馮 康

(淮南師范學(xué)院計(jì)算機(jī)與信息工程系，安徽 淮南 232038)

認(rèn)知科學(xué)的發(fā)展及研究方向*

馮 康

(淮南師范學(xué)院計(jì)算機(jī)與信息工程系，安徽 淮南 232038)

研究認(rèn)知科學(xué)的起源、發(fā)展、學(xué)科結(jié)構(gòu)及研究方向。提出了基于過程的認(rèn)知定義,探討了認(rèn)知科學(xué)的起源;將認(rèn)知科學(xué)的發(fā)展劃分為計(jì)算理論、符號(hào)處理理論、多理論三個(gè)階段；論述了認(rèn)知科學(xué)的學(xué)科結(jié)構(gòu)及研究方向，指出認(rèn)知模型、大腦存儲(chǔ)模型、認(rèn)知計(jì)算是當(dāng)前認(rèn)知科學(xué)的主要研究方向。研究發(fā)現(xiàn)，基于過程的認(rèn)知定義能夠體現(xiàn)認(rèn)知的本質(zhì)。一元事件認(rèn)知模型能夠模擬人類的認(rèn)知，是一種理想的認(rèn)知模型。

認(rèn)知科學(xué)；認(rèn)知模型；大腦存儲(chǔ)模型；認(rèn)知計(jì)算

1 引言

認(rèn)知科學(xué)研究的任務(wù)是發(fā)現(xiàn)人類認(rèn)知的本質(zhì)和規(guī)律，揭示人類心智的奧秘。美國國家科學(xué)基金會(huì)(NSF)已經(jīng)將認(rèn)知科學(xué)列為21世紀(jì)四大帶頭學(xué)科之一，并啟動(dòng)了人類認(rèn)知組計(jì)劃HCP(Human Cognome Project)[1]，而我國也在《國家中長期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要(2006-2020)》中將認(rèn)知科學(xué)列為基礎(chǔ)研究的學(xué)科前沿問題。因此，非常有必要對(duì)認(rèn)知科學(xué)的起源、發(fā)展、研究方向及最新的研究成果進(jìn)行綜述。

2 認(rèn)知及認(rèn)知科學(xué)的定義

2.1 認(rèn)知的不同定義

2.1.1 心理學(xué)定義

心理學(xué)認(rèn)為：認(rèn)知在廣義上是指任何生物體生理特性的一種功能表現(xiàn)，狹義上是指人腦中以信息處理方式進(jìn)行的認(rèn)識(shí)過程。美國心理學(xué)家霍斯頓(Houston J P)等人[2]進(jìn)一步把這種觀點(diǎn)歸納為認(rèn)知表現(xiàn)的五種主要類型：

(1)認(rèn)知是信息的處理過程；

(2)認(rèn)知是思維的過程；

(3)認(rèn)知是心理學(xué)上的符號(hào)運(yùn)算；

(4)認(rèn)知是對(duì)問題的求解；

(5)認(rèn)知是一組相關(guān)的活動(dòng)，如知覺、思維、學(xué)習(xí)、記憶、判斷、推理、問題求解、概念形成、想象、語言使用等。

2.1.2 哲學(xué)定義

哲學(xué)從四個(gè)層次對(duì)認(rèn)知進(jìn)行了定義：

(1)認(rèn)知是人類認(rèn)識(shí)客觀事物、獲得知識(shí)的活動(dòng)；

(2)認(rèn)知是人類知覺、記憶、學(xué)習(xí)、言語、思維和問題解決的過程，是人類對(duì)外界信息進(jìn)行積極加工的過程；

(3)認(rèn)知可以表示為目標(biāo)、信念、知識(shí)和知覺及對(duì)這些表示實(shí)施操作的計(jì)算；

(4)認(rèn)知是回答“什么、誰、何時(shí)、哪里、怎樣”這幾個(gè)問題的答案[3]。

2.1.3 語言學(xué)定義

語言學(xué)從語言在認(rèn)知中的獨(dú)特作用給出了認(rèn)知的定義：認(rèn)知是人類對(duì)語言的處理過程。該定義從四個(gè)層次概括了語言和認(rèn)知的關(guān)系：

(1)認(rèn)知是人類語言產(chǎn)生的原因；

(2)語言是人類認(rèn)知的對(duì)象；

(3)語言是人類認(rèn)知的表達(dá)；

(4)認(rèn)知的發(fā)展帶動(dòng)語言的發(fā)展[4]。

2.1.4 計(jì)算機(jī)科學(xué)定義

計(jì)算機(jī)科學(xué)從計(jì)算的角度對(duì)認(rèn)知給出了既簡單而又深刻的定義：認(rèn)知是大腦的一種計(jì)算。計(jì)算機(jī)科學(xué)提出這樣的定義，是因?yàn)槿四X和計(jì)算機(jī)無論在硬件層次和軟件層次有多么的不同, 但是在計(jì)算理論這一層次上, 它們都具有產(chǎn)生、操作和處理抽象符號(hào)的能力，都是一個(gè)信息計(jì)算的系統(tǒng)[5]。

2.1.5 基于過程的認(rèn)知定義

對(duì)于認(rèn)知的本質(zhì)，文獻(xiàn)[6,7]認(rèn)為，認(rèn)知不同于感知，人類感覺器官每天都會(huì)接收海量的感知信息，但并沒有觸發(fā)相應(yīng)的認(rèn)知，只有感知信息間發(fā)生了相互作用才會(huì)觸發(fā)認(rèn)知；認(rèn)知不是對(duì)觀察到的感知信息間的相互作用進(jìn)行簡單存儲(chǔ)，而是在對(duì)它們的計(jì)算，并轉(zhuǎn)化為知識(shí)加以記憶。認(rèn)知是一個(gè)學(xué)習(xí)系統(tǒng)，理解世界的知識(shí)還可以通過學(xué)習(xí)直接獲取并加以記憶；認(rèn)知是一個(gè)輸入/輸出系統(tǒng)，輸入量是需要完成的任務(wù)，輸出量是完成任務(wù)的方法，而完成任務(wù)是通過改造世界來實(shí)現(xiàn)的；認(rèn)知是一個(gè)反饋系統(tǒng)，改造世界中方法的有效性會(huì)校正理解世界中的知識(shí)。根據(jù)認(rèn)知的以上本質(zhì)，文獻(xiàn)[8]提出基于過程的認(rèn)知定義，定義認(rèn)知是人類觀察世界、理解世界、改造世界的完整過程，如圖1所示。

Figure 1 Cognition based on process圖1 基于過程的認(rèn)知

上述定義中，觸發(fā)人類認(rèn)知的是外部世界的事件，而事件就是人類感知信息間相互作用的邏輯表達(dá)；觀察世界是對(duì)觸發(fā)認(rèn)知的事件進(jìn)行計(jì)算，并轉(zhuǎn)化為認(rèn)識(shí)，而認(rèn)識(shí)就是知識(shí)的一種表達(dá)；理解世界是對(duì)觀察世界轉(zhuǎn)化的認(rèn)識(shí)進(jìn)行記憶，同時(shí)理解世界還可以通過學(xué)習(xí)直接接收外部世界已有的認(rèn)識(shí)加以記憶，體現(xiàn)了認(rèn)知是一個(gè)學(xué)習(xí)系統(tǒng)的思想；改造世界根據(jù)理解世界記憶的認(rèn)識(shí)，完成外部世界輸入的任務(wù)，并向外部世界輸出完成任務(wù)的方法，體現(xiàn)了認(rèn)知是一個(gè)輸入/輸出系統(tǒng)的思想；改造世界中如發(fā)現(xiàn)完成任務(wù)的方法無效，還可以反過來影響理解世界中的認(rèn)識(shí)，體現(xiàn)了認(rèn)知是一個(gè)反饋系統(tǒng)的思想；而正是觀察世界、理解世界、改造世界的完整過程構(gòu)成了認(rèn)知。因此，基于過程的認(rèn)知定義能夠體現(xiàn)認(rèn)知的本質(zhì)。

2.2 認(rèn)知科學(xué)的定義

認(rèn)知科學(xué)是研究人類認(rèn)知的本質(zhì)及規(guī)律，揭示人類心智奧秘的科學(xué)。它的研究范圍包括知覺、注意、記憶、動(dòng)作、語言、推理、思考乃至意識(shí)在內(nèi)的各個(gè)層次和方面的人類的認(rèn)知活動(dòng)。認(rèn)知科學(xué)是建立在心理學(xué)、計(jì)算機(jī)科學(xué)、神經(jīng)科學(xué)、人類學(xué)、語言學(xué)、哲學(xué)共同關(guān)心的交界面上, 即為解釋、理解、表達(dá)、計(jì)算人類乃至機(jī)器的智能的共同興趣上, 涌現(xiàn)出來的高度跨學(xué)科的新興科學(xué)。

