比较认知学方法 comparative cognition, methods in (Marta Halina)

首次发表于 2023 年 9 月 6 日星期三

比较认知学是研究生命之树上认知的学科。非人类动物（以下简称动物）展示了广泛且常常令人惊讶的认知能力范围。凯亚（一种特有于新西兰的大鹦鹉物种）利用领域通用的统计推理解决问题（Bastos & Taylor 2020），欧亚松鸦被魔术戏法欺骗（Garcia-Pelegrin 等，2021），而大黄蜂可能具有意识（Gibbons 等，2022）。比较认知学领域的研究人员致力于理解导致动物行为的认知机制，包括它们的进化、发育和社会生态历史。比较认知学是一个跨学科领域，汇集了生态学、行为学、认知科学、发展心理学、进化生物学和神经科学等工具（Shettleworth 2009）。关于比较认知学方法的哲学文献也很丰富。哲学家们致力于回答诸如“展示动物具有因果推理需要什么证据？”和“我们如何避免在研究非人类思维时的人类中心主义？”如何最好地定义“认知”是一个有争议的领域（Allen 2017）。对于我们的目的，我们可以遵循 Sara Shettleworth 对认知的广义描述，即“动物从环境中获取、处理、存储和行动信息的机制”（2010a：4；另请参见动物认知条目）。

进化、发展和文化

比较认知学研究发生在进化、发展和社会生态考虑的背景下。自然选择导致认知特征在演化时间上的收敛和分歧。认知特征可能会收敛，因为两个物种面临类似的社会生态问题，比如在类似的觅食环境中导航。另一方面，两个物种可能分享认知能力，因为它们从共同的祖先那里继承了这些能力或者拥有共同的发育模块。最后，认知能力与演化相互作用，不仅改变了物种在表型空间中的轨迹，还影响了它们的进化能力（Brown 2013）。诸如此类的考虑有助于研究人员预测和解释跨类群的认知和行为能力。

只有通过研究近因（机制和发生）和远因（谱系和功能），我们才能充分理解行为的本质和起源。（Krupenye & Call 2019: 16）

本节介绍了进化、发育和社会生态考虑在比较认知学方法中发挥作用的几种关键方式。

1.1 趋同进化

翅膀的进化是收敛进化的典型案例。翅膀具有支撑飞行的功能，并在许多不同的生物体中进化，包括鸟类、蝙蝠和昆虫。构成翅膀的结构在这些群体之间有所不同——蝙蝠的翅膀由延长的指骨组成，鸟类的翅膀是从延长的前肢进化而来，昆虫的翅膀是外骨骼的突起物。尽管这些群体中的翅膀在其基础结构上有所不同，但它们共享刚性等特征，使它们能够执行相同的功能——产生升力并实现飞行。这些特征的相似之处部分可以通过共同的选择压力来解释。

在比较认知学中，这些自适应考虑指导着理论建构。在这种情况下，“心理特征被视为一个设计问题”（Ereshefsky 2007: 670）。人们确定心理特征所起的作用，并探讨是什么选择压力可能导致了这种进化结果。例如，对西部灌木鸦的研究表明它们具有类似情景记忆或记住特定事件的“是什么，哪里，何时”特征的能力（Clayton 等，2001）。灌木鸦是“分散贮藏者”，将食物藏在多个地方以便日后取回。这种贮藏行为使个体能够在食物供应波动的环境中生存。当灌木鸦取回它们的贮藏物时，它们记得自己在何时何地贮藏了特定的食物。例如，如果易腐食物（如蠕虫）的新鲜期已过，它们会避免寻找这类食物（Clayton 和 Dickinson，1998）。最近对墨鱼的研究表明，它们面临着与分散贮藏鸟类类似的觅食挑战。它们生活在食物供应不稳定的环境中，似乎记得自己吃过什么，以及在哪里和何时吃过（Jozet-Alves，Bertin 和 Clayton，2013；Schnell，Clayton 等，2021a）。墨鱼是头足纲软体动物，与灌木鸦等脊椎动物在超过 5.5 亿年前分化（图 1）。鉴于这种系统发育距离，如果墨鱼和西部灌木鸦共享类似情景记忆的能力，这种认知特征可能是这两个类群独立进化的共同解决方案，以解决类似的生态问题。

图 1. 远亲的生物可能分享类似的认知能力，因为它们在漫长的进化时间内面临着类似的社会生态选择压力。图片改编自 Schnell, Amodio, Boeckle 和 Clayton（2021b: 4）。【图 1 的详细描述请参见补充说明。】

Alexandra Schnell 和同事们认为，研究类似黑猩猩、鸦科鸟类和头足类等系统发生学上相距较远的物种，可以帮助研究人员更好地理解导致“复杂认知”（如类似情景记忆、未来规划、因果推理和想象力）产生的选择压力（Schnell 等人，2021b；另见 van Horik 等人，2012 年，Powell 等人，2017 年，Amodio 等人，2019 年）。例如，社会智能假说认为，复杂认知是由生活在复杂社会群体中产生的选择压力的产物（参见 Byrne 和 Whiten，1988 年）。然而，许多头足类动物生活短暂且独居。如果这些头足类动物确实具有因果推理等认知能力，这些能力可能是为了应对来自复杂社会环境以外的选择性压力而进化而来的。仅关注像黑猩猩和鸦科鸟类这样社会复杂的脊椎动物，会使“生态和社会压力对认知进化的影响难以分离”（Schnell 等人，2021a：172）。如果可以证明鸦科鸟类和头足类动物（例如章鱼）等生物具有相同的认知能力（例如因果推理），那么研究人员可能更有可能推断导致这些远亲物种适应性出现的环境需求。

1.2 同源性与发育

有几种方法可以确定什么算是同源性状。 “系统发育方法”认为，当两个特征源自共同祖先时，它们是同源的（Brigandt 2007）。 人类和黑猩猩具有类似的物理认知能力，比如使用工具（Herrmann 等，2007）。根据系统发育方法，这些能力在某种程度上是同源的，因为它们是从人类和黑猩猩在 600-800 万年前共享的进化祖先那里继承而来的。 “发育方法”认为，当两个特征由相同的发育模块产生时，它们是同源的（Ereshefsky 2012）。在这种意义上，哺乳动物的脊椎、节肢动物的肢体和鸟类的羽毛经常被视为同源物。一些人认为，同源性最好理解为既有系统发育又有发育组分（Ereshefsky 2007, 2012）。根据这种观点，一个发育模块对同源特征的构建施加近因约束，而进化解释了为什么这种发育模块在各类群中都能找到（即通过共同祖先）。

一些哲学家认为，心理学家应该专注于识别同源特征而不是收敛特征，因为他们对行为负责的机制感兴趣（参见 Matthen 2007; Clark 2010）。例如，Paul Griffiths（1997, 2007a, 2007b）认为，将认知特征识别为收敛特征在认识上要求更高，而将认知特征识别为同源特征。常常采用适应模型的锁与钥匙模型，其中一个特征被视为对现有社会生态问题的解决方案（例如，类似片段记忆作为西部灌木鸦今天面临的觅食问题的解决方案）。然而，Griffiths 认为，心智不太可能是为了应对当代社会生态问题而进化的。相反，生物表型和生态位的结构和组织是共同进化的。此外，什么被视为“问题”取决于许多因素，如资源限制和生物体的发育可塑性。Griffiths 写道：

无法在发展上分离解决方案的问题必须作为一个单一问题解决，因此从适应性进化的角度来看，并非是独立的问题。 (2007b: 203)

为了提供收敛进化的有力案例，必须考虑这些限制。在复杂认知特征的情况下，研究人员通常对有机体进化历史中起作用的资源和发育限制知之甚少。因此，将认知特征确定为收敛可能是认识上具有挑战性的。

1.3 文化

除了进化和发展因素外，比较认知研究人员的目标是了解文化因素如何影响认知能力。哲学家和科学家还认为，理解动物文化对保护工作（Brakes 等人，2019 年）和动物福利（Fitzpatrick＆Andrews，2022 年）具有重要意义。广义上，文化可以被定义为

个体或群体之间传递的信息，这些信息通过并导致行为特征的再生产和持久变化。(Ramsey 2017: 348; 另请参阅 Ramsey 2013; Andrews 2015 [2020]: 第 8 章; 以及文化进化词条)

例如，有效使用工具所需的技能可能通过社会学习（如复制）传递，从而在接受者随后的行为能力和生殖适应性上产生持久变化。文化传播被描述为一种“软继承”的形式，即生物体可以继承表型变异，这是非遗传效应的结果（Mayr 1982）。Eva Jablonka 及其同事认为，许多动物传统是以这种方式传播的（Avital & Jablonka 2000; Jablonka & Lamb 2008）。例如，20 世纪初，打开牛奶瓶的行为创新迅速传播到了亚欧蓝山雀种群中。研究表明，这种创新通过当地增强（幼鸟通过与能够利用这种食物来源的鸟类在一起学习牛奶瓶是食物来源）和观察学习（幼鸟复制经验丰富的创新者的行为）的混合方式传播（Aplin, Sheldon, & Morand-Ferron 2013）。

理解文化的软继承的一个优势是，一些用于生物进化研究的方法和模型可以应用于文化研究（Mesoudi, Whiten, & Laland 2006）。Rachael Brown（2017a）还认为动物传统对于理解遗传进化很重要。例如，最近的研究表明，加拉帕戈斯雀的喙形态多样化是通过文化传播传播的行为觅食创新的结果。这些行为创新的存在和传播（例如，使用喙刺破海鸟皮肤并饮血，如“吸血雀”的案例）可能需要足够的选择性压力来促使形态适应发生。尽管文化与遗传进化之间存在联系，但关于是否应该将进化生物学中的现代综合理论扩展到包括软继承等过程仍存在分歧（参见 Pigliucci 2007; Laland 等人 2015）。尽管如此，动物文化的研究正在蓬勃发展，观察和实验研究揭示了其认知基础和影响（参见 Whiten 2022 的最新评论）。

1.4 野外和圈养中的认知

正如所指出的，比较认知学是一个涉及多种学科方法的领域，包括行为学、实验心理学和神经科学。哲学家和科学家们就利用这些方法来理解动物心智的相对优点进行了辩论。行为学中的一个核心方法是对野生动物的野外研究，而实验心理学主要依赖于对圈养动物的实验室研究。野生动物和圈养动物通常过着不同类型的生活。例如，圈养的黑猩猩往往有定期获得食物的机会，对人类物体有丰富的经验（包括为丰富生活而设计的物体），并生活在相对较小的空间中。而野生黑猩猩通常生活在数平方公里大小的领地中，大部分时间用于觅食，并必须克服在圈养环境中通常不会遇到的威胁生命的问题，比如与邻近群体和捕食者的竞争（Boesch 2022）。在比较认知学中，许多研究人员认为观察动物在其自然环境中的重要性。从行为学的角度来看，这对于理解动物心智的进化至关重要，因为“自然选择就是在这种情况下起作用的”（Healy & Hurly 2003: 326）。

其他研究人员指出，像实验室中发现的控制条件一样，对于研究动物心智是必要的。例如，Heyes 和 Dickinson（1990）认为，确定导致特定行为的心理状态需要确定

动物如果处境在某些特定方面与实际发生的行为不同，它会做什么。(1990: 88; 但参见 Allen & Bekoff 1997: 第 9 章)

