心理科学进展 2004，12（2）：193~ 200 Advances in Psychological Science
类比推理的影响因素及脑生理基础研究* 唐慧琳
刘 昌
(南京师范大学心理学研究所，南京 210097)
摘
要 类比推理是不同于演绎，也不同于归纳的一种独立的推理形式。作为人类认知发展的中心能力之一，
类比推理已逐渐成为当代认知研究的一个活跃领域。研究表明类比推理不仅受顺序、因果结构、上下文连 贯性等项目特征的影响，并且与加工速度、工作记忆等其它认知能力有密切关系。有关类比推理的神经影 像研究则主要发现大脑左半球前部和后部区域的参与，似可进一步从脑生理水平表明类比推理与工作记忆 存在密切关系。 关键词 类比推理，加工速度，工作记忆。 分类号 B842.5
类比推理在人们认识和改造客观世界的活动中具有重要意义。它能触类旁通，启发思考， 不仅是解决日常生活中大量问题的基础，而且是进行科学研究和发明创造的有力工具，如同 Hofstadter 所说，类比推理是人类认知的核心[1]。自从 1977 年 Sternberg 从智力测验的角度 对命题类比进行研究以来，许多心理学家对类比推理的机制提出了不同的看法。尤其是近年 来，随着研究方法和技术的改进，有关类比推理的研究已经逐渐成为认知领域的一个热点， 并取得了一些有启发意义的研究成果。但是到目前为止，关于类比推理的研究仍然不成系统。 本文拟从类比推理的心理机制以及脑生理活动方面对类比推理的研究进展作一综述。
1 类比推理的含义及主要理论 类比推理是人的抽象逻辑思维的一种主要形式。从形式逻辑的角度来看，类比推理就是 根据两个（或两类）对象在某些属性上相同或相似，而且已知其中的一个（或一类）对象还 具有其他特定属性，从而推出另一个（或另一类）对象也具有该特定属性为结论的推理。它 的逻辑形式可以表示为：对象 A 具有属性 a、b、c、d；对象 B 具有属性 a、b、c；所以对 象 B 也具有属性 d。 基于逻辑定义，心理学家进而提出：类比推理是在理解成对事物间关系的相似性的基础 上作出关于事物、事件或概念的结论的推理。由此可见，不论形式逻辑还是心理学，都强调 类比推理的客观依据是客观事物的相似性。相似性是客观世界的一种普遍性，因此类比推理 不仅用于同类事物之间，也可以用于不同类的或不同发展阶段的事物之间。 类比推理是不同于演绎，也不同于归纳的一种独立的推理形式。理由有二：其一，在思
收稿日期：2003-07-10 * 全国博士学位论文作者专项资金资助项目 (批准号: 200006)。 通讯作者：刘昌，Tel: 025-83598886; E-mail: liuchang@pine.njnu.edu.cn
-194-
心理科学进展
2004 年
维运动的方向上，演绎推理是从一般到特殊，归纳推理是从特殊到一般，而类比推理则是从 特殊到特殊（或从个别到个别）；其二，在推理形式和要求上，演绎推理获得真实结论的条 件是前提真实和推理形式正确，归纳推理结论的可靠性程度完全建立在枚举事例的数量上， 而类比推理的结论是否可靠，主要是根据被类比的两个对象的相似属性的多少，相似属性愈 多，则结论愈可靠。 20 世纪 70 年代以来，认知心理学家从不同的角度提出了各种类比推理理论。其中，一 种研究取向是探讨类比推理的过程，如 Holyoak 的多重限制理论和 Markman 的高水平知觉 理论。另一种取向则是研究类比推理能力的发展，其代表性理论主要有 Piaget 的结构理论、 Sternberg 的成分理论和 Gentner 的结构映射理论。尽管这些理论的侧重点不同，但是有些观 点还是一致的：如类比推理的核心过程是发现两个心理表征结构间的对应性；儿童类比推理 发展受到某种因素的限制，并且是分阶段的；儿童类比推理发展的主要障碍是高级关系推理 能力的缺乏等。目前国内已有关于类比推理理论的初步介绍[2, 3]，本文在此不多涉及。
2 影响类比推理的一些因素 在类比研究中一个非常重要的论题就是要了解那些影响人们发现两个知识领域间对应 关系的因素，也就是那些能够使某一类比变得困难或容易的因素。根据现有的研究文献，这 些影响因素大致可以分为项目特征、加工速度和工作记忆三大类： 2.1 项目特征对类比推理的影响 2.1.1 顺序 如果由于领域中信息呈现的顺序而采取某一特定的类比解释，就出现了顺序效应。1994 年，Keane 等人通过属性—映射问题（如下表所示），最先证明了顺序效应的存在。 List A Bill
is
smart
Bill
is
tall
Tom is
timid
Tom is
tall
Steve
is
smart
List B Fido
is
hungry
Blackie
is
friendly
Blackie
is
frisky
Rover
is
hungry
Rover
is
friendly
在这个问题中，被试要说出 A 表中的哪些事物与 B 表中的哪些事物相对应（忽略单词 的意思），他们必须在两表中的所有个体和属性间发现一种一对一的映射。Keane 等人发现 句子呈现的顺序能够引导被试做出不同的解释。具体而言，如果表中的单句（某一属性只运 用于唯一一个个体的句子，即“Steve is smart”、“Fido is hungry”）都出现在第一的位置，那 么问题就会比它们出现在不同的位置（即“Steve is smart”出现在 A 表的最后位置， “Fido is hungry”出现在 B 表的第一位置）时要容易。然而，这些属性—映射问题包含的是属性而 不是关系，而且它们不具有任何高级的因果结构，因此一些研究者对顺序效应能否推广到其 它类比问题产生了怀疑。1997 年，Keane 等人[5]进一步对顺序效应进行了检验。他们在三个
