认知科学概论

对应：培养方案 专业核心课 · 学期 2 · 2 学分 · 32 学时（16 课堂 + 16 实践）

这是你专业名字里那门课。

这份笔记怎么用：先读「导论」把整门课的地图建立起来，再按节往下读。
每节围绕一个原始文献或原始实验展开，给出准确原文和真实数据，
并且按「背景 → 为什么重要 → 怎么论证 → 结论 → 边界与批评 → 这跟你有什么关系」走一遍。
这个顺序本身就是要教给你的思维方式，别跳着看结论。
核不到出处的地方标「待核」。末尾有习题和出处索引。

1 导论：这门课在研究什么（先读这个）

1.1 先说清楚它不是什么

你刚进大学，看到"认知科学概论"这个课名，脑子里大概会浮出三种猜想。这三种都不是它。

为什么要先破这三个误解？因为它们会让你用错误的期待去读后面的内容。

如果你以为这是"AI 技术课"，你看到 §2 讨论"一个哲学假设能不能被证明"就会觉得跑题；
如果你以为这是"脑科学课"，你看到 §6 用一整节讲一个思想实验（中文屋）就会觉得没用；
如果你以为这是"讲道理的课"，你看到 §5 一整个案例都在讲"一个发表在顶刊的结论怎么被推翻"就会觉得困惑。

但一旦你知道这门课的问题处在什么层面，这些内容就都顺了：它不教你"心智是什么"的标准答案，
它教你"心智这个问题该怎么问、能问到什么程度、问到哪儿就必须停下"。

1.2 这门课在整个专业里的位置

你培养方案里的课可以分成三层。认知科学概论不在最底下那层，也不在中间那层，它在最上面，是那个"总纲"。

        ┌──────────────────────────────────────────────────────────────┐
        │  认知科学概论 （你现在这门）                                    │
        │  它不研究任何一个具体现象。它研究的是"元问题"：                 │
        │  心智能不能像计算一样被研究？该分几个层次研究？边界在哪？        │
        │  —— 它是整个专业的"总纲"，别的课都在它划出的框架里跑            │
        └──────────────────────────────────────────────────────────────┘
              │              │              │              │
     ┌────────┴───┐  ┌───────┴───┐  ┌───────┴────┐  ┌──────┴─────┐
     │ 计算主义支  │  │ 联结主义支 │  │ 具身/情境支 │  │ 动力系统支  │
     │ 符号+规则   │  │ 网络+激活  │  │ 身体+环境  │  │ 动态过程    │
     │→西蒙认知导读│  │→深度学习   │  │→认知语言学 │  │→学习科学   │
     └────────────┘  └───────────┘  └────────────┘  └────────────┘
              │              │              │              │
     ┌────────┴──────────────┴──────────────┴──────────────┴────────┐
     │  再往下，才是各门具体课：                                       │
     │  普通心理学 · 心理语言学 · 认知心理学     · 认知神经科学     ·   │
     │  人工智能原理 · 实验方法论     …                                │
     │  它们各自深挖一个现象，但都用这门课给的"层次"和"纲领"来定位自己  │
     └──────────────────────────────────────────────────────────────┘

为什么必须先把这张图看懂？因为它解释了这门课一个最让人困惑的特点：它好像什么都讲一点，又什么都不讲深。

你看它的目录：1956 年的历史、一个叫"物理符号系统"的假设、Marr 的三层次、四大纲领、一个热咖啡实验、中文屋、意识难题。这些内容看起来毫不相干。

但用这张图一看就明白了：它们分别在回答"这门学科的历史合法性"（§1）、"它的地基地基牢不牢"（§2）、"它的方法论骨架"（§3）、"它的版图怎么分"（§4）、"它的自我纠错机制转不转得动"（§5）、"它的哲学边界在哪"（§6、§7）。

这是一个"元课程"。别的课教你某个现象的知识，这门课教你怎么看待那些知识：

• 西蒙认知导读 会带你精读物理符号系统假设的一手材料，但你得先在这里知道这个假设为什么重要、谁在反对它。
• 认知语言学概论 讲的是"具身/情境"那一支的具体版本，但你得先在这里知道它和计算主义争的是什么。
• 语言认知神经科学 给你看 N400、P600 这些脑电成分，但你得先在这里学会用 Marr 的层次去问"这些成分到底属于哪一层"（这正是 §3 要教的）。
• 后续的实验方法论课程会把 §5 热咖啡案例背后的方法论讲成一整套体系，但这门课给你的，是那个案例本身的"现场感"。
• 学习科学导论 是"动力系统"那一支在教育里的落地，但它假定你已经知道"认知是什么"有四种答案。

所以这门课不是"导论水课"。它是你后面四年所有课的坐标系，没有它，你学的每一门课都是孤立的碎片；有了它，你知道每块碎片贴在墙上的哪个位置。

1.3 这门课真正要教你的能力

如果只能带走一样东西，我希望是这个：

给一个关于"心智"的说法，判断它属于哪一层、站在哪个纲领上、能被什么证据推翻。

这个能力听起来抽象，但它落下来就是四个具体问题。遇到任何一篇认知科学的文献、任何一个"研究表明"，你会条件反射地问：

1. 它在回答哪一层的问题？（计算层 / 表征算法层 / 实现层 → §3）
   "某脑区激活"和"人在算什么"是两层，混起来是最常见的错误。
2. 它站在哪个研究纲领上？（计算主义 / 联结主义 / 具身 / 动力系统 → §4）
   同一个现象，四个纲领会给出四种解释，它们未必冲突，常常只是层次不同。
3. 它的地基是什么？（是不是默认了物理符号系统假设？→ §2）
   很多争论吵到最后，吵的其实是这个 1976 年的假设成不成立。
4. 它能被什么证据推翻？（→ §5 的活教材）
   一个顶刊结论是怎么被三次大样本重复打掉的，你会在 §5 亲眼看到全过程。

