--- schema_version: "library-reader-v1" source_type: "original_book" title: "认知 人行为背后的思维与智能" author: null edition: null publisher: null year: null isbn: "9787300273921" library_document_id: "dde4e586-1def-4457-8ec5-0287b0b0511d" source_sha256: "9ea7aabb884ad79ae97c4d79875bcad4ba5e980fe584b43696b6b5155aa6fa49" pdf_physical_page_count: 290 pdf_physical_page_index_base: 0 range_start: 240 range_count: 10 html_url: "https://workshop.closeclaw.top/api/ai/read/dde4e586-1def-4457-8ec5-0287b0b0511d?start=240&limit=10" markdown_url: "https://workshop.closeclaw.top/api/ai/read/dde4e586-1def-4457-8ec5-0287b0b0511d.md?start=240&limit=10" previous_url: "https://workshop.closeclaw.top/api/ai/read/dde4e586-1def-4457-8ec5-0287b0b0511d.md?start=230&limit=10" next_url: "https://workshop.closeclaw.top/api/ai/read/dde4e586-1def-4457-8ec5-0287b0b0511d.md?start=250&limit=10" --- # 认知 人行为背后的思维与智能 > 页码规则：PDF_PHYSICAL_PAGE_INDEX 是从 0 开始的权威文件物理页索引；PRINTED_PAGE 是页面中识别出的印刷页码，可能为空，二者不得混用。 ## PDF_PHYSICAL_PAGE_INDEX=240 | PRINTED_PAGE=229 （1）1978年威彻尔（T.Witchell）在人工智能和认知科学的研究中，把最初的概念限制到几个样例，然后逐渐加以扩大。当出现过分概括化时，则又根据实验的要求排除某些维度，缩小范围。一个好的系统是通过比较正负样例来决定增加哪种维度的。布鲁纳在《思维研究》（AStudy of Thinking）中最早介绍了概念形成策略的研究。 (2)1965—1970年克林（R.Kling）研究了定理证明中的部分匹配和类比的作用。 (3)两种学习方法，一种是“样例学习”(learning by example)，另一种是“干中学习”(learning by doing)。前者是从学习具体事例中发现问题，从事例中找出规律。后者是给出一个问题，要求从尝试解决问题的过程中找出规律。在这种学习中，被试要不断地搜索，可能会出现错误，如果被试找到了通往目标的通路，通路本身就会起样例的作用。解决河内塔问题就是“干中学习”。“样例学习”和“干中学习”的另一个差别是，前一种学习只给了正确途径，而在后一种学习中被试不仅知道正确的，也知道错误的通路。这样，他以后解题时就会知道怎样作出正确的选择。若是“干中学习”，在给学生作业时就应告诉他们：干完了不等于学完了，只等于刚刚开始。好学生干完后会总结他是怎样解决问题的，为什么这样解决问题等等。 第七章 概念的形成 229 ## PDF_PHYSICAL_PAGE_INDEX=241 | PRINTED_PAGE=230 在“干中学习”时，被试首先必须有一个假设，再根据这个假设对具体样例进行归类；被试还要检验他的归类是否符合主试心目中的归类，如果相符，就肯定自己的假设，否则就得作出新的假设。