第 12 卷第 2 期
类比推理的影响因素及脑生理基础研究
-195-
实验中分别运用了属性映射问题，关系映射问题和三角恋爱问题，结果都发现句子呈现顺序 会对类比推理产生影响，从而证明了顺序效应的存在。 2.1.2 因果结构 因果结构一直被看作在类比映射中起关键作用。良好的类比倾向于具有重要的因果结 构，这种结构可以聚集两个领域间许多一对一的对应。1997 年，Keane 等人[4]的实验研究揭 示了因果结构在类比中的作用。但结果也表明，因果结构并不必然促进类比映射。因果结构 的有利作用对于那些呈现在因果问题——回答背景中的主题映射问题是最为显著的。另外， Keane 等人的研究还发现了顺序与因果结构间存在交互作用，顺序效应只有在具有因果结构 的问题中才会出现。 2.1.3 上下文连贯性 Kubose 等人[5]认为类比推理受到上下文连贯性的引导。他们以大学生为被试，通过运 用语义贫乏的结构类比和语义丰富的故事类比对这一假设进行检验。结果揭示了一种群集效 应：如果将那些能共同提供强的结构限制的命题组合在一起，那么同时加工多个命题就会比 加工单个命题产生更为准确的映射。另外，实验结果也发现了映射和推理准确性中的不对称 性，即从某一较连贯的类比到连贯性较差的类比所产生的映射会比以相反方向进行的映射更 加准确。 2.1.4 主题相似性和例证相似性 1997 年，Gentner 等人[6]检验了不同类型的结构相似性对被试关于某一类比适合性进行 判断的影响，结果发现那些包含类似的高级主题关系和类似的物体间关系的故事被判断为是 比那些仅仅包含类似的孤立的物体间关系的故事更为正确的匹配。Wharton 等人[7]检验了主 题和情境相似性的作用。结果发现主题相似性和情境结构对应性能独立地提高被试对故事间 相似性的评定等级。Yanowitz
[8]
的实验研究也发现，被试认为那些包含相似主题的故事比
主题不相似的故事更加类似；具有相似例证的故事比具有不相似例证的故事更加类似。此外， 那些具有相似主题或主题不同但例证相似的故事会表现出更多的迁移。 2.1.5 与结构有关的和任意的信息迁移 2001 年，Yanowitz[9]研究了类比推理中两种信息的迁移。被试在实验中要阅读源故事和 目标故事。源故事中包含两个可以迁移到目标故事的额外的句子，其中一个句子与类比结构 相关，另一个句子则是任意的。结果表明被试会优先对与共同的类比结构有关的信息进行迁 移。 2.2 加工速度、工作记忆与类比推理的关系 随着类比推理研究的不断深入，研究者开始关注类比推理与其它认知能力的关系。由于 加工速度和工作记忆被认为是影响绝大多数认知活动的一般因素[10]，因此它们与类比推理 的关系尤为引人注目。 加工速度表征个体执行多种不同认知操作的快慢程度。它不仅是衡量心理能力的重要指 标，而且也是衡量个体心理发展水平的重要指标。为了解释年龄对认知能力的影响机制，
-196-
心理科学进展
2004 年
Salthouse 提出了加工速度理论[11]。该理论认为，加工速度是一个与年龄增长相关的关键性 的一般加工限制。作为年龄与认知能力之间的中介因子，加工速度通过两种不同的机制发生 作用：一是限时机制，指一项任务中相关认知的操作太慢，就不能在有限时间内顺利完成。 也就是说，如果早期操作占用了大部分可用的时间，那么后面的操作就会受到很大限制；二 是同时机制，指一项任务中相关操作的慢速加工将使较高水平加工同时所需的有用信息减 少。也就是说，如果加工速度较慢，那么早期加工的结果就可能在完成后面加工时已经丢失 或畸变。这两个机制的核心思想都是随着加工速度的减缓，加工信息的质量就要下降。据此， 研究者都认为加工速度会对推理等认知活动产生影响。例如，Salthouse[12]就提出，一般的反 应时因素（认知速度）与流体智力相关，它可以解释流体智力中大部分与年龄有关的差异。 这一观点已得到了大量实验研究的支持[13,14]。此外，加工速度还会对工作记忆产生影响。 Jensen[15]认为工作记忆是速度和智力之间相关的基础。也就是说，推理和问题解决需要运用 保持在工作记忆中的信息，但这些信息会由于衰退或干扰而丢失。因此，加工速度越快，就 越有可能使推理在所需要的信息失去前得以完成。Cowan[16]进一步提出加工速度至少能以两 种方式减少衰退和干扰对工作记忆的影响：一种方式是在语音领域中，发音速度越快，复述 速度越快；另一种方式则是记忆搜索速度的提高。实验研究表明，工作记忆成绩存在与年龄 有关的下降，而对加工速度测量进行统计控制后可明显减少工作记忆测量中与年龄有关的变 异[ 11]。例如，1991 年，Salthouse 等人[17]通过两项研究检验了工作记忆功能中与年龄有关的 下降。结果发现年龄与工作记忆之间存在负相关，但是当对加工效率、储存容量等因素进行 统计控制后，这种相关降低了，尤其在对简单加工速度加以控制后效果最为显著。 工作记忆是 Baddeley 等人在模拟短时记忆障碍的实验基础上提出的一个模型，主要用 来描述暂时的信息加工与存储机制。该模型认为工作记忆由三个部分组成，即视觉空间模板、 语音回路和中央执行系统。