《开始学习认知科学》

写在前面:这是哈佛大学计算神经科学教授Sam Gershman给初学者的建议,原文为Getting started in cognitive science,以下是中文译文。

Sam Gershman
Sam Gershman

认知科学是一个很好的领域,如果你(像我一样)有一个不安的头脑,总是寻求在你的舒适区边缘工作。作为跨学科的联系,它几乎是无与伦比的。下面,我收集了一些资源,可能对那些开始使用计算方法的人有用。显然,这个列表是完全主观的,我不想假装这些选择的普遍用途/重要性。

大图景

  1. Vision, David Marr (1982). 你只需要阅读第一章,这是基础性的。
  2. What is Thought? Eric Baum (2004). 这是一个发人深省的、主要是概念性的、非技术性的关于计算、认知和进化的思想之旅。它并没有真正涉及到很多实证文献。
  3. The Adaptive Character of Thought, John Anderson (1990). 这是一部关于“理性分析”的开创性作品,探讨了认知不同方面背后的设计原则。
  4. The Organization of Learning, Randy Gallistel (1990).这是理解动物认知的本质的必要阅读,特别是复杂的算法,甚至存在于明显非常简单的昆虫。
  5. Mind as Machine, Margaret Boden (2006). 大量而全面的历史。乔姆斯基讨厌它。你还需要什么其他推荐吗?
  6. Theoretical Neuroscience, Peter Dayan & Larry Abbott (2001). 它仍然是这方面最好的教科书。

特写镜头

  1. How Children Learn the Meaning of Words, Paul Bloom (2000). 如果你认为孩子们通过简单的联想来学习单词,那么读这本书来消除你自己的这种想法!它展示了物体感知、社会认知和学习共同构建语言的复杂方式。
  2. The Origin of Concepts, Susan Carey (2011). 努力解决认知发展的大问题。另见Thoughts, and Theories, Alison Gopnik & Andrew Meltzoff (1998), ,有一些不同的观点。
  3. The Big Book of Concepts, Gregory Murphy (2004). 这是学习概念认知科学的好起点。要深入了解,请查阅Eric Margolis和Stephen Laurence(1999) 编辑的卷《概念:核心读物》(Concepts: Core Readings)。
  4. Bayesian Rationality, Mike Oaksford & Nick Chater (2007). 将理性分析的方法应用于关于逻辑在人类认知中的作用的争论。
  5. Mental Leaps: Analogy in Creative Thought, Paul Thagard & Keith Holyoak (1994). 很好的介绍了认知科学中的类比研究。
  6. Knowledge Representation, Arthur Markman (1998). 回顾了认知科学中关于表征的大部分关键观点。
  7. Human Inference: Strategies and Shortcomings of Social Judgment, Richard Nisbett & Lee Ross (1980).关于判断中的启发式和偏差的一个古老但仍然相关的概述。对于面向非专业读者的较新的论述,请参阅丹尼尔·卡尼曼(Daniel Kahneman, 2011)的《思考,快与慢》(Thinking, Fast and Slow)。
  8. The Illusion of Conscious Will, Daniel Wegner (2003). 这是一篇极好的、可读性很强的文章,阐述了为什么我们认为自己控制了自己的行为。
  9. Language and Experience: Evidence from the Blind Child, Barbara Landau & Lila Gleitman (1985). 这本书引人注目的论点是,盲童学习丰富的语义理解单词(与正常发展的儿童相比),尽管他们贫乏的知觉输入。
  10. The Logic of Perception, Irvin Rock (1983). 认为感知更像是解决问题,而不是信号检测或特征提取。另见《视觉智能》(Visual Intelligence),Donald Hoffman (1998)。如果你对更加计算化和生物导向的治疗感兴趣,我推荐《看见:生物视觉的计算方法》(Seeing: The Computational Approach to Biological Vision), John Frisby & Jame Stone (2010)。
  11. Foundations of Human Memory, Michael Kahana (2012). 以理论为导向的人类记忆研究。

