跨學(xué)科視角下的認(rèn)知建模研究現(xiàn)狀、動(dòng)向和思考

莊阿剛 劉雁飛 丁芳盛

（1.浙江省舟山市公安局信息通信處，浙江舟山316012；2.浙江理工大學(xué)信息學(xué)院，浙江杭州310018；3.浙江海洋學(xué)院心理教育中心,浙江舟山316022)

跨學(xué)科視角下的認(rèn)知建模研究現(xiàn)狀、動(dòng)向和思考

莊阿剛1劉雁飛2丁芳盛3

（1.浙江省舟山市公安局信息通信處，浙江舟山316012；2.浙江理工大學(xué)信息學(xué)院，浙江杭州310018；3.浙江海洋學(xué)院心理教育中心,浙江舟山316022)

從不同學(xué)科視角概述認(rèn)知建模研究的現(xiàn)狀和動(dòng)向，闡明不同學(xué)科自身優(yōu)勢(shì)導(dǎo)致建模范式之間的差異，但它們的共同點(diǎn)是以解決“智能”問題為目標(biāo)。通過對(duì)經(jīng)典認(rèn)知建模范式的介紹，闡釋理解人類認(rèn)知無法依賴某項(xiàng)單一研究范式，必須是各種范式的滲透與整合?；趯?duì)國(guó)內(nèi)外認(rèn)知建模研究的綜合思考，文章針對(duì)性分析了我國(guó)認(rèn)知建模研究中存在的主要問題。

認(rèn)知建模;認(rèn)知科學(xué);認(rèn)知模型;建模范式

認(rèn)知科學(xué)是探究人腦或心智工作機(jī)制的前沿尖端交叉學(xué)科，整合哲學(xué)、心理學(xué)、計(jì)算機(jī)科學(xué)、神經(jīng)科學(xué)、語言學(xué)和人類學(xué)，其發(fā)展標(biāo)志了人類認(rèn)知和智能活動(dòng)研究上的質(zhì)的突破。認(rèn)知建模是一種基于構(gòu)思和實(shí)現(xiàn)等方法建立包括感知與注意、記憶與學(xué)習(xí)、問題解決、決策、運(yùn)動(dòng)控制等人類認(rèn)知過程模型的技術(shù)，是生動(dòng)刻畫人類認(rèn)知行為、有效評(píng)價(jià)認(rèn)知模型的重要手段。[1]認(rèn)知科學(xué)主流期刊中超過80%的文章涉及認(rèn)知建模。隨著認(rèn)知心理學(xué)、人工智能和認(rèn)知神經(jīng)科學(xué)等研究成果日漸豐富，認(rèn)知科學(xué)深入發(fā)展，認(rèn)知建模的重要性進(jìn)一步凸顯，在國(guó)家戰(zhàn)略需求和民生應(yīng)用的相關(guān)領(lǐng)域展現(xiàn)強(qiáng)大潛能。

本研究通過查閱、整理相關(guān)文獻(xiàn)資料，并以“認(rèn)知建?！睘殛P(guān)鍵字的條件檢索中國(guó)知網(wǎng)、萬方數(shù)據(jù)等主要電子數(shù)據(jù)庫的近十年資訊，從跨學(xué)科的視角闡述認(rèn)知建模研究現(xiàn)狀，對(duì)其經(jīng)典研究范式進(jìn)行分類討論，分析認(rèn)知建模研究新趨勢(shì)，有助于系統(tǒng)了解認(rèn)知建模研究范式、應(yīng)用前景等，對(duì)該領(lǐng)域研究的拓展和完善有著重要意義。

一、認(rèn)知建模研究現(xiàn)狀

（一）跨學(xué)科背景下的多元發(fā)展

跨學(xué)科的特質(zhì)決定了認(rèn)知科學(xué)研究的多元化。認(rèn)知科學(xué)運(yùn)用多門學(xué)科理論、方法對(duì)復(fù)雜的認(rèn)知系統(tǒng)進(jìn)行全方位的綜合研究。建模在認(rèn)知科學(xué)領(lǐng)域的興起是在1950年代后期，所謂模型表征以符號(hào)形式將真實(shí)世界轉(zhuǎn)化為計(jì)算機(jī)程序，高級(jí)語言成為認(rèn)知模型的載體。正是不同學(xué)科深度交叉，各展所長(zhǎng)，促進(jìn)認(rèn)知建模研究的豐碩成果。

