生物是感覺運動系統。世界上的事物與我們的感官表面接觸，我們與它們的互動是基於感覺運動接觸所能提供的“affordances”。我們所有的分類都包含了我們對不同事物的不同行為方式——我們吃或不吃、配合或逃避的事物;或者我們用語言描述的事物，比如質數，絕對可區分的事物，或者真理。分類——用正確的東西做正確的事——很大程度上是認知的內容和目的。
2.1感覺運動系統
生物體是感覺運動系統。世界上的事物與我們的感官表面接觸，根據Gibson(1979)的說法，我們與它們的互動是基於感覺運動接觸所“提供的（afford）”。
2.2不變的感覺運動特征（“affordances”）
壹個感覺運動系統能做什麽，取決於從其與感覺輸入的運動相互作用中能提取什麽。 光刺激為我們這些擁有正確感覺器官的人提供了色覺。當我們移動時，附近物體投射在視網膜上的“陰影”比其他物體的陰影移動得更快， 這壹幾何事實意味著，對於我們這些視力正常的人來說，我們的視覺輸入提供了深度感知。
對於三維形狀，即使它在視網膜上的陰影的大小和形狀隨著我們和它的關系變化而變化，但實際上可以保持相同的形狀和大小。我們的視覺系統可以檢測並提取這種不變性，並將其轉化為 視覺恒定性 。
2.3 分類
感覺運動機器人學和感覺運動生理學迄今為止只復制和解釋了我們感覺運動能力子集的壹小部分，但是已經進入了分類（categorization）的範疇。
分類是壹個自主的、適應性的感覺運動系統和世界之間的任何系統性的差異互動（systematic differential interaction）。 任意的相互作用，如風對沙漠中的沙子的影響，不算作分類。風和沙都不是壹個自主的感覺運動系統，它們只是動態系統。
分類是壹種特殊的動態系統。 分類也會隨著時間的推移而發生變化。
自主系統（autonomous system）中的自適應變化是指自主系統內的內部狀態隨時間而系統地變化，因此，簡單地說，相同的輸入不會產生完全相同的輸出。 類別（categories）是種類（kinds），當相同的輸出與相同kinds的輸入（而不是完全相同的輸入）發生時，就會發生分類。不同的輸入會產生不同的輸出。這就是“差異”的來源。
2.4 學習
自適應性與實時性相適應。 自主的、自適應的感覺運動系統對不同類型的輸入有不同的反應，但是，要證明它們確實是自適應系統，它也並非總是像現在這樣作出不同的反應。換句話說（盡管很容易將其視為完全相反）， 分類與學習密切相關。
分類的問題並不是確定存在什麽樣的事物，而是像我們這樣的感覺運動系統是如何檢測出它們能檢測到和確實檢測到的那些事物的；它們是如何對它們做出不同的反應的。
2.5 固有分類（innate categories）
也許我們生來就有能力對我們做的所有事情做出不同的反應，而不需要去學習。也許所有我們能檢測到的不變性，我們已經可以本能地檢測到，而不需要任何依賴於時間的內部變化。不需要任何復雜的差異互動，我們稱之為“學習”。
分類能力起源的“生活大爆炸理論”：
分類的能力在我們的大腦中以某種方式預先形成，就像碳原子的結構在大爆炸中預先形成壹樣，不需要像達爾文進化論那樣通過變異和自然選擇來塑造它。
對 分類能力的壹個特殊子集 做出類似的推理：即 根據構成所有可能自然語言基礎的通用語法（UG），生成和檢測所有且僅檢測語法上的字符串的能力。
UG依從性 是所討論的潛在不變量，我們檢測和生成UG依從字串的能力既不是通過學習也不是通過進化形成的；相反，它在某種程度上是我們大腦結構中固有的，作為壹種結構必然性，直接源於大爆炸。
就UG而言，有相當多的 “缺乏刺激（poverty-of-the-stimulus）” 的證據表明，根據兒童在學習第壹語言所需的時間內所聽到和產生的數據，他們無法通過反復試驗來學習UG。
2.6 後天習得的類別
證據表明，我們的大多數類別都是後天習得的 。
對於感官系統來說，壹個個體（專有名詞）和壹個內容詞所指的事物都是種類（kind）。
2.7 監督學習
分類是壹種感覺運動技能，其中很大壹部分是通過分析感覺輸入來決定做/不做什麽。 輸出是分類的，非連續的 。像所有的技能壹樣， 分類是習得的 。但是不像遊泳或繪畫這樣的連續技能，分類是離散的，要麽全有，要麽全無:要麽做這個，要麽做那個。
