人类认知体系结构

2017-05-24 · 作者:人机与认知实验室

[导读]自然信息处理系统的组件可以以许多方式描述,但在本文中将使用五个基本原则:信息存储原理;借用和重组原则;随机性作为起源原则……

【本文作者:蔡韦旭译】

20170524110111.jpg人类认知体系结构是指组织构成人类认知的组件(例如工作和长时记忆)的方式。生物进化需要存储确定特定环境中确定有机体功能和活动的遗传信息。这些功能和活动能够传递给后代,但可以通过遗传物质的随机突变来改变。如果这些突变对于相同或新环境中的物种是适应的,则它们被保留,而导致所存储的遗传信息的改变。如果它们不适应,就会被抛弃。以这种方式,在进化期间通过自然选择来存储、传输和改变信息。

这种信息处理系统不是生物进化所独有的。相同的过程用于人类认知系统处理次级信息。它们属于自然界中发生的一类系统,因此我们将它们称为自然信息处理系统。这些系统控制自然实体的活动。自然选择和人类认知的进化是类似的,因为两者提供了自然信息处理系统的示例。

自然界包括许多信息处理系统。每个生物体依赖于其信息处理系统生存,其允许处理生物体在自然环境中必须处理的各种类别的信息。这些信息处理系统的复杂性从相对简单到非常复杂。我们关注最复杂的那些系统,生物进化和人类认知。它们有几个定义特征。首先,为了处理各种环境的新颖信息,复杂的自然信息处理系统能够创建。第二,创建了新的信息并确定它是有效的,复杂的自然信息处理系统如果认为记住该信息用于随后的使用是无效的,则去掉它。第三,这些系统可以使用存储的信息来管理它们的活动。第四,它们可以跨时空传播有效的信息。

复杂的自然信息处理系统必须满足这些定义的特征,当然,可以看出,这些特征适用于人类认知。我们确实创造新的信息,有记录信息的程序,可以使用信息来管理我们的活动,并能够传播信息。虽然这些特征适用于人类认知,但它们并不是巧合,它们同样适用于通过自然选择的进化。记住,进化还创造、使用和传播信息。由于人类认知和生物进化是创造、传播、使用和记忆信息的复杂自然信息处理系统,推测它们都依赖于相同的基本信息处理机制来运行是合理的。该机制的运作基于一套原则。


自然信息处理系统的组件可以以许多方式描述,但在本文中将使用五个基本原则:信息存储原理;借用和重组原则;随机性作为起源原则;狭义的变化原则和环境组织和联系原则。这些原理将被显示为生物进化和人类认知的基础,因此人类认知可以被视为与生物进化类似。将这些原理应用于人类认知实际上为我们提供了认知架构,其原理已经在进化生物科学中被建立为一个综合的自然信息处理系统。如果相同的原理可以应用于人类认知和生物进化,我们可能拥有一个我们知道的功能的认知系统,因为自然选择的进化是一个已建立的功能理论。以这种方式,生物进化已建立的机制可以用来投射到人类认知的远不那么成熟的机制。这五种自然信息处理系统原理将被显示同样适用于生物进化和人类认知。我们将从信息存储原理开始。

聚集信息:信息存储原理

自然环境往往是高度复杂和高度可变的。与自然环境相关的变量的频繁不可估量的数量倾向于在不断变化。大多数动物和植物必须在复杂,可变的环境中生存,处理白天和黑夜,夏天和冬天,干旱和洪水之间的变化。任何自然的信息处理系统必须找到一种方法来处理这种复杂性和可变性。然而,尽管自然信息处理系统必须运行的复杂,可变的环境必须能够将其环境看作是熟悉和可预测的。它必须能够忽略对其功能无关紧要的变异性,同时响应重要的变异性。在某种意义上,处理这种复杂性的方式是直接的。巨大的复杂性由巨大的信息存储处理。自然信息处理系统建立足够大的信息存储来处理其环境中固有的大多数变化。