1.認(rèn)知心理學(xué)和信息加工心理學(xué)視角

信息加工心理學(xué)主要研究知覺加工與模式識(shí)別、注意、記憶和問題解決等，是認(rèn)知心理學(xué)的主要分支。70年代心理學(xué)研究出現(xiàn)過程模型、認(rèn)知研究方法等相關(guān)的大量課題，興起了心理學(xué)中的“認(rèn)知革命”。各種心理學(xué)的認(rèn)知過程模型包括記憶、模式識(shí)別、理解、想象以及心理變換等，為建模對(duì)象構(gòu)建模型架構(gòu)來建立模型的認(rèn)知過程，使推理、學(xué)習(xí)、規(guī)劃、情感控制等復(fù)雜的任務(wù)自動(dòng)化。[2]認(rèn)知心理學(xué)擅長(zhǎng)使用算法層面的建模方法。這種認(rèn)知建模屬于數(shù)學(xué)模型，優(yōu)點(diǎn)在于比較容易找到最佳狀態(tài)，使建模工作精確而簡(jiǎn)潔；不足之處是問題優(yōu)化帶來的計(jì)算量的增加。[3]

2.人工智能視角

人工智能是研究、開發(fā)用于模擬、延伸、擴(kuò)展人的智能的理論、方法、技術(shù)和應(yīng)用的技術(shù)科學(xué)。認(rèn)知建模是實(shí)現(xiàn)人工智能的一種手段。人工智能視角的認(rèn)知建模試圖從解釋人類的智能來實(shí)現(xiàn)機(jī)器智能的目標(biāo)。[4]依據(jù)科學(xué)問題多元性規(guī)律，人工智能建模方法之間存在差異也是肯定的。認(rèn)知建模在人工智能領(lǐng)域應(yīng)用廣泛，如專家系統(tǒng)、自然語言處理、神經(jīng)網(wǎng)絡(luò)、機(jī)器人和虛擬現(xiàn)實(shí)等，在產(chǎn)品制造階段會(huì)用來改善產(chǎn)品性能，如人因工程、計(jì)算機(jī)游戲、用戶界面設(shè)計(jì)等。

3.人機(jī)交互（HCI）和工效學(xué)視角

研究人/用戶與機(jī)器之間的交互，在最大程度上實(shí)現(xiàn)完成信息管理等功能，使計(jì)算機(jī)更好服務(wù)人類的技術(shù)科學(xué)。人機(jī)交互是計(jì)算機(jī)技術(shù)的應(yīng)用衍生。工效學(xué)（或人因工程學(xué)）關(guān)注交互系統(tǒng)中人與其它要素的互動(dòng)，關(guān)注心理。認(rèn)知工效學(xué)也稱工程心理學(xué)，包括心理負(fù)荷、決策、人為錯(cuò)誤等。[5]工效學(xué)、認(rèn)知工效學(xué)是心理學(xué)工程應(yīng)用的延伸。工效學(xué)領(lǐng)域的認(rèn)知建模對(duì)系統(tǒng)設(shè)計(jì)至關(guān)重要。三種主要的人機(jī)交互認(rèn)知模型分別是用認(rèn)知模型幫助檢查設(shè)計(jì)的有效性、用認(rèn)知模型提供各式輔助手段（如嵌入式助手）和用模型來替代用戶。認(rèn)知建模在人機(jī)交互中應(yīng)用的主要障礙是認(rèn)知模型與工作環(huán)境建立銜接，還需要滿足能夠模仿人類局限和能力范圍的要求。[6]

4.認(rèn)知神經(jīng)學(xué)視角

認(rèn)知神經(jīng)學(xué)研究涉及神經(jīng)心理學(xué)、神經(jīng)科學(xué)及計(jì)算模型等。認(rèn)知神經(jīng)學(xué)用形式化認(rèn)知模型作為工具來分離和量化感興趣的認(rèn)知過程。使用腦度量方法如腦電圖（EEG）、功能磁共振成像（fMRI）來解決形式化模型內(nèi)部自身無法解決的問題。建模方法和認(rèn)知神經(jīng)學(xué)的結(jié)合對(duì)認(rèn)知科學(xué)具有重要意義。兩者相互依存并互為印證，模型為神經(jīng)科學(xué)研究提供指導(dǎo)，對(duì)神經(jīng)機(jī)制的理解又則為認(rèn)知模型構(gòu)建提供關(guān)鍵要素。[7]認(rèn)知模型常把其模塊功能設(shè)計(jì)為與對(duì)應(yīng)功能腦區(qū)相關(guān)聯(lián)。如，ACT-R把前額區(qū)域與陳述模塊檢索相關(guān)聯(lián)等。[8]

