认知科学中的心身问题与认识论，本文主要内容关键词为：认知科学论文,认识论论文,心身论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：N02文献标识码：A文章编号：1003-5680(2006)05-0022-05
认知科学探索人的意识领域、认识过程、智能现象，它的研究不仅可能使人们对古老的心身问题产生新的认识，也冲击着传统的认识论。随着数学和计算机科学的发展，特别是人工智能方面的进展，认知科学对心智领域的看法产生了越来越大的影响，本文试图简略讨论认知科学的兴起对心身问题和认识论研究所带来的影响及其意义。
一 计算主义的基本前提
认知科学以计算概念为基础。一旦从计算的角度来看待世界，一些人就发现，物理世界、生命过程、人的智能实际就是一个计算系统，是一个可计算的过程，是一台“自然计算机”。[1] 他们发现在我们周围存在许多形形色色的“自然计算机”，甚至整个宇宙也不过是一台巨型计算机。这种通过计算、算法观念来看待世界，特别来看待意识现象、智能现象的思想被称为计算主义。作为认知科学的一个核心领域，人工智能的思想基础便是计算主义，人工智能理论典型地反映了认知科学对心身问题的基本看法，因此我们的讨论以人工智能理论作为基点。
人工智能的一个基本看法是：人的智能可为由人制造的某些机器如计算机所模拟，人工物可能具有与人相当的智能，即存在所谓的人工智能。这种观点被塞尔称为“强人工智能”观点。机器是否具有人的智能？要想不陷于混乱而又无止境的争论，就要制定一种标准，人们可运用它来判定一个机器是否具有智能。在1950年的一篇文章中，图林提出了一个判断机器是否具有智能的所谓“图林检验”。这个检验是设想如下一个过程：两个被检验者——一台计算机或由计算机操纵的机器和某个人，它们躲到检验者看不到的地方，检验者提出一些问题由两个被检验者回答，并根据其回答来区分它们者何者为人，何者为机器。如果无论提出什么问题，机器都能如同人一样回答，换句话说，检验者无法根据其回答来区分机器和人，那么就可认为机器具有人的或与人相当的智能。
除非设定某些特定的问题，或限定在某些特定的领域，到目前为止，还没有一台计算机强大到能通过“图林检验”而被认定具有人的智能。另一方面，“图林检验”只是一个判别智能的标准，却不能断定计算机将来是否必定具有与人相当的智能。因此，“强人工智能”观点虽然坚持“图林检验”的有效性，并以之为基础，但光有它还不够，还要结合其他的前提才是完整的。
许多人工智能的研究者和认知科学家相信计算机终究可拥有与人相当的智能，首先是基于如下的看法：智能就是计算，思维就是计算。更具体地说，计算主义者相信人的智能或思维是一个信息加工的过程，外部的刺激输入人的大脑，然后转化为信息符号，它们在神经网络中传输，在其中进行信息加工，再转换为某种形式的输出，这个过程是一个计算过程。对于这一点，西蒙早就明确地指出：“人类信息加工系统的结构包括输入装置、输出装置、中间的记忆装置和围绕着它的控制部分。……根据这个信息加工结构，可以建立一个人类记忆的模型，还可以用这个模型在计算机上模拟人的记忆过程。”[2]
由“人的思维过程是一个计算过程”或“智能就是计算”这一前提还不足以得出人的思维过程能为计算机所模拟，因为计算机中的计算过程与人脑中的计算过程可能根本不同，人脑可能根本不同于电脑。要得出人脑的功能与计算机的功能相似，计算机中的计算过程能模拟人脑中的思维过程，或计算机具有与人相当的思维，那就还要说明：人脑中的计算过程与计算机中的计算过程是等价的。1934年，丘奇指出了可计算函数的共性，即每一个能行的可计算函数都是一般递归的。1936年，图林把计算过程还原到最基本、最简单的机械操作过程，并提出一个执行这一理想的、基本计算过程的理想计算机概念，现在一般称这理想计算机为图林机。图林进一步提出：能行的可计算函数是可用图林机计算的函数。丘奇和图林的思想实际解答了人脑与电脑中计算过程的等价性问题，确立了计算机中的计算过程与人类思维中的计算过程，甚至所有可计算过程的统一性。后来，人们把丘奇和图林的思想一并称为“丘奇——图林论题”。“丘奇——图林论题”表明：“图林机能执行任何人类所能进行的计算”，图林机能模拟所有的计算过程。[3]