这四问就是这门课的骨架。后面每一节，我都会在具体材料上把这四问演练一遍。

顺便说一句，这门课会让你不舒服。
因为它几乎不给"确定答案"。§2 的假设作者自己说"它可能是错的"，
§6 的中文屋争论四十年没结论，§7 的困难问题"可能永远没有科学答案"。
但这不是这门课没教好，这恰恰是认知科学的真实状态，也是它最诚实的地方。
一门成熟的学科，标志之一就是它知道自己的边界在哪。

1.4 这份笔记的组织逻辑

每一节都按同一个模式走，这个模式本身就是内容：

背景     → 这件事发生在什么处境里？谁在做、为什么做？
为什么重要 → 它想解决什么别人解决不了的问题？
怎么论证  → 他们具体做了什么实验 / 写了什么论证？
结论     → 从这些证据能推出什么、不能推出什么
边界与批评 → 后来谁反驳了它？哪里站不住？今天的评价变了吗？
这跟你有什么关系 → 对你的学习、对你的专业、对你以后读文献有什么用

最后一步"这跟你有什么关系"不是装饰。
认知科学最大的陷阱是：读的时候觉得"这些争论真高深"，读完发现自己什么都没带走。
我会在每一节末尾告诉你，这个抽象的东西会怎样出现在你下周的作业里、
出现在你以后读的一篇论文里、出现在你和其他专业的同学争论时的某一句话里。

还有一条要提前说：这份笔记不会只讲"它证明了什么"，它会同时告诉你"它哪里被推翻了"。
§5 整节都在做这件事，一个发表在 Science 上的结论，十四年后被三次大样本重复打掉。
因为只记住结论的人，会在下一个反转里变成传谣的人。

2 认知科学是怎么"诞生"的

2.1 先把那一年的事摆出来

"认知科学 1956 年诞生"这个说法流传很广，但它是一个回顾性的建构。那一年确实发生了几件事：

这五件事合起来，就是后人所说的"认知革命"的开端。请注意它们有多不同：

• 达特茅斯会议是计算机科学的事（人造一个会思考的机器）。
• Logic Theorist 是人工智能的事（一个真的能证明数学定理的程序）。
• Chomsky 是语言学的事（用形式化的方法描述语法）。
• Miller 是心理学的事（证明人的短时记忆容量有个奇怪的数字限制）。
• Bruner 是思维心理学的事（研究人怎么做概念分类）。

当时这五拨人互相并不认为自己在干同一件事。一个在造机器，一个在分析语法，一个在做记忆实验。他们的共同点只有一个：都开始把"心智"当成一个可以被精确描述、甚至被机器复现的信息加工系统来看待。

2.2 为什么"元年"这个说法值得警惕

"元年"这个说法要小心：
- 它是后来的历史叙事，这些人当时并不认为自己在创立同一门学科
- "认知科学"这个名字要到 1970 年代才出现，1979 年才有认知科学学会
- 达特茅斯会议本身没有产生什么成果（大部分人后来回忆说"没什么实质进展"），它的意义在命名和聚人

这三条里，第一条和第三条最值得琢磨。

第一条的意思是："1956 年是认知科学元年"这句话，在 1956 年是不存在的。它是 1970 年代的人回头看，把一堆本来分散的事件串成了一个故事。也就是说，"认知科学"这个学科，是先有了名字，再回头认领了自己的祖先。

这听起来像八卦，但它有一个非常实际的后果：你现在看到的很多"学科史"，都是这种"倒着写的历史"。谁被算作"奠基人"，取决于后来的人想讲一个什么样的故事。

第三条的意思是：那场自带光环的达特茅斯会议，实际上没做出什么东西。它的意义在"命名"和"聚人"，它造出了"人工智能"这个词，并且把一批本来分散在不同地方、不同领域的人聚到了同一个房间里。

不要背"1956 是元年"，要能说出"是哪几件事、这个说法是怎么来的、为什么有争议"。

这个习惯你以后持续用得上：听到任何"某某年某某学科诞生"的说法，
第一反应应该是问，当时的人自己这么认为吗？还是后来的人这么讲的？

2.3 这跟你有什么关系

你是"认知科学与技术"专业的学生。你的专业名字，就建立在这段"倒着写的历史"上。

这句话不是修辞。它意味着你的专业没有一个天然的、从第一天就清晰的边界，它是由四五个原本独立的领域，在 1970 年代被"合并"出来的。

这对你有两个实际影响：
- 好处：你的训练会比单一学科的人宽，你会同时接触心理学实验、语言学理论、程序设计、脑科学。这是这个专业最大的价值。
- 风险：如果没人告诉你它们是怎么被拼起来的，你会觉得这些课互不相干、各自为政。这份笔记存在的意义，就是提前把这张缝合线画给你看。

3 核心假设：物理符号系统 ⭐⭐

如果这门课只允许你记住一样东西，那就是这个假设，以及它的作者自己怎么评价它。

3.1 背景：两个想用计算机解释思维的人

Newell 和 Simon 是谁？简单说，他们是真的把"机器能思考"这件事做出来过的人。上一节提到的 Logic Theorist，就是他们写的。

到了 1975 年，他们拿到了 ACM 图灵奖，计算机科学界的最高奖。他们的获奖演讲没讲怎么优化程序，讲的是一个哲学主张：

如果计算机能表现出智能，那"智能"到底是什么？

他们的回答，就是下面这句话。发表信息先记清楚：

Newell & Simon (1976)，1975 年 ACM 图灵奖演讲，发表于 Communications of the ACM, 19(3), 113–126，
标题 "Computer Science as Empirical Inquiry: Symbols and Search"。

3.2 原文（必须准确）

"A physical symbol system has the necessary and sufficient means for general intelligent action."

