审计认知论文范文

关键词： 认知科学 认知

今天小编给大家找来了《审计认知论文范文(精选3篇)》，欢迎大家借鉴与参考，希望对大家有所帮助！【摘要】创新审计技术方法是“科技强审”的迫切要求，机器人认知自动化（R&CA）是结合软件机器人和认知能力的自动化解决方案，能够在相当程度上满足灵活、智能的自动化需求。R&CA技术的功能、对象以及理念与审计活动的不同维度存在内在耦合性，可以据此构建“人机协同”的R&CA技术审计模型。

第一篇：审计认知论文范文

人类认知的五个层级和高阶认知

作者简介：

蔡曙山，清华大学心理学系教授，博导;清华大学心理学与认知科学研究中心主任;教育部985哲学社会科学重大创新基地清华大学认知科学创新基地主任;中国认知科学学会理事;中国逻辑学会副会长，中国逻辑学会语言逻辑专业委员会主任;北京市自然科学界和社会科学界联席会议顾问专家;贵州民族大学民族文化与认知科学学院院长、教授，贵州民族大学逻辑、文化与认知研究中心名誉主任。

图1是众所周知的认知科学的学科结构图，展示的是认知科学的学科结构和关系，却未能很好地说明人们头脑里的认知过程和结构，也不能说明认知过程、科学对象和学科发展之间的关系。因此，需要重新思考人类心智和认知的对象、人类认知的过程和结构，从而更加合理地解释人们头脑里的认知加工过程、认知科学的各种对象的关系，并对认知科学日益发展的交叉综合学科做出解释。

图1.认知科学的学科结构(Pylyshyn，1983：76)

人类认知的五个层级

我们将人类认知从初级到高级划分为五个层级：神经层级的认知、心理层级的认知、语言层级的认知、思维层级的认知、文化层级的认知，简称神经认知、心理认知、语言认知、思维认知和文化认知。迄今为止，人类认知只能而且必需被包含在这五个层级之中。前两个层级的认知即神经认知和心理认知是人和动物共有的，称为“低阶认知”(lower-order cognition)，后三个层级的认知是人类所特有的，称为“高阶认知”(higher-order cognition)。五个层级的认知形成一个序列：神经认知-心理认知-语言认知-思维认知-文化认知，也可以将他们纵向排列如下图。在这个序列中，低层级的认知是高层级认知的基础，高层级的认知向下包含并影响低层级的认知。

圖2.人类认知的5个层级

由上图可以看出：

(1)人类认知涵盖所有五个层级，包括高阶认知和低阶认知。从神经认知、心理认知、语言认知、思维认知到文化认知的发展，是动物和人类心智和认知的进化方向的体现(图3);人类认知的五个层级的存在，是心智和认知进化各阶段能力的遗留。

(2)每一种初级认知依次成为高级认知的基础。例如，神经认知是心理认知的基础;心理认知是语言认知的基础;语言认知是思维认知的基础;思维认知是文化认知的基础。当然我们也可以说，神经认知和心理认知是语言认知的基础;神经认知、心理认知和语言认知是思维认知的基础;神经认知、心理认知、语言认知和思维认知是文化认知的基础等等。

(3)由于高级认知向下包含了较初级的认知，所以较高级的认知形式会对它所包含的初级认知形式产生影响。例如，文化认知会对思维认知、语言认知、心理认知和神经认知产生影响;思维认知会对语言认知、心理认知和神经认知产生影响;语言认知会对心理认知和神经认知产生影响，等等。

(4)由语言认知、思维认知和文化认知构成的高阶认知是人类特有的认知形式，非人类的动物并不具有这种认知形式。在高阶认知中，语言认知是基础;在人类认知的五个层级中，语言认知是核心。

图3.动物和人类心智进化图

五个层级的认知是按照科学标准划分的。所谓科学标准，就是将科学研究的对象作为划分的根据。迄今为止，认知科学所研究的对象都分属于这五个层级，没有也不可能有超出这五个层级的认知科学对象。当然，有些对象是跨层级的，这就形成认知科学跨领域、跨学科的研究。

认知科学的学科标准和科学标准

在认知科学学科框架中，神经科学、心理学、语言学、哲学、计算机科学和人类学被称为认知科学的六大来源学科或支撑学科。在这个框架下，六大来源学科之间互相交叉，产生出11个新兴交叉学科，它们是：①控制论;②神经语言学;③神经心理学;④计算机仿真;⑤计算机语言学;⑥语言心理学或心理语言学;⑦心理哲学;⑧语言哲学或理论语言学;⑨进化语言学，或语言的产生和演进，或人类学语言学;⑩认知人类学; 脑进化。

这样，关于认知科学，我们有两个关系图。其一是从人类认知的五个层级来划分的，依据的是人们头脑里发生的认知过程，即依据认知科学研究对象的关系来划分的。由于依据的是科学标准，叫做“科学关系图”，其二是从认知科学的来源学科来划分的，由于依据的是学科标准，叫做“学科关系图”。

认知科学五个层级的科学关系是根本的，而认知科学6大学科的关系是从属的、派生的。原因是：其一，在科学和学科的关系中，以问题为导向的科学研究是第一性的，是先行的，因而是主导的;而以规范为目标的学科设置是第二性的，是后起的，因而是从属的。其二，认知科学的科学关系决定其学科关系。我们很容易看到认知科学的五个层级与其六大学科之间的对应关系，从低级到高级的对应关系依次为：神经认知→神经科学;心理认知→心理学;语言认知→语言学;思维认知→计算机科学、逻辑学、哲学;文化认知→人类学。这里，箭头表示映射关系。很显然，反过来的映射关系是不成立的。这就说明，认知科学的科学关系是学科关系的基础，由于在人类认知过程中五个层级的交叉，才产生出认知科学的学科交叉。其三，认知科学五个层级两两交叉，产生出众多的交叉学科。五个层级的科学交叉所产生的交叉学科如下：

