认知科学的发展及研究方向范文

本站小编为你精心准备了认知科学的发展及研究方向参考范文，愿这些范文能点燃您思维的火花，激发您的写作灵感。欢迎深入阅读并收藏。

1认知科学的定义

认知科学是研究人类认知的本质及规律，揭示人类心智奥秘的科学。它的研究范围包括知觉、注意、记忆、动作、语言、推理、思考乃至意识在内的各个层次和方面的人类的认知活动。认知科学是建立在心理学、计算机科学、神经科学、人类学、语言学、哲学共同关心的交界面上，即为解释、理解、表达、计算人类乃至机器的智能的共同兴趣上，涌现出来的高度跨学科的新兴科学。

2认知科学的起源及发展

2.1认知科学的起源认知科学起源于古代，基本上以思辨式的研究为主。从20世纪30年代开始，一批有远见卓识的科学家就已经开始了认知科学的基础研究，1973年，美国心理学家朗盖特第一次在论文中使用“认知科学（CognitiveScience）”一词。1977年，著名的认知科学研究领域的权威期刊《CognitiveSci－ence》创刊。1979年，在著名的斯隆基金会的资助下，由心理学、语言学、计算机科学和哲学界著名的学者SchankR、CollinsA、NormanD等人发起，联合其他学科对认知进行深入研究，一些著名的学者在加州共同成立了美国认知科学协会，并将权威期刊《CognitiveScience》确定为认知科学学会会刊。美国认知科学协会的成立标志着认知科学的诞生［9］。从此以后，世界各国的名牌大学及科研院所纷纷成立认知科学的研究中心或研究所，并创刊了一批具有国际影响力的认知科学学术期刊，如《CognitivePsychology》、《Cognition》、《CognitiveNeuroscience》。上述种种努力，使得认知科学得到了迅速的发展，并逐渐成为世界各国争相发展的前沿学科［10］。

2.2认知科学的发展在认知科学近60年的发展历程中，其主要指导理论在发生着变化，因此我们可以按照主要指导理论将认知科学的发展分为以下三个不同的发展阶段。

2.2.1计算理论阶段约为20世纪40年代到50年代末，这一阶段认知科学的研究主要是基于“认知即计算”这一经典理论而展开的。其代表人物为丘奇（Church）、图灵、冯•诺伊曼。美国数学家丘奇最早在他的论文《初等数论中的一个不可解问题》中，提出了人类的认知和其它任何具有输入输出关系的函数一样，都是可定义可计算的；图灵在其著名的“图灵机”和“图灵测试”中，进一步表达了对认知和智力的理解，他认为认知和智力的任何一种状态都是图灵机的某一种状态，认知和智力的任何活动都是图灵机定义的可以表达的、可以一步一步地机械实现的“计算”；冯•诺伊曼在“冯•诺伊曼体系结构计算机”中，将人类的大脑思维模拟为中央处理器对一系列指令序列的处理，而将人类记忆的认知信息和学习技能模拟为存储器中存储的数据和程序，将接受信息和改造世界模拟为输入／输出，从而将认知统一在“计算机”这一认知模拟器中，其中心思想仍然是中央处理器对指令的计算。

2.2.2符号处理理论阶段从20世纪50年代末到80年代初期，这一阶段认知科学的研究主要基于“认知是对符号的计算机处理”的理论，又被称为“计算机处理经典符号阶段”，因为它和当时逐渐发展起来的计算机科学紧密相关。符号处理理论实际上是“认知即计算”理论的延伸和拓展。既然认知是计算，所以它一定是个信息处理系统，并将描述认知的基本单元定义为“符号”；而不同的认知活动都可以模拟为一个计算机程序；因此，人类的认知就是计算机程序对符号的一系列处理，包括输入符号、输出符号、存储符号、复制符号、建立符号结构及条件性转移，从而实现智能。艾伦•纽维尔和赫伯特•西蒙是这个阶段认知科学研究的杰出代表，他们将任何可被人类感觉器官感知、智能系统分辨、认知功能实现的有意义的认知模式，如图像、声音、文字、语言、意识等，都编码为物理符号，而将人类的某个认知活动模拟为一个计算机程序。基于这种思想，他们合作开发了最早的模拟人类认知的启发式程序“逻辑理论家（LogicTheorist）”，并在著名的“达特茅斯会议”上，引起认知科学研究领域的极大轰动。他们进一步研究人类认知中求解难题的共同思维规律，开发出能够求解11种难题的著名计算机程序“通用问题求解器（GeneralProblemsSolver）”，从而将符号处理阶段的认知科学的研究发展到了一个顶峰。