观察动物在其自然环境中时往往不利于以系统方式改变环境，而实验室研究旨在控制替代解释和干扰变量（见第 2 节）。一些研究人员还认为，“不自然”的环境可能以支持新的或增强的认知能力的出现方式引导发展和学习。例如，圈养的大型灵长类动物发展出在野外同类中找不到的问题解决和交流能力，如使用工具、指向和手语（Tomasello & Call 2008; Bandini & Harrison 2020）。在动物的自然环境之外研究可能会揭示它们的认知潜力，当环境适当地支撑时。

总的来说，大多数研究人员都承认需要多种方法来理解动物的心智。例如，Michael Tomasello 和 Josep Call 在关于灵长类认知研究的著作中写道，

实地调查是首要的。它告诉我们动物做什么；它提出了问题。但是，如果我们希望弄清楚野外某种活动背后的认知技能的本质，如果有的话，我们需要实验。 (2008: 451)

Kristin Andrews 记录了领域和实验室中不同可能的偏见来源。例如，在领域中，行为谱可能导致确认偏见，而在实验室中，人类实验者与研究参与者之间关系的重要性经常被低估（参见 Andrews 2020: 42–61）。Andrews 得出结论，比较心理学家应该致力于采用和整合各种方法来研究动物心智，而不是试图消除偏见。Colin Allen 和 Marc Bekoff（1997）同样强调了跨学科方法的必要性。

科学不太可能在任何一个单一点上完全接触到动物心智的本质——许多方法将是有用的，并且竞争性假设应该得到评估。(1997: 180)

2. 消除替代解释

比较认知学研究者经常通过行为研究或实验来测试有关动物心智的假设。这些研究旨在确定某个物种、群体或个体动物是否表现出符合某一假设为真的预期。这些假设通常在一定程度上指定了认知过程，这些认知过程被认为是支撑某一套行为的基础。正如 Shettleworth 所指出的，研究者寻求

不仅仅是确认动物是否能够做一些“聪明”的事情，而是要发现它们是如何做到的。 (Shettleworth 2013: 4)

在这一部分中，我们考虑统计零假设、替代解释、认识价值和非认识价值在比较认知学中评估假设时所起的作用。

2.1 比较认知学中的零假设

科学实验工作的一个核心要素是控制外部或“干扰”变量。比较认知学像其他科学一样，采用实验和统计方法来控制这些变量（Bausman & Halina 2018; Dacey 2023）。实验的目的通常是确定自变量和因变量之间是否存在关系。例如，乌鸦会将坚果扔到道路上，然后取回裂开的坚果（Shettleworth 2010a）。它们这样做是因为它们学会了汽车可以用作“夹坚果”的工具吗？还是说从高处扔坚果的行为在许多代演化中逐渐形成（也许是在汽车出现之前）？为了回答这些问题的第一步，人们可以实验性地研究接近道路上汽车的存在（自变量）是否会影响乌鸦的扔坚果行为（因变量）（Cristol et al. 1997）。然而，要检测这种影响，就必须控制由外部变量产生的“噪音”——即那些可能影响因变量的变量。在觅食的乌鸦的情况下，外部变量可能包括时间、季节、接近坚果树的距离等。在实验中，统计的零假设通常认为，观察到的因变量的任何差异都可以归因于外部变量，因此没有证据表明自变量产生了影响（参见 Sani & Todman 2006）。观察到的因变量的差异是否可以归因于自变量（即差异是否具有统计显著性）取决于一个人的检验统计量，该统计量反映了由已知外部变量引起的数据的变异性。例如，如果接近坚果树可以解释观察到的扔坚果行为的差异，那么就没有足够的证据表明扔坚果行为是否受到接近汽车的影响。

“零假设”这个术语有时被更广泛地用来指代一种替代或竞争假设，而不是统计零假设。例如，关联学习、行为阅读以及否定动物具有“特殊”类似人类认知能力的假设经常被称为“零假设”（参见 Hanus 2016；Dickinson 2012；Andrews & Huss 2014；Mikhalevich 2015）。这些假设通常与那些将复杂或类似人类认知能力归因于动物的假设相对比，比如因果推理或心灵理论。这种广泛使用的一个问题在于，“零”这个术语暗示着一个假设应该在认识上被特权化（即必须在接受任何替代假设之前被拒绝），而在许多这类情况下，尚不清楚所谓的零假设是否应该以这种方式被特权化。正如 Andrews 和 Huss（2014）所写：

怀疑者有责任解释为什么怀疑假设而不是乐观假设，即动物确实具有心理属性，是适当的零假设。 (2014: 720-721)

统计零假设在认知上是特权的，因为必须在得出感兴趣变量（自变量）产生影响的结论之前将其拒绝。这种推理策略在统计假设检验的背景下是合理的，这是由于实验设计和推断统计的性质（Bausman & Halina 2018）。然而，在假设评估更普遍的情况下，正是支持这种策略的特征并不明显（后者缺乏测试统计量，例如）。相反，人们必须提供令人信服的理由，以偏好一种假设（比如联想学习）而不是另一种（比如因果推理）。这些理由可能是理论性的（例如，一个假设具有像预测能力这样的认知优点，而另一个则缺乏）或经验性的（例如，一个假设已经有独立的经验支持，而另一个没有）。接下来的三节讨论了在这种更广义上的比较认知中的假设评估。有关统计零假设、零模型和默认模型的进一步讨论，请参阅 Bausman 2018，Zhang 2020 和 Dacey 2023。

2.2 认知和联想解释

如上所述，为了提供有力证据表明动物具有类似情景记忆或心理理论的认知能力，研究人员旨在排除行为的合理替代解释。这种研究策略并非比较认知学独有，而是跨学科领域普遍存在。例如，朱利安·赖斯（Julian Reiss）认为，一个假设是合理的，只要排除了替代假设。换句话说，证据的强度取决于排除了多少替代方案以及这些替代方案有多么令人信服或显著（Reiss，2015）。在比较认知学中，联想学习经常被提出作为一个必须在得出动物具有复杂认知之前排除的显著替代方案。正如斯塔扎克（Starzak）和格雷（Gray）（2021）所写，

一次又一次地，人们熟悉的叠句是，“动物是否具有复杂的类人认知能力，还是它们的行为可以用诸如联想学习之类的简单过程来解释？”。 (2021: 2)

什么是联想学习？广义上，联想学习是一类学习机制，其特点是两个或更多变量之间的关联发生变化。联想学习的两种常见形式是经典（巴甫洛夫式）条件作用和操作（仪器）条件作用。在经典条件作用中，一个刺激物会引起有机体的反应，因为它与另一个刺激物发生了关联。例如，借鉴俄罗斯心理学家伊万·巴甫洛夫的研究，狗会自然地对食物的味道产生唾液分泌（这种反应不需要训练或条件作用，因此是对无条件刺激的无条件反应）。然而，人们可以将另一个刺激物，如铃声，与食物的到来配对。随着时间的推移，狗会学会将食物与铃声联系起来，使得铃声本身足以引起唾液分泌（声音已成为导致条件反应的条件刺激）。在操作条件作用中，有机体的行为会根据该行为的后果而发生变化。例如，一只猫在与一个盒子玩耍时可能会表现出多种行为（比如，里面装有猫喜欢的食物），其中一些行为会导致猫意外成功打开盒子。随着时间的推移，成功的行为会被加强，而不成功的行为会被削弱，使得猫能够仅通过操作条件作用迅速打开盒子。行为在其积极和消极后果的影响下被加强或削弱的倾向分别被称为索恩代克效应法则，以美国心理学家爱德华·索恩代克的名字命名。

通常可以制定合理的联想学习解释，以适应最初被认为支持因果推理或心灵理论的数据（例如，参见 Taylor, Medina 等人 2010 年; Heyes 2012 年; Halina 2022 年）。在许多情况下，人们认为这会削弱对数据的最初解释，因为联想学习被视为对动物行为的解释优于需要“复杂”或类似人类的认知能力的能力（Buckner 2011 年; Hanus 2016 年）。支持这种偏好的一个理由是，联想学习比替代认知解释“更简单”，因此在其他条件相等的情况下应该被优先考虑（见第 2.3 节）。然而，哲学家们争论称，在这种情况下仅仅依赖简单性是不够的。相反，必须表明所讨论的联想和认知解释实际上可以按复杂性排序，并且有充分理由在特定情况下更喜欢简单的解释（例如，因为更复杂的认知能力预设或需要更简单的联想能力）（Heyes 2012 年; Meketa 2014 年; Dacey 2016 年，2017 年）。偏好将联想学习作为解释的第二个理由是它在类系上广泛分布。如果联想学习在类系上广泛分布，那么合理地假设许多动物将使用它来解决物理和社会认知任务。Irina Mikhalevich（以 Meketa 2014 年发表）将此称为“分类普遍性论证”（2014 年：737）。对这种方法的一个担忧是，如果通常认为联想学习优于复杂认知（在两者与数据一致的情况下），那么这种做法本身可能导致联想学习看起来更具类系普遍性。因此，依赖这些结果来证明联想学习是首选假设似乎是在回避问题（Meketa 2014 年，但请参见 Heyes 2012 年）。

上述讨论假定联惯性学习和复杂认知是互斥的，即需要解释感兴趣行为的是其中之一，而不是两者兼有。对这种假设的解释之一是，这只是复杂认知和联想学习的典型定义的一部分。例如，Amanda Seed 及其同事指出，复杂认知通常是“通过排除来定义，而不是通过对支撑其机制的积极评估”（Seed, Emery, & Clayton 2009: 402）。这种方法认为，当某种灵活或新颖的行为“不能轻易用简单的条件反射或固有的行为模式来解释”时，最好用复杂认知来解释（Seed 等人，2009: 410）。在这种观点下，复杂认知和联想学习在定义上是互斥的。然而，研究人员对联想-认知区分表示了担忧（Allen 2006; Buckner 2017）。其中一个担忧是，联想学习模型现在已经足够复杂，可以捕捉认知过程的典型案例（参见 Buckner 2011，即将发表；Dickinson 2012）。另一个担忧是，认知本身并不容易精确定义或明确分类。例如，Allen（2017）提出了关于认知的“宽松多元主义”，允许多种不兼容的解释。那些拒绝联想-认知区分的人经常敦促研究人员专注于更具体的能力。正如 David Papineau 和 Cecilia Heyes 所写，

研究应重新聚焦于动物如何做特定事情的具体解释，而不是关注与联想机制相对立的某种普遍或理想的理性形式的存在或缺失。 (2006: 187)

Dacey (2016) 还指出，“联想”这一概念最好被理解为一个“高度抽象的填充术语”，可以由各种认知机制来实现（2016: 3763）。以这种方式理解，联想学习和复杂认知并不是互斥的：在解释特定行为时，两者都可能是必要的。

2.3 认知价值观的作用

认知价值可以被广泛地描述为那些科学家看重的特征（理论或理论与证据的关系），因为他们相信这些特征会导致认知商品，如真理和理解。Heather Douglas 区分了那些最低标准与理想愿望之间的认知价值。最低标准是那些认知上必要的价值：它们是“真正保证真理”的，它们的缺失表明“我们的理论有问题”（Douglas 2013: 799）。这些包括内部一致性和经验充分性等特征。相反，理想愿望并非必需，但是它们是有用的，通常能够提供确信我们走在正确的道路上，或者如果我们没有走在正确的道路上，我们会尽早发现。理想愿望包括简单性、统一性和新颖预测等价值。例如，一个更简单的理论可能更容易使用，而一个能够做出新颖预测的理论可能会让研究人员确信该理论没有过度拟合现有数据（Douglas 2009a, 2009b; Douglas & Magnus 2013）。

