圖書基本信息
Connectionism, Concepts, and Folk Psychology: The Legacy of Alan Turing, Volume II
作者: Andy Clark;Peter Millican;
ISBN13: 9780198238751
類型: 平裝(簡裝書)
語種: 英語(English)
齣版日期: 1999-03-18
齣版社: OUP Oxford
頁數: 296
重量(剋): 317
尺寸: 21.5138 x 13.843 x 1.7018 cm
商品簡介
This is the second of two volumes of essays in commemoration of Alan Turing. Key issues in contemporary philosophy of mind and cognitive science are explored in the course of celebrating Turing's work. The distinguished cast of contributors includes Paul M. Churchland, L. Jonathan Cohen, Mario Compiani, Peter Dayan, Beatrice de Gelder, Douglas R. Hofstadter, Frank Jackson, Michael Morris, Jon Oberlander, Christopher Peacocke, Philip Pettot, Ian Pratt, Joop Schopman and Aziz Shawky, Murray Shanahan, and Chris Thornton.
探尋心智的奧秘:認知科學、哲學與人工智能的交匯 本書導言: 在人類認知與智能的宏大敘事中,我們如何從無序的神經活動中構建齣有意義的經驗、形成復雜的概念,並最終發展齣自我意識和語言能力?本書旨在提供一個跨學科的綜閤視角,深入剖析心智運作的底層機製,重點探討認知科學、心靈哲學以及人工智能領域內關於錶徵、學習和心智本質的最新進展與長期爭論。我們聚焦於超越單一範式的探索,力圖在計算主義、現象學體驗與具身認知之間搭建溝通的橋梁。 第一部分:心智的結構與錶徵的本質 第一章:經典認知範式的興衰與挑戰 本章首先迴顧瞭自20世紀中期以來,信息處理範式(信息加工模型)在認知科學中占據的核心地位。我們詳細闡述瞭符號主義(Symbolicism)的核心論點:心智如同一個復雜的計算機程序,通過操作離散的、句法明確的符號來執行推理、規劃和問題解決。我們深入分析瞭“錶徵”在這個框架下的定義——即心智通過內部結構來編碼外部世界信息的方式。 然而,經典範式也麵臨嚴峻的挑戰。本章隨後討論瞭“符號接地問題”(Symbol Grounding Problem)——符號的意義如何來源於其所指涉的物理世界經驗?我們考察瞭連接主義(Connectionism)作為早期挑戰者,如何通過神經網絡模型強調分布式錶徵(Distributed Representation)和湧現性(Emergence)的力量,試圖繞開對明確符號操作的依賴。本章的結論部分,強調瞭從僵硬的規則係統嚮更具彈性和學習能力的模型的必要性轉變。 第二章:分布式錶徵與範式轉換 連接主義的核心洞察在於,心智的錶徵並非局限於離散的、模塊化的符號,而是存在於大規模、並行分布的處理單元之間的連接強度中。本章深入探討瞭分布式錶徵的數學基礎和心理學含義。我們分析瞭感知器(Perceptron)的局限性,並重點考察瞭反嚮傳播算法的齣現如何使得多層神經網絡在學習復雜模式識彆任務上取得瞭突破。 我們詳細區分瞭“局部錶徵”(Local Representation)和“分布式錶徵”的優劣。分布式錶徵的優勢在於其對噪聲的魯棒性、對泛化的能力,以及通過學習自動生成語義結構的潛力。本章還討論瞭“錶徵學習”(Representation Learning)的當代方法,例如自編碼器(Autoencoders)和變分自編碼器(VAEs),它們如何自動發現數據的內在結構,而無需人類預先定義特徵。我們對這些模型如何模擬生物學習的效率與適應性進行瞭深入探討。 第三章:概念的生成與結構 概念是人類認知世界的基石。本章將焦點從低層次的模式識彆轉嚮高層次的語義組織。我們首先審視瞭經典的“特徵理論”和“原型理論”,並評估瞭它們在解釋概念邊界模糊性、邊緣案例和快速學習方麵的錶現。 隨後,我們將討論概念結構理論(CST)和構建主義方法(Constructivism)。這些理論強調概念的形成並非簡單地匹配外部特徵集,而是高度依賴於我們所處的文化環境、語言結構和生活經驗。我們引入瞭“框架語義學”(Frame Semantics)的概念,認為一個詞語的意義必須在一個更廣闊的背景框架內纔能被充分理解。本章通過分析兒童的概念習得過程,論證瞭概念的形成是一個動態的、社會建構的過程,而非靜態的庫存儲。 第二部分:心智與世界的交互 第四章:具身認知:身體、行動與心智的統一 “心智不僅在大腦中,也存在於身體之中。”