认知科学 cognitive science (Paul Thagard)

首次发表于 1996 年 9 月 23 日星期一；实质性修订于 2023 年 1 月 31 日星期二

认知科学是对心智和智能的跨学科研究，涵盖哲学、心理学、人工智能、神经科学、语言学和人类学。其知识起源可以追溯到 20 世纪 50 年代中期，当时几个领域的研究人员开始基于复杂的表征和计算程序发展心智理论。其组织起源可以追溯到 20 世纪 70 年代中期，当时成立了认知科学学会并创办了《认知科学》期刊。从那时起，北美、欧洲、亚洲和澳大利亚已经有 100 多所大学建立了认知科学项目，许多其他大学也开设了认知科学课程。

1. 历史

试图理解心灵及其运作的努力至少可以追溯到古希腊时期，当时像柏拉图和亚里士多德这样的哲学家试图解释人类知识的本质。心灵的研究一直是哲学的领域，直到 19 世纪实验心理学发展起来。威廉·旺德特及其学生们开创了用于系统研究心理运作的实验室方法。然而，在几十年内，实验心理学却被行为主义所主导，这种观点几乎否认了心灵的存在。根据行为主义者如 J.B.沃森的观点，心理学应该限制自己于研究可观察刺激和可观察行为反应之间的关系。意识和心理表征的讨论被从体面的科学讨论中驱逐出去。特别是在北美，行为主义主导了心理学领域直到 20 世纪 50 年代。

大约在 1956 年，智力领域的格局开始发生巨大变化。乔治·米勒总结了许多研究，显示人类思维能力是有限的，例如，短期记忆的容量限制在大约七个项目左右。他提出，记忆限制可以通过将信息重新编码为块来克服，这些心理表征需要心理程序来进行信息的编码和解码。当时，原始计算机只出现了几年，但先驱们如约翰·麦卡锡、马文·明斯基、艾伦·纽厄尔和赫伯特·西蒙正在创建人工智能领域。此外，诺姆·乔姆斯基拒绝了关于语言作为一种学习习惯的行为主义假设，而是提出用心理语法规则来解释语言理解。本段提到的六位思想家可以被视为认知科学的奠基人。

2. 方法

认知科学具有统一的理论观念，但我们必须欣赏不同领域的研究人员为研究心智和智力所带来的多样化观点和方法。尽管当今的认知心理学家经常从事理论化和计算建模，但他们的主要方法是与人类参与者进行实验。人们，通常是满足课程要求的本科生，被带入实验室，以便在受控条件下研究不同类型的思维。例如，心理学家们已经实验性地研究了人们在演绎推理中犯的错误类型，人们形成和应用概念的方式，人们用心理图像思考的速度，以及人们使用类比解决问题的表现。我们对心智如何运作的结论必须不仅基于“常识”和内省，因为这些可能会给出关于心理操作的误导性图像，其中许多是无意识可及的。越来越多的心理学家从亚马逊的 Mechanical Turk 和不同文化背景的来源中招募实验参与者。因此，从不同方向仔细探究心理操作的心理实验对于认知科学的科学性至关重要。实验也是实验哲学采用的一种方法论。

虽然没有实验的理论是空洞的，但没有理论的实验是盲目的。为了解有关心灵本质的关键问题，心理实验需要在假定心理表征和过程的理论框架内进行解释。发展理论框架的最佳方式之一是形成和测试旨在类比心理操作的计算模型。为了补充关于演绎推理、概念形成、心理想象和类比问题解决的心理实验，研究人员开发了模拟人类表现某些方面的计算模型。设计、构建和实验计算模型是人工智能（AI）的核心方法，这是计算机科学中关注智能系统的一个分支。在认知科学中，理想情况下，计算模型和心理实验是相辅相成的，但在 AI 中，许多重要工作都是在相对孤立地研究不同知识表征方法的能力，而与实验心理学无关。

虽然一些语言学家进行心理实验或开发计算模型，但大多数目前使用不同的方法。对于乔姆斯基传统的语言学家，主要的理论任务是确定提供人类语言基本结构的语法原则。通过注意到语法和非语法话语之间的细微差别来进行识别。例如，在英语中，“She hit the ball”和“What do you like?”是语法正确的，但“She the hit ball”和“What does you like?”则不是。英语的语法将解释为什么前者是可接受的而后者不是。另一种方法，认知语言学，对句法的重视较少，更注重语义和概念。