3 認(rèn)知科學(xué)的起源及發(fā)展

3.1 認(rèn)知科學(xué)的起源

認(rèn)知科學(xué)起源于古代，基本上以思辨式的研究為主。從20世紀(jì)30年代開始，一批有遠(yuǎn)見卓識(shí)的科學(xué)家就已經(jīng)開始了認(rèn)知科學(xué)的基礎(chǔ)研究，1973年，美國心理學(xué)家朗蓋特第一次在論文中使用“認(rèn)知科學(xué)(Cognitive Science)”一詞。1977年，著名的認(rèn)知科學(xué)研究領(lǐng)域的權(quán)威期刊《Cognitive Science》創(chuàng)刊。1979年，在著名的斯隆基金會(huì)的資助下，由心理學(xué)、語言學(xué)、計(jì)算機(jī)科學(xué)和哲學(xué)界著名的學(xué)者Schank R、Collins A、Norman D等人發(fā)起，聯(lián)合其他學(xué)科對(duì)認(rèn)知進(jìn)行深入研究，一些著名的學(xué)者在加州共同成立了美國認(rèn)知科學(xué)協(xié)會(huì)，并將權(quán)威期刊《Cognitive Science》確定為認(rèn)知科學(xué)學(xué)會(huì)會(huì)刊。美國認(rèn)知科學(xué)協(xié)會(huì)的成立標(biāo)志著認(rèn)知科學(xué)的誕生[9]。從此以后，世界各國的名牌大學(xué)及科研院所紛紛成立認(rèn)知科學(xué)的研究中心或研究所，并創(chuàng)刊了一批具有國際影響力的認(rèn)知科學(xué)學(xué)術(shù)期刊，如《Cognitive Psychology》、《Cognition》、《Cognitive Neuroscience》。上述種種努力，使得認(rèn)知科學(xué)得到了迅速的發(fā)展,并逐漸成為世界各國爭相發(fā)展的前沿學(xué)科[10]。

3.2 認(rèn)知科學(xué)的發(fā)展

在認(rèn)知科學(xué)近60年的發(fā)展歷程中，其主要指導(dǎo)理論在發(fā)生著變化，因此我們可以按照主要指導(dǎo)理論將認(rèn)知科學(xué)的發(fā)展分為以下三個(gè)不同的發(fā)展階段。

3.2.1 計(jì)算理論階段

約為20世紀(jì)40年代到50年代末，這一階段認(rèn)知科學(xué)的研究主要是基于“認(rèn)知即計(jì)算”這一經(jīng)典理論而展開的。其代表人物為丘奇(Church)、圖靈、馮·諾伊曼。美國數(shù)學(xué)家丘奇最早在他的論文《初等數(shù)論中的一個(gè)不可解問題》中，提出了人類的認(rèn)知和其它任何具有輸入輸出關(guān)系的函數(shù)一樣，都是可定義可計(jì)算的；圖靈在其著名的“圖靈機(jī)”和“圖靈測試”中，進(jìn)一步表達(dá)了對(duì)認(rèn)知和智力的理解，他認(rèn)為認(rèn)知和智力的任何一種狀態(tài)都是圖靈機(jī)的某一種狀態(tài), 認(rèn)知和智力的任何活動(dòng)都是圖靈機(jī)定義的可以表達(dá)的、可以一步一步地機(jī)械實(shí)現(xiàn)的“計(jì)算”；馮·諾伊曼在“馮·諾伊曼體系結(jié)構(gòu)計(jì)算機(jī)”中，將人類的大腦思維模擬為中央處理器對(duì)一系列指令序列的處理，而將人類記憶的認(rèn)知信息和學(xué)習(xí)技能模擬為存儲(chǔ)器中存儲(chǔ)的數(shù)據(jù)和程序，將接受信息和改造世界模擬為輸入/輸出，從而將認(rèn)知統(tǒng)一在“計(jì)算機(jī)”這一認(rèn)知模擬器中，其中心思想仍然是中央處理器對(duì)指令的計(jì)算[11]。

3.2.2 符號(hào)處理理論階段

從20世紀(jì)50年代末到80年代初期，這一階段認(rèn)知科學(xué)的研究主要基于“認(rèn)知是對(duì)符號(hào)的計(jì)算機(jī)處理”的理論，又被稱為“計(jì)算機(jī)處理經(jīng)典符號(hào)階段”，因?yàn)樗彤?dāng)時(shí)逐漸發(fā)展起來的計(jì)算機(jī)科學(xué)緊密相關(guān)。符號(hào)處理理論實(shí)際上是“認(rèn)知即計(jì)算”理論的延伸和拓展。既然認(rèn)知是計(jì)算，所以它一定是個(gè)信息處理系統(tǒng)，并將描述認(rèn)知的基本單元定義為“符號(hào)”；而不同的認(rèn)知活動(dòng)都可以模擬為一個(gè)計(jì)算機(jī)程序；因此，人類的認(rèn)知就是計(jì)算機(jī)程序?qū)Ψ?hào)的一系列處理，包括輸入符號(hào)、輸出符號(hào)、存儲(chǔ)符號(hào)、復(fù)制符號(hào)、建立符號(hào)結(jié)構(gòu)及條件性轉(zhuǎn)移，從而實(shí)現(xiàn)智能。艾倫·紐維爾和赫伯特·西蒙是這個(gè)階段認(rèn)知科學(xué)研究的杰出代表，他們將任何可被人類感覺器官感知、智能系統(tǒng)分辨、認(rèn)知功能實(shí)現(xiàn)的有意義的認(rèn)知模式，如圖像、聲音、文字、語言、意識(shí)等，都編碼為物理符號(hào)，而將人類的某個(gè)認(rèn)知活動(dòng)模擬為一個(gè)計(jì)算機(jī)程序?；谶@種思想，他們合作開發(fā)了最早的模擬人類認(rèn)知的啟發(fā)式程序“邏輯理論家(Logic Theorist)”，并在著名的“達(dá)特茅斯會(huì)議”上發(fā)布，引起認(rèn)知科學(xué)研究領(lǐng)域的極大轟動(dòng)。他們進(jìn)一步研究人類認(rèn)知中求解難題的共同思維規(guī)律，開發(fā)出能夠求解11種難題的著名計(jì)算機(jī)程序“通用問題求解器(General Problems Solver)”，從而將符號(hào)處理階段的認(rèn)知科學(xué)的研究發(fā)展到了一個(gè)頂峰。

3.2.3 多理論階段

從20世紀(jì)70年代到今天，三種主要的指導(dǎo)理論引領(lǐng)著認(rèn)知科學(xué)的發(fā)展，它們分別是人工神經(jīng)網(wǎng)絡(luò)理論、模塊理論、環(huán)境作用理論。

“人工神經(jīng)網(wǎng)絡(luò)理論”又稱“聯(lián)結(jié)主義理論”，該理論把人類的認(rèn)知模擬為多個(gè)人工神經(jīng)元所組成的神經(jīng)網(wǎng)絡(luò)來處理信息，是一種信息處理系統(tǒng)，信息是交互作用的人工神經(jīng)元的激活模式，信息并不存在于特定的神經(jīng)元中，而是存在于神經(jīng)網(wǎng)絡(luò)的聯(lián)結(jié)中或權(quán)重里，通過調(diào)整權(quán)重就可以改變網(wǎng)絡(luò)的聯(lián)結(jié)關(guān)系并進(jìn)而改變網(wǎng)絡(luò)的功能。

“模塊理論”由福德(Forder)首次提出，受計(jì)算機(jī)硬件和軟件中的模塊化思想影響，福德認(rèn)為人類認(rèn)知的主體—大腦，在結(jié)構(gòu)及功能上實(shí)際都可以劃分為若干個(gè)高度專業(yè)化并相對(duì)獨(dú)立的認(rèn)知模塊，這些模塊的結(jié)合及相互作用實(shí)現(xiàn)了人類的認(rèn)知功能。因此，認(rèn)知科學(xué)研究的重點(diǎn)應(yīng)該是大腦功能模塊的劃分及相互作用機(jī)制的研究[12]。

