認知科學、神經科學、和認知神經科學

更新一覽

我需要首先表明我的態度

我們需要先承認和正視當前學科之間真實存在的差異和鴻溝，然後再思考應該用什麼樣的態度和方法來改變和推進研究發展。

在研究人類大腦-認知的過程中，學科之間巨大的些差異是否真實存在？是。這些差異是否理所應當存在？不見得。理想情況下是神經科學和認知科學應該互相啟發。那麼建議是什麼？建議就是雙方的人都應該首先承認自己與對方的差異，然後跟對方多交流。

正文

最近看到了好幾個關於『我想學人工智慧/神經科學/認知心理學，我應該本科選什麼專業？』這樣類似的問題，又加上我們系最近在招新的教授，又加上我們系是一個只有認知(Cog)和生物(Bio)心理學兩個分支的心理學系，所以我覺得可以出來聊一聊這個話題。

第一條：不管怎麼對什麼有興趣，先學好數學！先學好數學！先學好數學！重要的事情說三遍，如果你在上學的某個時刻突然有疑惑『老子這麼累學數學有個毛用？』那麼你的結局要不是在將來的某一天自己打臉，要麼是你跟以上專業就沒什麼緣分了。【我現在天天在打臉】

首先我們要說明一下，認知科學(Cognitive Science)/認知心理學(Cognitive Psychology)和神經科學(Neuroscience)差別是很大的！我們先不說Cognitive Neuroscience，這個我們留到後面再說。

1. 認知科學的重點是研究人類的心智和認知過程

2. 神經科學的重點是研究人類神經系統，當前最熱門的當然是研究人類中樞神經系統，當然最最熱門的是研究人類大腦。

好了，如果你覺得上面兩個學科的研究內容沒有本質的差別，或者立刻跳到『大腦不就是人類認知的基礎么，研究大腦就是研究人類認知呀』或者『研究人類認知，必須先了解人類大腦呀』，那麼你大概需要有意地、虛心地閱讀一些認知科學的書籍和文獻，然後洗刷一下你的三觀，不然本系75%以上的Cognitive Scientists會覺得跟你沒什麼繼續聊的必要了。

當然，上面所說的兩種想法其實是很直觀，很容易想到的。不過，研究一個系統，至少會要研究這個系統的兩個方面：結構和功能。在認知革命之後，主流觀點基本上都同意人類認知系統（大腦）是一個信息加工系統，那麼對於這個系統的研究自然也就有不同的角度。

當然，研究人腦還是太複雜了，我們拿一個現在大家更了解的信息加工系統來舉例子——計算機。來，大家一起來跟我設想：加入現在有一台時空機器把我們這個時間的一台MacBook Pro傳送到100年前，考慮100年前的人並不知道Macbook Pro的整個構造和原理，但是他們肯定覺得這東西特別有意思，那麼一堆科學家就會坐下來研究這個MacBook Pro，他們會怎麼做？

首先，一幫特別Hardcore的物理學家（嗯，當時肯定是有物理學家的，雖然不見得有計算機科學家）會坐下來拆機器，他們拆開MacBook Pro的外殼，看到裡面的結構和部件：CPU，RAM，數據線路等等。他們的出發點是：要想知道這個神奇的機器是怎麼運行的，我們需要對這個機器的硬體系統有所了解。我們稱這些人為：硬體學家。

那麼，硬體學家要做哪些事情呢？

第一種事情，他們認真地研究每一個部件的構造。比如他們拆開CPU，看CPU的電路板是怎麼焊接的，裡面的單元器件是怎麼排布的，然後做一些實驗看每一個單元器件的工作性質——他們給器件一個電流，然後慢慢發現每一個器件只有兩個狀態: 0(off)和1(on). 然後他們進一步看器件之間是怎麼嫁接的，比如他們拿放大鏡看電路板上的走線。當然，CPU不僅僅是他們唯一關注的硬體，實際上他們都不知道這個東西叫做CPU，他們只知道這個東西叫做『中間那個有密集線路的方塊』。同時，他們也會去研究RAM，看RAM的線路是怎麼排布的，到底是用了什麼樣的基礎單元——比如，晶體管還是電子管。