像认知心理学家一样，神经科学家经常进行受控实验，但他们的观察非常不同，因为神经科学家直接关注大脑的本质。对于非人类对象，研究人员可以插入电极并记录单个神经元的放电。对于这种技术对人类来说会过于侵入性的情况，现在普遍使用磁性和正电子扫描设备来观察人们在进行各种心理任务时大脑不同部分的活动。例如，脑部扫描已经确定了参与心理想象和词语解释的大脑区域。通过观察那些大脑以可识别方式受损的人的表现，还可以收集有关大脑功能的额外证据。例如，大脑中专门负责语言的某个部分中的中风可能导致诸如无法说出句子之类的缺陷。与认知心理学一样，神经科学通常既是理论性的也是实验性的，理论的发展经常通过发展对神经元群体行为的计算模型来加以支持。

认知人类学将对人类思维的研究扩展到考虑思维在不同文化背景下的运作方式。研究心灵显然不应仅限于英语使用者的思维方式，而应考虑跨文化思维方式可能存在的差异。认知科学越来越意识到有必要观察心灵在特定的物理和社会环境中的运作。对于文化人类学家来说，主要方法是人种志，这需要与文化成员生活和互动到足够程度，以使他们的社会和认知系统显现出来。认知人类学家已经调查了跨文化中颜色词的相似性和差异性。

传统上，哲学家不进行系统的经验观察或构建计算模型，尽管实验哲学的工作有所增加。但哲学对认知科学仍然很重要，因为它涉及到潜在于对心智的实验和计算方法的基本问题。抽象问题，比如表示和计算的本质，并不一定需要在心理学或人工智能的日常实践中解决，但当研究人员深入思考他们正在做的事情时，这些问题必然会出现。哲学还涉及一般性问题，比如心灵和身体的关系，以及方法论问题，比如认知科学中所发现的解释的本质。此外，哲学还关注人们应该如何思考的规范性问题，以及关于他们如何思考的描述性问题。除了理解人类思维的理论目标之外，认知科学还可以有改进思维的实际目标，这需要对我们希望思维成为什么进行规范性反思。心灵哲学并没有独特的方法，但应该与其他领域最好的理论工作分享对经验结果的关注。

在其最弱的形式中，认知科学只是提到的领域的总和：心理学、人工智能、语言学、神经科学、人类学和哲学。当关于心智本质的结论在理论和实验上达成一致时，跨学科工作变得更加有趣。例如，心理学和人工智能可以通过计算模型结合起来，研究人们在实验中的行为。理解人类思维复杂性的最佳方法是使用多种方法，特别是心理学和神经学实验以及计算模型。从理论上讲，理解心灵的最富有成效的方法是从表示和计算的角度来理解心灵。

3. 表征和计算

认知科学的中心假设是，思维最好可以通过心智中的表征结构和对这些结构进行操作的计算过程来理解。虽然关于构成思维的表征和计算的性质存在许多分歧，但这一中心假设足够一般，可以包括认知科学中当前范围内的思维，包括使用人工神经网络模拟思维的连接主义理论。

认知科学中的大部分工作都假定大脑具有类似于计算机数据结构的心理表征，以及类似于计算算法的计算过程。认知理论家提出，大脑包含诸如逻辑命题、规则、概念、图像和类比等心理表征，并且使用演绎、搜索、匹配、旋转和检索等心理过程。认知科学中的主导心智-计算机类比从另一个类比，即大脑的使用中，产生了新的转折。

连接主义者提出了关于表征和计算的新颖想法，利用神经元及其连接作为数据结构的灵感，利用神经元的激活和传播作为算法的灵感。认知科学随后在心智、大脑和计算机之间建立了复杂的三向类比。心智、大脑和计算机都可以用来提出关于其他方面的新想法。由于不同类型的计算机和编程方法提出了大脑可能运作的不同方式，因此并不存在单一的心智计算模型。大多数人今天使用的计算机是串行处理器，一次执行一条指令，但大脑和一些最近开发的计算机是并行处理器，能够同时执行多个操作。