2.2.3多理论阶段从20世纪70年代到今天，三种主要的指导理论引领着认知科学的发展，它们分别是人工神经网络理论、模块理论、环境作用理论。“人工神经网络理论”又称“联结主义理论”，该理论把人类的认知模拟为多个人工神经元所组成的神经网络来处理信息，是一种信息处理系统，信息是交互作用的人工神经元的激活模式，信息并不存在于特定的神经元中，而是存在于神经网络的联结中或权重里，通过调整权重就可以改变网络的联结关系并进而改变网络的功能。“模块理论”由福德（Forder）首次提出，受计算机硬件和软件中的模块化思想影响，福德认为人类认知的主体—大脑，在结构及功能上实际都可以划分为若干个高度专业化并相对独立的认知模块，这些模块的结合及相互作用实现了人类的认知功能。因此，认知科学研究的重点应该是大脑功能模块的划分及相互作用机制的研究。“环境作用理论”认为，认知科学的研究不应该仅仅局限在表达（Represention）和推理（Reason－ing）等认知方法和理论的研究中，还应该从系统的角度来研究，尤其注重认知体所在的环境及现场对认知的影响。人类的认知不只是认知个体大脑的思维活动，还取决于环境，发生在个体与环境的交互作用之中。这方面研究的代表人物是MIT的Brooks教授，他的《没有表达的智能》、《没有推理的智能》等一系列的论文，强调了认知体与环境交互作用对认知的重大影响，并以研究成果“人造昆虫”将这一理论推到了高峰［13］。

3认知科学的学科结构及研究方向

3.1认知科学的学科结构当前，国际上公认的认知科学的学科结构如图2所示，它是基于美国科学家PylyshynZ提出的六角形认知科学学科结构图，分布在六角形六个顶点的是心理学、计算机科学、神经科学、语言学、人类学、哲学六大核心支撑学科，体现了认知科学是上述六大核心支撑学科共同关注的交界面［14］。这六大核心支撑学科之间互相交叉，又产生出11个新兴交叉学科，分别是控制论、神经语言学、神经心理学、认知过程仿真、计算语言学、心理语言学、心理哲学、语言哲学、人类学语言学、认知人类学、脑进化。

3.2认知科学的研究方向当前，认知科学的研究方向主要集中在与计算机科学相关的认知模型、大脑存储模型及认知计算的研究上。4．2．1认知模型认知模型是指模拟人类认知，从而人工构建出的认知对象、认知架构、认知模拟的统一体。考虑到认知科学研究的巨大复杂性，研究认知科学往往摒弃认知的许多表象，而将认知的实质简化在一个认知模型（CognitiveModel）中，并通过对认知模型的研究来发现认知的本质及其规律。

3.2.2大脑存储模型大脑存储模型是指仿生人类大脑的存储机制而构造出的人工存储模型。人类的大脑是迄今为止已知的最复杂、最合理、最高效的存储系统。模拟大脑的存储机制构建一个大脑存储模型，以这个大脑存储模型为研究对象进行大脑存储的深入研究，不但可以解决以真正大脑为研究对象进行研究面临的诸多生理和伦理困难，而且可以以一个全新的角度提出大脑存储研究的科学理论和方法，并将这些理论和方法应用于人造存储系统的实践中。因此，大脑存储模型的研究有着很高的理论水平和应用价值。