什麽是學習？描述“壹個系統什麽時候做什麽”比描述“它如何做”更容易。當壹個系統根據材料和誤差模擬輸入並產生相應的輸出時，學習就發生了。它的性能由正確的反饋來指導。我們 從自己行為的後果中得到反饋，在此基礎上學會做什麽 。然而，這只是描述輸入和感覺運動的相互作用，而不是感覺運動系統實際上如何做這些事情——“how”（感覺運動能力的內在機制）。
2.8 操作性（工具性）學習
操作性或工具性學習： 由壹個自動適應系統執行對不同類型輸入的系統的不同反應，最初隨機響應，但在糾錯反饋的指導下學會適應其反應 （這是由於其內部狀態的某種功能變化）。
當壹只鴿子看到黑色圓圈時，它會啄壹個鍵，當它看到白色圓圈時，它會啄另壹個鍵(給食物是反應正確的反饋，沒有食物是反應錯誤的反饋)。在只對黑和白進行訓練之後，逐漸“變形”為灰色陰影，並在沒有反饋的情況下測試中間的陰影，圖像將顯示出平滑的“綜合梯度”，在“黑”鍵上啄得越多，灰色輸入就越接近黑色，在白鍵上啄得越多，灰色輸入就越接近白色，並在兩者之間接近壹個偶然的表現水平。在這種情況下，人類也是如此。
2.9 顏色類別
然而，如果動物有色覺，用藍色和綠色作為輸入，圖像就會不同。在藍色-綠色的中點仍會有最大的混亂，但是在邊界的兩邊，按鍵的正確選擇和按壓的次數會比灰色陰影更突然地增加——甚至可以說是“分類的”。原因是黑色和白色之間沒有天生的類別界限，而綠色和藍色之間有(在藍-綠色覺正常的動物中)。
2.10 分類感知
這種在邊界上相對突然的感知變化被稱為“分類感知”(CP，categorical perception) ，在顏色感知的情況下，這種影響是與生俱來的。如果我們沒有顏色分類感知，那麽從紅色到紫色的連續光譜看起來很像灰色的陰影，中間沒有任何由中性混合物分隔的定性“帶”。
顏色類別是通過壹種復雜的感覺感受機制來檢測的（該機制尚未被完全理解），不僅包括光的頻率和其他屬性（比如亮度和飽和度），還包括壹個內部機制——三個專門的檢測器選擇性地調諧到頻譜的某些區域(紅、綠、藍)，而且之間存在相互抑制的“反過程”關系(紅色—綠色，藍色—黃色)。這種機制會導致壹些頻率範圍被自動“壓縮”。每壹個顏色範圍內都有壹個壓力，它們之間也有壹個膨脹。因此，大小相等的頻率差異在同壹個顏色類別內時看起來比跨越不同顏色類別的小得多。
雖然顏色CP是天生的，並非習得的，但仍符合我們對分類的定義 。我們的祖先能夠根據顏色進行快速、準確的區分，他們比那些不能區分的人活得更久、復制得更好。自然選擇作為基因試錯變異的“糾錯”反饋。
2.11 學習的算法
人工智能研究中的機器學習算法(Michalski，Carbonell和Mitchell，2013)，人工生命研究中的遺傳算法(Mitchell & Forrest，1994)和神經網絡研究中的連接主義算法(Schmidhuber，2015)都為執行分類的“how”提供了候選機制：我們的大腦是如何學習抽象、不變的特征，如何區分每個類別的成員和非成員，如何使得我們用正確的事情做正確的事情。
總的來說，有兩種學習模型:“監督（supervised）”和“無監督（unsupervised）”模型。
無監督模型通常是基於假設輸入的“affordances”已經非常顯著，因此正確的分類機制將能夠根據輸入landscape的形狀來進行選擇（無需要任何外部糾錯反饋）。然而這首先需要大量的重復exposure和處理，其次這種假設還存在普遍的不確定性問題——相同的事物往往可以用許多不同的方式進行分類。
2.12 無監督學習
物體的感覺痕跡（sensory shadow）中既有形態不變量，也有幾何不變量，特別是當我們與物體發生相對移動時。這些不變量可以通過對結構和相關性進行采樣的非直觀學習機制來提取。這種機制根據事物的結構相似性和差異性對事物進行分類，增強相似性和對比性。無監督對比度增強和邊界發現機制的壹個例子是“相互抑制”，即視覺空間中壹點的活動抑制周圍點的活動，反之亦然。這種內部競爭傾向於將輸入所固有的和提供的結構集中化。
2.13 監督學習
