认知科学的几个基础理论问题-智能科学与人工智能
认知科学的基础理论
认知科学的基础理论认知科学是一门涉及人类思维和认知过程的学科，它研究人类如何感知、思考、记忆和解决问题。
在认知科学中，有几个基础理论被广泛接受和应用，这些理论对于我们理解人类认知的本质和运作方式至关重要。
在本文中，我们将讨论认知科学的基础理论，从而深入了解该领域的重要概念和原则。
首先，认知科学的基础理论之一是信息处理理论。
信息处理理论认为人类的思维过程可以类比于计算机的信息处理过程。
它认为人类的认知活动可以通过输入-处理-输出的模式来描述。
也就是说，人类接收来自外部环境的输入信息，然后通过大脑内部的信息处理来解释、转化和存储这些信息，最后产生相应的行为输出。
信息处理理论强调了认知过程中的信息获取、储存、加工和输出这四个关键阶段。
另一个重要的认知科学理论是神经可塑性。
神经可塑性是指大脑在不同的学习和记忆经验中可以自身改变和重组的能力。
根据这个理论，大脑的结构和功能可以逐渐地通过学习和实践来改变和适应。
神经可塑性理论的提出为我们理解人类学习、记忆和认知能力的发展提供了基础。
这个理论认为，通过不断的学习和锻炼，大脑可以建立新的神经网络和连接，加强已有的神经通路，从而提高认知和思维能力。
与神经可塑性理论密切相关的是认知发展理论。
认知发展理论是指研究人类思维和认知能力如何从婴儿时期到成人时期逐渐发展的学科。
这个理论的核心思想是，人类的认知能力是一个渐进的、连续的过程，它受到生理、环境和社会因素的影响。
认知发展理论重点关注儿童的认知发展阶段，揭示了儿童如何通过感知、感觉和运动的发展逐步建立起抽象思维和逻辑推理的能力。
另外一个基础理论是注意力理论。
注意力理论研究人类如何选择、集中和控制认知资源以应对特定的认知任务。
注意力可以被视为一个关键的心理资源，在认知活动中起到了重要的调节和控制作用。
根据注意力理论，人类有限的注意力资源需要根据任务需求进行分配和调整。
因此，注意力的选择和调控对于认知活动的有效性和效率至关重要。
人工智能与认知科学的哲学
人工智能与认知科学的哲学人工智能（Artificial Intelligence，简称AI）和认知科学是两个相互关联且互相影响的领域。
它们都涉及到人类思维、知觉和智能的本质，并试图通过研究和模拟来理解和复制这些过程。
以下是人工智能与认知科学的哲学方面的详细探讨。
1.人类思维和智能-哲学问题：人工智能和认知科学中一个重要的哲学问题是：人类思维和智能的本质是什么？这涉及到对意识、自我意识、意义和目的等概念的深入理解。
-AI的观点：一些AI研究者认为，人类思维和智能可以通过计算机模型来实现。
他们尝试将人类思维过程抽象成算法和模型，并通过编程和机器学习等技术来模拟和复制这些过程。
-认知科学的观点：认知科学则更多地关注人类思维和智能的心理和神经基础。
通过行为心理学、神经科学和计算模型等方法，认知科学试图揭示人类思维的本质和运作方式。
2.机器意识与人类意识-哲学问题：另一个重要的哲学问题是：机器是否能够拥有意识，就像人类一样？这涉及到意识的定义和机器是否能够产生主观体验和情感。
-AI的观点：一些AI研究者认为，通过模拟人脑的功能和结构，可以创造出具有意识的机器。
他们探索人工智能系统如何产生主观体验，并试图开发具有情感和意识的智能体。
-哲学争议：然而，关于机器意识的存在性和本质仍然存在广泛的哲学争议。
一些哲学家认为，意识是一个特殊的主观经验，不可能简单地通过计算或仿真来实现。
3.人工智能与伦理道德-哲学问题：人工智能和认知科学也引发了许多与伦理和道德相关的哲学问题。
例如，AI是否会取代人类工作岗位？如何确保AI系统的公正和道德决策？以及如何处理与隐私和安全相关的问题？-AI的观点：一些AI研究者和科技公司开始关注AI的伦理和道德问题，并制定了一些原则和指南，以确保人工智能系统的安全、公正和透明性。