2001 年，Baddeley[18]在原有工作记忆模型的基础上又提出第四 个子成分，即“情节缓冲器”，这是从中央执行系统中分离出来的一部分，它通过运用不同 的代码在各系统间提供一个容量有限的界面，从而将来自子系统及长时记忆中的信息整合起 来。由于工作记忆被看作一个容量有限的系统，因此它与许多认知活动，尤其是复杂的任务， 如推理有关。1992 年，Just 和 Carpenter[19]提出，由于保持在记忆中的信息量会限制推理能 力，因此工作记忆容量越大，推理越好。为了验证这一假设，研究者进行了许多研究。他们 主要采取两种实验范式：一是“双重任务”，即被试在进行推理的同时要完成一项可以干扰 工作记忆不同成分的任务，如发音抑制、敲击、随机生成等。这可以考察工作记忆不同成分 对推理的影响；二是对工作记忆能力和推理能力分别进行测量，然后求两者的相关。这主要 考察总的工作记忆容量与推理之间的关系。不管采取哪种实验范式，都有大量研究证明：工 作记忆在解决推理问题中起重要作用[10,20]。例如，1990 年 Kyllonen 和 Christal[21]对部队新兵 的推理能力和工作记忆容量之间的关系进行了四项研究，结果表明两者存在一致的高度相 关。2002 年，Primi[22]的研究又进一步发现流体智力与工作记忆中的中央执行功能存在密切 联系。
第 12 卷第 2 期
类比推理的影响因素及脑生理基础研究
-197-
加工速度与推理以及工作记忆与推理之间存在显著相关,已得到大量研究证据的支持。 近年来，一些研究者开始进一步探讨三者间的关系。1991 年，Salthouse[23]对 672 名 20~84 岁的成人被试进行了三项研究以评价工作记忆和知觉比较速度在造成认知功能个别差异中 的相对作用。结果发现对工作记忆和知觉比较速度进行统计控制后，与年龄有关的认知差异 大为减小。因此他认为在认知的流体方面许多年龄差异是受到工作记忆中与年龄有关的降低 的调节，而这种降低又主要受到执行简单加工操作速度的与年龄有关的调节。1996 年，Tucker 和 Warr[24]对一项复杂任务完成中的个体差异进行了实验研究。他们对被试的流体智力、基 本认知成分（加工速度和工作记忆）、认知风格（计划性，复杂性等）进行了测量。结果表 明流体智力与速度测量之间的相关比它与任务完成准确性之间的相关更为密切，加工速度和 工作记忆都能作为预测复杂任务成绩的指标，而认知风格这一变量并不能提高智力和基本认 知成分的预测力。1996 年，Fry 和 Hale[25] 对 7 到 19 岁被试的加工速度、工作记忆和流体智 力进行了测量，通过建立结构方程模型发现：加工速度越快，工作记忆容量越大，流体智力 测验的得分也越高。而且当对速度、工作记忆和流体智力中的与年龄有关的差异加以统计控 制后，加工速度中的个体差异仍然会对工作记忆容量有直接影响，而这反过来又会直接决定 流体智力的个体差异。因此，加工速度和工作记忆中的个体差异和发展差异对高级认知能力 起主要作用
[26]
。2002 年，Conway 等人[14]对 120 名健康的年青成人的短时记忆容量、工作
记忆容量、加工速度和流体智力分别进行了多项测量，通过建立结构方程模型，发现相对于 短时记忆容量和加工速度而言，工作记忆容量是对一般流体智力的最好的预测指标。 然而必须指出的是：就目前可查阅的文献而言，关于加工速度、工作记忆和推理关系的 研究大多限于演绎推理，如范畴三段论推理、线形三段论推理、条件推理等，而对类比推理 的研究则较之甚少，仅有的几项研究也是在流体智力测量中涉及到了类比推理。不过，由于 类比推理能力是流体智力的一个主要因素，因此关于加工速度与类比推理、工作记忆与类比 推理以及三者之间的关系可以根据上述研究结果间接推断出来。
3 类比推理的脑生理基础研究 随着正电子发射断层扫描(PET)、功能磁共振成像(fMRI)等功能神经影像技术的出现， 研究者开始探讨类比推理时的脑活动机制问题。由于类比推理是大脑的一种高级思维活动， 到目前为止，这方面的研究仍很少。1997 年 Parbhakaran 等人[27]运用 fMRI 对瑞文推理所作 的研究可算是一个比较正式的研究。由于瑞文推理测验所采用的一些题目在形式上与类比推 理十分类似，该研究从某种意义上有助于了解类比推理时的脑区活动情况。Parbhakaran 等 对瑞文推理测验中的问题进行了区分：第一种问题是通过完全匹配就可以得到解决；第二种 问题需要进行简单的视空间图形分析；第三种问题则需要通过复杂的抽象的推理过程才能得 以解决。FMRI 研究表明，相对于图形问题解决，被试在完成抽象问题时表现出双侧额叶皮 质（布罗德曼 9、46 区） 、左半球颞叶、顶叶（布罗德曼 7、40 区）、及枕叶区域的显著激活。 Parbhakaran 等认为，额叶 9 区和 46 区的激活可能与瑞文推理时各加工环节的调控、形成答 案有关，而顶叶 7 区和 40 区的激活可能与瑞文推理时图形空间关系的表征有关。值得一提
-198-
心理科学进展
2004 年