（一个物理符号系统，具有一般智能行为的充分必要条件。）

这句话为什么能撑起整个学科？因为它同时下了两个方向的断言，把"智能"和"符号操作"死死地绑在了一起。

他们的解释：

"必要"和"充分"这两个词，一定要分开读，因为它们说的是两件事：

• "必要"是在说"别的路走不通"：只要你表现出一般智能，不管你用什么材料造的（神经元、硅片、还是别的），你内部必然在操作符号。这一句是在排他。
• "充分"是在说"这条路一定走得通"：只要符号系统足够大、组织得足够好，它就能表现出一般智能。这一句是在承诺。

两个方向加起来等于一句话："一般智能"和"物理符号系统"是同一件事的两种叫法。这就是为什么它叫"地基"，后面几十年的争论，几乎全是在争这句话成不成立。

最后那个限定词是"在速度和复杂度的一定限度内"。
这是一个诚实的保留，他们没说"符号系统能做人能做的一切"，
说的是"能做出同等范围的行为，只要不卡在速度上"。

3.3 一个常被忽略的细节：他们自己说"这可能是错的"

很多人引用完上面那句原文就停了，把它当成一条定理。但 Newell 和 Simon 自己的定性完全不是这样，他们说这是一个「经验假设」：

它"could indeed be false"（可能就是错的），
"cannot be proven, nor can it be refuted formally"（既不能证明，也不能形式地反驳）。

为什么这两句话关键？因为它们改变了整个争论的性质。

如果这是一条定理，那反对它的人就是在"算错题"，你只要指出推导哪里错了就行。
但既然作者自己说它是"经验假设"，那反对它的人就是在做他们邀请的事：

他们没说这是定理，说的是"可检验的猜想"。
后来反对它的人（联结主义、具身认知）其实是在做他们邀请的事，用经验证据去质疑它。

这也是科学和教条的分界线：一个主张的价值，很大程度取决于它敢不敢说"我怎么才算错"。
Newell 和 Simon 明明白白说了：这个假设"可能就是错的"，而且它既不能被证明也不能被形式反驳。

后半句"不能形式地反驳"尤其微妙，它的意思是：你没法只靠逻辑就把这个假设驳倒，你只能靠经验证据（比如"真的造出一个有智能但不用符号的系统"）。这就把问题从哲学争论，变成一个需要动手做实验、造系统的实证问题。

3.4 这条假设撑起了什么

搞清楚了它的强度，就能理解它为什么这么有影响力。它一个人撑起了好几个领域：

• 符号主义 AI（写规则的专家系统），直接的技术产物：既然智能就是符号操作，那就写规则、建知识库。
• 认知建模（西蒙的问题空间、产生式系统），直接的方法论产物：把人的思维过程写成一串"如果……那么……"的产生式规则，然后让程序跑一遍，看它像不像人。
• Fodor 的心理语言假设，直接的哲学产物：既然思维是符号操作，那思维用的符号（"心理语言"）必须有自己的一套语法。

3.5 它被什么挑战

有四拨人从不同方向质疑它，而且他们质疑的角度各不相同，这一点要看清：

这四行的攻击点其实分两类：

• 中文屋和具身认知打的是"够不够"：就算你符号操作得再完美，那也不等于理解、不等于真正的认知。这是概念层面的攻击。
• 联结主义和深度学习打的是"是不是"：认知的载体是一大堆单元的分布式激活，不是符号。深度学习是这一路最有力的证据，没人写任何符号规则，机器照样下棋、翻译、写代码。这是经验层面的攻击。

注意 §4 里那句话：这门课最容易犯的错，就是以为"认知科学 = 计算主义"。
物理符号系统只是最有影响的一支，不是全部。这四拨挑战者，每一拨都有自己的一整套纲领。

3.6 这跟你有什么关系

表面上这是 1976 年的哲学争论，实际上它是你今天用的每一件 AI 产品的分水岭。

• 你手机上的语音助手、翻译软件，走的是联结主义路线（神经网络），不是符号主义。
• 但早期的专家系统、你以后可能写的"规则引擎"，走的是符号主义路线。
• 两者的分歧，源头就在这一节的那句原文。

更重要的是它给你的一个思维习惯：看到一个技术主张时，先问"它是一个经验假设，还是一个定理？"