(1)在神经认知层级上，我们有如下的科学交叉到交叉学科的映射：神经-心理交叉→神经心理学;神经-语言交叉→神经语言学;神经-思维交叉→神经计算机科学(控制论)，计算神经科学，神经科学哲学(心智哲学)，神經思维科学(神经系统的逻辑及认知逻辑);神经-文化交叉→文化神经科学。

(2)在心理认知层级上，我们有如下的映射：心理-语言交叉→心理语言学，语言心理学;心理-思维交叉→思维心理学，心理逻辑;心理-文化交叉→文化心理学，社会心理学，认知人类学。

(3)在语言认知层级上，我们有如下的映射：语言-思维交叉→语言逻辑，计算语言学，语言哲学，理论语言学(逻辑语言学);语言-文化交叉→进化语言学，语言的产生和演进，人类学语言学。

(4)在思维认知层级上，我们有如下的映射关系：思维-文化交叉→文化逻辑，文化哲学，思维文化学，民族文化学。

此外，我们还可能有多层级多领域交叉而产生的交叉学科，如语言-思维-文化层级交叉产生了著名的萨丕尔-沃尔夫假说(The Sapir-Whorf hypothesis)以及语言文化学以及思维文化学。

以上我们看到，人类认知的五个层级及相互关系与认知科学的学科结构和学科交叉之间的对应非常完美。我们还看到，认知科学的学科结构和交叉学科，其实是由认知科学五个层级的结构及各层级之间的交叉决定的，包括著名的认知科学六角形结构(图1)也是由认知科学的层级结构和科学交叉决定的，但认知科学的五个层级的结构和科学交叉能够产生的交叉学科要多得多，这是我们以前所没有认识到的。

五个层级的科学研究带来的学科发展

上世纪50年代以来，五个层级认知科学研究可以说是硕果累累。限于篇幅，本文不介绍这些发展，但我们对五个层级的认知科学研究带来的学科发展稍加分析。

1. 神经层级的认知

在神经认知层级上，我们至少应该有如下的科学研究到交叉学科的映射：

图4.<认知神经科学>第4版

(1)神经-心理交叉→神经心理学;

(2)神经-语言交叉→神经语言学;

(3)神经-思维交叉→神经计算机科学(控制论)，计算神经科学，神经科学哲学(心智哲学)，神经思维科学(神经系统的逻辑及认知逻辑);

(4)神经-文化交叉→文化神经科学。

加扎尼加(M.S.Gazzaniga)和曼根(G.R.Mangun)著《认知神经科学：心智的生物学》第四版基本上就是按照五个层级的交叉来讲认知神经科学，本书第一部分是“背景和方法”，介绍认知神经科学的简史、神经系统的结构和功能、认知神经科学的方法。本书第二部分“核心过程”共11章，它们是：第4章：大脑半球的特异化;第5章：感觉和知觉;第6章：对象识别;第7章：注意;第8章：行为;第9章：记忆;第10章：情绪;第11章：语言;第12章：认知控制;第13章：社会认知;第14章：意识、自由意志和定律。容易看出，第4章是神经层级的认知;第5-10章是心理层级的认知;第11章是语言层级的认知;第12章涉及思维层级的认知，但并不完全是思维认知;第13章是文化社会层级的认知。看本书从第三版(2009)到第四版(2014)的变化也是很有意思的。在第三版中，大脑半球的特异化是位于语言之后的第11章，在第四版中，该章被前移至第4章，即“核心过程”的第一章。这样整个章节顺序就是依照五个层级自低级向高级排列了。但本书缺少专门的章节来讲思维、逻辑和推理的神经科学，这在体例上实在是一个缺失;而且，自认知科学诞生以来，在思维的神经科学方面有很多重要的研究和成果，未收入本书也是一种遗憾。

2. 心理层级的认知

心理层级的认知会和其他层级的认知发生交叉。因此，在心理认知层级上，除了主流的认知心理学，还有如下的从科学研究到学科发展的映射：心理-语言交叉→心理语言学，语言心理学;心理-思维交叉→思维心理学，心理逻辑;心理-文化交叉→文化心理学，社会心理学，认知人类学。在这些领域，半个多世纪来取得了大量重要的成果。

3. 语言层级的认知

语言与人类是同时进化的。动物从低级到高级的进化形式依次为：肢体语言、声音语言、表意的符号语言。人类特有的表意的符号语言具有抽象性、可产生性、任意性和歧义性。人类特有的符号语言和文字使人类最终进化为人。

图5.语言进化和语言分支图(蔡曙山，2010)

语言层级的认知也会和其他层级的认知发生交叉。在语言认知层级上，我们不仅有认知语言学，或称语言与认知，还有如下从科学研究领域到学科的映射：语言-思维交叉→语言逻辑，计算语言学，语言哲学，理论语言学(逻辑语言学);语言-文化交叉→进化语言学，语言的产生和演进，人类学语言学等。

