CompModCogPsy
  • 全书介绍和写作计划
  • 第一章 计算认知科学导论
    • 前言
    • 1.1 交叉学科三角
    • 1.2 认知科学的特点
    • 1.3 认知科学的发展历史
    • 1.4 我们为什么需要计算认知
      • 1.4.1 认知科学的基础假设:信息处理理论
      • 1.4.2 挑战与“诞生”
      • 1.4.3 计算认知的必要性
  • 第二章 计算模型基础
    • 2.1 什么是计算模型?
    • 2.2 模型选择
    • 2.3 模型拟合
    • 2.4 模型准确度
    • 2.5 模型可信度
  • 第三章 概率推断和贝叶斯理论
    • 3.1 概率基础
    • 3.2 概率推断
      • 3.2.1 似然函数
      • 3.2.2 最大似然估计
    • 3.3 贝叶斯理论
    • 3.4 拓展阅读:p值
    • 3.5 编程练习-最大似然估计
  • 第四章 心理物理学和信号检测论
    • 心理物理学基础
    • 心理物理曲线
      • 几种常见的心理物理曲线
      • 拟合心理物理曲线
    • 信号检测论
      • dprime
      • 决策标准
      • receiver operating curve (ROC)曲线和area under curve (AUC)
      • dprime和AUC的关系
      • 2AFC的应用
      • Page
    • 展望
  • 第五章 近似推断
    • 马尔科夫链蒙特卡洛采样
      • Metropolis-Hasting算法
    • 变分推断
    • 展望
  • 第六章 知觉决策
    • 模拟一个简单知觉决策
    • 模拟决策和反应时
    • 权衡反应时和正确率
    • 6.4 经典漂移扩散模型
    • 漂移扩散模型的应用
      • 基于价值的决策
      • 精神疾病的应用
      • 社会认知
    • 展望
  • 第七章 价值决策
    • 人类决策基础
    • 前景理论
    • 风险决策
    • 展望
  • 第八章 强化学习
    • 机器学习强化学习基础
      • 动态规划
      • 时间差分学习
      • 基于模型和无模型强化学习
    • 心理学的强化学习
    • 强化学习的交叉关系
    • 强化学习模型和参数估计
    • Rescorlar-wagner模型
    • 二阶段任务
    • 展望
  • 第九章 社会决策和社会学习
    • 社会决策
    • 社会学习
    • 展望
  • 第十章 神经网络
    • 神经网络和心理学引言
    • 神经网络基础
      • 多层感知机
      • 卷积神经网络
      • 循环神经网络
    • 神经网络和人脑加工的关系
      • 感知觉的编解码
      • 工作记忆
      • 长时记忆
      • 学习和决策
    • 展望
由 GitBook 提供支持
在本页
  • (一)“三明治”模型的缺陷
  • (二)具身认知的兴起
  1. 第一章 计算认知科学导论
  2. 1.4 我们为什么需要计算认知

1.4.2 挑战与“诞生”

最后更新于8个月前

(一)“三明治”模型的缺陷

无论是符号主义还是连接主义,均采用了经典的“三明治”认知模型,即感知-思维-行动循环(sense-think-act cycle)。该模型包括三个主要步骤:感知(sense)、思维(think)、行动(act)。感知步骤涉及数据获取(Data acquisition)、过滤(Filtering)和感知(Perception)等过程。这一步骤主要是从环境中收集并处理原始数据,以识别和理解外界信息。在思维过程中,系统执行导航(Navigation)、定位(Localization)和决策(Decision making)等认知操作。此时,系统根据感知到的信息进行分析,规划下一步的行动。行动步骤则包括运动(Locomotion)、运动学(Kinematics)和运动控制(Motor control),系统根据决策结果执行相应的物理行为。

在该模型下:

