【摘要】認(rèn)知域不是一個界定明確的學(xué)術(shù)概念，而是圍繞人類認(rèn)知探索而形成的多學(xué)科領(lǐng)域?；诙鄬W(xué)科探索實踐的交集，我們認(rèn)為，認(rèn)知域的焦點集中在信息獲取、信息加工、認(rèn)知形成和認(rèn)知影響等四個相互關(guān)聯(lián)的領(lǐng)域。歷史與現(xiàn)實的實踐形成了兩個極值：面向熟悉場景的習(xí)以為常的模式化認(rèn)知和面向陌生場景的心隨境轉(zhuǎn)的非模式化認(rèn)知。以連接泛在為前提，以人工智能為代表的數(shù)字技術(shù)，一方面帶來了社會的快速變化，推動認(rèn)知場景向始終陌生化的方向發(fā)展，使非模式化認(rèn)知成為常態(tài)；另一方面又與認(rèn)知科學(xué)快速互動，產(chǎn)生了與人類認(rèn)知互生的機器智能，既給增強人類認(rèn)知提供了支撐，又給干預(yù)人類認(rèn)知提供了機會，直接帶來了人類認(rèn)知獨立性的失效，使以認(rèn)知影響為目標(biāo)的認(rèn)知域成為科學(xué)競爭的最前沿、大國博弈的新舞臺。

【關(guān)鍵詞】認(rèn)知域 模式化認(rèn)知 人機互生

【中圖分類號】R318/TP18 【文獻標(biāo)識碼】A

【DOI】10.16619/j.cnki.rmltxsqy.2023.11.002

【作者簡介】邱澤奇，北京大學(xué)博雅特聘教授，北京大學(xué)中國社會與發(fā)展研究中心主任、數(shù)字治理研究中心主任，教育部“長江學(xué)者獎勵計劃”特聘教授。研究方向為數(shù)字社會發(fā)展與治理。主要著作有《邊區(qū)企業(yè)的發(fā)展歷程：國有大企業(yè)和企業(yè)型城市的集體企業(yè)》《社會學(xué)是什么？》《中國人的習(xí)慣》《費孝通與江村》《技術(shù)與組織：學(xué)科脈絡(luò)與文獻》等。

數(shù)字技術(shù)一方面把人類帶入了一個高度互連時代，為人類的認(rèn)知建構(gòu)著一個又一個從未有過的陌生場景；另一方面，機器智能在人類互連中的角色越來越凸顯，對人類認(rèn)知的影響與日俱增。在一些領(lǐng)域，以生成式人工智能（AIGC，如ChatGPT）為代表的大模型機器智能已然成為人類認(rèn)知的關(guān)鍵中介，且在朝向與人類主體并列的智能體方向發(fā)展，將傳統(tǒng)的“人-人”互連的認(rèn)知轉(zhuǎn)化為“人-機-人”互生的認(rèn)知。

機器智能對人類的影響是廣泛且深刻的，從學(xué)習(xí)到工作，從生產(chǎn)到生活，從社交到健康，正快速地滲透進人類從生物屬性到社會屬性的方方面面。在認(rèn)知域，這一滲透的趨勢可以被歸納為從支持性滲透向主導(dǎo)性滲透的擴散與涌現(xiàn)。支持性滲透指機器智能對人類感官和肢體能力局限的突破與延伸。從技術(shù)誕生之日，技術(shù)就在發(fā)展中不斷形成了對人類能力的支持，如體力、有規(guī)律的行動、有證據(jù)的推演，等等（Clark, 2001）。不過，在機器智能誕生之前，主導(dǎo)人類認(rèn)知的力量還局限在人類關(guān)系中。如，在認(rèn)識自然與人類自身進程中，從觀念爭論轉(zhuǎn)向?qū)κ聦嵉恼J(rèn)定，實現(xiàn)了科學(xué)對宗教的替代；在約束人類行動中，從暴力征服轉(zhuǎn)向?qū)硇缘墓沧R，實現(xiàn)了法律對存有沖突的習(xí)俗和文化的替代等。機器智能對認(rèn)知的滲透意味著技術(shù)對人類影響的本質(zhì)改變，從感知和肢體延伸的工具性領(lǐng)域進入到思考與意識干預(yù)的認(rèn)知領(lǐng)域。機器智能盡管尚未對人類認(rèn)知構(gòu)成整體替代，卻已在諸多領(lǐng)域影響了人類感知、記憶、思維、語言、想象等乃至認(rèn)知整體活動，讓處于隱匿狀態(tài)的認(rèn)知域快速浮出水面，成為新技術(shù)競爭的最前沿，也成為大國博弈的新舞臺。

本文試圖從理解認(rèn)知域的多學(xué)科視角入手，通過刻畫認(rèn)知域?qū)嵺`的兩個極值，在整體上理解認(rèn)知域；梳理認(rèn)知域問題形成的歷史脈絡(luò)，分析因認(rèn)知域問題凸顯而帶來的挑戰(zhàn)，為進一步探討和分析認(rèn)知域的理論和實踐提供知識脈絡(luò)和認(rèn)知前提。

理解認(rèn)知域的多學(xué)科視角

作為概念，“認(rèn)知域”盡管在學(xué)術(shù)文獻中已有使用，可在不同文獻中，運用的術(shù)語不同，含義也不一致。人們通常認(rèn)為，認(rèn)知域是人類感知、思維、想象等認(rèn)知活動的總稱。可是在學(xué)術(shù)界，認(rèn)知域關(guān)聯(lián)的指稱實在太過寬泛與粗略，不同學(xué)科界定的內(nèi)涵與外延差異極大，在諸多方面尚未形成共識。此外，認(rèn)知域也不是一個焦點明確的研究主題。更多的情形是，在某個學(xué)科討論專門主題時涉及到認(rèn)知關(guān)聯(lián)的議題，且用認(rèn)知域來做輔助說明。這一情形不僅發(fā)生在學(xué)術(shù)界，也出現(xiàn)在運用認(rèn)知域的實踐領(lǐng)域。

在學(xué)術(shù)領(lǐng)域，科學(xué)哲學(xué)的認(rèn)知域指稱科學(xué)認(rèn)知活動整體，如，邦格（Mario Bunge）提出的認(rèn)知域（epistemic field）是各種獲取知識活動的總稱。邦格認(rèn)為，認(rèn)知域由從事認(rèn)知活動的人與社群、認(rèn)知主體的整體哲學(xué)觀、特定的論域及問題域、原有知識儲備、使用的邏輯或數(shù)學(xué)工具等要素組成，當(dāng)這些要素滿足一定條件時，可以稱之為科學(xué)的認(rèn)知域（Bunge, 1983）。邦格的認(rèn)知域?qū)嶋H是認(rèn)識論，關(guān)心的是人們?nèi)绾潍@得知識、如何獲得科學(xué)知識、如何區(qū)分科學(xué)與偽科學(xué)等問題。借此我們也可以了解，盡管認(rèn)知域是許多英文術(shù)語常見的中文對譯，可是，術(shù)語原文的意涵與中文認(rèn)知域的意涵之間會有細微乃至較大的差異。對邦格的認(rèn)知域而言，或許用“認(rèn)識域”對譯更加準(zhǔn)確。

認(rèn)知語言學(xué)的認(rèn)知域（cognitive domain）則是人們理解語意的認(rèn)知框架，是信息加工的部分環(huán)節(jié)。認(rèn)知語言學(xué)認(rèn)為，語言是通過概念來理解的，每個語義單元都在具體的認(rèn)知框架中獲得意義。蘭加克（Ronald W. Langacker）指出，認(rèn)知域是語言在人們頭腦中喚起的相互關(guān)聯(lián)、高度組織化的概念系統(tǒng)（Langacker, 1987），對我們討論的認(rèn)知域而言，是典型的信息加工的部分環(huán)節(jié)?？墒?，蘭加克認(rèn)為，對某一語義的理解和表達往往涉及多個認(rèn)知域，有些認(rèn)知域來自于普遍經(jīng)驗（比如時間、空間、溫度、顏色等），有些則來自特定社會、文化甚至個人的經(jīng)驗（比如婚姻、貿(mào)易、政治等）。此時的認(rèn)知域則更像是我們后面要討論的模式化認(rèn)知實踐。

教育學(xué)的認(rèn)知域（cognitive domain）更多指認(rèn)知技能，也是信息加工的部分環(huán)節(jié)。布魯姆（Benjamin Bloom）在1956年提出的教學(xué)目標(biāo)分類法（Bloom's Taxonomy）將教學(xué)目標(biāo)劃為認(rèn)知、情感和動作等三個領(lǐng)域（Bloom et al., 1956）。他的認(rèn)知域涵蓋的是處理客觀事實和信息的主要技能，包括記憶、理解、應(yīng)用、分析、評價、創(chuàng)造等六個層次。在布魯姆之前，對青少年認(rèn)知發(fā)展的研究已經(jīng)基本框定了教育學(xué)的認(rèn)知域關(guān)注，如皮亞杰（Jean Piaget）的一系列工作強調(diào)教育活動與認(rèn)知發(fā)展的關(guān)系，關(guān)注的也是認(rèn)知過程與認(rèn)知技能（讓·皮亞杰，2009）。

認(rèn)知心理學(xué)的認(rèn)知域（cognitive studies）聚焦于認(rèn)知的心理、信息處理以及思維等過程與行為的關(guān)聯(lián)。如果排除心理過程，認(rèn)知心理學(xué)的關(guān)注既涉及信息加工，還關(guān)涉認(rèn)識形成與認(rèn)知影響。在學(xué)科史意義上，認(rèn)知心理學(xué)是對行為主義進行反思的產(chǎn)物，也是把認(rèn)知作為專門領(lǐng)域推向?qū)W術(shù)前沿的一場學(xué)術(shù)運動。以奈瑟（Ulric Neisser）的《認(rèn)知心理學(xué)》出版為標(biāo)志，認(rèn)知心理學(xué)不僅在學(xué)術(shù)競爭中大獲成功，也真正奠定了心理學(xué)在認(rèn)知科學(xué)領(lǐng)域的基礎(chǔ)地位。隨后，記憶（如George Miller, 1956）、學(xué)習(xí)（如Jerome Brune, 1960）、語言（如Noam Chomsky, 1965）等因素作為認(rèn)知域的重要變量被納入考量之中，也把對認(rèn)知的研究推入了學(xué)術(shù)主流，促進了認(rèn)知科學(xué)的出現(xiàn)。