比较认知学研究人员在评估理论和假设时也会诉诸认识价值观。研究人员最低限度地期望理论在内部一致且符合经验。当两个竞争的理论都与现有的经验数据一致时，研究人员会根据其他认识价值观来评估它们。例如，在黑猩猩心灵理论研究的背景下，Tomasello 和 Call（2006）指出，两个假设——心灵理论和学习行为规则——都能解释现有的实验数据。然而，他们认为心灵理论提供了对现有数据的统一解释，而声称黑猩猩依赖学习行为规则需要假设每个实验结果都有一个独特的行为规则。他们还表达了对行为规则是特设的担忧。Fletcher 和 Carruthers（2013）也同意，坚持认为

行为规则理论只能在新发现被发现后才能“预测”，为此提出了一种新的行为规则。（2013: 88）

在这里，我们发现研究人员根据诸如预测能力、统一性和连贯性等认识价值，支持一种解释理论胜过另一种的论点。

一个认知比较领域中受到科学家和哲学家关注的认知价值是简单性或简约性（Dacey，2016）。正如我们在前一节中看到的，简单性的认知价值常常被归因于联想学习，这导致了关于联想学习是否真的简单，以及如果是的话，这对理论选择意味着什么的争论。然而，简单性受到广泛关注的另一个原因是它与摩根准则的联系——这是一种在动物认知研究中广泛采用的方法论原则。该原则认为，当有两种或更多合理的解释可以解释动物行为时，心理学家应该偏向于解释涉及“较低”而不是“较高”心理能力的解释（Fitzpatrick，2008）。

许多哲学家拒绝将摩根准则视为一种有用的方法论原则。首先，他们认为“复杂”是一个常常模糊的概念（Sober，2005 年；Fitzpatrick，2008 年；Meketa，2014 年）。简单性已被用来区分感知和概念推理、刺激-反应机制和意识思维、联想和非联想学习。此外，在所有这些情况下，对比似乎都存在问题（Andrews & Huss，2014 年）。其次，如果将摩根准则解释为“简单即更好或更可能为真”的箴言，那么它就是一个糟糕的研究指南。在比较研究中可以考虑许多简约性因素（本体简约性、解释简约性、进化简约性）：通常这些考虑方向不同，很少支持摩根准则所主张的结论（Sober，2005 年；Fitzpatrick，2008 年；Dacey，2016 年）。最后，科学哲学家们认为，将简单性作为一种美德进行辩护是依赖于背景的——也就是说，这不是一种适用于所有情况的美德（见 Longino，2008 年）。正如 Elliott Sober 所写：

当科学家使用 [简约原则] 这个想法时，它之所以有意义，仅因为它嵌入了一个非常具体的探究背景之中。仅因为一系列背景假设，简约原则才会与某一特定研究问题中的可信性联系起来。因此，简约原则在一个背景下被认为是合理的，可能与其在另一个背景下重要的原因毫不相干。(Sober 1990 [1994: 140])

如果 Sober 是正确的，那么确定一个人是否应该偏好更简单的解释将取决于具体情况。就像 Morgan 的准则是一个通用的方法论原则，旨在适用于各种不同情况或者“对更低级解释持有一种普遍偏见”，根据这一观点，应该予以拒绝（Fitzpatrick 2008: 243）。比较认知学研究者已经得出类似的结论。例如，Tomasello 和 Call（2006）写道，

我们既不是简约原则的坚定支持者（除非明确定义简约的标准），也不是摩根准则的倡导者——尤其是在有大量数据可供处理时，不能将它们作为与数据对抗的替代品。 (2006: 381)

值得注意的是，并非所有对摩根准则的描述都将其视为一种简单性原则。例如，Simon Fitzpatrick 和 Grant Goodrich（2017）认为，当人们看待康威·劳埃德·摩根自己对该准则的阐述时，它并不是一种简单性原则。事实上，摩根明确拒绝了简单性作为选择竞争性解释的标准。相反，他认为应该选择与我们的观察和更广泛背景知识最为一致的解释。摩根的一个背景知识是，“更高级”的能力是从“更低级”的能力进化而来；因此，前者在自然界中会比后者更为罕见，这应该指导我们选择解释。同样，Adrian Currie（2021）认为，最好将摩根准则理解为认为进化古老且高度可进化的特征更有可能在整个生命树上找到。因此，那些涉及这种“更低级”特征的解释应该优先于那些不涉及的解释。在这种观点下，一个认知特征是简单还是复杂并不重要——重要的是它的预期分类分布和可进化性。

2.4 非认知价值的作用

哲学家们认为，非认知价值，如实践和伦理价值，在科学中发挥着重要作用。这些价值需要用来评估与假设相关的不确定性风险（参见 Rudner 1953; Douglas 2009a）。假设并不是由证据演绎出来的。相反，人们必须确定在任何给定测试中假设接受的假阳性和假阴性之间的适当权衡。对于假设接受标准较高的测试将导致更多的假阴性，而对于假设接受标准较低的测试将导致更多的假阳性。通常需要考虑非认知因素来确定错误之间的正确平衡。例如，如果假阴性对我们社会有不希望发生的后果（例如，因缺乏治疗而导致死亡），而相同测试的假阳性则没有（例如，治疗是无害的且经济成本微不足道），那么我们应该偏向于假阳性。当然，通常情况并不是这么简单，需要考虑许多社会和经济因素。

比较认知学研究的结果被用来指导有关动物的法律和福利政策。例如，2013 年 12 月，一群律师、科学家和政策专家在纽约州最高法院提出了一份《人身保护令》请愿书（Grimm 2013）。《人身保护令》是一项“出示身体”的法庭命令。它要求任何拘留者或机构将被拘留者带到法庭并证明其拘留和对待的合理性。该请愿书是代表雄性黑猩猩汤米而提出的。在提出请愿书时，汤米被发现独自生活在一个黑暗的棚屋里。如果法院承认该请愿书，将要求汤米的持有者证明汤米的拘留和对待的合理性。这是第一次有关非人类动物提出《人身保护令》，如果成功，将代表美国首次有动物被赋予不被视为财产的权利。代表汤米的案件部分基于认知证据。原告辩称，黑猩猩的认知能力使得单独监禁会造成伤害。许多比较认知学研究人员和哲学家在支持这一案件中作证（见非人类权利项目：客户，汤米（黑猩猩）；Andrews，Comstock 等，2018）。因此，我们如何对待动物，以及我们认为应该如何对待动物，往往取决于我们对它们认知能力的了解（Bekoff＆Gruen 1993）。这种知识可以用来预防负面心理状态，如孤独、焦虑和痛苦，同时恢复和促进积极的心理状态。

比较认知学是否应考虑非认知价值？Jonathan Birch (2018) 认为，当比较认知研究人员面临“明确的政策应用”时，他们应调整标准以反映错误的道德后果 (2018: 1028)。Birch 提出了一个标准，以帮助确定动物福利科学家 (X) 在特定政策背景 (P) 下是否应接受某些物种 (S) 具有某种心理状态 (M) 的假设 (Birch 2018)。根据这一观点，福利科学家应在特定政策背景 P 下接受某些物种具有心理状态的假设，仅当考虑到科学家的背景知识和决定在 P 中肯定 S 具有 M 的假设的可能福利结果的总和大于考虑到科学家的背景知识和决定在 P 中不肯定 S 具有 M 的假设的可能福利结果的总和时。对于这种谨慎方法的一个关注点是，在任何给定情况下设定证明责任的位置是具有挑战性的。例如，Birch (2017) 提议将动物感知的证据标准设定为“至少在该目录中至少一种物种中存在至少一个可信的感知指标” (2017: 5)。然而，其他研究人员则反对称这一证据标准要么太弱要么太强。例如，Michael Woodruff (2017) 认为这一证据标准太弱，应提高以包括更多独立的感知指标，以减少关于原则的科学支持水平的不确定性。相反，Rachael Brown (2017b) 认为，对于那些没有统计显著证据支持单一可信感知指标，而是“多个、弱、但收敛的证据线索表明某种物种是有感知能力的” (2017b: 2) 的情况，Birch 的证据标准太严格。尽管存在这些差异，但普遍认为，预期的福利后果应影响那些具有明确政策影响的比较认知领域的证据标准，并且正确的证据标准必须根据具体情况来确定 (另见 Benz-Schwarzburg, Monsó, & Huber. 2020; Crump 等人 2022)。

3. 方法论挑战

3.1 拟人主义

动物认知研究中一个长期存在的关注是研究人员是否“拟人化”。Shettleworth 将拟人化定义为

将人类的品质归因于其他动物，通常暗示这样做没有充分的理由。(Shettleworth 2010b: 477)

“人类特质”一词指的是我们乐意接受作为人类特征的那些属性。这些特质可能包括认知能力，如未来规划、共情、有洞察力的问题解决以及重温过去经历。在比较认知学中，研究人员可能根据现有的经验证据将这些状态归因于动物。在我们日常生活中，我们也经常将类人状态归因于动物（Serpell，2005）。在这两种情况下，一个问题是一个人的归因是否正确。

关于拟人论的担忧在 20 世纪和 21 世纪影响了动物研究的方法和结论。例如，动物认知研究中的行为主义可以在某种程度上被理解为对拟人论的担忧的回应（Wynne，2007）。对于那些担心我们会错误地将类人的认知状态归因于非人类动物的人来说，一个解决方案是专注于描述观察到的环境线索和行为之间的关系。尽管传统的行为主义如今被广泛拒绝，但有当代学者认为行为主义在不愿拟人化方面有一定道理。正如 Clive Wynne（2004）所警告的那样：

旧时的行为主义可能对动物心理学施加了过多的限制。但重新引入拟人论的风险是我们在拯救婴儿时可能会把脏水重新带回来。 (2004: 606)

我们是否应该关注比较认知中的拟人主义？一个值得关注的原因是有实证研究表明，人类有将心理状态过度归因于周围物体的倾向。例如，在一项经典研究中，心理学家弗里茨·海德尔（Fritz Heider）和玛丽安娜·西梅尔（Marianne Simmel）（1944 年）向人类参与者展示了一个视频，展示了三个形状以不同的方向和速度移动。尽管这些物体是二维形状，几乎所有参与者都用拟人化或类人的术语描述了场景（例如，将形状描述为“争斗”或“追逐”彼此）。当代研究证实，人类很快就会根据行为和其他线索（如眼睛的存在）将心理状态归因于物体和代理人（Fiala, Arico, & Nichols 2011, 2014; Arico 等人 2011）。正如 Dacey（2017）所指出的，人类拟人化的倾向可能作为一种快速和经济的启发式，使人能够快速预测其他代理人的行为。然而，如果这种启发式在没有心理代理人的情况下也被激活，那么这可能导致动物认知研究中的大量误报。Dacey 认为，最佳的方法论方法不是一般禁止将类人的心理状态归因于动物，而是应用已知能有效对抗内隐偏见的方法，比如突出反刻板信息。例如，选择相对不太可能被拟人化的目标（如昆虫），并要求研究人员想象这些目标表现出智能行为，可能有助于对抗直觉上的拟人主义（Dacey 2017：1158–1161）。