自然信息如何处理系统存储信息

进化生物学满足对大型信息存储的需要的方式是众所周知的。所有基因组包括大量的基于DNA的信息,决定了大多数生物活性(Portin,2002; Stotz&Griffiths,2004)。任何基因组的大小必须很大,因为生物在复杂的,信息丰富的环境中生存。一个简单的小型信息存储不太可能能够处理任何自然环境的复杂性。需要一个大而精密的存储来处理它将面临的不可避免的环境变化。

没有约定的基因组复杂性或大小的测量方法。然而,所有基因组至少由数千或数亿的生物体中可以被认为是信息单位的碱基对组成。(没有关于什么应该用作复杂性措施的一致意见,但是所有措施都产生非常大量的信息单位。)生物和物种的遗传功能依赖于大量的信息。如果所有自然信息处理系统都需要大量的信息,那么人类认知也必须依赖于等价的大量信息。

人类认知:长时记忆

长时记忆在认知中的作用是提供了类似于进化生物学中的基因组。像生物学中的基因组一样,长时记忆作为一个非常大的信息存储。我们对正常的日常活动的大部分是熟悉的。当我们说“熟悉”时,我们真正的意思是,它是基于长时记忆中的信息。这些信息允许我们从事自动识别从一分钟到几分钟所看到的大量对象的活动,以规划我们的日常活动。所有这些都依赖于长时记忆中的庞大和有组织的知识库。

存储生物学初级和生物学次级信息。可以认为,存储在长时记忆中的许多信息中包括生物学上的初级知识。我们已经进化为获得大量的初级知识,以便在我们的世界中生存和发挥作用。例如,当我们倾听和说话时,我们活动的身体和社会方面的大部分都基于长时记忆中存储的大量初级知识。同样,我们毫不费力地浏览我们的物理世界的能力提供了存储在长时记忆中的知识的指示符。我们看到和认识到大量的物体和面孔,并可以从事各种各样的身体活动。许多这些活动可以在没有冗长的培训的情况下学习,因此表明在长时记忆中保持初级知识。

我们的初级知识库使我们能够参与我们经常认为容易和简单的许多活动。事实上,在信息处理术语中,许多“简单”的活动都是简单的。它们看起来很简单,只因为作为生物学的初级技能,我们已经获得了它们,所有生物学的初级技能被视为简单和容易。从我们通过编程使计算机来模仿初级技能(例如识别声音)的困难可以很容易看出,从事大多数生物学初级活动所需的大量存储的信息。这种困难来自这些技能所需的大量知识库。我们已经发展以快速获得大型知识库,但是由于其大小和复杂性,等同的知识库可能非常难以容易地编程到计算机中。

例如,考虑一个简单的任务,如去外面挑花。学习去外面和选择一朵花不是一个需要长时间的训练的任务。尽管它很简单,但是对计算机进行编程以进行类似的任务将需要大量的时间和精力,事实上,据我们所知,这样的任务超出了今天的机器人连接的计算机的范围。在现实中,这是一个非常复杂的任务,我们看起来很简单是因为它基于一个巨大的,初级的知识基础的长时记忆。我们可以对比计算机编程的其他任务。与去外面和完成一个简单的任务,例如摘花,相比,编程使计算机具有大师级棋艺或进行复杂的数学运算更为容易。我们认为这些任务非常复杂,因为它们基于我们没有进化获得的次级信息。

我们能够外出并选择一朵花或进行数学运算的程度都取决于长时记忆中的知识量。然而,两个任务所需的知识类别是完全不同的。采摘花需要生物学上初级知识,这是量化的巨大,但很容易获得,因为我们已经进化到能够获得这种知识。复杂的数学运算需要次级知识,我们没有进化到能够自动获得,因此更困难。在采花练习的情况下,知识库可能更大,即使我们获得花朵选择知识库比获得数学技能更容易。如上所述,对于计算机编程来实现不同的任务,到外面挑选花的证据比数学运算相比可能需要更大的知识库。与生物学初级活动相关的信息很可能构成我们长时记忆中的大部分知识。