的是，1994 年 Gur 等人[28]提出左脑角回可能是进行类比推理的主要部位，Gur 等的研究观 察到进行类比推理时左脑顶叶下部皮质角回区的脑血流有极明显的增加。 理论上讲，演绎推理包括许多与类比推理相同的结构映射过程[29]。类比推理是通过将 两个单独的心理表征映射在一起而产生的，而演绎推理也需要将某一问题的表征映射到一个 适当的基本图式中。由于两者都在某种程度上包括抽象的映射过程，因此可以借助演绎推理 的认知神经科学研究来进一步了解类比推理的神经基础。神经影像研究表明大脑左半球负责 形式逻辑运算。有关演绎推理的正电子发射断层扫描 (PET) 研究揭示了左脑额叶皮质所起 的重要作用。例如，在 Goel 等人[30]进行的一项研究中，部分被试要完成几种演绎推理，部 分被试要对这些问题中的句子进行语义判断，同时用 PET 对他们脑部进行扫描。结果发现， 相对于语义判断条件，那些进行演绎推理的被试表现出左半球中额叶皮质（布罗德曼 45、 46 和 47 区） 、颞叶皮质（布罗德曼 21、22 和 37 区）以及前扣带皮质（布罗德曼 32、24 区） 的激活。此外，来自临床研究的证据也支持左半球在形式推理中的作用。例如 Golding[31]发 现那些右半球脑病变的患者（其左半球活动加强）在进行 Watson 选择任务中的表现要优于 那些左半球脑病变或非大脑的脑病变患者。 从上述有关瑞文推理和演绎推理的研究结果似可推测，大脑左半球的前部和后部皮质区 可能在类比推理中起重要作用。这一推测得到了 Wharton 等[32]研究的证实。Wharton 等人运 用 PET 对 12 名正常的、智力较高的成人进行了实验研究。给被试呈现一张由有色的几何图 形组成的源图片，短暂的延迟之后，再呈现一张由有色的几何图形组成的目标图片。被试要 判断每个源——目标图对是类似的（类比条件），还是完全相同的（同一条件）。其中，类似 的图片并不具有相同的几何图形，但是具有相同的抽象视空间关系系统。相对于同一条件下 的判断而言，类比推理不仅激活了背内侧(dorsomedial)额叶皮质，而且也激活了左半球中的 额叶皮质、顶叶皮质以及枕叶上部皮质，表明大脑左半球的前部和后部皮质区也在类比推理 中发挥了重要作用。 虽然如此，从理论上看，由于类比推理是不同于演绎，也不同于归纳的一种独立的推理 形式，参与类比推理的脑活动区似应该存在与演绎推理有所不同的特异性脑区，但现有研究 尚未揭示出这种脑区。要揭示这种特异性脑区有待于更完善的实验设计。此外，将类比推理 所激活的脑区与工作记忆所激活的脑区（可参见文献[33]）进行比较可以发现二者间有相当 大的重叠。这似可进一步从脑生理水平表明类比推理与工作记忆存在密切关系。
4 结语 对类比推理的研究有可能为揭示人类的创造性心理过程提供基础，因此，类比推理已逐 渐成为当代认知研究的一个活跃领域。关于类比推理的心理机制的研究虽然还存在许多争 议，但仍取得了丰富的成果。研究表明，类比推理的核心过程是发现两个心理表征结构间的 对应性，类比推理不仅受顺序、因果结构、上下文连贯性、主题相似性等因素的影响，并且 与加工速度、工作记忆等其它认知能力有密切关系。目前关于类比推理的脑机制研究仍处于 起步阶段，初步研究发现类比推理主要受大脑左半球前部和后部区域的调节。今后的研究要
第 12 卷第 2 期
类比推理的影响因素及脑生理基础研究
-199-
从行为、心理和生理等多种水平进行综合探讨，以期进一步加深对类比推理的认识和理解。 参考文献 [1] Gentner D, Holyoak K J, Kokinov B N. The analogical mind: perspectives from cognitive science. London: The MIT Press, 2001: 499~538 [2] 张向葵, 张雪琴, 高琨 等. 类比推理研究综述. 心理科学, 2000, 23(6): 725-728 [3] 冯廷勇, 李红. 类比推理发展理论述评. 西南师范大学学报(人文社会科学版), 2002, 28(4): 44~47 [4] Keane M T. What makes an analogy difficult? The effects of order and causal structure on analogical mapping. Journal of Experimental Psychology: Learning,Memory,and Cognition, 1997, 23(4): 946~967 [5] Kubose T T, Holyoak K J, Hummel J E. The role of textual coherence in incremental analogical mapping. Journal of Memory & Language, 2002, 47(3): 407~435 [6] Gentner D, Markman A B. Structure mapping in analogy and similarity. American Psychologist, 1997, 52: 45~56 [7] Wharton C M, Holyoak K J, Lange T E. Remote analogical reminding. Memory & Cognition, 1996, 24: 629~643 [8] Yanowitz K L. The effects of similarity of theme and instantiation in analogical reasoning. American Journal of Psychology, 2001, 114(4): 547~567 [9] Yanowitz K L. Transfer of structure-related and arbitrary information in analogical