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
  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

1.4.3 计算认知的必要性

Edited by Ge Wei

最后更新于8个月前

本章主要介绍了认知科学的兴起、定义、特点、重要假设及其主要流派。认知科学不仅仅是认知心理学,它还涵盖了人工智能、神经科学、语言学和哲学等多个学科。整体来看,认知科学的理论框架可以分为三个主要流派:认知主义--符号主义(Cognitivism: Symbolism)、涌现论--连结主义(Emergence: Connectionism)和具身认知(Enactive: Embodiment)。每一视角在认知科学的发展过程中都有其独特的贡献和代表性学者。每个视角在认知科学的发展过程中都有其独特的贡献和代表性学者。认知主义认为,认知过程类似于计算机中的符号处理,强调内部表征和规则操作。认知被视为对外部世界的内部建模与符号操作,依赖逻辑和规则进行计算。代表人物如乔姆斯基(Noam Chomsky)和福多(Jerry Fodor)等。涌现论则以连接主义为基础,认为认知是通过神经网络中简单单元的相互作用涌现出来的。它强调并行处理和分布式表征,信息在神经网络中以模式或活动状态的形式存储和处理。该流派的重要学者包括McClelland、Rumelhart、Hinton和Grossberg,他们在神经科学与人工智能的交叉研究中做出了重要贡献。具身认知则提出,认知不仅局限于大脑内部的符号或神经网络计算,而是由身体与环境的互动所构成的。认知通过身体在环境中的动态活动和适应性行为实现,强调感知与行动的直接联系。其代表学者有Varela、Maturana和Johnson等人。

在本章的结尾,我们不妨讨论一个看似“无聊”却颇为有趣的问题:为什么要学习认知科学呢?古语有云“太阳底下无新鲜事”,我们不妨先从古代哲学家那里寻求支持。经院哲学(Scholasticism)与亚里士多德哲学(Aristotelian philosophy)都强调通过理性与逻辑理解知识。这种思维方式在某种程度上奠定了现代科学方法的基础。认知科学也借鉴了这些哲学思想,通过实验和理论模型来研究心智。同样,托勒密的《地理学》(Ptolemy’s Geography)和卢克莱修的《物性论》(De rerum natura)作为古代科学与自然哲学的经典文本,强调了观察与理论相结合的重要性,以理解世界的运作。同理,认知科学结合实验数据与理论模型探讨心智和认知过程。

再来看看“老朋友”Zenon Pylyshyn的观点。Pylyshyn指出,传统心理学作为一门研究人类心智的实验学科,缺乏科学的严谨性。他认为,心理学更像是一个关于人类行为和认知现象的分类目录,以及扩充该目录的方法,而不是像物理学或化学那样具备明确理论基础的科学。尽管如此,Pylyshyn和他的同事们仍然希望心理学能够成为一门类似于物理学或化学的理论科学。然而,心理学尚未提供足够的理论框架来解释人类行为和认知过程,这常常让他们感到失望。尽管如此,Pylyshyn对认知科学寄予了“重新燃起的希望”。他认为,心理学可能包含一个或多个自然科学领域,而认知科学正是其中之一。尤其是当认知科学严格定义为包括符号处理操作(symbol processing operations)以及支持符号处理的非符号机制时,它有潜力成为一门自然科学。

当被问及如何看待认知科学时,Pylyshyn引用了甘地的著名回应---被问到如何看待西方文明时,甘地回答道:“Yes, that would be a good idea.”(是的,那将是个好主意)。这一回答暗示了Pylyshyn对认知科学的观点:认知科学确实有潜力成为一门成熟的科学,但目前它还在发展之中,尚未完全实现这个理想状态。

图6 认知科学主要领域及其代表人物。