由“丘奇——图林论题”再加上“思维就是计算”和“‘图林检验’是有效的”这两个前提，我们可以推断说：尽管目前还不能模拟人的智能，但计算机终将具有与人相当的思维，人的思维终究能为机器所模拟，从根本上说，人脑不过是台功能比现在出现的计算机功能更强大的计算机。也因此可以认为，上述三个陈述是计算主义的基本前提。
计算主义或强人工智能的三个基本前提反映了它们关于心身问题的基本看法，这一点也可以在其他相关文献中找到。S.Bringsjord指出，计算主义或“强人工智能”的基本主张包含如下几条：(一)一种功能f是能行可计算的，当且仅当f是图林可计算的；(二)人是图林机；(三)图林检验是有效的；(四)计算主义者将能成功地模拟(building)人；(五)计算主义者将可成功地建造(building)通过图林检验的机器。[4] Bringsjord的第四、五条严格来说不能算是计算主义的基本前提，而是由其他前提推断的结果，是前面三条的推断，因此严格而言，只有Bringsjord所指出的前三条才可看作反映了计算主义的基本主张。另一方面，Bringsjord所提出的第一、二条实际是“思维就是计算”和“丘奇——图林论题”的另一种表述，因此他所谓的计算主义的基本主张与我们前面的描述是等价的。
不过，计算主义或强人工智能对心身问题、对智能的基本看法并不是完全新的。近代机械论科学兴起时，也有许多人断言：“生命过程是一个机械过程”，“宇宙就如一个种表”，甚至“人也是机器”，“人的智能是机械运动的体现”等等。如霍布斯就断言：“一切所谓可感知的性质都存在于造成他们的对象之中，它们不过是对象借以对我们的感官施加不同压力的许多种各自不同的物质运动。”[5] 莱布尼兹则希望仿照数学建立一个“普遍的符号语言”，并依照它进行“思维的演算”。他设想，根据这种演算，思维和推理就可以用计算来代替，如遇有争论，争论双方可以把笔拿在手中说：“让我们来算一下吧”，就可以把问题解决。我们在此可以看出，莱布尼兹实质把思维过程当作是一种符号运算过程，一种计算过程，这种观念已很接近当前的人工智能思想。
以前的人们虽然把人的智能、人的意识过程看作是一个机械过程，甚至计算过程，但没有具体地、以严格科学的形式说明人的内部过程与其他物理对象的机械过程之间统一性。甚至在长期有关心身问题的讨论中，也没有指出判定思维或智能的标准，讨论最终只能基于先验的认定，因而常常陷入抽象的思辨。现代科学的发展，特别是数学基础研究和计算机科学等方面的成果，使人们有可能从“可计算性”、“算法”等严格的科学概念上来看待这些问题，在此基础上提出一些体现现代科学进展的思想和观念，而且这些思想和观念不只停留在思辨领域，而且还借助于科学技术的发展，并最大限度地在实践领域中反映出来，从而展现出远远超过在抽象思辨讨论中所能给予我们的影响力、冲击力。
二 计算主义与心身问题
计算主义对心身问题的看法在多大程度上是合理的？在一定意义上，这也即是问：计算主义的上述三个基本前提在多大程度上是合理的？实际上，计算主义或“强人工智能”的理论远没有获得公认，它受到来自不同方面的批评。一些人工智能的早期研究者乐观地认为：“在一代人之内，创造‘人工智能’的问题将会得到解决”，“在20年内，机器将能做人所能做的一切”。可是到目前为止，尽管计算机能做人所不能做的许多复杂工作，也可以模拟低等的生物行为，但在许多方面，如模式识别、感知、学习和在复杂环境中进行决策的能力等方面还是远不及人，这使得计算主义首先面临来自实践领域的批评。