根據其他環境(依賴於上下文的分類)采用對相同的感覺痕跡進行分類的不同方法，需要通過糾錯反饋進行監督。因此，有監督的分類比無監督的分類更加模糊。兩種分類都是不確定的，因為它們成員的感覺痕跡由大量的特征或維度組成，存在無數的潛在組合，很難找到能夠提供正確分類的子集。但是有監督的分類更難，對於同壹組感覺痕跡，有許多正確的分類。
不僅所有的事物都是無限多個不同類別的成員，而且它們的每壹個特征和特征的每壹種組合都是壹種潛在的affordances，可以把事物分配到更多的類別中。當試圖解釋感覺運動系統如何工作的理論問題時，感覺輸入就是無數不同種類事物的感覺痕跡。
監督學習的算法往往適用於：當不變特征是不確定的，且找到它們的問題不是“NP-complete問題”(即，只要有足夠的數據、反饋和時間來找到不變特征)。 數據不足和時間不足的壹個例子是UG（通用語法），兒童學習語言的時間較短，他們無法學習區分與UG相符和與UG不相符的話語的不變量，然而，所有的孩子都會UG法，這意味著他們生來就必須遵守已經在大腦中編碼的通用語法規則。但是， 我們的大部分分類，不是天生的而是後天習得的 。
我們的分類算法必須能夠做到我們所能做到的。因此，如果我們能夠正確地對壹組輸入進行分類，那麽這些輸入不僅必須具有能夠提供正確分類的特征，而且還必須有壹種方法來發現和使用這些affordances。
2.14 ?vanishing intersections
福多（Fodor）和其他人認為，大多數分類學習既不能通過反復試驗（監督學習，supervised learning）來習得，也不能通過逐漸改變的反復試驗來發展（*即分類學習能力大程度上是先天的），重要的原因就是vanishing intersections問題 。如果回到字典裏，挑壹些實義詞，會發現尋找不到那些詞所指定事物的感官陰影區（sensory shadows）所***有的不變性，因為它們的“intersection”是空的。
（A）向神經網絡提供三組刺激：左邊刺激的垂直臂比水平臂長得多；中間垂直和水平臂大約相等；右的水平臂比垂直臂長得多。（B）在無監督自動關聯之後但在監督學習之前，這三類中的每壹個類別的隱藏單元表示的位置（多維數據集表示具有長垂直臂的Ls;金字塔Ls具有幾乎相等的臂;而球體Ls具有長的水平臂 ）。 （C）類內壓縮和類間分離時網已經學會了分離三類輸入
2.15 DIRECT SENSORIMOTOR INVARIANTS
不變理論家們同意了福多等人的部分觀點，他們認為在正確地分類字典指定的所有類別的成員時的確受到了能力的限制，但是他們否認“先天論”這種神秘的觀點。他們假設，如果個體可以進行分類，那麽該技能必須具有感覺運動基礎，其來源必須是進化發展，學習或兩者都有，這意味著shadows中必須有足夠的空間來承擔我們所有的分類能力。
2.16 ABSTRACTION AND HEARSAY
不僅僅是直接的感覺運動是否不變的問題，通過追溯抽象的源頭，分類研究從直接的感官經驗獲得的範疇，進入到到那些通過語言傳聞（linguistic hearsay）獲得的範疇。人可以對事物做五種操作——看到它們，識別它們，操縱它們，給它們命名以及描述它們。但其中，識別（Recognizing）是較特殊的，當我們識別出某種事物時，我們將其視為壹種我們以前見過的事物（或個體），即類別的成員。 從識別事物（作為壹種事物或作為壹個個體）到通過為其賦予名稱來識別它只是壹小步。 “看見”需要感覺運動基礎，而“識別”則需要更多抽象的能力，不是簡單的被動感知。
2.17 ?ABSTRACTION AND AMNESIA
2.16提出壹個問題：“有非抽象的感覺運動嗎？”為了回答，2.17利用小說的內容進行解釋。壹篇小說《記憶中的福內斯》中描述了壹個無法進行抽象的人：他再也不能忘記任何事情，有超強的死記硬背能力。他的生活經歷的每壹個連續的瞬間都被永久地儲存起來;之後，他可以在腦海中重放日常經歷，而持續重新體驗它們所花費的時間甚至比壹開始就經歷它們所花費的時間還要長。
無限的死記硬背因此成為障礙，而不是優勢——他無法忘記。然而，為了識別和命名事物所需要的是選擇性的忘記，或者至少是選擇性的忽略。他只能是壹個被動的感覺運動系統，受到周圍環境的影響。作者將該角色描述為難以掌握抽象概念的人，然而如果他真的擁有無限的記憶和完全喪失選擇性遺忘的能力，那麽他根本就不會說話，因為我們的詞匯都是基於抽象的分類。