“環(huán)境作用理論”認(rèn)為，認(rèn)知科學(xué)的研究不應(yīng)該僅僅局限在表達(dá)(Represention)和推理(Reasoning)等認(rèn)知方法和理論的研究中，還應(yīng)該從系統(tǒng)的角度來研究，尤其注重認(rèn)知體所在的環(huán)境及現(xiàn)場對(duì)認(rèn)知的影響。人類的認(rèn)知不只是認(rèn)知個(gè)體大腦的思維活動(dòng)，還取決于環(huán)境，發(fā)生在個(gè)體與環(huán)境的交互作用之中。這方面研究的代表人物是MIT的Brooks教授，他的《沒有表達(dá)的智能》、《沒有推理的智能》等一系列的論文，強(qiáng)調(diào)了認(rèn)知體與環(huán)境交互作用對(duì)認(rèn)知的重大影響，并以研究成果“人造昆蟲”將這一理論推到了高峰[13]。

4 認(rèn)知科學(xué)的學(xué)科結(jié)構(gòu)及研究方向

4.1 認(rèn)知科學(xué)的學(xué)科結(jié)構(gòu)

當(dāng)前，國際上公認(rèn)的認(rèn)知科學(xué)的學(xué)科結(jié)構(gòu)如圖2所示，它是基于美國科學(xué)家Pylyshyn Z提出的六角形認(rèn)知科學(xué)學(xué)科結(jié)構(gòu)圖，分布在六角形六個(gè)頂點(diǎn)的是心理學(xué)、計(jì)算機(jī)科學(xué)、神經(jīng)科學(xué)、語言學(xué)、人類學(xué)、哲學(xué)六大核心支撐學(xué)科，體現(xiàn)了認(rèn)知科學(xué)是上述六大核心支撐學(xué)科共同關(guān)注的交界面[14]。這六大核心支撐學(xué)科之間互相交叉，又產(chǎn)生出11個(gè)新興交叉學(xué)科，分別是控制論、神經(jīng)語言學(xué)、神經(jīng)心理學(xué)、認(rèn)知過程仿真、計(jì)算語言學(xué)、心理語言學(xué)、心理哲學(xué)、語言哲學(xué)、人類學(xué)語言學(xué)、認(rèn)知人類學(xué)、腦進(jìn)化。

Figure 2 Subject structure of cognitive science圖2 認(rèn)知科學(xué)的學(xué)科結(jié)構(gòu)圖

4.2 認(rèn)知科學(xué)的研究方向

當(dāng)前，認(rèn)知科學(xué)的研究方向主要集中在與計(jì)算機(jī)科學(xué)相關(guān)的認(rèn)知模型、大腦存儲(chǔ)模型及認(rèn)知計(jì)算的研究上。

4.2.1 認(rèn)知模型

認(rèn)知模型是指模擬人類認(rèn)知，從而人工構(gòu)建出的認(rèn)知對(duì)象、認(rèn)知架構(gòu)、認(rèn)知模擬的統(tǒng)一體?？紤]到認(rèn)知科學(xué)研究的巨大復(fù)雜性，研究認(rèn)知科學(xué)往往摒棄認(rèn)知的許多表象，而將認(rèn)知的實(shí)質(zhì)簡化在一個(gè)認(rèn)知模型(Cognitive Model)中，并通過對(duì)認(rèn)知模型的研究來發(fā)現(xiàn)認(rèn)知的本質(zhì)及其規(guī)律[15]。

4.2.2 大腦存儲(chǔ)模型

大腦存儲(chǔ)模型是指仿生人類大腦的存儲(chǔ)機(jī)制而構(gòu)造出的人工存儲(chǔ)模型。人類的大腦是迄今為止已知的最復(fù)雜、最合理、最高效的存儲(chǔ)系統(tǒng)。模擬大腦的存儲(chǔ)機(jī)制構(gòu)建一個(gè)大腦存儲(chǔ)模型，以這個(gè)大腦存儲(chǔ)模型為研究對(duì)象進(jìn)行大腦存儲(chǔ)的深入研究，不但可以解決以真正大腦為研究對(duì)象進(jìn)行研究面臨的諸多生理和倫理困難，而且可以以一個(gè)全新的角度提出大腦存儲(chǔ)研究的科學(xué)理論和方法，并將這些理論和方法應(yīng)用于人造存儲(chǔ)系統(tǒng)的實(shí)踐中。因此，大腦存儲(chǔ)模型的研究有著很高的理論水平和應(yīng)用價(jià)值[16]。

4.2.3 認(rèn)知計(jì)算

認(rèn)知計(jì)算(Cognitive Computation)是指仿生人類在認(rèn)知過程中，對(duì)所有認(rèn)知數(shù)據(jù)連續(xù)進(jìn)行處理時(shí)所采用的全部算法。借助于認(rèn)知計(jì)算，我們不但可以將外部世界紛繁復(fù)雜的信息進(jìn)行量化、融合、轉(zhuǎn)達(dá)，而且還可以把人類的認(rèn)知機(jī)制建模在一個(gè)適合認(rèn)知科學(xué)研究的認(rèn)知模型中，開展認(rèn)知實(shí)驗(yàn)，記錄認(rèn)知數(shù)據(jù)，計(jì)算認(rèn)知性能指標(biāo)，發(fā)現(xiàn)認(rèn)知的本質(zhì)和規(guī)律，并最終構(gòu)建一個(gè)具有人類認(rèn)知功能的“認(rèn)知機(jī)”[17]。

5 認(rèn)知模型的相關(guān)研究

5.1 符號(hào)主義認(rèn)知模型

符號(hào)主義認(rèn)知模型是最傳統(tǒng)的認(rèn)知模型，它的認(rèn)知對(duì)象是符號(hào)。符號(hào)主義認(rèn)知模型主要思想是把認(rèn)知當(dāng)成對(duì)理性符號(hào)的處理，借助于不同的產(chǎn)生式規(guī)則，對(duì)符號(hào)進(jìn)行替換運(yùn)算。產(chǎn)生式規(guī)則被描述成“條件——?jiǎng)幼鳌毙问剑７铝巳祟愒谕评砗徒鉀Q問題對(duì)應(yīng)不同條件執(zhí)行的相應(yīng)動(dòng)作。符號(hào)主義認(rèn)知模型的主要代表是Newell A提出的狀態(tài)算子和結(jié)果模型SOAR(State Operator And Result)、Anderson J K提出的思維適應(yīng)性控制模型ACT(Adaptive Control of Thought)。SOAR是圍繞著算子的選擇和應(yīng)用功能來組織產(chǎn)生式規(guī)則，其高層結(jié)構(gòu)由控制策略、成果記憶區(qū)和工作記憶區(qū)組成?；谏鲜鏊枷氲腟OAR實(shí)現(xiàn)了短時(shí)記憶的功能，并且很好地使概念、事實(shí)、規(guī)則有機(jī)結(jié)合在一起[18]。ACT模擬人類高級(jí)認(rèn)知過程的產(chǎn)生式規(guī)則, 產(chǎn)生式規(guī)則系統(tǒng)由三個(gè)記憶部分組成：工作記憶、陳述性記憶和產(chǎn)生式記憶。產(chǎn)生式規(guī)則既可以由工作記憶根據(jù)現(xiàn)場情況臨時(shí)產(chǎn)生，也可以是陳述性記憶存儲(chǔ)的以往的產(chǎn)生式規(guī)則，還可以是產(chǎn)生式記憶中推理出的新的產(chǎn)生式規(guī)則。ACT實(shí)現(xiàn)了長期記憶的功能，較好地體現(xiàn)了認(rèn)知過程中“從做中學(xué)”的思想[19]。

5.2 聯(lián)結(jié)主義認(rèn)知模型

聯(lián)結(jié)主義認(rèn)知模型是一個(gè)巨大的信息節(jié)點(diǎn)交互網(wǎng)絡(luò)，各節(jié)點(diǎn)與其他每個(gè)節(jié)點(diǎn)之間相互聯(lián)結(jié)、相互影響，它的認(rèn)知對(duì)象是在這個(gè)網(wǎng)絡(luò)中傳遞的信息。聯(lián)結(jié)主義認(rèn)知模型模擬了人類的思維過程，具有自學(xué)習(xí)和自適應(yīng)的能力。聯(lián)結(jié)主義的典型代表是McClelland等人創(chuàng)立的平行分配過程模型PDP(Parallel Distributed Processing)，又稱人工神經(jīng)網(wǎng)絡(luò)。PDP模擬了人類的神經(jīng)網(wǎng)絡(luò)，其特色在于信息的分布式存儲(chǔ)和并行協(xié)同處理。雖然單個(gè)節(jié)點(diǎn)的結(jié)構(gòu)極其簡單，功能有限，但大量節(jié)點(diǎn)構(gòu)成的網(wǎng)絡(luò)系統(tǒng)所能實(shí)現(xiàn)的功能卻很強(qiáng)大[20]。

