認知科學

維基百科,自由的百科全書
跳至導覽 跳至搜尋
認知科學。從12點鐘開始順時針分別為語言學神經科學哲學心理學人類學人工智能教育

認知科學英語:Cognitive Science),是一門研究訊息如何在大腦中形成以及轉錄過程的跨領域學科。它研究何為認知,認知有何用途以及它如何工作,研究信息如何表現為感覺語言注意推理情感。其研究領域包括心理學哲學人工智能神經科學學習語言學人類學社會學教育學[1]它跨越相當多層次的分析,從低層次的學習和決策機制,到高層次的邏輯和策劃能力,以及腦部神經電路。「認知科學」這個詞是克里斯多福·龍格-希金斯英語H. Christopher Longuet-Higgins在1973年評注一部關於當時人工智慧最新研究的著作萊特希爾報告英語Lighthill report時創造的。同10年內,《認知科學期刊》和認知科學學會英語Cognitive Science Society相繼於美國加州成立。認知科學的基本要義是:理解思維的最好途徑,是認識腦中的代表性結構,以及這些結構中發生的計算性過程。

介紹[編輯]

認知科學是一種包括語言學、人類學、心理學、神經科學、哲學和人工智能等跨學科的新興科學,其研究對象為人類、動物和人工智能機制的理解和認知,亦即能夠獲取、儲存、傳播知識的信息處理的複雜體系。認知科學建立在對感知、智能、語言、計算、推理甚至意識等諸多現象的研究和模型化上。

理論[編輯]

層級分析[編輯]

認知科學有一個核心信條:只在單一的層級上進行研究,不可能徹底地理解精神和腦。舉一個例子:你記住了一個電話號碼,稍後把它複述出來。要理解這個過程,一種方法是通過直接的觀察,所謂的「自然觀察」:向一個人展示了一個電話號碼,一段時間之後他將其複述出來,我們可以度量這其中的時間間隔。另一種度量認知能力的方法,就是在這個人記憶電話號碼的同時,研究其每一個神經元的激發狀況。單獨使用以上的任意一種方法,都不能完全解釋「記憶電話號碼」這個過程。即使人類的技術已經可以實時定位每一個腦神經元的位置和激發狀態,我們也無法由此得知,單個的神經元發放如何變成我們見到的人的動作。所以,我們需要理解兩個層面如何互相關聯。《具身心智——認知科學與人類經驗》(The Embodied Mind: Cognitive Science and Human Experience)中這樣講到:「關於心智的新科學需要擴展其視野,既能夠容納活生生的人類經驗,也能容納人類經驗可能有的固有變易。」[2]可以對一個過程作功能性的層級劃分,來實現這個想法。對一個特定現象作多層次的研究,會更好地理解腦中的過程如何上升為特定的行為。 大衛·馬爾[3]曾經給出過一個著名的三層次分析:

  1. 「計算理論」,說明計算的目標。
  2. 「描述與算法」,給出輸入和輸出的描述,以及算法是如何由輸入得到輸出;
  3. 「硬件實現」,算法和描述如何在物理上實現。

跨學科的本質[編輯]

認知科學是一個跨學科領域,包含了來自各領域的貢獻,包括心理學神經科學語言學精神哲學計算機科學人類學社會學生物學。認知科學家和其他工作者共同努力,希望能夠像其他科學一樣,理解心智和它與周圍世界的交互。所以,認知科學也有一個不取決於觀察者的研究對象。認知科學常常被認為和物理學相一致,也會使用類似於模擬概念模型等等科學方法,經常將模型輸出和對應的人類行為相比較。也有人質疑,一個統一的認知科學是否存在,所以他們更傾向於使用複數形式的「cognitive sciences」。[4]

許多(但不是所有)承認自己為認知科學家的人,都對心智持有一種功能主義的觀點,認為智能是由其功能來定義的。任何系統,只要表現出智能狀態所應有的功能,那麼它就應該被認為是有智能的。根據功能主義的觀點,甚至非人類的系統,例如其他物種、外星生物、甚至先進的計算機也可以被認為擁有智力。