reasoning. The Psychological Record, 2001, 51: 357~379 [10] Süβ H M, Oberauer K, Wittmann W W, et al. Working-memory capacity explains reasoning ability—and a little bit more. Intelligence, 2002, 30: 261~288 [11] Salthouse T A. The processing speed theory of adult age differences in cognition. Psychological Review, 1996, 103(3): 403~428 [12] Salthouse T A. Speed mediation of adult age differences in cognition. Developmental Psychology, 1993, 29: 722~738 [13] Bors D A, Forrin B. Age, speed of information processing, recall, and fluid intelligence. Intelligence, 1995, 20: 229~248 [14] Conway A R A, Cowan N, Bunting M F, et al. A latent variable analysis of working memory capacity, short-term memory capacity, processing speed, and general fluid intelligence. Intelligence, 2002, 30: 163~183 [15] Jensen A R. Why is reaction time correlated with psychometric g? Curr. Directions Pshcho. Sci, 1993, 2: 53~56 [16] Conwan N, Wood N L, Wood P K, et al. Two separate verbal processing rates contributing to short-term memory span. Journal of Experimental Psychology: General, 1998, 127: 141~160 [17] Salthouse T A. Decomposing adult age difference in working memory. Developmental Psychology, 1991, 27(5): 763~777 [18] Baddeley A D. Is working memory still working? American Psychologist, 2001, 56(11): 851~864 [10] Just M A, Carpenter P A. A capacity theory of comprehension: individual differences in working memory. Psychological Review, 1992, 99: 122~149 [20] Engle R W, Tuholski S W, Laughlin J E, et al. Working memory, short-term memory and general fluid intelligence: a latent variable approach. Journal of Experimental Psychology: General, 1999, 128: 309~331 [21] Kyllonen P C, Christal R E. Reasoning ability is ( little more than ) working-memory capacity?! Intelligence, 1990, 14: 389~433 [22] Primi R. Complexity of geometric inductive reasoning tasks: Contribution to the understanding of fluid intelligence. Intelligence, 2002, 30(1): 41~70 [23] Salthouse T A. Mediation of adult age differences in cognition by reductions in working memory and speed of processing. Psychological Science, 1991, 2(3): 179~183 [24] Tucker P, Warr P. Intelligence, elementary coginitive components, and cognitive styles as predictors of complex task performance. Personality and individual differences, 1996, 21(1): 91~102
-200-