3.2.3认知计算认知计算（CognitiveComputation）是指仿生人类在认知过程中，对所有认知数据连续进行处理时所采用的全部算法。借助于认知计算，我们不但可以将外部世界纷繁复杂的信息进行量化、融合、转达，而且还可以把人类的认知机制建模在一个适合认知科学研究的认知模型中，开展认知实验，记录认知数据，计算认知性能指标，发现认知的本质和规律，并最终构建一个具有人类认知功能的“认知机”。

4认知模型的相关研究

4.1符号主义认知模型符号主义认知模型是最传统的认知模型，它的认知对象是符号。符号主义认知模型主要思想是把认知当成对理性符号的处理，借助于不同的产生式规则，对符号进行替换运算。产生式规则被描述成“条件———动作”形式，它模仿了人类在推理和解决问题对应不同条件执行的相应动作。符号主义认知模型的主要代表是NewellA提出的状态算子和结果模型SOAR（StateOperatorAndResult）、AndersonJK提出的思维适应性控制模型ACT（AdaptiveControlofThought）。SOAR是围绕着算子的选择和应用功能来组织产生式规则，其高层结构由控制策略、成果记忆区和工作记忆区组成。基于上述思想的SOAR实现了短时记忆的功能，并且很好地使概念、事实、规则有机结合在一起。ACT模拟人类高级认知过程的产生式规则，产生式规则系统由三个记忆部分组成：工作记忆、陈述性记忆和产生式记忆。产生式规则既可以由工作记忆根据现场情况临时产生，也可以是陈述性记忆存储的以往的产生式规则，还可以是产生式记忆中推理出的新的产生式规则。ACT实现了长期记忆的功能，较好地体现了认知过程中“从做中学”的思想。

4.2联结主义认知模型联结主义认知模型是一个巨大的信息节点交互网络，各节点与其他每个节点之间相互联结、相互影响，它的认知对象是在这个网络中传递的信息。联结主义认知模型模拟了人类的思维过程，具有自学习和自适应的能力。联结主义的典型代表是McClelland等人创立的平行分配过程模型PDP（ParallelDistributedProcessing），又称人工神经网络。PDP模拟了人类的神经网络，其特色在于信息的分布式存储和并行协同处理。虽然单个节点的结构极其简单，功能有限，但大量节点构成的网络系统所能实现的功能却很强大。

4.3脑逻辑认知模型脑逻辑认知模型是模拟大脑的认知机制而非生理解剖结构建立起来的认知模型，该模型包括思维引擎、记忆体和感知及动作缓存机制，力图研究记忆的意识对认知行为的影响。该方面的研究尤其以Calgary大学的WangYing－xu教授最为有名，WangYing－xu教授及其团队自2003年至2011年，连续发表了多篇论文，详细阐述了脑逻辑认知模型对人类认知的模拟、脑逻辑认知模型中如何实现认知中数据、信息、知识和行为间的关联。脑逻辑认知模型为计算机模拟自然智能行为和认知方法建立了基础［21］。国内学者提出的基于粒计算的认知模型和机制主义模型同样属于脑逻辑认知模型。

4.4认知模型的最新研究———一元事件认知模型一元事件认知模型如图3所示。

4.4.1一元事件认知模型的基本概念（1）认知元。认知的基本单位是认知元，以小写字母x、y、z等表示。及所在行的清晰度等属性值。（4）任务。任务记作j＝｛r｝→k，是一个不完整的一元事件描述。（5）方法。方法是任务中缺省的必元或结元，是完成任务后输出的结果。

4.4.2一元事件认知模型的特征（1）本能。本能是一元事件认知模型各功能机构本身固有的操作序列，在满足一定的外部和内部条件时被触发执行。（2）hlt。hlt是一元事件认知模型的各功能机构的一种暂停状态，此时，它暂停一切操作，等待该功能机构某种本能被触发。（3）box。一元事件认知模型内部的各功能机构内都存在着一定数量的box，作为存放数据的中间存储单元。