不過，在認(rèn)知科學(xué)中，認(rèn)知域（the field of cognition）是一個整體領(lǐng)域，指稱多學(xué)科的認(rèn)知科學(xué)（cognitive sciences）的研究范圍。認(rèn)知科學(xué)傾向于將認(rèn)知域視為遵循某些程序和規(guī)律的計算系統(tǒng)，是致力于探索人類獲取、存儲、交換、加工、利用、再生產(chǎn)信息的內(nèi)在機制，研究人類的知覺、注意力、記憶、語言、思維、決策等意識活動，進而揭示人類認(rèn)知、擬合人類認(rèn)知、再造人類認(rèn)知的多學(xué)科集合，如神經(jīng)科學(xué)、認(rèn)知心理學(xué)、自然語言學(xué)、人工智能等。

歸納起來，在學(xué)術(shù)領(lǐng)域，一部分研究將認(rèn)知域作為自變量，探討認(rèn)知域?qū)ζ渌F(xiàn)象的影響，如作為信息加工的語言習(xí)得和技能學(xué)習(xí)，以及作為認(rèn)知形成和認(rèn)知影響的知識生產(chǎn)等對其他因素如人的行動的影響；另一部分則將認(rèn)知域作為因變量，探討認(rèn)知的生物過程、心理過程、社會過程等。需要注意的是，盡管認(rèn)知科學(xué)把認(rèn)知域推上了學(xué)術(shù)前臺，可對認(rèn)知域的多學(xué)科歧義也說明，學(xué)術(shù)界對認(rèn)知科學(xué)相關(guān)領(lǐng)域的探討并沒有引起人們對認(rèn)知域的足夠重視。讓認(rèn)知域真正引起人們重視的是實踐領(lǐng)域?qū)φJ(rèn)知域的探索。

在實踐領(lǐng)域，軍事實踐將認(rèn)知域推向了戰(zhàn)爭形態(tài)的最前沿。曾經(jīng)，人們默認(rèn)外生于人體的武器是理解戰(zhàn)爭形態(tài)的依據(jù)。如依據(jù)兵器將戰(zhàn)爭劃分為冷兵器戰(zhàn)爭和熱兵器戰(zhàn)爭；再依據(jù)兵器殺傷力、殺傷范圍、投射距離等作進一步分類。此外，從古至今，在戰(zhàn)爭中運用心理因素盡管不乏經(jīng)典案例，《孫子兵法》甚至將“不戰(zhàn)而屈人之兵”作為戰(zhàn)爭的最高境界，可在實踐中，心理因素[1]依然只是影響戰(zhàn)爭輸贏的自變量，而不是《孫子兵法》期待的因變量；更沒有將整個認(rèn)知域納入作戰(zhàn)對象的先例。

21世紀(jì)初，美國國防部向國會提交的一份報告在實踐領(lǐng)域?qū)⒄J(rèn)知域推上了戰(zhàn)爭形態(tài)的最前沿。在這份報告中，美國的軍事專家用認(rèn)知域來歸納人類的感知、理解、信仰、價值觀、決策等認(rèn)知領(lǐng)域的關(guān)聯(lián)因素，目的不是拓展對認(rèn)知域的認(rèn)識，而是將認(rèn)知域納入作戰(zhàn)對象。這份報告指出，為了贏得戰(zhàn)爭，干預(yù)敵方與己方的認(rèn)知可以成為作戰(zhàn)策略。認(rèn)知域也因而被視為與物理域、信息域并存的第三個戰(zhàn)場。嚴(yán)格來說，這三個戰(zhàn)域并不互斥，界限卻非常明確。物理域作戰(zhàn)是指運用任何武器和任何戰(zhàn)術(shù)在物理空間的戰(zhàn)爭，無論目標(biāo)是什么，物理空間是戰(zhàn)場。信息域作戰(zhàn)則指運用信息作為武器在任何空間的戰(zhàn)爭，無論目標(biāo)是什么，信息是武器。認(rèn)知域作戰(zhàn)指運用認(rèn)知模型，通過信息投喂影響人的情感、心理、意志、信念、價值觀等，干預(yù)人的認(rèn)知、在認(rèn)知層次贏得戰(zhàn)爭，即“不戰(zhàn)而屈人之兵”。認(rèn)知域作戰(zhàn)是信息域作戰(zhàn)的發(fā)展。如果說信息域作戰(zhàn)是干預(yù)人的心理，則認(rèn)知域作戰(zhàn)是在心理干預(yù)的基礎(chǔ)上進一步干預(yù)人的認(rèn)知，如觀念等。

從非常有限的文獻可知，“認(rèn)知域作戰(zhàn)”主要有三大關(guān)注點。一是信息投喂。運用最前沿的技術(shù)，以前所未有的速度和廣度，傳播大量真假難辨的信息，以干預(yù)輿論、引導(dǎo)情緒、傳播意識，即人們通常說的信息戰(zhàn)。二是心理干預(yù)。以人類認(rèn)知規(guī)律、認(rèn)知缺陷、認(rèn)知陷阱等為入口，運用精準(zhǔn)數(shù)字畫像進行潤物無聲的信息投喂和信息屏蔽等，進而精準(zhǔn)且有效地干預(yù)人的心理（余遠來、陳茜，2022），即人們通常說的心理戰(zhàn)。三是認(rèn)知干預(yù)。以認(rèn)知科學(xué)結(jié)論為入口，運用綜合技術(shù)包括腦機接口技術(shù)干預(yù)人的感知、認(rèn)知、情緒、情感、觀念、信念等意識活動，即人們常說的認(rèn)知戰(zhàn)。由此可見，認(rèn)知域作戰(zhàn)不是單一戰(zhàn)爭，而是覆蓋信息獲得、信息加工、認(rèn)知形成，乃至認(rèn)知影響的整個認(rèn)知域的戰(zhàn)爭，是以贏得認(rèn)知認(rèn)同為目標(biāo)的戰(zhàn)爭。

迄今為止，人們對認(rèn)知域概念的寬泛使用在很大程度上源于人類認(rèn)知及其關(guān)聯(lián)因素的復(fù)雜性。當(dāng)人們談?wù)撜J(rèn)知時，有時指對特定對象的觀念，有時又指知識、信念、決策等思維活動，有時還可能擴大到人類意識整體。每一種指稱在給定語境里的意義是清晰明確的，可在宏觀上的意義卻是模糊的。對此，一種可能的解釋是，學(xué)者們說的認(rèn)知還是各自學(xué)科領(lǐng)域的一個因素，而非將認(rèn)知理解為認(rèn)知域整體的結(jié)構(gòu)化部件；況且，認(rèn)知活動只是人類意識的一部分，而非人類意識的全部。盡管如此，我們還是可以從不同學(xué)科的多樣性理解、特別是對認(rèn)知域?qū)嵺`的前沿發(fā)現(xiàn)，對認(rèn)知域的探討離不開人類認(rèn)知活動，而人類認(rèn)知活動又離不開從信息獲取、輸入到認(rèn)知輸出的過程，在輸入與輸出之間還離不開信息加工。如此，我們認(rèn)為，認(rèn)知域是通過信息獲取、信息加工、認(rèn)知形成以達成特定認(rèn)知影響的一系列人與信息交互的科學(xué)和實踐領(lǐng)域。

認(rèn)知域傳統(tǒng)實踐的兩個極值

在人與信息交互的過程中，思考是信息加工，也是認(rèn)知的組成部分。生物學(xué)的諸多證據(jù)表明，只要人的大腦還活著，思考就在繼續(xù)，認(rèn)知就在進行?；仡欉^往，我們可能都有這樣的體驗，一些時候，大腦運轉(zhuǎn)飛快、精力消耗非常大，身體感覺非常累；另一些時候，大腦幾乎不轉(zhuǎn)，也沒有太多精力消耗，身體感覺輕松。還有一些時候好像突然開竅，想明白了，也想通透了；更多的時候則是模模糊糊，不明不白。如果我們把頭腦運轉(zhuǎn)、思考都理解為認(rèn)知活動，那么，人的認(rèn)知以一種怎樣的形態(tài)而存在呢？比如，信息獲取和信息加工是勻質(zhì)的還是非勻質(zhì)的？認(rèn)知形成與認(rèn)知影響是模式化的還是非模式化的？

思考快慢辨析。面對第一個問題，可以有不同入手點，我們選擇從認(rèn)知域?qū)嵺`入手。為此，可以做一個思想實驗。假設(shè)人與信息的交互是勻質(zhì)的，則滿足勻質(zhì)交互的條件必然是：信息獲取、信息加工、認(rèn)知形成、認(rèn)知影響等認(rèn)知關(guān)聯(lián)實踐在時間的延長軸上也是勻質(zhì)的?？墒牵瑢θ粘Ｉ畹臋z視表明，無論如何我們都無法發(fā)現(xiàn)人與信息勻質(zhì)交互的事實。我們的體驗是，從信息獲取、信息加工，到認(rèn)知形成、認(rèn)知影響，有時候容易，有時候困難；有時候迷糊，有時候通透，都不是勻質(zhì)的。

既然不是勻質(zhì)，就意味著有節(jié)奏的快慢?？崧―aniel Kahneman）的研究表明，人的思考的確有快有慢。慢思考指人在面對復(fù)雜、新穎的事物或需要深入思考時，進行深思熟慮、有意識地分析和推理的思維模式?？崧J(rèn)為，慢思考需要更多的認(rèn)知資源和注意力，還會涉及邏輯推理、比較分析、問題解決等具體方法，因此也更加理性。快思考則指人們在面對簡單、熟悉和直觀事物時，迅速、自動地作出判斷和決策的思考?？崧J(rèn)為，快思考是直覺的、快速的，且不需要大量的認(rèn)知資源?？焖伎家彩侨藗?nèi)粘５乃季S方式，如識別物體、回答簡單問題、執(zhí)行習(xí)慣行為等（丹尼爾·卡尼曼，2021）。