  1. 感知和行动之间没有直接联系,它们之间的连接通过思维(即认知过程)来实现。

  2. 思维(或称为表征和信息处理)的任务是基于感知到的数据进行计划和决策,以指导后续的行动。

尽管这种模型结构清晰、易于理解,但在处理快速变化的动态环境或不确定性时,其缺乏灵活性和适应性。

认知科学家Zenon Pylyshyn质疑了在解释现象时使用“思维”的必要性。他指出,“信念-欲望”(belief-desire)体系虽然能够解释几乎任何现象,但这种解释并非总是必要的,甚至有时会引发不必要的复杂性或误导。例如,说“河流流向大海是因为它们喜欢盐水,并相信沿着向下的路径可以到达”虽富有比喻性,但并未真正解释这一自然现象背后的原因。Pylyshyn进一步强调,使用信念-欲望的术语来解释事物,可能会带来不必要的复杂性。他通过保温瓶的例子质问:“它如何知道要保持热水热、冷水冷?” 这种反问揭示了以信念-欲望体系来解释物理现象的荒谬和多余之处。

(二)具身认知的兴起

具身认知科学提出了一个更为动态、互动性的认知理解框架,倡导用“感知-行动循环(sense-act cycle)”取代传统的“感知-思维-行动循环(sense-think-act cycle)”,并带来了新的认知理念:首先,大脑更像是一个协调器,而非复杂的规划者。它的主要任务是协调感知和行动,而不是进行复杂的计划。其次,所谓的“核心智能系统”或“中央AI”是一种不必要的错觉,真正的智能来自感知系统和行动系统之间的耦合与互动,而非依赖一个独立的中央规划机制。最后,心智的目标不是为了规划,而是为了协调感知和行动之间的关系,也就是说,智能的本质在于如何有效地将感知的信息转化为行动。

具身认知科学的兴起,并非认知科学的倒退,而是为该领域开辟了新的方向。连接主义认知科学之所以兴起,是因为它批评传统认知科学忽视了大脑的重要性,尽管连接主义专注于大脑中的神经网络活动,但它仍主要关注大脑内部的计算和信息处理。而方法论独断论(Methodological Solipsism)则强调表征状态(representational states)仅与其他表征状态的关系有关,而忽略了主体与外部世界的互动。具身认知科学则提出,心智并非局限于大脑内部,而是扩展至整个身体与环境的动态互动之中。它强调,认知不仅依赖于神经活动,还与身体和环境的关系密切相关。

具身认知的兴起,受到了控制论的启发。由诺伯特·维纳(Norbert Wiener)提出的控制论,研究系统如何通过反馈机制实现自我调节与适应,强调系统与环境之间的动态关系。具身认知科学认为,认知主体通过其行为与环境建立了一种适应性链接(adaptive link)。这种链接通过反馈机制运作,主体的行为改变环境,环境的变化反过来又影响主体的行为。

此外,具身认知的兴起深受詹姆斯·吉布森(James Gibson)直接知觉理论(Direct Perception Theory)的影响。吉布森强调,动物与环境之间是不可分割的整体。他的观点表明,认知不仅仅是大脑对环境的内部建模,更是动物直接感知并与环境互动的过程。具身认知科学在吉布森的基础上进一步发展,认为动物与其环境之间的适应性连接受其物理形态影响,即具身性(embodiment)。动物的身体形态决定了它如何感知和行动,从而塑造了它与环境的互动方式。

具身认知中的一个核心假设是扩展心智假说(Extended Mind Hypothesis)。这一理论提出,心智不仅局限于头骨之内,而是与外部世界交织在一起,其界限是模糊的,甚至是不存在的。这意味着,认知过程不仅在大脑中发生,还包括与外部环境的持续互动。人类作为工具的创造者,制造的工具极大地扩展了我们的认知和行动能力。工具被视为心智的延伸,能够增强人类的认知力量。乔布斯也是具身认知的坚定支持者,他曾表示:“人类是工具制造者,我们创造的工具极大增强了我们的能力。实际上,在创立苹果公司之前,我们就已经提出了一个广告口号,即个人电脑是心智的自行车。”

具身认知还强调行动在认知中的重要性,认为认知的主要目的是为了指导行动。认知不仅是内部的思维过程,更是与外部世界的动态互动。因此,具身认知科学也被称为“行动主义”(actionism)。美国哲学家和心理学家威廉·詹姆斯(William James)也强调了感知与行动之间的紧密联系。他指出:“生命的流动通过眼睛或耳朵进入,最终通过手、脚或嘴流出。”这句话表明,感知的核心目的是为了引导和促进行动,即“感知是为了行动”(Sense is for Act)。

图5 认知“三明治”模型。