不过，计算主义者强调指出，即使面临诸多困难，人工智能的理想终究可以实现，计算机现今不能做某些工作，并不保证它以后永不可能做。“计算机在模式识别方面的发展还不足50年，而人的大脑却已进化了数百万年。要想在如此短的时间里让计算机全面地达到人脑的水平，是不是太苛刻了些？”[6] 事实上，自人工智能观念提出以来，在这方面的研究取得了很多的进展，甚至其研究纲领也有很大变化。以西蒙和纽威尔为代表的传统人工智能理论是一种符号主义理论，但人工智能科学家们认识到，人类从客观世界取得的信息大多是模式信息，例如文字、图像、语音等等，模式信息的处理却在符号主义的视野之外，为了更好地模拟人的智能，他们提出联结主义的构想。联结主义不再用符号和符号操作来模拟认知过程，而是模拟人的神经网络系统，认为思维或智能是从大量神经网络单元的相互作用中产生的，如此等等。人工智能研究的进展使得计算主义者相信，人类最终有一天会解决人工智能所面临的困难，机器终将能模拟人的智能。
虽然联结主义与符号主义有较大的差别，但从更一般的心身问题来看，二者并无本质区别。联结主义模拟神经网络时，要把模拟对象分解到一些基本的单位，再通过它们之间的逻辑关系把模拟对象表现出来，这个过程与符号主义是一致的，都是把人内部的生物构造转化为某种逻辑构造。我国学者赵元南指出：“人脑的神经网中所处理的信息到底是模式还是符号，这种本体论的提问方法是没有多大意义的。对于神经网中的同一组信息，我们都是既可以把它看成符号，也可以看成模式的，问题仅在于怎样看对于理论的展开更为有利。”[7] 我们可以预见，无论计算机科学如何发展，无论其研究纲领如何变化，计算主义的人工智能理想不会脱离它的基本前提，其成功与局限都直接与这些基本前提有关。
计算主义的另一种可能局限来自于“丘奇——图林论题”所描述的“可计算性”思想。“丘奇——图林论题”提出计算机能计算的函数是一般递归函数，其他函数则是不可计算的。正如数学中可数的数只是实数的很少一部分一样，可计算函数也只是函数的很少一部分，存在大量的不可计算函数，它们是计算机所不能计算的。不仅在数学中存在不可计算问题，在描述物理过程的方程中也存在不可计算的解。[8] 这一切都表明：无论在数学世界还是在真实的物理世界，都存在计算机不可计算的问题，计算机的计算能力不能完全达及这些领域。
除此之外，对于计算机的计算能力至少还有另外两个方面的问题：一是在实践过程中面临的指数爆炸问题；一是计算系统的逻辑局限性问题。计算机在解决某个问题时，常常要把复杂问题的解决分解为许多解决步骤，这些不同的步骤又可能有多种可能的路径。计算机在尝试所有可能的解决路径时面临指数爆炸问题，即每增加一个步骤，其计算量呈指数增加。一个足够复杂的问题将使得计算机要花费很长的计算时间，结果使其计算结果变得没有意义。而在技术上，计算机运算速度的增长无法追上指数的增长，因而在实践中计算机似乎总将面临指数爆炸的问题。对于计算机的逻辑局限性则可以从哥德尔不完全定理来加以说明。哥德尔证明，在一个包含算术在内的形式系统中，总有一些数学陈述不能给出确定的证明。计算机的计算系统本质上是一个形式系统，这意味着在此系统中，必定有些公式不能给出确定的证明，不能被算出，换言之，计算机的计算能力存在逻辑上的、形式上的局限性。
尽管计算机存在许多的局限，但并不一定对计算主义构成威胁，并不表明它对心身问题的看法不合理。计算主义不只关注计算机，更关注计算机与人智能的关系，关注计算机是否能模拟人的智能。除非上述计算机的局限是人类智能所没有的，我们才有可能说，人类的智能从根本上超出人工智能，计算机不可能具有与人相当的智能。事实上，虽然计算机无法计算一般递归函数以外的函数，但人也无法计算。计算机难以解决指数爆炸问题，人的大脑也同样如此。哥德尔不完全性定理说明任何一台特定的机器能力有限，但并不能由此断言机器必不如人脑，要说明这一点，首先要说明人类的智能没有机器的这种局限性。
人的智能是否能超越计算机的局限性？对这一点的说明触及到了计算主义关于心身问题的本质，也触及到了它的另一个前提：思维就是计算。彭罗斯为了说明电脑不如人脑，人脑能超越电脑，提出人脑所做出的数学判断是非算法的，即思维并不就是计算，因而它不受上述所提到的局限。他说：“我们必须‘看见’数学论证的真理性，它的有效性才能使人信服。这种‘看见’正是意识的精髓。每当我们直接知觉到数学真理时，它就应该呈现”，“看见”过程本身是“非算法的”。[9] 对此，塞尔也有类似的强调。他说：“我们的内在心理状态具有某种内容”，它“不仅仅是形式的或语法过程”。[10] 人脑中存在非算法性过程，存在超越于形式的心理状态内容等直接构成了对计算主义的另一前提——“智能就是计算”、“思维过程就是计算过程”的反对。