我們認(rèn)為，卡尼曼的思考快慢隱含了一個前提，即思考是否是模式化的。如，遇到復(fù)雜的事物，人們要進行邏輯推理，為什么呢？遇到簡單的事物，人們會遵從慣例，又是為什么呢？把兩個“為什么”綜合為一個問題便是，選擇進行邏輯推理或遵循慣例的條件是什么？一句俗語“熟能生巧”或許可以提醒我們，思考的快慢不一定是因為人們面對的事物是簡單的或者復(fù)雜的，而是因為人們是否熟悉。佐證這一提醒的還有一句俗語：會者不難，難者不會。熟或會，意味著遇到過相同或相似的事物，已有適用的認(rèn)知或解決方案。難或不會，意味著不曾遇到過相同或相似的事物，沒有適用的認(rèn)知或解決方案。換句話說，面對陌生的事物，建立認(rèn)知是艱難的；面對熟悉的事物，建立認(rèn)知會相對容易。我們甚至可以認(rèn)為，思考的快慢與事物的簡單與否無關(guān)，而只關(guān)涉人們是否可以調(diào)用模式化認(rèn)知。

為了進一步理清模式化認(rèn)知，我們舉一個例子。人類學(xué)的鼻祖?zhèn)儎?chuàng)造了一種搜集研究資料的方法：實地調(diào)查（field work）。在人類學(xué)發(fā)展初始期，研究對象通常是他者社會。他者，意味著與自己不同，意味著陌生。他者社會是與自己社會不同的社會（羅伯特·萊頓，2005）。在人類學(xué)家那里，不同，意味著除了都屬于人類以外的其他一切的不同，從生產(chǎn)生活到風(fēng)俗文化。其中，最重要的不同是文化（社會規(guī)則體系）的不同。人類學(xué)家認(rèn)為，如果不能認(rèn)識他者社會的社會規(guī)則體系，就無法理解他者社會?？梢斫馑叩纳鐣?，就必須進入他者社會，像他者那樣去理解和踐行他者的文化。一方面，鑒于每個熟人社會在面對陌生人時都會觸發(fā)預(yù)警機制，意味著人類學(xué)家進入時面對的是處于預(yù)警狀態(tài)的他者社會，而不是他者的日常社會。為了觀察他者社會的日常，人類學(xué)家不得不花時間讓他者社會接受作為外來者的自己。另一方面，由于人類學(xué)家不熟悉他者社會的文化，因此對他者社會的認(rèn)知不是快思考可以完成的，這意味著，即使面對簡單事物，也需要從他者社會的實踐中去挖掘，其中，第一步便是找到能夠體現(xiàn)他者社會文化的關(guān)鍵事件，要做到這一點，同樣需要時間。人類學(xué)的實地調(diào)查方法實踐告訴我們，面對陌生的他者社會，即使是有經(jīng)驗的人類學(xué)家，哪怕對進入實地的方法再熟悉，進入實地的過程依然需要6個月或以上的時間。個中緣由是，人類學(xué)家熟悉進入實地的方法，可他者社會并不熟悉要進入的人類學(xué)家。不熟悉，便需要聽其言觀其行，需要慢思考。如果是沒有經(jīng)驗的人類學(xué)者，則人類學(xué)者和他者社會對彼此的觀察和了解都需要較長時間，都需要慢思考。一旦雙方熟悉，進入過程可以采用快思考，可人類學(xué)家的研究因面對著陌生事物而不得不進行慢思考。

思想實驗和具體案例都告訴我們，在人與信息的交互中，卡尼曼的思考快慢只是刻畫了人們認(rèn)知的速度，而對認(rèn)知快慢的條件卻沒有作清晰的交代。我們認(rèn)為，影響思考快慢的不是事物的簡單或復(fù)雜，而是人們對事物是否熟悉，是否擁有相應(yīng)的模式化認(rèn)知。熟悉，思考就快；不熟悉，思考就慢。簡單地說，在認(rèn)知域?qū)嵺`里有兩個形態(tài)，一是模式化認(rèn)知，二是非模式化認(rèn)知。面向日常實踐我們可以發(fā)現(xiàn)，模式化認(rèn)知的極值是融入日常習(xí)慣的、無需思考的、由認(rèn)知主體主導(dǎo)的認(rèn)知，即習(xí)以為常；非模式化認(rèn)知的極值是脫離日常習(xí)慣的、即使思考也不一定獲得的、甚至是由環(huán)境主導(dǎo)的認(rèn)知，即心隨境轉(zhuǎn)。之所以稱兩者為極值，是因為沒有認(rèn)知是徹底模式化的且完全融入習(xí)慣的，也沒有認(rèn)知是絕對非模式化的且盡數(shù)交由環(huán)境主導(dǎo)的。在實踐中，人們擁有的總是處在兩個極值之間的某個段位之上的認(rèn)知。

模式化認(rèn)知：習(xí)以為常。2018年，北京大學(xué)主辦第二十屆世界哲學(xué)大會的主題是：學(xué)以成人。時任北京大學(xué)校長林建華教授在大會啟動儀式上強調(diào)，“哲學(xué)家們的思想碰撞，能夠促進我們更加深入地思考自我、社群、自然、精神和傳統(tǒng)等重要的時代論題”。顯然，林建華教授把哲學(xué)家們的相互交流當(dāng)成學(xué)習(xí)的一種形式，把哲學(xué)家們的思考理解為認(rèn)知形成?？墒?，“學(xué)”又如何“成”呢？值得玩味的是，哲學(xué)大家們認(rèn)為重要的、需要思考的問題在人們的日常實踐中早就有獲得答案的某種線索。俗語說，習(xí)慣成自然。學(xué)以成人和習(xí)慣成自然，前者強調(diào)了“學(xué)”的關(guān)鍵性，后者提供了“成”的路徑，兩者精準(zhǔn)地刻畫了認(rèn)知域?qū)嵺`的第一個極值：習(xí)以為常。其中，“習(xí)”是獲得模式化認(rèn)知的路徑，“常”則是模式化認(rèn)知水平的最高境界。通俗地說，通過不斷學(xué)習(xí)，人們有機會獲得對日常事物無需思考的、由自我主導(dǎo)的模式化認(rèn)知。

傳統(tǒng)中國對“認(rèn)知”的探究由來已久。在諸子百家時代，各家雖有自己的政治主張或社會主張，有一點卻是相通的，那就是認(rèn)為，天下沒有生而知之者，孔子都說自己“非生而知之”了，還有誰自稱“生而知之”？在此基礎(chǔ)上，進一步認(rèn)為，人的認(rèn)知和認(rèn)知水平，即人們常說觀點、眼界和境界都是習(xí)得的，諸子百家皆然。

說到學(xué)習(xí)，自然要論聰明與愚鈍，即生物因素如智商對認(rèn)知的影響?？鬃映姓J(rèn)人的智商是有差別的，也因此把人的學(xué)習(xí)能力劃分為三等，除了上智與下愚，還有一個中間等級。有趣的是，孔子主張有教無類，認(rèn)為無論是哪一等都可學(xué)習(xí)?？鬃舆€認(rèn)為，只要有學(xué)習(xí)的動機（如“為”“欲”“求”），且認(rèn)真學(xué)習(xí)（如“學(xué)而時習(xí)之”），都可以成仁，都可以“學(xué)而知之”，無非是有些人知得多，有些人知得少而已。

如果說生物因素影響認(rèn)知形成，社會因素則關(guān)涉認(rèn)知影響。孟子認(rèn)為，山林是養(yǎng)出來的，美德是社會位育的，“故茍得其養(yǎng)，無物不長；茍失其養(yǎng)，無物不消”?？墒?，社會如何位育呢？在社會中，人們的行為是社會義理的昭彰。孟子說：“求則得之，舍則失之，是求有益于得也，求在我者也。求之有道，得之有命，是求無益于得也，求在外者也。”“求”既是學(xué)習(xí)沖動，也是學(xué)習(xí)活動。“求”自然要有“求”的方法，“君子深造之以道，欲其自得之也”。對孟子而言，學(xué)習(xí)不僅要得法，還要排除各種干擾，“盡心、知性、知天”，以達成“理義之悅我心，猶芻豢之悅我口”的境界。

與孔孟不同，荀子不僅主張學(xué)習(xí)，更倡導(dǎo)不停地學(xué)，“學(xué)不可以已”。運用類比方法，荀子試圖證明學(xué)習(xí)就像是用墨線直木，用礪石磨刀。“故木受繩則直，金就礪則利，君子博學(xué)而日參省乎己，則知明而行無過矣。”且荀子認(rèn)為，“不登高山，不知天之高也；不臨深溪，不知地之厚也；不聞先王之遺言，不知學(xué)問之大也。”對荀子而言，學(xué)習(xí)是達成習(xí)以為常的不二法門，“吾嘗終日而思矣，不如須臾之所學(xué)也。吾嘗跂而望矣，不如登高之博見也”。

鉆研諸子百家的文獻證據(jù)表明，“學(xué)”與“知”是中國傳統(tǒng)對認(rèn)知域探討的核心范疇。在諸子百家看來，人的學(xué)習(xí)能力是有差異，可是，學(xué)習(xí)依然是達到某個認(rèn)知水平的唯一途徑。而且，學(xué)習(xí)不是一次完成的，需要不斷努力，終身力行。其中，內(nèi)省或反思是不斷提升認(rèn)知水平的有效路徑，也是形成社會共識的方法（邱澤奇，2022）。

問題是，不斷提升認(rèn)知的目的又是什么？諸子百家的論述表明，不是為了探尋認(rèn)知是什么，而是為了建設(shè)天下大同的社會。據(jù)此，我們甚至認(rèn)為，中國傳統(tǒng)對認(rèn)知域的探討更像是當(dāng)下進行認(rèn)知域?qū)嵺`的先聲。曾經(jīng)，諸子百家圍繞天下大同的社會目標(biāo)把相關(guān)爭議匯聚到了一個主題下；如今，為了理解認(rèn)知域，人們把與認(rèn)知域相關(guān)的諸多學(xué)科匯聚到了一個主題下。我們有理由認(rèn)為，在諸子百家的年代，各家對認(rèn)知域的探索都是工具性的，而非真理性的；且探索的目標(biāo)是一致的，連不入流的兵家也在其中（后面會討論到兵家），那就是，不管人是如何在日積月累中習(xí)以為常的，目的都是把社會目標(biāo)內(nèi)化為社會成員的日常實踐。順著這個邏輯，我們還認(rèn)為，習(xí)以為常形塑的不只是社會成員的認(rèn)知，還是整個社會的觀念和文化，以及社會觀念與文化的傳承發(fā)展。