4.4.3认知流程将按时间先后串行作用于一元事件认知模型上的一元事件、认识、任务定义为一个认知流程，如图4所示即是一个认知流程例子。5．4．4认知性能指标（1）成功率：认知模型到某一时刻止，完成的任务占提交的任务总数的比例，记作η。（2）潜能：认知模型到某一时刻止，能够完成的所有任务的总数，记作pl。（3）水平：某一时刻，记忆体的水平即为认知模型的水平，记作l。（4）认知量：认知模型在某一时刻，已经存储在记忆体中的认识总量，记作q。（5）认知率：认知模型在某一时刻之前，认知量和感悟及接受的认识总量之比，记作a。5．4．5一元事件认知模型的研究结论文献［22］认为，理想的认知模型随着认知流程的延续，各个认识的属性值呈动态变化，完成任务能够改变记忆体中存储的认识，而认知指标的变化则与记忆体容量的变化线性相关。图5a和图5b分别是一元事件认知模型中对应图4的认知流程实验，在容量c＝19时，t9和t15两个不同的时刻，记忆体存储的认识属性变化情况。其中，认识y4的范数由1变化为3，单元数由2变化为8，复杂度由3变化为17，而全部认识y1、y2、y3、y4、y5、y6所在行的清晰度由6、3、5、4、2、1改变为0、4、5、1、3、2；而完成任务的前后，即t9和t15两个不同的时刻，记忆体中存储的认识由6个减少为5个。可见，一元事件认知模型中，随着认知流程的延续，各个认识的属性值都呈动态变化，而完成任务改变了记忆体中存储的认识。表1为在t9时刻和t15时刻，容量c变化时一元事件认知模型认知指标的对应变化。从表1中可以看出，不同时刻，当记忆体的容量c增大时，各项认知指标都相应增大，而当容量Figure5Cognitionstoredinmemorybankatt9andt15图5t9时刻和t15时刻记忆体中存储的认识减小时，各项认知指标又相应地减小。如认知指标潜能pl，当记忆体的容量c从10增加到19时，潜能pl从20增加到40，而当记忆体的容量c从21减小到19时，潜能pl从44减小到40。可见，认知指标的变化与记忆体容量的变化线性相关。更多的认知流程实验在一元事件认知模型上的结果和图5a、图5b及表1的结果相似，因此综合以上论述，可知一元事件认知模型是一种理想的认知模型。

5大脑存储模型的相关研究

5.1基于神经科学的大脑存储模型基于神经科学的大脑存储模型认为大脑存储认知信息的最小解剖单位是神经元细胞。大脑左右两个半球的表面是一层平均厚度约2．5mm的大脑皮层，由150亿个左右的神经元细胞构成，是认知信息存储的主要场所。大量的大脑皮层损伤病例及通过去除大脑皮层的某个区域或对大脑皮层的某个区域给予适当的物理刺激（如电流刺激）发现，大脑皮层的不同物理区域存储不同的认知信息。最新的研究发现，位于大脑前部的额叶（Fron－talLobe）区域存储与人类智能及运动有关的认知信息，位于大脑上部的顶叶（ParietalLobe）区域存储与人类的感觉、知觉及语言有关的信息，位于大脑后部的枕叶（OccipitalLobe）区域存储与人类视觉有关的信息，而位于大脑中部的颞叶（Tempo－ralLobe）区域则存储与人类听觉、嗅觉有关的信息。籍此，基于神经科学的大脑存储模型认为大脑的存储机制是将不同性质的认知信息在不同的大脑皮层区域分类存储。