当前认知科学的一个主要趋势是将神经科学与许多心理学领域（包括认知、社会、发展和临床）整合在一起。这种整合在一定程度上是实验性的，部分源于用于研究大脑的新仪器的爆炸性增长，例如功能性磁共振成像、经颅磁刺激和光遗传学。这种整合也是理论性的，因为对大量神经元如何执行通常用认知规则和概念解释的任务有了更深入的理解。

4. 理论方法

这里是关于解释思维如何运作的表征和计算性质的当前理论的概要图表。

4.1 形式逻辑

形式逻辑为研究表征和计算的本质提供了一些强大的工具。命题演算和谓词演算用于表达许多复杂类型的知识，许多推理可以通过逻辑演绎的方式来理解，其中包括诸如假言推理等推理规则。逻辑方法的解释框架如下：

解释目标:*
为什么人们会做出他们的推理？
解释模式：*
人们具有类似于谓词逻辑中的句子的心智表征。
人们具有对这些句子进行推理和归纳的过程。
应用于句子的演绎和归纳程序产生推论。

然而，并不确定逻辑提供了认知科学所需的关于表征和计算的核心思想，因为可能需要更高效和心理上更自然的计算方法来解释人类思维。（请参阅逻辑和人工智能条目。）

4.2 规则

人类的许多知识自然地以 IF … THEN … 的规则形式描述，许多思维形式，比如规划，可以通过基于规则的系统来建模。所使用的解释模式是：

解释目标：*
为什么人们会有一种特定类型的智能行为？
解释模式：*
人们有心理规则。
人们有程序来使用这些规则来搜索可能解决方案的空间，并有生成新规则的程序。
使用和形成规则的程序会产生行为。

基于规则的计算模型已经为广泛的心理实验提供了详细的模拟，从密码算术问题的解决到技能习得再到语言使用。基于规则的系统在指导如何改善学习以及如何开发智能机器系统方面也具有实际重要性。

4.3 概念

概念，在一定程度上对应口头和书面语言中的词语，是一种重要的心智表征。有计算和心理学上的原因支持放弃概念具有严格定义的古典观点。相反，概念可以被看作是一组典型特征。概念的应用是将概念与世界之间进行近似匹配的问题。模式和脚本比对应于词语的概念更复杂，但它们相似之处在于它们由一系列特征组成，可以匹配并应用于新情境。基于概念的系统中使用的解释性模式是：

解释性目标:*
为什么人们会有一种特定类型的智能行为？
解释模式：*
人们有一套概念，通过种类和部分层次结构以及其他关联进行组织。
人们有一套概念应用程序，包括传播激活、匹配和继承。
应用于概念的程序会产生行为。
概念可以被转化为规则，但它们会以与规则集不同的方式捆绑信息，从而可能产生不同的计算程序。

(见概念条目。)

4.4 类比

类比在人类思维中扮演着重要角色，涉及领域包括问题解决、决策、解释和语言交流等各个方面。计算模型模拟人们如何检索和映射源类比，以便将其应用于目标情境。类比的解释模式为：

解释目标:*
为什么人们会有一种特定类型的智能行为？
解释模式：*
人们对情境有口头和视觉表示，可以用作案例或类比。
人们有检索、映射和适应的过程，这些过程作用于那些类比。
将类比过程应用于类比的表征，产生行为。

相似性、结构和目的的约束克服了一个困难问题，即如何找到并利用以前的经验来帮助解决新问题。并非所有的思维都是类比的，使用不恰当的类比可能会阻碍思维，但类比在教育和设计等应用中可以是有效的。

4.5 图像

视觉和其他类型的图像在人类思维中扮演着重要角色。图像呈现捕捉视觉和空间信息的能力比冗长的文字描述更易用。适合视觉呈现的计算程序包括检查、查找、缩放、旋转和转换。这些操作对于在适用图像呈现的领域生成计划和解释非常有用。视觉呈现的解释模式为：

解释目标：*
为什么人们会有一种特定类型的智能行为？
解释模式：*
人们对情境有视觉形象。
人们有诸如扫描和旋转等操作图像的过程。
构建和操纵图像的过程产生了智能行为。

