XiaoMi-AI文件搜索系统
World File Search System认知科学
必修一年级课程 认知科学专业
CGSC 1001 [0.5 学分] 心灵的奥秘 理解心灵所面临的挑战，以及认知科学对此提出的一些方法。主题可能包括知识的本质、我们如何学习、人类思维的理性程度、思维偏见以及进化对认知的影响。 COMP 1005 [0.5 学分] 计算机科学概论 IA 编程的第一门课程，强调问题解决和计算思维。主题包括伪代码、变量、条件、迭代、数组、对象、函数、排序、搜索和模拟。 FYSM 1607 [1.0 学分] 认知科学：思考和认知 跨学科研究语言学、心理学、哲学和计算机科学中关于“什么是认知”问题的发现。具体问题可能包括心脑之争、语言在思维中的作用以及人工智能与自然智能。 LING 1001 [0.5 学分] 语言学概论 I 语言和语言知识的性质。语言的形式描述和分析：语音学、音系学、形态学、句法和语义学。 NEUR 1202 [0.5 学分] 精神健康和精神疾病的神经科学 精神疾病的临床症状，包括导致疾病的生物、发育、经验和环境因素。主题可能包括抑郁症、精神分裂症、自闭症、注意力缺陷多动症、厌食症、发作性睡病、药物滥用和人格障碍。 NEUR 1203 [0.5 学分] 精神健康和神经系统疾病的神经科学 神经系统疾病的临床症状，包括导致疾病的生物、发育、经验和环境因素。主题可能包括中风、多发性硬化症、偏头痛、癫痫症、帕金森病、肌萎缩性脊髓侧索硬化症、慢性疼痛、阿尔茨海默病和脑震荡。 PHIL 1301 [0.5 学分] 心灵、世界和知识介绍各种哲学著作，包括当代哲学著作，主题包括：存在的本质、精神、外部、意识、感知、经验、意义、真理、知识的本质、科学理解以及语言和思想如何呈现世界 PSYC 1001 [0.5 学分] 心理学导论 对心理学作为一门自然科学的相关主题进行调查，包括神经科学、认知和学习。
UC Merced-计算认知科学实验室
人类和机器都面临建立视觉和语言信息之间关系的问题。在人类中，这个过程被称为单词学习，并且已经由发展科学家进行了广泛的研究。在计算机中，将视觉特征与单词链接是计算机视觉研究人员研究的几个任务的关键部分，包括观察分类和图像字幕。在本文中，我们探讨了人类和机器发现的这些问题的解决方案，通过从计算机视觉系统的能力中预测人类儿童的单词学习时间过程。Developmental scientists have long been interested in un- derstanding how infants and young children learn new words (Bloom, 2002; Brown, 1973; Golinkoff et al., 2000; Quine, 1960; Wojcik et al., 2022), often framing the problem as one of establishing reference between words and their cor- responding objects, events, or properties (Markman, 1990; Schwab & Lew-Williams, 2016）。虽然单词学习的轨迹随儿童而异，但在学习不同种类的单词的速度上至少有一定的一致性（Frank等，2021）。例如，学习英语（以及许多其他语言）的孩子倾向于学习描述身体部位（例如“眼”或“鼻子”）耳朵的单词，而不是学习连接单词（例如“和“或“ be”））。发展科学家正在寻找这种模式的预测指标。例如，在以儿童为导向的语音中更频繁的单词倾向于早些时候学习（Swingley＆Humphrey，2018年）。但是，对这些预测因子的研究仅限于可以测量的数量
人工智能与认知科学在设计中的应用
人工智能和认知科学是设计领域的两个核心研究领域。人工智能具有分析海量数据的能力，有助于在各种设计活动中做出预测、发现模式和产生见解，而认知科学则具有揭示人类在设计中固有的心理过程和机制的优势。设计研究中的人工智能和认知科学都致力于提供更具创新性和效率的设计成果和流程。因此，本期“人工智能和认知科学在设计中的应用”专题汇集了人工智能和认知科学领域的最新研究成果，展示了在设计研究中应用人工智能技术和神经生理学和生物特征测量的新兴趋势。通过分析收集到的研究论文，提出了三个有前途的未来研究方向：1）用于设计的以人为本的人工智能，2）用于设计的多模态测量，3）用于设计认知数据分析和解释的人工智能。提出了将人工智能与认知科学融入设计的框架，涵盖三个研究方向，旨在启发和指导设计研究人员探索以人为本的设计方法、策略、解决方案、工具和系统。