心理科学进展
2004 年
[25] Fry A F, Hale S. Processing speed, working memory, and fluid intelligence: evidence for a developmental cascade. Psychological Science, 1996, 7: 237~241 [26] Kail R. Speed of information processing: Developmental change and links to intelligence. Journal of School Psychology, 2000, 38(1): 51~61 [27] Prabhakaran V, Jennifer A L, Smith J E, et al. Neural substrates of fluid reasoning: an fMRI study of neocortical activation during performance of the Raven’s Progressive Matrices Test. Cognitive Psychology, 1997, 33: 43~63 [28] Gur R C, Ragland J D, Resnick S M, et al. Lateralized increases in cerebral blood flow during performance of verbal spatial tasks: Relationship with performance level. Brain and Cognition, 1994, 24: 244~258 [29] Halford G S. Analogical reasoning and conceptual complexity in cognitive development. Human Development, 1992, 35: 193~217 [30] Goel V, Gold B, Kapur S, et al. Neuroanatomical correlates of human reasoning. Journal of Cognitive Neuroscience, 1998, 10(3): 293~302 [31] Golding E. The effect of unilateral brain lesion on reasoning. Cortex, 1981, 17: 31~40 [32] Wharton C M, Grafman J, Flitman S S, et al. Toward neuroanatomical models of analogy: A positron emission tomography study of analogical reasoning. Cognitive Psychology, 2000, 40: 173~197 [33] 刘昌. 人类工作记忆的某些神经影像研究. 心理学报, 2002, 34(6): 634~642
Some Behavioral and Functional Neuroimaging Studies on Analogical Reasoning Tang Huilin, Liu Chang (Institute of Psychology, Nanjing Normal University, Nanjing 210097 )
Abstract: As one of central abilities in human cognitive development, analogical reasoning, which is different from deductive and inductive reasoning, has become an active field to study in current researching on human cognition. It was Indicated that analogical reasoning is not only affected by some characteristics of items, such as order, causal structure, contextual coherence et al, but also associated with other cognitive abilities, such as processing speed and working memory. The relationship between analogical reasoning and working memory is also revealed by functional neuroimaging, which indicated that the anterior and posterior regions of left hemisphere of human brain is involved in analogical reasoning. Key words: analogical reasoning, processing speed, working memory.
