命题
命题:可以通过逻辑判断真假的、最小的知识单元。
命题表征
命题表征:将句子分解成一组表征句子中简单命题的抽象单元,并存储在记忆中。人脑以命题表征的方式记住事物的意义而非细节。
命题网络
- 命题网络 是由 命题、关系和项 组成的节点通过 箭头 连接而成的网络。
- 它用于表征事物的意义,例如“残酷战争时期的美国总统林肯解放了奴隶们”。
- 命题 是可以从意义上判断真假的、最小的知识单元。
- 关系 表示命题中不同元素之间的联系,例如“解放”表示“施动者”对“对象”的动作。
- 项 是命题中的具体内容,例如“林肯”是“施动者”,“奴隶们”是“对象”。
- 箭头 表示项与关系之间的连接,例如“林肯”指向“解放”表示“林肯”是“解放”的施动者。
具身认知
具身认知:认为认知是具身的,它来自身体和外界的互动,并与之持续的交织在一起。认知依赖于身体带来的各种体验,并共同组成了孕育推理、记忆、情绪、语言和其它所有心理活动的母体。
- 认知是具身的: 认知过程依赖于身体的感觉、运动和交互。
- 身体体验影响认知: 身体的感觉和运动会影响我们对世界的理解和认知。
- 认知与身体交互: 认知过程与身体的活动是相互作用的,例如观察动作时运动区的激活。
- 镜像神经元: 人的大脑中存在镜像神经元,当我们观察他人动作时,这些神经元会被激活,就像我们自己在做那个动作一样。
- 多通道假设: 各通道之间存在着转换机制,例如听觉信息可以转换为视觉信息。
- 通道无关假设: 每种通道能与中枢语义表征来回转换信息。
通道无关假设
通道无关假设:每种通道(如视觉、听觉、触觉)都能与中枢语义表征来回转换信息。这意味着,无论信息是通过哪种感官通道接收的,最终都会被转换成抽象的语义信息,并存储在记忆中。
举例:
- 当你看到苹果时,视觉信息会被转换成“苹果”的概念,并与相关的知识(如苹果是水果、苹果可以吃等)联系起来。
- 当你听到“苹果”这个词时,听觉信息也会被转换成“苹果”的概念,并与同样的知识联系起来。
意义:
- 通道无关假设解释了为什么我们对不同通道接收到的信息可以进行整合和理解。
- 它也解释了为什么即使失去某种感官能力,我们仍然可以通过其他感官来获取信息。
语义网络
语义网络:一种知识表征模型,由相互连接的节点组成,节点代表概念,节点之间的连线代表概念之间的关系。
特点:
- 层次结构: 语义网络通常具有层次结构,例如动物类下可以细分为哺乳动物、鸟类、昆虫等。
- 语义关联: 节点之间通过连线连接,表示概念之间的语义关联,例如“苹果”与“水果”之间有“属于”关系。
- 方向性: 连线通常具有方向性,表示概念之间的逻辑关系,例如“父亲”指向“儿子”表示父子关系。
- 权重: 连线可以具有权重,表示概念之间关系的强度,例如“苹果”与“水果”之间的连线权重可能比“苹果”与“蔬菜”之间的连线权重更大。
应用:
- 自然语言处理: 语义网络可以用于理解自然语言,例如通过语义网络可以理解“苹果是水果”这句话的含义。
- 知识表示: 语义网络可以用于表示和组织知识,例如构建知识图谱。
- 信息检索: 语义网络可以用于信息检索,例如通过语义网络可以找到与“苹果”相关的其他概念,例如“水果”、“维生素”等。
图示
图示 (Schema): 从具体实例中抽象出来的一种知识表征方式,能够用于推断其所表征概念的实例的属性。
特点:
- 抽象性: 图示是对具体实例的抽象,例如“房子”的图示包含房子的基本属性,如“有屋顶”、“有墙壁”等。
- 结构性: 图示具有结构,例如“房子”的图示可以包含“屋顶”、“墙壁”、“窗户”等组成部分。
- 预测性: 图示可以用于预测实例的属性,例如根据“房子”的图示可以预测房子通常会有“门”和“窗户”。
应用:
- 记忆: 图示可以帮助我们更好地记忆信息,例如根据“房子”的图示可以更容易地回忆起房子的细节。
- 推理: 图示可以用于推理,例如根据“房子”的图示可以推理出房子通常会有“屋顶”。