5.3 腦邏輯認(rèn)知模型

腦邏輯認(rèn)知模型是模擬大腦的認(rèn)知機(jī)制而非生理解剖結(jié)構(gòu)建立起來的認(rèn)知模型，該模型包括思維引擎、記憶體和感知及動(dòng)作緩存機(jī)制，力圖研究記憶的意識(shí)對(duì)認(rèn)知行為的影響。該方面的研究尤其以Calgary大學(xué)的Wang Ying-xu教授最為有名，Wang Ying-xu教授及其團(tuán)隊(duì)自2003年至2011年，連續(xù)發(fā)表了多篇論文，詳細(xì)闡述了腦邏輯認(rèn)知模型對(duì)人類認(rèn)知的模擬、腦邏輯認(rèn)知模型中如何實(shí)現(xiàn)認(rèn)知中數(shù)據(jù)、信息、知識(shí)和行為間的關(guān)聯(lián)。腦邏輯認(rèn)知模型為計(jì)算機(jī)模擬自然智能行為和認(rèn)知方法建立了基礎(chǔ)[21]。國內(nèi)學(xué)者提出的基于粒計(jì)算的認(rèn)知模型和機(jī)制主義模型同樣屬于腦邏輯認(rèn)知模型。

5.4 認(rèn)知模型的最新研究——一元事件認(rèn)知模型

一元事件認(rèn)知模型如圖3所示。

Figure 3 Cognitive model based on single unit event圖3 一元事件認(rèn)知模型

5.4.1 一元事件認(rèn)知模型的基本概念

(1)認(rèn)知元。認(rèn)知的基本單位是認(rèn)知元，以小寫字母x、y、z等表示。

(2)一元事件。記作e=[x1,x2,…,xn]→y(n≥2)，一元事件代表了外部世界中觸發(fā)人類認(rèn)知的具有因果關(guān)系的認(rèn)知事實(shí)。

(3)認(rèn)識(shí)。認(rèn)識(shí)是認(rèn)知模型到某一時(shí)刻止對(duì)結(jié)元相同的所有一元事件的認(rèn)知，記作y=[e1u/a][e2u/b][…/…]，包含量化的范數(shù)、單元數(shù)、復(fù)雜度及所在行的清晰度等屬性值。

(4)任務(wù)。任務(wù)記作j={r}→k，是一個(gè)不完整的一元事件描述。

(5)方法。方法是任務(wù)中缺省的必元或結(jié)元，是完成任務(wù)后輸出的結(jié)果。

5.4.2 一元事件認(rèn)知模型的特征

(1)本能。本能是一元事件認(rèn)知模型各功能機(jī)構(gòu)本身固有的操作序列，在滿足一定的外部和內(nèi)部條件時(shí)被觸發(fā)執(zhí)行。

(2)hlt。hlt是一元事件認(rèn)知模型的各功能機(jī)構(gòu)的一種暫停狀態(tài)，此時(shí)，它暫停一切操作，等待該功能機(jī)構(gòu)某種本能被觸發(fā)。

(3)box。一元事件認(rèn)知模型內(nèi)部的各功能機(jī)構(gòu)內(nèi)都存在著一定數(shù)量的box，作為存放數(shù)據(jù)的中間存儲(chǔ)單元。

5.4.3 認(rèn)知流程

將按時(shí)間先后串行作用于一元事件認(rèn)知模型上的一元事件、認(rèn)識(shí)、任務(wù)定義為一個(gè)認(rèn)知流程，如圖4所示即是一個(gè)認(rèn)知流程例子。

Figure 4 Sample of a cognitive process圖4 一個(gè)認(rèn)知流程

5.4.4 認(rèn)知性能指標(biāo)

(1)成功率：認(rèn)知模型到某一時(shí)刻止，完成的任務(wù)占提交的任務(wù)總數(shù)的比例，記作η。

(2)潛能：認(rèn)知模型到某一時(shí)刻止，能夠完成的所有任務(wù)的總數(shù)，記作pl。

(3)水平：某一時(shí)刻，記憶體的水平即為認(rèn)知模型的水平，記作l。

(4)認(rèn)知量：認(rèn)知模型在某一時(shí)刻，已經(jīng)存儲(chǔ)在記憶體中的認(rèn)識(shí)總量，記作q。

(5)認(rèn)知率：認(rèn)知模型在某一時(shí)刻之前，認(rèn)知量和感悟及接受的認(rèn)識(shí)總量之比，記作a。

5.4.5 一元事件認(rèn)知模型的研究結(jié)論

文獻(xiàn)[22]認(rèn)為，理想的認(rèn)知模型隨著認(rèn)知流程的延續(xù)，各個(gè)認(rèn)識(shí)的屬性值呈動(dòng)態(tài)變化，完成任務(wù)能夠改變記憶體中存儲(chǔ)的認(rèn)識(shí)，而認(rèn)知指標(biāo)的變化則與記憶體容量的變化線性相關(guān)。

圖5a和圖5b分別是一元事件認(rèn)知模型中對(duì)應(yīng)圖4的認(rèn)知流程實(shí)驗(yàn)，在容量c=19時(shí)，t9和t15兩個(gè)不同的時(shí)刻，記憶體存儲(chǔ)的認(rèn)識(shí)屬性變化情況。其中，認(rèn)識(shí)y4的范數(shù)由1變化為3，單元數(shù)由2變化為8，復(fù)雜度由3變化為17，而全部認(rèn)識(shí)y1、y2、y3、y4、y5、y6所在行的清晰度由6、3、5、4、2、1改變?yōu)?、4、5、1、3、2；而完成任務(wù)的前后，即t9和t15兩個(gè)不同的時(shí)刻，記憶體中存儲(chǔ)的認(rèn)識(shí)由6個(gè)減少為5個(gè)。

可見，一元事件認(rèn)知模型中，隨著認(rèn)知流程的延續(xù)，各個(gè)認(rèn)識(shí)的屬性值都呈動(dòng)態(tài)變化，而完成任務(wù)改變了記憶體中存儲(chǔ)的認(rèn)識(shí)。

Figure 5 Cognition stored in memory bank at t9 and t15圖5 t9時(shí)刻和t15時(shí)刻記憶體中存儲(chǔ)的認(rèn)識(shí)

表1為在t9時(shí)刻和t15時(shí)刻，容量c變化時(shí)一元事件認(rèn)知模型認(rèn)知指標(biāo)的對(duì)應(yīng)變化。

Table 1 Changes in cognitive data

從表1中可以看出，不同時(shí)刻，當(dāng)記憶體的容量c增大時(shí)，各項(xiàng)認(rèn)知指標(biāo)都相應(yīng)增大，而當(dāng)容量減小時(shí)，各項(xiàng)認(rèn)知指標(biāo)又相應(yīng)地減小。如認(rèn)知指標(biāo)潛能pl，當(dāng)記憶體的容量c從10增加到19時(shí)，潛能pl從20增加到40，而當(dāng)記憶體的容量c從21減小到19時(shí)，潛能pl從44減小到40。可見，認(rèn)知指標(biāo)的變化與記憶體容量的變化線性相關(guān)。

更多的認(rèn)知流程實(shí)驗(yàn)在一元事件認(rèn)知模型上的結(jié)果和圖5a、圖5b及表1的結(jié)果相似，因此綜合以上論述，可知一元事件認(rèn)知模型是一種理想的認(rèn)知模型。