從各支撐學(xué)科視角分析認(rèn)知建?？梢园l(fā)現(xiàn)，它們的共同點(diǎn)是以解決“智能”問題為目標(biāo)。不同學(xué)科的研究關(guān)鍵是從不同的角度采用“建?！狈椒▉硌芯俊爸悄堋保赫J(rèn)知如何在腦中發(fā)生以及如何提高工作績(jī)效、促進(jìn)人機(jī)和諧，即探討認(rèn)知與智能。雖然認(rèn)知科學(xué)還是一門年輕的獨(dú)立學(xué)科，尚不完善，還不能實(shí)現(xiàn)整合和統(tǒng)一，但為揭示腦的工作機(jī)制研究做出巨大貢獻(xiàn)。

（二）各具特色的認(rèn)知建模范式

支撐學(xué)科的廣泛性產(chǎn)生多種認(rèn)知建模方法，命名方式也不盡相同，典型的如聯(lián)結(jié)主義、符號(hào)主義、貝葉斯模型、動(dòng)態(tài)系統(tǒng)方法以及認(rèn)知體系等。McClelland認(rèn)為術(shù)語“范式（paradigm）”比“主義”、“學(xué)派”、“框架”或“方法”更為貼切。[9]所謂范式，通常是由基本假設(shè)、概念體系、研究方法共同構(gòu)成。研究范式則表明不同學(xué)科看待人類認(rèn)知現(xiàn)象的不同視角。不同學(xué)科自身優(yōu)勢(shì)導(dǎo)致建模范式之間的顯著差異，特色突出，各有千秋。

1.符號(hào)范式

符號(hào)范式（symbolicism），也稱邏輯范式（logicism）、心理學(xué)派（psychologism）或計(jì)算機(jī)學(xué)派（computerism），其原理主要為物理符號(hào)系統(tǒng)(即符號(hào)操作系統(tǒng))假設(shè)和有限合理性原理。

符號(hào)系統(tǒng)建?；跀?shù)理邏輯，認(rèn)為思維本質(zhì)上是從給定的命題和推理規(guī)則推導(dǎo)新命題的過程。符號(hào)范式曾為人工智能的發(fā)展做出重要貢獻(xiàn)，尤其是專家系統(tǒng)的成功開發(fā)與應(yīng)用，對(duì)人工智能走向工程應(yīng)用、實(shí)現(xiàn)理論聯(lián)系發(fā)揮重要作用。以至于在人工智能其它學(xué)派出現(xiàn)之后，符號(hào)范式仍然是人工智能的主流派別。Newell、Simon和Nilsson等都是這一學(xué)派的代表人物。符號(hào)范式的重要特征是程序驅(qū)動(dòng)思維，思維由算法實(shí)現(xiàn)。符號(hào)范式的觀點(diǎn)認(rèn)為，算法如何在大腦中實(shí)現(xiàn)只是一個(gè)具體實(shí)現(xiàn)的問題。[10]

認(rèn)知科學(xué)領(lǐng)域經(jīng)常提及的相對(duì)較小但非?；钴S的分支是生成式系統(tǒng)，生成式系統(tǒng)是基于規(guī)則的建模方法，是典型的符號(hào)范式。生成式系統(tǒng)的優(yōu)點(diǎn)是：模塊化、均勻性和自然性，其缺點(diǎn)是執(zhí)行效率低。

2.聯(lián)結(jié)范式/并行分布處理

聯(lián)結(jié)范式（connectionism），又稱仿生學(xué)派（bionicsism）或生理學(xué)派（physiologism），其主要原理為神經(jīng)網(wǎng)絡(luò)及其連接機(jī)制和學(xué)習(xí)算法。

聯(lián)結(jié)范式開展人類智能研究受到仿生學(xué)啟發(fā)，特別是人腦模型的研究。它的代表性成果是1943年由生理學(xué)家McCulloch和數(shù)理邏輯學(xué)家Pitts創(chuàng)立的腦模型，即MP模型（McCulloch-Pitts Model of Neuron）。它從神經(jīng)元開始進(jìn)而研究神經(jīng)網(wǎng)絡(luò)模型和腦模型，開辟人工智能發(fā)展的又一新途徑。

聯(lián)結(jié)范式的重要概念包括：大量的簡(jiǎn)單處理單元（神經(jīng)元）、可訓(xùn)練的連接（突觸）、系統(tǒng)中信息的并行處理和知識(shí)的分送。處理單元之間的通信是數(shù)字的，而不是符號(hào)的，從而導(dǎo)致子符號(hào)(subsymbolic)表達(dá)的出現(xiàn)。神經(jīng)網(wǎng)絡(luò)可以以向量的形式處理連續(xù)變量，進(jìn)行非線性變換（在單元層之間）。這也導(dǎo)致其功能象“黑匣子”那樣缺乏透明度，O’Brien等研究指出處理跟蹤調(diào)試非常困難。[11]