-哲学讨论：哲学家和伦理学家对于AI的伦理和道德问题提出了更深入的思考。
他们思考人工智能是否应该具有道德责任，以及如何确保人类对AI系统的控制和监管。
认知科学的几个基础理论问题
认知科学的几个基础假设刘晓力一、认知科学概况认知科学是以研究人类认知过程、智能和智能系统、大脑和心灵内在运行机制的一门学科。
20世纪70年代(50年代？)兴起，是心理学、语言学、神经生理学、计算机科学、哲学和人类学的交叉学科。
认知科学不同的研究进路认知科学依据不同的问题领域和研究方法划分为不同的研究进路心理学进路语言学进路生物物理学进路神经生理学进路人工智能进路广义进化论进路复杂性科学进路认知科学的起源认知科学起源于不同学科领域，特别是：图灵机概念的产生人工智能研究的兴起心灵哲学中以普特南（H.Putnam）和福多（J.Fodor）为代表的“功能主义”理论的确立心理学和语言学乔姆斯基（A.N.Chomsky）等反对激进行为主义的“认知革命” .认知科学所引发的一些基础问题成为20-21世纪之交涉及领域广泛、争论最为激烈的世界性的科学和哲学的热点问题。
认知科学不同的研究进路，决定了关于它的哲学观上的巨大分歧和各种研究范式的激烈竞争。
二、认知科学的几个基础假设D.Kirsh （1991）提出认知科学（人工智能）的五大问题1）知识和概念化是人工智能的核心吗？2）认知能力及其所预设的知识能否脱离其有机体进行研究？3）认知的知识形态或信息形态的轨迹是否可用类自然语言描述？4）学习能否与认知相分离加以研究？5）是否有对于所有认知的统一结构？这些问题最重要的是我们对于心灵哲学中的三个方面问题的困惑和困难1、意向性问题2、意识问题3. 心灵是否是涉身的？Mark Johnson总结30年来认知科学的成就对传统哲学的挑战时说，认知科学的三大发现是：心灵本质上是涉身的；思想大部分是无意识的；抽象概念大多是隐喻的。
70年代以前认知科学主要是基于理性主义的符号运算传统。
70年代以后，许多人认为，“理性绝不是宇宙的先验特征，理性也不是与身体无关的人类心灵的先验特征。
心灵依赖于身体的生理结构，是由人的身体的特殊性质，由人脑的神经结构的特殊细节，由我们在世界中的日常举止的特殊情况塑造的，理性、心灵、概念、推理、思维等都是涉身的。
认知科学与人工智能
认知科学是一种包括语言学、人类学、心理学、神经科学、哲学和人工智能等跨学科的新兴科学，其研究对象为人类、动物和人工智能机制的理解和认知，亦即能够获取、储存、传播知识的信息处理的复杂体系。
认知科学建立在对感知、智能、语言、计算、推理甚至意识等诸多现象的研究和模型化上。
在21世纪，如果不做认知科学研究，或者不与认知研究相结合，不仅哲学、心理学、语言学、人类学、计算机科学、脑与神经科学无法深入发展，其他传统学科如数学、物理学、天文学、地理学、生物学、文学、历史学、经济学、政治学、法学、管理科学、教育学的发展也都无法深入发展，因为这些学科的深人发展都依赖脑与心智的开发，因而与认知科学相关。
而认知科学目前在前沿科技的最大应用，无疑是人工智能。
认知科学包括了对知觉，学习，语言，注意，意识的研究。
首先，知觉信息的表达是知觉研究的基本问题，是研究其它各个层次认知过程的基础。
知觉过程是从那里开始的？外在物理世界的那些变量具有心理学的知觉意义？作为知觉的计算模型计算的对象是什么？这些围绕知觉信息表达的问题是建立任何知觉和跟知觉有关的学说和理论模型，无论是人类的还是计算机的，都必须首先回答的问题。
而人工智能必须在计算理论层次、脑的知识表达层次和计算机实现层次上，把认知神经科学实验研究和计算机视觉研究结合起来，对上述科学问题提出崭新的理论（或思想）和解决的方法。
其次，学习提升智能。
学习是基本的认知活动,是经验与知识的积累过程，也是对外部事物前后关联地把握和理解的过程，以便改善系统行为的性能。