如果是经验假设，你就该问"它怎么才算错"；如果对方答不出来，那这个主张就已经不是科学主张了。这个习惯，比记住那句英文原文值钱得多。

4 Marr 的三层次 ⭐

上一节讲的是"智能是不是符号操作"。这一节换一个角度，讲"研究一个智能系统，应该怎么提问"。

4.1 背景：一个人研究"看"这件事

David Marr 在研究视觉时提出（《Vision》, 1982）：任何信息加工系统都可以在三个层次上描述。

为什么是研究视觉的人提出这个框架？因为"看"这件事特别适合做样板：它目标明确（从图像里搞清外面有什么）、有明确的输入输出、而且复杂到必须分层才能说清楚。

Marr 的核心洞察是：研究"看"这件事，不能用一句话问"它是怎么工作的"，你得先分清你在问哪一层。

4.2 三个层次是什么

光是看这张表还是会晕，所以下面用"相机"和"看时钟"这两件事，把三层各走一遍。

例子 A：一台数码相机

关键在下面这个观察：你换一台完全不同的相机（从单反换到手机），"计算层"和"算法层"可以基本不变，但"实现层"完全不同。反过来，两台相机可以用同样的零件，但一个设定成"夜景模式"、一个设定成"人像模式"，实现层一样，计算层（目标）不同。

例子 B：看一眼时钟，说出"现在几点"

"计算层"回答的是"这个问题是什么、为什么这么解"，
"实现层"回答的是"用什么东西把它做出来"，
而这两者之间隔着一整个"算法层"，它不是自动对应的。

4.3 为什么这个框架重要（考法就在这）

它解释了为什么"认知科学"和"神经科学"不冲突，它们在不同层次上回答不同的问题。

推论：知道实现层（哪里亮了）不等于知道计算层（在算什么）。

用相机来类比就非常清楚：假设你把一台相机拆开，逐条测出每一根导线的电压。你掌握了完全、彻底的"实现层"信息。但这能告诉你它拍的是风景还是人像吗？不能。因为"拍什么模式"是计算层的事，拆线路是看不出来的。

大脑也一样：知道某个脑区在某个任务下激活，只是拿到了"哪根线有电压"，不是拿到了"它在算什么"。

这是"脑成像数据不能直接解释认知"的正式理由。
（你在 语言认知神经科学 里看到的 N400/P600，
其实一直在被争论到底是"计算层"还是"实现层"的现象。）

4.4 边界与批评

这个框架也有它的软肋，得说清楚：

• 三层的分界线有时并不清晰。有些研究者认为，"算法"和"计算"在某些系统里是纠缠的，很难干净地切开。
• 它更像一个"提问指南"，不是一个"理论"。它不告诉你答案，只告诉你该往哪个方向问。这既是它的优点（万能），也是它的弱点（不提供具体预测）。
• 它默认了"认知 = 信息加工"，而 §4 里的具身认知一支，恰恰质疑"把认知当成信息加工"这个前提本身。

但即便有这些边界，它依然是认知科学最实用的一个工具箱：下次你看到任何一篇认知科学的论文，先问它说的是哪一层，你会立刻看懂它在做什么。

4.5 这跟你有什么关系

这个框架是你四年里最实用的一把尺子。

• 写文献综述时：你会发现大量论文在混用层次，用脑成像数据（实现层）去证明认知理论（计算层）。能识别出这一点，你的综述就会比同学高一个段位。
• 和别的专业同学讨论时：学 CS 的同学说"这个模型效果好"，学神经的同学说"这个脑区激活了"。他们不在同一层，所以根本不是在争论。你能指出这一点，就是这门课给你的能力。
• 甚至对你自己的学习：你背不下来一个概念时，先问自己卡在哪一层，是不知道"它要解决什么问题"（计算层），还是不知道"怎么一步步推"（算法层），还是单纯没记住名词（实现层）？三层对应三种完全不同的补救办法。

5 四大研究纲领（一张表收住）

如果 §2 讲的是"这个学科的地基是什么"，那这一节讲的是"地基上盖了四栋什么样的楼"。

"研究纲领"（research program）这个词值得解释一下：它指的是一整套"研究什么、怎么研究、什么算好解释"的默认约定。它不限于单个理论，它是比理论更大的一层框架，同一个纲领下的理论可以互相打架，但它们共享同一套问题的问法。

5.1 四栋楼对照表

这张表要横着读，也要竖着读。

横着读（一行看一支）：每一支都有它最擅长的问题和最要命的短板。注意这些短板不是随机的，它们往往正好是另一支的强项。计算主义算不出"人怎么学会东西"，联结主义正好擅长；联结主义说不清"它为什么这么判断"，计算主义正好擅长（符号规则是透明的）。

竖着读（一列看一个维度）：最值得看的是"要不要表征"这一行。这一行是四大纲领真正的分水岭：

• 计算主义：表征是核心，认知就是"操作符号"，符号必须有意义（表征）。
• 联结主义：也要表征，但表征是分布式的，一个概念由一大堆单元的激活模式表示，而不是单个符号（这也是为什么它"不可解释"）。
• 具身/情境：有争议，身体和环境的交互本身是不是就够了？还要不要在脑子里存一份"表征"？
• 动力系统：不太要，认知是一个随时间演化的动态过程，不是一个"内部状态+内部表征"的系统。

5.2 每一支的三条主张

考试的要求是：四支都要能各说三条主张 + 一条证据 + 一条局限。所以下面给你补齐：

这门课最容易犯的错：以为"认知科学 = 计算主义"。
它只是最有影响的一支，教材先讲它是因为历史最久。
四支都要能各说三条主张 + 一条证据 + 一条局限。

5.3 为什么这张表本身就是一种训练

请在"具身/情境"那一格前面停一下。它的"最弱的地方"写的是可复现性，而且标注了"见 §5"。

这不是随口一提，它指的是下一节那个案例：具身认知一支出过好几个"现象级"的漂亮实验，然后在大样本重复里成批失败。这不是巧合。这一支的研究对象（身体状态对判断的微妙影响）本身就特别容易出假阳性，效应小、情境敏感、样本小。

