SEP：心灵的计算理论（四） (5-3)

同神经科学的严肃哲学接触至少可以追溯到Patricia Churchland的Neurophilosophy (1986)。丘奇兰德成为了其主要的倡导者之一(Churchland, Koch, and Sejnowski 1990; Churchland and Sejnowski 1992)。Paul Churchland (1995, 2007)以及其他人(Eliasmith 2013; Eliasmith and Anderson 2003; Piccinini and Bahar 2013; Piccinini and Shagrir 2014)也加入到了她的行列中。所有这些学者都支持关于心灵计算的理论研究应该从大脑开始，而不是从图灵机或者其他来自于逻辑与计算机科学的不合适的工具开始。她们同样认为神经网络建模应该努力实现比联结主义模型通常所能达到的更高的生物学现实性。Chris Eliasmith (2013)通过神经工程框架(Neural Engineering Framework)来发展了这种神经计算的视角，这一框架使用了来自于控制论(control theory)(Brogan 1990)的工具来弥补计算神经科学的不足。他的目标是关于大脑的“逆向工程”，旨在为认知现象建立大规模的，生物学上合理的神经网络模型。

计算神经科学在一个核心层面上不同于CCTM与联结主义：它放弃了多重可实现性。计算神经科学家们援引的是具体的神经生理学性质与进程，所以他们的模型不能同样适用在，(比如说)一个足够不同的硅基生物上。因此，计算神经科学牺牲掉了最初吸引哲学家们加入到CTM中的关键特征。计算神经科学家将会回应说，鉴于这种牺牲提供的对神经生理学基础的洞察，那么这种牺牲就是值得的。但是许多计算主义者担心，过于关心神经学基础会导致我们为了神经元而丢失了关于认知的全局性视野。神经生理学细节是十分重要的，但难道我们不同样需要，悬置了这些细节的一个额外的抽象层面的计算描述吗？Gallistel and King (2009)认为，近视般地聚焦在我们当前对大脑的了解，导致了计算神经科学忽视掉了像导航、空间与时间学习等等核心认知现象。类似地，Edelman (2014)抱怨说，神经工程框架采用了大量神经生理学细节来代替了令大家满意的心理学解释。

部分地是为了回应这种担忧，一些学者提出了综合性的认知计算神经科学(cognitive computational neuroscience)，其将心理学理论同神经实现机制相连接(Naselaris et al. 2018; Kriegeskorte and Douglas 2018)。基本思路是用神经网络模型阐明，在大脑中心灵进程是如何被实例化的，从而将多重可实现的认知描述建立在神经生理学基础上。一个很好的例子是最近关于贝叶斯推断的神经实现的工作(例如Pouget et al. 2013; Orhan and Ma 2017; Aitchison and Lengyel 2016)。研究者们阐述了各种心灵进程的(多重可实现的)贝叶斯模型；他们搭建了生物学上合理的神经网络，其执行或近似的执行了被假定的贝叶斯计算；并评估了这些神经网络在多大程度上能够同神经生理学数据相契合。

尽管在联结主义与计算神经科学间存在着不同，但这两个运动都提出了许多相似的议题。特别是4.4节中与系统性与生产性的论证也将会以类似的形式出现。

5 Computation and representation

数学联邦政治世界观提示您：看后求收藏（同人小说网http://tongren.me），接着再看更方便。