存储的生物学次级信息的大小和功能的证据。虽然长时记忆中掌握的大多数知识可能被归类为初级的,但在绝对意义上,我们的次级知识基础仍然是无法估量的。De Groot的(1965年)和Chase和Simon的(1973年的)国际象棋的工作可以用来向我们表明在长时记忆存储中保存的大量次级信息。此外,这项开创性的工作首次表明,许多更高层次的认知活动被假定为最少依赖或根本没有长时记忆,主要是由长期储存的内容驱动。

de Groot的工作的原始动力是,国际象棋大师们几乎总是打败业余玩家。他关心的是找到几乎总是导致这一结果的因素。大师所拥有的什么知识,大师所从事的活动是什么?如果有效,有一系列合理的假设可以提供这个问题的答案。事实上,大多数下棋或思考导致棋技能的因素的人已经直觉地认定了一些与问题解决技巧相关的几个可能的答案。

一个容易接受的似是而非的假设是,大师与业余玩家相比,进行更大程度的问题解决搜索以寻找合适的动作。他们可能特别熟练使用例如手段-结果分析。例如,当使用平均值策略时,大师可以进行比业余玩家更大的“深度”的搜索。这意味着,不仅仅考虑少数前进的后果,他们可以考虑更长的一系列行动。考虑到一个更长的系列移动的后果,应该能够选择更好的移动。或者,象棋大师可以进行更大的搜索“宽度”。每当他们不得不采取行动时,他们可能会考虑大量的替代动作,而业余玩家可能只考虑少数替代动作。如果考虑更多的替代品,我们可能期望找到比如果仅考虑更少的替代品更好的移动。

事实上,德格罗特发现,没有证据表明大师的优势来源于比业余玩家更深入的搜索或更广泛的搜索。他发现不同级别的玩家之间只有一个区别,这种差异似乎与解决问题的技能无关。相反,它与记忆有关。De Groot从真实游戏中取出棋盘配置展示了大约5秒钟,然后移除棋子,并要求玩家尝试在他们刚刚看到的配置中替换它们。结果表明,专家和大师能够以高精度再现他们所展示的棋盘配置。相比之下,能力较差的玩家在替换这些部分的准确性要差得多(参见De Groot和Gobet,1996)。

De Groot从真实游戏中的棋盘配置得到这个结果。他没有试图调查是棋子在棋盘上随机配置而不是真正的游戏设置下是否可以获得相同的结果。相反,Chase和Simon(1973)复制了de Groot的结果,但是另外又将这些棋子在棋盘上随机配置运行了完全相同的实验,。结果大不相同。对于随机配置,专业的和不很专业的象棋玩家之间没有差别。相对于重现真实游戏配置的大师,所有玩家在执行随机配置方面的表现都不好。专业玩家只有在面对真实游戏配置时记忆测试表现良好。不很专业的玩家在真实游戏和随机配置上表现均不佳,而专业玩家在随机配置上表现不佳。

原则上,这些结果不依靠其他任何因素就能够提供国际象棋的专业知识的解释。国际象棋的技能不是基于通过一系列独特的和巧妙的棋子移动的能力。专业知识来源于学习识别棋牌游戏中发现的数千个棋盘配置,以及学习最有可能成功的各种配置的动作。这种技能在多年的持续不断的实践中缓慢地获得。这种做法需要以改进性能的明确意图进行,称为“刻意训练”(Ericsson,Krampe,&Tesch-Romer,1993)。象棋大师通常需要10年的刻意训练才能获得高水平的专业知识。