3.行為范式

行為范式（actionism或behaviorism），也稱為進(jìn)化主義（evolutionism）或控制論學(xué)派（cyberneticsism），其原理是控制論及感知—運(yùn)動(dòng)型控制系統(tǒng)。認(rèn)知建模的行為范式有兩個(gè)起源：一個(gè)在人工智能領(lǐng)域，行為范式被認(rèn)為是其三大學(xué)派（符號(hào)、聯(lián)結(jié)和行為）之一，使用actionism表示。另一起源在心理學(xué)領(lǐng)域，把行為范式作為心理學(xué)主要學(xué)派之一，使用behaviorism表示。

行為范式的研究思路受到控制論思想的啟發(fā)。早期的心理學(xué)行為范式主張心理學(xué)應(yīng)該研究可以被觀察和直接測(cè)量的行為，反對(duì)研究沒有科學(xué)根據(jù)的意識(shí)。40—50年代，控制論對(duì)人工智能領(lǐng)域產(chǎn)生重要影響。控制論把神經(jīng)系統(tǒng)的工作原理與信息理論、控制理論、邏輯以及計(jì)算機(jī)結(jié)合起來，并融入認(rèn)知心理學(xué)行為范式的刺激-反應(yīng)思想，開展機(jī)器智能研究。80年代誕生了智能控制和智能機(jī)器人系統(tǒng)。20世紀(jì)末，行為范式以新的面孔在人工智能學(xué)派出現(xiàn)。行為范式的經(jīng)典作品首數(shù)機(jī)器人，它被看作是新一代的“控制論動(dòng)物”。

行為范式被認(rèn)為是極具前途的研究范式，其人工生命、遺傳算法以及進(jìn)化計(jì)算研究成果為智能研究的變遷帶來了新的啟示。[12]

4.貝葉斯方法和合理性

過去的十多年，貝葉斯方法和概率論在人類認(rèn)知、大腦活動(dòng)建模中應(yīng)用的研究逐漸流行。[11]貝葉斯推理是英國(guó)數(shù)學(xué)家Bias提出：做結(jié)論時(shí)，不僅依據(jù)目前所觀測(cè)到樣本的信息，而且需要根據(jù)推斷者過去的經(jīng)驗(yàn)和知識(shí)。貝葉斯方法（Bayesian approaches）與基于統(tǒng)計(jì)的學(xué)習(xí)結(jié)合，利用廣譜性的信息表示（樹、向量、邏輯規(guī)則等），在不確定下進(jìn)行推論，在計(jì)算層面提供推理的解釋。

認(rèn)知科學(xué)的合理性（rational）方法源于人類對(duì)建模的一種愿望，相信人類認(rèn)知有最優(yōu)響應(yīng)（導(dǎo)致合理性行為）是可能的，就像受一個(gè)或一組條件約束的智能體有最優(yōu)響應(yīng)一樣?！昂侠硇浴狈椒ò惾~斯思想，為不確定數(shù)據(jù)提供推導(dǎo)結(jié)論的指導(dǎo)，同時(shí)考慮到了成本與收益的因素。

對(duì)很大范圍內(nèi)的人類行為解釋的實(shí)例證明概率方法是成功的，概率方法不僅在計(jì)算層面是認(rèn)知基本機(jī)制計(jì)算的抽象，尤其是其具有自主有效性。[13]

5.動(dòng)態(tài)系統(tǒng)

動(dòng)態(tài)系統(tǒng)（dynamical system，或稱動(dòng)力系統(tǒng)）是數(shù)學(xué)上的一個(gè)概念，認(rèn)為在動(dòng)力系統(tǒng)中存在一個(gè)固定規(guī)則來描述幾何空間中一個(gè)點(diǎn)隨時(shí)間的變化情況。動(dòng)力系統(tǒng)中的狀態(tài)是一組可以被確定下來的實(shí)數(shù)，狀態(tài)的微小變動(dòng)對(duì)應(yīng)這組實(shí)數(shù)的變化。連續(xù)空間和時(shí)間上的操控是典型的動(dòng)態(tài)系統(tǒng)，認(rèn)知建模的動(dòng)態(tài)系統(tǒng)方法（dynamical systems approaches）不同于符號(hào)和聯(lián)結(jié)范式，它重點(diǎn)關(guān)注場(chǎng)景及人類行為的具體特征，把認(rèn)知過程看作是心理活動(dòng)的實(shí)時(shí)展開，在計(jì)算層面通過耦合非線性微分方程描述系統(tǒng)。[10]大腦中的實(shí)時(shí)處理以及大腦、身體和環(huán)境之間的耦合，伴隨著不停的交互和互為因果的響應(yīng)，腦海中的思維就像永恒的動(dòng)態(tài)過程在高維連續(xù)空間發(fā)生，與離散序列符號(hào)過程的各個(gè)方面形成互補(bǔ)。部分學(xué)者指出動(dòng)態(tài)系統(tǒng)框架是把認(rèn)知建立在經(jīng)驗(yàn)、自治、呈現(xiàn)與釋義等認(rèn)知核心方法之上的建模方法。動(dòng)態(tài)系統(tǒng)為理解人類認(rèn)知開辟了新的視角，通過控制模型參數(shù)的變化并與實(shí)現(xiàn)目標(biāo)一起共同描述來自模型（學(xué)習(xí)問題）外部的認(rèn)知演變。