5.2基于神经影像学的大脑存储模型基于神经影像学的大脑存储模型利用现代神经影像学技术，对人类认知活动产生的认知信息存储在大脑的物理位置进行定位，对大脑对认知信息的响应强度进行测量，对存储认知信息时脑区各部分之间相互关联的变化进行观察，从而建立对应的大脑存储模型。这些神经影像学技术包括直接测量与脑神经活动直接相关的生物电磁场变化信号的弥散张量成像DTI（DiffusionTensorImaging）、脑磁图MEG（Magnetoencephalography）、脑电图EEG（Electroencephalography）和事件相关电位（ERPs）等技术，以及间接测量脑神经活动引起的血液动力学变化信号的单光子发射计算层析成像（SPECT）、正电子发射层析成像（PET）和功能磁共振成像fMRI（functionalMagneticResonanceImage）等技术。其中，功能磁共振成像fMRI是在磁共振成像（MRI）技术的基础上发展起来的进行脑功能成像的新技术，可无创伤地对神经元活动进行比较准确的定位，并具有比较高的空间和时间分辨率及较好的可重复性，通过脑血流、葡萄糖代谢和受体的观察，依据血氧水平依赖性BOLD（BloodOxygenLevelDependent）脑功能成像方法，得到优质的fMRI图像，借助于先进的fMRI图像处理和分析技术，可以更精确地确定各脑功能区以及其内部构造和功能特点，尤其是脑的存储认知信息情况，因此成为目前最先进的大脑存储模型研究手段之一。基于上述的fMRI技术，人们发现了大脑存储认知信息的更精细结构。对短时间内需要存储和操作的信息—即工作记忆，大脑皮层会分配不同的区域存储不同类型的信息或作为操作的临时存储区。如词语工作记忆中信息是存储在左半球后顶叶皮质区（BA40），而词语工作记忆进行复述时，由左半球Broca区（BA44）、左前运动区（BA6）以及左辅助运动区（BA6）作为临时存储区；而空间工作记忆中的信息是存储在脑右半球一些脑区，包括右枕前皮质（BA19）、右前运动区（BA6）以及右脑前额叶腹侧（BA47）；视觉工作记忆信息主要存储在左半球的顶叶和颞叶下部。对长时间内需要存储和操作的信息———长时记忆，大脑皮层也有相应的存储区域。如长时记忆的情景记忆信息是存储在左额叶、颞叶内侧和顶枕区，长时记忆的语义记忆信息存储在左侧前额叶和颞叶的左侧颞中回（BA21）和双侧颞顶区（BA37）［27］。fMRI研究还表明，某个大脑皮层区域存储对应类型的信息不是绝对的，在某些情况下（如另外一个大脑皮层区域被切除）它可以代偿存储另外一个大脑皮层区域应该存储的认知信息；进一步的研究还发现，内颞叶体积的缩小与长时记忆中的提取成功率减少有关，而随着人类年龄的增加，内颞叶体积有逐渐减小的趋势，这也解释了老年人相对于年轻人记忆力减退的原因［28］。

5.3基于心理学的大脑存储模型基于心理学的大脑存储模型把大脑当作一个黑箱，通过给被试提供不同的视觉素材、听觉素材及对应的记忆规则，研究被试在该记忆规则下对输入信息的记忆效果，从而把大脑黑箱还原成一个存储认知信息的存储模型。这些不同的视觉素材、听觉素材及对应的记忆规则构成了不同的研究人类大脑存储模型的心理学实验。其中经典的实验有Posner视觉信息编码实验、Clark和Chase句子－图画匹配实验、Sternberg短时记忆信息相加因素法实验、字母转换实验（“开窗”实验）、Peterson和Peterson遗忘进程实验、Waugh和Norman分开痕迹消退与干扰实验、四卡片证真和证伪等一系列心理学实验［29］。通过这一系列的实验，心理学家在关于大脑的存储模型上得出以下的共识：即大脑的存储模型是以Baddeley三成分模型为框架的泛工作记忆模型。Baddeley三成分模型是Baddeley等人最早提出的，他们认为刺激人类认知的信息被分为三种不同的成分，分别存储到大脑中不同功能的存储区中。其中，直接刺激人类感觉器官产生的视觉、听觉等认知信息被称为工作记忆信息，它们暂时存储在大脑的工作记忆区中，如果这些信息不被人类的认知进行处理，则这些信息很快就会从工作记忆区中消失，所以，工作记忆信息又被称为短时记忆信息；当工作记忆信息被人类的认知有意识地进行了一次处理，则生成的信息称为陈述性记忆信息，被存储在陈述性记忆区。而当工作记忆信息被人类的认知有意识地进行了重复的处理，则生成的信息称为程序性记忆信息，被存储在程序性记忆区内；程序性记忆信息存储在大脑中的时间最长，因此又被称为长时记忆信息，而陈述性记忆信息存储在大脑中的时间介于工作记忆信息和程序性记忆信息之间。心理学后续的关于大脑存储模型的研究扩展了工作记忆信息、陈述性记忆信息、程序性记忆信息的内涵和外延，但都基于工作记忆信息，所以统称为泛工作记忆模型。