看一个纲领强不强，不能只看它有多少"漂亮发现"，
还要看它的发现经不经得起重复。
一个领域的"短板"很少是随便写写的，它由研究方法的内在属性决定。

5.4 这跟你有什么关系

这张表是你专业课的"导航图"。

你后面的课，基本都能在这张表里找到位置，而且你会发现自己不同课上学到的主张，是互相打架的：认知语言学课告诉你"概念来自身体经验"，人工智能课告诉你"一切都是网络权重"，逻辑学/哲学课可能又让你接受"思维即符号操作"。

没有这张表，你会觉得这些课莫衷一是、互相矛盾。有了这张表，你就知道：它们不是在互相否定，它们在各自回答同一堵墙上的不同格子。而你要学的真正本领，是知道每句话出自哪支、它的证据边界在哪。

6 ⭐ 具身认知的检验：热咖啡实验的兴衰

这一节示范"科学怎么自我纠错"。

为什么它比别的内容都重要？因为前面几节讲的都是"某个主张是什么"，而这一节讲的是"一个主张怎么被检验、怎么被推翻、推翻以后大家怎么争论"。这才是科学真正运转的样子。

6.1 兴：一个漂亮的实验

原始研究：Williams & Bargh (2008)

发表期刊：Science（顶刊）
主张：体验身体上的"温暖"，会促进人际上的"温暖"。

先说清楚这个主张为什么吸引人。它讲的是一个很优雅的故事：我们从小被人抱着长大，"身体的温暖"和"人际的温暖"在婴儿期就被绑在了一起，所以成年以后，手上拿着一个热的东西，就可能让你对人更友好一点，这个过程你完全意识不到。

设计（研究 2）：

结果：热包组更倾向选"给朋友"。

理论依据：具身认知，身体经验激活相关的心理概念
（温暖的身体感觉 ↔ 温暖的人际感受，这种联结来自婴儿期的照料经验）。

这个设计的"漂亮"在哪里？在于它简单、直观、并且直接命中一个深刻的理论主张。它讲的不是"热咖啡让人心情好一点"这种平淡的发现，它的锋芒在"身体状态直接渗透进了社会判断"，这正是具身认知纲领的核心赌注。所以它发表在最顶级的期刊上，被大量引用，写进教科书，进了无数 PPT。

6.2 衰：三次重复，一个都没成

科学的关键一步来了：有人去重复它。

重复失败：Lynott et al. (2014)

"高功效"这个词要解释一下：指的是统计检验的"功率"足够大，样本量够、测量够准，以至于如果那个效应真的存在，几乎不可能测不出来。换句话说，这个设计几乎是"专门为了排除运气"而搭的。

他们的结论：

"there is no evidence that brief exposure to warm therapeutic packs
induces greater prosocial responding than exposure to cold therapeutic packs."

（没有证据表明，短暂接触热的理疗包会比接触冷的理疗包更能引发亲社会反应。）

这句话说得很克制：它说的是"没有证据表明"，不是"证明了不存在"。这是科学写作的规范，你只能说证据不支持，不能说一个效应被"证明不存在"。这个措辞习惯你要学。

6.3 争论：作者怎么回应，别人怎么反驳

科学纠错不是"发现失败就结束了"，后面还有一场高质量的争论，这一段特别值得学。

Williams (2014) 的回应（原作者之一）：

• 承认重复研究做得很规范，甚至比原研究更好
• 但主张：直接重复应该更深入地结合理论，并考虑概念重复（conceptual replication）
• 指出有若干概念重复支持"身心温暖"的联系（如 Inagaki & Eisenberger 2013）

这里有个术语要解释："直接重复"（direct replication）是一模一样地重做原实验；"概念重复"（conceptual replication）是用不同的方法测同一个理论主张。Williams 的辩解是：你照着我的步骤重做失败了，不代表我这个理论错了，可能只是我那个具体操作有问题。所以他拿出了一些"概念重复"来支持自己。

Corker & Lynott (2014) 的反驳：

• 他们的结论只针对 Williams & Bargh 报告的那个具体效应，不是否定整个具身认知
• 一次重复失败不能定论，但三次独立失败（样本大四倍）足以说明这个具体效应证据很弱
• 关键论证：如果这个效应真被理论如此明确地预测，那么多次大样本失败对它特别致命
• 他们查阅了 Williams 提到的"概念重复"，发现那些研究普遍样本很小

这四条里，第三条是全场最锋利的一句。它做了一件很聪明的事：把对方的辩护武器变成了加重责任。

Williams 说"要结合理论"。Corker 的回答是：好，那我们就按你的理论标准来。这个理论不是预测得很明确吗？那三次大样本失败，就不只是"操作没做好"，它直接打在理论上。

6.4 后续：还在继续失败

注意后两行：失败的不只是"热咖啡"这一个实验，还有同一个实验室（Bargh 组）的另外两个著名研究。
- 成就启动：让被试先看一些和"成就"有关的词，他们随后表现更好。重复失败。
- 老年人启动：让被试先看和"老年人"有关的词，他们走路会变慢。重复失败。

这意味着：问题可能不在某一个实验的某个操作细节上，而在那一类研究方法的某个共同弱点上：小效应、小样本、情境敏感。

6.5 从这个案例里学到什么 ⭐

把整个故事的走向画出来：

顶刊发表（Science）
      ↓
被广泛引用、写进教科书
      ↓
大样本重复 → 失败
      ↓
原作者辩护 → 反驳 → 更多重复失败
      ↓
（现在）这个具体效应被认为证据很弱