6.認(rèn)知體系/復(fù)合系統(tǒng)

認(rèn)知體系（cognitive architecture）是探究認(rèn)知表達(dá)與機(jī)制的認(rèn)知理論，是聯(lián)結(jié)范式和符號(hào)范式的復(fù)合，也被稱為復(fù)合系統(tǒng)（hybrid system）。由于認(rèn)知過程的復(fù)雜及諸多的未知領(lǐng)地，認(rèn)知建模常常限制在許多嚴(yán)格的約束之下，實(shí)際應(yīng)用中很難發(fā)揮應(yīng)有作用。1980年代出現(xiàn)的各種認(rèn)知體系對(duì)認(rèn)知建模發(fā)展發(fā)揮了促進(jìn)作用。用這種架構(gòu)作為基本的限制，為認(rèn)知建模提供工具和理論依據(jù)，使輔助認(rèn)知建模規(guī)范化，并使所建模型達(dá)到較好的效果。ACT-R是典型的認(rèn)知體系之一，其理論和應(yīng)用不斷得到發(fā)展。Soar是另一典型認(rèn)知體系，經(jīng)常被提及的認(rèn)知體系還包括EPIC、COGENT、CLARION等。

這些認(rèn)知體系自成系統(tǒng)、各有側(cè)重，對(duì)所建模型特性產(chǎn)生不同影響。目前的研究逐漸從注重體系功能發(fā)展為注重人類行為細(xì)節(jié)的建模能力，重點(diǎn)關(guān)注與大腦活動(dòng)之間的關(guān)系。隨著認(rèn)知體系的不斷完善以及其理論在相關(guān)學(xué)科中的實(shí)踐驗(yàn)證，認(rèn)知體系將會(huì)繼續(xù)在認(rèn)知研究中扮演重要角色。[14]

7.認(rèn)知模型有效性驗(yàn)證與評(píng)價(jià)

建模和驗(yàn)證互為依存，模型評(píng)價(jià)是認(rèn)知建模的重要環(huán)節(jié)。認(rèn)知模型驗(yàn)證從模型實(shí)現(xiàn)功能的程度分為三個(gè)層面：一是模型成功完成任務(wù)目標(biāo)的模型功能驗(yàn)證；二是模型單步操作與人單步行為是否一致的行為細(xì)節(jié)驗(yàn)證。這兩者都是定性（即模型表面有效性）模型驗(yàn)證；三是更為細(xì)節(jié)的模型驗(yàn)證，即比較儀器監(jiān)測(cè)模型數(shù)據(jù)與真實(shí)實(shí)驗(yàn)獲取數(shù)據(jù)，檢查兩者在量上是否保持一致或一致程度的驗(yàn)證。模型評(píng)價(jià)是評(píng)價(jià)模型與實(shí)驗(yàn)數(shù)據(jù)的符合程度，工程中還會(huì)涉及非常復(fù)雜的統(tǒng)計(jì)學(xué)方法。

總之，不同建模范式產(chǎn)生背景不同，隨著技術(shù)的發(fā)展不斷完善和相互滲透，在特定領(lǐng)域和時(shí)期發(fā)揮作用。人類思維的復(fù)雜性決定人類思維的形式不會(huì)是目前的任何單一建模范式描述的形式，而是一個(gè)復(fù)雜的物理、化學(xué)、生物等多種形式組合的信息處理過程。因此，探索人類心理無法只依賴單一建模范式，注定必須總合多種范式、實(shí)現(xiàn)多范式多形態(tài)的交叉與融合，并用不斷完善的方法循環(huán)驗(yàn)證其有效性。

二、認(rèn)知建模研究的新動(dòng)向

近年來，在理論與方法研究上提出源根認(rèn)知、體化認(rèn)知、線程認(rèn)知、量子建模、基于腦成像技術(shù)研究人類認(rèn)知過程等新概念、新動(dòng)向，對(duì)認(rèn)知科學(xué)產(chǎn)生重要影響。

