本文探讨了机器学习中向量空间与离散码的组合结构，分析其与学习动态和人类判断的关系。研究回顾了深度学习在语言处理中的创新，提出评估神经语言模型组合能力的测试方法，并探讨神经机器翻译的组合性能力。结果表明，复合性对成功泛化至关重要，现代语言模型能够学习复合短语的表示。最后总结了组合学习的文献，并指出未来研究方向。

本文探讨了新兴通信和语言起源中的组合性与反身性，强调未来研究应关注反身性。同时讨论了生物与技术中的多计算原则，以及人工生命模型的特征和自我复制神经网络的构建，旨在理解人类社会和进化的复杂性。