2.18 INVARIANCE AND RECURRENCE
2.17描述的是壹位小說中的角色，而神經心理學家亞歷山大·盧裏亞描述了壹個真實的人：他有類似的殘疾，但並沒有延伸到擁有無限的死記硬背能力。在《記憶大師的頭腦》(1968)中，羅瑞亞描述了壹個舞臺記憶藝術家S，他在S還是記者的時候就註意到了這個人，因為S從不做筆記。S不像小說中那樣有無窮無盡的死記硬背，而是比普通人更強大更持久的記憶力；但是他強大的硬記能力也是壹個障礙——他在閱讀小說時遇到了麻煩，因為當描述壹個場景時，他會形象地看到自己曾經實際看到過的場景，不久他迷失在依靠自己生動的思想記憶中，無法跟隨小說的內容。對於抽象概念，比如數字，甚至是我們不難做出的普通概括，S也很難做到。
S等的故事表明，生活中人需要檢測重復發生的能力，而這又需要忘記或至少忽略了什麽使每個瞬間變得獨特且無法準確重復。如前所述，吉布森的“負擔”概念很好地體現了必需的能力：物體在我們的身體與人體之間提供壹定的感覺運動相互作用。這些承受能力是感覺輸入或感覺運動與輸入的相互作用的所有不變特征，並且生物體必須能夠選擇性地檢測這些不變變量，即抽象化它們並忽略其余的變化。如果所有感覺運動特征都可以相提並論，並且每個變化都是無限、獨特的，那麽就不可能有不變量的抽象來允許我們識別相同或相似之處或識別種類或個體。
2.19 FEATURE SELECTION AND WEIGHTING
醜小鴨定理”也有相同的見解。從邏輯上講，沒有理由說“醜小鴨”可以說與任何小鴨都比更像天鵝。醜小鴨看起來比其他鴨子更相似的唯壹原因是我們的視覺系統對某些特征的重視程度高於其他特征，換句話說，它是選擇性地將某些特征抽象為特權。當然，我們的感覺運動系統不能對所有功能給予同等的重視。 他們甚至沒有檢測到所有功能。 在它們檢測到的特征中，某些特征（例如形狀和顏色）比其他特征更顯著（例如空間位置和羽毛數量）。 而且不僅檢測到的特征是有限的和差分加權的，而且我們對它們的記憶甚至更加有限：當它們存在時，我們看到的特征遠遠超過我們以後所記得的——這被稱為“降維，它可以通過進化選擇產生於固有的不變性檢測器，也可以通過無監督和監督產生的學習獲得不變性。
2.20 DISCRIMINATION VERSUS CATEGORIZATION
壹個來自心理物理學的經典例證是米勒強調的相對區分和絕對區分（relative and absolute discrimination）之間的區別—— The Magical Number 7 Plus or Minus 2。假設妳給壹個人看壹個隨機的，不熟悉的形狀。緊接著，妳再給他們看壹遍同樣的形狀，或者另壹個稍微不同的形狀。這個人應該能夠告訴妳這兩個連續的形狀是相同的還是不同的。這是壹種相對區分，基於同時的或快速連續的兩兩比較。JND（just noticeable-difference）被視作兩兩相對比較中能夠檢測到的最小差異。如果差異小於JND，則圖形將被視為相同。
假設不是快速連續地展示它們以進行比較，而是單獨展示兩個圖形中的壹個，然後問它是兩個圖形中的哪壹個。孤立地識別壹個形狀是要進行絕對區分的分類。米勒指出，我們進行絕對歧視的能力遠比相對歧視的能力受到更大的限制。
米勒把相對區分稱為描述（discrimination），把絕對區分稱為分類（categorization）。兩個刺激(或兩個種類的刺激)需要有更多的差異，使我們能夠確定兩個刺激是獨立顯示的(分類)還是同時（或快速連續）看到的，我們要做的是判斷是否相同。米勒指出，如果這兩種刺激只在壹個感覺維度上有差異，比如長度，那麽我們可以辨別（相對區分）的最小差異JND的大小就可以很小，而我們可以辨別的JND差異的數量沿著維度增加可以是巨大的,我們可以區分的規模和數量取決於感官維度。
相比之下，如果每個刺激都是單獨呈現的(絕對區分)，米勒估計，對於任何壹個感官維度，我們都可以用不同的名稱將單個感官維度細分為7個類別，但如果我們試圖將維度細分得更細，分類的錯誤就會隨之增加。對分類能力的限制在存儲容量上也有相應的要求——如果給我們要記住的壹串數字，我們只能記住大約7個數字。 如果數字字符串較長，記憶的錯誤則會增加。之後科恩重新估計了米勒限制，將其限制為接近四個而不是七個。
