中文114

ai如何实现类人思考？认知模型与方法深度解析（第2页）

这是最“硬核”的方法，用 fMRI（功能性核磁共振）、EEG（脑电图）等仪器扫描大脑，看不同思维活动时，哪些脑区“亮了”（神经活动增强）。

比如：

- 你解数学题时，前额叶皮层（负责逻辑推理）会亮；

- 你听音乐时，听觉皮层+边缘系统（负责听觉处理和情感反应）会亮；

- 你回忆童年时，海马体+内侧颞叶（负责记忆提取）会亮。

大脑成像能让我们直接“看到”思维的生理载体，相当于打开了大脑的“活动地图”。但它也有明显局限：

- 设备昂贵且小众：不是谁都能随便用 fMRI 扫大脑的，研究成本极高；

- “相关性≠因果性”：脑区活跃和思维活动只是“相关”，不是“因果”。比如某个脑区亮了，可能是因为你在思考，也可能是因为你在紧张，没法直接划等号；

- “精细度不足”：大脑活动是百万级神经元的协同作用，现有仪器只能捕捉到“区域级”的活动，没法精确到“某几个神经元怎么配合”。

二、把人类思考“翻译”成AI模型：认知建模的技术路线

当我们通过以上方法，攒够了人类思维的“说明书”，就可以开始构建认知模型——把人类思考的逻辑转化为AI能执行的程序。核心思路是：让AI的“输入-输出行为”尽可能模仿人类。

1. 经典认知模型：通用问题求解器（GPS）

这是人工智能早期的里程碑尝试，由艾伦·纽厄尔和赫伯特·西蒙在1957年开发。它的目标不是“解决问题”，而是**“像人类一样解决问题”**。

举个例子，人类解迷宫时，会遵循“试错-调整”的逻辑：先试左边的路，走不通就退回来试右边的路，再不通就试中间的……GPS解题时也得有类似的过程。纽厄尔和西蒙甚至会把GPS的解题步骤，和人类解题时的“思维口述记录”对比，看是否一致。

这个思路直接催生出了认知科学——一门横跨人工智能、心理学、神经科学、语言学的交叉学科。它的目标是“构建精确且可检验的人类心智理论”，简单说就是：用人工智能的“计算模型”模拟思维，用心理学的“实验方法”检验模型，两者联手把人类思考的“秘密”挖透。

本小章还未完，请点击下一页继续阅读后面精彩内容！

2. 认知建模的三大技术路径

现在的AI要实现类人思考，主要靠这三条技术路线，咱们逐个分析：

（1）符号主义：给AI一套“思维规则”

把人类的知识和逻辑整理成“符号+规则”，让AI按规则推理。比如：

- 知识：“所有鸟都会飞”“企鹅是鸟”；