如果說中國傳統(tǒng)是把認(rèn)知域作為黑盒，強調(diào)在日積月累中通過對認(rèn)知的形塑，把社會規(guī)則內(nèi)化為人們的行動準(zhǔn)則，為達成“學(xué)以成人”的目標(biāo)提供方法路徑，是工具性的；那么，西方傳統(tǒng)對認(rèn)知域的探討則沒有中國傳統(tǒng)的目的性，而是把人的認(rèn)知作為對象，試圖打開認(rèn)知黑盒，探索認(rèn)知規(guī)律。

亞里士多德（?ριστοτ?λης）的《論靈魂》用形質(zhì)論來刻畫人的感知和思維等認(rèn)知活動，認(rèn)為感性認(rèn)知、理性認(rèn)知是客體將自身的感性或理性施加在人相應(yīng)官能之上的結(jié)果（Shields, 2020）。因此，認(rèn)知是歷經(jīng)感性、想象，最終抽象出理性的過程。笛卡爾（René Descartes）在《第一哲學(xué)沉思》中系統(tǒng)地反駁了亞里士多德“主客相符”的認(rèn)知觀。他認(rèn)為，在人的認(rèn)知中，真正可靠的部分并非來自感官經(jīng)驗，而只能是純粹理性的產(chǎn)物。洛克（John Locke）則質(zhì)疑笛卡爾的理性主義觀點，在《人類理解論》中指出人類的心智曾經(jīng)是一塊白板（blank slate），不存在任何先在的概念和觀念；人類認(rèn)知只能是經(jīng)驗的產(chǎn)物，觀念總是從外在的感知經(jīng)驗和內(nèi)在的心理經(jīng)驗中產(chǎn)生。休謨（David Hume）在《人性論》中以懷疑論的立場動搖了一切來自經(jīng)驗的認(rèn)知的真實性和可靠性。面對洛克和休謨等人對“人類是否存在內(nèi)在認(rèn)知結(jié)構(gòu)”的質(zhì)疑和挑戰(zhàn)，康德（Immanuel Kant）的《純粹理性批判》在承認(rèn)“物自體不可知”的前提下，提出人類可以通過感性直觀形式、知性范疇和理念為自然界立法，重新論證了人類的內(nèi)在認(rèn)知結(jié)構(gòu)與科學(xué)認(rèn)知的真理性。

簡短的回顧可以說明，西方傳統(tǒng)更有興趣的不是如何形塑人們的認(rèn)知以及如何通過形塑認(rèn)知去達成某個社會目標(biāo)，而是探索認(rèn)知是什么以及認(rèn)知從哪里來。當(dāng)然，西方傳統(tǒng)也有把認(rèn)知域作為工具的努力，如馬基雅維利在《君主論》《曼陀羅》等作品中著力描繪了兩種人：一類人清醒、冷靜，對形勢、條件與利害、人心洞若觀火，善于誘導(dǎo)和干預(yù)他人的認(rèn)知，終能利用他人的欲望達成自己的目的；另一類人則純粹受激情和欲望的驅(qū)使，往往被他人的詭計欺騙，輕易被各種假象蒙蔽，最終成為他人利用的墊腳石。即使如此，馬基雅維利依然圍繞著認(rèn)知本身，而不是把對認(rèn)知的探討指向某個社會目標(biāo)。

比較東西方傳統(tǒng)對認(rèn)知的探討，我們認(rèn)為，習(xí)以為常是認(rèn)知域一項傳統(tǒng)的實踐。在中國傳統(tǒng)里，認(rèn)知域探索的真正意義不在其內(nèi)容，而在認(rèn)知主體對認(rèn)知的實際運用。中國傳統(tǒng)忽視抽象概念與邏輯推理，更加重視人的判斷力、權(quán)變能力、對事物整體和本質(zhì)的把握（李澤厚，1984）。的確，作為有目的的認(rèn)知域?qū)嵺`，其理想狀態(tài)是運用多種認(rèn)知工具，在潤物無聲和潛移默化中建構(gòu)人們的模式化認(rèn)知，形塑共同的觀念、分享共同的文化，期待共同的社會目標(biāo)，如天下大同。盡管西方傳統(tǒng)聚焦認(rèn)知黑盒里的結(jié)構(gòu)與過程，卻也無法否認(rèn)中國傳統(tǒng)的實踐價值。事實上，始于冷戰(zhàn)的西方國家的認(rèn)知域?qū)嵺`，似乎在重復(fù)中國傳統(tǒng)對認(rèn)知域的理解，在習(xí)以為常中形塑人們的認(rèn)知。

習(xí)以為常的極值性在于把人們對事物的認(rèn)知都寄托在日積月累的模式化認(rèn)知里?？墒?，模式化認(rèn)知是有條件的，即，人們身處穩(wěn)定的環(huán)境、面對的是熟悉的事物。問題是，人們并非總是處在穩(wěn)定的環(huán)境、面對熟悉的事物。一旦身處多變的環(huán)境、面對陌生的事物，又當(dāng)如何？這便是另一個極值，非模式化認(rèn)知的心隨境轉(zhuǎn)。

非模式化認(rèn)知：心隨境轉(zhuǎn)。人類之所以有機會建立模式化認(rèn)知，在于認(rèn)知對象的特征／關(guān)系具有穩(wěn)定性?？茖W(xué)研究是人類對自然現(xiàn)象模式化認(rèn)知的典型代表，依靠的正是自然現(xiàn)象特征／關(guān)系的穩(wěn)定性。如，給定時間的天體運行特征／關(guān)系的穩(wěn)定性，給定環(huán)境的物質(zhì)屬性穩(wěn)定性，給定實驗條件的物質(zhì)關(guān)系的穩(wěn)定性等。如果沒有特征／關(guān)系的穩(wěn)定性，科學(xué)研究便失去了建立事物之間關(guān)系模式的事實基礎(chǔ)，模式化認(rèn)知也失去了前提。

同樣，對社會現(xiàn)象的模式化認(rèn)知也基于社會現(xiàn)象特征／關(guān)系的某種穩(wěn)定性。還記得人類學(xué)家研究他者社會的例子嗎？人類學(xué)家之所以用長時間生活在他者社會的方式形成對他者社會的認(rèn)知，在于他者社會的特征及其與外部世界的關(guān)系具有相對穩(wěn)定性。同理，社會學(xué)家之所以能對受教育程度與人生成就的關(guān)系形成模式化認(rèn)知，也在于工業(yè)社會里勞動力市場結(jié)構(gòu)的相對穩(wěn)定性；經(jīng)濟學(xué)家之所以能對投入產(chǎn)出關(guān)系形成模式化認(rèn)知，也在于經(jīng)濟要素之間具有相對穩(wěn)定的關(guān)系，等等。

遺憾的是，一方面，事物的穩(wěn)定性不是一成不變的，天體在變，生態(tài)在變，物質(zhì)關(guān)系在變，社會也在變。不過，只要變化速度不足以影響模式化認(rèn)知的形成和調(diào)整，模式化認(rèn)知依然是有效的認(rèn)知域?qū)嵺`。另一方面，維系穩(wěn)定性也需要滿足一定的條件，尤其是面對有機世界，如維系自然生態(tài)的穩(wěn)定性；維系社會的穩(wěn)定性更是有條件的，諸子百家強調(diào)社會秩序的目的也是為維系社會的穩(wěn)定性而試圖形塑社會共同的認(rèn)知。

一旦變化速度影響到人們模式化認(rèn)知的形成，自然科學(xué)會運用實驗的條件設(shè)置來維系物質(zhì)特征／關(guān)系的穩(wěn)定性，為認(rèn)知形成提供機會，如給定溫度、濕度、氣壓等環(huán)境條件，維系物質(zhì)之間關(guān)系的穩(wěn)定性，如控制化合物中不同物質(zhì)的比例關(guān)系、化合時的環(huán)境條件和催化條件等。社會科學(xué)涉及人類自身，受到人類及社會倫理的約束，無法運用實驗方法的條件設(shè)置來維系社會特征／關(guān)系的穩(wěn)定性，如，我們無法讓一部分人接受某種程度的教育、讓另一部分人接受另一種程度的教育或不接受教育來檢驗受教育程度與人生成就之間的關(guān)系。

幸運的是，除了社會文化，生計技術(shù)的穩(wěn)定性也影響著社會特征／關(guān)系的穩(wěn)定性。農(nóng)業(yè)技術(shù)的穩(wěn)定性形塑了鄉(xiāng)村社會特征／關(guān)系的穩(wěn)定性。中外鄉(xiāng)村社會發(fā)展的歷史都證明，鄉(xiāng)村是人口規(guī)模相對較小的聚落社會、熟人社會、互助社會。鄉(xiāng)村社會的社會結(jié)構(gòu)和社會環(huán)境相對穩(wěn)定，足以讓人們對鄉(xiāng)村社會形成模式化的認(rèn)知。費孝通的《鄉(xiāng)土中國》之所以到如今還能引發(fā)讀者的共鳴，條件在于鄉(xiāng)土社會是相對穩(wěn)定的。習(xí)以為常是對鄉(xiāng)村社會認(rèn)知域?qū)嵺`的貼切刻畫。

與農(nóng)業(yè)社會相較，工業(yè)社會的特征／關(guān)系是不那么穩(wěn)定的，特別是在工業(yè)社會后期，人口大量且快速的流動改變了形成模式化認(rèn)知的必須條件。從熟悉的地方到陌生的地方，從相對簡單且容易的鄉(xiāng)村到相對復(fù)雜且困難的城市，人們身處的環(huán)境越來越不穩(wěn)定，面對的事物也越來越陌生，任何流動中的人都會體驗到，在鄉(xiāng)村的認(rèn)知經(jīng)驗無法運用于城市，在甲地的認(rèn)知也難以套用到乙地，以至于人們形成模式化認(rèn)知變得越來越困難。