6 大腦存儲(chǔ)模型的相關(guān)研究

6.1 基于神經(jīng)科學(xué)的大腦存儲(chǔ)模型

基于神經(jīng)科學(xué)的大腦存儲(chǔ)模型認(rèn)為大腦存儲(chǔ)認(rèn)知信息的最小解剖單位是神經(jīng)元細(xì)胞。大腦左右兩個(gè)半球的表面是一層平均厚度約2.5 mm的大腦皮層，由150億個(gè)左右的神經(jīng)元細(xì)胞構(gòu)成，是認(rèn)知信息存儲(chǔ)的主要場所。大量的大腦皮層損傷病例及通過去除大腦皮層的某個(gè)區(qū)域或?qū)Υ竽X皮層的某個(gè)區(qū)域給予適當(dāng)?shù)奈锢泶碳?如電流刺激)發(fā)現(xiàn)，大腦皮層的不同物理區(qū)域存儲(chǔ)不同的認(rèn)知信息。最新的研究發(fā)現(xiàn)，位于大腦前部的額葉(Frontal Lobe)區(qū)域存儲(chǔ)與人類智能及運(yùn)動(dòng)有關(guān)的認(rèn)知信息[23]，位于大腦上部的頂葉(Parietal Lobe)區(qū)域存儲(chǔ)與人類的感覺、知覺及語言有關(guān)的信息，位于大腦后部的枕葉(Occipital Lobe)區(qū)域存儲(chǔ)與人類視覺有關(guān)的信息，而位于大腦中部的顳葉(Temporal Lobe)區(qū)域則存儲(chǔ)與人類聽覺、嗅覺有關(guān)的信息[24]。籍此，基于神經(jīng)科學(xué)的大腦存儲(chǔ)模型認(rèn)為大腦的存儲(chǔ)機(jī)制是將不同性質(zhì)的認(rèn)知信息在不同的大腦皮層區(qū)域分類存儲(chǔ)。

6.2 基于神經(jīng)影像學(xué)的大腦存儲(chǔ)模型

基于神經(jīng)影像學(xué)的大腦存儲(chǔ)模型利用現(xiàn)代神經(jīng)影像學(xué)技術(shù)，對(duì)人類認(rèn)知活動(dòng)產(chǎn)生的認(rèn)知信息存儲(chǔ)在大腦的物理位置進(jìn)行定位，對(duì)大腦對(duì)認(rèn)知信息的響應(yīng)強(qiáng)度進(jìn)行測量，對(duì)存儲(chǔ)認(rèn)知信息時(shí)腦區(qū)各部分之間相互關(guān)聯(lián)的變化進(jìn)行觀察，從而建立對(duì)應(yīng)的大腦存儲(chǔ)模型。這些神經(jīng)影像學(xué)技術(shù)包括直接測量與腦神經(jīng)活動(dòng)直接相關(guān)的生物電磁場變化信號(hào)的彌散張量成像DTI(Diffusion Tensor Imaging)、腦磁圖MEG(Magnetoencephalography)、腦電圖EEG(Electroencephalography)和事件相關(guān)電位(ERPs)等技術(shù)，以及間接測量腦神經(jīng)活動(dòng)引起的血液動(dòng)力學(xué)變化信號(hào)的單光子發(fā)射計(jì)算層析成像(SPECT)、正電子發(fā)射層析成像(PET)和功能磁共振成像fMRI(functional Magnetic Resonance Image)等技術(shù)。其中，功能磁共振成像fMRI是在磁共振成像(MRI)技術(shù)的基礎(chǔ)上發(fā)展起來的進(jìn)行腦功能成像的新技術(shù)，可無創(chuàng)傷地對(duì)神經(jīng)元活動(dòng)進(jìn)行比較準(zhǔn)確的定位，并具有比較高的空間和時(shí)間分辨率及較好的可重復(fù)性，通過腦血流、葡萄糖代謝和受體的觀察，依據(jù)血氧水平依賴性BOLD(Blood Oxygen Level Dependent)腦功能成像方法，得到優(yōu)質(zhì)的fMRI圖像，借助于先進(jìn)的fMRI圖像處理和分析技術(shù)，可以更精確地確定各腦功能區(qū)以及其內(nèi)部構(gòu)造和功能特點(diǎn)，尤其是腦的存儲(chǔ)認(rèn)知信息情況，因此成為目前最先進(jìn)的大腦存儲(chǔ)模型研究手段之一[25]。

基于上述的fMRI技術(shù)，人們發(fā)現(xiàn)了大腦存儲(chǔ)認(rèn)知信息的更精細(xì)結(jié)構(gòu)。對(duì)短時(shí)間內(nèi)需要存儲(chǔ)和操作的信息—即工作記憶，大腦皮層會(huì)分配不同的區(qū)域存儲(chǔ)不同類型的信息或作為操作的臨時(shí)存儲(chǔ)區(qū)。如詞語工作記憶中信息是存儲(chǔ)在左半球后頂葉皮質(zhì)區(qū)(BA 40)，而詞語工作記憶進(jìn)行復(fù)述時(shí)，由左半球Broca區(qū)(BA 44)、左前運(yùn)動(dòng)區(qū)(BA 6)以及左輔助運(yùn)動(dòng)區(qū)(BA 6)作為臨時(shí)存儲(chǔ)區(qū)；而空間工作記憶中的信息是存儲(chǔ)在腦右半球一些腦區(qū)，包括右枕前皮質(zhì)(BA 19)、右前運(yùn)動(dòng)區(qū)(BA 6)以及右腦前額葉腹側(cè)(BA 47)；視覺工作記憶信息主要存儲(chǔ)在左半球的頂葉和顳葉下部[26]。對(duì)長時(shí)間內(nèi)需要存儲(chǔ)和操作的信息——長時(shí)記憶，大腦皮層也有相應(yīng)的存儲(chǔ)區(qū)域。如長時(shí)記憶的情景記憶信息是存儲(chǔ)在左額葉、顳葉內(nèi)側(cè)和頂枕區(qū)，長時(shí)記憶的語義記憶信息存儲(chǔ)在左側(cè)前額葉和顳葉的左側(cè)顳中回(BA 21)和雙側(cè)顳頂區(qū)(BA 37)[27]。fMRI研究還表明，某個(gè)大腦皮層區(qū)域存儲(chǔ)對(duì)應(yīng)類型的信息不是絕對(duì)的，在某些情況下(如另外一個(gè)大腦皮層區(qū)域被切除)它可以代償存儲(chǔ)另外一個(gè)大腦皮層區(qū)域應(yīng)該存儲(chǔ)的認(rèn)知信息；進(jìn)一步的研究還發(fā)現(xiàn)，內(nèi)顳葉體積的縮小與長時(shí)記憶中的提取成功率減少有關(guān),而隨著人類年齡的增加，內(nèi)顳葉體積有逐漸減小的趨勢，這也解釋了老年人相對(duì)于年輕人記憶力減退的原因[28]。

6.3 基于心理學(xué)的大腦存儲(chǔ)模型

基于心理學(xué)的大腦存儲(chǔ)模型把大腦當(dāng)作一個(gè)黑箱，通過給被試提供不同的視覺素材、聽覺素材及對(duì)應(yīng)的記憶規(guī)則，研究被試在該記憶規(guī)則下對(duì)輸入信息的記憶效果，從而把大腦黑箱還原成一個(gè)存儲(chǔ)認(rèn)知信息的存儲(chǔ)模型。這些不同的視覺素材、聽覺素材及對(duì)應(yīng)的記憶規(guī)則構(gòu)成了不同的研究人類大腦存儲(chǔ)模型的心理學(xué)實(shí)驗(yàn)。其中經(jīng)典的實(shí)驗(yàn)有Posner視覺信息編碼實(shí)驗(yàn)、Clark和Chase句子-圖畫匹配實(shí)驗(yàn)、Sternberg短時(shí)記憶信息相加因素法實(shí)驗(yàn)、字母轉(zhuǎn)換實(shí)驗(yàn)(“開窗”實(shí)驗(yàn))、Peterson和Peterson遺忘進(jìn)程實(shí)驗(yàn)、Waugh和Norman分開痕跡消退與干擾實(shí)驗(yàn)、四卡片證真和證偽等一系列心理學(xué)實(shí)驗(yàn)[29]。通過這一系列的實(shí)驗(yàn)，心理學(xué)家在關(guān)于大腦的存儲(chǔ)模型上得出以下的共識(shí)：即大腦的存儲(chǔ)模型是以Baddeley三成分模型為框架的泛工作記憶模型。Baddeley三成分模型是Baddeley等人最早提出的，他們認(rèn)為刺激人類認(rèn)知的信息被分為三種不同的成分，分別存儲(chǔ)到大腦中不同功能的存儲(chǔ)區(qū)中。其中，直接刺激人類感覺器官產(chǎn)生的視覺、聽覺等認(rèn)知信息被稱為工作記憶信息，它們暫時(shí)存儲(chǔ)在大腦的工作記憶區(qū)中，如果這些信息不被人類的認(rèn)知進(jìn)行處理，則這些信息很快就會(huì)從工作記憶區(qū)中消失，所以，工作記憶信息又被稱為短時(shí)記憶信息；當(dāng)工作記憶信息被人類的認(rèn)知有意識(shí)地進(jìn)行了一次處理，則生成的信息稱為陳述性記憶信息，被存儲(chǔ)在陳述性記憶區(qū)。而當(dāng)工作記憶信息被人類的認(rèn)知有意識(shí)地進(jìn)行了重復(fù)的處理，則生成的信息稱為程序性記憶信息，被存儲(chǔ)在程序性記憶區(qū)內(nèi)；程序性記憶信息存儲(chǔ)在大腦中的時(shí)間最長，因此又被稱為長時(shí)記憶信息，而陳述性記憶信息存儲(chǔ)在大腦中的時(shí)間介于工作記憶信息和程序性記憶信息之間[30]。心理學(xué)后續(xù)的關(guān)于大腦存儲(chǔ)模型的研究擴(kuò)展了工作記憶信息、陳述性記憶信息、程序性記憶信息的內(nèi)涵和外延，但都基于工作記憶信息，所以統(tǒng)稱為泛工作記憶模型。

