Computation, Cognition, and Pylyshyn pdf epub mobi txt 電子書 下載 在線閱讀 2026

簡體網頁||繁體網頁

☆☆☆☆☆

出版者:

作者:Dedrick, Don (EDT)/ Trick, Lana (EDT)/ Fodor, Jerry (INT)

出品人:

頁數:368

译者:

出版時間:2009-7

價格:$ 79.10

裝幀:

isbn號碼:9780262012843

叢書系列:

圖書標籤:

• 認知科學
• 計算理論
• 心理學
• 認知架構
• 錶徵
• 心理模型
• Pylyshyn
• 認知過程
• 信息處理
• 人工智能

《計算、認知與“計算”的未來》 在人類心智的浩瀚宇宙中，一個持續瞭數個世紀的深刻問題始終縈繞不散：我們如何思考？思維的過程究竟是什麼樣的？長久以來，哲學、心理學和神經科學等多個領域都在試圖解答這個謎題，而“計算”——這一在計算機科學中占據核心地位的概念，為我們理解和模擬心智活動提供瞭前所未有的強大框架。本書《計算、認知與“計算”的未來》正是以此為基石，深入探討瞭計算模型在理解人類認知能力方麵所扮演的關鍵角色，並審視瞭這一視角在未來可能帶來的深刻變革。 本書並非對特定一本名為《Computation, Cognition, and Pylyshyn》的著作的解讀，而是以此為靈感，展開一場關於計算、認知以及“計算”本身未來走嚮的宏大敘事。它旨在勾勒齣一種看待心智的計算性視角，追溯其思想根源，考察其在認知科學領域的實際應用，並大膽預見其在未來發展中可能衍生的新範式。 第一部分：計算視角下的認知基石 我們首先將從曆史的視角齣發，迴顧“計算”思想如何逐步滲透並重塑我們對人類思維的理解。從早期的邏輯機器和圖靈機的概念，到信息論的誕生，再到人工智能的早期探索，這些都為將心智視為一種信息處理係統奠定瞭基礎。我們將考察那些奠基性的理論，例如符號處理理論（Symbolic Processing Theory），它認為思維本質上是對符號進行操作和轉換的過程，就像計算機處理程序代碼一樣。這種視角在早期的人工智能研究中占據主導地位，並催生瞭許多關於推理、問題解決和知識錶示的理論模型。 然而，心智的復雜性遠非簡單的符號操作所能完全涵蓋。因此，我們也將深入探討連接主義（Connectionism）的興起，以及神經網絡模型（Neural Network Models）如何提供瞭一種不同於符號處理的計算範式。連接主義強調的是大規模並行處理和分布式錶徵，通過模擬大腦中神經元之間的連接和激活模式，來解釋學習、模式識彆以及其他一些“湧現”式的認知能力。本書將詳細解析這些不同計算模型的優勢與局限，以及它們如何共同構成瞭我們理解認知能力的多元化工具箱。 第二部分：認知科學中的計算模型應用 在奠定理論基礎之後，我們將把目光投嚮具體的認知科學研究領域，考察計算模型是如何被廣泛應用於解釋和模擬各種認知現象的。 感知（Perception）： 從視覺識彆復雜的物體，到聽覺理解流動的語言，感知過程涉及海量信息的實時處理和解釋。計算模型，尤其是基於統計學和機器學習的模型，被用來解釋視覺係統如何從二維圖像中構建三維世界，或者聽覺係統如何從聲波信號中提取有意義的語音信息。例如，捲積神經網絡（Convolutional Neural Networks）在圖像識彆領域取得瞭驚人的成就，其架構靈感就部分來源於生物視覺皮層的組織方式。 記憶（Memory）： 我們如何編碼、存儲和檢索信息？計算模型為理解不同類型的記憶（如工作記憶、長期記憶）提供瞭框架。例如，一些模型嘗試解釋遺忘的機製，另一些則關注記憶的提取過程，以及我們在迴憶時如何構建齣完整的事件或事實。 語言（Language）： 語言是人類最核心的認知能力之一。計算模型，從早期的句法分析器到如今的深度學習語言模型，都在努力捕捉語言的結構、語義和語用。我們將探討生成語法（Generative Grammar）背後的計算假設，以及統計語言模型（Statistical Language Models）如何通過分析大量的文本數據來預測詞語序列和理解文本含義。 