被试可以根据很多信息提出假设，他可以根据主试提出的样例，也可以根据自己的假设选择样例，如图7-1所示。 从图7-1中可以看出，在概念形成实验中有两个空间：具体样例空间和被试假设空间。概念形成实验也可以看成是问题解决的过程从问题空间到概念空间再到最后的目标空间。如何提出假设空间呢？过去的心理学书籍，如伍德沃斯(R.S. Woodworth）的《实验心理学》中都把思维过程分为两章来处理：一章是问题解决，一章是概念形成。现在看来，可以用一个理论来概括问题解决和概念形成过程的研究。 认知 230 ## PDF_PHYSICAL_PAGE_INDEX=242 | PRINTED_PAGE=231 几十年前，人们对数学心理学有很大兴趣，格雷吉（I.WGregy）和我合著了《数学心理学》，当时博威(G.H.Bower)和特巴索（T.Trabasso）提出概念形成的统计随机理论，或称概率理论。这个理论认为被试总是处在知道概念和不知道概念这两种状态下。如果处在知道概念的状态下，他得出正确结论的概率就是“1”，出现错误的概率就是“0”。如果被试处在不知道概念的状态下，他出现错误而重新选择假设的概率就是“π”。其次，这个理论认为，如果被试得到正确结果，他就不改变自己的假设了；如果出现错误，他就要往知道的状态改变自己的假设，使之正确，改变假设的概率为π。这个模型对预测人形成概念的过程是十分正确的，但这个模型很少谈到掌握概念过程的心理学方面，也没有说明被试如何选择假设，如何接近概念。因此，我们还要建立一个掌握概念的信息加工理论。 如果给被试提供一个样例，被试就提出自己的假设，并根据这个假设去作出自己的归类。主试把自己的归类与被试的归类做比较，然后告诉被试他的归类是否正确。被试根据这次检验结果的信息、不久前假设的信息和具体样例的属性等信息，提出自己的假设。这时，他对经过检验证明是正确的信息，可 第七章 概念的形成 231 ## PDF_PHYSICAL_PAGE_INDEX=243 | PRINTED_PAGE=232 认知 能还要提取出来，但对经过检验是不正确的信息就要排除。被试利用过去信息的过程是比较复杂的，但只要他在记忆中记住被排除过的信息，以后不再提出来，而只提出那些没有试验过的新假设，他的学习就可以更快一些。由此可见：由于被试使用的策略不同，得到正确概念的速度就不一样。我们这里说的概念掌握的信息加工过程与概率理论中的“π”，是同一个东西。显然“π”是随策略不同而改变的，并不是一个常数。信息加工理论对“π”的解释比概率理论的解释更好，而且信息加工理论用数学分析方法，可以预测出π的值是多少。 由于被试使用策略是随机的，旧的假设也可能会重新被提出来，因此其概率就变为次数的一半，即 $\frac { n } { 2 }$ 。如果一个人能够有效地利用假设，他就可以做得更快一些，达到log2。显然，不管N值多大， $\frac { N } { 2 } \gg \log _ { 2 } ^ { N }$ 。我们预测从错误到正确的概率时，这个数就与被试使用的策略有关，即它是使用策略的函数。当然，由实验结果表现出来的“π”出发，我们也可以想象被试使用的策略是否有效。实验室研究发现，被试多使用随机策略而不是最好的策略。从信息加工理论可以看到这些被试如何提出一个个的假设，进行多种分类，而概率理论则只分成正确、错误两类，而忽略了许多细节。信息加工理论可以把排除假设的多种类型一个个地进行分析，因而比概率理论的分析更全面。信息加工理论运用口语记录的方法来记录一系列假设的变化。实验已经证明，不断地询问被试，要他说出他的假设是什么，这并不影响被试的概念形成过程。勒温（K.Lewin)不用口语记录的方法，也研究过被试改变假设的过程。他是用反馈的方法，通过观察被试的行为看他提出了什么假设。总之，信息加工理论比概率理论为我们提供了更多的心理学资料。 232 ## PDF_PHYSICAL_PAGE_INDEX=244 | PRINTED_PAGE=233 实验发现，人们常常并不使用最有效的策略，因为被试根本不知道什么是最有效的策略。对这种情况，可以考虑训练被试，告诉他先作出多种假设再逐步排除，看他是否可以提高速度和效率。