计算机的信息加工过程就是学习过程的类比。
人工智能的内隐学习是一种自我反思、自我观察、自我认识的学习过程。
在领域知识和范例库的支持下，系统能够自动进行机器学习算法的选择和规划，更好进行海量信息的知识发现。
人工智能的10个重大数理基础问题
人工智能的10个重大数理基础问题人工智能（Artificial Intelligence，本人）是当今世界上备受瞩目的热门话题，它涉及到许多重大的数理基础问题。
在本文中，我们将深入探讨人工智能领域中的10个重大数理基础问题，以帮助我们更深入地理解并思考这一领域的重要性。
1. 随机性与确定性在人工智能的研究中，随机性与确定性是一个重要的数理基础问题。
随机性是指事件发生的不确定性，而确定性则是指事件发生的可预测性。
人工智能系统在处理各种任务时，需要同时考虑到随机性和确定性的因素，以确保其能够做出准确的决策和预测。
如何在人工智能系统中平衡随机性与确定性，是一个具有挑战性的数理基础问题。
2. 学习与推理人工智能系统的学习和推理能力是该领域的关键问题之一。
学习是指系统能够通过经验和数据不断改善自身的性能，而推理则是系统能够根据已知信息去做出推断和决策。
如何设计并实现具有高效学习和推理能力的人工智能系统，是一个复杂而重要的数理基础问题。
3. 数据挖掘与模式识别数据挖掘和模式识别是人工智能领域中的核心问题之一。
数据挖掘是指从大规模数据中提取出有用的信息和知识，而模式识别则是指系统能够识别和理解数据中的模式和规律。
如何有效地进行数据挖掘和模式识别，是人工智能系统能否实现高效智能化的关键。
4. 自然语言处理自然语言处理是人工智能领域中的重要问题之一。
它涉及到如何让计算机能够理解和处理人类自然语言的能力，包括语音识别、语义理解、机器翻译等方面。
如何让人工智能系统具有高效的自然语言处理能力，是一个具有挑战性的数理基础问题。
5. 分布式计算与并行处理在人工智能应用中，分布式计算和并行处理是一个重要的数理基础问题。
它涉及到如何有效地协调和管理多个计算节点，以实现大规模数据处理和复杂任务的并行处理。
如何设计高效的分布式计算和并行处理算法，是人工智能系统能否实现大规模应用的关键。
6. 强化学习与控制强化学习和控制是人工智能领域中的重要问题之一。
认知科学和人工智能的发展
认知科学和人工智能的发展认知科学是一门跨学科的研究领域，涉及心理学、神经科学、哲学、人工智能和语言学等多个学科。
它致力于理解心智过程，包括感知、认知、记忆、语言、思维和情感等。
人工智能（AI）则是计算机科学的一个分支，旨在开发智能机器和系统，使它们能够模拟人类智能的行为。
以下是认知科学和人工智能发展的一些关键知识点：1.认知科学的基本概念：–认知：指个体获取、处理和使用信息的心理过程。
–认知模型：用来描述和解释认知过程的理论和计算模型。
–认知神经科学：研究大脑如何实现认知功能的研究领域。
–认知障碍：如阿尔茨海默病和注意力缺陷多动障碍（ADHD）等疾病，影响认知功能。
2.人工智能的基本概念：–人工智能：模拟、扩展和增强人类智能的理论、方法、技术和社会应用。
–机器学习：使计算机系统能够从数据中学习和改进的技术。
–深度学习：一种通过神经网络模拟人脑处理信息能力的机器学习方法。
–自然语言处理（NLP）：使计算机能够理解、解释和生成人类语言的技术。
3.认知科学与人工智能的交叉：–认知启发式：从人类认知过程中获得的启发，用于改进人工智能算法。
–神经符号系统：结合神经科学和符号逻辑的人工智能系统。
–人工智能在认知科学中的应用：如认知模拟、机器人心理学和虚拟现实。
–认知科学对人工智能的启示：理解人类认知有助于设计更先进的AI系统。
4.人工智能的应用领域：–医疗：AI辅助诊断、个性化治疗计划和药物研发。
–教育：个性化学习、智能辅导系统和教育游戏。
–工业：自动化、智能制造和供应链优化。