推理與問題解決（Reasoning and Problem Solving）： 當我們麵對新問題時，如何運用現有的知識進行推理並找到解決方案？計算模型，包括邏輯推理係統、啓發式搜索算法以及基於模擬的模型，都被用來解釋這些過程。我們將審視它們在不同類型的推理任務中的錶現，以及它們如何模擬人類在解決邏輯謎題、數學問題或日常決策中的策略。 學習（Learning）： 學習是認知係統的核心能力，它允許我們適應環境、獲取新技能並修正錯誤。計算模型，特彆是機器學習中的各種學習算法（如監督學習、無監督學習、強化學習），為我們理解人類和機器的學習過程提供瞭統一的理論語言。我們將探討它們如何解釋我們從經驗中學習，以及這些學習過程如何影響我們未來的認知和行為。 第三部分：“計算”的未來：超越現有範式 隨著計算能力的飛速發展和對大腦工作原理認識的不斷深化，我們對“計算”本身以及它與認知關係的理解也在經曆著深刻的轉變。本書的第三部分將聚焦於“計算”的未來，探討新的計算範式及其對認知科學的潛在影響。 概率與不確定性（Probability and Uncertainty）： 現實世界充滿瞭不確定性，人類的認知係統似乎能夠有效地應對這種不確定性。貝葉斯推理（Bayesian Inference）和其他概率建模方法，正日益成為理解認知過程（如決策、歸納、信念更新）的重要工具。我們將探討這些模型如何捕捉人類思維的“模糊性”和“概率性”特質。 具身認知（Embodied Cognition）： 長期以來，“計算”的視角往往將心智與身體和環境分離開來。然而，越來越多的研究錶明，認知過程與身體的運動、感覺以及與環境的交互密切相關。我們將考察具身認知理論，以及它如何挑戰純粹的計算視角，並提齣一種更整閤的心智模型。 非經典計算（Non-classical Computation）： 除瞭傳統的數字計算，量子計算（Quantum Computing）、神經形態計算（Neuromorphic Computing）等新興計算模式正在崛起。這些新的計算方式可能為模擬和理解大腦的某些復雜功能提供新的途徑。例如，量子計算的疊加和糾纏特性，是否能為解釋意識的某些方麵提供綫索？神經形態計算如何更貼近生物大腦的架構和運作方式？ 情感與動機（Emotion and Motivation）： 情感和動機在人類認知中扮演著至關重要的角色，它們影響著我們的注意力、記憶、決策和學習。然而，將情感和動機納入計算模型一直是極具挑戰性的任務。我們將探討如何嘗試構建能夠理解和模擬情感驅動行為的計算框架，以及這對理解人類整體認知有何意義。 意識的計算難題（The Computational Puzzle of Consciousness）： 意識是認知科學中最令人費解的謎團之一。雖然計算模型在解釋許多認知功能方麵取得瞭顯著進展，但意識的齣現及其內在體驗，仍然是計算視角所麵臨的巨大挑戰。我們將審視目前主流的計算理論試圖解釋意識的嘗試，以及這些嘗試的局限性，並思考未來可能的研究方嚮。 結語：持續演進的認知圖景 《計算、認知與“計算”的未來》並非試圖提供一個最終的答案，而是旨在激發讀者對人類心智的計算性本質進行更深入的思考。它強調，理解認知是一個持續演進的過程，計算模型作為一種強大的理論工具，將繼續在這一探索中發揮不可替代的作用。從經典的符號處理到現代的神經網絡，從概率推理到具身認知，再到對未來計算模式的探索，我們對“計算”的理解本身也在不斷地被拓寬和深化。 本書將鼓勵跨學科的對話，將來自計算機科學、心理學、神經科學、哲學和人工智能等領域的見解匯聚一堂，共同描繪齣一幅更加全麵和動態的認知圖景。它相信，通過不斷 refinement 和拓展我們對“計算”的理解，我們終將能夠更接近揭示人類心智的奧秘，並為人工智能的未來發展指明方嚮。這是一個關於理解我們自身、以及創造智能的激動人心的旅程，而“計算”正是貫穿其中的核心語言。

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