心靈/大腦的同一論[編輯]

心靈/大腦的本體論認為,不管思維還是智力,它們都紮根於大腦,而並不利用、依賴、或與非物質相互作用。儘管如此,大都認為離開大腦的組織來談論思維的組織,也是合理的,而且認知科學家也並不僅僅是神經科學家。這是根據不同層次的分析來論證的。一個認知科學家可以在符號層次上斷言說一個推理為正確,而神經科學家則在物理層次上來執行符號層次。請見中文房間辯論。

學科範圍[編輯]

認知科學包含非常廣闊的領域,其中有和認知相關的許多不同方向的課題。然而,並非所有和心智或者智力的運作相關的課題都屬於認知科學。社會與文化因素、情感、意識、動物認知比較心理學進化心理學常常因為其關鍵的哲學爭議被排除在外或者不被重視。另一個認知科學試圖迴避的心智相關的課題是感質的存在,有關它的討論有時會將其限定於哲學上的概念。也有一些認知科學的團體認為它是必不可少的課題,認為研究它們很重要。[5]

以下是認知科學相關的一些主要課題方向。這個名單並不完整,但是它儘量覆蓋認知行為的各個領域。

人工智能[編輯]

人工智能(AI)研究機器的認知。AI的現實目標之一,就是用計算機實現人類的智能。在研究認知現象的過程中,計算機作為一種工具也被廣泛使用。計算機模擬使用模仿的手段,來研究人類的智能是如何構成的。[6]

關於應該如何理解心智,有兩種不同的觀點:一種觀點認為它是由無數獨立的、微小的元素(也就是神經元)的組合構成;另一種觀點認為它是一些高級的結構,例如符號、構想、計劃與規則的聚合。早期的研究者們使用聯結主義對心智進行研究,而後繼者們把研究重點轉向了符號計算。從某個角度來說,這個爭議可以理解為:「計算機是否可能不需要具體模擬人腦神經元的活動,就能模擬人腦的功能?」

注意[編輯]

「注意」就是對重要信息的篩選。人腦每天被數以億萬的信息轟炸,必須設法從中找出真正需要處理的信息。注意力有時候被比作聚光燈,也就是人只能把燈光照向一組特定的信息。支持這個比喻的實驗包括雙耳分聽實驗英語dichotic listening(Cherry, 1957)和無意視盲英語inattentional blindness的研究(Mack and Rock, 1998)。在雙耳分聽的實驗中,被試的雙耳分別聽到不同的信息,並且被告知需要注意其中一邊。實驗結束後,詢問被試有關未注意的那一邊的信息,被試則無法正確回答。

語言[編輯]

學習與理解語言是一個極端複雜的過程。所有正常人類,都可以在生命的最初幾年裡熟練地學會語言。理論語言學領域的一個主要推動力,就是發現語言的抽象本質,這個本質使得語言能夠以這種方式被人所學習。在研究腦如何處理語言的領域裡,幾個核心的問題是:(1)語言知識在何種程度上是天生的,何種程度上是習得的?(2)為何成年人學習第二語言比兒童學習母語要困難?(3)人類是如何理解自然語言的?

對於語言處理的研究,涵蓋了從語音的聲音模式到詞義和整句意義的研究。語言學通常把語言現象分為正寫法語音學音位學詞法學語法學語義學語用學。語言的許多方面都可以通過這些學科或者它們的學科交叉來研究。

認知科學對於語言的研究和語言學領域緊密相連。語言學作為傳統人文學科的一部分,包含了歷史、藝術和文學的研究。最近50年來,越來越多的研究者將語言的學習和使用看作一種認知現象,關注的主要問題是語言是如何被習得和使用,以及它具體是如何構成的。[7]語言學家發現,當人在組織一個結構非常複雜的句子時,他們明顯不知道是何種規則構成了他們所說的話。所以,語言學家必須訴諸間接的方法來了解這些規則是什麼,如果它真的存在的話。在任何情況下,如果言語真的由某種規則控制,這個規則也並沒有在有意識的考慮中出現。

學習與發展心理[編輯]