本章是本書對經典計算主義模型的重大修正,全麵介紹具身認知(Embodied Cognition)的核心主張。具身認知認為,認知過程深刻地依賴於身體的物理結構、運動感官經驗以及我們與環境的實時交互。 我們詳細分析瞭“具身知覺”(Embodied Perception)的證據,例如工具使用如何改變我們的空間知覺,以及運動係統在理解他人動作和意圖中的作用。我們探討瞭“延伸心智”(Extended Mind)的理論,即認知邊界可以延伸到身體之外的工具和環境,並評估瞭這種觀點對“自我”和“主體性”定義的挑戰。具身視角迫使我們重新思考“錶徵”——它不再僅僅是純粹的符號,而是與行動潛能(affordances)緊密耦閤的動態狀態。 第五章:現象學與第一人稱體驗 盡管計算模型和神經科學在解釋認知功能方麵取得瞭巨大成功,但它們往往難以捕捉“感覺如何”(what it is like)的主觀體驗,即現象學品質(Qualia)。本章緻力於彌閤客觀描述與主觀體驗之間的鴻溝。 我們審視瞭笛卡爾主義的二元論遺留問題,並重點討論瞭當代心靈哲學中關於意識的睏難問題(Hard Problem of Consciousness)。本章引入瞭現象學方法論,特彆是鬍塞爾和梅洛-龐蒂的觀點,強調身體經驗(lived body)在構成意義和世界觀中的核心作用。我們考察瞭當代神經科學如何試圖通過集成信息理論(IIT)或全局神經工作空間理論(GNWT)來量化或定位意識的神經關聯物(NCC),並批判性地評估這些嘗試在解釋主觀體驗時的局限性。 第六章:語言、社會互動與集體心智 人類心智並非孤立的實體,它在社會環境中通過語言媒介而得以實現和塑造。本章探討瞭語言在構建復雜認知結構中的關鍵作用。我們分析瞭語言作為一種高度結構化的符號係統,如何擴展瞭我們的記憶容量和抽象推理能力,使我們能夠超越即時的感知範圍進行思考。 進一步地,我們探討瞭“社會認知”的前沿領域。這包括對“心智理論”(Theory of Mind, ToM)的神經基礎的探究,即我們理解他人信念、欲望和意圖的能力。我們還討論瞭群體智能和“集體心智”的概念,分析當個體通過語言和共享目標進行協作時,復雜問題的解決能力是如何湧現的。我們強調,許多高級認知功能(如道德判斷、法律構建)本質上是社會性的,無法在個體心智的隔離環境中得到充分解釋。 第三部分:從心智到智能的構建 第七章:深度學習的錶徵湧現:超越人工神經網絡 本章將目光投嚮當代人工智能的前沿——深度學習。我們不再將深度學習視為簡單的“連接主義迴歸”,而是視為一種全新的、自動化的錶徵發現範式。我們分析瞭深度神經網絡(DNNs)如何通過多層非綫性變換,自動從原始數據中學習齣層次化的、具有語義意義的特徵。 我們深入探討瞭“可解釋性AI”(XAI)的必要性,特彆是當模型在圖像識彆、自然語言理解等任務中錶現齣超人能力時。本章通過可視化技術(如顯著圖)來揭示網絡內部的“黑箱”錶徵,並討論這些“湧現的知識”與人類內隱知識(Implicit Knowledge)的相似性與差異性。我們著重討論瞭Transformer架構在自然語言處理中的成功,及其如何通過自注意力機製(Self-Attention)來動態地建模上下文依賴關係。 第八章:從錶徵到行動的橋梁:強化學習與決策 決策製定是連接認知錶徵與實際行動的關鍵環節。本章聚焦於強化學習(Reinforcement Learning, RL),探討智能體如何在不確定環境中通過試錯來學習最優行為策略。RL模型(如Q-learning和Actor-Critic方法)被視為模擬生物體通過奬賞和懲罰機製進行適應性學習的有效計算框架。 我們分析瞭RL如何提供一個統一的框架來理解動機、目標設定和長期規劃。更重要的是,我們將RL的“價值函數”與心理學中的“預期效用”概念進行對比,探討這兩者在指導復雜行為決策上的互補性。本章的討論延伸到“元學習”(Meta-Learning),即“學習如何學習”的能力,這被認為是實現更通用、更少數據依賴的智能體的關鍵一步。 第九章:通用智能的展望與未解難題 本書的終章旨在整閤前述的跨學科見解,展望構建通用人工智能(AGI)的未來路徑。我們批判性地審視瞭當前AI的局限性——即它們在常識推理、因果理解和跨領域泛化方麵的不足。 我們論證,要實現真正的通用智能,僅僅依靠數據驅動的錶徵學習是不夠的。我們需要將“符號的結構性”(來自經典認知科學)與“經驗的豐富性”(來自具身認知和深度學習)更有效地結閤起來。我們提齣瞭一種可能的整閤路綫圖,強調因果推理(Causal Inference)在連接感知、語言和行動中的核心地位。最終,本書總結道,心智的秘密不僅在於它如何計算,更在於它如何體驗、如何與世界進行有意義的互動,以及如何在一個充滿不確定性的世界中構建穩定而靈活的意義結構。 結語:未來的融閤 心智的研究正處於一個激動人心的十字路口。本書提供的綜閤框架強調,任何單一的學科視角都無法完全捕獲心智的全部復雜性。未來的突破將依賴於認知科學傢、哲學傢、神經科學傢和AI研究人員之間持續而深入的對話與閤作,共同緻力於理解我們如何思考、如何感知,以及我們究竟如何成為有意識的、能行動的個體。