意象可以帮助学习，语言中一些隐喻方面可能源于意象。心理实验表明，诸如扫描和旋转之类的视觉过程利用了意象，神经生理学结果证实了理性推理与心理意象和感知之间存在密切的物理联系。意象不仅仅是视觉的，还可以与其他感官体验一起运作，比如听觉、触觉、嗅觉、味觉、疼痛、平衡、恶心、饱腹感和情感。

4.6 连接主义

由简单节点和链接组成的连接主义网络对于理解涉及并行约束满足的心理过程非常有用。这些过程包括视觉、决策制定、解释选择以及语言理解中的意义生成。连接主义模型可以通过包括赫布学习和反向传播在内的方法模拟学习。连接主义方法的解释框架是：

解释目标：*
为什么人们会有一种特定类型的智能行为？
解释模式：*
人们拥有涉及简单处理单元的表征，这些单元通过兴奋性和抑制性连接相互联系。
人们通过它们的连接之间传播激活的过程，以及修改连接的过程。
应用传播激活和学习到单元产生行为。

对各种心理学实验的模拟显示了连接主义模型的心理学相关性，然而，这些模型只是对实际神经网络的非常粗略的近似。（有关更多信息，请参阅连接主义条目。）

4.7 理论神经科学

理论神经科学是试图发展数学和计算理论以及模型，来描述人类和其他动物大脑的结构和过程。它与连接主义不同，连接主义试图通过对大量现实神经元的行为进行建模，这些神经元组织成功能显著的脑区，从而更加生物学准确。大脑的计算模型变得更加生物学丰富，不仅在于使用更加现实的神经元，比如那些会发放动作电位并具有化学途径的神经元，还在于模拟大脑不同区域之间的相互作用，比如海马体和皮层之间的相互作用。这些模型并不严格是逻辑、规则、概念、类比、形象和联系方面的计算描述的替代方案，而是应该与它们相互契合，并展示心理功能如何在神经水平上执行。理论神经科学的解释框架是：

解释目标：*
大脑如何执行认知任务等功能？
解释模式：*
大脑有神经元通过突触连接组织成群体和脑区。
神经群体具有通过感觉输入和其他神经群体的尖峰模式转化的特征。
神经群体的相互作用包括执行认知任务等功能。

从理论神经科学的角度来看，心理表征是神经活动的模式，推理是这种模式的转化。（参见有关神经科学和意识神经科学的条目。）

4.8 贝叶斯

贝叶斯模型在认知科学中占据重要地位，应用于学习、视觉、运动控制、语言和社会认知等心理现象。它们在机器人领域也有有效的应用。贝叶斯方法假设认知在概率论的指导下近乎最优，特别是贝叶斯定理，该定理指出给定证据的假设的概率等于将假设的先验概率乘以给定假设的条件概率，然后除以证据的概率。贝叶斯认知的解释框架是：

解释目标:*
心智如何执行推理等功能？
解释模式：*
心智具有对统计相关性和条件概率的表征。
心智具有进行概率计算的能力，例如贝叶斯定理的应用。
将概率计算应用于统计表征可以完成诸如推理之类的认知任务。

尽管贝叶斯方法在各种现象上有令人印象深刻的应用，但由于对最优性的假设和基于概率理论的计算，它们的心理可信度存在争议。

4.9 深度学习

自 1950 年代以来，人工智能一直是认知的核心部分，人工智能最引人注目的最新进展来自深度学习方法，这一方法在包括游戏玩法、物体识别和翻译等领域取得了重大突破。深度学习借鉴了连接主义和理论神经科学的思想，但使用了更多层次和改进算法的神经网络，受益于更快的计算机和大量的示例数据。另一个重要的创新是将示例学习与强化学习相结合，导致了 2016 年世界领先的围棋选手 AlphaGo 的诞生。深度学习的思想正在向神经科学传播，并开始影响认知心理学的研究。深度学习的解释框架是：

解释目标：*
大脑如何执行认知任务等功能？
解释模式：*
大脑有大量神经元组织成 6-20 层。
大脑具有强大的机制，可以从例子中学习，并学习通过成功强化的行为。
将学习机制应用于分层神经网络使它们能够实现人类甚至超人的表现。

尽管深度学习在某些人工智能系统中取得了显著进展，但目前尚不清楚它如何应用于包括因果推理、想象、情感和类比在内的人类思维方面。有关更多讨论，请参阅连接主义条目中关于深度学习的第 11 节。