–交通：自动驾驶汽车和智能交通管理系统。
5.人工智能的伦理和社会问题：–隐私和数据安全：AI系统处理个人数据时涉及的隐私保护问题。
–就业影响：AI技术对劳动力市场和职业结构的影响。
–偏见和公平性：确保AI系统决策过程的公正性和无偏见性。
–责任归属：当AI系统导致错误或伤害时，责任的归属问题。
6.人工智能的发展趋势：–增强人工智能：通过集成人类专家知识和经验来增强AI系统能力。
人工智能的10个重大数理基础问题
人工智能的10个重大数理基础问题在深入探讨人工智能（本人）的10个重大数理基础问题之前，有必要先对人工智能的概念进行简要介绍。
人工智能是一种模拟人类智能的技术，通过计算机系统来执行类似于人类智能的任务。
这些任务包括学习、推理、问题解决和语言识别。
在过去的几十年中，人工智能已经成为了计算机科学和工程领域中最受关注和研究的领域之一。
1. 通用人工智能（AGI）的挑战人工智能的10个重大数理基础问题中，首先需要探讨的是通用人工智能（AGI）的挑战。
通用人工智能是指一种可以像人类一样执行各种智能任务的人工智能系统。
目前的人工智能系统往往只能执行特定的任务，例如语音识别、图像识别或自然语言处理。
要实现通用人工智能，需要解决诸多挑战，包括对人类智力的深刻理解、对自然语言的高度理解以及对情境的识别和推理能力等。
2. 人工神经网络的发展与优化人工神经网络是人工智能领域的核心技术之一。
它模拟人脑中神经元之间的连接，并通过层层传递信息来实现学习和推理。
在人工智能的10个重大数理基础问题中，人工神经网络的发展与优化是一个重要的课题。
如何构建更加复杂和高效的神经网络结构，如何提高神经网络的学习速度和准确度，以及如何解决过拟合和欠拟合等问题，都是当前亟待解决的问题。
3. 深度学习的理论与应用深度学习作为人工智能领域的热门技术，已经在语音识别、图像识别、自然语言处理等领域取得了巨大的成功。
然而，深度学习的理论基础仍然存在很多挑战，如深度神经网络模型的可解释性、深度学习算法的鲁棒性等问题需要进一步研究和探讨。
4. 强化学习的理论与实践强化学习是一种通过代理（Agent）与环境进行交互，从而学习最优行为策略的机器学习方法。
在人工智能的10个重大数理基础问题中，强化学习的理论与应用是一个重要的课题。
如何解决强化学习中的探索与利用之间的平衡、如何处理延迟反馈和稀疏奖励等问题，都是当前亟待解决的问题。
5. 非监督学习与自监督学习非监督学习和自监督学习是两种重要的学习范式，它们可以从无标注的数据中学习表示和特征，为人工智能系统提供更加丰富和鲁棒的学习能力。
认知科学的理论和实践
认知科学的理论和实践认知科学是一个十分复杂而又多样化的领域，它将人类的认知过程，如感知、思考、记忆、决策等进行研究。
认知科学涉及了很多领域，如心理学、神经科学、计算机科学等，这些领域结合在一起，可以揭示出许多关于人类认知行为的奥秘。
本文将从理论和实践两个方面来探讨认知科学。
理论认知科学的理论基础主要来自于人工智能、神经科学、心理学等学科。
在认知科学的范畴中，人们最关注的是人类的认知能力，包括知觉系统、注意力系统、记忆系统、思维和决策系统等方面。
人们通过研究认知系统，能够更好地了解人类认知的内在机理。
知觉系统：人们通过感官系统来感知外界环境，包括五种感觉，视觉、听觉、触觉、味觉和嗅觉。
视觉和听觉是人们生活中最重要的感觉，大多数信息都通过这两种感觉进行传输。
人们对于外界的感知，不仅仅是对于外界的客观信息的接收和处理，同时也包括对于信息的组织和理解。
对于人类来说，如何从环境中获取有效信息，是一项极其重要的认知能力。
注意力系统：人的注意力系统与视觉和听觉紧密相关。
注意力是指人们的意识资源向某个特定的事物或行为倾向，同时也意味着相应的行为执行能力。
人的注意力是有限的，这意味着人们不能同时专注于多种事物。