对“人脑的判断是非算法的”，“人的心理状态具有内容”之类的断言能否给出更多的理由？对此将涉及到计算主义的另一个前提：“图林检验”的有效性。一般而言，我们不能进入他人的内心世界进行直接观察，只能通过它们在经验世界的表现来判断、来检验，“图林检验”的提出正是基于这样的思路。可是，对人的智能、对人内部状态的检验不同于任何外部经验性质的检验，检验智能不同于检验质量等物理性质。检验某一物体与另一物体的质量大小，只要把被检验的物体放到天平的两端，我们就可以判断下沉一端所放物体质量要大一些。对于智能却并不能做如此的检验，因为智能并不是物理性质，至少不是普通的物理性质。我们提出一些问题来检验某一被检验者是否具有智能，如果它不能回答这些问题，如一些算术问题，我们当然可以确定它不具有智能，但如果能通过这些检验，我们能断定它必定具有智能吗？也许我们设计更复杂的检验，而被检验者不能通过。而且我们有理由设想，检验的复杂性可以任意地提高，以使可通过前一次检验的被检验者不能通过下一次检验。这意味着：我们虽然能判定被检验者不具有智能，但可能永远不能确定被检验者具有智能。如果这是合理的，那就表明计算主义提出的“图林检验”并不见得充分有效。
不过，即使“图林检验”是无效的，也并不表明反计算主义者是对的，或计算主义的“思维就是计算”是不合理的。它只不过表明：智能或思维虽然表现于经验现象中，但任何外部的经验现象并不等同于它，也即是说，对智能、思维的理解不能基于它们表现于外的经验现象，不能完全基于经验主义。那么我们对智能、思维等的陈述还能有何凭借呢？塞尔提出，人的内在世界是一个具有双层性质的结构，具有内容的心理状态属于较高层次的性质，而神经元过程属于较低层次的性质，两个层次是相互作用的，高层次的性质由低层次的性质决定。但塞尔所说的这一切理由何在呢？塞尔指出他的理论是基于类比。他说：“固体性是锤子的一个真实的因果特性。但是，固体性自身又是由微观层次上粒子的活动导致的，并体现在由微观元素组成的系统中。脑中有两种真实的因果关系描述层次，一种是心理过程的宏观层次；另一种是神经元过程的微观层次，这两种过程恰恰类似于锤子的那两种真实的因果关系描述层次。”[11] 然而，类比论证虽然具有启发性，但无法引为一种真正的根据，既然心理现象与物理现象是根本不同的，那么在它们之间就失去了类比的基础。实际上，这种类比论证基于一种转弯抹角的经验主义。在上述的例子中，锤子的宏观性质归根到底由微观性质决定，根据类比的逻辑，心理现象也归根到底由神经元过程决定，这样一来就与计算主义的看法没有根本不同了。
对于智能是什么？思维是什么？心理现象是纯形式的、纯算法的，还是具有内容、非算法的？对这些问题，无论是计算主义者，还是反计算主义者都难以给出决定性的理由，实际上，它们都面临同样的困境。一方面，只能通过外部经验现象才能认识人的内部心理状态，然而，任何外部经验表现都不能等同于它。另一方面，要判定机器是否具有人的智能，首先要设定一些能判定智能的标准，这些标准的提出要基于对人类智能的足够认识。然而，对人类智能认识的问题实际上是一个自我认识的问题，对自我的完全认识不是基于先验的独断，就是在逻辑上陷于无穷后退。
另一方面，计算机模拟人的智能实际是模拟智能的某一种经验表现，然而经验表现本身并不是智能。在康德看来，心本身只是一个空洞的表象，“思维就其本身来看只不过是一种逻辑机能，因而是联结一个单纯可能直观的杂多的纯然自发性，它决不把意识的主体表现为现象”。[12] 就此而言，也许根本就没有一个单纯的心、静止的心可模拟。