學習與心理發展,是我們逐漸獲得知識和信息的過程。孩童出生時沒有或者只有很少的知識(取決於我們如何定義知識),但是它們會迅速地學會語言、行走、以及識別人和物體。解釋這其中的機制,就是學習和心理發展研究的目的所在。

發展認知研究的主要問題,就是在何種程度上這種能力是先天的,何種程度上是習得的。這個問題通常會放在先天與後天辯論的問題框架內。先天論者強調生物體的特徵是由基因先天決定的,相反的,經驗主義者強調這些能力是從環境中習得的。雖然眾所周知,對於孩童的正常成長來說基因和環境輸入都是必需的,但是關於基因信息如何指導認知發展,還存在一定的爭論。在語言習得的研究領域中,一些人(例如史迪芬·平克) [8]認為蘊藏着通用語法的特定信息一定包含在基因中,然而其他人(例如Jeffrey Elman以及《先天性再思考》英語Rethinking Innateness的其他作者)認為平克的觀點在生物學上不成立。他們認為,基因決定了認知系統的框架,但是類似「語法如何運作」這樣的特定事實,只能從經驗中來學習。

記憶[編輯]

我們使用記憶儲存信息,以供之後使用。通常認為,記憶包含長期記憶和短期記憶。長期記憶可以將信息保留一段較長的時間(幾天、幾周、幾年)。我們尚未知道長期記憶的實際容量上限。短期記憶可以在很短的時間尺度內保存信息(幾秒或者幾分)。

記憶還常常被劃分為陳述性記憶程序性記憶。陳述性記憶又分為語義記憶情節記憶,分別指的是我們對於特定事實和知識的記憶,特定意義和經驗的記憶。(例如「美國第一任總統是誰?」或者「4天前的早飯我吃了什麼?」)程序性記憶是指我們對於動作和運動組合的記憶(例如怎樣騎自行車),有時也被稱作內隱記憶或者內隱知識。

和心理學家一樣,認知科學家也研究記憶,但是更多關注於記憶是如何基於認知過程,以及認知和記憶之間的聯繫。例如,當人重新喚起一個忘記了很久的記憶時,經歷了怎樣的精神過程?或者再認(recognition,根據上下文或者其他跡象回想起記憶)與回憶(recall,喚回一個記憶,類似填空)的認知過程有何區別?

知覺與行為[編輯]

奈克方塊錯視之一例
錯視。方塊A的灰度和方塊B是完全一致的。見棋盤陰影錯覺

知覺是從感官中提取並且以某種方式處理信息的能力。視覺聽覺是我們感知環境的兩種最主要方式。視覺知覺研究中包含許多問題,例如:(1)我們何以能認出物體?(2)我們何以能夠感知到連續的視覺環境,儘管我們任何時候都只能見到它的一小部分?研究視覺知覺的一個工具,就是觀察人在看到錯視圖像時的行為。右邊的奈克方塊就是視知覺錯覺的一個例子:這個方塊可以被看成朝向兩個不同的方向。

觸-壓覺體感嗅覺味覺刺激的研究,也屬於知覺研究的主題之下。

行為是系統的輸出。對於人類來說,行為由運動反應來完成。空間計劃和動作、語音的產生,以及複雜的運動動作都屬於行為的一部分。

研究方法[編輯]

認知科學研究會使用多種不同的方法。因為認知科學是高度跨領域的,所以它的研究通常會跨越多個學科範圍,採用心理學神經科學計算機科學系統論的研究方法。

行為實驗[編輯]

為了描述智力是如何構成的,需要先研究智力行為本身。這一類型的研究和認知心理學心理物理學緊密相關。通過測量對不同的刺激的行為反應有何不同,可以幫助我們了解這些刺激如何起作用。Lewandowski和Strohmetz(2009)總結了在心理學中使用行為測量的創新方法,包括行為痕跡、行為觀察和行為選擇。[9]行為痕跡是能夠表明行為者存在的一系列證據,但是行為者並不在場(例如:停車場上的垃圾、電錶的讀數)。行為觀察則是對相關行為者的直接目擊(例如觀察人與人之間坐的距離)。行為選擇是人在兩個選項之間的選擇(例如投票的行為、選擇對另一個參與者的懲罰)。