第二種事情，他們會研究某一個硬體單元對整個機器工作的影響。比如，他們會拔掉一個RAM，然後打開機器，發現整個機器變得特別慢。於是他們下結論說：RAM和機器運行速度有關。另外，他們也會拔掉CPU，結果他們發現根本沒法打開機器。接下來，他們會拔掉這裡，測一下；拔掉那裡，測一下。然後希望找到某一個硬體跟整個機器運行之間的關係。

我們稱做以上兩種事情的硬體學家為實驗硬體學家——因為他們做實驗，並且想知道1）這個機器系統的硬體構造；2）這個機器的硬體系統對其運行的影響。

當然，這個時候，一幫同樣Hardcore的數學家加入到了這幫硬體學家中，他們開始研究如何使用一排排的0/1邏輯門來進行複雜的運算——為什麼如此簡單的單元信號，可以給出讓這個機器看起來這麼碉堡呢？他們開始了各種數學模型，來解釋信號在硬體系統的傳遞，以及試圖解釋為什麼這個硬體系統要這麼銜接和交換數據。我們稱這些人為理論硬體學家——因為他們通過數學和物理的理論來研究這個機器怎麼工作。

對於我們來說，現在的計算機科學的知識可以清晰地描述整個電腦硬體的組成規則是什麼，但是對於這些100年前的硬體學家來說，所有這些規則都是個迷。你或許很難理解，那些不知道規則的人怎麼會這麼兢兢業業地研究這個你看起來顯而易見的結果。好吧，為了幫助你理解他們的辛苦，請去做一道數學高考題，然後看一下答案，你就明白『知道答案之後的世界，比知道答案之前的世界，原來要簡單這麼多！』

我們把話題收回來，繼續考慮100年前的科學家怎麼研究被我們傳送過去的MacBook。

你覺得上面硬體學家做的事情，能夠告訴我們MacBook裡面的操作系統是怎麼用C寫出來的么？或者Macbook裡面任何一個應用程序，是怎麼工作的嗎？具體一點，你覺得上面那些硬體學家要如何研究才能告訴你，你現在使用的瀏覽器，比如Google Chrome是怎麼把網路上的信息以圖文的方式呈現在你面前的？

所以，一幫思路截然不同的科學家也加入進來研究Macbook這個系統，但是他們看到硬體學派的研究之後，覺得：Fxxk that，你搞了這麼多，我還是不知道為什麼我滑鼠一點，這個奇怪的窗口就消失了。於是，他們決定暫時不考慮硬體的工作方式，直接研究桌面上的一個個軟體。我們稱之為：軟體學家。

軟體學家並不關心他們所看到的桌面操作系統是怎麼通過物理原件實現的，他們更關心的是這個操作系統具有什麼功能，能夠做什麼事情，具有什麼性質。

於是，軟體學家就開始做下面這些事情：

首先，他們打開各種軟體先玩一遍，覺得這些東西都特別棒：可以輸入文字，可以畫圖，可以播放聲音。然後他們就開始用各種玩法玩這些軟體，逐漸的他們就發現：你輸入的文字，以後還可以看到——這機器具有記憶的能力！但如果你選擇刪除一個文件，這個文件就會跑到一個叫做回收站的地方，你再選擇刪除，文件就消失了——這機器具有遺忘的能力！有的文件你打開，發現是一張靜止的畫面；有的文件你打開，發現是一部會動的連續圖片，栩栩如生。

總之，他們發現可以通過鍵盤和滑鼠（雖然他們不知道這兩個東西到底應該叫什麼，他們稱之為方板板和圓球球）給系統提供一些輸入，然後面前的這個屏幕會給出一些輸出。他們不斷地嘗試提供不同的輸入，記錄不同的輸出，來猜測每一個軟體大概是什麼功能。毫無意外，我們稱之為實驗軟體學家。