这张图就是"科学自我纠错"的完整流程。请注意每一个箭头都是某个具体的人做了具体的事：有人花了大力气去重复（N=861，三次独立），有人认真辩护，有人认真反驳，还有人继续重复。

① "发表在顶刊" ≠ "是真的"
② "效应量小" = "脆弱"。小效应需要大样本才能测准，而小样本恰好容易出假阳性
③ 理论吸引人 ≠ 数据支持它。Corker 的反驳很锋利：
"如果理论这么明确地预测它，重复失败就更说明问题"

这三条，你以后读任何一篇文献都用得上。

第②条要展开讲一下，因为它是整个案例的技术核心。

想象你想测一个非常小的效应（比如"热包让人多 5% 的概率选择给朋友"）。用几十个人的样本去测，结果基本由随机波动决定，你这次测出个正效果，下次可能测出个负效果，纯粹看运气。这就叫"假阳性"：真实的效应不存在，但你碰巧测到了。

而"效应量小"和"样本量小"凑在一起，是最危险的组合：效应小 → 需要大样本才能测准 → 小样本测不准 → 但统计软件不会告诉你"测不准"，它会给你一个看起来显著的结果。这就是为什么 §5.2 那个 N=861 的多实验室重复这么有分量。

第③条是最难接受、也最有价值的一条。它说的是：一个理论的"解释力美感"，和它的"证据强度"，是两件独立的事。越优雅、越符合直觉、越"讲得通"的理论，越容易被人相信，因而也越少被严格检验。热咖啡实验就是这类理论，它的美感，恰恰让它多活了几年。

6.6 重复失败本身的价值（这是活教材）

很多人会问：一个实验被推翻了，那这些科学家岂不是白干了？

恰恰相反。这个案例的价值不在"热咖啡效应不存在"这个结论上，而在"它是怎么被发现的"这个过程上：

• 它证明了这套机制在运转。一个错误结论没有因为发表在有声望的期刊上就被永久保留：有人去重复了，失败了，公开了，争论了。这就是科学和"权威说了算"的区别。
• 它留下了可复用的方法。"多实验室协作重复""高功效设计""预先注册"，这些方法现在成了心理学许多领域的标准操作，正是被这类案例逼出来的。
• 它教会你一种读文献的姿势。以后你读到一个漂亮结论，第一反应不再是"哇"，而是"有没有大样本重复"。

一个学科怎么处理自己的错误，比"热咖啡效应是假的"这个知识点重要得多。
知识会过时，这个能力不会。

6.7 你自己的实验

你以后读到一个"有趣的心理效应"时，先做三件事：

1. 查它有没有大样本直接重复
2. 查原研究的样本量（几十人的效应要警惕）
3. 查它的效应量（d 小于 0.3 的要特别小心）

这三件事做下来花不了十分钟，但能帮你过滤掉大部分"看起来很美"的结论。你后续的实验方法论课会把它们变成一整套系统的方法论，但这三条你现在就可以用。

6.8 这跟你有什么关系

直接相关，而且可能比你想象的更直接。

• 你以后要写毕业论文、要读研。你选定的研究方向，很可能就有一批"经典发现"正处在被重复检验的阶段。知道这个案例，你就不会在一个正在崩塌的地基上盖房子。
• 你会成为"信息消费者"。社交媒体上每天都有"研究发现……"的帖子。你比大多数人多一套过滤机制，看到"研究表明"就去查样本量和重复情况。
• 它给你一种难得的心理准备。你以后可能会做出一个结果，然后发现自己重复不出来。§5 告诉你：这不是你的失败，这是科学正常运转的一部分，重要的是把失败报出来，而不是藏起来。

7 中文屋论证：Searle (1980)

上一节是"实验怎么纠错"，这一节是"一个连实验都做不了的争论"。

问题：通过图灵测试 = 真的"理解"吗？

先解释图灵测试：图灵提的标准是，如果你跟一个机器对话，分不出对面是人还是机器，那就该承认它有智能。也就是说，判断标准完全看"外在表现"。

Searle 要问的是：外在表现对了，里面就真的有"理解"吗？

7.1 把思想实验讲成一个故事

Searle 的思想实验：

你被关在一个房间里，只有一本规则手册。
外面递进来中文纸条，你按手册的规则查出该回哪个中文字，递出去。
外面的人以为你懂中文，但你一个中文字都不认识。

把这个故事讲细一点，你才能看出它的锋芒在哪。

场景：假设你是一个完全不懂中文的人（一个中文字都不认识，不知道"你好"是什么意思）。你被关进一个房间，房间里有一本厚厚的规则手册。手册上写的全是这样的规则：

"如果纸条上出现这串符号 [甲]，就在回条上写这串符号 [乙]。"

注意：手册里没有任何一条规则告诉你"甲是什么意思"。它只告诉你什么符号配什么符号。

接下来：门缝里递进来一张写着中文的纸条。你完全看不懂。但你翻开手册，按形状找到上面那串符号，照着抄下该回的那串，递出去。外面的人读了，回条是通顺的、得体的中文。他们以为你懂中文。