计算主义对心身问题的基本看法并没有超出传统的机械论。首先，计算主义的一些基本前提如“思维就是计算”、“智能就是计算”，除了依旧基于先验的独断外，它并不能提出更多的根据。更进一步说，“计算主义”一词从根本上不过是在现代科学技术背景中对“机械主义”一词重述。现代科学技术的发展，使人们有可能把近代以来含混的“机械”概念转换成“计算”概念，把“机械过程”转换成“计算过程”，从而使这些概念适用于科学技术的发展，适用新的实践领域。如果确是这样，我们可以说：计算主义对心身问题的论述不过是在现代科学技术背景中对传统机械论心身问题讨论的重述，从哲学的意义上而言，它并没有超出传统的机械论。反过来，反计算主义如果不是隐晦的二元论，就是一种转弯抹角的经验主义。总体而言，计算主义与反计算主义的争论没有从根本上超出近代以来关于心身问题的争论。
三 认知科学对认识论的影响
作为一种自然科学，认知科学具有与其他自然科学的一般共性，由于它关注人的心智问题，研究思维、智能、意识等人的内在世界，因而又具有与其他自然科学不同的特点，也因此与哲学中认识论问题密切相关。可以预见，认知科学的兴起及其发展可能为认识论的研究开辟新的视域，为之增加新的内容。
传统认识论是以笛卡儿式的二元论为基础的。在这种认识论中，认识的主体——心与认识的客体——外部对象绝对分开，外部对象刺激认识主体，认识主体由此获得关于对象的认识。这种以认识主体为核心的认识论预设了主体与外在对象之间的符合，预设了中立并且惟一可靠的主体观察和认识过程，预设了存在一个判断真假的普遍标准。在一些现代学者，特别是后现代主义者看来，传统认识论是追求以确定性为目标的启蒙运动和理性主义的产物，是近代科学取代宗教，理性的个体取代上帝的结果。
尽管到目前为止，传统认识论还是一个标准的认识模型，但存在许多疑难。首先，我们无法确定心的处所，辨明心的特性，二元论从本体论上是缺乏根基的。其次，从外部对象刺激认识主体，到认识主体获得对象的认识，其间有一个复杂的转换过程，如何使我们相信对这过程的描述是真实的？如何保证经过漫长的转换，认识主体依然能真实反映外部对象？同时，由于对外部对象的认识依赖个别的认识主体，因此这种认识论从一开始就打上了个别性、主观性的烙印，不可避免地带有相对主义、怀疑论色彩。
为了克服传统认识论的困难，一些人提出要取消主客两分，主张没有主体的认识论。没有主体或主体与客体成为混沌一体的结果也使认识论失去基础，从根本上取消了认识论。奎因也不满于传统认识论对本体论所作的过多承诺，认为认识论要尽可能从抽象的形而上学中走出来，应当从自然科学中获得支撑。他提出自然化认识论。认识论的自然化主要来自两方面的原因：首先是人们相信自然科学表达常常比哲学观点更令人信服，有更强的理由，因此由自然科学来表达认识论会比传统认识论更令人信服，更应值得尊重；其次，认识过程是一个自然过程，因而是自然科学研究的对象，自然科学如神经生理学、心理学等方面的研究构成了认识论不可缺少的内容。因此，奎因提出：“认识论或某种其他类似的东西，是心理学的一章，因此也是自然科学的一章。”[13] 自奎因之后，自然化认识论获得了许多学者的支持。坎贝尔、吉尔、劳丹、胡克等都主张，人的认识过程是一个可以为自然科学所研究的自然现象，哲学家应当象研究其他自然现象一样用自然科学的方法和手段来研究认识问题。认知科学把认识过程看作是由一些外部输入、这些输入在人内部进行加工、并获得知识输出的过程，这是一个计算过程，因而也是一个自然过程。把人的认识过程看作自然过程是认知科学的基本前提，在这种意义上，可以说认知科学是自然化认识论纲领的具体化、系统化。
在传统认识论的认识过程中只有两种要素，即认识的主体与客体，其中认识主体即是认识个体，它在认识过程中既独立于认识对象，又独立于其他的认识主体，它是个别的、孤立的、主观性的。然而，主体在其实际的认识过程中，又时刻渗透背景理论、渗透概念框架，它们构成认识过程中不可缺少的要素。汉森指出，我们在进行观察时，并不是单纯意义的观察，而是一件渗透理论的事。比如视觉意识由图像支配，而对所看见东西的表达则是语言的，因此看就是图像和语言的结合，另外，视觉图像与对所看见东西的陈述之间有许多复杂的步骤，这些步骤并不是单纯意义的看，并不只与单个的认识主体有关。[14] 更一般地说，背景理论和概念框架是超于个别主体的，我们对外部对象的认识并不是个别主体的事，不是孤立无援的自我的事，而与其他主体紧密相关，与社会共同体有关。