面對不穩(wěn)定的認(rèn)知環(huán)境和陌生的認(rèn)知對象，人們又會如何展開認(rèn)知實踐呢？順應(yīng)環(huán)境變化、面對陌生對象的認(rèn)知是認(rèn)知域?qū)嵺`的另一個極值，即非模式化認(rèn)知的心隨境轉(zhuǎn)。需要特別說明的是，這里的“心”并非只指心理，還指心目、心境、心態(tài)等，“轉(zhuǎn)”則強調(diào)認(rèn)知隨環(huán)境的變化、認(rèn)知對象的變化而不再模式化，即強調(diào)認(rèn)知的應(yīng)變性。

追溯起來，應(yīng)變也是認(rèn)知常態(tài)的一種。如前所述，只是在從前，環(huán)境的變化、事物的變化，其速度不足以影響到形成模式化的認(rèn)知。人們也總處在環(huán)境的變化和事物的變化中，通過對模式化認(rèn)知的調(diào)整來適應(yīng)變化。常態(tài)的變化，如興衰成敗，其實是人們熟悉的變化，是模式化認(rèn)知的一部分。

可是，當(dāng)環(huán)境和事物變化的速度超過了人們建立和調(diào)整模式化認(rèn)知的速度時，非常態(tài)的變化便出現(xiàn)了。非常態(tài)的變化是人們不熟悉的變化，是對模式化認(rèn)知的挑戰(zhàn)。在人們不熟悉的變化中，快速的、不斷的變化又構(gòu)成了對認(rèn)知的最大挑戰(zhàn)，也催生了另一種心隨境轉(zhuǎn)的應(yīng)變性認(rèn)知：隨機應(yīng)變。

人類歷史上有許多隨機應(yīng)變的經(jīng)典案例，大到著名的戰(zhàn)爭，小到個人境遇，如空城計。說到計，人們自然會想到戰(zhàn)爭。的確，兵家之計是心隨境轉(zhuǎn)的經(jīng)典。與日常相較，戰(zhàn)爭的特點在于戰(zhàn)場格局的快速變化。面對快速變化，一方面，兵家依然希望運用模式化認(rèn)知，強調(diào)對戰(zhàn)場格局的“知”。如，《孫子兵法》里的“知”字多達79處，孫子甚至建立了一套“知勝”的體系（姚振文，2016），正所謂“知彼知己，百戰(zhàn)不殆”。兵家之計的經(jīng)典性還在于，一方的“知”意味著會通“道、天、地、將、法”，意味著對戰(zhàn)爭條件、形勢、策略、方案、勝算的認(rèn)知；反過來，對另一方的不知則意味著因?qū)Ψ皆幍栏深A(yù)而陷入“不知其所守”“不知其所攻”的窘境。

另一方面，正因為有可能不知，兵家還強調(diào)應(yīng)變，既是為了讓己方“知”，也是為了讓對方“不知”。如，假道伐虢，攻其不備、出其不意，“利而誘之，亂而取之”“怒而撓之，卑而驕之”，或，“能愚士卒之耳目，使其無知；易其事，革其謀，使人無識；易其居，迂其途，使人不得慮”；“犯之以事，勿告以言；犯之以利，勿告以害”；“若驅(qū)群羊，驅(qū)而往，驅(qū)而來，莫知所之”，目的正是動搖其可檢驗的模式化認(rèn)知，最終使“三軍可奪氣，將軍可奪心”。兵家之計正是運用知與不知的快速變化，干預(yù)對方的認(rèn)知形成或讓對方形成錯誤的認(rèn)知，如錯誤的情緒、態(tài)度、判斷、決策等，讓心隨境轉(zhuǎn)成為戰(zhàn)場事實，成為認(rèn)知域作戰(zhàn)的工具。

一些著名的科學(xué)實驗也證明非模式化認(rèn)知的心隨境轉(zhuǎn)。斯坦福監(jiān)獄實驗（Stanford prison experiment）是一個典型的例子。1971年，斯坦福大學(xué)心理學(xué)家澤姆巴多（Philip Zimbardo）設(shè)計實施了一項角色扮演實驗，他將從斯坦福大學(xué)招募的學(xué)生志愿者指派為兩組角色，一組為監(jiān)獄看守，一組為監(jiān)獄囚犯，并將兩組人置于模擬監(jiān)獄環(huán)境中。實驗觀察表明，看守和囚犯很快形成對自己角色的認(rèn)知，且將認(rèn)知付諸行動。三分之一的看守顯示出真正的虐待狂傾向，許多囚犯則在情感上受到創(chuàng)傷，還有2人不得不提前退出實驗。在實驗進程中，看守和囚犯的認(rèn)知與行為一步步地超越了實驗預(yù)設(shè)的界限，以至于澤姆巴多不得不提前終止整個實驗（Zimbardo, 1971）。

在認(rèn)知域?qū)嵺`中，1990年代的南非大選（Piombo and Nijzink, 2005）、2008年的金融危機（Lewis, 2011）、2011年的“阿拉伯之春”（Anderson, 2011）、2016年的美國大選（Allcott and Gentzkow, 2017）則進一步呈現(xiàn)了心隨境轉(zhuǎn)的認(rèn)知域?qū)嵺`。值得進一步探討的是，與習(xí)以為常采用教化的方式不同，盡管這些案例都呈現(xiàn)了認(rèn)知干預(yù)帶來的心隨境轉(zhuǎn)，可是在信息獲取、信息加工、認(rèn)知形成、認(rèn)知影響等認(rèn)知域?qū)嵺`每個環(huán)節(jié)都大不相同，1990年代的南非大選運用大眾傳媒，2008年的金融危機采用虛假信息散播，2011年的“阿拉伯之春”則運用人際社交網(wǎng)絡(luò)，2016年的美國大選則實施個性化的精準(zhǔn)信息投放。

由此，心隨境轉(zhuǎn)的極值性也呈現(xiàn)出一個總的趨勢，那就是，促使心隨境轉(zhuǎn)的信息投喂越來越個性化和精準(zhǔn)化，給被投喂對象進行信息加工的時間越來越短、形成模式化認(rèn)知調(diào)整的機會越來越少，以至于被投喂對象的認(rèn)知形成越來越像是“習(xí)以為常”，認(rèn)知影響也越來越從對群體性的影響轉(zhuǎn)向通過對個體的影響進而形成涌現(xiàn)的社會效應(yīng)。當(dāng)認(rèn)知形成倉促且無法獲得檢驗時，認(rèn)知的客觀性或正確性便成為了一個巨大的問號，這也是認(rèn)知域在當(dāng)下和未來面對的最大挑戰(zhàn)。

人工智能與認(rèn)知域?qū)嵺`的當(dāng)下挑戰(zhàn)

承接認(rèn)知域傳統(tǒng)實踐的心隨境轉(zhuǎn)，數(shù)字技術(shù)的發(fā)展推動了人類的連接泛在，徹底改變了人類認(rèn)知的環(huán)境與面對的對象，進而讓認(rèn)知從時常面對穩(wěn)定的環(huán)境和熟悉的事物轉(zhuǎn)變?yōu)槭冀K面對變化的環(huán)境和陌生的事物，使得人類在認(rèn)知形成和認(rèn)知影響中不得不依賴于不斷發(fā)展的機器智能。這一依賴覆蓋了從信息獲取、信息加工到認(rèn)知形成、認(rèn)知影響等整個認(rèn)知域。數(shù)字技術(shù)也因此從支持人類認(rèn)知的工具轉(zhuǎn)變?yōu)榻槿肴祟愓J(rèn)知的無意識主體，反過來，又迫使有意識的人類主體在機器智能的創(chuàng)新和運用中面對艱難的社會選擇：讓機器智能成為支持人類認(rèn)知的幫手，抑或是成為干預(yù)人類認(rèn)知的工具?？蔁o論是幫手還是工具，在認(rèn)知域，破解人類心智的技術(shù)會聚已然展開，人機互生的大趨勢已初現(xiàn)端倪且無法逆轉(zhuǎn)，針對認(rèn)知域?qū)嵺`的挑戰(zhàn)似乎也走到了人類不得不進行選擇的那一步，而這一切都源自認(rèn)知科學(xué)的創(chuàng)新與運用。

從認(rèn)知科學(xué)到機器智能。正如開篇簡述，認(rèn)知科學(xué)是一個問題導(dǎo)向的科學(xué)領(lǐng)域，橫跨哲學(xué)、心理學(xué)、計算機科學(xué)、神經(jīng)科學(xué)、語言學(xué)與人類學(xué)等學(xué)科，旨在揭示人類心智與思維的奧秘。人們希望通過對人類認(rèn)知的猜想、實證、擬合、迭代，在人類主體之外創(chuàng)造出具有人類認(rèn)知機制的機器智能。

科學(xué)史上的一個巧合是，在20世紀(jì)50年代，計算機科學(xué)領(lǐng)域的西蒙（Herbert A. Simon）和他的學(xué)生紐厄爾（Allen Newell）首先提出了人類思維機制的構(gòu)想（Newell et al., 1958），將人類對信息加工過程轉(zhuǎn)化為符號互動過程，通過計算、檢驗（Newell & Simon, 1956; Newell et al., 1959），證明了可以用若干基本信息加工機制解釋人類認(rèn)知現(xiàn)象（Simon & Newell, 1971）。幾乎同時，認(rèn)知心理學(xué)家們提出了信息加工理論（Information Processing Theory），認(rèn)為人的心智是類似于計算機的信息加工系統(tǒng)，知覺、記憶、語言、思維、決策等心理過程可以被理解為信息獲取、信息加工、認(rèn)知形成等不同的認(rèn)知過程（Miller, 1956; Neisser, 1967）。

計算機科學(xué)與認(rèn)知心理學(xué)對人類認(rèn)知理解的不謀而合形成了早期的學(xué)科協(xié)同，產(chǎn)生了那個時代的人工智能。如，紐厄爾和西蒙成功開發(fā)了“邏輯理論家”（Newell & Simon, 1956）、“通用解難器”（Newell et al., 1959）等模擬人類認(rèn)知的計算機程序，且運用了人類解決問題（problem-solving）時采用的啟發(fā)式策略（heuristic methods）。啟發(fā)式策略實則是認(rèn)知心理學(xué)觀察到的人類認(rèn)知特征，如，只能一步一步按次序處理信息，而不能平行處理；能夠迅速形成短期記憶，但記憶的容量和持續(xù)時間有限；只有花費較長時間才能形成更加持久、容量更大的長期記憶等。對啟發(fā)式策略的運用使計算機不再只是執(zhí)行數(shù)值運算的勞動力，而可以用有目的的搜尋和有限的運算去替代窮舉法，呈現(xiàn)了機器智能的最早形態(tài)。也就是，用一套清晰、明確、可操作的計算機運行程序擬合人類憑借有限認(rèn)知能力解決無邊問題的機制。