一直到de Groot和Chase和Simon到所做工作,由于实践发生的认知变化基本上是未知的。我们现在知道在实践中学到什么。根据Simon和Gilmartin(1973),国际象棋大师已经存储了长时记忆数以万计的棋盘配置以及与这些配置相关的最佳动作。chessplaying技能的来源源于存储的信息,而不是一些神秘的思维技能。矛盾的是,不太熟练的玩家更可能参与复杂的思考,因为不太熟练的玩家没有大量的棋盘配置,并且他们的相关动作存储在长时记忆中。在没有存储知识的情况下,必须通过问题解决搜索生成移动。随着专业知识的发展,减少了解决问题的搜索活动的需求。相反,在每个选择点的最佳移动变得明显,而不必参与搜索,因为该最佳移动可以从长时记忆中检索。新手需要使用思维技能。专家使用知识。

这个国际象棋技能的描述可以用来解释国际象棋同时对战的现象。在示范游戏中,象棋大师可以同时对战和击败十几个业余玩家。在没有长时记忆解释国际象棋技能,我们会问,如何可能同时设计出多种策略来对战多个复杂的、不同的游戏?答案当然是,这是不可能的,但也是不必要的。只要大师的对手必须尝试为他们的单一游戏制定策略。大师可以不用在意游戏的进度,看看棋子的配置就立即辨认出它并回想起对该配置的最佳移动。然后可以对剩余的棋局重复该过程。不需要为每个棋局设计一个新的游戏策略。相比之下,大师的对手确实需要为他们的单一游戏制定一个新的战略。在缺少存储在长时记忆中的相关信息的情况下,不太熟练的玩家将需要策略或更可能的随机移动(见下文)来指示每个棋局配置的最佳移动。

与国际象棋游戏相关的发现当然不是唯一的。与国际象棋技能相关的认知过程可以预期能应用于需要生物学次级知识的每个领域。特别地,教育机构中教授的主题可以预期具有类似于象棋中的认知特性。在任何生物学次级领域,我们可以预期,新手和专家之间的主要,可能唯一的区别包括在长时记忆中保持的不同的知识。增加的问题解决技能应该直接由相关问题状态及其增加的相关移动的知识直接引起,而不是由获取未指定的一般问题解决策略引起。

这本书的所有读者都有类似国际象棋大师所展示的技能。唯一的区别是,对于大多数人来说,这些技能用在了除了象棋以外的领域。如果读者被要求看最后一句约5秒,然后复述构成那句话的大量字母,大多数人可以容易和准确地做到。类似于国际象棋的结果,复述随机排序的字母时,这种技能将会消失。复制句子的字母原则上与从真实游戏中取得的棋盘上的棋子复制没有不同。唯一的区别是受过教育的人花了很多年练习阅读,而国际象棋大师花了很多年练习和学习国际象棋。认知的结果是相同的。

正如预期的那样,许多领域也获得了与国际象棋中类似的发现,包括理解和记忆文本(Chiesi,Spilich和Voss,1979),电子工程(Egan和Schwartz,1979),编程(Jeffries,Turner, Polson,&Atwood,1981)和代数(Sweller&Cooper,1985)。这些发现具有重要的教学意义,下面将结合人类认知体系结构的其他方面来指导本书中讨2论的教学过程。

De Groot的发现不仅对教学有影响,还为我们提供了关于人类认知性质的重要信息,并且在过程中有可能改变我们对自己的看法。De Groot的结果为我们提供了在人类认知领域发现的一些最重要的发现。人类可能具有将长时记忆仅仅视为相当有限的一组单独事实和事件的自然趋势。长时记忆可以容易地被认为在人类认知的真正重要方面(例如解决问题和思考)具有相当的次要作用。De Groot的发现改变这种观点。长时记忆的功能比简单地让我们从我们的过去回忆起有意义的或其他的事件更重要。相反,长时记忆不仅是人类认知的核心,而且被认为是代表人类思维的顶点的认知的那些方面的核心。我们需要所有高级别认知活动的长时记忆,如解决问题和思考。这种高水平认知过程的专业知识完全取决于长时记忆的内容。因为长时记忆中的信息,我们能胜任一个领域。此外,长时记忆中保存的信息可能是能力和技能产生的主要原因。