5.4基于语言学的大脑存储模型语言是人类特有的信息交流与存储方式，人类的语言功能受大脑皮层的语言中枢控制，与大脑的关系极其复杂。很多语言学家从人类语言的组成单位及组织规则的角度，映射大脑对应的存储模型。Elissa等人认为，人类语言的组成单位有音节、词语、短语、句子、段落、篇章，它们都具有声学特征或语义特征，人类语言的组织规则是由小的语言组成单位分层递归地组合建构成较大的语言组成单位，正是不同的组织规则才构成了人类不同的语言。音节是最小的语言组成单位，音节的个数是有限的，人类大脑生来就具有识别和控制发出音节的神经元组织，即对音节的掌握是人类大脑的本能；由小的音节组合建构成大的词语，是后天训练学习的结果，这个训练学习的方式或程序构成了人类语言的第一层组织规则，并被牢牢地存储在大脑皮层中；依次类推，由词语构成短语，由短语构成句子，由句子构成段落，由段落构成篇章都是后天训练学习的结果，这些训练学习的方式或程序被作为人类语言不同层次的组织规则，相继存储在大脑皮层中。因此，基于语言学的大脑存储模型认为语言是不同层次的组织规则（程序）在本能音节（数据）上的运行结果（输出），大脑中存储的是语言的组织规则而非语言本身，任一层次组织规则的改变都可以改变语言本身，但处于较低层次的组织规则的改变对语言的改变影响更大。这种存储模型得到很多语言学家的支持。

6认知计算的相关研究

6.4基于脑电信号的认知计算基于脑电（EEG）信号的认知计算是设计一组认知实验，记录被试对应认知实验中不同认知活动的脑电信号，并通过对脑电信号的计算、分析，提取不同的认知活动对应的脑电信号特征。常见的认知实验有图片刺激实验、数字运算实验、规则提取实验等。被试一般经过挑选，文化程度较高且头发不太浓密的短发成年男性是首选。实验中，被试佩戴电极导数适中（如64导、128导）的电极帽，按要求完成认知实验中的任务。实验过程中生成的脑电信号被与电极帽相连的放大器放大，再经降噪、过滤、采样、A／D转换，最终生成特定格式的文件如．cnt文件，作为基于脑电信号的认知计算的原始数据存储在PC机中。认知计算继续对存储在PC机中的脑电信号的原始数据进行处理。去除坏样本是计算的第一步，比如发生严重漂移的EGA信号或明显的肌电、眼电信号。接着是根据脑电信号对不同认知活动进行特征提取，共空间模式CSP（CommonSpa－tialPattern）是最新的从多导的脑电信号中提取某种认知活动脑电信号特征的有效算法。该算法将某种认知活动对应的脑电信号进行标记，作为Ⅰ类，而把其它的所有信号进行标记，作为Ⅱ类。CSP通过对两类的脑电信号进行训练，得到一个投影矩阵P，P能将两类数据投影到方差区别最大的方向，从而去除了Ⅱ类信号的干扰，突出了Ⅰ类信号的特征。设V是包含两类信号的原始脑电信号，而Z是经过投影之后得到的可供特征提取及分类的脑电信号，则Z＝PV。取A＝（P－1）T，A的每一行向量被称为一个空间模式。CSP的关键是求解投影矩阵P，设供训练的输入脑电信号是一个K×T的矩阵，其中K是脑电数据的导数，T是数据的样本点数，X1是Ⅰ类带标记的训练数据，X2是Ⅱ类带标记的训练数据，X1的协方差矩阵为。