在機器智能基本框架的基礎(chǔ)上，對人類認(rèn)知的探討沿著人類認(rèn)知的三個基本維度，即信息獲取、信息加工、認(rèn)知形成等分別展開。如信息獲取涉及感知、學(xué)習(xí)；信息加工涉及記憶、語言、思維；認(rèn)知形成涉及判斷、觀點、選擇、決策等。在各學(xué)科的推進中，安德森（John R. Anderson）等人提出了人類聯(lián)想記憶模型（human associative memory model）（Anderson & Bower, 1973）；明斯基（Marvin Minsky）提出了認(rèn)知過程框架（frame），即由以往經(jīng)驗形成的、描述典型情境的等級性信息結(jié)構(gòu)（Minsky, 1974），習(xí)以為常的模式化認(rèn)知便是運用框架的例證。尚克（Roger Schank）提出了自然語言理解的概念依存模型（concept dependency theory），把對語言的理解還原為對基本語義單元及概念關(guān)系的操作程序（Schank, 1972）。在學(xué)科交叉中，計算機科學(xué)家設(shè)計并運行了一種初具通用智能（general intelligence）、能夠完成一系列主要認(rèn)知任務(wù)的信息處理系統(tǒng)（Laird et al., 1987; Anderson, 1983）。

與此同時，基于計算機，跨學(xué)科的科學(xué)家們試圖超越對單個認(rèn)知過程的零散模擬，致力于建立一套統(tǒng)一的認(rèn)知理論（Newell, 1994），建立了一個完整且統(tǒng)一的認(rèn)知架構(gòu)。如，確認(rèn)人類認(rèn)知不是黑盒，而是可以運用計算機進行擬合的一組科學(xué)機制，其中最重要的是輸入輸出（I/O）機制。

可是，如何深化對輸入、加工、輸出的認(rèn)識，并付諸認(rèn)知域?qū)嵺`呢？對此，符號主義（symbolism）與神經(jīng)生理學(xué)之間構(gòu)成了激烈的爭論（Lighthill, 1973），結(jié)果是，神經(jīng)生理學(xué)逐漸成為擬合人類認(rèn)知的主要靈感來源。事實上，早在1943年，麥卡洛克（Warren S. McCulloch）和皮茨（Walter Pitts）就指出，人類認(rèn)知的本質(zhì)是神經(jīng)元的計算活動（McCulloch & Pitts, 1943）。在此基礎(chǔ)上，羅森布拉特（Frank Rosenblatt）提出了更加完善的可操作的感知機（perceptron）神經(jīng)元模型（Rosenblatt, 1957），刻畫了認(rèn)知的底層機制：神經(jīng)元接收感官輸入的信息并執(zhí)行運算，當(dāng)運算結(jié)果達到閾值便會激活下一級神經(jīng)元接受信息并執(zhí)行新的計算；無數(shù)神經(jīng)元相互連接構(gòu)成神經(jīng)網(wǎng)絡(luò)，且能根據(jù)反饋信息調(diào)整運算過程的權(quán)重和執(zhí)行的閾值條件，深化認(rèn)知。感知機理論開啟了從神經(jīng)生理學(xué)視角闡釋人類認(rèn)知機制的先河，神經(jīng)元網(wǎng)絡(luò)也成為隨后努力的焦點。在此基礎(chǔ)上，多層神經(jīng)網(wǎng)絡(luò)模型模擬了神經(jīng)元相互連接形成的等級結(jié)構(gòu)和功能分化結(jié)構(gòu)，擁有了在多層上發(fā)生的深度學(xué)習(xí)（deep learning）能力。計算機科學(xué)家建立的模擬人類認(rèn)知的神經(jīng)網(wǎng)絡(luò)（artificial neural networks）已然成形，機器學(xué)習(xí)（machine learning）成功地模擬了更多人類認(rèn)知，并且在諸多方面超越了人類。

神經(jīng)網(wǎng)絡(luò)實踐的成功證明了人類認(rèn)知并非以完整形態(tài)的符號在加工，任何的心隨境轉(zhuǎn)都不過是從類似于習(xí)以為常的底層（sub-symbolic layers）涌現(xiàn)出來的“認(rèn)知”集合（emergent properties）（Hopfield, 1982; McClelland et al., 2010），也就是說人的認(rèn)知并非始終是結(jié)構(gòu)化的。如此，如果說用于加工的信息來自于環(huán)境，則認(rèn)知與環(huán)境的關(guān)系即意味著“信息獲取”作為輸入部分自然地進入到了認(rèn)知域的視野，成為認(rèn)知域探索的重要一環(huán)，學(xué)習(xí)與調(diào)試成為了理解人類認(rèn)知的又一個階段。

數(shù)據(jù)的積累和算力的發(fā)展推動了以神經(jīng)網(wǎng)絡(luò)模型和機器學(xué)習(xí)技術(shù)為代表的人工智能的發(fā)展。在人類之外，機器已然可以模擬知覺、記憶、運算、語言、求解、決策等人類認(rèn)知，并且在各個環(huán)節(jié)的信息容量、工作載荷、執(zhí)行程度和完成質(zhì)量等方面都有遠超人類之處。心靈哲學(xué)和心理科學(xué)開始重新審視認(rèn)知科學(xué)及其應(yīng)用，在認(rèn)知細節(jié)擬合基礎(chǔ)上，從整體上提出了相互關(guān)聯(lián)的認(rèn)知（不只是人類認(rèn)知）的四種類型：具身認(rèn)知（embodied cognition）、嵌入認(rèn)知（embedded cognition）、延展認(rèn)知（extended cognition）、生成認(rèn)知（enactive cognition），并認(rèn)為，認(rèn)知主體嵌入在環(huán)境中，通過與環(huán)境的相互作用，動態(tài)生成認(rèn)知，進一步，又將認(rèn)知延展到環(huán)境之中（Wilson, 2008; Rowlands, 2010）。

到此，認(rèn)知的機制被理解為感知環(huán)境、學(xué)習(xí)并調(diào)整，按自由能量原則（free energy principle）進行優(yōu)化的預(yù)測和行動（Friston, 2010; Clark, 2013, 2015），為機器智能提供了一個更為整體的實踐路徑。正是在這個意義上，我們認(rèn)為對人工智能能力的判別（如弱人工智能、強人工智能）（Searle, 1980）不過是以人類認(rèn)知能力為基準(zhǔn)的推斷，不僅無法否認(rèn)機器智能（Pollock, 1995），也無法讓人類回避機器智能給認(rèn)知域帶來的挑戰(zhàn)。

邁向人機互生的認(rèn)知域。在認(rèn)知域，從第一臺電子計算機誕生開始，機器在信息獲取、信息加工、認(rèn)知形成和認(rèn)知影響的某個環(huán)節(jié)始終在不斷地超越人類。最初是在信息加工環(huán)節(jié)，1946年2月14日，埃尼亞克（ENIAC）的出現(xiàn)標(biāo)志著機器智能對人類計算能力的超越。如果希望了解機器智能到底在哪些環(huán)節(jié)超越了人類智能，我們可以對機器智能在此后的發(fā)展建立一條時間線，標(biāo)示出機器智能超越人類智能的每一個節(jié)點。不過，在生成式人工智能出現(xiàn)之前，無論人類的認(rèn)知能力用于何處，機器智能始終是人類認(rèn)知的工具，是幫助人類提升認(rèn)知的幫手?？墒?，當(dāng)生成式人工智能獲得了人類某個年齡的認(rèn)知能力，在諸多曾經(jīng)被認(rèn)為是人類優(yōu)勢的領(lǐng)域（如編程）也具有了高階能力時，人們才幡然醒悟，機器智能或許不再只是提升人類認(rèn)知的幫手，而是正在變成挑戰(zhàn)人類認(rèn)知形成的機器主體。

當(dāng)然，說幡然醒悟，是指在社會層次。緣由是，在認(rèn)知科學(xué)領(lǐng)域，早就有兩種設(shè)想：一是用機器認(rèn)知取代人類認(rèn)知；二是運用人機交互輔助乃至增強人類認(rèn)知（Winograd, 2006; Pavlou, 2018）。如果我們把認(rèn)知科學(xué)的成果在人工智能領(lǐng)域的實踐理解為科學(xué)家們只是希望在人類認(rèn)知之外創(chuàng)造出可以與人類認(rèn)知媲美的機器認(rèn)知，那么，可以認(rèn)為長久以來的爭論還只是局限于科學(xué)界?？墒?，生成式人工智能的出現(xiàn)忽地把認(rèn)知科學(xué)幾十年前的設(shè)想推到了社會面前。支持替代論的觀點認(rèn)為，人類認(rèn)知終將被機器認(rèn)知所替代，庫茲韋爾（Ray Kurzweil）的“技術(shù)奇點”（singularity）在總體上預(yù)示機器認(rèn)知終將超越人類認(rèn)知（Kurzweil, 2005），另一些探討則在具體領(lǐng)域提供了機器認(rèn)知對人類認(rèn)知替代的判斷（Brynjolfsson & McAfee, 2014），包括機器認(rèn)知與人類認(rèn)知之間可能發(fā)生的沖突（de Garis, 2005）等。

支持人類作為認(rèn)知主體的觀點則認(rèn)為，機器認(rèn)知始終只可能是人類認(rèn)知的輔助。利克萊德（Joseph C. R. Licklider）早在1960年就提出人機共生（Man-Computer Symbiosis）概念（Licklider, 1960）。他認(rèn)為，人類和機器具有的認(rèn)知能力是互補的，計算機可以替人類完成思維的形式化部分，承擔(dān)程序化的準(zhǔn)備工作（比如統(tǒng)計、制作圖表等）。人類則專注于其所擅長的高級認(rèn)知，如形成問題、設(shè)定目標(biāo)、提出假設(shè)、評估分析，等等。恩格爾巴特（Douglas Engelbart）提出，人工智能的發(fā)展前景應(yīng)該是人類智能的增強（augmentation of man's intellect）（Engelbart, 1963），即人類認(rèn)知的增強。他把增強智能定義為，在將人類的判斷與直覺、機器的標(biāo)準(zhǔn)程序和運算相結(jié)合的認(rèn)知情境中，人類解決復(fù)雜問題的能力得到提高，其表現(xiàn)包括更快、更好地理解目前的狀況，更快、更好地找到解決辦法等。在他看來，人類增強自身認(rèn)知能力的努力由來已久，在歷史上，人們已經(jīng)通過語言、人造物（artifact）、訓(xùn)練等形成了具有等級結(jié)構(gòu)的增強智能系統(tǒng)，計算機有望通過與這些因素的交互形成新的認(rèn)知結(jié)構(gòu)，進一步增強人類的智能。