  • 反應時間:展示刺激和得到適當的反應之間的時間,可以指示兩個認知過程中的區別,也可以顯示它們之間的本質區別。例如,如果一個搜尋任務中,搜索元素的增多對應着反應時間的延長,那麼就說明搜尋的認知過程是串行而非並行的。
  • 心理物理學反應:心理物理學實驗是一種有歷史的心理學技術,得到了認知心理學的改進。它們通常會包含對物理屬性的判斷,例如聲音的響度。將個體之間的主觀尺度與實際的物理測量相比較,可以展示認知或者感覺造成的偏差。一些例子有:
    • 顏色、音調、質地等等的異同判斷。
    • 顏色、音調、質地等等的閾值不同。
  • 眼動追蹤: 這個方法可以用來研究很多不同的認知過程,通常是和視知覺與語言過程相關。眼睛的停頓點和個體的注意焦點有關,所以,通過追蹤眼球的運動,我們就可以得知特定時刻所獲得的信息。眼球追蹤讓我們可以研究極短時間尺度內的認知過程。眼球的運動反應了任務進行中的即時反應,提供了決策進行方式的一些洞見。

腦成像[編輯]

人類頭部與腦的圖像。箭頭指出了下丘腦的方位。

腦成像技術可以分析執行不同任務時的腦活動,讓我們把行為和腦部功能對應起來,從而理解信息如何運轉。不同的成像技術擁有不同的時間分辨率和空間分辨率。腦成像技術常常用於認知神經科學

  • 腦電圖:EEG通過將許多電極接入對象的頭皮,來測量大量神經元發放所形成的電場。該技術的時間分辨率極高,但是空間分辨率相對很低。
  • 功能性磁共振成像:fMRI測量流經腦部不同區域的相對血氧濃度。血液中較高的含氧量應該對應着該區域的神經活動增加。該技術使得我們可以定位不同腦區的特定功能。fMRI具有中等的空間與時間分辨率。
  • 光學醫學成像英語Optical imaging:該技術使用紅外傳感器來接收某個腦區域附近的血液反射光。因為富含氧和缺少氧的血液反射光線情況不同,就可以依此研究哪部分腦區更活躍(也就是流經更富氧的血液)。光學醫學成像具有中等的時間分辨率,但是空間分辨率較差。它的優點是它非常安全,可以用來研究嬰兒的腦。
  • 腦磁圖英語Magnetoencephalography:MEG用以測量神經興奮活動產生的磁場。它和腦電圖類似,但是它的空間分辨率比腦電圖好,因為磁場不會像電場那樣因為頭皮和腦膜而減弱或模糊。MEG使用超導量子干涉儀(SQUID)來探測微弱的磁場。

計算機模型[編輯]

一個2層的神經網絡

計算機模型需要將一個問題數學化、邏輯正規化地描述。計算機模型可以用來模擬、驗證智能的各種屬性,幫助我們特定認知現象的功能結構。認知模型有兩種基本方法:第一種着眼於抽象的心智能力,使用符號操作;另一種模擬人腦的神經元及其聯結,稱為亞符號模型。

  • 符號模型的技術和哲學圖像都是由計算機科學中的知識推理系統英語Knowledge-based systems演化而來,例如所謂的「美好的舊式人工智能(GOFAI)」。它們由最早一批認知研究者發展出來,後來使用在了專家系統信息工程中。直到1990年代早期,它被系統發展為功能性的類人智能模型,例如personoid英語personoid以及同時開發的Soar英語Soar環境。
  • 亞符號模型包含了聯結主義,它的基本思想是人腦由許多微小的元素組成,腦的能力首先取決於這些點的存在及其連接方式。神經網絡是這一方法的典型實踐。有一些批評意見認為,當這一模型用於真實生物系統的運作時缺乏解釋能力,因為即便一個簡單規則的聯結都需要複雜的系統來完成,其解釋力常常並不好。