4. 思维层级的认知

认知科学建立以后，心理学和逻辑学出现了交叉融合的发展趋势，两者重新统一于认知科学的背景框架之中。近年来笔者相继在国内外学术期刊和学术会议上发表文章，建立了认知逻辑的学科框架，即将认知科学的学科框架映射到现代逻辑的背景之中，得到认知逻辑(cognitive logic)的学科框架，它包括哲学逻辑、语言逻辑、心理逻辑、人工智能的逻辑、文化与进化的逻辑以及神经系统的逻辑。认知逻辑的学科框架如图6所示。在认知逻辑的学科框架下，心理学与逻辑学重新走向统一。

图6.认知逻辑学科框架图(蔡曙山，2007.2009)

心理学与逻辑学交叉融合发展的结果，产生了心理逻辑(psychological logic / mental logic)和思维心理学(psychology of thinking)这样一些新兴学科，并取得一系列重大的研究成果。例如，著名的沃森选择任务实验(Wason selection task， 1966)深刻揭示了人类认知过程中逻辑加工与心理加工的关系。在思维认知层级上，我们有如下的从科学研究到学科发展的映射关系：思维-文化交叉→文化逻辑，文化哲学，思维文化学，民族文化学等。

5. 文化层级的认知

在文化的层级上，人类认知的三个层次是：科学、哲学与宗教。它们都是与人类文化紧密相连的，而且，它们是从初级到高级的。

科学、哲学和宗教从不同的角度，在不同的层次上反映了人类心智，反映了人类对物质世界和精神世界的认识。科学、哲学和宗教都反映了造物主的智慧，这个最高的智慧体现在古今人类的心智中，犹如太阳的光辉被每一棵树、每一根草、每一滴水、每一颗露珠所反映一样。“今人不见古时月，今月曾经照古人。古人今人若流水，共看明月皆如此。”

一些结论和简单的讨论

1.五个层级的认知是动物和人类心智进化的遗存

人类认知从神经认知、心理认知、语言认知、思维认知到文化认知的提高，反映了动物和人类心智进化的方向，是心智和认知能力进化结果的遗存。个体的发展重演整个特种的进化和发展过程，人类五个层级的认知正是人类心智在进化过程中获得的五个层级的认知能力的体现。

2.五个层级的科学划分反映了人类完整的认知过程

五个层级的认知是按照科学标准划分的，就是以科学研究的对象之间的关系作为划分的根据。人类认知五个层级的划分依据的是人们头脑里发生的认知过程，即依据认知科学研究对象之间的关系来进行划分的，依据的是科学标准，所以它是认知科学对象之间的“科学关系图”。

迄今为止，认知科学所研究的对象都分属于这五个层级。五个层级之间的交叉综合，产生了认知科学之下的众多的交叉和综合学科。五个层级的划分，不仅使我们看清了人类认知五个层级之间的关系，对认知科学研究中发生的学科交叉和学科综合，也具有更加合理和更强的解释力。

3.人类认知是语言、思维、文化层级的高阶认知

人类认知涵盖了所有五个层级，但就其本质而言，人类认知是以语言为基础，以思维和文化为特征的高阶认知。五个层级协调一致的工作，演奏着人类心智的美妙乐章。人类心智和认知与非人类动物心智和认知的区别在语言，人类使用表意的符号语言进行认知，用语言来做一切事情并建构人类社会。语言的限度就是人类认知的限度。除了语言，我们一无所知。人使用抽象概念进行判断、推理和决策。我思故我在，人的存在用思维来定义。认知科学的建立使我们对脑与思维有更深刻的认识。在语言和思维的基础上，人类的经验形成知识，并积淀为文化。从此，人类的进化超越了基因和生物学意义上的进化，实现了脑与语言的双重进化，实现了知识与文化的双重进化。人超越了动物界，也超越了自然界。人对自然过程的超越，形成了文化与自然的对立，人类的发展对自然的存在造成无可挽回的影响。所有这些，都是需要我们认真思考和深入研究的。

4.五个层级的划分更清楚地表明认知科学研究和学科发展之间的关系

本文给出的认知科学五个层级的科学结构图与认知科学的学科结构图的区别，是科学与学科的区别。

认知科学的学科结构关系不能说明越来越多的认知科学交叉和综合学科的产生与发展。而我们提出的认知科学五个层级的科学結构不仅能够说明目前已经存在的认知科学新兴的交叉学科和综合学科，而且能够预测和解释今后可能出现的新兴交叉和综合学科。

人类认知的五个层级及相互关系与认知科学的学科结构和学科交叉之间的对应非常完美，本文给出了人类认知的各个层级到认知科学的学科之间，以及各个层级的交叉综合到认知科学的交叉和综合学科之间的映射关系，并讨论了这些领域的发展。我们看到，认知科学的五个层级的结构和科学综合交叉能够产生的综合交叉学科要多得多，有的综合交叉学科是我们以前所没有认识到的。这说明人类认知五个层级的理论不仅是有科学解释力的，也具有学科发展预见力的。

5.五个层级划分的理论意义和应用价值

最后，人类认知五个层级的划分具有重要的理论意义和实际应用价值。

人类认知五个层级理论的创新意义：根据人类认知五个层级的理论，我们要坚持全学科、大综合的认知科学观;根据高阶认知三个层级的理论，我们强调突出语言、思维、文化层级高阶认知研究;根据认知科学多学科综合交叉的特点，我们要体现认知科学研究方法的创新，即以经验为基础，以科学实验为基本方法的、全学科综合交叉的研究方法是认知科学研究的重要方法。