進一步的探索還認(rèn)為，可穿戴設(shè)備的出現(xiàn)是增強人類認(rèn)知的例證，如增強人對環(huán)境和身體狀態(tài)的感知能力；增強人的記憶，特別是強化個體的、感性經(jīng)驗的記憶；增強人的動機，通過目標(biāo)計劃、進程追蹤曲線、小組成員評比、個性化評估、提供激勵等方式幫助人們完成設(shè)定的行為目標(biāo)，改變自身的認(rèn)知和行為方式（健身軟件即是一例）；增強人的決策能力，提供即時的信息支撐，針對決策的時機和選擇作出個性化的建議；甚至改善人的情緒，比如利用人體實時信息監(jiān)測識別人的情緒，并及時施以心理刺激等（Xia & Maes, 2013; Pirmagomedov & Koucheryavy, 2021）。

我們觀察到，隨著機器認(rèn)知的發(fā)展，機器不再只是執(zhí)行預(yù)定程序，而是學(xué)會了通過試錯進行創(chuàng)新性探索，包括提出人類不曾想象的問題、目標(biāo)、假設(shè)、分析。無論是在信息獲取、信息加工，還是在認(rèn)知形成、認(rèn)知影響中，人類認(rèn)知與機器認(rèn)知之間不只是并存式的共生，更不是機器認(rèn)知對人類認(rèn)知的輔助，而是人類認(rèn)知與機器認(rèn)知的相互激發(fā)與演進，進而構(gòu)成兩者之間的互生。

遺憾的是，人們或許只是看到了機器認(rèn)知帶來的人類增強，如智能可穿戴設(shè)備與個人生活的緊密結(jié)合使個人與技術(shù)共同進化，通過定制個性化的技術(shù)設(shè)備實現(xiàn)有針對性和計劃性的人類增強（Xia & Maes, 2013）。值得注意的是，如果我們只觀察到了人類增強，或許是因為忽略了機器認(rèn)知的同步增強。在這一盲點中，有人甚至認(rèn)為，理想的人機關(guān)系應(yīng)該是：可穿戴設(shè)備和物聯(lián)網(wǎng)負責(zé)信息獲取，機器智能負責(zé)信息加工，人類負責(zé)情感、直覺、判斷力、創(chuàng)造力的決策，三者結(jié)合，將會比單純的人工智能更加出色（Pavlou, 2018）。對此，人們甚至還設(shè)想：以可穿戴設(shè)備為“感官”，以物聯(lián)網(wǎng)等為“神經(jīng)系統(tǒng)”，以計算機為“大腦”，三者結(jié)合形成體外認(rèn)知，增強人類認(rèn)知（宋春艷，2016）。

如果認(rèn)知域僅限于認(rèn)知科學(xué)和人工智能領(lǐng)域，或許我們的討論可以在這里暫告段落。但必須引起注意的是，數(shù)字技術(shù)不只是影響了人工智能，還影響了眾多領(lǐng)域，如生命科學(xué)；人工智能也不只是應(yīng)用于認(rèn)知科學(xué)，還應(yīng)用于與認(rèn)知科學(xué)密切相關(guān)的其他領(lǐng)域，如納米技術(shù)等。2001年在美國召開的“提升人類績效的會聚技術(shù)”會議提出了與人類基因組計劃具有同樣深遠意義的人類認(rèn)知組計劃（The Human Cognome Project），旨在徹底破解人類心智結(jié)構(gòu)及功能機制。為完成這一計劃，又提出了融合納米技術(shù)（Nanotechnology）、生物技術(shù)（Biotechnology）、信息技術(shù)（Information Technology）、認(rèn)知科學(xué)（Cognitive Science）、技術(shù)會聚（NBIC），并認(rèn)為只有四大學(xué)科的會聚融合才有機會徹底揭示人類認(rèn)知的奧秘（Roco & Bainbridge, 2013）。NBIC的技術(shù)邏輯是：只要認(rèn)知科學(xué)家能想到的，納米科學(xué)家就能制造，生物科學(xué)家就能使用，信息科學(xué)家就能監(jiān)測和控制。會議認(rèn)為，會聚技術(shù)有望從生理結(jié)構(gòu)上改善人的認(rèn)知表現(xiàn)，提高思維的自覺性、效率、創(chuàng)新性和精確性，充分開發(fā)人類心智的潛力，進一步提升人類績效。面對改造人類、增強人類的技術(shù)前景，克拉克（Andy Clark）認(rèn)為，未來的人類將是與技術(shù)、工具、機器融于一體的“賽博格”；并且充滿信心地斷言，人類自古以來就有著將外在的工具、文化、技術(shù)、環(huán)境等非生物因素融入自身之內(nèi)的能力，“賽博格”只是一個古老進程的自然發(fā)展結(jié)果（Clark, 2001）。

如今，會聚技術(shù)的宏偉愿景已經(jīng)部分實現(xiàn)。人類增強技術(shù)（human enhancement）已進入日常實踐，如，藥物干預(yù)、器械植入、基因工程等；認(rèn)知增強技術(shù)（cognitive enhancement）也開始成為現(xiàn)實（宋春艷，2016），如益智藥（nootropics）可以運用化學(xué)物質(zhì)干預(yù)神經(jīng)回路、分子活動，對人的認(rèn)知表現(xiàn)產(chǎn)生影響，增進記憶、注意力、創(chuàng)造力等認(rèn)知功能（Lanni et al., 2008）；腦機接口技術(shù)也可以通過解碼認(rèn)知的神經(jīng)信號實現(xiàn)對外部設(shè)備的控制（Andersen et al., 2022）。

遺憾的是，人們也不得不承認(rèn)，在外界信號與形式化信息以及認(rèn)知和意識之間建立可實踐的邏輯鏈路仍然存在著難以跨越的障礙，也因此形成了對會聚技術(shù)目標(biāo)可實現(xiàn)性的疑問，如，人類的認(rèn)知是否可改造，“缸中之腦”（Putnam, 1992）是否可實現(xiàn)。人們認(rèn)識到，類人認(rèn)知的真正實現(xiàn)取決于人工智能的進階假設(shè)是否能獲得驗證，如意識過程等于信息加工過程，可以被寫成形式化的算法；意識狀態(tài)與神經(jīng)信號狀態(tài)一一對應(yīng)，意識過程的生物算法與計算機系統(tǒng)的物理算法可實現(xiàn)完美轉(zhuǎn)化等（張昌盛，2021）。

不過，即使這些假設(shè)暫時不成立，腦機意識交互和認(rèn)知控制等也暫時難以實現(xiàn)，既有的事實也已經(jīng)證明，融合了各類技術(shù)（不只是會聚技術(shù)）的信息獲取、信息加工、認(rèn)知形成和認(rèn)知影響等認(rèn)知域的理論與實踐已經(jīng)部分地實現(xiàn)了人機互生，意味著面對快速變化的認(rèn)知環(huán)境和始終陌生的認(rèn)知對象，人類具有了快速形成認(rèn)知且讓認(rèn)知產(chǎn)生影響的技術(shù)支撐。

可是，由于機器智能的信息獲取與信息加工能力遠遠超越人類且人類無力復(fù)核，這便意味著人機互生的認(rèn)知潛藏著巨大的因信息獲取和信息加工不可控而帶來的風(fēng)險，如，通過改變信息內(nèi)容或結(jié)構(gòu)影響信息獲取的中立性和完備性，通過干預(yù)信息加工影響信息加工的結(jié)果輸出，最終影響認(rèn)知形成與認(rèn)知影響。在認(rèn)知域的巨大風(fēng)險中，守衛(wèi)認(rèn)知的公平與正義以守衛(wèi)人類，也成為了認(rèn)知域?qū)嵺`面臨的最大挑戰(zhàn)。

簡短的結(jié)論

一花一世界，一樹一菩提，說的是每個人都有自己的認(rèn)知。認(rèn)知域，可以被理解為人類認(rèn)識世界的科學(xué)過程，還可以被理解為影響人類行動的主觀觀念和意識形態(tài)。曾經(jīng)，人類的認(rèn)知是在日常教化中形成的，信息獲取自人們熟悉的環(huán)境，信息加工有既定的模式，因此人們形成了面向熟悉事物的模式化認(rèn)知，在習(xí)以為常中有能力從容面對迎面而來的各類事物；當(dāng)然，人們也會遇到陌生。只要陌生得不超出可以獲得模式化認(rèn)知的速度，人們依然會選擇調(diào)整模式化認(rèn)知來面對陌生。至少在中國，傳統(tǒng)的認(rèn)知域?qū)嵺`總是處在習(xí)以為常和心隨境轉(zhuǎn)之間，在穩(wěn)定的日常中，形成社會習(xí)俗、累積社會文化。

數(shù)字技術(shù)讓人類不再只生活在熟人社會，而是始終面對著快速變化的環(huán)境和始終陌生的對象。在連接泛在中，人類已經(jīng)無力單純依靠自身的認(rèn)知能力來形成認(rèn)知、建立模式化認(rèn)知，而不得不轉(zhuǎn)向依靠機器智能。巧合的是，在經(jīng)歷了幾十年的發(fā)展之后，機器智能也具有了某種類人的認(rèn)知，在認(rèn)知域的一些環(huán)節(jié)甚至遠遠超越了人類的能力，并在人類認(rèn)知與機器認(rèn)知之間形成了一個巨大的風(fēng)險縫隙。填補抑或是利用這個縫隙，正是當(dāng)下科學(xué)領(lǐng)域和人類自身面對的艱難選擇，也因此成為了大國博弈的新舞臺。為此，我們應(yīng)召喚中國傳統(tǒng)的現(xiàn)實觀照，推動認(rèn)知域理論與實踐發(fā)展的人類關(guān)懷。