（一）量子認(rèn)知建模

量子認(rèn)知（quantum cognition）是使用量子理論的數(shù)學(xué)原理來幫助形式化和理解認(rèn)知系統(tǒng)的新興領(lǐng)域。[15]量子概率（QP，quantum probability）理論已經(jīng)統(tǒng)治概率方法將近100年。經(jīng)典（貝葉斯）概率（CP，classical probability）和QP在假設(shè)和方法上有許多相似之處。某種意義而言，CP是QP的一個(gè)特例。1990年代，物理學(xué)家和心理學(xué)家創(chuàng)造性應(yīng)用量子概率原理來研究人類的認(rèn)知和決策行為。研究發(fā)現(xiàn)有許多行之有效的實(shí)證研究成果卻很難與CP理論兼容；這些研究成果使用QP理論來解釋顯得更自然和直觀。概率估計(jì)常常有強(qiáng)的上下文和順序依賴性，個(gè)體狀態(tài)可能是疊加狀態(tài)（即不可能與特定值相關(guān)聯(lián)），復(fù)合系統(tǒng)可能更復(fù)雜（它們不能被分解成子系統(tǒng)）。CP觀念看待這些特性可能費(fèi)解甚至無所適從，而QP理論能夠提供更準(zhǔn)確、功能更強(qiáng)大的某些過程的表述。該新興領(lǐng)域發(fā)展迅速，成為現(xiàn)今的量子認(rèn)知，有學(xué)者認(rèn)為QP理論在認(rèn)知中的應(yīng)用值得期待。[16]

（二）體化認(rèn)知和源根認(rèn)知

在過去的10-15年中，體化認(rèn)知（EC，embodied cognition）（也譯為具身認(rèn)知）和源根認(rèn)知（GC，grounded cognition）（也譯為接地認(rèn)知）在涉及認(rèn)知（神經(jīng)）科學(xué)的領(lǐng)域中引起關(guān)注，并有許多支持證據(jù)。該方法認(rèn)為，認(rèn)知活動(dòng)的根源是感知-行動(dòng)過程以及特定上下文和情景中的狀態(tài)。[17]

EC和GC都是在反思傳統(tǒng)認(rèn)知思想的基礎(chǔ)上提出的。GC不接受認(rèn)知是模塊系統(tǒng)中計(jì)算非模態(tài)符號(hào)的傳統(tǒng)觀點(diǎn)，它認(rèn)為感知、動(dòng)作和內(nèi)省獨(dú)立于大腦模態(tài)系統(tǒng)。GC提出認(rèn)知背后的模態(tài)仿真、身體狀態(tài)和情境行為等概念。兩者的主要區(qū)別在于：GC是關(guān)于心理表征的認(rèn)知理論，但它強(qiáng)調(diào)表征由身體確定。EC用豐富感知世界中的活動(dòng)取代心理表征。EC和GC也被應(yīng)用于認(rèn)知建模，如人機(jī)交互EC體系結(jié)構(gòu)ACT-R/E（Adaptive Character of Thought-Rational/Embodied）以及針對(duì)感知--運(yùn)行源根和源根轉(zhuǎn)化的體化模型等。

（三）線程認(rèn)知

線程認(rèn)知（threaded cognition）是認(rèn)為認(rèn)知可以并行發(fā)生、一次可以執(zhí)行兩個(gè)或更多任務(wù)的認(rèn)知建模思想，是一個(gè)并發(fā)多任務(wù)集成理論。Salvucci認(rèn)為，思維流可以表示為一系列串行的過程資源并通過其它可用資源（如，感知和行動(dòng)資源）協(xié)調(diào)和執(zhí)行的處理線程。該理論提出一種允許并發(fā)地執(zhí)行、資源獲取和資源沖突解決，而不需要專門執(zhí)行處理的極節(jié)儉機(jī)制。作為計(jì)算模型通過這個(gè)機(jī)制實(shí)例化，為一個(gè)給定任務(wù)提供明確（是否或如何多任務(wù)行為干預(yù)）預(yù)測(cè)。通過實(shí)驗(yàn)室雙選簡(jiǎn)單多任務(wù)、駕駛和駕駛注意力分散復(fù)雜工程應(yīng)用的認(rèn)知行為建模與模擬，Salvucci對(duì)其線程認(rèn)知理論給予了詳細(xì)闡述。[18]