人类认知五个层级划分的实际应用价值：推动自然科学和哲学社会科学领域的认知科学研究;促进我国认知科学包括清华大学认知科学和相关学科的建设和发展;语言、思维、文化层级的高阶认知研究，具有重要的文化意义和价值，对国家文化发展战略的建构和实施具有重要的推动作用。

本研究受以下项目资助：

国家社会科学基金重大项目：“语言、思维、文化层级的高阶认知研究”(项目批准号：15ZDB017);

国家社会科学基金重大项目：“汉语非字面语言大脑加工的神经机制研究”(项目批准号：14ZDB154)。

作者：蔡曙山

第二篇：机器人认知自动化（R&CA）在审计中的应用探索

【摘 要】 创新审计技术方法是“科技强审”的迫切要求，机器人认知自动化（R&CA）是结合软件机器人和认知能力的自动化解决方案，能够在相当程度上满足灵活、智能的自动化需求。R&CA技术的功能、对象以及理念与审计活动的不同维度存在内在耦合性，可以据此构建“人机协同”的R&CA技术审计模型。R&CA技术在审计中的应用主要涉及原有审计业务流程诊断与优化、独立审计任务自动化处理、基于R&CA技术的审计业务流程再造等实施步骤。该技术的应用有利于提升审计效率、审计质量并优化审计资源配置，但仍需关注其面临的现实困境和潜在风险。

【关键词】 机器人认知自动化（R&CA）; 智能审计; 科技强审; 审计技术

一、引言

“科技强审”是21世纪以来审计发展最显著的特征之一，习近平总书记在中央审计委员会第一次会议中指出，要坚持科技强审，加强审计信息化建设。面对时代发展提出的新要求，审计领域必须努力创新审计技术方法。审计技术方法是为实现审计目标而采取的思想方法和技术手段的总称[1]，其创新的外因在于审计环境的变迁，内因在于审计效率与审计风险的权衡。大数据、云计算的发展一方面促使审计内容由纸质账目、结构化数据向数字化载体和复杂的数据结构转变，导致传统审计模式捉襟见肘;另一方面提升了运算速度，降低了运算成本，为审计技术方法的创新提供了丰富的资源。在这一背景下，機器人认知自动化（Robotic & Cognitive Automation，R&CA）作为一种创新型审计技术方法受到了审计职业界的关注。国际四大会计师事务所已经率先做出响应，例如2016年毕马威与IBM合作，利用认知机器人Watson实现审计业务流程自动化。虽然审计实务中已经开始尝试应用R&CA技术，但是鲜有学者将R&CA与审计结合起来开展理论研究，有鉴于此，本文拟就R&CA技术在审计中的应用问题进行理论探索，以期为推动审计技术方法创新有所裨益。

二、相关概念辨析与文献回顾

（一）R&CA及其相关概念辨析

R&CA，即通过融合机器人流程自动化（Robotic Process Automation，RPA）和认知计算（Computer Cognitive，CC），模拟并增强人与计算机的交互过程，能够在异构系统中自动执行可重复、常规任务的软件解决方案。R&CA技术连接了机器人世界与认知世界，由此形成的R&CA认知机器人更具有智能性，能够实现部分复杂、灵活的业务流程自动化处理。因为R&CA技术的组成要素主要包括RPA技术和CC技术，所以有必要先明确RPA和CC这两个概念。

1.RPA技术

RPA指的是“在一个或多个不相关的软件系统中预配置的软件实例，根据业务规则和预定义的活动编排自动完成一系列流程、活动、事务和任务，并提供人为例外管理的结果或服务。”[2]这些软件实例又被称为“机器人”“软件机器人”“流程机器人”，RPA机器人可以自动执行基于一定规则的重复、机械式任务，但它们只依靠固定的脚本执行命令，适用的工作场景都是可以被提前定义的，因此并不具备认知性或智能性。相较于业务流程自动化的其他技术（如Excel宏），RPA有两项附加特征：一是RPA是镶嵌于系统表示层（用户界面）的外挂程序，属于非侵入式软件，RPA的运行不会破坏企业已有的IT系统;二是使用者可以直接通过RPA的用户友好型界面对其进行配置，无需精通传统的IT编程技能。在审计业务流程中，有着大量明确规则的、重复性的、成熟的任务，非常适合实施RPA。

2.CC技术

CC源于模拟人脑的计算机系统的人工智能，通过与人、自然环境的交互学习，帮助决策者从不同类型的海量数据中揭示非凡的洞察，以实现不同程度的感知、记忆、学习和其他认知活动[3]。从功能层面上讲，CC具备人类部分认知能力，能够出色完成对数据的发现、理解、推理、决策等特定认知任务，进而帮助人类做出更好的决策。CC代表一种全新的计算模式，是一个多种技术的综合体，包括认知助手、计算机视觉、机器学习、自然语言处理、图像识别、语音识别技术等等，每种细分技术用不同的方法解决其领域内的问题。在审计业务流程中，CC技术能够处理分析各类结构化、非结构化数据①，具备智能的风险洞察能力，能够大大减轻审计人员的脑力负担。

3.R&CA技术与RPA技术、CC技术的关系

RPA本质上是一组逻辑指令的集合，需要利用特定的指令编码去完成指定的任务，因此业务自动化的范围局限于基于规则的流程，限制了端对端的流程自动化;CC是一个为人类提供类似“智库”功能的认知系统，它打破了传统数据分析的诸多限制，不需要事先编程，能够利用大数据不断进行自我调整和改进，从而有预测、规划、调度以及流程场景重塑的能力，但CC技术并不擅长处理基于规则的、步骤重复的任务，并且在自动化实施或执行方面较为烦琐。