但你从头到尾，一个中文字都没懂。你做的全部事情，就是按形状匹配符号，然后抄写。

Searle 说：计算机就是房间里的你，程序就是那本手册。计算机"说中文"说得再好，也和你一样，只是在按规则操作一堆它不理解的符号。

7.2 论点：句法不等于语义

这个论证的结论非常干净：

结论：符号操作 ≠ 理解。

这是对物理符号系统假设最著名的攻击。
它的核心是"句法不等于语义"，你可以在不知道意义的情况下正确地操作符号。

"句法"和"语义"这两个词，一定要在这里分清，因为整个争论都建在它们上面：

• 句法（syntax）：符号的形状和组合规则。比如"这条规则说，看到 [甲] 就写 [乙]"，这完全不涉及意义，只看形状。
• 语义（semantics）：符号的意义和指称。"甲"指的是"你好"这件事，这才是理解。

Searle 的赌注是：计算机能做的全部是句法。而光有句法，推不出语义，就像你按手册抄一万遍中文，也不会因此懂中文。

如果他是对的，那 §2 那个假设就危险了：因为那个假设说"符号操作就够产生智能"，而 Searle 说，符号操作连"理解"这一关都过不了。

7.3 反驳（也要知道）

这个论证太有名，所以被反驳了几十年。三种最标准的反驳：

这三种反驳的思路各不相同，值得分别看一眼：

• 系统回复说：你问错了对象。理解不属于"房间里那个人"，它属于整个系统。就像你问"这一个神经元懂中文吗"，当然不懂，但整个大脑懂。
• 机器人回复说：这个故事漏掉了东西。房间里的你只是"纯符号"，没有感知、没有和世界打交道。如果你把符号接上摄像头和机械手，让符号和真实世界建立联系，意义就可能出来了。
• 大脑模拟回复说：它自己会推出荒谬的结论。假设我们一个神经元一个神经元地模拟你的大脑，模拟得足够精确，你会说它不理解吗？显然它是理解的。而这个模拟过程，本质上也是符号操作。所以符号操作是可以产生理解的。

这场争论至今没有结论。它属于哲学问题，不是可以靠实验解决的经验问题。
大语言模型让这个问题重新变热：它们显然在做"符号操作"，但它们"理解"吗？

7.4 为什么大语言模型让它重新变热

2020 年代，这个故事突然不老套了。

今天的语言模型：输入一串词，输出一串词，中间是一大堆数字运算。你说它"理解"吗？它写得出一篇像样的文章，回答得了复杂的问题，但你问它某个词"什么意思"，它给你的仍然只是一串更长的词。

这几乎就是中文屋的真人版，只是手册厚到没法想象、规则多到没人写得出来。

所以当年那个"房间里的人懂不懂中文"的问题，现在变成了"语言模型懂不懂它在说什么"，而这两派的立场，和四十年前几乎一模一样：一派说"行为对了就是理解"，一派说"没有语义就是没有理解"。

7.5 这跟你有什么关系

你的专业叫"认知科学与技术"，"技术"那一半，正在制造中文屋的现实版本。

• 你会用到大语言模型做作业、写代码、做研究工具。知道中文屋，你就知道该对它的输出保持什么态度：它在"按规则操作符号"这件事上极其强大，但它的流畅不等于它的正确，它的正确不等于它的理解。
• 你会参与这个专业的未来讨论。当有人问"AI 到底有没有理解"时，你至少会知道：这个问题不是新问题，它的框架 1980 年就被写得清清楚楚了，而且双方最有力的论据你都能说出来。
• 它教会你区分"表现"和"机制"。这是整个认知科学最核心的一个区分，§3 的 Marr 层次在讲它，§6 的中文屋在讲它，你以后遇到的每一个"这个系统是不是真的会 X"的问题，本质上都是它在讲它。

8 意识：容易问题 vs 困难问题 ⭐

前面几节讲的都是"认知是什么、怎么研究"。这一节问一个更靠上的问题：哪些能研究，哪些可能永远研究不了？

8.1 一个把问题切成两半的区分

David Chalmers (1995) 提出的区分（Journal of Consciousness Studies, 2(3), 200–219）：

先看清楚这个切法："容易问题"是一整类问题（注意怎么实现、记忆怎么实现、我们怎么报告自己的状态……），"困难问题"只有一个：为什么这些功能实现的时候，还伴有"感觉"？

8.2 "容易"是什么意思（这是最容易被误解的地方）

为什么叫"容易"：这个"容易"指的是原则上可以用标准科学方法解决（找机制），不是指当下好做。
困难问题不是"更难"，它看起来根本不属于"找机制"这类问题。

这个区别值得举一个具体例子。

拿"看到红色"来说：

• 容易问题：眼睛怎么检测到 620nm 的光？信号怎么传到 V4 区？大脑怎么区分红色和绿色？怎么让嘴说出"这是红的"？这些每一个都很难，但你能想象一个神经科学家团队花几十年把它搞明白，它的形式是"找机制"：输入是什么、经过哪些步骤、输出是什么。
• 困难问题：为什么看到红色的时候，会有那种"红"的感觉？注意，这不是在问"红色是什么波长"，那已经答完了。它在问：为什么这一整套物理过程，会伴随一个"主观体验"？为什么不是"黑灯瞎火地处理完信息，什么都不感觉"？

"困难问题为什么难"，难就难在这里：

你可以想象一个完全没有任何主观体验的"哲学僵尸"（philosophical zombie），它的行为和你一模一样，看到红会说"红"，会躲开、会记住，但里面什么感觉都没有。问题来了：从外部，你永远分不出它和你有什么区别。你问它"你有感觉吗"，它也会说"有"，因为它的行为和你完全相同。