總體而言，認(rèn)知模型為解釋大腦研究獲取數(shù)據(jù)提供了很好的理論框架，迅速成為認(rèn)知建模中研究熱點(diǎn)。隨著腦成像技術(shù)功能的不斷增強(qiáng)，腦功能測(cè)量技術(shù)為認(rèn)知建模提供了生理學(xué)依據(jù)。認(rèn)知建模方法為腦功能測(cè)量提供預(yù)測(cè)和分析手段，綜合模型在精確預(yù)測(cè)中的重要性更加明顯。[19]認(rèn)知建模中典型的腦成像技術(shù)如功能磁共振成像、腦電圖（EEG）、腦磁圖（MEG）、事件相關(guān)電位（ERP）、計(jì)算機(jī)斷層掃描（CT）、正電子成像技術(shù)（PET）、動(dòng)脈自旋標(biāo)記（ASL）等已經(jīng)成為研究人員探索思維奧秘不可缺少的重要技術(shù)手段。

三、認(rèn)知建模研究的思考

（一）國(guó)外認(rèn)知建模研究

認(rèn)知建模在以歐美為代表的西方國(guó)家發(fā)展迅速，以計(jì)算機(jī)科學(xué)研究、認(rèn)知心理學(xué)、生理學(xué)等為依托，并有較完善的多方支持。研究多在計(jì)算機(jī)科學(xué)領(lǐng)域，心理學(xué)研究目前很重視腦科學(xué)的神經(jīng)認(rèn)知心理學(xué)。有完備的研究學(xué)術(shù)交流平臺(tái)，如The Journal of Cognitive Science、Topics in Cognitive Science以及Frontiers in Psychology等刊物。認(rèn)知建模研究多數(shù)得到具有國(guó)防背景或國(guó)家實(shí)力研究機(jī)構(gòu)強(qiáng)力資助，如NASA、美國(guó)陸軍研究辦公室、歐洲研究委員會(huì)等。多數(shù)知名高校都開設(shè)認(rèn)知建模相關(guān)課程，如斯坦福、卡內(nèi)基·梅隆等。

（二）國(guó)內(nèi)認(rèn)知建模研究

國(guó)內(nèi)認(rèn)知建模研究起步晚，起點(diǎn)高，緊跟國(guó)際研究前沿，如李金波的認(rèn)知負(fù)荷評(píng)價(jià)方法的研究[20]、Wang等的航天交會(huì)交匯對(duì)接任務(wù)認(rèn)知建模與績(jī)效評(píng)價(jià)研究等。[21]認(rèn)知科學(xué)研究機(jī)構(gòu)、科研項(xiàng)目相繼啟動(dòng)，認(rèn)知建模成為研究重點(diǎn)，如北師大認(rèn)知神經(jīng)科學(xué)與學(xué)習(xí)國(guó)家重點(diǎn)實(shí)驗(yàn)室，如吳朝暉主持“腦機(jī)融合感知和認(rèn)知的計(jì)算理論與方法”（2013年“973”項(xiàng)目）等。但總體還存在很多問題。

首先，研究環(huán)境不夠成熟，研究?jī)?nèi)容相對(duì)分散，心理學(xué)研究以傳統(tǒng)方法為多，基于腦科學(xué)、學(xué)科交叉的認(rèn)知研究開展不足；人工智能研究也還沒有深入到探討大腦與智能之間關(guān)系的層面，仍停留在智能體、機(jī)器人等單個(gè)領(lǐng)域。其次，存在學(xué)科歸屬的尷尬局面，研究平臺(tái)有待突破，一定程度上無法與學(xué)科的發(fā)展進(jìn)度相適應(yīng)，研究人員對(duì)國(guó)際研究大環(huán)境融入不足。再次，認(rèn)知學(xué)科的高度交叉及其前沿尖端的特性，要求研究起點(diǎn)較高，研究設(shè)備昂貴等，組建研究團(tuán)隊(duì)不易。最后，認(rèn)知模型已經(jīng)開始嘗試應(yīng)用一系列以共享心理模型為目的的研究，因時(shí)間較短，尚未有效開展。[22]

認(rèn)知建模已成為復(fù)雜工程系統(tǒng)中重要的仿真與評(píng)估手段，在前沿領(lǐng)域中更是舉足輕重，超越任何單一學(xué)科的研究意義。認(rèn)知建模的發(fā)展必將繼續(xù)呈現(xiàn)多元趨勢(shì)，為設(shè)計(jì)人工智能系統(tǒng)提供新的技術(shù)方法。各研究范式彼此的基本假設(shè)、研究方式等各有差異，都有其合理性和局限性?？梢灶A(yù)期，認(rèn)知建模將被學(xué)者們繼續(xù)熱切關(guān)注，建模方法必將持續(xù)交叉和整合，并推動(dòng)其他學(xué)科發(fā)展，在解讀人類心理的使命上取得突破性進(jìn)展。

[1]Eby D W，Molnar L J，Shope J T,et al.Improving older driver knowledge and self-awareness through self-assessment:The driving decisions workbook[J].Journal of safety research，2003，34(4):371-381.