6.4 基于語言學(xué)的大腦存儲(chǔ)模型

語言是人類特有的信息交流與存儲(chǔ)方式，人類的語言功能受大腦皮層的語言中樞控制，與大腦的關(guān)系極其復(fù)雜。很多語言學(xué)家從人類語言的組成單位及組織規(guī)則的角度，映射大腦對(duì)應(yīng)的存儲(chǔ)模型。Elissa等人[31]認(rèn)為，人類語言的組成單位有音節(jié)、詞語、短語、句子、段落、篇章，它們都具有聲學(xué)特征或語義特征，人類語言的組織規(guī)則是由小的語言組成單位分層遞歸地組合建構(gòu)成較大的語言組成單位，正是不同的組織規(guī)則才構(gòu)成了人類不同的語言。音節(jié)是最小的語言組成單位，音節(jié)的個(gè)數(shù)是有限的，人類大腦生來就具有識(shí)別和控制發(fā)出音節(jié)的神經(jīng)元組織，即對(duì)音節(jié)的掌握是人類大腦的本能；由小的音節(jié)組合建構(gòu)成大的詞語，是后天訓(xùn)練學(xué)習(xí)的結(jié)果，這個(gè)訓(xùn)練學(xué)習(xí)的方式或程序構(gòu)成了人類語言的第一層組織規(guī)則，并被牢牢地存儲(chǔ)在大腦皮層中；依次類推，由詞語構(gòu)成短語，由短語構(gòu)成句子，由句子構(gòu)成段落，由段落構(gòu)成篇章都是后天訓(xùn)練學(xué)習(xí)的結(jié)果，這些訓(xùn)練學(xué)習(xí)的方式或程序被作為人類語言不同層次的組織規(guī)則，相繼存儲(chǔ)在大腦皮層中[32]。因此，基于語言學(xué)的大腦存儲(chǔ)模型認(rèn)為語言是不同層次的組織規(guī)則(程序)在本能音節(jié)(數(shù)據(jù))上的運(yùn)行結(jié)果(輸出)，大腦中存儲(chǔ)的是語言的組織規(guī)則而非語言本身，任一層次組織規(guī)則的改變都可以改變語言本身，但處于較低層次的組織規(guī)則的改變對(duì)語言的改變影響更大[33]。這種存儲(chǔ)模型得到很多語言學(xué)家的支持。

7 認(rèn)知計(jì)算的相關(guān)研究

7.1 基于腦電信號(hào)的認(rèn)知計(jì)算

基于腦電(EEG)信號(hào)的認(rèn)知計(jì)算是設(shè)計(jì)一組認(rèn)知實(shí)驗(yàn)，記錄被試對(duì)應(yīng)認(rèn)知實(shí)驗(yàn)中不同認(rèn)知活動(dòng)的腦電信號(hào)，并通過對(duì)腦電信號(hào)的計(jì)算、分析，提取不同的認(rèn)知活動(dòng)對(duì)應(yīng)的腦電信號(hào)特征。常見的認(rèn)知實(shí)驗(yàn)有圖片刺激實(shí)驗(yàn)、數(shù)字運(yùn)算實(shí)驗(yàn)、規(guī)則提取實(shí)驗(yàn)等。被試一般經(jīng)過挑選，文化程度較高且頭發(fā)不太濃密的短發(fā)成年男性是首選。實(shí)驗(yàn)中，被試佩戴電極導(dǎo)數(shù)適中(如64導(dǎo)、128導(dǎo))的電極帽，按要求完成認(rèn)知實(shí)驗(yàn)中的任務(wù)。實(shí)驗(yàn)過程中生成的腦電信號(hào)被與電極帽相連的放大器放大，再經(jīng)降噪、過濾、采樣、A/D轉(zhuǎn)換，最終生成特定格式的文件如.cnt文件，作為基于腦電信號(hào)的認(rèn)知計(jì)算的原始數(shù)據(jù)存儲(chǔ)在PC機(jī)中。

認(rèn)知計(jì)算繼續(xù)對(duì)存儲(chǔ)在PC機(jī)中的腦電信號(hào)的原始數(shù)據(jù)進(jìn)行處理。去除壞樣本是計(jì)算的第一步，比如發(fā)生嚴(yán)重漂移的EGA信號(hào)或明顯的肌電、眼電信號(hào)。接著是根據(jù)腦電信號(hào)對(duì)不同認(rèn)知活動(dòng)進(jìn)行特征提取，共空間模式CSP(Common Spatial Pattern)是最新的從多導(dǎo)的腦電信號(hào)中提取某種認(rèn)知活動(dòng)腦電信號(hào)特征的有效算法。該算法將某種認(rèn)知活動(dòng)對(duì)應(yīng)的腦電信號(hào)進(jìn)行標(biāo)記，作為Ⅰ類，而把其它的所有信號(hào)進(jìn)行標(biāo)記，作為Ⅱ類。CSP通過對(duì)兩類的腦電信號(hào)進(jìn)行訓(xùn)練，得到一個(gè)投影矩陣P，P能將兩類數(shù)據(jù)投影到方差區(qū)別最大的方向，從而去除了Ⅱ類信號(hào)的干擾，突出了Ⅰ類信號(hào)的特征[34]。設(shè)V是包含兩類信號(hào)的原始腦電信號(hào)，而Z是經(jīng)過投影之后得到的可供特征提取及分類的腦電信號(hào)，則Z=PV。取A=(P-1)T,A的每一行向量被稱為一個(gè)空間模式。CSP的關(guān)鍵是求解投影矩陣P，設(shè)供訓(xùn)練的輸入腦電信號(hào)是一個(gè)K×T的矩陣，其中K是腦電數(shù)據(jù)的導(dǎo)數(shù)，T是數(shù)據(jù)的樣本點(diǎn)數(shù)，X1是Ⅰ類帶標(biāo)記的訓(xùn)練數(shù)據(jù)，X2是Ⅱ類帶標(biāo)記的訓(xùn)練數(shù)據(jù)，X1的協(xié)方差矩陣為:

X2的協(xié)方差矩陣為:

R1和R2均為K×K的方陣，令:

R=R1+R2

作特征值分解，得:

U是R的特征向量矩陣，∑是R的特征值對(duì)角陣。對(duì)R進(jìn)行白化，白化矩陣為W，

令:

T1=WR1WT

T2=WR2WT

由于對(duì)T1和T2作特征值分解得到的特征向量矩陣Uesp是一樣的，因而:

∑1和∑2分別是Ⅰ類、Ⅱ類帶標(biāo)記訓(xùn)練數(shù)據(jù)特征值的維度，當(dāng)∑1較大時(shí)，則∑2必然較小，從而可以對(duì)Ⅰ類、Ⅱ類數(shù)據(jù)進(jìn)行有效的區(qū)分。于是，投影矩陣P最終確定為:

7.2 基于功能磁共振(fMRI)數(shù)據(jù)的認(rèn)知計(jì)算

基于fMRI數(shù)據(jù)的認(rèn)知計(jì)算分為三個(gè)步驟：認(rèn)知活動(dòng)實(shí)驗(yàn)、圖像采集、數(shù)據(jù)分析。

認(rèn)知活動(dòng)實(shí)驗(yàn)同樣需要精心設(shè)計(jì)，所不同的是，為了提高fMRI圖像中BLOD信號(hào)的信噪比，同一種認(rèn)知活動(dòng)的實(shí)驗(yàn)需要重復(fù)多次，重復(fù)的時(shí)間間隔稱為刺激時(shí)間模式，常用的刺激時(shí)間模式有組塊設(shè)計(jì)BD(BlockDesign)和事件相關(guān)設(shè)計(jì)ED(Event-relatedDesign)[35]。