其他流行的方法包括動力系統理論,以及將符號模型和聯結主義模型結合起來的神經-符號結合模型。還有貝葉斯模型英語Bayesian cognitive science,通常在機器學習中使用,也變得越來越受歡迎。

以上的這些方法,正在被整合為一個關於整合-抽象智能的整體計算模型,用於解釋和改進個體和社會的理性決策推理

神經生物學方法[編輯]

借用神經生物學神經心理學的研究方法,可以幫助我們理解智能行為如何在物理系統中運作。

主要成就[編輯]

認知科學產生了人類認知偏誤風險預測的許多模型,影響了行為經濟學的發展。它也產生了很多數學哲學人工智能說服英語persuasion約制等領域的新理論,在語言哲學知識論(理性主義的現代版本)中占有一席之地,成為了語言學的一個重要分支。認知科學領域的研究,影響了我們對腦的特定功能系統(與功能缺損)的理解,包括語言生成到聽覺過程和視覺過程等等。認知科學的進展幫助我們理解,腦部特定區域的損毀會對認知造成何種影響,並且幫助我們了解一些失衡症的原因,例如失讀症視力缺失英語anopia半側空間無視英語hemispatial neglect

歷史[編輯]

認知科學的相關歷史可以追溯到古希臘哲學家的文字,例如柏拉圖美諾篇亞里士多德靈魂論英語De Anima,以及諸如笛卡爾大衛·休謨伊曼努爾·康德巴魯赫·斯賓諾莎尼古拉·馬勒伯朗士, 皮埃爾·卡巴尼斯英語Pierre Cabanis萊布尼茨約翰·洛克的著作。然而,儘管他們對心智的哲學發現和心理學的產生與發展作出了巨大貢獻,他們所使用的工具與核心理念卻和認知科學家截然不同。

現代意義上的認知科學可以追溯到1930-1940年代的早期控制論者,例如沃倫·麥卡洛克瓦爾特·皮茨英語Walter Pitts,他們試圖尋找心智的組織規律。麥卡洛特和皮茨發展了我們今天稱為人工神經網絡的最早版本,來源於生物神經網絡結構的計算模型。

認知科學的另一個前驅,是1940-1950年代計算理論電子計算機的早期發展。艾倫·圖靈約翰·馮·諾伊曼是這些發展中的關鍵人物。馮·諾伊曼結構的現代計算機在認知科學中扮演了中心角色,既是對心智的模仿,也是研究的工具。

第一個在研究機構里進行的認知科學實驗在MIT斯隆管理學院進行,由J.C.R.利克里德英語J.C.R. Licklider和社會心理學系完成,使用計算機的記憶來模擬人類的認知。[10]

1959年,諾姆·喬姆斯基發表了一篇對於伯爾赫斯·弗雷德里克·斯金納《言語行為》英語Verbal Behavior的批評,而這時斯金納的行為主義主導着心理學界。大部分的心理學家關注與刺激和反應之間的聯繫,而忽略了內在表徵。喬姆斯基認為,為了解釋語言的存在,需要生成語法的理論,它不僅僅將語言的生成歸於內在表徵,還指出了其中潛藏的規則。

認知科學(cognitive science)這個詞,是由H.克里斯托夫·龍格·希金斯英語H. Christopher Longuet-Higgins於1973年對於描述當時人工智能研究狀況的萊特希爾報告英語Lighthill report的評論中提出的。[11]在1970年代,《認知科學》(Cognitive Science)期刊和認知科學學會英語Cognitive Science Society創立。[12]認知學會的創立大會與1979年在加利福尼亞大學聖地牙哥分校舉辦,使得認知科學成為了世界性視野的學科。[13] 1982年,瓦薩學院成為世界上第一個招收認知科學研究生的機構。[14] 1986年,在加利福尼亞大學聖地牙哥分校建立了世界上第一個認知科學系。[13]

在1970年代和1980年代早期,許多認知科學的研究者們專注於人工智能的可能性。像馬文·閔斯基這樣的研究者編寫了像LISP這樣的計算機語言,期望將人類做決定、解決問題等等行為的步驟,嚴格地加以界定,以理解人類如何思考,以及創造人工的心智。這個方向的研究被稱為「符號AI」。