认知科学把外部刺激作为一种输入，这种输入与知识输出之间的生理-心理过程是一个自然过程，它与视觉系统、运动系统、神经网络系统直接相关，这些客观的身体结构决定人的概念系统、推理方式和认识过程。可见，在认知科学看来，认识过程不是孤立的、主观的，而是客观的，是几乎完全基于客观经验基础的。另一方面，认知科学家力图把人的生理-心理结构转换成逻辑结构，把自然过程看作是一个由计算规则控制的过程，可由计算符号系统来模拟。从这一点来看，计算规则、计算符号系统反映了认识的本质特征，它们虽然存在于个别的主体之中，但不单纯属于个别的主体，而是主体间性的，因而具有客观性。可见，认知科学把认知过程看作根本是一个客观的自然过程，并力图把这认知过程中的客观因素表现出来，它表达了认识过程中存在的主体间性、普遍性因素。认知科学的这一特性体现了它与传统认识论的根本差异，为知识的客观性、普遍性提供了新的基础，为克服传统认识论中的相对主义、怀疑论带来了可能。
康德强调认识主体中存在一种先天形式，它不同于人的主观感知，具有客观性、普遍性。康德试图依赖先天形式来克服认识论中的相对主义，解答休谟问题。然而，由于康德的先天形式毕竟还存在于个别主体之中，它是否具有客观性、普遍性是存在疑问的，而且它们能否给予个别主体中所输出的知识以客观性、普遍性也不无可疑。比起康德的先天形式概念，认知科学的计算形式或算法本身基于客观的生理-心理过程，它不象康德的先天形式概念来源于先验的哲学思辨，而具有可资检验的经验基础。
培根曾说：“对心灵本身从一开始就不任其自流，而要步步加以引导，而且这事还要做得像机器一样。”[15] 依培根的看法，只有认识过程的机械化、客观化，才能排除认识个体的主观干扰，使获得的知识具有客观性、普遍性。培根的理想几乎可在认知科学中实现。在认知科学中，富有经验基础的计算形式不属于特定的认识主体，它可以从个别的主体中独立出来，甚至可以在机器过程中实现，因而原本要由个别的人才能完成的认识过程也可由计算机来完成。1960年，王浩在一台计算机上只用几分钟就证明了罗素和怀特海《数学原理》中的几百条定理。后来一些人设计的归纳学习机重新发现了开普勒定律、波义尔定律等自然科学定律和理论。阿度尔和哈肯甚至还用计算机证明了著名的“四色问题”。目前，人工智能科学家模拟人类的学习过程，开发了许多不同的机器认知或学习系统，大大地加深了我们对认识过程的理解，为当前的认识论研究提供了全新的视域。
认知科学推进了认识论的研究，对传统认识论过分注重个别认识主体的观念是一种矫正，但它并不能如自然化认识论者所期望的那样能够完全取代传统认识论。这主要基于如下的几个理由：首先，正如人们所批评的，自然化认识论忽视了认识过程中的社会文化因素对认识的作用，同样，认知科学也缺乏对这一方面的认识。其次，由于计算机不能完全对人的思维进行模拟，也不能完全模拟人类的认知过程，换言之，认识过程无法完全客观化、操作化。同时，我们有理由认为，任何认识最终还要依赖于认识个体，即个别的主体。不仅认识过程中最有创造的一部分直接依赖于个别的认识主体，而且其他认识归根到底依赖于它。更进一步来说，对于认识活动过程中的一些规范问题和其他根本性问题，如我们为何应当坚持经验内容更丰富的理论？我们为什么认为某些信念为真？如何对所获得的理论进行辩护等？这些问题都是自然化认识论或认知科学无法解答的，对它们的解答要求助于传统认识论。
总的来说，认知科学虽然不能取代传统认识论，但当前对认识论的研究不能不考虑认知科学的进展。认知科学把认识过程中的客观性、普遍性因素充分地表现出来，也许这恰恰是我们知识客观性、普遍性的真正根源，从这一点来说，它对传统认识论一直迷惑的知识客观性、普遍性问题给予了较为清楚的解答。同时，认知科学对认识过程中客观性、普遍性的强调使我们对影响认识的诸要素有更深入、更清楚的把握。
标签：人工智能论文; 认识论论文; 认知科学论文; 计算机模拟论文; 机械计算机论文; 系统思维论文; 符号函数论文; 基础数学论文; 智能机器论文; 计算思维论文; 数学论文; 自然科学论文;