圖像采集包括fMRI圖像采集和解剖圖像采集兩部分。fMRI圖像通過采用特定的成像序列掃描而獲得，掃描與實(shí)驗(yàn)同步進(jìn)行；由于fMRI圖像的分辨率和信噪比不高，還需要掃描一幅與fMRI圖像位置完全相同的高分辨率解剖圖像，從而把fMRI圖像得到的腦區(qū)激活信息對(duì)應(yīng)到相應(yīng)的解剖位置上，解剖圖像一般采用3D圖像或T1解剖結(jié)構(gòu)圖像[36]。

數(shù)據(jù)分析包括對(duì)采集的圖像數(shù)據(jù)進(jìn)行預(yù)處理及計(jì)算，以確定不同認(rèn)知活動(dòng)對(duì)應(yīng)的解剖腦區(qū)。預(yù)處理一般包括層間時(shí)間校正、頭動(dòng)校正、標(biāo)準(zhǔn)化、平滑等；計(jì)算包括原始fMRI圖像重建、轉(zhuǎn)換成標(biāo)準(zhǔn)格式、fMRI圖像層面時(shí)間校正和運(yùn)動(dòng)校正、fMRI圖像的時(shí)間域?yàn)V波、fMRI圖像的空間平滑、去除頭皮外偽影、時(shí)間序列時(shí)間點(diǎn)數(shù)據(jù)的標(biāo)準(zhǔn)化、空間歸一化或標(biāo)準(zhǔn)化、統(tǒng)計(jì)、激活腦區(qū)與解剖位置對(duì)應(yīng)等[37]。很多新開發(fā)的軟件已經(jīng)能夠完成fMRI數(shù)據(jù)分析的某些功能，如美國Wisconxin醫(yī)學(xué)院生物物理研究所研制的ANFI、Friston等人開發(fā)的SPM、美國匹茲堡大學(xué)CCN實(shí)驗(yàn)室(ClinicalCognitiveNeurosciencelaboratory)開發(fā)的NIS、商業(yè)fMRI數(shù)據(jù)分析軟件BrainVoyage等。

7.3 基于視聽覺信息的認(rèn)知計(jì)算

基于視聽覺信息的認(rèn)知計(jì)算將認(rèn)知定義為大腦對(duì)視聽覺信息的計(jì)算，它的認(rèn)知數(shù)據(jù)就是被人類直接感知和理解的一組圖像、語音和文本(語言)等信息[38]。認(rèn)知計(jì)算的目標(biāo)是從人類的視聽覺認(rèn)知機(jī)理出發(fā)，研究并構(gòu)建新的計(jì)算模型與計(jì)算方法，提高計(jì)算機(jī)對(duì)非結(jié)構(gòu)化視聽覺感知信息的理解能力和海量異構(gòu)信息的處理效率，克服圖像、語音和文本(語言)信息處理所面臨的瓶頸困難[39]。認(rèn)知計(jì)算主要解決感知特征提取、表達(dá)與整合，感知數(shù)據(jù)的機(jī)器學(xué)習(xí)與理解，多模態(tài)信息協(xié)同計(jì)算等核心科學(xué)問題[40]。目前，基于視聽覺信息的認(rèn)知計(jì)算已經(jīng)在視聽覺信息協(xié)同計(jì)算、自然語言理解以及與視聽覺認(rèn)知相關(guān)的人腦―計(jì)算機(jī)接口等三項(xiàng)關(guān)鍵技術(shù)方面取得一定的突破，Google公司已經(jīng)研制成功集成上述相關(guān)研究成果、具有自然環(huán)境感知與智能行為決策能力的無人駕駛車輛，并成功地在加州的公路上行駛了20萬公里[41]。

8 結(jié)束語

認(rèn)知科學(xué)已經(jīng)在網(wǎng)絡(luò)態(tài)勢感知、求解認(rèn)知難題、自主虛擬人決策等許多領(lǐng)域開展了應(yīng)用，并產(chǎn)生了動(dòng)態(tài)信任預(yù)測認(rèn)知模型[42]、基于OBDD(OrderedBinaryDecisionDiagram)的動(dòng)態(tài)認(rèn)知難題的符號(hào)化模型檢測[43]、IVMiner(IntelligentVirtualMiner)[44]等成功的應(yīng)用成果。目前，認(rèn)知科學(xué)的研究正得到世界各國的高度重視，對(duì)認(rèn)知的不同定義會(huì)引導(dǎo)認(rèn)知科學(xué)的研究朝著不同的方向發(fā)展，基于過程的認(rèn)知定義抓住了認(rèn)知的本質(zhì)，該定義將使認(rèn)知科學(xué)的研究立足于科學(xué)實(shí)驗(yàn)而不再是思辨式論述。當(dāng)前，認(rèn)知科學(xué)的研究應(yīng)立足于基于過程的認(rèn)知定義，緊密結(jié)合計(jì)算機(jī)科學(xué)、心理學(xué)、神經(jīng)科學(xué)、人類學(xué)、語言學(xué)、哲學(xué)等學(xué)科先進(jìn)的研究手段及最新研究成果，特別是神經(jīng)科學(xué)領(lǐng)域先進(jìn)研究手段如fMRI等，并以認(rèn)知模型、大腦存儲(chǔ)模型、認(rèn)知計(jì)算作為認(rèn)知科學(xué)研究的主要研究方向。相信經(jīng)過科學(xué)的研究，我們一定能夠發(fā)現(xiàn)人類認(rèn)知的本質(zhì)和規(guī)律，揭示人類心智的奧秘，并創(chuàng)造出具有人類認(rèn)知功能的“認(rèn)知機(jī)”。

[1]ThagardP.Theoryandexperimentincognitivescience[J].ArtificialIntelligence, 2007, 171(18):1104-1106.

[2]ShepardRN.Thesteptorationality:Theefficacyofthoughtexperimentsinscience,ethics,andfreewill[J].CognitiveScience, 2008, 32(1):3-35.

[3]BoudewijnseGA,Braddon-MitchellD,JacksonF(2007).Philosophyofmindandcognition,anintroduction.Victoria(Australia):Blackwell[J].CognitiveSystemsResearch, 2008, 9(3):229-231.

[4]StenningK,OberlanderJ.Acognitivetheoryofgraphicalandlinguisticreasoning:Logicandimplementation[J].CognitiveScience, 1995, 19(1):97-140.

[5]ChaterN,BrownGDA.Fromuniversallawsofcognitiontospecificcognitivemodels[J].CognitiveScience, 2008, 32(1):36-67.

[6]FeiXu,GriffithsTL.Probabilisticmodelsofcognitivedevelopment:Towardsarationalconstructivistapproachtothestudyoflearninganddevelopment[J].Cognition, 2011, 120(3):299-301.

[7]W?llmerM,EybenF,GravesA,etal.BidirectionalLSTMnetworksforcontext-sensitivekeyworddetectioninacognitivevirtualagentframework[J].CognitiveComputation, 2010, 2(3):180-190.

[8]FengKang,YaoNan-sheng.Cognitivemodelbasedonsingleunitevent[J].PatternRecognitionandArtificialIntelligence, 2012, 25(1):172-180. (inChinese)

[9]SimonHA.Cognitivescience:Thenewestscienceoftheartificial[J].CognitiveScience, 1980, 4(1):33-46.

[10] Johnson-Laird P N. Mental models in cognitive science[J]. Cognitive Science, 1980, 4(1):71-115.

[11] Wells A J. Turing’s analysis of computation and theories of cognitive architecture[J]. Cognitive Science, 1998, 22(3):269-294.

[12] Fehling M R. Unified theories of cognition:Modeling cognitive competence[J]. Artificial Intelligence, 1993, 59(1-2):295-328.

[13] Arzi-Gonczarowski Z, Lehmann D. From environments to representations—a mathematical theory of artificial perceptions[J]. Artificial Intelligence, 1998, 102(2):187-247.

[14] Pylyshyn Z. On computation and cognition:Toward a foundation of cognitive science:A response to the reviews by A K Mackworth and M J Stefik[J]. Artificial Intelligence, 1989, 38(2):248-251.

[15] Cooper R, Fox J, Farringdon J, et al. A systematic methodology for cognitive modeling[J]. Artificial Intelligence, 1996, 85(1-2):3-44.