避免将类人的心理状态归因于动物的第二个论点强调，存在竞争性解释可以解释所讨论的行为，这些解释并不依赖于复杂的认知能力。例如，Shettleworth（2010b）讨论了动物洞察力、心灵理论和心智时间旅行的案例。研究表明，我们在类人猿和乌鸦等动物身上发现了这些能力。然而，Shettleworth 认为我们应该抵制这一结论，因为对于这些动物观察到的行为，存在替代的、非拟人化的解释。例如，我们可以将乌鸦表现出的明智解决问题行为解释为它们自然行为库的一部分，或者解释为受到环境中的线索驱动。我们可以将类人猿表现出的心灵理论能力解释为来自于一套关于在社会情境中期望什么的学习和先天规则（见第 2 节）。关键是，除了认为复杂的心理能力可能并非为动物行为提供最佳解释外，Shettleworth 还认为这种能力可能也不是为人类行为提供最佳解释。她写道，经验研究（IGNORE）

越来越多的研究揭示了一种意想不到的角色，即人类行为中简单、无意识且有时是其他动物共享的非理性过程。对非人类物种中这种机制的更深入了解将有助于更深入、更真正的比较心理学。 (Shettleworth 2010b: 477)

Buckner (2013)另外认为，人类对自己认知能力的估计存在夸大倾向；因此，将这种感知作为评估其他动物的指导“对动物的心智产生了偏见”（2013: 853）。他将这种倾向称为“人类神话化”，它将人类中心主义（下一节）与夸大的人类智能感结合在一起。

一些研究人员认为拟人化具有科学上的好处。例如，“启发式拟人化”认为我们可以利用对人类和动物的直觉理解来产生关于动物行为的具体假设，然后在经验上测试这些假设（de Waal，1999）。换句话说，我们可以利用作为人类的经验来帮助我们产生关于其他动物（如乌鸦或狗）可能是什么样子的假设。然而，关键在于，这个想法并不是简单地把人类的视角强加给其他动物，而是要考虑到关于动物行为、进化历史、生态背景等方面的已知信息。这个想法是要以批判性的方式来做的；也就是说，以一种推测性或暂时性的方式，这样提出的假设就可以接受测试、修订或拒绝。正如 de Waal（1999）所写：

尽管我们应该不愿假设某个物种行为中没有证据支持的能力，但在没有对考虑中的假设进行精确批评的情况下，指责拟人化是毫无意义的。在达尔文的框架下，没有理由避免仅仅因为它们源自我们所属物种的行为而避免概念。将这些概念应用于动物不仅丰富了需要考虑的假设范围，而且改变了我们对自己的看法：我们允许动物变得更像人类，我们自己也会在这个过程中变得更像动物。 (1999: 272).

Andrews (2016, 2020) 也主张人类民间心理学在比较认知研究中的重要性。民间心理学可以广义地理解为我们对心理现象的人类常识理解（参见民间心理学作为一种理论的条目）。民间心理学在某种程度上是一种拟人化，因为它涉及将人类的特质应用于其他动物。Andrews 认为，民间心理学在将动物行为归类为类型方面在方法论上很重要。例如，在一项现在被认为经典的研究中，Whiten 和 Byrne（1988）收集了关于非人灵长类动物的战术欺骗的报告。“欺骗”是一个民间心理学术语，用来指代人类欺骗或欺骗另一个个体的行为。然而，尽管它起源于民间心理学，Andrews 认为这个术语为区分和分类行为提供了一个有用的起点。这些类别然后根据经验证据进行分析、更新和完善。通过这种方式识别稳健的行为类型反过来对研究导致行为的认知机制很重要（Andrews 2016a）。

3.2 人类中心主义

“人类中心主义”一词描述了将人类置于“中心”的倾向。人类中心主义可以广义地理解为人类在某种程度上是特殊或异常的主张。一些研究人员认为，对拟人化的担忧（见前一节）源自人类中心主义的立场：“当一束光照射到非人类物种时，尤其会听到拟人化的呼声”（de Waal 1999: 256）。换句话说，认为人类是特殊的信念导致了一种偏见，即不愿将人类的品质归因给其他动物。Brian Keeley（2004）认为，从历史上看，特别是在神学背景下，一些特征被认为是属于某一群体，比如人类或神灵。例如，有人可能认为只有人类拥有灵魂。在这种情况下，将灵魂归因给非人类动物是一种范畴错误：非人类动物根本不是可以拥有灵魂的事物类型。这样的归因总是错误的。Keeley 将这种“范畴拟人化”与“情境拟人化”（2004: 529，参见 Fisher 1996）进行了对比。虽然范畴拟人化涉及错误地将某种品质归因给根本不可能拥有该品质的事物，但情境拟人化涉及错误地将某种品质归因给一个代理人或系统，但这种品质原则上代理人或系统可以拥有。如果洞察力和情节记忆等认知能力是进化和发展的产物，那么原则上没有理由其他动物不应该拥有它们。另一方面，如果这些能力是涉及语言的文化传承的产物，我们就不应该期望在非语言物种中找到它们。无论哪种情况，这都是一个经验问题，就像确定动物是杂食性还是陆栖动物一样是一个经验问题。研究人员应该关注拟人化和错误地将心理状态归因给动物，同样也应该关注人类中心主义和错误的否定——当动物实际上拥有类似人类的品质时，却未将其归因给动物（Sober 2005, 2012）。这种错误的否定在文献中被称为“人类否认”和“人类切除”（de Waal 1999，Andrews & Huss 2014）。

3.3 不确定性

比较认知学中的一个重要挑战是，关于认知的主张往往在行为证据下是不确定的。正如托马塞洛（Tomasello）和卡尔（Call）所指出的，“完全相同的行为可能由非常不同的认知机制支撑”（2008: 451）。广义上，当可用证据未能指示我们应该对假设持何种信念时，假设就是不确定的（参见科学理论不确定性条目）。例如，如果两个假设在可用数据中得到同等支持，我们可能无法在它们之间做出选择（对比不确定性）。或者如果一个假设被发现与实证结果不相容，我们可能不知道是拒绝该假设还是拒绝其他背景假设（整体主义不确定性）。不确定性问题在各个科学领域中都有。然而，在认知科学中，这个问题尤为突出，因为认知系统的不透明和复杂性质。

我们在讨论行为的认知和联想解释时遇到了对比性不确定性的一个例子（第 2.2 节）。在那里，我们看到一些竞争性假设似乎都得到了经验数据的同等支持：例如，关于鸦科鸟类问题解决行为的因果推理和联想学习解释（参见 Taylor, Medina 等人 2010 年）。如果“联想假设可以事后为每个实验结果构建”是真的（Starzak & Gray 2021: 4），那么仅仅发现自己的因果推理假设符合特定的实验结果并不足以接受它而不考虑其他可用的联想假设。相反，人们必须诉诸其他因素，比如认识价值（第 2.3 节），来确定假设的选择。

比较认知学中另一个重要的不确定性来源在于目标认知现象的结构和功能通常是不确定的，并且可以进行修订。例如，自 1970 年代以来，已经有大量研究致力于确定非人类大型类人猿（如黑猩猩）是否具有“心灵理论”（ToM）或者将心理状态归因于其他代理人的能力。在启动这一研究项目的经典论文中，David Premack 和 Guy Woodruff 写道：

我们推测黑猩猩可能具有一种“心灵理论”，与我们自己的心灵理论并没有明显不同。（Premack & Woodruff 1978: 515）

然而，他们补充说，黑猩猩的心智理论可能在重要方面与人类的心智理论不同，例如，在推断的心理状态类型上。此外，在动物心智理论的研究中，研究人员对目标现象的理解和相关背景假设随着新发现而发生了变化。例如，研究人员并没有拒绝黑猩猩将感知状态归因于其他代理者的假设，而是将一些负面结果解释为由于其他因素（例如，生态效度不足或实验设计不佳）（Hare 等，2000 年；Kaminski 等，2004 年；Bräuer 等，2007 年）。这进而导致了关于需要哪些额外实验控制以成功检测自变量和因变量之间关系的建议（见第 2.1 节）。哲学家们指出，对目标现象的这种修订理解在生物学和认知科学中发挥着重要作用（Bechtel，2008 年；Bechtel 和 Richardson，1993 年 [2010]）。然而，以这种方式修订现象会导致不确定性：面对冲突数据，研究人员不清楚是否应该拒绝目标假设还是对其进行修订（整体不确定性的一个实例）。

3.4 签名和维度

一种克服欠决问题的方法是对假设构建和评估提供额外的约束。关于如何做到这一点，文献中最近提出了几个建议。例如，Alex Taylor 和同事认为，比较认知研究人员目前过于关注动物是否在特定实验任务中取得成功（Taylor, Bastos 等人，2022 年）。在他们看来，这种方法的问题在于它未能充分约束假设空间——有太多可能的假设可以解释这种成功。鉴于此，研究人员应该寻求识别

包括代理人展示的所有信息处理模式，如错误、限制和偏见（无论是中性的、适应性的还是不适应性的），以有效约束认知假设空间的广度。（Taylor, Bastos 等人，2022 年：3）

Taylor 和同事将这称为“签名测试”（与“成功测试”相对）。 “签名”是指任何证据模式，它限制了与感兴趣现象相关的假设空间（根据它限制假设空间的程度，可以是弱诊断或强诊断）。 一个成功的假设应该能够解释认知过程的所有签名，而不仅仅是动物在实验任务中的成功表现。

Starzak 和 Gray (2021)同样敦促研究人员制定更精细的认知现象概念化方法。例如，关于因果理解的认知现象，他们写道：

在思考因果理解的本质时，我们应该考虑生物在以下方面可能存在的差异：他们能够获取的信息类型；他们可以利用的不同因果信息来源；他们处理信息的方式以及整合不同类型信息或来自不同来源的信息的能力；以及他们利用这些信息指导行为的灵活性。 (2021: 9)

像签名测试一样，这种多维方法比单纯询问动物是否“具有因果理解”更为微妙。它还有助于解决联想学习和复杂认知不一定是互斥的问题（第 2.2 节）。与其问一个实验结果是否最好通过诉诸联想学习或因果理解来解释，不如可以同时引用这两种解释：联想学习可能解释了在某些情况下如何获得因果信息，而认知模型可能解释了如何整合因果信息。研究人员在行为创新（Brown, 2022）和动物意识（Birch, Schnell, & Clayton, 2020，参见动物认知条目中关于意识的部分）领域倡导类似的多维方法。总之，对认知和行为采取更精细的方法可能有助于限制假设空间，避免主要的不确定性问题。

3.5 可重复性

在心理学中，可重复性和复制性通常指重新进行实验以评估其可靠性。如果一项研究是可靠的，那么再次运行这项研究应该会产生相同的结果。如果复制失败，那么这可能意味着原始结果是由于测量误差、抽样误差、操作不精确、可疑的研究实践或其他因素导致的（有关概述，请参见 Romero（2019）和科学结果可重复性条目）。过去二十年来，各个领域，包括医学、计算机科学和心理学，努力复制研究的努力有所增加（Bohannon 2014）。这导致一些人描述为“复制危机”，因为令人惊讶的许多研究未能复制。例如，Open Science Collaboration 的 270 名心理学家尝试复制 100 项研究的努力发现，只有 38%的原始结果得到了明确的复制，一些尝试的复制发现效果与原始研究相反（Bohannon 2015）。这类发现导致研究人员开始思考比较认知是否也存在复制危机，如果是，如何改进这一领域（Brecht 等，2021）。例如，在最近的一项调查中，比较认知研究人员被问及他们对复制的看法（Farrar，Ostojić 和 Clayton，2021）。在 210 名受访者中，大多数人同意（34.8%）或强烈同意（54.8%）在动物认知研究中进行复制是重要的。大多数人也不同意（55.5%）或强烈不同意（23.6%）在该领域已经进行了足够的复制。