-212-
心理科学进展
2004 年
3 感情计算机的研发现状 尽管感情计算的概念提出来的时间很短，但已受到学术界的日益关注和企业界的迅速反 应。英国电信公司（British Telecom）已成立了专门的感情计算研究小组。IBM 业已开发出 所谓的“情绪鼠标(Emotion Mouse)”[14]。学术界的工作主要发源于 MIT 的媒体实验室，目 前的工作侧重于有关感情信号的获取（如各类传感器的研制）与识别。与此同时，许多日本 学者近几年来热衷的所谓“感性信息处理(Kansei Information Processing)”与感情计算似乎有 异曲同工之妙[15]。 自 1996 年起，MIT 大学的研究人员就开始从事通过监测人体动作“读取”一个人心情 的研究。这个被命名为“感情计算课题组”的学术研究小组负责人 Picard 教授说： “虽然研 究成果还是初步的，但已显示出令人兴奋的应用前景[16]。”研究人员正在研制这样的计算机 系统：它可利用与使用者身体相连的生物韵律传感器和记录面部表情的小型摄像机观察人的 表情变化。为了让电脑能够表现出人的各种喜怒哀乐的表情，著名情绪心理学家 P.Ekman 教授及其同事参与了大量具体研发工作，开发了面部行为编码系统[17]。他们定义了 44 种基 本的人类面部表情运动，诸如舒展眉毛、扬眉吐气、眉开眼笑、哈哈大笑、紧皱双眉、愁眉 苦脸、痛哭流涕、怒不可遏等。计算机专家运用这 44 种面部表情运动的规律，研制出控制 电脑人脸表情运动的表情芯片，由芯片根据不同的情况具体控制电脑人脸的表情，使电脑人 脸在不同的环境、不同的情况下呈现出不同的表情。不过，美中不足的是，目前计算机还仅 限于能够识别特别夸张的表情，如大笑、大怒、大哭、大惊等，还无法识别淡淡的表情，如 微笑、微嗔、啜泣、暗暗吃惊等，更不用说人类的各种复合情绪了。因此，麻省理工学院的 Picard 教授和她的同事们正在试图利用其他的感情生理反应指标，如呼吸、心律、体温、血 压、毛细血管的扩张等，让计算机根据这些数据的变化来推断人的感情变化[18]。 特别值得注意的是近几年来国际上兴起的与感情计算有密切关系的另一个新的学术方 向——可穿戴式计算机(Wearable Computers)的研究。穿戴式计算机是移动计算技术和计算机 个性化相结合的产物。根据个人需求设计特定的硬件功能。在软件方面则需要包含感情计算， 以使计算机系统可以按照个人偏好的方式进行信息处理、通讯与控制。这类个性化计算机不 仅为接触式感情信息的获取提供了极大的方便，也为感情计算提供了一个极好的平台。有理 由相信，可穿戴式计算机的发展必将推动感情计算的研究；同样，没有情绪智力的研究，可 穿戴式计算机很难达到高度智能化。 可以预言，人工智能中的感情计算与人类情绪智力结合产生的科学突破将对我们人类生 活质量产生重大影响。
4 结束语 感情计算是一个多学科交叉的崭新的研究领域。它包括传感器技术、计算机科学、认知 科学、心理学、行为学、生理学、医学、哲学、社会学等等。感情计算的最终目标是赋予计 算机类似于人一样，并能够被人所控制的情感能力。要达到这个目标，有许多基本科学问题 有待解决，并具有很大的难度。另一方面，新世纪的人类对自身的研究将成为科学探索的重
第 12 卷第 2 期
浅谈情绪智力与人工智能中的情感计算
-213-
点。与情绪智力密切相关的认知、情绪、感情、动机、意志等作为人们心理活动的主要内容 之一，仍存在许多待解之谜。 人工智能在其逻辑运算许多方面，如记忆、模式识别，的确比人类强得多，电脑的运算 速度也快上千万倍，但与真正的人类智力是无法比拟的。今天具有最高级功能的计算机的智 能充其量只具备一些较为简单的“纯”认知能力和没有“人性”的简单感情计算能力。严格 地讲，电脑只能执行特定的指令，而人脑则是处理所有感受到的信息。所谓“特定的指令” 是指电脑程序可接受的或可执行的外部输入。这并不是否认电脑具有处理信息的能力，这里 说的电脑处理信息与人脑处理信息是不同的概念。电脑的软硬件都不是自发进化而成的。电 脑程序是人根据自然规律、法则和社会经验的归纳总结由人编制的。人们在工作、生活和其 他社会活动中不断面临大量新的情况和需要探索解决的新问题，而无法使用现有程序来解决 或不知道该用哪个程序来解决，处理这些问题才需要真正的智能。 感情计算对计算机科学发展的意义是深远的。可以认为，感情计算是在人工智能理论框 架下的一个质的进步。因为从广度上讲它扩展并包容了感情智能，从深度上讲感情智能在人 类智能思维与反应中体现了一种更高层次的智能。感情计算必将为计算机的未来应用展现一 种全新的方向。 目前的人工智能只能说是机器智能，而不是生命智能。人工智能从“纯”认知作为切入 点，虽然使人类的生活发生了天翻地覆的变化，但距人类真正地智能还非常遥远。人工智能 的感情计算才刚刚开始，或者说人工智能科学家才刚刚认识到感情能力在人工智能领域的重 要性。因为哪怕是人类很低级的智能也要涉及到认知、情感、动机、意志；认知与情绪、情 感的相互作用；认知、情绪、情感与环境的关系等等。因此，人类的感情智力与计算机的感 情计算能力有着本质的区别。虽然现在心理学家在人类情绪智力方面的研究成果还不能完全 在计算机上实现，但它可为研发更高级的感情计算机提供理论依据和实践指导。 参考文献 [1] Lewis M, Haviland-Jones J. Handbook of Emotion. 2nd ed. New York：Guilford Press,2000.505~520 [2] Cacioppo J T, Berntson G G, Adolphs R, et al. Foundations in social neuroscience. Cambridge,MA: MIT Press, 2002. 211~236 [3] Sternberg R J. Measuring the Intelligence of an Idea: How Intelligent is the idea of Emotional Intelligence? In: Ciarrochi J, Forgas J P,Mayer J D eds. Emotional Intelligence in everyday life. Philadelphia:Psychology Press, 2001. 