R&CA结合了RPA、CC和其他技术（例如大数据、物联网、移动互联网、区块链等），RPA技术下的辅助性软件机器人将逐步过渡到R&CA技术下的认知性软件机器人，R&CA认知机器人能够像人脑一样接收海量数据并不断矫正自身行为，可以实现预先规范性分析以及自动编排多任务接收，进而实现端对端的业务流程自动化。“自觉能动”是认知机器人的重要特点[4]，R&CA认知机器人更强调自动化过程的动态性、自适应性、鲁棒性和交互性，其中，动态性强调如果问题陈述模棱两可或不完整，认知机器人可通过提问或寻找其他来源输入来帮助定义问题，可以“记住”业务流程中的先前交互，并在特定时间点返回适合于特定任务的信息;自适应性强调认知机器人可通过自我学习调节参数和更新优化模型，从而随外部环境、数据、任务进行改变;鲁棒性强调认知机器人面对内部或外部扰动甚至变化时能够较好保持原有的期望状态;交互性强调认知机器人可以与云、端、人、物进行广泛的数字连接，从而使机器人更具扩展性和灵活性。

（二）相关文献回顾

已有关于R&CA技术与审计结合的相关文献尚未直接对“R&CA技术+审计”开展研究，而主要是从R&CA技术的两个关键要素RPA和CC分别探讨它们与审计的结合应用。对“R&CA+审计”的研究可以视为对“RPA+审计”和“CC+审计”研究必要的自然延伸。具体阐述如下。

1.RPA技术和审计的结合研究

已有文献关于“RPA+审计”的研究主要聚焦于两个方面：一是探索RPA在审计中的实施框架。例如，Rozario et al.[5]指出，RPA能够自动执行包括对账、控制测试以及细节测试等审计任务;Huang et al.[6]正式提出了一个RPA在审计中的实施框架。二是总结RPA在审计领域某些试点的实践经验。例如，Cohen et al.[7]探讨了RPA在员工福利计划审计实质性程序中的应用;陈琳娣[8]分享了某电信公司内部审计中RPA的实践案例。

2.CC技术和审计的结合研究

关于“CC+审计”的相关研究，有学者关注CC将对审计范围、抽样技术、取证模式、审计业务流程等方面产生的影响[9-10]，也有学者聚焦于探索各项CC技术在审计中的应用路径，主要集中在以下四个方面：（1）开发认知助手辅助审计人员风险评估。例如，Li et al.[11]所开发的LUCA模型可为审计信息检索和风险评估提供交互决策支持。（2）利用自然语言处理和人工神经网络促进审计数据采集的自动化。例如，毕秀玲等[12]指出，自然语言处理能够处理和审计相关的文本信息，避免人工检查的知识局限与漏判误判;张志恒等[13]指出，基于神经网络的审计意见预测模型预测效果良好。（3）将图像识别、语音识别应用于实质性程序。例如，徐薇等[14]指出，无人机和图像识别等技术的结合能够很好地应用于政府环境审计;何若云等[15]探索了语音识别技术在商业银行内部审计应用的可能性。（4）利用机器学习以及深度学习进行预测和分析。例如，潘琰等[16]指出，在领导干部自然资源资产离任审计中应用机器学习可以兼顾验证可预见的审计风险点及未预见的新关系;Sun[17]构建了一个通过深度学习进行信息识别的应用框架，能够在不同审计阶段向各审计程序提供判断支持。

综上所述，已有文献虽然分别探索了RPA技术、CC技术与审计的结合，但是现阶段对R&CA技术与审计结合的研究依旧匮乏，有必要在已有基础上进行更加深入的拓展研究。有鉴于此，本文接下来拟从R&CA技术与审计的耦合机理入手，系统探索R&CA技术的审计模型及其应用路径，以期提供审计自动化、智能化趨势下审计技术方法创新的新思路。

三、机理分析与模型构建

（一）R&CA技术与审计活动的耦合机理分析

1.R&CA技术功能与审计业务流程自动化的耦合

R&CA认知机器人同时具备行动和认知学习两大功能，行动能力由RPA技术所赋予，而认知学习能力得益于CC技术的支持，两大功能密不可分，如同人类的手与大脑的关系。认知机器人运用行动能力来执行机械、重复的任务，好比审计人员用双手处理基础的工作;认知学习能力如同审计人员的大脑，可以通过大数据主动感知、学习和推理物理世界，模拟部分审计人员的专业判断能力，进而为审计决策提供更多的建议。

业务流程是把一个或多个输入转化为对顾客有价值的输出的活动，业务流程理论同样适用于审计过程，审计过程包括一系列将输入（与经济业务事项有关的认定、既定标准）转化为输出（审计结论）的审计任务，下一步审计任务的开展以上一步审计任务的完成为依托，以实现特定的价值为最终目标（满足审计委托方的需求），因此审计过程可以视为一个有机的业务流程整体，后续审计工作的开展以前续审计工作为依托，最终实现审计目标。R&CA认知机器人一方面运用认知学习能力分析、处理审计数据，并提供触发具体行动的数字化指令，进而提高了数据分析、处理阶段的自动化水平;另一方面运用行动能力实施具体步骤或动作，比如指引工作流，启动应用程序接口（API）和运行计算机指令脚本，提高了数据采集、传输阶段的自动化水平。低级别审计业务流程的结果输出是高级别审计业务流程的数据输入，因此审计业务流程的自动化处理是一个从认知学习到行动，再从行动到认知学习的循环过程，既强调行动对认知学习的服务，又强调认知学习对行动的作用。