之後,符號AI研究程序的局限性漸漸顯現。例如,要用符號化的計算機程序將人類知識囊括進一個表格里,幾乎是不可能完成的任務。神經網絡聯結主義作為研究範式在1980年代末和1990年代興起,通常歸功於詹姆斯·麥克蘭德英語James McClelland (psychologist)大衛·魯梅爾哈特英語David Rumelhart。這種觀點認為心智可以被看做一組複雜的聯結,表現為層狀的網絡。有批評認為對於許多現象來說符號模型更為成功,而聯結模型通常過於複雜而解釋力低下。目前,符號主義與聯結主義模型正在融合,以期待享有兩種解釋方式的優勢。[15]

參見[編輯]

參考文獻[編輯]

  1. ^ Cognitive science is an interdisciplinary field of researchers from psychology, neuroscience, linguistics, philosophy, computer science, and anthropology that seek to understand the mind. How We Learn: Ask the Cognitive Scientist
  2. ^ Varela, F. J., Thompson, E., & Rosch, E.(1991). The embodied mind: cognitive science and human experience. Cambridge, Mass.: MIT Press.
  3. ^ Marr, D.(1982). Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. W. H. Freeman.
  4. ^ Miller, G. A. The cognitive revolution: a historical perspective. Trends in Cognitive Sciences. 2003, 7: 141–144. doi:10.1016/S1364-6613 (03)00029-9 請檢查|doi=值 (幫助). 
  5. ^ A number of authors consider the qualia problem to be part of the cognitive science field, e.g. Some philosophical issues in cognitive science: qualia, intentionality, and the mind-body problem, Qualia: The Hard Problem, and indeed the entire discipline of philosophy as being part of the cog sci field, e.g. What is Cognitive Science? 網際網路檔案館存檔,存檔日期2010-06-13., while other reputable sources that cover both qualia and cog sci do not draw any obvious connection between them, e.g. the Stanford encyclopedia of philosophy(Jan 2008 online edition)does have full-size articles on both qualia and cog sci, but qualia are not even mentioned in the cog sci article while cog sci is not mentioned in the qualia article.
  6. ^ Sun, Ron(ed.)(2008). The Cambridge Handbook of Computational Psychology. Cambridge University Press, New York.
  7. ^ Isac, Daniela; Charles Reiss. I-language: An Introduction to Linguistics as Cognitive Science, 2nd edition. Oxford University Press. 2013: 5. ISBN 978-0199660179. 
  8. ^ Pinker S., Bloom P. Natural language and natural selection. Behavioral and Brain Sciences. 1990, 13 (4): 707–784. doi:10.1017/S0140525X00081061. 
  9. ^ Lewandowski, Gary; Strohmetz, David. Actions can speak as loud as words: Measuring behavior in psychological science. Social and Personality Psychology Compass. 2009, 3 (6): 992–1002. doi:10.1111/j.1751-9004.2009.00229. 
  10. ^ Hafner, K., & Lyon, M.(1996). Where wizards stay up late: The origins of the Internet. New York: Simon & Schuster., page 32
  11. ^ Longuet-Higgins, H. C.(1973). "Comments on the Lighthill Report and the Sutherland Reply", in Artificial Intelligence: a paper symposium, Science Research Council, 35-37
  12. ^ Cognitive Science Society 網際網路檔案館存檔,存檔日期2010-07-17.
  13. ^ 13.0 13.1 UCSD Cognitive Science - UCSD Cognitive Science. [8 July 2015]. (原始內容存檔於2015年7月9日). 
  14. ^ Box 729. About - Cognitive Science - Vassar College. Cogsci.vassar.edu. [2012-08-15]. 
  15. ^ Artur S. d'Avila Garcez, Luis C. Lamb and Dov M. Gabbay. Neural-Symbolic Cognitive Reasoning. Cognitive Technologies. Springer, 2008, ISBN 978-3-540-73245-7, 2008.

外部連結[編輯]