通过认知科学原理推进人工智能感知
摘要 — 尽管人工智能 (AI) 已经迅速取得了许多成就，但在性能和资源效率方面仍然存在悬而未决的问题和根本缺陷。由于人工智能研究人员通过人类智能对很大一部分性能标准进行基准测试，因此认知科学启发的人工智能是一个很有前途的研究领域。研究认知科学可以为构建人工智能研究的基本模块提供新的视角，从而可以提高性能和效率。在这篇评论论文中，我们重点关注感知的认知功能，即从周围环境中获取信号作为输入，并对其进行处理以了解环境的过程。特别是，我们从认知科学和人工智能的视角研究和比较其各种过程。通过这项研究，我们回顾了认知科学各个分支学科（特别是神经科学、心理学和语言学）的所有当前主要理论，并将其与当前人工智能实践中的理论和技术进行比较。因此，我们为研究人员提供了人工智能的详细方法集合，以构建受认知科学启发的人工智能系统。此外，通过回顾认知启发人工智能的状态，我们指出了人工智能当前状态（相对于人脑的性能）的许多差距，从而为研究人员提供了开发更好的人工智能感知系统的潜在方向。索引术语 — 认知科学、感知、神经科学、心理学、语言学、人工智能
辅修认知科学与人工智能选修课包
注 4：数据科学专业的学生还可以选修蒂尔堡认知科学与人工智能学士学位的其他课程。如果您想选修该学士学位课程的其他课程，您可以通过 jbds@tilburguniversity.edu 申请许可。您还可以获得有关该学士学位课程其他课程级别的更多信息。由于认知科学和人工智能课程一般不对来自其他课程的蒂尔堡学生开放，因此我们需要手动为您注册这些课程。这也适用于本选修课包中规定的课程。注 5：只有在完成机器学习简介课程后才能申请注册深度学习简介课程。您可以在蒂尔堡网站或学习指南中找到有关认知科学和人工智能学士学位课程的更多信息：https://catalogus.tilburguniversity.edu/osiris_student_tiuprd/SetTaal.do?taal=en&bronUrl=/osiris_student_tiuprd/OnderwijsCatalogusZoekExamenprogramma.do&event=setTaal&requestToken=b0e2ba2f906c23b95657a6811f6c2a f00e18bf1c（选择学习课程）。最后，请注意，认知科学与人工智能学士学位的其他课程也是学期课程，并且仅在课程开始前约三周提供课程安排信息。他们不遵循埃因霍温理工大学的四个季度的课程安排。
高级认知科学初步教学大纲秋季-A ...
我们讨论小组的目标是促进小组成员之间的对话，类似于面对面的对话。这些讨论将使您能够向他人学习，并分享您对学校心理学专业的学习。它们还提供了一个机会，可以与您的同学和老师讨论阅读材料和其他学习材料以及任何“模糊概念”，以澄清想法。作为一个学习社区，我希望每个人都参与创建一个支持所有成员的动态环境。最重要的是，本课程中的讨论旨在探究您对内容的想法并加深您的理解。我们将使用 Yellowdig 在本课中进行讨论。
认知科学导论（2024 年秋季）
课程描述 欢迎！认知科学的目标（也是本课程的目标）是了解您的思维方式。试图了解我们自己的思维可能是整个科学领域中最雄心勃勃、最令人兴奋（也是最困难）的项目，这个项目需要从实验心理学、计算机建模和人工智能、神经科学、哲学、语言学、人类学和行为经济学等领域汲取的工具。本课程将向您介绍这些领域与思维研究相关的主要工具和理论。我们将在探索您的本质时运用这些观点——重点关注您的某些部分，例如感知、推理、记忆、注意力、想象、语言、智力、决策、道德——甚至性吸引力。总之，本课程将向您介绍认知科学、它所依据的假设以及该领域迄今为止取得的许多最重要和最迷人的发现。到我们一起度过的这个学期结束时，您应该已经对自己是什么以及您的工作方式有了重要的新见解！
将认知科学应用于在线教学和学习策略
