1.1 交叉学科三角

计算认知神经科学并非一开始就作为独立学科存在，它的发展融合了认知心理学（Cognitive Psychology）、神经科学（Neuroscience）以及人工智能（Artificial Intelligence, AI）三个主要学科，形成了一个交叉学科的三角关系。什么是认知心理学？简单来讲就是把人类比成计算机，假定人输入信息，然后研究这个黑匣子的工作原理。其目标在于解释人的心理现象，尤其是认知功能。这一领域的起源可追溯至动物研究，尤其是巴普洛夫的狗、桑代克的猫、柯赫的亲戚和斯金纳的老鼠等经典实验。

神经科学究竟是什么？2000年诺贝尔奖获得者艾瑞克·肯德尔（Eric Kendall）在其著作《神经科学原理》中指出，神经科学的最终目标是了解电信号如何通过神经回路产生思维，即我们如何感知、行动、思考、学习和记忆。尽管我们与这一理解目标还有几十年的距离，但神经科学家在揭示行为背后的神经机制及人类和其他生物神经系统的可观察输出方面已取得显著进展。我们也开始深入了解与神经和精神疾病相关的行为障碍。心理学传统上关注行为，其背后的心理学原理犹如一个黑箱，而神经科学则致力于打开这个黑箱，理解正常和异常行为背后的神经机制。这一交叉领域便形成了认知神经科学。认知神经科学是研究知觉和认识过程的学科，旨在探索有形大脑如何产生无形心智的思维和想法。

人工智能作为这一交叉学科的另一个组成部分，约翰·麦卡锡（John McCarthy)指出人工智能是“制造智能机器的科学和工程”，而人工智能的“智能”被其视为在实现目标过程中的计算能力。当人工智能应用于神经科学研究时，便形成了计算神经科学（Computational Neuroscience）；反之，将神经科学应用于人工智能研究，则催生了类脑计算（Brain-inspired Computing）。彼得·达扬（Peter Dayan）在《理论神经科学》中提到，计算神经科学通过在多个结构尺度上对神经系统进行建模，以理解神经信号的信息内容，神经元和神经网络的计算机模拟是对传统神经科学技术的重要补充。

类脑计算目前缺乏正式定义，通常有两种理解。第一种是神经芯片计算（Neuromorphic computing），源自工程学领域，旨在通过神经芯片实现神经脉冲的发放；第二种则是构建能够在算法和功能上与人类相似的机器，强调人工智能的实现不必依赖特定硬件。

现在，我们可以将这个交叉学科的三角关系理顺。神经科学强调神经信号，旨在揭示内部黑箱的机制；认知心理学关注外在行为；而人工智能则发展工程算法和模型。抛开底层的神经科学，将人工智能与行为学结合，则形成狭义的认知科学；广义的认知科学同时包含行为、神经和人工智能三个方面。此外，交叉学科三角形还与语言学、人类学、哲学等领域相关，这使得人文社科与工程学都关注认知科学的某些内容。在此基础上，认知科学、神经科学和人工智能之间的交叉形成了认知计算神经科学（Cognitive Computational Neuroscience）。这一学科定义了共同研究的学者群体，彼此认同特定的学术观念，并进行频繁的学术交流。