4.10 预测处理与主动推理

预测处理是一种理论神经科学方法，将大脑视为不断生成和更新环境模型，以预测感知和行动结果。主动推理是预测处理的一种版本，假设大脑使用贝叶斯计算来最小化“自由能量”，即期望与实际观察之间的差异。有机体通过改变其对环境的模型或通过行动改变环境来减少预测误差，从而生存。

主动推理的解释框架是：

解释目标：*
大脑如何支持感知和行动的功能？
解释模式：*
大脑是一个利用概率模型来预测感知和行动结果的预测引擎。
为了减少预测误差，大脑使用贝叶斯更新来改变其模型，并使用行动来改变其环境，例如移动。
有效的推理、感知和行动是由这些预测误差的减少所产生的。

主动推理面临着许多挑战。大脑功能真的是贝叶斯更新，而不是连接主义约束满足或深度强化学习吗？预测处理能否包含其他大脑功能，包括模式识别、解释、情感评估、记忆和交流？主动推理是否能解释高层认知操作，如因果推理、语言和创造力？

5. 哲学相关性

一些哲学，特别是认知科学的自然主义哲学，是认知科学的一部分。但跨学科的认知科学领域在几个方面与哲学相关。首先，认知科学调查的心理学、计算和其他结果对传统哲学问题（认识论、形而上学和伦理学）具有重要的潜在应用。其次，认知科学可以作为哲学批判的对象，特别是关于思维是表征性和计算性的中心假设。第三，更具建设性地，认知科学可以被视为哲学科学的研究对象，产生对该领域方法论和假设的反思。

5.1 哲学应用

当今许多哲学研究都是自然主义的，将哲学探究视为与心理学等领域的实证工作连续的。从自然主义的角度来看，心灵哲学与认知科学中的理论和实验工作密切相关。关于心灵本质的形而上学结论应该通过对心理学、神经科学和计算机科学等领域的科学发展进行知情反思来达成，而不是通过先验推测。同样，认识论不是一个独立的概念性练习，而是依赖于并受益于有关心智结构和学习程序的科学发现。伦理学可以通过更深入地了解道德思维心理学来探讨伦理问题，比如关于对错的思考性质。以下是一些哲学问题，认知科学中正在进行的发展对这些问题非常相关。本百科全书还提供了其他相关文章的链接。

先天性。知识在多大程度上是先天的还是通过经验获得的？人类行为主要受自然还是后天塑造？
思维语言。人类大脑是使用类似语言的编码还是更一般的连接主义架构运作？符号认知模型（使用规则和概念）与使用神经网络的子符号模型之间的关系是什么？
心理想象。人类头脑是通过视觉和其他形式的想象，还是仅仅通过类似语言的表征来思考？
民间心理学。一个人对他人的日常理解是拥有心灵理论，还是仅仅能够模拟他们？
意义。心理表征如何获得意义或心理内容？一个表征的意义在多大程度上取决于它与其他表征的关系，它与世界的关系，以及它与思想者社区的关系？
心灵-大脑同一性。心理状态是大脑状态吗？或者它们可以由其他物质状态多重实现吗？心理学和神经科学之间的关系是什么？唯物主义是否正确？
自由意志。人类行为是自由的还是仅仅由大脑事件引起的？
道德心理学。心智/大脑如何做出道德判断？
生命的意义。作为大脑的心智如何自然地找到价值和意义？
情绪。情绪是什么，它们在思维中扮演什么角色？
意识。意识体验是否可以通过意识的神经科学来科学解释？
精神障碍。精神障碍是什么，心理和神经过程如何与其解释和治疗相关？
感知与现实。心智/大脑如何形成和评估外部世界的表征？
感知和认知。感知在表征格式和理据方面与其他种类的认知有何不同？
现实主义。认知科学是否与心智把握现实世界的观点一致？心智是否可以是计算机模拟？虚拟现实是一种现实吗？
信息. 认知科学如何阐明思维和社会中信息和错误信息的运作？
社会科学. 思维运作的解释如何与群体和社会运作的解释相互作用？