1. 当学生按照与执行步骤相同的顺序学习时，他们学习程序和过程的效果最好 (Feldon, 2010)。 2. 当学生通过参与活动学习新材料时，他们比被动地观看或听老师讲课时学习效果更好，记忆时间更长 (Bligh, 2000; Bonwell & Eison, 1991; Deslauriers, Schelew, & Wieman, 2011; Hake, 1998; Jones-Wilson, 2005; Spence, 2001; Svinicki, 2004; Swiderski, 2005)。因为与他人互动需要积极参与，所以我们添加了 Persellin 和 Daniels (2014) 的这一推论，尽管它源自课堂教学和学习文献而非认知心理学：小组工作和讨论让学生参与进来，让他们能够积极地自行构建知识 (Stage、Kinzie、Muller 和 Simmons，1999)。3. 学生从实践中学习，但只有当他们收到有针对性的反馈时，他们才能利用这些反馈来提高自己在进一步实践中的表现 (Ambrose、Bridges、DiPietro、Lovett 和 Norman，2010)。当然，他们必须首先阅读并准确解释这些反馈，但他们并不总是这样做 (Falkenberg，1996)。 4. 学生将新知识与先前的知识联系起来，这凸显了先前知识的有效性和组织性的重要性（Ambrose 等人，2010；Baume 和 Baume，2008；Bransford、Brown 和 Cocking，1999；Taylor 和 Kowalski，2014）。 5. 当学生感觉自己处于安全、低压力、支持性、受欢迎的环境中时，他们会学得最好、最轻松（Ambrose 等人，2010；Doyle 和 Zakrajsek，2013）。他们更有可能实现课程的学习成果，发展高阶思维技能，参与课堂活动，在课堂上表现得体，有学习动机，对课程感到满意，无论是在课堂上（Cornelius-White，2007；Granitz、Koernig 和 Harich，2009）还是在线（Lundberg 和 Sheridan，2015）。 6. 某些特质能够吸引并保持学生的注意力和专注力，从而帮助学生更好地学习新材料并记住更长时间：人脸、颜色、强度、极端对比、运动、变化、戏剧性、教师热情和个人相关性（Ambrose 等人，2010 年；Bransford 等人，1999 年；Hobson，2002 年；Persellin 和 Daniels，2014 年；Svinicki，2004 年；Winne 和 Nesbit，2010 年）。 7. 学生通过精细复述学习和存储新材料（即将其从工作记忆转移到长期记忆中），这意味着思考新材料的意义和重要性，并将其与他们先前的知识、信念和心理模型联系起来（Ambrose 等人，2010 年；Bransford 等人，1999 年；Tigner，1999 年；Zull，2002 年）。 8. 当教学设计为最小化认知负荷时，学生最容易学习新材料（Feldon，2010；Sweller，van Merriënboer和Paas，1998；Wickens，2002，2008；Winne和Nesbit，2010）。通过认知负荷，我们指的是对工作记忆的要求。大脑在工作记忆中保存信息的能力是有限的，因此打包信息以尽可能高效地处理信息非常重要。这一原则非常笼统，但有一些子原则可以阐明其含义（见下一节）。
论文编号 1：认知科学 模块编号 27：人工智能
我们人类显然对聪明有不同的理解。在西方文化中，聪明通常被认为是拥有良好的心理技能，这些技能有助于在学校和高级工作和职业中取得成功。在其他一些文化中，聪明可能是具备狩猎的能力和技能。或者，懂得射箭！但是，从更广泛的角度来看，聪明是获取知识、有效思考和推理以及适应环境的能力。太复杂了？用外行的话来说，当我们能够在国际象棋比赛中弄清楚下一步应该怎么做时，这就是聪明。如果我们在外面天气需要时小心地带伞，那也是聪明！我有没有提到这就是人类智能？除了人类智能之外，还有什么可以让事情继续下去？机器会思考吗？我们可以让机器认为它们可以思考吗？这些好奇问题的答案在于人工智能的概念。首先，人工智能就是制造一台像人类一样思考的计算机。3.定义人工智能（AI）是指让机器像人类一样智能的想法。它是机器进行智能活动（如解决问题和决策等）的能力。它需要与环境进行成功的交易，从而为其做出有效的贡献。无论多么讽刺，人类智能都被用来模拟机器智能。该术语由约翰·麦卡锡（John McCarthy）（1955）提出，指的是创建智能机器的科学工程。对人工智能的研究需要超专业性，并分为各个子领域，这些子领域通常缺乏相互协调。各个子领域所做的工作，所做的研究，通常不是作为一个整体整合的。这可以归因于各种社会和文化因素，其中机器可能在特定文化中被接受，从那里获得社会认可并为周围的组织服务。此外还有技术问题，每个子领域的重点都不同。一个子领域可能强调解决问题，而另一个子领域可能专注于机器的维修。因此，该领域的研究必须依赖于需求。然而，所有子领域都必须在中心合并并表现出整体功能。必须协调机器开发的努力。例如，一个领域可能专注于创造智能，另一个领域可能专注于将其编织进心理社会结构中，最终用户可能会受益于所有功能的协调使用。