“提到人类的思考，类比无处不在。”论文作者、西北大学的肯·福伯斯说，“人类使用关系语句流畅地描述事物，解决问题，表达因果关系，处理道德难题。”该理论构成了心理学家戴迪丽·金特娜类比与相似结构映射理论模型的基础，该模型已被用于解释并预测了许多心理学现象。

　　然而，先前的类比模型，包括结构映射引擎的早期版本，并不能衡量人们乐于使用的表达尺度。福伯斯的新型结构映射引擎则可以有效处理关联性表达的尺度和复杂性，而这些正是视觉推理、解决教科书问题和处理道德问题所必需的。

　　许多像谷歌AlphaGo那样的人工智能系统凭借分析考察大量数据来深入学习。相反，人类以及基于结构映射引擎的系统往往通过较少的例子成功学习。“面对新情况，机器将尝试检索先前的事例，寻找类似的价值观并作出相应决定。”福伯斯说。

　　目前，在美国教育考试服务中心的一个培训测试项目中，结构映射引擎已被用于尝试解决高级定级测试的物理问题。为了进一步展示其灵活性，它还被用于解决多个视觉模型问题。

　　为鼓励类比研究，福伯斯团队发布了结构映射引擎的源代码和一份5000例的语料库，其中包括来自视觉推理与道德决策得出的对比。

　　结构映射引擎系统成功地完成了不同任务，这表明类比可能为人工智能技术系统以及更深入地理解人类的认知提供新技术。　

　　姜靖