尽管以上调查结果，比较认知学被描述为“复制努力的绝对灯塔”（Beran 2018: 2）。Beran（2018）指出，该领域的标准是进行一系列实验，第一次实验是对启发工作的研究进行复制，随后的实验致力于扩展该实验（2018: 2）。Halina（2021a）也认为，比较认知学中的复制研究很常见。她采纳了 Edouard Machery 的复制再抽样解释（Machery 2020），展示了在这种观点下，成功的复制研究在黑猩猩心灵理论研究等领域经常发生。如果复制成功是可靠性的明确指标，那么这对比较认知学来说是个好消息。然而，情况却受到几个因素的复杂影响。首先，失败的复制研究很难解释。通常情况下，复制研究会在几个方面与原始研究不同：在这种情况下，可能将失败归因于这些差异（Colaço、Bickle 和 Walters（2022）称之为“不匹配解释”）。例如，在黑猩猩心灵理论研究中，经常会通过对实验设置的变化来解释失败的复制研究（Halina 2021a）。正如我们在第 3.3 节中看到的，背景假设的修订是科学的重要组成部分。然而，这种修订意味着失败的复制研究通常不会被解释为削弱可靠性（Nosek、Spies 和 Motyl 2012）。正如 Alexandria Boyle（2021）所指出的，出于这个原因和其他原因，比较认知学中的复制研究是。

无法清晰判断比较认知学方法的可靠性或其科学资质。(2021: 296, 另见 Feest 2019)

另一个复杂化情况的因素是“文件抽屉问题”，指的是未能发现统计显著结果的研究可能被置于文件抽屉中（即未被发表或传达给更广泛的科学界）。在上述引用的调查中，比较认知研究人员还被问及“您进行的研究中有多少百分比已经发表或您认为将会发表？”（Farrar, Ostojić, & Clayton 2021）。中位数回答为 80%，但分布较广（在 210 个回答中，有 23 个表示他们发表了 50%或更少的研究，而有 17 个报告说他们发表了所有的研究）。29 名受访者称未发表负面或无趣的结果是不发表的原因（2021: 18）。文件抽屉问题与对失败复制的不匹配解释相结合，可能会通过报告许多成功复制来创造可靠性的印象，而事实上记录是混合的。

如果单纯的复制并不能带来更加健壮的研究，那么还有什么能够帮助呢？Beran（2018）强调了预注册的重要性。预注册包括在数据收集之前发布将在研究中使用的方法和统计分析。这可以防止人们调整或“操纵”实验设计和数据分析的要素，以获得积极的结果。Farrar、Voudouris 和 Clayton（2021）还提出了几种比较认知研究人员可以使用的方法，以评估小样本研究的可靠性，例如统计建模变异。更广泛地，Felipe Romero（2020）认为科学激励结构需要进行重大改变：特别是，从奖励新颖性转向奖励复制和确认工作。在这方面，Brecht 等人（2021）指出，虽然在比较认知领域仍然存在许多不利因素来进行复制研究，但该领域正在努力改进这一点。例如，期刊《动物行为与认知》承诺发布预注册研究（包括复制研究）无论结果如何。此外，几个新的全球联盟（如 ManyPrimates、ManyBirds 和 ManyDogs）已经成立，明确旨在评估可靠性，鼓励透明度，支持大型合作，促进其他开放科学实践（请参见其他互联网资源）。

4. Comparative Cognition as 比较认知学

在过去的十年中，比较认知学和人工智能（AI）研究之间有大量的合作工作。一方面，AI 中开发的形式模型可以用来预测和解释动物行为，超越了民间心理学的解释方式。另一方面，比较认知学的方法适合用来指导 AI 研究，考虑到生命之树中发现的行为多样性和信息处理能力。我们将在这里考虑这两个方面，同时强调为什么动物-AI 的推断应该谨慎处理。

Colin Allen (2014) 认为，比较认知学将极大受益于发展数学严谨的形式模型。正如我们在本文中所看到的，比较认知学研究者经常依赖直觉、自然语言概念来构建动物心智的解释，如因果推理、心智时间旅行、想象力和自我认知（参见 Schnell 等人，2021b）。关于这种方法，Allen (2014) 写道：

指导比较动物认知学大部分研究工作的概念框架（无论是由行为学家还是心理学家进行）在长期支持严格科学方面尚未得到充分形式化。（2014: 82）

然而，对于更正式的方法，有一个担忧，即它们将无法“扩展”以预测和解释许多比较认知研究人员感兴趣的行为现象，例如自然社会和物理互动。然而，人工智能领域的工作开始显示出有办法弥合这一差距。例如，Peter Battaglia 和同事们提出了一个形式化的心理模型，即“直觉物理引擎”（IPE），类似于交互式视频游戏中使用的机器物理引擎（Battaglia，Hamrick 和 Tenenbaum，2013 年，另请参见 Ullman 等人，2017 年）。IPE 是概率性的，并且过度简化了物体的性质，比如它们的几何形状和质量密度分布，但已经被开发出来解释人们如何在动态和嘈杂的世界中迅速推断物理场景。Battaglia 和同事发现，这个形式化模型确实捕捉到了人们对物理场景（比如“这个积木塔会倒吗？”）的直觉和预测，涵盖了各种复杂和新颖情景。此外，该模型不仅捕捉到了成功的预测，还捕捉到了人类判断的其他特征，比如错觉和偏见（见第 3.4 节）。

以上的工作利用人工智能来解释人类的认知和行为。然而，这些方法也被应用于非人类动物。例如，许多当代人工智能依赖于强化学习（RL）的工具。这些技术涉及将环境的状态与代理的行为联系起来，使代理能够最大化未来的奖励。强化学习的工具最初受到动物学习研究的启发（Hassabis 等人，2017 年）；然而，它们后来被人工智能研究人员以一种方式发展，可以为动物行为带来新的见解。例如，时间差分（TD）模型已被用来解释动物经典条件作用研究的广泛结果（参见 Sutton＆Barto，1998 年：第 14 章）。同样，Buckner（2018 年）借鉴了深度卷积神经网络（DCNNs）的研究成果，解释了人类和动物之间感觉体验与抽象类别表征之间的关系——这是心灵哲学中一个长期存在的问题。Halina（2021b）还展示了如何通过蒙特卡洛树搜索理解动物洞察性问题解决的方面（即，心理情景构建）。最后，Bohn 等人（2022 年）提出了一个大猩猩沟通的贝叶斯计算模型，他们展示了这个模型准确预测了生活在赞比亚钦丰希野生动物孤儿院的半野生黑猩猩的交流互动。这些是一些研究人员利用人工智能进行形式化模型的例子，这些模型可以成功地应用于捕捉动物的心智和行为（另请参见 van der Vaart 等人，2012 年）。

人工智能研究的一个主要目标是构建“像人一样学习和思考”的机器（Lake 等人，2017 年）。目前，有许多人工智能系统在各种任务上与甚至超过人类，比如下棋和围棋的能力，甚至进行科学发现（Shevlin 等人，2019 年）。然而，如何构建具有领域通用智能或“常识”的机器仍然是一个难题。这一挑战促使一些研究人员认为，动物认知研究提供了构建思考机器的最佳途径。动物展示了许多人类常识的“基本要素”，比如对物体及其功能、空间和因果关系的理解（Shanahan 等人，2020 年）。通过应用强化学习技术，也可以训练人工智能代理在类似于现实世界的 3D 虚拟环境中。利用这种方法，可以结合不同的强化学习架构和训练环境，以鼓励领域通用能力的发展。正如 Murray Shanahan 及其同事所写，Comparative Cognition as 比较认知学。

动物认知提供了一系列被充分理解的非语言智能行为；它提出了评估和基准测试的实验方法；并且可以指导环境和任务设计。(2020: 863；另见 Crosby 2020)

这样的工作已经在进行中。例如，Animal-AI Testbed 应用比较认知中开发的实验协议来测试人工智能（Crosby, Beyret, & Halina 2019; Crosby, Beyret 等，2020）。2019 年，该测试平台包括 300 个任务，分为 12 个类别，如空间排除、延迟满足、数量性和工具使用任务。Konstantinos Voudouris 和他的同事（2022）将人工智能在这个测试平台上的表现与 6-10 岁儿童进行了比较。他们发现，儿童和人工智能在基本导航任务上表现类似，但在物体永恒性和绕道任务等更复杂的任务上，儿童的表现优于人工智能。

从动物-人工智能比较中可以获益良多。这样的工作可能代表了比较认知领域变革的开端，将人工系统纳入其中。这也可能导致认知模型的发展，弥合直觉性能力如想象力和因果推理与数学和计算模型之间的鸿沟。然而，当将“丰富的心理概念”如意识、情景记忆和心灵理论应用于人工智能时，也应谨慎行事（Shevlin & Halina 2019）。一些这样的概念具有规范维度，例如，表明潜在的道德行为者或道德受害者。在在人工智能的背景下采用术语之前，应该认识到这些规范维度的重要性，特别是如果该术语在两个背景中的使用方式不同的话。人工智能的发现也可能极大地改变我们对某些认知能力的理解。与采用现有的认知概念不同，在某些情况下，在人工智能的背景下开发一种全新的方法可能更为有益。如果成功，这样的方法随后可以引入比较认知，并有可能彻底改变我们对动物心智的理解。

Bibliography

  • Allen, Colin, 2006, “Transitive Inference in Animals: Reasoning or Conditioned Associations?”, in Hurley and Nudds 2006: 175–186. doi:10.1093/acprof:oso/9780198528272.003.0007

  • –––, 2014, “Models, Mechanisms, and Animal Minds”, The Southern Journal of Philosophy, 52(S1): 75–97. doi:10.1111/sjp.12072

  • –––, 2017, “On (Not) Defining Cognition”, Synthese, 194(11): 4233–4249. doi:10.1007/s11229-017-1454-4

  • Allen, Colin and Marc Bekoff, 1997, Species of Mind: The Philosophy and Biology of Cognitive Ethology, Cambridge, MA: MIT Press. doi:10.7551/mitpress/6395.001.0001

  • Aplin, Lucy M., Ben C. Sheldon, and Julie Morand-Ferron, 2013, “Milk Bottles Revisited: Social Learning and Individual Variation in the Blue Tit, Cyanistes caeruleus”, Animal Behaviour, 85(6): 1225–1232. doi:10.1016/j.anbehav.2013.03.009

  • Amodio, Piero, Markus Boeckle, Alexandra K. Schnell, Ljerka Ostojíc, Graziano Fiorito, and Nicola S. Clayton, 2019, “Grow Smart and Die Young: Why Did Cephalopods Evolve Intelligence?”, Trends in Ecology & Evolution, 34(1): 45–56. doi:10.1016/j.tree.2018.10.010

  • Andrews, Kristin, 2015 [2020], The Animal Mind: An Introduction to the Philosophy of Animal Cognition, London: Routledge. Second edition, New York: Routledge, 2020. doi:10.4324/9780203712511.

  • –––, 2016, “Pluralistic Folk Psychology in Humans and Other Apes”, in The Routledge Handbook of Philosophy of the Social Mind, Julian Kiverstein (ed.), London: Routledge, 133–154 (chapter 7).