嗯，於此同時，另外一幫數學家也加進來了，他們通過自己的數學知識，建構模型來猜測每一個軟體，為了做到輸入和輸出之間的關係，到底需要進行什麼樣的『一步一步的操作』——我們稱之為演算法。這幫數學家通過各種數學模型來猜測軟體執行過程中的演算法，我們稱之為理論軟體學家。

說到這裡，我需要總結兩點：

1. 很顯然，軟體學家和硬體學家在做完全不同的事情，有完全不同的研究取向

2. 也很顯然，軟體學家和硬體學家都在研究這台被我們傳送過去Macbook，他們都在研究這個Macbook到底是怎麼工作的。

但是，我們有很多很多問題：比如，為了理解Macbook中Word是怎麼運行的，我們必須要知道硬體的工作方式么？我們如何把硬體科學家和軟體科學家的研究結果綜合起來，來對這個機器有更加全面的認識？你可以問更多的問題。

軟體學家和硬體學家紛紛擾擾爭執了100年，我們也不想再去關注他們了，因為他們只存在於一個假設的平行世界，我們現在回過頭來講Neuroscience和Cognitive Science。

簡單地說，Cognitive Science更像是軟體學派，而Neuroscience更像是硬體學派。前者關心的是『認知系統』需要執行什麼樣的運算才能產生人類當前的行為；後者關心的是『大腦』這個物理系統是怎麼樣進行信息加工，從而執行人類當前的行為的。對於前者來說，研究的重點在於認知加工過程是什麼以及為什麼我們需要這些認知加工過程——至於這些過程到底是通過大腦這個物理系統實現，還是通過計算機這個物理系統實現，並不重要。對於後者來說，大腦這個物理系統尤其特別的屬性，這些屬性很有可能限制或者決定了人類行為，他們需要從底層出發一步一步了解。

那麼，你需要學什麼專業，那就你到底是對什麼樣的研究感興趣了。在認知心理學領域，你必須知道一個重要的理論框架——Marr的三層次理論：對於一個信息加工系統的研究，具有三個層次：計算層面、演算法層面、和實現層面。

計算層面：我們需要知道這個信息加工系統需要進行什麼樣的計算，在對什麼樣的信息進行加工，計算的問題是什麼。

演算法層面：我們需要知道這個信息加工系統如何進行一步一步了解的操作，如何加工那些需要加工的信息。

實現層面：我們需要設計什麼樣的物理系統來執行上述演算法，從而解決最頂層的計算問題。

一個簡單的例子：我們讓人能夠上天，並不需要把人改造成鳥的身體，而是需要基於對空氣動力學的研究，來知道對於空氣進行什麼樣的操作才能讓我們上天——最後我們製造了飛機，而不是原封不動地造了個鳥。

老實說，現在neuroscience很火，但是理論建設很多時候需要Cognitive Science來幫忙，因為如果一個神經科學家想回到神經系統如何影響『記憶』之類的問題，他們必須回答認知科學家過去100年做過的行為實驗中出現的種種現象和問題，是如何被神經系統實現的。實際上，認知方面的研究能夠幫助神經科學家理解大腦——而不是神經科學家來告訴認知科學家『人類心智是如何工作的』。所以，經常會有這種情況：神經科學家的某一個很新的研究結果，認知科學家會說：『哦，我30年前就知道人腦在做這個事情了……我都不用打開你的大腦我早就知道你的大腦肯定在做這個事了。你花了30年，就告訴我個這個？』

那麼，神經科學研究能幫認知多少什麼呢？老實說，neuroscience對認知科學，以及最近很火的人工智慧的幫助極其少，大部分AI的模型都跟神經科學半毛錢關係都沒有，直到有人搭了neural network。但是，老實說，artificial neural network(ANN)只是在表面上跟神經系統很相似——比如結點、比如網路結構、比如後來所謂的『感受野』。但是這些概念，連neuroscience 101都算不上，剩下的ANN基本上就是數學一堆了。當然，沒人知道在不就的將來，諸如connectome之類的研究，會不會提示認知科學方面演算法的選擇和限制，尚未可知。

好了，說了這麼多，肯定有人要問：那認知神經科學呢？

Radical view: Cognitive Neuroscience has nothing to do with cognition and tells you nothing neuroscience.