6.2基于功能磁共振（fMRI）数据的认知计算基于fMRI数据的认知计算分为三个步骤：认知活动实验、图像采集、数据分析。认知活动实验同样需要精心设计，所不同的是，为了提高fMRI图像中BLOD信号的信噪比，同一种认知活动的实验需要重复多次，重复的时间间隔称为刺激时间模式，常用的刺激时间模式有组块设计BD（BlockDesign）和事件相关设计ED（E－vent－relatedDesign）。图像采集包括fMRI图像采集和解剖图像采集两部分。fMRI图像通过采用特定的成像序列扫描而获得，扫描与实验同步进行；由于fMRI图像的分辨率和信噪比不高，还需要扫描一幅与fM－RI图像位置完全相同的高分辨率解剖图像，从而把fMRI图像得到的脑区激活信息对应到相应的解剖位置上，解剖图像一般采用3D图像或T1解剖结构图像。数据分析包括对采集的图像数据进行预处理及计算，以确定不同认知活动对应的解剖脑区。预处理一般包括层间时间校正、头动校正、标准化、平滑等；计算包括原始fMRI图像重建、转换成标准格式、fMRI图像层面时间校正和运动校正、fMRI图像的时间域滤波、fMRI图像的空间平滑、去除头皮外伪影、时间序列时间点数据的标准化、空间归一化或标准化、统计、激活脑区与解剖位置对应等。很多新开发的软件已经能够完成fMRI数据分析的某些功能，如美国Wisconxin医学院生物物理研究所研制的ANFI、Friston等人开发的SPM、美国匹兹堡大学CCN实验室（ClinicalCog－nitiveNeurosciencelaboratory）开发的NIS、商业fMRI数据分析软件BrainVoyage等。

6.3基于视听觉信息的认知计算基于视听觉信息的认知计算将认知定义为大脑对视听觉信息的计算，它的认知数据就是被人类直接感知和理解的一组图像、语音和文本（语言）等信息。认知计算的目标是从人类的视听觉认知机理出发，研究并构建新的计算模型与计算方法，提高计算机对非结构化视听觉感知信息的理解能力和海量异构信息的处理效率，克服图像、语音和文本（语言）信息处理所面临的瓶颈困难。认知计算主要解决感知特征提取、表达与整合，感知数据的机器学习与理解，多模态信息协同计算等核心科学问题。目前，基于视听觉信息的认知计算已经在视听觉信息协同计算、自然语言理解以及与视听觉认知相关的人脑―计算机接口等三项关键技术方面取得一定的突破，Google公司已经研制成功集成上述相关研究成果、具有自然环境感知与智能行为决策能力的无人驾驶车辆，并成功地在加州的公路上行驶了20万公里。

7结束语

认知科学已经在网络态势感知、求解认知难题、自主虚拟人决策等许多领域开展了应用，并产生了动态信任预测认知模型、基于OBDD（Or－deredBinaryDecisionDiagram）的动态认知难题的符号化模型检测、IVMiner（IntelligentVirtu－alMiner）等成功的应用成果。目前，认知科学的研究正得到世界各国的高度重视，对认知的不同定义会引导认知科学的研究朝着不同的方向发展，基于过程的认知定义抓住了认知的本质，该定义将使认知科学的研究立足于科学实验而不再是思辨式论述。当前，认知科学的研究应立足于基于过程的认知定义，紧密结合计算机科学、心理学、神经科学、人类学、语言学、哲学等学科先进的研究手段及最新研究成果，特别是神经科学领域先进研究手段如fMRI等，并以认知模型、大脑存储模型、认知计算作为认知科学研究的主要研究方向。相信经过科学的研究，我们一定能够发现人类认知的本质和规律，揭示人类心智的奥秘，并创造出具有人类认知功能的“认知机”。

作者：冯康单位：淮南师范学院计算机与信息工程系