  • –––, 2020, How to Study Animal Minds, Cambridge/New York: Cambridge University Press. doi:10.1017/9781108616522

  • Andrews, Kristin and Jacob Beck (eds.), 2017, The Routledge Handbook of Philosophy of Animal Minds, New York: Routledge. doi:10.4324/9781315742250

  • Andrews, Kristin, Gary Comstock, G.K.D. Crozier, Sue Donaldson, Andrew Fenton, Tyler M. John, L. Syd M. Johnson, Robert C. Jones, Will Kymlicka, Letitia Meynell, Nathan Nobis, David Peña-Guzmán, and Jeff Sebo, 2018, Chimpanzee Rights: The Philosophers’ Brief, New York: Routledge. doi:10.4324/9780429461071

  • Andrews, Kristin and Brian Huss, 2014, “Anthropomorphism, Anthropectomy, and the Null Hypothesis”, Biology & Philosophy, 29(5): 711–729. doi:10.1007/s10539-014-9442-2

  • Arico, Adam, Brian Fiala, Robert F. Goldberg, and Shaun Nichols, 2011, “The Folk Psychology of Consciousness”, Mind & Language, 26(3): 327–352. doi:10.1111/j.1468-0017.2011.01420.x

  • Avital, Eytan and Eva Jablonka, 2000, Animal Traditions: Behavioural Inheritance in Evolution, Cambridge/New York: Cambridge University Press. doi:10.1017/CBO9780511542251

  • Bandini, Elisa and Rachel A. Harrison, 2020, “Innovation in Chimpanzees”, Biological Reviews, 95(5): 1167–1197. doi:10.1111/brv.12604

  • Bastos, Amalia P. M. and Alex H. Taylor, 2020, “Kea Show Three Signatures of Domain-General Statistical Inference”, Nature Communications, 11: article 828. doi:10.1038/s41467-020-14695-1

  • Battaglia, Peter W., Jessica B. Hamrick, and Joshua B. Tenenbaum, 2013, “Simulation as an Engine of Physical Scene Understanding”, Proceedings of the National Academy of Sciences, 110(45): 18327–18332. doi:10.1073/pnas.1306572110

  • Bausman, William C., 2018, “Modeling: Neutral, Null, and Baseline”, Philosophy of Science, 85(4): 594–616. doi:10.1086/699021

  • Bausman, William and Marta Halina, 2018, “Not Null Enough: Pseudo-Null Hypotheses in Community Ecology and Comparative Psychology”, Biology & Philosophy, 33(3–4): article 30. doi:10.1007/s10539-018-9640-4

  • Bechtel, William, 2008, Mental Mechanisms: Philosophical Perspectives on Cognitive Neuroscience, New York: Routledge. doi:10.4324/9780203810095

  • Bechtel, William and Robert C. Richardson, 1993 [2010], Discovering Complexity: Decomposition and Localization as Strategies in Scientific Research, Princeton, NJ: Princeton University Press. New edition, Cambridge, MA: The MIT Press, 2010.

  • Bekoff, Marc and Lofe Gruen, 1993, “Animal Welfare and Individual Characteristics: A Conversation Against Speciesism”, Ethics & Behavior, 3(2): 163–175. doi:10.1207/s15327019eb0302_2

  • Benz-Schwarzburg, Judith, Susana Monsó, and Ludwig Huber, 2020, “How Dogs Perceive Humans and How Humans Should Treat Their Pet Dogs: Linking Cognition With Ethics”, Frontiers in Psychology, 11: 584037. doi:10.3389/fpsyg.2020.584037

  • Beran, Michael J., 2018, “Replication and Pre-Registration in Comparative Psychology”, International Journal of Comparative Psychology, 31. doi:10.46867/ijcp.2018.31.01.09

  • Birch, Jonathan, 2017, “Animal Sentience and the Precautionary Principle”, Animal Sentience, 2(16): article 1. doi:10.51291/2377-7478.1200

  • –––, 2018, “Animal Cognition and Human Values”, Philosophy of Science, 85(5): 1026–1037. doi:10.1086/699744

  • Birch, Jonathan, Alexandra K. Schnell, and Nicola S. Clayton, 2020, “Dimensions of Animal Consciousness”, Trends in Cognitive Sciences, 24(10): 789–801. doi:10.1016/j.tics.2020.07.007

  • Boesch, Christophe, 2022, “What Does a Notion of Weight Mean to Chimpanzees?”, Animal Behavior and Cognition, 9(2): 222–238. doi:10.26451/abc.09.02.07.2022

  • Bohannon, John, 2014, “Replication Effort Provokes Praise—and ‘Bullying’ Charges”, Science, 344(6186): 788–789. doi:10.1126/science.344.6186.788

  • –––, 2015, “Many Psychology Papers Fail Replication Test”, Science, 349(6251): 910–911. doi:10.1126/science.349.6251.910

  • Bohn, Manuel, Katja Liebal, Linda Oña, and Michael Henry Tessler, 2022, “Great Ape Communication as Contextual Social Inference: A Computational Modelling Perspective”, Philosophical Transactions of the Royal Society B: Biological Sciences, 377(1859): 20210096. doi:10.1098/rstb.2021.0096

  • Boyle, Alexandria, 2021, “Replication, Uncertainty and Progress in Comparative Cognition”, Animal Behavior and Cognition, 8(2): 296–304. doi:10.26451/abc.08.02.15.2021

  • Brakes, Philippa, Sasha R. X. Dall, Lucy M. Aplin, Stuart Bearhop, Emma L. Carroll, Paolo Ciucci, Vicki Fishlock, John K. B. Ford, Ellen C. Garland, Sally A. Keith, Peter K. McGregor, Sarah L. Mesnick, Michael J. Noad, Giuseppe Notarbartolo Di Sciara, Martha M. Robbins, Mark P. Simmonds, Fernando Spina, Alex Thornton, Paul R. Wade, Martin J. Whiting, et al., 2019, “Animal Cultures Matter for Conservation”, Science, 363(6431): 1032–1034. doi:10.1126/science.aaw3557

  • Bräuer, Juliane, Josep Call, and Michael Tomasello, 2007, “Chimpanzees Really Know What Others Can See in a Competitive Situation”, Animal Cognition, 10(4): 439–448. doi:10.1007/s10071-007-0088-1

  • Brecht, Katharina F., Edward W. Legg, Christian Nawroth, Hannah Fraser, and Ljerka Ostojić, 2021, “The Status and Value of Replications in Animal Behavior Science”, Animal Behavior and Cognition, 8(2): 97–106. doi:10.26451/abc.08.02.01.2021

  • Brigandt, Ingo, 2007, “Typology Now: Homology and Developmental Constraints Explain Evolvability”, Biology & Philosophy, 22(5): 709–725. doi:10.1007/s10539-007-9089-3

  • Brown, Rachael L., 2013, “Learning, Evolvability and Exploratory Behaviour: Extending the Evolutionary Reach of Learning”, Biology & Philosophy, 28(6): 933–955. doi:10.1007/s10539-013-9396-9

  • –––, 2017a, “Animal Traditions: What They Are, and Why They Matter”, in Andrews and Beck 2017: 362–371 (chapter 34).

  • –––, 2017b, “Not Statistically Significant, but Still Scientific”, Animal Sentience, 2(16): article 14. doi:10.51291/2377-7478.1247

  • –––, 2022, “Mapping Out the Landscape: A Multi-Dimensional Approach to Behavioral Innovation”, Philosophy of Science, 89(5): 1176–1185. doi:10.1017/psa.2022.42

  • Buckner, Cameron, 2011, “Two Approaches to the Distinction between Cognition and ‘Mere Association’”, International Journal of Comparative Psychology, 24(4): 314–348. doi:10.46867/IJCP.2011.24.04.06

  • –––, 2013, “Morgan’s Canon, Meet Hume’s Dictum: Avoiding Anthropofabulation in Cross-Species Comparisons”, Biology & Philosophy, 28(5): 853–871. doi:10.1007/s10539-013-9376-0

  • –––, 2017, “Understanding Associative and Cognitive Explanations in Comparative Psychology”, in Andrews and Beck 2017: 409–418 (chapter 39).

  • –––, 2018, “Empiricism without Magic: Transformational Abstraction in Deep Convolutional Neural Networks”, Synthese, 195(12): 5339–5372. doi:10.1007/s11229-018-01949-1

  • –––, forthcoming, From Deep Learning to Rational Machines: What the History of Philosophy Can Teach Us about the Future of Artificial Intelligence, Oxford: Oxford University Press.

  • Byrne, Richard W. and Andrew Whiten (eds.), 1988, Machiavellian Intelligence: Social Expertise and the Evolution of Intellect in Monkeys, Apes, and Humans, Oxford: Clarendon Press.

  • Clark, Jason A., 2010, “Relations of Homology between Higher Cognitive Emotions and Basic Emotions”, Biology & Philosophy, 25(1): 75–94. doi:10.1007/s10539-009-9170-1

  • Clayton, Nicola S. and Anthony Dickinson, 1998, “Episodic-like Memory during Cache Recovery by Scrub Jays”, Nature, 395(6699): 272–274. doi:10.1038/26216

  • Clayton, N. S., D. P. Griffiths, N. J. Emery, and A. Dickinson, 2001, “Elements of Episodic–like Memory in Animals”, Philosophical Transactions of the Royal Society of London. Series B: Biological Sciences, 356(1413): 1483–1491. doi:10.1098/rstb.2001.0947

  • Colaço, David, John Bickle, and Bradley Walters, 2022, “When Should Researchers Cite Study Differences in Response to a Failure to Replicate?”, Biology & Philosophy, 37(5): article 39. doi:10.1007/s10539-022-09873-y

  • Cristol, Daniel A., Paul V. Switzer, Kara L. Johnson, and Leah S. Walke, 1997, “Crows Do Not Use Automobiles as Nutcrackers: Putting an Anecdote to the Test”, The Auk, 114(2): 296–298. doi:10.2307/4089172

  • Crosby, Matthew, 2020, “Building Thinking Machines by Solving Animal Cognition Tasks”, Minds and Machines, 30(4): 589–615. doi:10.1007/s11023-020-09535-6

  • Crosby, Matthew, Benjamin Beyret, and Marta Halina, 2019, “The Animal-AI Olympics”, Nature Machine Intelligence, 1(5): 257–257. doi:10.1038/s42256-019-0050-3

  • Crosby, Matthew, Benjamin Beyret, Murray Shanahan, José Hernández-Orallo, Lucy Cheke, and Marta Halina, 2020, “The Animal-AI Testbed and Competition”, in Proceedings of the NeurIPS 2019 Competition and Demonstration Track, PMLR, 164–176. [Crosby et al. 2020 available online]

  • Crump, Andrew, Heather Browning, Alex Schnell, Charlotte Burn, and Jonathan Birch, 2022, “Sentience in Decapod Crustaceans: A General Framework and Review of the Evidence”, Animal Sentience, 7(32): article 1. doi:10.51291/2377-7478.1691

  • Currie, Adrian, 2021, Comparative Thinking in Biology, (Cambridge Elements. Elements in the Philosophy of Biology), Cambridge: Cambridge University Press. doi:10.1017/9781108616683

  • Dacey, Mike, 2016, “The Varieties of Parsimony in Psychology”, Mind & Language, 31(4): 414–437. doi:10.1111/mila.12113

  • –––, 2017, “Anthropomorphism as Cognitive Bias”, Philosophy of Science, 84(5): 1152–1164. doi:10.1086/694039

  • –––, 2023, “Evidence in Default: Rejecting Default Models of Animal Minds”, The British Journal for the Philosophy of Science, 74(2): 291–312. doi:10.1086/714799

  • De Waal, Frans B. M., 1999, “Anthropomorphism and Anthropodenial: Consistency in Our Thinking about Humans and Other Animals”, Philosophical Topics, 27(1): 255–280. doi:10.5840/philtopics199927122

  • Dickinson, Anthony, 2012, “Associative Learning and Animal Cognition”, Philosophical Transactions of the Royal Society B: Biological Sciences, 367(1603): 2733–2742. doi:10.1098/rstb.2012.0220

  • Douglas, Heather E., 2009a, Science, Policy, and the Value-Free Ideal, Pittsburgh, PA: University of Pittsburgh Press.