从审视当前认知科学方法的前提出发，会引发额外的哲学问题。

5.2 对认知科学的批判

人类心智是通过表征和计算工作的这一说法是一种经验性的猜测，可能是错误的。尽管认知科学中的计算-表征方法在解释人类问题解决、学习和语言使用的许多方面上取得了成功，但一些哲学批评者声称这种方法在根本上是错误的。认知科学的批评者提出了诸如以下挑战：

情感挑战：认知科学忽视了情感在人类思维中的重要作用。
意识挑战：认知科学忽视了意识在人类思维中的重要性。
世界挑战：认知科学忽视了人类思维中物理环境的重要作用，这种思维是嵌入并延伸到世界中的。
身体挑战：认知科学忽视了身体对人类思维和行动的贡献。
动力系统挑战：心智是一个动力系统，而不是一个计算系统。
社会挑战：人类思维在本质上是社会性的，这是认知科学所忽视的。
数学挑战：数学结果表明，人类思维不能以标准意义上的计算方式进行，因此大脑必须以不同的方式运作，也许是作为量子计算机。
跨学科挑战：认知科学未能通过发展一个统一其众多学科工作的核心理论而超越多学科互动。

前五个挑战越来越多地得到解决，通过解释情绪、意识、行动和具身化的神经机制。社会挑战正在通过开发相互作用代理的计算模型来解决。数学挑战基于对哥德尔定理的误解，以及夸大量子理论与神经过程相关性的程度。对跨学科挑战的回应必须认识到，认知科学仍然有许多相互竞争的理论方法，没有像进化论和遗传学理论为生物学提供的那种统一。尽管如此，心理学、神经科学、语言学、哲学、人类学和计算建模之间的互动已经为认知的许多方面的理论和实证进展做出了贡献。例如，计算哲学使用编程模型来探讨认识论、伦理学和哲学其他领域的问题。

5.3 认知科学哲学

认知科学提出了许多有趣的方法论问题，值得科学哲学家们进行研究。代表的本质是什么？计算模型在认知理论发展中扮演什么角色？涉及符号处理、神经网络和动力系统的心智明显竞争的解释之间的关系是什么？认知科学的各个领域（如心理学、语言学和神经科学）之间的关系是什么？心理现象是否可以通过神经科学进行归纳解释？解释的层次最好是用本体论层次（分子、神经、心理、社会）还是方法论层次（计算、算法、物理）来描述？

认知心理学与神经科学日益融合，为心脑同一理论提供了证据，即心理过程是神经、表征和计算的。其他哲学家基于心智是生物系统中具体化并延伸至世界的观点，对这种认同提出异议。然而，关于具体化的温和主张与同一理论是一致的，因为大脑表征在多种模式（例如视觉和运动）中运作，使心智能够处理世界。对于心脑同一的另一种唯物主义替代方案是认识到心智的解释不仅涉及神经和表征机制，还包括分子和社会机制。

