認知模型簡介
人類對客觀世界事或物的認知是通過回答三個問題“What”、“How”和“Why”來完成的，即什麼、怎么、為什麼，簡稱3M認知模型。“是什麼”是關於事物本質的問題，事物的本質是該事物區別於它事物的內在規定性。要說清它，就不能不分析它的性質、屬性、特徵、表現形式等與本質直接相關的各種問題。“怎么”則為人們“應該怎么做”而提供的指導。“為什麼”是對事物問題發生原因的探討。任何事物的存在或現象的出現都不可能沒有原因，只有正確認識事物發生的原因，認清其因果聯繫，才能真正認識此項事物。認知模型是指模擬人類認知，而人工構建出的認知對象、認知架構、認知模擬的統一體，它是人工智慧領域的一個重要研究方向①。傳統的認知模型有基於符號主義的認知模型、聯結主義認知模型、基於心理學的認知模型，這些認知模型的研究極大地豐富了人工智慧領域的研究內涵。近年來，隨著智慧型計算、移動自組網路、虛擬現實等計算機科學技術在人工智慧領域研究中的套用，人們又提出了幾種新型的認知模型，並成功地套用於推理、決策、控制等套用領域。
基於粒計算的認知模型
人類認知過程的計算機模型。所謂認知，通常包括感知與注意、知識表示、記憶與學習、語言、問題求解和推理等方面。建立認知模型的技術常稱為認知建模，目的是為了從某些方面探索和研究人的思維機制，特別是人的信息處理機制，同時也為設計相應的人工智慧系統提供新的體系結構和技術方法。
2.3.1 方法1
令認知模型為(L1,L2,L,H)，L1<∞，g1，g2分別為其必要信息粒集和充分信息粒集，(a1,b1)∈g1，(a1,b1)為必要信息粒，根據如下公式計算充要信息粒。
an=an-1∨H(bn-1)n≥2；bn=L(an)n≥2；則存在n0∈n，且(an0，bn0)就是計算出的充要信息粒。
2.3.2方法2
令認知模型為(L1,L2,L,H)，L2<∞，g1，g2分別為其必要信息粒集和充分信息粒集，(a1,b1)∈g1，(a1,b1)為必要信息粒，則按下式計算bn=bn-1∨L(an-1)n≥2；an=H(bn)n≥2；則存在n0∈n，且(an0，bn0)就是計算出的充要信息粒。2.3.3方法3
令認知模型為(L1,L2,L,H)，L1<∞，g1，g2分別為其必要信息粒集和充分信息粒集，(a1,b1)∈g2，(a1,b1)為充分信息粒，令an=bn-1∧H(bn-1)n≥2；bn=H(an)n≥2；則存在n0∈n，且(an0，bn0)就是計算出的充要信息粒。2.3.4方法4
對於認知模型(L1,L2,L,H)，L2<∞，g1，g2分別為其必要信息粒集和充分信息粒集，(a1,b1)∈g2，(a1,b1)為充分信息粒，根據如下公式計算充要信息粒。bn=bn-1∧L(an-1)n≥2；an=H(bn)n≥2；則存在n0∈n，且(an0，bn0)就是計算出的充要信息粒。2.1 認知模型的描述
認知模型被定義為一個四元組(L1,L2,L,H)，其中，L1和L2都是完備格，L1的元素稱為外延元，L2的元素稱為內涵元，L是L1到L2的映射，H是L2到L1的映射。L：L1→L2滿足：L(0L1)=1L2；L(1L1)=0L1;L(a1∨a2）=L(a1)∧L(a2)，坌a1，a2∈L1；映射L稱為該認知過程的外延內涵運算元，對a∈L1，稱L(a)為a的內涵。H：L2→L1滿足：H(0L2)=1L1；H(1L2)=0L1;H(b1∨b2）=H(b1)∧H(b2)，坌b1，b2∈L2；映射H稱為該認知過程的內涵外延運算元，對b∈L2，稱H(b)為b的外延。L和H兩個運算元滿足：H○L(a)≥a； L○H(b)≥b；因此，在該認知模型中，L和H兩個運算元描述了認知中對象和屬性的變化過程。2.2 認知模型中粒的描述
在認知模型(L1,L2,L,H)中，設L1=P(U)和L2=P(A)是完備格，令g1={(a,b)∣b≤L(a),a≤H(b)};g2={(a,b)∣L(a)≤b,H(b)≤a};(a,b)∈g1,稱(a,b)為該認知模型的必要信息粒，b稱為a的必要屬性，g1稱為該認知模型的必要信息粒集。若(a,b)∈g2,稱(a,b)為該認知模型的充分信息粒，b稱為a的充分屬性，g2稱為該認知模型的充分信息粒集。(a,b)∈g1∪g2,稱(a,b)為該認知模型的信息粒。g1∪g2稱為該認知模型的信息粒集。(a,b)∈g1∩g2,即a,b滿足b=L(a)且a=H(b)，稱(a,b)為該認知模型的充要信息粒。因此，認知模型的充要信息粒就是概念，人類的認知過程就是根據充分信息粒或必要信息粒去計算充要信息粒，最終得到概念。3基於動態信任預測的認知模型