图式理论。考虑到长时记忆中的信息的重要性,分析信息的形式是非常重要的。图式理论提供了答案。由于Piaget(1928)和Bartlett(1932)所做的工作,这个理论变得重要。巴特利特描述了一个清楚地表明图式的性质和功能的实验。他请一个人阅读一篇来自外国文化的事件描述段落。然后让他写出记住的尽可能多的段落。然后将第一个人记住的段落交给第二个人进行相同操作;然后将第二个人记住的段落交给第三个人进行相同操作等。重复该过程,一直到总共10个人阅读并记录前一个人的文章。

Bartlett分析了文章之间传递的变化。他发现了两个效果:根据那些不寻常的事件描述,例如对读者来说陌生的幽灵的描述,流平或扁平趋于消失;而根据熟悉的事件的描述,强调加强。在西方文学和文化中普遍出现的战役的描述提供了尖锐的特征的例子。人们记住的不是原始段落中描绘的事件,而是这些事件的示意图。长时记忆保存了无数的图式,这些图式决定了我们如何处理传入的信息。我们看到和听到的不仅仅是由影响我们的感觉的信息决定,而在很大程度上是由存储在长时记忆中的图式决定的。

图式理论在20世纪80年代变得越来越重要,提供了问题解决性能方面的解释。图式可以定义为允许我们根据多个元素被使用的方式将多个信息元素分类为单个元素的认知结构(Chi,Glaser,&Rees,1982)。例如,大多数学习过初中代数的人可能有一个解决问题的图式,它表明所有a / b = c中求a的此类形式问题都可以用相同的方式求解,方程的两边都乘以左边的分母(b)。任何已经获得这个模式的人都将用同样的方法来解决这个和所有类似的问题,尽管示例之间存在差异。利用足够的专业知识水平,所有单独的元素,例如构成此问题和类似问题的未知数和数学符号都会被相关图示看作是单个元素。因此,将以基本相同的方式处理看起来对应于该图式的任何信息。我们将尝试以类似的方式解决诸如上述代数问题的所有问题。实际上,图式提供了一个模板,允许我们毫不费力地解决问题。

问题解决图式功能的方式为我们带来了巨大的好处。我们能够解决难以解决或不可能解决的问题。不幸的是,同样的过程也有不可避免的负面后果。有时,一个问题似乎与一个特定的图式相关,但事实上是不相关的。在长时记忆中保存的图式不仅可以使难以解决的问题容易解决,而且如果错误地假定图式提供适当的模板,则可以使得简单问题难以解决。当我们尝试通过使用不适当的图式来解决问题时,因为问题看起来像属于特定类别的问题,但不属于该类别,我们有一个定势或心理定势的例子(Luchins,1942; Sweller,1980; Sweller&Gee,1978)。存储在长时记忆中的图式对于我们可能是至关重要的,但它们也可以阻止我们看到可能非常明显的信息。

自动化。新获取的图式必须有意识地处理,有时需要付出相当大的努力。随着实践图式的增加,可以使用越来越少的有意识的处理。相反,它们可以自动地,大量地使用(Kotovsky,Hayes,&Simon,1985; Schneider&Shiffrin,1977; Shiffrin&Schneider,1977)。我们的阅读能力是一个明显的例子。最初,当我们学习阅读时,我们必须有意识地处理每个字母。随着实践的增加,我们获得了单个字母的自动化模式,但是仍然可能需要有意识地处理构成单词的字母组。通过额外的练习,单词识别变得自动化,甚至一组熟悉的单词也可以被读取而无需有意识的控制。由于高度的自动化,可能只需要在文本的意义上进行有意识的努力。因此,本文的有能力的英语读者不仅具有允许识别无数形状的单个字母的图式,包括手写字母,形成词语,短语和句子的大量字母组合也可以被自动识别。字母和单词的较低级别图式随着能力的提高而越来越自动化,并且不再需要有意识地处理,因为它们已经被自动化。相比之下,初级英语读者不太可能具有相同的自动化水平,并且需要更多努力的处理来完全理解文本。