Bibliography

Anderson, J. R., 2007. How Can the Mind Occur in the Physical Universe?, Oxford: Oxford University Press.
–––, 2010. Cognitive Psychology and its Implications, 7th edition, New York: Worth.
Bechtel, W., 2008. Mental Mechanisms: Philosophical Perspectives on Cognitive Neurosciences, New York: Routledge.
Bechtel, W., & Graham, G. (eds.), 1998. A Companion to Cognitive Science, Malden, MA: Blackwell.
Bechtel, W., Mandik, P., Mundale, J., & Stufflebeam, R. S. (eds.), 2001. Philosophy and the Neurosciences: A Reader, Malden, MA: Blackwell.
Bermúdez, J. L., 2022. Cognitive Science: An Introduction to the Science of the Mind, 4th edition, Cambridge: Cambridge University Press.
Blouw, P., Solodkin, E., Thagard, P., & Eliasmith, C., 2016. “Concepts as Semantic Pointers: A Framework and Computational Model,” Cognitive Science, 40: 1128–1162.
Chalmers, D. J., 2022. Reality+: Virtual Worlds and the Problems of Philosophy, New York: Norton.
Boden, M. A., 2006. Mind as Machine: A History of Cognitive Science , Oxford: Clarendon.
Chemero, A., 2009. Radical Embodied Cognitive Science, Cambridge, MA: MIT Press.
Churchland, P. M., 2007. Neurophilosophy at Work, Cambridge: Cambridge University Press.
Churchland, P. S., 2002. Brain-wise: Studies in Neurophilosophy, Cambridge, MA: MIT Press.
Clark, A., 2001. Mindware: An Introduction to the Philosophy of Cognitive science, New York: Oxford University Press.
–––, 2008. Supersizing the Mind: Embodiment, Action, and Cognitive Extension, New York: Oxford University Press.
–––, 2015. Surfing Uncertainty: Prediction, Action, and the Embodied mind, Oxford: Oxford University Press.
Craver, C. F., 2007. Explaining the Brain, Oxford: Oxford University Press.
Dayan, P., & Abbott, L. F., 2001. Theoretical Neuroscience: Computational and Mathematical Modeling of Neural Systems, Cambridge, MA: MIT Press.
Dehaene, S., 2014. Consciousness and the Brain: Deciphering How the Brain Codes Our Thoughts, New York: Viking.
Doya, K., Ishii, S., Pouget, A., & Rao, A. (eds.), 2007. Bayesian Brain, Cambridge, MA: MIT Press.
Dreyfus, H. L., 1992. What Computers Still Can’t Do, 3rd edition, Cambridge, MA: MIT Press.
Eliasmith, C., 2013. How to Build a Brain: A Neural Architecture for Biological Cognition, Oxford: Oxford University Press.
Eliasmith, C., & Anderson, C. H., 2003. Neural Engineering: Computation, Representation and Dynamics in Neurobiological Systems, Cambridge, MA: MIT Press.
Forbus, K. D., Ferguson, R. W., Lovett, A., & Gentner, D., 2017. “Extending SME to Handle Larger-Scale Cognitive modeling,”. Cognitive Science, 41(5): 1152–1201.
Friedenberg, J. D., & Silverman, G., 2021. Cognitive Science: An Introduction to the Study of Mind, 4th edition, Thousand Oaks, CA: Sage.
Gibbs, R. W., 2005, Embodiment and Cognitive Science, Cambridge: Cambridge University Press.
Goldman, A., 1993. Philosophical Applications of Cognitive Science, Boulder: Westview Press.
Goodfellow, I., Bengio, Y., & Courville, A., 2016. Deep Learning, Cambridge, MA: MIT Press.
Griffiths, T. L., Kemp, C., & Tenenbaum, J. B., 2008. “Bayesian Models of Cognition,” in R. Sun (ed.), The Cambridge Handbook of Computational Psychology, Cambridge: Cambridge University Press, pp. 59–100.
Hoffman, D., 2019. The Case against Reality: Why Evolution Hid the Truth From our Eyes, New York: WW Norton & Company.
Hofstadter, D., & Sander, E., 2013. Surfaces and Essences: Analogy as the Fuel and Fire of Thinking, New York: Basic Books.
Holyoak, K. J., & Morrison, R. G. (eds.), 2012. The Oxford Handbook of Thinking and Reasoning, New York: Oxford University Press.
Knobe, J., & Nichols, S. (eds.), 2008. Experimental Philosophy, Oxford: Oxford University Press.
Kallens, P. C., Dale, R., & Christiansen, M. H., 2022. “Quantifying Interdisciplinarity in Cognitive Science and Beyond.” Topics in Cognitive Science, 14(3): 634–645.
Kosslyn, S. M., Thompson, W. L., & Ganis, G., 2016. The Case for Mental Imagery, New York: Oxford University Press.
Laird, J. E., LeBiere, C., & Rosenbloom, P. S., 2017. “A Standard Model of the Mind: Toward a Common Computational Framework across Artificial Intelligence, Cognitive Science, Neuroscience, and Robotics,” AI Magazine, 38(4): 13–26.