对于注意力的分配，有时会影响到对外界信息的正确理解。
记忆系统：人类的记忆是指人类对于外界信息的接收、加工和保存能力。
人的记忆可以分为短时记忆和长时记忆两种。
短时记忆是指人们暂时保存的信息，通常只持续几秒钟的时间。
长时记忆则可以一直保存到人类生命的尽头，且很难被遗忘。
人类的记忆能力对于学习和理解是极为重要的，理解语言、阅读材料和学习基础知识，都需要依靠记忆系统。
思维和决策系统：思维是指人类使用前提和理由进行推理和解决问题的能力。
人们通常会根据自己的经验和知识来评估不同的方案，并找到最佳的解决方案。
决策是指人类从多个选择中选择最佳的一个方案。
人们在做决策时，可能涉及到多个因素的权衡和考虑，包括风险、代价、利益等。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
认知科学的几个基础假设刘晓力一、认知科学概况认知科学是以研究人类认知过程、智能和智能系统、大脑和心灵内在运行机制的一门学科。
20世纪70年代(50年代？)兴起，是心理学、语言学、神经生理学、计算机科学、哲学和人类学的交叉学科。
认知科学不同的研究进路认知科学依据不同的问题领域和研究方法划分为不同的研究进路心理学进路语言学进路生物物理学进路神经生理学进路人工智能进路广义进化论进路复杂性科学进路认知科学的起源认知科学起源于不同学科领域，特别是：图灵机概念的产生人工智能研究的兴起心灵哲学中以普特南（H.Putnam）和福多（J.Fodor）为代表的“功能主义”理论的确立心理学和语言学乔姆斯基（A.N.Chomsky）等反对激进行为主义的“认知革命” .认知科学所引发的一些基础问题成为20-21世纪之交涉及领域广泛、争论最为激烈的世界性的科学和哲学的热点问题。
认知科学不同的研究进路，决定了关于它的哲学观上的巨大分歧和各种研究范式的激烈竞争。
二、认知科学的几个基础假设D.Kirsh （1991）提出认知科学（人工智能）的五大问题1）知识和概念化是人工智能的核心吗？2）认知能力及其所预设的知识能否脱离其有机体进行研究？3）认知的知识形态或信息形态的轨迹是否可用类自然语言描述？4）学习能否与认知相分离加以研究？5）是否有对于所有认知的统一结构？这些问题最重要的是我们对于心灵哲学中的三个方面问题的困惑和困难1、意向性问题2、意识问题3. 心灵是否是涉身的？Mark Johnson总结30年来认知科学的成就对传统哲学的挑战时说，认知科学的三大发现是：心灵本质上是涉身的；思想大部分是无意识的；抽象概念大多是隐喻的。
70年代以前认知科学主要是基于理性主义的符号运算传统。
70年代以后，许多人认为，“理性绝不是宇宙的先验特征，理性也不是与身体无关的人类心灵的先验特征。
心灵依赖于身体的生理结构，是由人的身体的特殊性质，由人脑的神经结构的特殊细节，由我们在世界中的日常举止的特殊情况塑造的，理性、心灵、概念、推理、思维等都是涉身的。
”三．人工智能的基本信念及认知科学的基础假设人工智能的基本信念（1）认知和智能活动是信息处理过程。
（2）人工系统可模拟生命和智能过程。
（3）通过研究虚拟世界各类人工智能的详情可以把握真实世界人类认知和智能的基本性质。
（4）虚拟世界与真实世界具有同样的实在性。
这些信念事实上基于认知科学如下一些基本假设1）功能主义假说功能主义是认知科学的最基本的假定。
心理学“认知革命”的结果是诞生了认知心理学，即心理学的信息处理理论。
把智能有机体视作接收、存储和处理信息的信息处理系统。
认知是信息加工的过程或计算过程。
普特南（ H. Putnam ）对功能主义的标准表述：人类心理状态就是大脑的计算状态，要理解心理状态就必须进行抽象，就像我们在编程或使用计算机时，对硬件进行抽象一样，心理状态就像软件（普特南1观点1960’s ）。
计算机隐喻是功能主义的基本隐喻。