（本文系國家社會科學(xué)基金重大項目“新技術(shù)應(yīng)用背景下數(shù)字社會特征研究”子課題“數(shù)字社會的國家治理研究”的部分成果，項目編號：19ZDA143；北京大學(xué)社會學(xué)系博士研究生宋遠航對本文亦有重要貢獻）

注釋

[1]心理不等同于認(rèn)知，卻是形成認(rèn)知的前置因素。如，“不戰(zhàn)而屈人之兵”中的“屈”便是一種認(rèn)知，而不只是心理?？稍谛纬?ldquo;屈”的認(rèn)知之前，人會有諸多心理活動影響對“屈”的形成。

參考文獻

丹尼爾·卡尼曼，2021，《思考，快與慢》，胡曉姣、李愛民、何夢瑩譯，北京：中信出版集團。

李澤厚，1984，《孫、老、韓合說》，《哲學(xué)研究》，第4期。

羅伯特·萊頓，2005，《他者的眼光：人類學(xué)理論入門》，蒙養(yǎng)山人譯，北京：華夏出版社。

邱澤奇，2022，《中國人的習(xí)慣》，北京大學(xué)出版社。

讓·皮亞杰，2009，《發(fā)生認(rèn)識論原理》，王憲鈿等譯，北京：商務(wù)印書館。

姚振文，2016，《論〈孫子兵法〉中“知”的藝術(shù)》，《孫子研究》，第1期。

宋春艷，2016，《延展認(rèn)知技術(shù)的五大倫理追問》，《倫理學(xué)研究》，第5期。

余遠來，陳茜，2022，《認(rèn)知域作戰(zhàn)的致效機理與策略選擇》，《思想理論戰(zhàn)線》，第4期。

張昌盛，2021，《人工智能、缸中之腦與虛擬人生——對元宇宙問題的跨學(xué)科研究》，《重慶理工大學(xué)學(xué)報（社會科學(xué)）》，第12期。

Allcott, H. and M. Gentzkow, 2017, "Social Media and Fake News in the 2016 Election," Journal of Economic Perspectives, 31(2), pp. 211–236.

Andersen, R. A. et al., 2022, "Exploring Cognition with Brain–Machine Interfaces," Annual Review of Psychology, 73.

Anderson, J. R., 1983, The Architecture of Cognition, Cambridge, Massachusetts: Harvard University Press.

Anderson, J. R. and G. H. Bower, 1973, Human Associative Memory, Washington, DC: Winston and Sons.

Anderson, L., 2011, "Demystifying the Arab Spring: Parsing the Differences Between Tunisia, Egypt, and Libya," Foreign Affairs, 90(3), pp. 2–7.

Bloom B. S.; M. D. Engelhart and E. J. Furst et al., 1956, Bloom's Taxonomy. Handbook I: Cognitive Domain, New York: David McKay.

Bruner, J. S., 1960, The Process of Education, Cambridge: Harvard University Press.

Brynjolfsson, E. and A. McAfee, 2014, The Second Machine Age: Work, Progress, and Prosperity in a Time of Brilliant Technologies, New York: W. W. Norton & Company.

Bunge, M., 1983, Treatise on Basic Philosophy, Vol. 6: Epistemology & Methodology I: Understanding the World, Dordrecht: D. Reidel.

Chomsky, N., 1965, Aspects of the Theory of Syntax, Cambridge: MIT Press.

Clark, A., 2001, "Natural–Born Cyborgs?" Cognitive Technology: Instruments of Mind: 4th International Conference Proceedings, Berlin, Heidelberg: Springer Berlin Heidelberg.

Clark, A., 2013, "Whatever Next? Predictive Brains, Situated Agents, and the Future of Cognitive Science," Behavioral and Brain Sciences, 36(3).

Clark, A., 2015, Surfing Uncertainty: Prediction, Action, and the Embodied Mind, New York: Oxford University Press.

Engelbart, D. C., 1963, "A Conceptual Framework for the Augmentation of Man's Intellect," Vistas in Information Handling, 1.

Friston, K., 2010, "The Free–Energy Principle: A Unified Brain Theory?" Nature Reviews Neuroscience, 11(2).

Garis, H. D., 2005, The Artilect War: Cosmists Vs. Terrans, New York: ETC Publications.

Hopfield, J. J., 1982, "Neural Networks and Physical Systems with Emergent Collective Computational Abilities," Proceedings of the National Academy of Sciences, 79(8).

Kurzweil, R., 2005, The Singularity Is Near: When Humans Transcend Biology, New York: Viking Books.

Laird J. E.; A. Newell and P. S. Rosenbloom, 1987, “Soar: An Architecture for General Intelligence,“ Artificial Intelligence, 33(1).

Langacker， R. W., 1987, Foundations of Cognitive Grammar: Volume I: Theoretical Prerequisites, Redwood City, CA: Stanford Uuniversity Press.

Lanni, C. et al., 2008, "Cognition Enhancers Between Treating and Doping the Mind," Pharmacological Research, 57(3).

Lewis, M., 2011, The Big Short: Inside the Doomsday Machine, New York: W. W. Norton & Co.

Licklider, J., 1960, "Man–Computer Symbiosis," IRE Transactions on Human Factors in Eelectronics 1.

Lighthill, J., 1973, "Artificial Intelligence: A General Survey," Artificial Intelligence: A Paper Symposium, UK: Science Research Council.

McClelland, J. L. et al., 2010, "Letting Structure Emerge: Connectionist and Dynamical Systems Approaches to Cognition," Trends in Cognitive Sciences, 14(8).

McCulloch, W. S. and W. Pitts, 1943, “A Logical Calculus of the Ideas Immanent in Nervous Activity,“ The Bulletin of Mathematical Biophysics, 5, pp. 115–133.

Miller, G. A., 1956, "The Magical Number Seven, Plus or Minus Two: Some Limits on Our Capacity for Processing Information," Psychological Review, 63, pp. 81–97.

Minsky, M. L., 1974, A Framework for Representing Knowledge, MIT–AI Laboratory Memo, 306.

Neisser, U., 1967, Cognitive Psychology, New York: Appleton–Century–Crofts.

Newell, A., 1994, Unified Theories of Cognition, Cambridge: Harvard University Press.

Newell, A. and H. A. Simon, 1956, “The Logic Theory Machine: A Complex Information Processing System,“ IRE Transactions on Information Theory, 2(3).

Newell, A.; J. C. Shaw and H. A. Simon, 1958, “Elements of a Theory of Human Problem Solving,“ Psychological Review, 65(3).

Newell, A.; J. C. Shaw and H. A. Simon, 1959, "Report on a General Problem–Solving Program," IFIP Congress, vol. 256.

Pavlou, P. A., 2018, "Internet of Things–Will Humans Be Replaced or Augmented?" NIM Marketing Intelligence Review, 10(2).

Piombo Jessica and Lia Nijzink, 2005, Electoral Politics in South Africa: Assessing the First Democratic Decade, New York: Palgrave Macmillan.

Pirmagomedov, R. and Y. Koucheryavy, 2021, "IoT Technologies for Augmented Human: A Survey," Internet of Things, 14.

Pollock, J., 1995, Cognitive Carpentry: A Blueprint for How to Build a Person, Cambridge, Cambridge: MIT Press.

Putnam, H., 1992, “Brains in a Vat“, in K. DeRose and T. A. Warfield, (eds.), Skepticism: A Contemporary Reader, Oxford: Oxford University Press.

Roco, M. C. and W. S. Bainbridge, (eds.), 2013, Converging Technologies for Improving Human Performance: Nanotechnology, Biotechnology, Information Technology and Cognitive Science, Springer Science & Business Media.

Rosenblatt, F., 1957, "The Perceptron–A Perceiving and Recognizing Automaton," Report 85–460–1, Cornell Aeronautical Laboratory.

Rowlands, M., 2010, The New Science of the Mind: From Extended Mind to Embodied Phenomenology, Cambridge: MIT Press.

Schank, R. C., 1972, “Conceptual Dependency: A Theory of Natural Language Understanding,“ Cognitive Psychology, 3.

Searle, J., 1980, “Minds, Brains and Programs,“ Behavioral and Brain Sciences, 3.

Shields, C., 2020, "Aristotle's Psychology," The Stanford Encyclopedia of Philosophy, Edward N. Zalta, (ed.), https://plato.stanford.edu/archives/win2020/entries/aristotle-psychology/.

Simon, H. A. and A. Newell, 1971, "Human Problem Solving: The State of the Theory in 1970," American Psychologist, 26(2).

Wilson, M., 2008, "How Did We Get from There to Here? An Evolutionary Perspective on Embodied Cognition," Handbook of Cognitive Science, Elsevier.

Winograd, T., 2006, "Shifting Viewpoints: Artificial Intelligence and Human–Computer Interaction," Artificial intelligence, 170(18).

Xia, C. and P. Maes, 2013, "The Design of Artifacts for Augmenting Intellect," Proceedings of the 4th Augmented Human International Conference.

Zimbardo, P. et al., 1971, The Stanford Prison Experiment: A Simulation Study of the Psychology of Imprisonment, Stanford University.

Cognitive Domain: From Everyday Routine to Man-Machine Symbiosis

Qiu Zeqi

Abstract: Cognitive domain is not a well-defined academic concept yet but a multidisciplinary domain developed along human cognitive exploration process. Based on the multidisciplinary research exploration, we believe that cognitive domain focuses on the four interrelated fields: information acquisition, information processing, cognitive formation and cognitive influence. Two cognition extremes appear during the historical and existing practices: the patterned cognition for everyday scenes and non-patterned cognition for novel scenes. On one hand, digital technology, under the premise of ubiquitous connectivity and represented by artificial intelligence (AI), has brought rapid social changes and pushed the constant defamiliarization of cognitive scenes, thus making non-patterned cognition a normality. On the other hand, interacting rapidly with cognitive science, it facilitates machine intelligence with human-computer symbiosis, supporting human cognitive enhancement and opportunities for interference human cognition, and leads to human cognitive independence deficiency directly. Consequently, the cognitive domain, aiming at cognitive influence, becomes the forefront of science competition, the new stage of power games.

Keywords: cognitive domain, patterned cognition, man-machine symbiosis