机构名称：
¥ 1.0
当我在加州大学洛杉矶分校攻读数学心理学研究生时，我发现借用计算方法比发明自己的方法更容易。对我的论文影响最大的课程是一门关于模式识别数学模型的工程课程。这些模型基于样本、原型、最近邻和特征概率。我想知道其中哪一个最能预测人们如何对模式进行分类，所以我进行了一系列实验，参与者将模式分为两类，由图式面孔组成（Reed 1972）。正如《主算法》（Domingos 2015）中所指出的，这些分类方法继续被细化为机器学习方法。它们也继续被认知心理学家细化，我将在后面解释。在我发表论文的同一年，Newell 和 Simon（1972）出版了他们的经典著作《人类问题解决》。本书部分基于人类在人工智能领域的初步努力，为研究人类解决问题提供了新的见解。我特别感兴趣的是问题空间的结构如何限制问题解决，因此我与凯斯西储大学的两位人工智能教员 George Ernst 和 Ran Banerji 联手研究传教士 - 食人族问题和一个更具挑战性的变体——嫉妒丈夫问题（Reed、Ernst 和 Banerji 1974）之间的迁移。我们惊讶地发现，除非向学生提示传教士对应于丈夫，妻子对应于食人族，否则这两个传教士 - 食人族问题的变体之间的迁移并不会增加解决时间。这个提示有助于从嫉妒丈夫问题转移到传教士 - 食人族问题，但反之则无。恩斯特和班纳吉的见解是，从传教士-食人者问题到嫉妒丈夫问题，存在一对多的映射，这有助于解释这种不对称转移。当我开始在卡内基梅隆大学做客座教授时，我继续着解决问题的初心，这让我有机会与赫伯·西蒙一起工作。1975 年 1 月，我走进他的办公室，手里拿着关于传教士-食人者问题影响的数据。
建立人工智能与认知心理学之间的桥梁
主要关键词
相关文件推荐