这种做法并不会得到很好的结果，因为短时记忆的容量有限，被试无法使用最有效的策略。被试光凭短时记忆，只能记住上一个样例对不对，而以前的信息都忘了，无法利用。如果给被试一张纸，让他记下什么样例对，什么样例错，显然，这就会帮助他使用更有效的策略。 有些实验是把概念掌握与概念形成区分开的。概念形成实验更难，因为主试可以随意提出问题的不同方面。如一组盒子，可以有各种形状、大小等等。这样可能出现的概念的数目就非常大，可能包括被试想不到的概念，也就是空间的值太大了。这种实验可能做许多小时也没有结果。心理学实验往往只能做一两个小时，所以只能采用概念掌握这种较容易的实验。这种 第七章概念的形成 233 ## PDF_PHYSICAL_PAGE_INDEX=245 | PRINTED_PAGE=234 实验的问题搜索空间是有限的。 顺序模式 下面谈谈人是怎样认识模式的。模式是指任何有规律排列的东西。在“顺序模式”（sequentialpattern）的情形下，如果给出一个简单的数字顺序1、3、5、7……人们一定可以很快地发现这个顺序中各个数之间的关系：“后一个比前一个大2，都是奇数”，因而能够很容易地把这个顺序延续下去。 过去旧的日历记法是“日月火水…”，如果你不知道这个记法，就不能把“日月火水木金土”继续下去，因为你不知道“木、金、土”意味着什么。天文上的顺序“水、金、地、火、木、天王、海王”是根据行星距太阳的远近排列的。学过天文学的人能够很容易地发现这些行星之间的关系。此外。还有英文字母的排列顺序、星期的顺序、乐音的顺序（1234567j）等。认识这些顺序主要靠认识各单元之间的关系。 所以说，人们对模式的认识主要是对关系的认识，而认识关系主要通过两种途径：一是确认两个东西相同，即确认它们的每一个成分是相同的，例如在乐曲中1、3、5都是音符。二是确认跟在一个成分后面的下一个成分是什么，如乐曲中各音符间的关系，这依赖于平时的熟悉程度。任何一首乐曲中都有这种关系，它表现在乐曲的各个成分即音符之间，或者说各个组块（可以由多个音符组成）之间。智力测验中也有顺序模式的测验。这种测验所测的能力范围是很宽的，包括人们日常积累的一般的概括能力。这种能力又是人认识周围事物规律的重要能力，发展这种能力，有利于人更好地适应环境。 认知 234 ## PDF_PHYSICAL_PAGE_INDEX=246 | PRINTED_PAGE=235 当然，日常生活中也有无规律性、无固定模式的现象，如空气中气体分子的运动，还没有发现其规律性。虽然如此，人们却总在致力于发现周围世界的规律性。在实验中，我们明白地告诉被试刺激是随机的、无规律性的，但是他还是想找出某种规律性。给学生提供近三个月的经济情报，要他预测第四个月的经济是上升还是下降。有的学生根据近三个月的经济上升，预测第四个月还是上升；有的学生根据前三个月的增长，预测第四个月该下降了。若问他们为什么作出这样的判断，他们总认为自己的判断有一定的道理。尽管已经告诉被试前三个月的增长或下降是随便给的，他们仍然按照自己想象的规律去进行判断。增长判断是因为认为前三个月都是增长的，所以第四个月也应该是增长的；相反，下降判断是因为认为前三个月的增长已经是相当长的序列，后面应该有所改变了。 在20世纪50至60年代，心理学家做了许多人和动物的强化实验。在人的实验中，要求被试对A、B两个反应进行选择。 第七章 概念的形成 235 ## PDF_PHYSICAL_PAGE_INDEX=247 | PRINTED_PAGE=236 被试选择A时，受强化的概率是70%；选择B时，受强化的概率是30%。实验进行20次以后，被试就知道回答A得到的强化机会多于B。统计学家根据概率计算，认为被试可能总是选择A，因为选A有加倍强化的机会，即有70%的强化机会。但是实验结果表明，人只是在多数情况下（72%～75%）选择A，少数情况下（25%\~28%）选择B。我们把这种行为叫作事件匹配，即行为和事件出现的概率是匹配的。但是我们知道，这种事件匹配正确的概率不比选A的概率大。70%选择A中只有70%是正确的；30%选择B中只有30%是正确的。