2.R&CA技术对象与独立审计任务的耦合

R&CA技术的对象较为灵活，既可以处理具有结构化数据输入、单一结果输出、基于明确规则的流程的各项任务，又可以处理部分具有非结构化数据输入、多个不确定的结果输出、基于推理的流程的各项任务，一般称前者为结构化任务，称后者为非结构化任务。就审计活动而言，审计业务流程向下细分，可以分解为一系列相互联系的独立的审计任务，例如，Abodolmohammadi[18]将常规财务报表审计的业务流程最终划分为332项审计任务，其中39%为结构化审计任务，41%为半结构化审计任务，20%是非结构化审计任务，具体来说，实质性程序阶段的任务大多数（67%）是结构化的，审计计划和审计报告阶段的任务大多数（分别为53%和78%）是非结构化的，控制测试阶段的任务大多数（78%）是半结构化的。一般来说，审计任务的结构化程度越高，越适合自动化处理。结构化审计任务的解决有明确的客观标准，例如详细的规则和程序，只需比较少的审计职业判断或不需要审计职业判断;非结构化审计任务的特征呈现复杂和多变性，需要运用高水平的审计职业判断;半结构化审计任务介于两者之间，可能呈现出不同的结构化程度。R&CA技术可以同时利用行动能力和认知学习能力满足不同类型的审计任务的自动化需求：结构化审计任务的定义明确，R&CA认知机器人可以借助RPA技术，基于明确的、可被数字化的外部触发指令来自动执行审计任务;半结构化、非结构化审计任务具有一定的不确定性和模糊性，R&CA认知机器人有可能借助CC技术不断地“推理”“思考”，及时适应及理解非结构化数据的复杂性和不可预测性，输出经过置信度加权的结果，进而逐步实现半结构化、非结构化审计任务向结构化审计任务的转换。

3.R&CA技术理念与整合审计资源的耦合

需要强调的是，虽然R&CA认知机器人通过自身的行动和认知学习能力能够实现部分审计任务的自动化处理，但现阶段审计人员并不会因R&CA技术的发展而被淘汰，R&CA技术无法有效解决，审计人员需要发挥重要作用的情形包括：（1）R&CA技术的应用要立足于数据化、数字化的基础，现阶段审计仍处于数字化进程当中，尚存在部分审计事项难以被数据化、数字化的情况，这些信息仍然需要审计人员运用传统方式进行评价与鉴证;（2）现阶段仍处于弱人工智能时代，依靠创造力、复杂决策、情感能力的半结构化或非结构化审计任务难以完全自动化;（3）审计人员仍然需要干预R&CA认知机器人的开发、运行、优化、维护、异常处理等情况。

人机协同劳动形态是人工智能时代的主要劳动形态[19]，智能时代到来前，审计决策的质量主要依赖审计人员的专业判断能力。R&CA认知机器人一方面减少了审计人员在手动和重复性任务上所花费的时间，另一方面可以不断地基于大数据、算法进行分析和学习，通过反复试错来实现自身智能化程度的不断提高，从而可能辅助审计人员做出相应决策，因此体现出“人机共生”的理念，即强调认知机器人与审计人员共同协作、优势互补。审计人员可以从繁杂的工作流程中解脱，工作的重心逐渐转移到那些现阶段难以被自动化的审计任务。除此之外，审计人员将拥有更多的时间进行新兴技术以及专业知识的培训学习，不仅可以提高自身研究和实践新兴技术的能力，还可以培养自身审计嗅觉灵敏度，锻炼敏锐的洞察力。审计人员与R&CA认知机器人相辅相成，优化了审计资源的配置和整合，审计资源得以被集中于风险更高的领域，从而提高其利用效率和效果。

（二）“人机协同”的R&CA技术审计模型构建

基于“人机共生”的理念，可以构建基于R&CA技术的审计模型。图1展示了财务报表审计情境下的风险导向审计模型，将整个审计流程分为审计计划及风险评估、控制测试（如需要）、实质性程序、审计报告等阶段，呈现出“人机协同”的特征。在该模型下，审计任务被划分为可自动化和不可自动化两部分，不可自动化审计任务的处理因审计事项难以被数据化或需要较高职业判断水平等原因暂时无法应用R&CA技术，必须依赖审计人员的专业胜任能力;可自动化审计任务的处理由R&CA认知机器人和审计人员合作完成。具体来说，一方面，结构化任务的自动化处理主要依赖RPA技术，而半结构化、非结构化任务可以借助CC技术向结构化任务的方向转化;另一方面，审计人员并未完全被排除在自动化范围外，仍然需要负责日常维护、处理異常情况、提供专业判断等。可以看出，越需要运用高水平审计职业判断的任务，审计人员的参与程度就越高，对于结构化审计任务，审计人员仅需要汇总运行反馈，并针对自动化过程中的异常情况进行干预，但是对于半结构化或非结构化审计任务，审计人员仍需要运用较多的职业判断以做出决策。当然，需要明确的是，R&CA技术可以广泛应用于包括财务报表审计在内的各类审计情境，其核心理念和基本思路具有普遍适用性。

四、R&CA技术在审计中的应用路径与案例分析

（一）R&CA技术在审计中的应用路径

立足于R&CA技术审计模型，笔者梳理了R&CA技术在审计中应用的三个实施步骤：（1）原有审计业务流程诊断与优化;（2）独立审计任务的自动化处理;（3）基于R&CA技术审计业务流程再造，具体分析如下。