  • –––, 2009b, “Reintroducing Prediction to Explanation”, Philosophy of Science, 76(4): 444–463. doi:10.1086/648111

  • –––, 2013, “The Value of Cognitive Values”, Philosophy of Science, 80(5): 796–806. doi:10.1086/673716

  • Douglas, Heather and P.D. Magnus, 2013, “State of the Field: Why Novel Prediction Matters”, Studies in History and Philosophy of Science Part A, 44(4): 580–589. doi:10.1016/j.shpsa.2013.04.001

  • Ereshefsky, Marc, 2007, “Psychological Categories as Homologies: Lessons from Ethology”, Biology & Philosophy, 22(5): 659–674. doi:10.1007/s10539-007-9091-9

  • –––, 2012, “Homology Thinking”, Biology & Philosophy, 27(3): 381–400. doi:10.1007/s10539-012-9313-7

  • Farrar, Benjamin G., Ljerka Ostojić, and Nicola S. Clayton, 2021, “The Hidden Side of Animal Cognition Research: Scientists’ Attitudes toward Bias, Replicability and Scientific Practice”, PLoS ONE, 16(8): e0256607. doi:10.1371/journal.pone.0256607

  • Farrar, Benjamin G., Konstantinos Voudouris, and Nicola S. Clayton, 2021, “Replications, Comparisons, Sampling and the Problem of Representativeness in Animal Cognition Research”, Animal Behavior and Cognition, 8(2): 273–295. doi:10.26451/abc.08.02.14.2021

  • Feest, Uljana, 2019, “Why Replication Is Overrated”, Philosophy of Science, 86(5): 895–905. doi:10.1086/705451

  • Fiala, Brian, Adam Arico, and Shaun Nichols, 2011, “On the Psychological Origins of Dualism: Dual-Process Cognition and the Explanatory Gap”, in Creating Consilience: Integrating the Sciences and the Humanities, Edward Slingerland and Mark Collard (eds.), New York: Oxford University Press, 88–110 (chapter 4). doi:10.1093/acprof:oso/9780199794393.003.0005

  • –––, 2014, “You, Robot”, in Current Controversies in Experimental Philosophy, Edouard Machery and Elizabeth O’Neill (eds.), New York: Routledge, 31–47.

  • Fisher, John Andrew, 1996, “The Myth of Anthropomorphism John Andrew Fisher”, in Readings in Animal Cognition, Marc Bekoff and Dale Jamison (eds.), Cambridge, MA: MIT Press, 3–16.

  • Fitzpatrick, Simon, 2008, “Doing Away with Morgan’s Canon”, Mind & Language, 23(2): 224–246. doi:10.1111/j.1468-0017.2007.00338.x

  • Fitzpatrick, Simon and Kristin Andrews, 2022, “Animal Culture and Animal Welfare”, Philosophy of Science, 89(5): 1104–1113. doi:10.1017/psa.2022.34

  • Fitzpatrick, Simon and Grant Goodrich, 2017, “Building a Science of Animal Minds: Lloyd Morgan, Experimentation, and Morgan’s Canon”, Journal of the History of Biology, 50(3): 525–569. doi:10.1007/s10739-016-9451-x

  • Fletcher, Logan and Peter Carruthers, 2013, “Behavior-Reading versus Mentalizing in Animals”, in Agency and Joint Attention, Janet Metcalfe and Herbert S. Terrace (eds.), New York: Oxford University Press, 82–99. doi:10.1093/acprof:oso/9780199988341.003.0005

  • Garcia-Pelegrin, Elias, Alexandra K. Schnell, Clive Wilkins, and Nicola S. Clayton, 2021, “Exploring the Perceptual Inabilities of Eurasian Jays ( Garrulus glandarius ) Using Magic Effects”, Proceedings of the National Academy of Sciences, 118(24): e2026106118. doi:10.1073/pnas.2026106118

  • Gibbons, Matilda, Elisabetta Versace, Andrew Crump, Bartosz Baran, and Lars Chittka, 2022, “Motivational Trade-Offs and Modulation of Nociception in Bumblebees”, Proceedings of the National Academy of Sciences, 119(31): e2205821119. doi:10.1073/pnas.2205821119

  • Griffiths, Paul E., 1997, What Emotions Really Are: The Problem of Psychological Categories, (Science and Its Conceptual Foundations), Chicago, IL: University of Chicago Press.

  • –––, 2007a, “The Phenomena of Homology”, Biology & Philosophy, 22(5): 643–658. doi:10.1007/s10539-007-9090-x

  • –––, 2007b, “Evo-Devo Meets the Mind”, in Integrating Evolution and Development: From Theory to Practice, Roger Sansom and Robert N. Brandon (eds.), Cambridge, MA: The MIT Press, 195–225. doi:10.7551/mitpress/7465.003.0008

  • Grimm, David, 2013, “Lawsuits Seek ‘Personhood’ for Chimpanzees”, Science, 342(6163): 1154–1155. doi:10.1126/science.342.6163.1154

  • Halina, Marta, 2021a, “Replications in Comparative Psychology”, Animal Behavior and Cognition, 8(2): 263–272. doi:10.26451/abc.08.02.13.2021

  • –––, 2021b, “Insightful Artificial Intelligence”, Mind & Language, 36(2): 315–329. doi:10.1111/mila.12321

  • –––, 2022, “Unlimited Associative Learning as a Null Hypothesis”, Philosophy of Science, 89(5): 1186–1195. doi:10.1017/psa.2022.66

  • Hanus, Daniel, 2016, “Causal Reasoning versus Associative Learning: A Useful Dichotomy or a Strawman Battle in Comparative Psychology?”, Journal of Comparative Psychology, 130(3): 241–248. doi:10.1037/a0040235

  • Hare, Brian, Josep Call, Bryan Agnetta, and Michael Tomasello, 2000, “Chimpanzees Know What Conspecifics Do and Do Not See”, Animal Behaviour, 59(4): 771–785. doi:10.1006/anbe.1999.1377

  • Hassabis, Demis, Dharshan Kumaran, Christopher Summerfield, and Matthew Botvinick, 2017, “Neuroscience-Inspired Artificial Intelligence”, Neuron, 95(2): 245–258. doi:10.1016/j.neuron.2017.06.011

  • Healy, Susan D. and T. Andrew Hurly, 2003, “Cognitive Ecology: Foraging in Hummingbirds as a Model System”, in Advances in the Study of Behavior, Volume 32, New York: Elsevier, 325–359. doi:10.1016/S0065-3454(03)01007-6

  • Heider, Fritz and Marianne Simmel, 1944, “An Experimental Study of Apparent Behavior”, The American Journal of Psychology, 57(2): 243–259. doi:10.2307/1416950

  • Herrmann, Esther, Josep Call, María Victoria Hernàndez-Lloreda, Brian Hare, and Michael Tomasello, 2007, “Humans Have Evolved Specialized Skills of Social Cognition: The Cultural Intelligence Hypothesis”, Science, 317(5843): 1360–1366. doi:10.1126/science.1146282

  • Heyes, Cecilia, 2012, “Simple Minds: A Qualified Defence of Associative Learning”, Philosophical Transactions of the Royal Society B: Biological Sciences, 367(1603): 2695–2703. doi:10.1098/rstb.2012.0217

  • Heyes, Cecilia and Anthony Dickinson, 1990, “The Intentionality of Animal Action”, Mind & Language, 5(1): 87–103. doi:10.1111/j.1468-0017.1990.tb00154.x

  • Hurley, Susan and Matthew Nudds (eds.), 2006, Rational Animals? Oxford: Oxford University Press. doi:10.1093/acprof:oso/9780198528272.001.0001

  • Jablonka, Eva and Marion J. Lamb, 2008, “Soft Inheritance: Challenging the Modern Synthesis”, Genetics and Molecular Biology, 31(2): 389–395. doi:10.1590/S1415-47572008000300001

  • Jozet-Alves, Christelle, Marion Bertin, and Nicola S. Clayton, 2013, “Evidence of Episodic-like Memory in Cuttlefish”, Current Biology, 23(23): R1033–R1035. doi:10.1016/j.cub.2013.10.021

  • Kaminski, Juliane, Josep Call, and Michael Tomasello, 2004, “Body Orientation and Face Orientation: Two Factors Controlling Apes? Begging Behavior from Humans”, Animal Cognition, 7(4): 216–223. doi:10.1007/s10071-004-0214-2

  • Keeley, Brian L., 2004, “Anthropomorphism, Primatomorphism, Mammalomorphism: Understanding Cross-Species Comparisons”, Biology & Philosophy, 19(4): 521–540. doi:10.1007/sBIPH-004-0540-4

  • Krupenye, Christopher and Josep Call, 2019, “Theory of Mind in Animals: Current and Future Directions”, WIREs Cognitive Science, 10(6): e1503. doi:10.1002/wcs.1503

  • Lake, Brenden M., Tomer D. Ullman, Joshua B. Tenenbaum, and Samuel J. Gershman, 2017, “Building Machines That Learn and Think like People”, Behavioral and Brain Sciences, 40: e253. doi:10.1017/S0140525X16001837

  • Laland, Kevin N., Tobias Uller, Marcus W. Feldman, Kim Sterelny, Gerd B. Müller, Armin Moczek, Eva Jablonka, and John Odling-Smee, 2015, “The Extended Evolutionary Synthesis: Its Structure, Assumptions and Predictions”, Proceedings of the Royal Society B: Biological Sciences, 282(1813): 20151019. doi:10.1098/rspb.2015.1019

  • Longino, Helen E., 2008, “Values, Heuristics, and the Politics of Knowledge”, in The Challenge of the Social and the Pressure of Practice: Science and Values Revisited, Martin Carrier, Don Howard, and Janet A. Kourany (eds.), Pittsburgh, PA: University of Pittsburgh Press, 68–86.

  • Mayr, Ernst, 1982, The Growth of Biological Thought: Diversity, Evolution, and Inheritance, Cambridge, MA: Belknap Press.

