XiaoMi-AI文件搜索系统
World File Search System认知科学
人工智能与认知科学
Harnad，S。（1990） Kodansha。 3。Matsubara，J。和Kawamura，H。（2019年）。 , 240–246。 McCarthy, J., & Hayes, P. (1969). 从人工智能的角度看一些哲学问题。收录于 B. Meltzer 和 D. Michie (编)，机器智能，4 (第 463–502 页)。英国爱丁堡：爱丁堡大学出版社。 （McCarthy, J. Hayes, P. Miura (译) (1990). 人工智能为什么需要哲学？框架问题的起源和发展。哲学书房） Searle, J. (1980). 思想、大脑和程序。行为与脑科学，3，417–457。 Shanahan, M. (1997). 解决框架问题。马萨诸塞州剑桥：麻省理工学院出版社。 Silver, D., Huang, A., Maddison, CJ、Guez、A.、Sifre、L.、van den Driessche、G.、...... Hassabis、D. (2016)。利用深度神经网络和树搜索掌握围棋游戏。《自然》，529，445–446。Watanabe、A. 和 Yasuki、K. (2007)。Bonanza 与游戏大脑：最强的将棋软件会超越人类吗？角川书店 Yamamoto、K. (2017)。人工智能是如何超越大师的？ ─最强将棋AI开发者Ponanza教授
认知科学资格考试 - 2020
...常识并不是什么常识。它必须以某种方式进入人类或机器人的大脑。常识不仅仅是一本关于生活的年鉴，可以由老师口述或像庞大的数据库一样下载。没有一个数据库可以列出我们心照不宣的事实，也没有人教过我们这些事实。你知道，当欧文把狗放进车里时，它就不再在院子里了。当埃德娜去教堂时，她的头也跟着去。如果道格在家里，他一定是从某个开口进去的，除非他出生在那里，从未离开过。如果希拉在早上 9 点还活着，在下午 5 点还活着，那么她在中午也还活着。野生斑马从不穿内衣。打开一罐新品牌的花生酱不会让房子蒸发。人们从不把肉类温度计塞进耳朵里。沙鼠比乞力马扎罗山还小。
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。
入门讲座：认知科学的性质和历史
所有人类都花一些时间想知道世界的本质，他们自己的本性以及两者如何融合在一起。提出问题标志着理性询问的开始。但是，询问本身并不是询问。查询需要采用一个框架，在该框架中，人们可以将某些问题的答案用作回答他人的基础。例如，通过采用一个框架，研究人员通过通过受控的，可重复的实验来解决有关世界上元素和现象的性质的问题。我们将看到，认知科学试图回答许多问题，在一个框架内采用答案，以对某些其他问题进行答案。认知科学家提出的关于思想中心问题的答案来自其各个学科的发展和互动。这些答案将认知科学的思维方法与其历史前辈的方法区分开。关于思想的最根本和最古老的问题涉及其本质 - 思想是什么及其与物理世界的关系。
认知科学中建模的位置
摘要我考虑认知建模在认知科学中的作用。建模以及启用它的计算机对领域至关重要，但是建模的作用通常被误解了。模型并非旨在完全捕获他们试图阐明的过程。相反，它们是对认知过程本质的思想的探索。在这些探索中，简化是本质的 - 通过简化，中心思想的含义变得更加透明。这并不是说简化没有缺点。确实如此，讨论了这些。然后，我考虑了几个用于认知建模的当代框架，强调了这样一个想法，即每个框架都以其自身的特定方式有用。自1958年以来，计算机功率的增加（约为400万倍）使新的建模范式能够出现，但这些范式也取决于新的思考方式。新范式会随着接下来的1,000倍而再次出现吗？
认知科学的基础
认知科学与计算机具有长期而重要的关系。计算机提供了一种工具，我们已经能够表达我们的心理活动理论；它一直是一个宝贵的隐喻来源，我们通过这些隐喻来理解并欣赏简单组件处理元素的操作可能会出现心理活动。我生动地回想起我十五年前教过的一堂课，其中我概述了当时的认知系统的观点。一个特别怀疑的学生质疑我的帐户，依靠计算机科学和人工智能概念的概念，以查询我是否认为如果我们的计算机是平行的而不是串行的，我认为我的理论是否会有所不同。我记得，我的回应是承认我们的理论可能会有所不同，但认为这并不是一件坏事。我指出，我们的理论的灵感以及我们对抽象的理解总是基于我们对当时技术的经验。i指出，亚里士多德具有蜡片的记忆理论，莱布尼兹将宇宙视为发条，弗洛伊德使用了流过系统的性欲的液压模型，而智能的电话！我建议，尽管这些理论是基于当时的隐喻，但我认为这是有用的。除了其作为隐喻来源的价值外，计算机以另一种非凡的方式与早期技术不同。因此，我认为，自然而然的是，在我们这一代人（串行计算机的一代）中，我们应该从与我们时代最先进的技术发展的类比中获取见解。我现在不记得我的反应是否满足了Studen，但毫无疑问，我们在认知科学上的使用已经通过利用从计算机经验中汲取的概念获得了很大的价值。可以制作计算机来模拟其操作与这些模拟运行的计算机大不相同的系统。通过这种方式，我们可以使用计算机模拟我们希望拥有实验的系统
1 认知科学中的计算
在本文中，我将尝试对这两个问题进行评论。第一个问题将引导我们讨论计算在我们理解人类（也许还有动物）认知方面所扮演的角色。我将研究各种这样的角色——从计算机作为工具来表达理论，通过其作为思想来源的角色，到大胆的经验主义主张，即认知实际上是一种计算。后一种立场（这将使我们进入我所说的“强等价”论题的讨论）甚至无法开始解决，直到我们对我们用计算这个术语来表达什么有了更清晰的理解——即我们打算用这个术语涵盖哪些过程系列。这是我将要讨论的主题中最具争议性的，但也是无法避免的；理解该学科背后的假设是理解最近关于重新定向的提议的先决条件
认知科学中的动力假设
在Mathematica Principia Mathematica之后，David Hume梦见了一种科学心理学，其中数学定律将控制精神领域，就像Newton的定律管理着物质领域一样（Hume 1739-1740/ 1978）。引力的普遍力量，其身体与质量成比例地吸引，将被普遍的关联力取代，从而使思想与它们的相似性成比例地吸引。物质的动态将与心理动力相似。Humean Dream并不是现代科学兴起的第一个思想愿景。新的物理学已经发现了极为简单和优雅的数学定律，但是需要艰苦的计算才能得出实际行为的混乱细节。托马斯·霍布斯（Thomas Hobbes）将这种计算活动本身作为他的心理操作机制模型。也许认为是符号计算，是对头部内部符号的操纵（霍布斯1651/1962）。十七世纪的猜测成为20世纪的科学。霍布斯的想法演变成计算假设（CH），即认知剂基本上是数字计算机。也许最著名的演绎是纽厄尔和西蒙的学说，即“物理符号系统具有一般智力行动的必要和充分手段。”他们提出了这一假设为“定性结构定律”，可与地质学中的细胞学说或板块构造相媲美。它表达了大约40年来主导认知科学的研究范式的核心见解。近年来，Humean替代方案一直在增强动力。最引人注目的发展之一是连接主义的兴起，它将认知模仿为动态系统的行为（Smolensky 1988），并且经常从动态 -