1.原有审计业务流程诊断与优化

审计人员首先应当基于审计实践现状对当前业务流程开展系统性的梳理，通过对审计业务流程和子流程进行建模和分析，全面掌握业务流程现状。然后，审计人员应当根据自身对自动化的需求考虑是否调整原有流程的顺序或组成部分，优化审计工作流程，使流程更具连贯性和效率性。诊断并优化原有审计业务流程的目的是为了全面了解现阶段审计业务流程的结构和性质，为应用R&CA技术奠定基础。若忽略以上两个环节，将来应用R&CA技术时可能会出现新流程中存在效率阻碍点的情形。基于优化后的审计业务流程，审计人员可以将其细分为若干项独立的审计任务，并将独立的审计任务归为结构化、半结构化、非结构化三类。

2.独立审计任务的自动化处理

在充分了解审计业务流程结构和性质的基础上，审计人员可以从各项独立的审计任务入手应用R&CA技术。针对不同类型的审计任务，要匹配合适的R&CA功能或工具。R&CA认知机器人的行动能力适用于结构化审计任务的自动化处理，例如，RPA相关工具可以实现审计证据自动化、持续采集以及审计工作底稿初步填写、审计项目管理、文档初步审阅等。对于半结构化、非结构化审计任务，可利用认知机器人的认知学习能力尝试结构化转换，辅助审计人员的工作。例如，应用CC中的自然语言处理、图像识别、语音识别等技术能够辅助审计人员进行合同、图片、语音检查等半结构化审计任务的处理;又如，在审计风险评估这一非结构化任务中，利用认知助手可提高审计人员对审计风险的洞察能力。

3.基于R&CA技术的审计业务流程再造

审计人员针对各项审计任务确定R&CA技术的应用逻辑后，应当将独立的审计任务进行串联，形成一个有机整体，从而确定新的基于R&CA技术的审计业务流程。以财务报表审计的审计计划及风险评估阶段为例，假设以下三项任务在之前“独立审计任务自动化处理”步骤已经完成：（1）通过RPA实现资料、文档内容的自动化编排;（2）通过自然语言处理技术实现文件的自动化分析;（3）通过认知助手辅助审计人员评估审计风险。接下来就可以将这些独立审计任务串联：首先将由RPA编排的文件发送到自然语言处理程序，从这些文件提取关键信息;然后将关键信息转发给认知助手，并向审计人员提供有关客户风险水平的建议;最后审计人员在认知工具的辅助下识别、评估客户的审计风险水平，后续还可以将相关结果输入至控制测试阶段，如此流程持续进行，直到完成审计项目。总的来说，随着R&CA技术的不断发展，未来审计人员的角色定位将从审计证据的采集、处理、分析者转变为主要负责评估审计业务流程的组成环节[20]。

（二）R&CA技术应用于银行内部审计的案例分析

在新兴技术的驱动下，越来越多的商业银行开启了数字化转型之门，R&CA技术为银行内部审计数字化转型赋予了高效的自动化处理能力。A银行是一家城市商业银行，近年来在银保监会信息科技监管评级中处于同类银行领先水平，接下来笔者以A银行“双录”合规性审计为例，探讨R&CA技術在商业银行内部审计中应用的可能性。

1.传统“双录”合规性审计

银保监会为切实加强行为监管，维护银行业消费者合法权益，明确要求商业银行实施专区“双录”，即设立销售专区并在销售专区内装配电子系统，对自有理财产品及代销产品销售过程同步录音录像。面对外部监管压力，A商业银行需要定期对该行“双录”情况开展合规性审计，即由内部审计人员对录音录像业务的范围、内容、标准、流程等是否遵循该银行内部“双录规程”进行鉴证，以监督银行理财销售活动，防范“飞单”“存单变保单”等行为风险和监管风险。在“双录”合规性审计的开展过程中，A银行内部审计人员需要定期对所有销售人员录音录像记录进行检查，并形成检查记录，对于未按要求实施录音录像、存在不合规销售行为的人员和机构，将视情况启动问责程序。在传统人工检查的方式下，内部审计人员需要亲自登录该行“双录”系统，抽取理财销售活动等录音录像全程人工查看，耗费大量时间成本，还有可能因为长时间观看录音录像产生疲劳而忽略一些重要的问题线索。

2.运用R&CA技术对“双录”合规性审计的流程改进

A银行内部审计人员根据该行“双录规程”，梳理需要重点检查的内容，归纳出两项关键风险控制点：一是销售人员应当向客户推介匹配其风险承受能力的产品，内部审计人员应当判断销售人员是否存在不当营销的行为;二是销售人员应当按相应销售话术②进行“双录”，内审人员应当判断销售人员是否存在违规承诺或夸大收益的行为。A银行内部审计部门基于R&CA技术自主研发了一款审计工具（认知机器人），能够辅助审计人员对“双录”进行语音识别及审计取证，具体应用如下。

（1）对原“双录”合规性审计业务流程进行初步诊断

通过对传统“双录”合规性审计实践的梳理，归纳出原“双录”审计业务流程主要包括三项任务。任务1：内部审计人员登录“双录”系统;任务2：内部审计人员随机提取一段时间一定数量的“双录”视频;任务3：内部审计人员判断所提取的“双录”视频是否存在风险点。鉴于该流程较为连贯和清晰，因此无需再对其进行优化。