187~193 [4] Bar-On R, Parker J D A. Handbook of Emotional Intelligence. San Francisco:Jossey-Bass, 2000. 363~386 [5] Ciarrochi J, Forgas J P J, Mayer J D. Emotional intelligence in everyday life. Philadelphia: Psychology Press, 2001 [6] Picard R W. Affective Computing.Cambridge, MA: MIT Press, 1997. 6~9 [7] Mayer J D, Salovey P, Caruso D R, et al. Emotional intelligence as a standard intelligence: A Reply. Emotion, 2001. 232~242 [8] GolemanＤ著. 耿文秀，查波译.情感智力.上海：上海科学技术出版社，1997. 47~48 [9] Bar-On R.Emotional Quotient Inventory（EQ-i）: Technical Manual. Toronto: Multi- Health Systems,1997. 21~23 [10] Minsky M. The Society of Mind. New York: Simon & Schuster, 1985. 7~15 [11] 邵斌.让情感注入计算机.大众科技报（电子版），2001－09－23
-214-
心理科学进展
2004 年
[12] Epstein, Jeffrey H. Computers with emotions.The Futurist, 1998, 32(3): 12 [13] Barnes A, Thagard P. Proceedings of the Eighteenth Annual Conference of the Cognitive Science Society. Erlbaum,1996.426~429 [14] Andrews P.Affective computing:Knowing how you feel,Executive Tek Report.IBM Global Services.August 30,2001 [15] Akamatsu S. Science and Technology in Human Information Processing ¾ Computational Studies on KANSEI Information Conveyed by Human Face. ATR Technical Publications, 1997, 2: 239~242 [16] 刘林森.理解人性的计算机.大众科技报（电子版），2001-07-29 [17] Ekman P. Facial expressions. In: Dalgleish T, Power T eds. The Handbook of Cognition and Emotion. Sussex. UK: John Wiley & Sons, Ltd, 1999. 301~320 [18] Picard R W. Frustrating the user on purpose:a step toward building an affective computer .Interacting with Computers, 2002, 14（2）: 93~118
Discussing the Relations Between Emotional Intelligence and Affective Computing in Artificial Intelligence Simply Xu Yuanli, Guo Dejun (Department of Psychology, Capital Normal University, Beijing 100037)
Abstract: Emotional intelligence is the ability which processes emotion and emotional information, and affective computing in artificial intelligence is to make the computer possess the ability of processing affective information between man-machine interacting, it can draw an analogy between the computer and the brain in processing emotional information. In the last few years, artificial intelligence experts have already been cognizant of the important function and meaning of emotional intelligence in affective computing, the computer has been possessed to identify and express affective ability, and the computer have been developed with inferior affective ability. The development and application of senior affective computer will depend on the close collaboration between artificial intelligence experts and psychologists, both their achievements can be used for reference and complementary each other. Key words: emotional intelligence, affective computing, artificial intelligence, relation.