塞尔对功能主义的描述：心智之于大脑，如同程序之于硬件，因此即使不研究神经生理学，也能研究心智。
程序是至关重要的，与它在计算机中的实现毫不相干，心智的功能与载体无关。
随着后来联结主义的兴起和发展，功能主义的计算机隐喻面临着一定的挑战，甚至普特南后期也放弃了早期的功能主义的普特南І观点：“人脑是否能被模型化为计算机这一问题远远悬而未决，但我不再坚持心理状态与计算状态同构的思想了”。
2）物理系统符号假设物理系统符号假设是纽厄尔（Newell）和西蒙（Simon）1976年提出的理解人类认知行为的计算主义形式化认知模型，为此提供理论基础和进一步阐释的有Chomsky, Minsky, Fodor and Pylyshyn等.认知科学的先驱纽厄尔（A.Newll）和西蒙（H.A.Simon）曾乐观地宣称：“作为一般的智能行为，物理符号系统具有的计算手段既是必要的也是充分的”。
“所有人类认知和智能活动经编码成为符号，都可以通过计算机进行模拟”。
一个物理符号系统有两个特点：（1）遵从物理定律，可以由任何可能的物理机体——如人脑或计算机——来实现的系统。
（2）不局限于人的符号系统，任何可以为认知器官或认知功能分辨的有意义的模式都可以归入符号系统。
物理符号包括印刷文字、光波、声波符号，计算机构造系统，人的神经系统，大脑的神经元等。
一个完善的物理符号包括：输入符号，输出符号，存储符号，复制符号，建立符号结构，条件性迁移。
符号主义范式在物理系统符号假设下，诞生了认知科学中的符号主义研究范式，而且至今这一研究范式仍然具有生命力，同时也产生了许多难以克服的困难。
符号主义采用经典一阶逻辑工具，寻求知识的符号表征和计算，特点是自上而下。
这一假设受到来自联结主义和动力系统理论和整体论的挑战。
3）联结主义假设联结主义受大脑神经网络研究的启发。
80年代以来，随着不依赖于大脑研究认知和心智的功能主义在理论上困境的加深，开始掀起认知神经科学研究，以人工神经网络、计算神经科学、神经计算等名义实践着联结主义思想。
联结主义的核心是，认知和智能是从大量单一处理单元的相互作用中产生的。
核心概念是“并行分布式信息处理”。
目前普遍认可的大脑的功能和特征有：大脑是一个神经元联接的巨型复杂系统。
大脑神经元个数大约是1012 ，其不同的联结方式至少有6×1013种以上。
大脑中的信息处理建立在大规模并行计算的基础上。
大脑具有很强的容错能力和联想能力，而且善于概括、类比、推广。
大脑功能虽然受先天因素制约，但后天的经历、学习、训练和文化环境作用等起重要作用。
大脑具有很强的自组织和自适应的特性。
联结主义范式从1943年麦克洛克和皮兹的《神经活动中内在观念的逻辑运算》到1986年鲁梅哈特和麦克莱兰德《并行分布处理：认知的微观结构》出版，经历40年联结主义在20世纪80年代重新复兴，成为继符号主义之后真正有竞争力的认知科学研究范式。
联结主义是要模拟发生在人类神经系统中的认知过程，不同于符号主义之处在于强调，“构架至关重要”。
它的特征是自下而上的：内在并行性分布式信息存储容错性自适应性（通过学习）4．行为主义自1925年华生提出“行为主义心理学”，建立了“刺激-反应”的心智解释模式，否定人类心灵的存在。
新行为主义者引入“中介变量”概念，将“刺激-反应” 模式发展为“刺激-中介变量-反应”模式，用行为与刺激、行为与环境之间的函数关系来体现和解释心智的内在存在。
新激进行为主义更强调行为、环境、心智三者互动的解释原则。
认知科学中的行为主义吸收新行为主义思想，认为心智是可以信息加工的，心智表现为认知行为，而行为不是有机体对刺激的单一的反应，而是表现为高度整合的功能，心智在与环境的作用中得到进化。
纳金斯强调世界是一个和谐不可分割的整体，人类行为的核心在于考察行为主体与环境之间的函数关系，这种关系涉及行为主体、行为环境和行为结果。