[2]Konar A，Jain L C.The Psychological Basis of Cognitive Modeling[M]//Cognitive Engineering:A Distributed Approach to Machine Intelligence.Lonton：Springer Lonton Ltd，2005:1-38.

[3]Gentner D.Psychology in cognitive science:1978–2038[J].Topics in Cognitive Science，2010，2(3)，328-344.

[4]Cassimatis N L.Artificial Intelligence and Cognitive Modeling Have the Same Problem.In Theoretical Foundations of Artificial General Intelligence[M].Atlantis Press，2012:11-24

[5]C·D·威肯斯.工程心理學(xué)與人的作業(yè)[M].朱祖祥，譯.上海:華東師范大學(xué)出版社，2003:1-10

[6]Ritte F E，Baxter G D，Jones G，et al.Supporting cognitive models as users[J].ACM Transactions on Computer-Human Interaction (TOCHI)，2000，7(2):141-173.

[7]Forstmann B U，Wagenmakers E J，Eichele T，et al.Reciprocal relations between cognitive neuroscience and formal cognitive models:opposites attract?[J].Trends in cognitive sciences.2011，15(6):272-279.

[8]Anderson J R，F(xiàn)incham J M，Schneider D W，et al.Using brain imaging to track problem solving in a complex state space[J]. NeuroImage，2012，60(1):633-643.

[9]McClelland J L.The place of modeling in cognitive science[J].Topics in Cognitive Science，2009，1(1):11-38.

[10]Farkas I.Indispensability of computational modeling in cognitive science[J].Journal of Cognitive Science，2012，13(12):401-435.

[11]Gerard O’Brien，Jon Opie.How do connectionist networks compute?[J].Cognitive Processing，2006(7):30-41

[12]劉曉力.認(rèn)知科學(xué)研究綱領(lǐng)的困境與走向[J].社會(huì)心理科學(xué)，2005，20(4):10-18.

[13]Perfors A，Tenenbaum J B，Griffiths T L，et al.A tutorial introduction to Bayesian models of cognitive development[J].Cognition，2011，120(3):302-321.

[14]Shiffrin R M.Perspectives on modeling in cognitive science[J].Topics in Cognitive Science，2010，2(4):736-750.

[15]Busemeyer J R，Wang Z.Quantum Cognition:Key Issues and Discussion[J].Topics in cognitive science，2014，6(1):43-46.

[16]Pothos E M，Busemeyer J R.Can quantum probability provide a new direction for cognitive modeling?[J].Behavioral and Brain Sciences，2013，36(3):255-274.

[17]Borghi A M，Pecher D.Introduction to the special topic embodied and grounded cognition[J].Frontiers in Psychology，2011，2(4):187.

[18]Salvucci D D，Taatgen N A.Threaded cognition:an integrated theory of concurrent multitasking[J].Psychological review，2008，115(1):101-130.

[19]Van Rooy D.Report on the Fourth International Conference on Cognitive Modeling[J].Cognitive Systems Research，2001，2(4):297-300.

[20]李金波，許百華.人機(jī)交互過程中認(rèn)知負(fù)荷的綜合測(cè)評(píng)方法[J].心理學(xué)報(bào)，2009.41(1):35-43.

[21]Wang C，Tian Y，Liu Y，et al.Cognitive behavior modeling of manual rendezvous and docking based on the ACT-R cognitive architecture[J].Lecture Notes in Computer Science，2013:143-148.

[22]劉雁飛.駕駛行為建模研究[D].杭州:浙江大學(xué)，2007.

Cognitive Modeling Based on Interdisciplinary Perspective: Research status,Trends and Thoughts

ZHUANG Agang1LIU Yanfei2DING Fangsheng3
(1.Public Security Bureau of Zhoushan,Zhoushan 316012,China; 2.Zhejiang Sci-Tech University,Hangzhou 310018,China;3.Zhejiang Ocean University,Zhoushan 316022,China)

The paper summarizes cognitive modeling(CM)research status and some new trends.Based on interdisciplinary perspective, it expounds their strengths in different disciplines leading to differences in CM paradigms and their common goal is to solve the same problem---intelligent.Furthermore,it elaborates that it cannot merely rely on one single paradigm and must compound and integrate variety of them to understand human mind by category description classic CM paradigms.Finally,it discusses the main problems of CM in China according to the comprehensive analysis of the domestic and foreign studies on CM.

cognitive modeling(CM);cognitive science;cognitive model;modeling paradigm

N945.12

A

1008-8318（2015）06-0086-06

2015-05-05

莊阿剛（1976-），男，浙江岱山人，工程師，碩士。