教学意义

长时记忆在学习和解决问题中的作用为我们提供了教学的目的和功能。教学的目的是增加长时记忆中的知识储存。如果长时记忆没有改变,没有学到什么。不能描述长时记忆中发生了什么变化的教学过程会带来“没有什么改变,没有学到什么”的风险。

我们不仅知道长时记忆中的知识增加是学习的核心,我们现在对于学习和储存什么作为教学的结果有了更好的理解。虽然我们在长时记忆中存储非常通用的概念和程序,但这些通常不会为教学提供适当的主题。一般的问题解决策略,如均值分析,必须存储在长时记忆中,但它们不能容易地成为教学的主体,因为它们作为我们的生物学初级知识的一部分被自动和无意识地获取。可以成为教学主体的知识往往更加有限。它是特定领域的而不是一般领域。

De Groot在国际象棋方面的工作表明了这种特殊性的惊人程度。我们可以在大约30分钟学习国际象棋的规则,并使用这些规则,理论上我们可以产生每一个曾经玩过的游戏和将要玩的游戏。学习这些规则对国际象棋技能至关重要,但在另一个意义上,它是微不足道的。真正的国际象棋技能来自于获得自动化图式。好的棋手必须学会识别无数的棋局配置和与每个配置相关的最佳动作。没有这种知识,知道国际象棋的规则在很大程度上是没有用的。完全相同的原则适用于每个课程领域的学习。对于能力,我们必须在我们希望学习的课程领域中获得领域特定的图式。虽然我们需要学习明确定义的数学和科学规则,或者与基于语言的学科(例如文学或历史)相关的规则更不明确,但是这些知识不会使我们走得太远。对于真正的能力,我们还必须学习识别大量的问题状态和情况,以及当面对这些状态和情况时应该采取什么行动。

设计教学时不应忘记De Groot的研究。在我们还没有进化到获得知识的领域,大多数课程领域都覆盖了知识,知识包括大量的领域特定的必须获得的图式。这种知识提供了专业知识的完整描述。德格罗特没有发现国际象棋大师有一个非常优秀的一般问题解决策略,甚至认知,元认知或思维策略的所有组成部分。此外,没有一些文学证明这些技能在专家棋手的水平提高。我们认为这样的策略可能是生物学上的初级知识,因此不需要教。国际象棋大师有棋局配置的知识和与这些配置相关联的最佳动作,而不是一般的策略。这种知识的不同水平足以充分解释国际象棋专家的不同水平。特定领域的知识也足以充分解释课程领域的专业知识。我们必须仔细考虑是否许多最近流行的教学技术与不强调领域特定的知识在我们的认知架构中有任何基础的探究学习,基于问题学习的或建构主义学习过程相关(Kirschner,Sweller,&Clark,2006)。这样的技术看起来没有参考下面两章中讨论的长时记忆或人类认知的任何其它方面。

结论

长时记忆存储器中保存的信息对于人类认知的所有方面来说都是核心的,就像基因组存储中保存的信息对于通过自然选择进化所必需的信息处理是核心一样。这些大规模存储必要的,使他们能够在复杂的自然环境中运作。自然信息存储器必须足够大,以使其能够灵活且适当地响应非常大范围的条件。在人类认知的情况下,我们的长时记忆库足够大,以实现人类从事的生物学上的初级和次级的认知活动的多样性。下一个问题涉及如何获取自然信息存储。这个问题由借用和重组原则以及作为起源原则的随机性涵盖在后续中!

本文来源:“人机与认知实验室”微信公众号,版权归“人机与认知实验室”所有,未经授权,不得转载。

相关推荐

评论文章

全部评论(0)

格式jpg品质60图片即可

推荐文章