实际上事件匹配的正确率只是70%×70%=49%与30%×30%=9%的和，即58%。这就是说人的行为只有58%是正确的。 在解释这种似乎很不精确的行为时，问被试是怎样想的，他们报告说，他们根据刚刚出现过的情况，按顺序模式预估下一步：如果前面三个是A，下一个还应该是A；如果前五个是A，那么下面就应该是B了；若前三个是ABA，下面就应该是B了，因为他们认为刺激是按ABAB的顺序出现的。虽然刺激的出现是随机的，但被试并不按随机情况考虑问题，而是按顺序模式进行反应。在现实世界里，真正随机的现象是很少的一般都有一定的规律。因此，人们按事件匹配的方式进行反应是有一定道理的。很多实验都证明，尽管有时事件的出现并没有规律，但人们总还是要去觉察顺序模式，搜寻规律。 认知 236 ## PDF_PHYSICAL_PAGE_INDEX=248 | PRINTED_PAGE=237 在动物进化过程中，寻找模式对维持生存是非常必要的。人类至今已存储了各种各样的模式，有些是有限的模式，如日、月、火、水、木、金、土；有些是无限的模式，如字母顺序和数字顺序。人们还能把一些简单的顺序构成组块，然后把这些组块联系起来再形成较复杂的顺序。解决河内塔问题所使用的策略就是形成组块顺序，其操作的顺序是121312141213121…在这个顺序中，把1看成是一个元素，两个1中间夹上2形成121组块，两个121之间夹上3，又是一个稍微复杂的组块。如果我们把这个顺序理解成一个多层次的排列模式，那么，按上述方法类推，就可以知道各层次的排列。模式策略在人的生活中是很普遍的。 几何模式的对称性是非常重要的。对称性理论对纯数学并不太重要，但对应用物理学则是相当重要的理论。对称性原理的基础是两部分相等，例如，一个长方形纵轴的左、右侧是相等的；横轴的上下也是相等的；两条对角线的两边也是对称的(见图7-2)。只要把长方形的一侧绕纵轴或横轴转过去，就能和其另一侧完全重合(映射)，这就是一个转换。我们可以用信息加工的理论来解释对于几何学上模式辨认的转换问题，人是如何解决的。 对于cdcdcd…这样一种模式，人们在短时记忆里，只要记住cdcd…是一组cd重复的顺序，就能知道出现d后下一个是c，出现c后，下一个就是d。对于更复杂的模式，如ABMCDM，记住这个顺序中第一个字母A和另一个字母M，根据它们的排列规律，就可以预测下一组字母。字母顺序模式ABMCDM…是一种很基本的模式。 第七章 概念的形成 237 ## PDF_PHYSICAL_PAGE_INDEX=249 | PRINTED_PAGE=238 顺序模式行为具有很大的概括性，人的许多模式活动都可以归纳为顺序模式行为，它可以解释人的大量的模式觉察活动。顺序模式适合于解释人的各种归纳活动，包括概念形成、解数学题及其他任务领域。在进行模式归纳的过程中，第一要产生一个规则，提出模式的假设；第二，应用这个规则把具体的实例加以归类；第三，根据对实例进行归类的结果所得的反馈信息，提出规律，知道最初提出的假设是否正确。在这种实验中，被试有两个问题空间需要解决，一个是规律模式的问题空间，另一个是具体实例的问题空间，这与前面谈到的人工概念形成实验是一致的。人工概念形成的过程也是先提出一个概念或假设，并将这个假设运用于具体实例，将实例加以归类，根据归类的结果所得到的反馈，看是否符合规律，然后再返回去循环，最后得到一个概念。这样的一个图式既适合于概念形成的过程，也适合于顺序模式的辨认。辨认顺序模式的活动与概念形成过程的基本图式是一致的，当然这二者也有不同之处。在辨认顺序模式时要注意两个关系，一个是相等性，另一个是连续性。我们可以根据这两个关系去发现规律，发现一般过程应用到具体问题上所具有的具体限制。总之，这种一般的顺序模式也适用于人的其他活动，如解密码算术题等。尽管各种问题的任务不同，但都有一个基本模式，它们的基本控制程序是一致的。 认知 238 下一段：[继续读取](https://workshop.closeclaw.top/api/ai/read/dde4e586-1def-4457-8ec5-0287b0b0511d.md?start=250&limit=10)