- 语言理解: 图示可以帮助我们理解语言,例如根据“房子”的图示可以理解“他住在房子里”这句话的含义。
例子: - 房子: “有屋顶”、“有墙壁”、“有门”、“有窗户”等。
- 学校: “有教室”、“有操场”、“有老师”、“有学生”等。
- 生日聚会: “有蛋糕”、“有礼物”、“有气球”、“有音乐”等。
脚本
脚本 (Script): 一种特殊的图示,用于表征事件序列。脚本描述了典型事件发生的顺序、相关角色和场景,以及事件中可能发生的行为和反应。
特点:
- 顺序性: 脚本具有顺序性,描述了事件发生的先后顺序,例如“去餐厅吃饭”的脚本可以描述为“进入餐厅 -> 找座位 -> 点菜 -> 吃饭 -> 结账”。
- 角色性: 脚本中包含角色,描述了事件中涉及的人物或实体,例如“去餐厅吃饭”的脚本中的角色可以包括“顾客”、“服务员”、“厨师”等。
- 场景性: 脚本中包含场景,描述了事件发生的地点,例如“去餐厅吃饭”的脚本中的场景是“餐厅”。
- 行为性: 脚本中包含行为,描述了事件中可能发生的行为和反应,例如“去餐厅吃饭”的脚本中的行为可以包括“点菜”、“吃饭”、“付款”等。
应用:
- 记忆: 脚本可以帮助我们更好地记忆事件,例如根据“去餐厅吃饭”的脚本可以更容易地回忆起吃饭的经历。
- 预测: 脚本可以用于预测事件的发展,例如根据“去餐厅吃饭”的脚本可以预测接下来会发生什么。
- 理解: 脚本可以帮助我们理解事件,例如根据“去餐厅吃饭”的脚本可以理解“他正在去餐厅吃饭”这句话的含义。
例子: - 去餐厅吃饭: 进入餐厅 -> 找座位 -> 点菜 -> 吃饭 -> 结账
- 去电影院看电影: 购票 -> 进入电影院 -> 找座位 -> 看电影 -> 离开电影院
- 去超市购物: 进入超市 -> 选择商品 -> 结账 -> 离开超市
抽象理论
抽象理论 (Abstract Theory): 认知理论中的一种观点,认为人们通过从具体实例中抽象出一般特征来形成概念。
核心观点:
- 人们不仅仅存储具体的实例,还会从这些实例中抽象出一般特征,并形成概念。
- 这些概念代表了事物的本质特征,可以帮助人们理解和推理。
举例:
- 人们通过观察不同的狗,抽象出“狗”的一般特征,例如“有四条腿”、“有尾巴”、“会叫”等,从而形成“狗”的概念。
- 人们通过观察不同的三角形,抽象出“三角形”的一般特征,例如“有三条边”、“有三个角”等,从而形成“三角形”的概念。
与实例理论对比: - 抽象理论: 认为概念是一般特征的抽象,例如“狗”的概念代表所有狗的共同特征。
- 实例理论: 认为概念是具体实例的集合,例如“狗”的概念代表所有具体的狗。
支持证据:
- 语言: 人们在语言中经常使用抽象概念,例如“公平”、“正义”等。
- 推理: 人们可以根据抽象概念进行推理,例如根据“狗”的概念可以推理出“狗会叫”。
- 认知神经科学: 脑成像研究表明,当人们思考抽象概念时,前额叶皮层等区域会被激活。
实例理论
实例理论 (Instance Theory): 认知理论中的一种观点,认为人们主要通过存储具体的实例来形成概念。
核心观点:
- 人们主要存储具体的实例,而不是抽象特征。
- 概念是通过比较和归纳具体实例来形成的。
- 人们可以通过记忆中的具体实例来理解和推理。
举例:
- 一个人通过观察不同的狗,存储了许多关于狗的具体实例,从而形成了“狗”的概念。
- 一个人通过阅读关于三角形的知识,存储了许多关于三角形的实例,从而形成了“三角形”的概念。
与抽象理论对比:
- 实例理论: 认为概念是具体实例的集合,例如“狗”的概念代表所有具体的狗。
- 抽象理论: 认为概念是一般特征的抽象,例如“狗”的概念代表所有狗的共同特征。
支持证据:
- 记忆: 研究表明,人们更容易回忆起具体的实例,而不是抽象的特征。
- 推理: 人们可以通过记忆中的具体实例来进行推理,例如根据“狗会叫”这个实例可以推理出“所有狗都会叫”。
- 认知神经科学: 脑成像研究表明,当人们思考具体实例时,枕叶视觉区等区域会被激活。