Lecun, Y., Bengio, Y., & Hinton, Y., 2015. “Deep Learning,” Nature, 521(7553): 436–444.
Margolis, E. & Laurence, S. (eds.), 2015. The Conceptual Mind: New Directions in the Study of Concepts, Cambridge, MA: MIT Press.
McCauley, R. N., 2007. “Reduction: Models of Cross-scientific Relations and their Implications for the Psychology-neuroscience Interface,” in P. Thagard (ed.), Philosophy of Psychology and Cognitive Science, Amsterdam: Elsevier, pp. 105–158.
Milkowski, M., 2013. Explaining the Computational Mind, Cambridge, MA: MIT Press.
Murphy, D., 2006. Psychiatry in the Scientific Image, Cambridge, MA: MIT Press.
Nadel, L. (ed.), 2003. Encyclopedia of Cognitive Science, London:Nature Publishing Group.
Nisbett, R., 2003. The Geography of Thought: How Asians and Westerners Think Differently … and Why, New York: Free Press.
Núñez, R., Allen, M., Gao, R., Miller Rigoli, C., Relaford-Doyle, J., & Semenuks, A., 2019. “What Happened to Cognitive Science?” Nature Human Behavior, 3(8): 782–791.
O’Callaghan, C. A Multisensory Philosophy of Perception. Oxford: Oxford University of Press.
O’Reilly, R. C., Munakata, Y., Frank, M. J., Hazy, T. E., & Contributors, 2012. Computational Cognitive Neuroscience, Wiki Book, [O’Reilly et al. 2012 available online].
Parr, T., Pezzulo, G., & Friston, K. J., 2022. Active Inference: The Free Energy Principle in Mind, Brain, and Behaviour, Cambridge, MA: MIT Press.
Pearl, J., & Mackenzie, D., 2018. The Book of Why: The New Science of Cause and Effect, New York: Basic Books.
Pessoa, L., 2013. The Cognitive-Emotional Brain: From Interactions to Integration, Cambridge, MA: MIT Press.
Piantadosi, S. T., Tenenbaum, J. B., & Goodman, N. D., 2015. “The Logical Primitives of Thought: Empirical Foundations for Compositional Cognitive Models,”. Psychological Review, 123(4), 392–424.
Polk, T. A., & Seifert, C. M. (eds.), 2002. Cognitive Modeling, Cambridge, MA: MIT Press.
Quilty-Dunn, J., 2020. “Perceptual pluralism,” Noûs, 54(4): 807–838.
Rogers, T. T., & McClelland, J. L., 2004. Semantic Cognition: A Parallel Distributed Processing Approach, Cambridge, MA: MIT Press.
Russell, S., & Norvig, P., 2020. Artificial Intelligence: A Modern Approach, 4th edition, New York: Pearson.
Seth, A., 2021. Being You: A New Science of Consciousness, New York: Dutton
Smith, E. E.., & Kosslyn, S. M., 2007. Cognitive Psychology: Mind and Brain, Upper Saddle River, NJ: Pearson Prentice Hall.
Sun, R. (ed.), 2008. The Cambridge Handbook of Computational Psychology, Cambridge: Cambridge University Press.
––– (ed.), 2012. Grounding Social Sciences in Cognitive Sciences, Cambridge, MA: MIT Press.
Thagard, P., 2005. Mind: Introduction to Cognitive Science, second edition, Cambridge, MA: MIT Press.
–––, 2009. “Why cognitive science needs philosophy and vice versa, ” Topics in Cognitive Science, 1: 237–254.
–––, 2010. The Brain and the Meaning of Life, Princeton: Princeton University Press.
–––, 2012. The Cognitive Science of Science: Explanation, Discovery, and Conceptual Change, Cambridge, MA: MIT Press.
–––, 2019a. Brain-Mind: From Neurons to Consciousness and Creativity, Oxford: Oxford University Press.
–––, 2019b. Natural Philosophy: From Social Brains to Knowledge, Reality, Morality, and Beauty, New York: Oxford University Press.
–––, 2021. Bots and Beasts: What Makes Machines, Animals, and People Smart? Cambridge, MA: MIT Press.
Thompson, E., 2007. Mind in Life: Biology, Phenomenology, and the Science of Mind, Cambridge, MA: Harvard University Press.
Varela, F. J., Thompson, E., & Rosch, E., 2016. The Embodied Mind: Cognitive Science and Human Experience, revised edition, Cambridge, MA: MIT Press.
Wilson, R. A., & Keil, F. C. (eds.), 1999. The MIT Encyclopedia of the Cognitive Sciences, Cambridge, MA: MIT Press.

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

上一页认知障碍与道德地位 cognitive disability and moral status (David Wasserman, Adrienne Asch, Jeffrey Blustein, and Daniel Putnam)下一页道德认知主义与非认知主义 cognitivism vs. non-cognitivism, moral (Mark van Roojen)

最后更新于15小时前