當然，我這麼說肯定好多人不高興了，反正這句話不是我說的，我的態度要緩和很多。我只是想說: Cognitive Neuroscience is really soft, and people are now making it softer. 如果你覺得你掃掃fmri就理解大腦了，掃掃fmri就理解人類認知了，那麼多半情況是：你既不理解大腦，也不理解人類認知。

我並不是說這個領域不好，實際上這個領域有很多很有意思的研究。比如一堆做臉的人，就做了很多有意思的研究，告訴你：你看到這樣的臉，你大腦這兒就亮了；你看到那樣的臉，大腦那兒就亮了；你看到這種臉好多好多次，你就不僅僅這塊大腦亮，而且那塊大腦也亮了。至於，你為什麼看到臉，臉和別的物體有什麼不同的，為什麼計算機看臉就不容易，你是怎麼一步一步從一個一個視網膜神經元的『像素級別的信息』組成到臉的，我也不是很清楚。但是，You know what? 你的大腦肯定進行了整合加工，而且你這塊大腦肯定特別重要！你要是沒了這塊大腦，你就變成臉盲了！而且，你這塊大腦不僅和臉很重要，可能還跟你認知字有關係……

我也不是要故意攻擊研究臉的，我真的是覺得很多臉的研究蠻有意思的，打開了我的知識大門。但是，我真的無法滿意於Cognitive Neuroscience這種『這個研究說明這塊大腦在做這個事情』的研究層次，然後說『我們發現了這個認知功能的神經機制』。

如果你對Cognitive Neuroscience有興趣，我強烈建議你在本科階段進行比較嚴肅正規的理論訓練，比如Cognitive Science或者Cognitive Psychology的理論層面的訓練。如果你感興趣，應該在下水之前要讀一讀，

1. Gallistel & King (2006) Memory and the Computational Brain: Why Cognitive Science will Transform Neuroscience [這個可能做容易讀]

2. Marr(1980) Vision [這個主要讀第一章和最後一章節吧]

3. Neisser (1960) Cognitive Psychology; [這個相對好讀，但是書不太好找，遠比現在某些認知心理學教材要更有理論價值]

4. Fodor (1983) Modularity of Mind: An Essay on Faculty Psychology [這本書很小]

當然，當然，按照現在的時尚，只會有更多的人投身到Cognitive Neuroscience這個領域，畢竟對人類大腦感興趣又對人類行為感興趣的人還是很多的。而且fMRI等工具聽起來又很高大上，給人一種『哇擦我能看到大腦了！我肯定能知道更多東西！我就能揭秘大腦了！』的興奮感。這麼有意思的領域，值得更多人去追求。

只是對於每一位入坑的朋友提醒一下，既然花了錢做實驗，請嚴肅對待，努力把這個領域變得更靠譜一點，避免最後以己昏昏，使人昭昭。各位加油！

P.S. 關於看到臉，大腦區域亮了的事情：最早是一個叫做Face Fusiform Area的發現亮瞎了整個學界，也火了cognitive neuroscience. 老實說，我覺得這個發現的理論價值不僅僅在於發現大腦對於人臉加工。這個發現（雖然在這之前10中，猴子實驗已經發現多次了）的更大的理論價值在於呼應了Fodor(1983)中提出了大腦是通過modular來實現認知功能的這個理論框架，為『大腦的功能組織規則』這個問題提供了一個重要的回答，所以一下子就特別屌了。現在的認知神經科學研究，仍然具有類似的潛力，可以回到一些非常根本的問題，只是絕大部分實驗都在隔靴搔癢，迴避難題——新一代的少男少女啊，去成就新的神話吧！