托尔曼认为，有目的的行为是利用环境作为手段和方法的。
产生行为的环境是一个充满各种途径、工具、障碍的环境。
有机体为了达到目的，必须把途径、工具、障碍等作为中介，与之进行特殊形式的交流。
动物和人类对于中介的“手段-对象”具有选择性，使有目的的认知具有“认知色彩”，有机体的认知选择性通过整体行为的“符号-格式塔”学习，建立起“认知地图”。
行为主义在人工智能中的体现是控制论、自动机理论模型、遗传算法、人工生命和自主机器人的研究。
因为行为主义适合解决环境交互型运动控制问题。
例如，布鲁克斯认为，人工智能应当强调现场化、实体化、智能化和突现性。
在机器人在进行认知活动时，一种行为结构可以包容或控制另一行为的结构。
布鲁克斯（R.Brooks）基于行为的机器人研究布鲁克斯宣称，将建造一种完全自动的、能动的行为者（创造物），它们与人类共存于世界上，并被人类认可是有自己权利的智能存在。
创造物在它的动力环境中必须以随机应变的方式恰当处理问题。
它们应有多种目标，能适应环境，也能利用偶发环境。
方案是把复杂系统分解为部分建造，再连接到复杂系统中。
在他设计的机器人中，控制不同层次直接与环境作用，因此他宣称根本不需要表征。
早期的艾仑（Allen）会沿墙走、识别门口。
后来赫伯特（Herbert）可躲避障碍物，拾起饮料罐。
格根斯（Genghis）有6条可独立控制的腿，它可以利用感应器监控信息，产生新行为。
遇到障碍拾时，表现出自主学习和适应的能力。
还研制了有更强功能的阿提拉（Attila）和有类似人的外貌的机器人考格（Cog）。
5.动力系统理论（dynamical systems theory）假设动力系统理论是运用复杂性思想将人类认知过程和智能行为看作复杂的动力系统，用微分方程来表达，其核心概念是“吸引子”。
动力系统理论期望对认知功能提供不同于符号主义和联结主义的新解释，认为这种理论是对人类认知的最好的描述。
并且主张有可能代替符号主义和联结主义范式，成为第三种新的认知科学范式。
6．非还原的物理主义假设狭义的物理主义是指20世纪30年代维也纳学派提出的以物理语言统一科学的主张（Carnap）；广义的物理主义是一种科学还原的理论主张，主张从物理层次上对所有现象做出彻底的说明。
认知科学中的物理主义认为，“每个心理过程在大脑中都有一个平行的物理过程，心理对象的每个特性都明确地对应于大脑过程的某个物理特性。
”非还原的物理主义是弱化了的物理主义。
认知科学中的非还原的物理主义首先否认精神实体的独立存在，同时，否定将人类认知活动完全用有机体的物理、化学语言描述，否认人类认知活动可以完全还原为大脑神经的生理活动。
但斯佩里90年代以前、克里克等持有强物理主义。
从心身类型同一论到功能主义的发展反映了由还原的强物理主义到非还原的弱物理主义的转变。
转变过程中，Davidson提出了作为非还原的物理主义基础的心身附随关系思想。
Putnam基于功能主义提出了心理状态多重实现论题。
7.还原论与整体论四、认知科学的计算主义纲领在功能主义假设下，目前占据认知科学主流的是认知科学的计算主义纲领。
计算主义纲领的核心是认知的本质是计算。
认为一切认知过程和智能行为都是可计算的。
这一纲领从诞生之日起，就面临着来自各方的挑战。
马尔（D.Marr）的三层次理论对于研究复杂的信息处理系统，人们已经普遍接受了马尔的三层次理论，即分为计算理论层、表征与算法层以及实现层。
其中，计算理论层解决的是“处理信息（计算）的目的是什么”、“用什么理论处理”，以及“说明所用理论为什么能达到此目的”等问题。
计算理论层是最基本，也是最困难的。
算法层要对计算理论找到具体的算法，尤其是，输入和输出的表征是什么，转换的算法是什么。
实现层是将表征和算法转化为可执行程序。
即使解决了计算理论层和算法层的问题，还有一个实现层的问题，计算是否可实现，还有一个计算的时间复杂性和空间复杂性问题。