这就意味着：困难问题的难处不是数据不够，你根本不知道该找什么样的数据。找机制找不出主观体验，因为主观体验是"第一人称"的，而机制描述永远是"第三人称"的。

8.3 这个区分的价值

这个区分划出了认知科学能做什么、不能做什么的边界。
你可以把认知科学学得很好，但"困难问题"可能永远没有科学答案。

这句话的分量不在悲观，在诚实。认知科学四十年来的所有成果，几乎全在"容易问题"那一侧：注意怎么工作、记忆怎么编码、语言怎么加工。而"为什么会有主观体验"这一侧，进展基本为零。

原因不在研究者不努力，而在于这个问题可能根本不属于"实验科学"能回答的类型。

8.4 边界与批评

这个区分本身也有争议，而且两边都有道理：

• 有一派认为"困难问题根本不存在"：等到容易问题全部解决，"主观体验"这个概念剩下的东西会自己消失，你觉得它神秘，只是因为你现在还不懂机制。（这一派常被称为"幻觉论"或"取消论"。）
• 另一派认为"它被夸大了"：把问题切成"容易/困难"可能过于干净，实际的意识研究里两者是纠缠的。
• Chalmers 本人的立场是：困难问题是真的、且不能被还原。这也是为什么这个区分会以他的名字命名。

考试时要注意："容易/困难"的区分本身是 Chalmers 的主张，不是学界共识。
你要能说清这个区分，也要知道它被质疑在哪。

8.5 这跟你有什么关系

这一节划出了你整个专业的边界，但它不会给你任何可以直接用的技术或方法。

但它会在你心里种下一个坐标：

• 以后有人跟你说"科学已经能解释意识了"，你知道该问：是解释"容易问题"，还是连"困难问题"一起打包了？
• 以后有人跟你说"意识永远无法被科学研究"，你也知道该问：是说"困难问题"无法研究，还是说连"容易问题"都不可研究？后者明显是错的。
• 你自己做研究时：你会清楚自己站在哪一侧。这不是打击，是定位，知道边界在哪，你才不会把力气花在注定没有出路的地方。

9 习题（带答案）

先自己写，再对答案。这几道题考的是方法，不是数字记忆。

1. "认知科学 1956 年诞生"这个说法有什么问题？

2. 物理符号系统假设的准确原文是什么？Newell 和 Simon 自己怎么定性这个假设？

3. 用 Marr 的三层次解释：为什么"某脑区激活"不能直接说明"人在算什么"？

4. 热咖啡实验在 Science 上发表了，为什么现在认为它不可信？

5. Corker 反驳 Williams 时最锋利的一句是什么？为什么它有力？

6. 中文屋论证的核心主张是什么？"系统回复"怎么反驳它？

7. 意识的"困难问题"为什么叫"困难"？它和"容易问题"的区别在哪？

9.1 参考答案

1. 它是后来的历史叙事。那几件事（达特茅斯会议、Logic Theorist、Chomsky、Miller）当时彼此独立，"认知科学"这个名字要到 1970 年代才出现（1979 年才有学会）。而且达特茅斯会议本身没什么实质成果，意义在命名和聚人。

2. 原文："A physical symbol system has the necessary and sufficient means for general intelligent action."
他们自己把它定性为经验假设："could indeed be false"、"cannot be proven, nor can it be refuted formally"。不是定理，是可检验的猜想。

3. 因为激活属于实现层，而"人在算什么"属于计算层。知道一个系统的实现，不等于知道它在执行什么计算。这是 Marr 三层次的核心推论，也是"脑成像不能直接解释认知"的理由。
（可以补一句类比：把相机拆开测遍每根导线的电压，也测不出它当前是"风景模式"还是"人像模式"，模式是计算层的事，线路是实现层的事。）

4. 因为 Lynott et al. (2014) 用三倍以上的样本量、三地独立重复，都没重复出来。而且后续（Chabris et al. 2019）又失败了两次。"发表在顶刊"不等于"是真的"，效应量小 + 样本量小 = 容易出假阳性。

5. 最锋利的是那句逻辑反转："如果这个效应真被理论如此明确地预测，那么多次大样本失败对它特别致命。"
有力在哪：它把"理论支持"从辩护理由变成了加重责任，你越强调理论预测明确，重复失败就越说明问题。

6. 核心主张：符号操作 ≠ 理解（句法不等于语义）。你可以在不知道意义的情况下正确操作符号。
"系统回复"：理解不属于"你"这个人，属于"你 + 手册 + 房间"这整个系统，理解是系统层面的属性，不是某个部件的属性。

7. 困难问题不是"更难"，它看起来根本不属于"找机制"那一类问题。容易问题（注意、记忆怎么实现）原则上可以用标准科学方法解决；困难问题（为什么有主观体验）连"该找什么样的答案"都不清楚。

10 出处索引

怎么看这张表：带 [DOI] 的条目可直接点开核对原文；书/古籍/语料库/官方文件没有 DOI，按题名 + 出版社（或机构）查找。

本页数字的来源说明：物理符号系统的原文措辞、热咖啡实验的 N=861 / 三次重复、
Marr 三层次的表述、Chalmers 的区分，都查证过原始文献。

标「待核」的：达特茅斯会议"没什么实质成果"这个评价（来自参与者回忆，非文献定论）。

关于 1956 那组事件：我核对了几件事的发表年份和期刊，但"认知科学元年"这个说法本身是后人的建构，这一点已在正文标明。

11 相关

• 西蒙《认知》逐章导读，物理符号系统的一手材料（西蒙本人的 30 次北大讲座）
• 语言认知神经科学，Marr 的"实现层"
• 认知语言学概论，具身认知在语言学里的版本
• 学习科学导论，动力系统纲领在教育里的落地