[16] Hernández-Orallo J, Dowe D L. Measuring universal intelligence:Towards an anytime intelligence test[J]. Artificial Intelligence, 2010, 174(18):1508-1539.

[17] Neokleous K C, Avraamides M N, Neocleous C K, et al. Selective attention and consciousness:Investigating their relation through computational modelling[J]. Cognitive Computation, 2011, 3(1):321-331.

[18] Laird J E, Newell A, Rosenbloom P S. Soar:An architecture for general intelligence[J]. Artificial Intelligence, 1987, 33(1):1-64.

[19] Anderson J R, Bothell D, Byrne M D, et al. An integrated theory of the mind[J]. Psychological Review, 2004, 111(4):1036-1060.

[20] Bowers J S. On the biological plausibility of grandmother cells:Implications for neural network theories in psychology and neuroscience[J]. Psychological Review, 2009,116(1):220-251.

[21] Wang Ying-xu, Wang Ying. Cognitive informatics models of the brain[J]. IEEE Transactions on Systems, Man, and Cybernetics, Part C:Applications and Reviews, 2006, 36(2):203-207.

[22] Schockaert S,Prade H.Solving conflicts in information merging by a flexible interpretation of atomic propositions[J]. Artificial Intelligence, 2011, 175(11):1815-1855.

[23] Chepenik L G, Wang Fei, Spencer L, et al. Structure-function associations in hippocampus in bipolar disorder[J]. Biological Psychology, 2012, 90(1):18-22.

[24] Geranmayeh F, Brownsett S L E, Leech R, et al. The contribution of the inferior parietal cortex to spoken language production[J]. Brain and Language, 2012, 121(1):47-57.

[25] Freeman W J,Ahlfors S P,Menon V.Combining fMRI with EEG and MEG in order to relate patterns of brain activity to cognition[J]. International Journal of Psychophysiology, 2009, 73(1):43-52.

[26] Piantadosi S T,Tily H,Gibson E.The communicative function of ambiguity in language[J]. Cognition, 2012, 122(3):280-291.

[27] Bittrich K, Schulze K, Koelsch S. Electrophysiological correlates of verbal and tonal working memory[J]. Brain Research, 2012, 1432(13):84-94.

[28] Krawczyk D C, McClelland M M, Donovan C M, et al. An fMRI investigation of cognitive stages in reasoning by analogy[J]. Brain Research, 2010, 1342(25):63-73.

[29] M?ller R, Schenck W. Bootstrapping cognition from behavior—a computerized thought experiment[J]. Cognitive Science, 2008, 32(3):504-542.

[30] Baddeley A.The episodic buffer:A new component of working memory?[J]. Trends in Cognitive Sciences, 2000, 4(11):417-423.

[31] Newport E L, Hauser M D, Spaepen G, et al. Learning at a distance II Statistical learning of non-adjacent dependencies in a non-human primate[J]. Cognitive Psychology, 2004, 49(2):85-117.

[32] Feist M I. Space between languages[J]. Cognitive Science, 2008, 32(7):1177-1199.

[33] Espinilla M, Liu Jun, Martínez L. An extended hierarchical linguistic model for decision-making problems[J]. Computational Intelligence, 2011, 27(3):489-512.

[34] Ye Ning, Sun Yu-ge, Wang Xu, et al. Recognition based on common spatial patterns and ANN for brain-computer interface signal[J]. Journal of Northeastern University(Nature Science), 2010, 31(1):12-15. (in Chinese)

[35] Angelika L,Benno G,Alfonso C.Asymmetric fMRI adaptation reveals no evidence for mirror neurons in humans[J]. Proceedings of the National Academy of Sciences of the United States of America, 2009, 106(24):9925-9930.

[36] Zhi Lian-he, Li Yu-xiao, Zhao Shu-jun, et al. Feature extraction of fMRI data based on discrete wavelet transform[J]. Chinese Journal of Medical Imaging Technology, 2010, 26(6):1151-1154. (in Chinese)

[37] Anderson J R, Carter C S, Fincham J M, et al. Using fMRI to test models of complex cognition[J]. Cognitive Science, 2008,32(8):1323-1348.

[38] Davis D N. Cognitive architectures for affect and motivation[J]. Cognitive Computation, 2010, 2(3):199-216.

[39] van Atteveldt N, Roebroeck A, Goebel R, et al. Interaction of speech and script in human auditory cortex:Insights from neuro-imaging and effective connectivity[J]. Hearing Research,2009,258(1-2):152-164.

[40] Furdea A, Halder S, Krusienski D J, et al. An auditory oddball (P300) spelling system for brain-computer interfaces[J]. Psychophysiology, 2009, 46(3):617-625.

[41] Ulrich A, Markus K, Shah K, et al. Testing the theory of embodied cognition with subliminal words[J]. Cognition, 2010, 116(3):303-320.

[42] Li Xiao-yong,Gui Xiao-lin.Cognitive model of dynamic trust forecasting[J]. Journal of Software, 2010, 21(1):163-176. (in Chinese)

[43] Luo Xiang-yu, Su Kai-le, Gu Ming. A model checking approach for solving epistemic riddles[J]. Chinese Journal of Computers, 2010, 33(3):406-414. (in Chinese)

[44] Cai Lin-qin, Mei Tao, Sun Yi-ning, et al. Research on behavior and cognition models of virtual human for decision training[J]. Journal of System Simulation, 2008, 20(2):368-371. (in Chinese)

附中文參考文獻(xiàn):

[8] 馮康，姚南生. 基于一元事件的認(rèn)知模型[J]. 模式識(shí)別與人工智能，2012, 25(1):172-180.

[34] 葉檸,孫宇舸,王旭,等.基于共空間模式和神經(jīng)元網(wǎng)絡(luò)的腦-機(jī)接口信號(hào)的識(shí)別[J].東北大學(xué)學(xué)報(bào)(自然科學(xué)版),2010,31(1):12-15.

[36] 支聯(lián)合,李玉曉,趙書俊,等.基于離散小波變換的fMRI數(shù)據(jù)特征提取[J]. 中國醫(yī)學(xué)影像技術(shù), 2010, 26(6):1151-1154.

[42] 李小勇,桂小林.動(dòng)態(tài)信任預(yù)測的認(rèn)知模型[J]. 軟件學(xué)報(bào)， 2010, 21(1):163-176.

[43] 駱翔宇,蘇開樂,顧明.一種求解認(rèn)知難題的模型檢測方法[J].計(jì)算機(jī)學(xué)報(bào),2010, 33(3):406-414.

[44] 蔡林沁,梅濤,孫怡寧,等.用于決策訓(xùn)練的虛擬人行為認(rèn)知模型研究[J].系統(tǒng)仿真學(xué)報(bào),2008, 20(2):368-371.

FENGKang,born in 1968,associate professor,his research interests include cognitive science, and model checking.

Developmentandresearchdirectionsofcognitivescience

FENG Kang

(Department of Computer and Information Engineering,Huainan Normal University,Huainan 232038,China)

To study the origin, development,subject structure and research direction of cognitive science,the definition of cognition based on process is proposed,and the origin of cognitive science is discussed.The development of cognitive science is divided into computation theory stage,symbols processing theory stage and multi-theory stage,then the subject structure and research direction of cognitive science are introduced,the main research directions of cognitive science include cognitive model,storage model of the brain and cognitive computation.The definition of cognition based on process is able to embody the essence of cognition.Therefore,the cognitive model based on single unit event is able to simulate the cognition,and it is an optimal cognitive model.

cognitive science;cognitive model;storage model of the brain;cognitive computation

1007-130X(2014)05-0906-11

2012-11-26;

：2013-04-03

安徽省高等學(xué)校省級(jí)自然科學(xué)研究項(xiàng)目(KJ2012Z374);國家自然科學(xué)基金資助項(xiàng)目(61170060)；安徽省自然科學(xué)基金資助項(xiàng)目(11040606M135)；淮南市科技計(jì)劃項(xiàng)目(2012A01007)

TP181

：A

10.3969/j.issn.1007-130X.2014.05.021

馮康(1968-),男,安徽淮南人，副教授，研究方向?yàn)檎J(rèn)知科學(xué)和模型檢測。E-mail:fenglikanglcq@163.com

通信地址：232038安徽省淮南市淮南師范學(xué)院計(jì)算機(jī)與信息工程系

Address:Department of Computer and Information Engineering,Huainan Normal University,Huainan 232038,Anhui,P.R.China