總述分類可以通過將某些特征抽象化及忽略其他特征而進行，且訓練後類內差距縮小而類間差距增大。
1、重新編碼和特征選擇
有兩種增強分類能力的方法。其壹是增加對事物認識的維度，有聯覺的人因為可以對事物從多個感覺進行識別，所以其分類能力高。但其局限性在於每個維度都無法達到單壹維度的精確率。第二種方法是 重新編碼 ，正如我們將0和1組成的二進制數據編碼為十進制時能夠記憶原先3倍的數據壹樣。類似地， 事物特征 可以幫助分類。如果兩個事物只有幾個特征是相同的，我們不確定其是否歸為壹類，這就涉及到上述的“不確定性underdetermination”、“信用分配credit-assignment”問題。
監督學習 （強化學習）即在正確的反饋指導下學習，可以解決信用分配問題，並將事物的特征抽象化。如果學習成功，則特征被重新編碼、重新加權，與無關特征相比，同類事物的相同特征具有更大的權重，導致 類內差距縮小而類間差距增大 。
2、習得的分類知覺
突然的感知變化稱為“類別感知”（categorical perception，CP）。
3、信息可以減少相互混淆的事物之間分類的不確定性。當我們分類並收到反饋時，我們正在對混淆的事物進行辨別。對新生雛雞的性別分類比較困難，因為這種分類方法無法用語言表達，需要經過數年的反復強化訓練。但並不是完全沒有辦法。Biederman和Shiffrar對新生雛雞進行了計算機分析，確定了壹個分類的特征“geon”，使得壹些有經驗的人也能像大師壹樣分類小雞。所以分類取決於選擇性地抽象某些特征而忽略其他特征。
壹般來說，對特征進行抽象的結果直接作用在分類上，但大部分應用於符號（如語言表達），通過他人對抽象結果的傳授，別人也可以間接地獲得分類知識而不需要強化學習。
2.27 語言的適應性特征
在分類學習中，對於壹些復雜的分類，往往是內隱的，我們無法用語言表達為何會這樣分類，能說出來的壹些特征也往往不是，因此在實踐中我們無法將我們的隱性知識變得顯式。但是如果能用語言表達的經驗，往往會省去很多反復試驗的麻煩，因此語言教學是有強大是適應性優勢的。
圖A是壹個人工模擬的蘑菇采集模型，有兩種方式，壹種是不斷的試錯，獲得反饋；壹種是通過語言獲取壹些可描述的信息。結果是語言描述更具有優勢，可以更快掌握規則類別。但是語言的基礎也是感覺運動的試錯，不可能壹直靠語言獲取就行。
2.28 GROUNDING INSTRUCTION IN INDUCTION
對於壹些完全陌生的新分類，例如櫻花草，我們可以（1）直接的試錯經驗，通過反饋糾正我們的猜測；（2）從大師、網絡、百科全書等獲得語言上的信息。但是這些語言信息也需要我們已經有了壹些基礎的分類（例如在理解櫻花草是什麽，基礎是對花、草的理解），通過這些需要直接的感覺運動感應學習的基礎信息，我們可以重新組合間接學習其他的分類。
2.29?NUMBERS’ AFFORDANCES
對於數字這個分類，例如質數是什麽，光靠語言描述是不夠的，需要我們進行切實的時間，得到反饋，例如質數和因子有關，我們需要嘗試不同的數字分解因子是什麽樣，然後找到類別的特征。
2.30 絕對的可辨性和affordances
在櫻花草和質數兩個例子中，有沒有關聯和比較？Miller(1956)認為他們都具有絕對的可變性，而且都具有感覺運動感應的affordances。我們可以通過隱性的和顯性的方式認識他們，例如直接的試錯時間，語言的指示和描述。
2.31 認知科學不是本體論(ontology)
純粹的認知科學家都不會覺得本體論是壹切。但在感覺運動感應理論裏，我們能看到，辨別，命名都是感覺器官接受了輸入的結果，這裏就是有本體論的影子。
2.32 “抽象”的類別
類別都是抽象的，但是也有壹些更加“抽象”的，例如美，真，善。這些類別被教育家等等用語言進行了很多描述。但是在具體的視覺中，我們更多地會用到感覺體驗，比如品嘗好和不好，通過直接的感覺經驗我們可以獲得大量取樣，而那些專家的語言描述也會有壹定的影響。
2.33 認知就是分類
歸根結底，分類就是我們對不同的事物有不同的行為方式。