信任預測(TrustForecasting)是認知模型對認知信息源信任度的計算，是認知模型選擇認知信息源、接受認知信息的重要參考依據。Hassan等人提出了一種基於向量(Vector)機制的信任預測方法，對於認知信息源的一些不確定性的因子進行了數學量化並引入向量運算機制來描述信任關係，George等人提出了一種基於半環(Semi-ring)代數理論的信任預測方法，將信任定義為一個有向圖G(V,E)的路徑問題。但這些方法都建立在認知模型和認知信息源之間的信任關係隨著時間的延續而保持不變的假設。實際上信任關係是一個複雜社會關係的數學描述，是隨著時間變化而動態變化的，李小勇等人正是從這個角度，提出了基於動態信任預測的認知模型。
3.1信任度的計算
P1,P2,…,Pi,…,Pn為發生互動行為的n個實體，實體可以是認知信息源，也可以是認知模型，集合Ω={P1,P2,…,Pi,…,Pn}為實體域，對於實體域Ω，存在集合S奐Ω，，且必定存在元素o，ο奐Ω，使得坌s∈S,都有操作使得s→o，則稱S為主體域，o的集合為客體域，記作O。4基於Bayes信任預測的認知模型
Bayes預測在人工智慧中的套用日益突出，被廣泛套用於機器學習、歸納學習、視覺場景感知、因果學習和推理以及社會認知①。在認知模型對於認知信息源的總體信任度計算上同樣有極好的套用。對於不同的認知模型，總體信任度、直接信任度、間接信任度的定義及使用的符號不盡相同，因此，基於Bayes信任預測的認知模型中的總體信任度、直接信任度、間接信任度的定義及使用的符號有別於基於動態信任預測的認知模型。5計算機模型
在50年代以前，心理學中有影響的行為主義學派，只承認人在受到某種外部刺激後才以一定形式作出反應的行為，而否認存在於刺激和反應之間的意識過程，也排斥研究意識的內省方法。認知心理學用計算機研究人的信息處理機制時表明，在計算機的輸入和輸出之間存在著由輸入分類、符號運算、條款的存儲與檢索、模式識別等方面組成的實在的信息處理過程。儘管計算機的信息處理過程和人的信息處理過程有實質性差異，但可以由此得到啟發，認識到人在刺激和反應之間也必然有一個對應的信息處理過程，這個實在的過程只能歸結為意識過程。認知心理學的興起，重新恢復了意識研究在心理學中的地位，其主導因素就是信息處理。計算機的信息處理和人的信息處理在符號處理這一點的相似性是人工智慧名稱由來和它賴以實現和發展的基點。信息處理也是認知心理學與人工智慧的聯繫紐帶。認知心理學與人工智慧是相互滲透、相互促進的。
由於人類認知活動的複雜多樣性，難以建立一個囊括一切的認知模型。通常根據模組性假設認為每一認知功能有其對應的結構原則，每一個認知模型一般只反映一方面或若干方面的認知特徵。奠定認知心理學基礎的著名模型有：初等領悟和記憶程式EPAM、記憶語義網路模型（見語義網路）、人類聯想記憶模型 HAM、通用認知模型ACT、人類長期記憶通用模型MEMOD等。認知心理學的研究是從人的記憶開始的，因此相當多的模型（包括上述五個模型）都屬於記憶模型。除了記憶模型之外，通用解題程式 GPS和機遇型問題求解模型是研究人求解問題策略的認知模型。前者提出了人工智慧中常用的手段－目的分析技術，後者則根據人在解決問題時並不一定按照嚴格的順序而往往考慮特定機會的思想（見行動計畫）。值得注意的是企圖模擬人的信念和情感的所謂信念系統。它是認知心理學和人工智慧研究的前沿課題。
對複雜過程控制、企業和事業管理、社會經濟領域以及人的思維過程模擬等高難度的自動化問題，單純用傳統的數學建模技術進行定量的計算已越來越難以奏效，而往往需要運用人工智慧技術並藉助於適當的定性認知模型，或運用兼有定性分析和定量計算的組合模型（如核反應堆的故障控制）。
參考書目
J.R.Anderson,The Architecture of Cognition,Harvard Press, Combridge, Mass,1983.