  • Machery, Edouard, 2020, “What Is a Replication?”, Philosophy of Science, 87(4): 545–567. doi:10.1086/709701

  • Matthen, Mohan, 2007, “Defining Vision: What Homology Thinking Contributes”, Biology & Philosophy, 22(5): 675–689. doi:10.1007/s10539-007-9088-4

  • Meketa, Irina, 2014, “A Critique of the Principle of Cognitive Simplicity in Comparative Cognition”, Biology & Philosophy, 29(5): 731–745. doi:10.1007/s10539-014-9429-z

  • Mesoudi, Alex, Andrew Whiten, and Kevin N. Laland, 2006, “Towards a Unified Science of Cultural Evolution”, Behavioral and Brain Sciences, 29(4): 329–347. doi:10.1017/S0140525X06009083

  • Mikhalevich, Irina, 2015, “Experiment and Animal Minds: Why the Choice of the Null Hypothesis Matters”, Philosophy of Science, 82(5): 1059–1069. doi:10.1086/683440

  • Nosek, Brian A., Jeffrey R. Spies, and Matt Motyl, 2012, “Scientific Utopia: II. Restructuring Incentives and Practices to Promote Truth Over Publishability”, Perspectives on Psychological Science, 7(6): 615–631. doi:10.1177/1745691612459058

  • Papineau, David and Cecilia Heyes, 2006, “Rational or Associative? Imitation in Japanese Quail”, in Hurley and Nudds 2006: 187–196. doi:10.1093/acprof:oso/9780198528272.003.0008

  • Pigliucci, Massimo, 2007, “Do We Need an Extended Evolutionary Synthesis?”, Evolution, 61(12): 2743–2749. doi:10.1111/j.1558-5646.2007.00246.x

  • Powell, Russell, Irina Mikhalevich, Corina Logan, and Nicola S. Clayton, 2017, “Convergent Minds: The Evolution of Cognitive Complexity in Nature”, Interface Focus, 7(3): 20170029. doi:10.1098/rsfs.2017.0029

  • Premack, David and Guy Woodruff, 1978, “Does the Chimpanzee Have a Theory of Mind?”, Behavioral and Brain Sciences, 1(4): 515–526. doi:10.1017/S0140525X00076512

  • Ramsey, Grant, 2013, “Culture in Humans and Other Animals”, Biology & Philosophy, 28(3): 457–479. doi:10.1007/s10539-012-9347-x

  • –––, 2017, “What Is Animal Culture?”, in The Routledge Handbook of Philosophy of Animal Minds, Krstin Andrews and Jacob Beck (eds.), New York: Routledge, 345–353 (chapter 32).

  • Reiss, Julian, 2015, “A Pragmatist Theory of Evidence”, Philosophy of Science, 82(3): 341–362. doi:10.1086/681643

  • Romero, Felipe, 2019, “Philosophy of Science and the Replicability Crisis”, Philosophy Compass, 14(11): article e12633. doi:10.1111/phc3.12633

  • –––, 2020, “The Division of Replication Labor”, Philosophy of Science, 87(5): 1014–1025. doi:10.1086/710625

  • Rudner, Richard, 1953, “The Scientist Qua Scientist Makes Value Judgments”, Philosophy of Science, 20(1): 1–6. doi:10.1086/287231

  • Sani, Fabio and John Todman, 2006, Experimental Design and Statistics for Psychology: A First Course, Malden, MA: Blackwell. doi:10.1002/9780470776124

  • Schnell, Alexandra K., Nicola S. Clayton, Roger T. Hanlon, and Christelle Jozet-Alves, 2021, “Episodic-like Memory Is Preserved with Age in Cuttlefish”, Proceedings of the Royal Society B: Biological Sciences, 288(1957): 20211052. doi:10.1098/rspb.2021.1052

  • Schnell, Alexandra K., Piero Amodio, Markus Boeckle, and Nicola S. Clayton, 2021b, “How Intelligent Is a Cephalopod? Lessons from Comparative Cognition”, Biological Reviews, 96(1): 162–178. doi:10.1111/brv.12651

  • Seed, Amanda, Nathan Emery, and Nicola Clayton, 2009, “Intelligence in Corvids and Apes: A Case of Convergent Evolution?”, Ethology, 115(5): 401–420. doi:10.1111/j.1439-0310.2009.01644.x

  • Serpell, James A., 2005, “People in Disguise: Anthropomorphism and the Human-Pet Relationship”, in Thinking with Animals: New Perspectives on Anthropomorphism, Lorraine Daston and Gregg Mitman (eds.), New York: Columbia University Press, 121–136 (chapter 6).

  • Shanahan, Murray, Matthew Crosby, Benjamin Beyret, and Lucy Cheke, 2020, “Artificial Intelligence and the Common Sense of Animals”, Trends in Cognitive Sciences, 24(11): 862–872. doi:10.1016/j.tics.2020.09.002

  • Shettleworth, Sara J., 2009, “The Evolution of Comparative Cognition: Is the Snark Still a Boojum?”, Behavioural Processes, 80(3): 210–217. doi:10.1016/j.beproc.2008.09.001

  • –––, 2010a, Cognition, Evolution, and Behavior, second edition, Oxford/New York: Oxford University Press.

  • –––, 2010b, “Clever Animals and Killjoy Explanations in Comparative Psychology”, Trends in Cognitive Sciences, 14(11): 477–481. doi:10.1016/j.tics.2010.07.002

  • –––, 2013, Fundamentals of Comparative Cognition, (The Fundamentals of Cognition Series 2), New York: Oxford University Press.

  • Shevlin, Henry and Marta Halina, 2019, “Apply Rich Psychological Terms in AI with Care”, Nature Machine Intelligence, 1(4): 165–167. doi:10.1038/s42256-019-0039-y

  • Shevlin, Henry, Karina Vold, Matthew Crosby, and Marta Halina, 2019, “The Limits of Machine Intelligence: Despite Progress in Machine Intelligence, Artificial General Intelligence Is Still a Major Challenge”, EMBO Reports, 20(10): e49177. doi:10.15252/embr.201949177

  • Sober, Elliott, 1990 [1994], “Explanation in Biology: Let’s Razor Ockham’s Razor”, Royal Institute of Philosophy Supplement, 27: 73–93. Reprinted as “Let’s Razor Ockham’s Razor”, in his From a Biological Point of View: Essays in Evolutionary Philosophy, (Cambridge Studies in Philosophy and Biology), Cambridge: Cambridge University Press, 1994, 136–157. doi:10.1017/S1358246100005051 doi:10.1017/CBO9780511624940.008

  • –––, 2005, “Comparative Psychology Meets Evolutionary Biology: Morgan’s Canon and Cladistic Parsimony”, in Thinking with Animals: New Perspectives on Anthropomorphism, Lorraine Daston and Gregg Mitman (eds.), New York: Columbia University Press, 85–99.

  • –––, 2012, “Anthropomorphism, Parsimony, and Common Ancestry”, Mind & Language, 27(3): 229–238. doi:10.1111/j.1468-0017.2012.01442.x

  • Starzak, Tobias Benjamin and Russell David Gray, 2021, “Towards Ending the Animal Cognition War: A Three-Dimensional Model of Causal Cognition”, Biology & Philosophy, 36(2): article 9. doi:10.1007/s10539-021-09779-1

  • Sutton, Richard S. and Andrew G. Barto, 1998, Reinforcement Learning: An Introduction, (Adaptive Computation and Machine Learning), Cambridge, MA: MIT Press.

  • Taylor, Alex H., Amalia P.M. Bastos, Rachael L. Brown, and Colin Allen, 2022, “The Signature-Testing Approach to Mapping Biological and Artificial Intelligences”, Trends in Cognitive Sciences, 26(9): 738–750. doi:10.1016/j.tics.2022.06.002

  • Taylor, Alex H., Felipe S. Medina, Jennifer C. Holzhaider, Lindsay J. Hearne, Gavin R. Hunt, and Russell D. Gray, 2010, “An Investigation into the Cognition Behind Spontaneous String Pulling in New Caledonian Crows”, PLoS ONE, 5(2): e9345. doi:10.1371/journal.pone.0009345

  • Tomasello, Michael and Josep Call, 2006, “Do Chimpanzees Know What Others See—or Only What They Are Looking At?”, in Hurley and Nudds 2006: 371–384. doi:10.1093/acprof:oso/9780198528272.003.0017

  • –––, 2008, “Assessing the Validity of Ape-Human Comparisons: A Reply to Boesch (2007).”, Journal of Comparative Psychology, 122(4): 449–452. doi:10.1037/0735-7036.122.4.449

  • Ullman, Tomer D., Elizabeth Spelke, Peter Battaglia, and Joshua B. Tenenbaum, 2017, “Mind Games: Game Engines as an Architecture for Intuitive Physics”, Trends in Cognitive Sciences, 21(9): 649–665. doi:10.1016/j.tics.2017.05.012

  • Van Der Vaart, Elske, Rineke Verbrugge, and Charlotte K. Hemelrijk, 2012, “Corvid Re-Caching without ‘Theory of Mind’: A Model”, PLoS ONE, 7(3): e32904. doi:10.1371/journal.pone.0032904

  • Van Horik, Jayden O., Nicola S. Clayton, and Nathan J. Emery, 2012, “Convergent Evolution of Cognition in Corvids, Apes and Other Animals”, in The Oxford Handbook of Comparative Evolutionary Psychology, Todd K. Shackelford and Jennifer Vonk (eds.), Oxford: Oxford University Press, 80–101. doi:10.1093/oxfordhb/9780199738182.013.0005

  • Voudouris, Konstantinos, Matthew Crosby, Benjamin Beyret, José Hernández-Orallo, Murray Shanahan, Marta Halina, and Lucy G. Cheke, 2022, “Direct Human-AI Comparison in the Animal-AI Environment”, Frontiers in Psychology, 13: 711821. doi:10.3389/fpsyg.2022.711821

  • Whiten, Andrew, 2022, “Blind Alleys and Fruitful Pathways in the Comparative Study of Cultural Cognition”, Physics of Life Reviews, 43: 211–238. doi:10.1016/j.plrev.2022.10.003

  • Whiten, Andrew and Richard W. Byrne, 1988, “Tactical Deception in Primates”, Behavioral and Brain Sciences, 11(2): 233–244. doi:10.1017/S0140525X00049682

  • Woodruff, Michael L., 2017, “Scientific Uncertainty and the Animal Sentience Precautionary Principle”, Animal Sentience, 2(16): article 11. doi:10.51291/2377-7478.1237

  • Wynne, Clive D. L., 2004, “The Perils of Anthropomorphism”, Nature, 428(6983): 606–606. doi:10.1038/428606a

  • –––, 2007, “What Are Animals? Why Anthropomorphism Is Still Not a Scientific Approach to Behavior”, Comparative Cognition & Behavior Reviews, 2: 125–135. doi:10.3819/ccbr.2008.20008

  • Zhang, Mingjun, 2020, “The Use and Limitations of Null-Model-Based Hypothesis Testing”, Biology & Philosophy, 35(2): article 31. doi:10.1007/s10539-020-09748-0

Academic Tools

How to cite this entry.

Preview the PDF version of this entry at the Friends of the SEP Society.

Look up topics and thinkers related to this entry at the Internet Philosophy Ontology Project (InPhO).

Enhanced bibliography for this entry at PhilPapers, with links to its database.

Other Internet Resources

Related Entries

abduction | animal: cognition | animal: consciousness | animals, moral status of | artificial intelligence | associationist theories of thought | behaviorism | bias, implicit | cognitive science | connectionism | evidence | functionalism | models in science | other minds | science: theory and observation in | scientific explanation | simplicity | underdetermination, of scientific theories

Acknowledgments

Many thanks to Colin Allen and Kristin Andrews for helpful comments on previous drafts of this entry.

Copyright © 2023 by Marta Halina <mh801@cam.ac.uk>

上一页社群主义 communitarianism (Daniel Bell)下一页*比较哲学 comparative philosophy

最后更新于

Logo

道长哲学研讨会 2024