室里，一名工程師向我演示了分布式計算的優(yōu)勢：他打開裝有公司內部計算機網絡的機柜門，動作夸張地從里面拔掉了一條電纜。網絡路由毫不遲疑地繞過了缺口。