数学/统计/计算机科学

学生经常问他们需要知道什么数学。标准答案是微积分、线性代数和概率论。我认为你们实际上需要对微积分和线性代数了解很少。你需要知道导数和积分是什么,你需要知道如何操作向量和矩阵。有各种各样的恒等式和公式可以派上用场,但在你真正需要使用它们之前,记住它们是没有意义的。学习如何解决积分是没有意义的:无论如何,大多数有趣的积分都是棘手的!您最终将使用近似技术,如蒙特卡洛模拟。而且,花很多时间学习如何计算导数是没有意义的(上帝知道我在这上面浪费了好几年的时间):使用Mathematica或WolframAlpha。我发现知道微分规则很有用,但还是不要记住这些直到你需要用到它。同样的道理也适用于概率论。了解基础知识,然后可以根据需要逐步学习其他内容。我认为你不需要就这些主题上任何一节课,因为关键思想可以总结在几页纸上。我的观点在1910年的教科书中得到了完美的表达(《微积分变得简单》,作者是Silvanus Thompson):

好吧,抛开我的警世序言,这里有一些书的推荐。

  1. Probability Theory: The Logic of Science, E.T. Jaynes (2003). 如果你想理解为什么概率在科学中如此重要,这就是起点。Jaynes讲述了如何将概率理解为逻辑的延伸。关于这一主题的优秀历史介绍,请参阅Ian Hacking(1975)的《概率的出现》(The Emergence of Probability)。
  2. Pattern Recognition and Machine Learning, Christopher Bishop (2006). 我从这本课本上学习了机器学习。还有许多其他好的教科书,但这是我多次翻阅的参考书。
  3. Elements of Information Theory, Thomas Cover & Joy Thomas (1991). 信息理论的标准教科书,非常清楚。
  4. Information Theory, Inference, and Learning Algorithms, David MacKay (2003). 涵盖了很多和Bishop和Cover & Thomas相同的材料,但也有一些其他的材料不是这两本书。麦凯还有其他书中所没有的充沛的活力。
  5. All of Statistics, Larry Wasserman (2004). 介绍严谨简洁。如果您对该主题感兴趣,还可以查看配套卷《所有非参数统计》(All of Nonparametric Statistics)。
  6. Reinforcement Learning: An Introduction, Richard Sutton & Andrew Barto (2018). 如果你想了解强化学习,从这里开始。

如果你在高中或大学

  1. Gödel, Escher, Bach, Douglas Hofstadter (1979). 【注:即侯世达的《哥德尔、埃舍尔、巴赫:集异璧之大成》】。这是在你知道太多之前就可以享受的心智糖果。不要在研究生院读它!我认为这一点基本上适用于霍夫施塔特的所有著作。
  2. The Origin of Consciousness in the Breakdown of the Bicameral Mind, Julian Jaynes (1976). 一本完全疯狂,完全迷人,但几乎肯定是错误的书。不要在研究生院读它!

发散思维~

正如夏洛克·福尔摩斯(Sherlock Holmes)戏谑的那样:“一个人的思想若要诠释自然,就必须像自然一样宽泛。”我认为这是认知科学的真理。你需要通过阅读一些明显不是认知科学的东西来扩展你的思维。

  1. The Structure of Scientific Revolutions, Thomas Kuhn (1962).。这本书从整体上彻底改变了我对科学的理解。库恩对格式塔心理学也很感兴趣,他把范式转换比作多稳态知觉。
  2. Against Method, Paul Feyerabend (1975). 一本狂野的书!
  3. The Power of Images, David Freedberg (1989). 这是一项关于艺术品如何引发情感反应的迷人研究,它似乎先于并超越了我们的理性/审美反应。
  4. Foraging Theory, David Stephens & John Krebs (1987). 最佳觅食理论的经典介绍,该理论已经应用于风险选择、视觉搜索和其他认知领域。
  5. The Art of Memory, Frances Yates (1966). 记忆装置的历史及其广泛的影响(一些历史学家认为环球剧院被设计成一个记忆宫殿!)关于这个话题的一本有趣的个人回忆录是约书亚·福尔(Joshua Foer)的《与爱因斯坦漫步太空》(Moonwalking with Einstein, 2011),书中讲述了他是如何成为记忆冠军的。另一本相关的、绝对引人入胜的书是亚历山大·卢里亚(Aleksander Luria,1968年)的《一个记忆者的头脑》(The Mind of a Mnemonist),书中描述了卢里亚对一个拥有非凡记忆能力的人长达数十年的研究。
  6. In the Land of Invented Languages, Arika Okrent (2010). 为什么发明新语言如此困难?这告诉了我们关于人类思维的什么信息?为什么发明语言的人如此怪异?

发表评论

此站点使用Akismet来减少垃圾评论。了解我们如何处理您的评论数据