第 13 讲 · 认知模型
认知模型不是越像大脑照片越好。模型首先要说清：它想解释什么现象，用哪些状态和过程解释，能做出什么可检验的预测。课件把形式计算模型和认知架构放在一起，正好可以比较它们的解释边界。
图灵机定义“能不能算”，不描述人“怎样想”
图灵机由一条可读写纸带、有限状态控制器和读写头构成。每一步根据当前状态与读到的符号，写入符号、移动读写头并转移到新状态。它的重要性是把“机械可计算过程”变成精确定义。
但图灵机没有感知、情绪、记忆系统分工，也不试图复现人的反应时或错误模式。它回答的是计算能力边界，不是完整的心理机制。后面的认知架构则进一步问：知识存在哪里，多个任务怎样协调，学习怎样改变系统。
Soar：把认知组织成状态—算子—结果
Soar 用状态描述当前问题，用算子表示可以采取的转换，通过不断选择和应用算子获得结果。一个工作周期大致是：
- 根据当前状态提出候选算子；
- 用偏好知识比较候选项；
- 做出决策并应用算子；
- 更新状态，进入下一轮。
如果系统无法决定选择哪个算子，就形成“僵局”。Soar 会把解决僵局的过程当作一个子问题；成功后再把经验编译成新规则，这就是组块学习的直觉。Soar 9 又扩展了语义记忆、情景记忆和强化学习等能力。
ACT-R：用模块和产生式解释人的任务表现
ACT-R 把认知分成感知、动作、目标、陈述性记忆等模块，各模块通过有限容量的缓冲区向中心产生式系统提供当前内容。
两类知识要分开：
- 陈述性知识以记忆块保存“是什么”；
- 程序性知识以“如果条件满足，就执行动作”的产生式保存“怎样做”。
每次只有满足条件的产生式参与竞争。记忆提取时间、产生式选择和动作执行都占时间，因此 ACT-R 不只给出正确答案，还能尝试预测人在任务中的反应时、学习曲线和错误。这也是它被用于教育、驾驶和语言理解建模的原因。
CLARION：显性规则和隐性技能一起学习
CLARION 的核心问题是：人既会说出规则，也会在说不清规则时形成熟练技能。它用双层结构处理二者：顶层偏符号和显性知识，底层偏分布式表征和隐性知识；两层相互作用，而不是强迫所有认知都使用同一种表示。
其架构还区分行动中心、非行动中心、动机和元认知子系统。动机提供目标与驱力，元认知调节策略，行动系统选择行为，非行动系统保存一般知识。这样，“为什么想做”“知道什么”和“怎样行动”就不会被塞进一个黑箱。
心智社会：智能来自许多简单智能体的组织
明斯基的“心智社会”不寻找一个中央智能核心，而把心智看成许多较简单智能体组成的社会。单个智能体只负责局部任务；多个智能体形成机构，机构间通过激活、抑制和层级组织产生复杂能力。
这个观点的关键不是把每个模块拟人化，而是解释整体智能怎样从协作与竞争中涌现。它也提醒我们：一个系统能完成复杂任务，不代表内部必须存在一个同样复杂的“总指挥”。
LIDA：理解—意识—动作选择的循环
LIDA 把全局工作空间理论落实为反复运行的认知周期：
- 感知和联想记忆共同构成当前情境；
- 不同内容联盟竞争进入全局工作空间；
- 胜出内容被广播，触发多种学习；
- 行动图式竞争并选出动作；
- 行动改变环境，下一周期开始。
它的重点是连续行动中的时间组织，而不是一次性求出静态答案。
CAM：把意识与记忆放进同一个心智循环
CAM 是课件介绍的 Consciousness And Memory 心智模型，强调感知、意识、记忆、动机、情感和动作之间的级联周期。感知形成当前内容，注意和动机推动内容竞争，意识广播让多个系统共享信息，记忆既参与理解也从结果中学习，最后形成动作。
CAM 还试图把符号处理、联结学习和情感动机放到统一架构中。它与前面模型的差别不宜只背模块数量，可以用三个问题比较：
| 模型 | 首要问题 | 主要组织单位 | 特别强调 |
|---|---|---|---|
| 图灵机 | 什么可计算 | 状态、符号与转移 | 计算边界 |
| Soar | 通用问题求解怎样循环 | 状态、算子、产生式 | 僵局与组块学习 |
| ACT-R | 人的任务行为怎样产生 | 模块、缓冲区、产生式 | 反应时和认知约束 |
| CLARION | 显性和隐性知识怎样协同 | 双层、多个子系统 | 隐性学习与动机 |
| 心智社会 | 整体智能怎样涌现 | 简单智能体与机构 | 分布式协作 |
| LIDA | 连续认知怎样协调 | 全局广播与认知周期 | 意识和动作选择 |
| CAM | 意识、记忆和情感怎样统一 | 多模块级联周期 | 心智整体建模 |
比较模型时，先找它的解释目标，再判断结构是否真的服务于目标；不要因为模块更多，就默认模型更接近真实心智。