（2）独立审计任务的自动化处理

审计人员将上述任务1、任务2归类为结构化审计任务;将任务3归类为半结构化审计任务。针对任务1，认知机器人发挥其行动能力，借助RPA技术自动登录该行“双录”系统;针对任务2，认知机器人同样发挥行动能力，借助RPA技术自动提取该行“双录”系统中的某特定时间段内特定数量的“双录”视频;针对任务3，认知机器人首先利用其认知学习能力，借助语音识别技术对“双录”视频进行自动视频分析，进而转换成相应的事件文字描述。之后认知机器人再次利用RPA工具，对文本自动进行关键字匹配，匹配正则表达式（Regular Expression）条件为“风险|承诺|收益|保证|利率|利息”，即通过正则表达式搜索出现过风险、承诺、收益、保证、利率、利息等字样的语音文本文件。内部审计人员需要对筛选出的含有相关违规字样的文本文件进行查看，并做进一步分析，以发现是否存在关键风险点。

（3）基于R&CA技术的审计业务流程再造

借助R&CA技术对独立的审计任务进行自动化处理之后，审计人员将任务1到任务3整合串联成一个完整的有机体，即完成了基于R&CA技术的审计业务流程再造。可以看出，R&CA技术能够将传统计算机辅助审计技术无法涉及的语音等非结构化数据纳入审计范围，与传统审计模式下靠人工查看录音录像视频获得审计证据相比，可以极大地缩短审计取证时间。在这个过程中，审计人员需要对筛选出的含有相关违规字样的文本文件进行查看并做进一步分析，审计人员的职业判断与R&CA技术协同发挥作用，可以大大提高“双录”合规性审计的效率效果。

五、R&CA技术在审计中应用的优势和风险

（一）R&CA技术在审计中应用的优势

1.提高审计效率

首先，R&CA认知机器人能够不间断且快速处理大量重复工作，辅助审计人员决策，取代部分重复、机械的审计工作，减轻了审计人员劳动强度。其次，R&CA认知机器人通过重构审计业务流程，自动执行命令，可以排除原审计业务流程中的效率阻碍点，审计自动化水平将进一步提高。最后，借助R&CA认知机器人可以加快审计数据采集、分析和传输速度，优化审计业务流程，利用获取的大量实时数据更加迅捷地得到审计结论，降低审计延迟。

2.保障审计质量

应用R&CA认知机器人能够在一定程度上提高审计质量，原因在于：第一，人工操作有时容易导致较高的出错率，例如在审计人员出现倦怠情绪时，可能会遗漏一些重要信息，相比之下，机器人不会受到负面情绪的干扰，可令操作无差别化，一定程度上消除了输出的不一致性，保障了审计质量。第二，R&CA认知机器人能够满足动态性、自适应性、鲁棒性、交互性的自动化需求，通过分析所获取的海量数据能够辅助审计人员做出更科学的决策。

3.降低审计成本，优化资源配置

R&CA认知机器人上线前，大量简单重复的工作往往需要投入较多的审计资源去处理，而认知机器人上线后，绝大部分结构化、重复性高的审计任务将被自动化处理，审计的人工成本大大降低;同时，R&CA认知机器人的应用可能改变传统的审计人员结构，更多的审计人员有机会从事高附加值的审计工作，审计资源被集中于风险更高的领域，实现资源的优化配置。

（二）R&CA技术在审计中应用的风险

1.R&CA认知机器人可靠性风险

R&CA认知机器人可能无法处理异常事件，由于认知机器人执行的操作无差别，任何错误都可能在审计业务流程中变成系统性和扩散性的问题，因此，审计人员有必要通过模拟机器人的输入和预期输出，测试R&CA认知机器人的可靠性。此外，R&CA认知机器人利用认知学习能力预测未来趋势，其结果输出依赖于算法模型和数据输入，容易产生算法偏見，即数据和算法模型并不具有绝对客观性，审计数据收集和算法设计“映射”了开发人员和设计人员的主观理念，机器人所辅助的审计决策可能反映了审计数据、算法中持续存在的歧视。

2.过度依赖风险

应用R&CA技术可能会导致审计人员过度依赖认知机器人，出现审计人员自身职业判断能力下滑的现象，而这可能会最终影响审计质量。同时，R&CA认知机器人不断学习的过程可视为一个“黑箱”，因此，对审计失误进行问责时将陷入两难境地，即如何区分失误究竟是源于R&CA认知机器人还是审计人员。为了克服过度依赖软件机器人等潜在问题，有必要在审计人员专业培训过程中强调保持审计职业怀疑精神及职业判断能力的重要性。

3.商业秘密泄露等安全风险

R&CA认知机器人在审计中的应用涉及到数字化审计证据的收集与评价，例如审计人员往往需要收集被审计单位的机密信息，包括员工社保账号、工资薪酬数据、专利开发合同条款等等，这可能会涉及商业秘密泄露等安全问题。此外，在新兴技术的影响下，R&CA认知机器人自身的安全性也面临巨大挑战，包括黑客入侵等，也涉及网络堵塞、系统崩溃等情况。这些安全问题可能会带来高昂的成本，包括审计人员声誉受损和潜在的诉讼成本等。因此，审计人员有必要采取适当的措施，密切监控和预防网络安全漏洞，并在发生漏洞时评估潜在成本，做出科学应对。

六、结语

本文探索了R&CA技术在审计中的应用。放眼未来，随着R&CA技术的不断发展，认知机器人的功能有望不断得到完善，由机器属性进一步向人的属性转化，审计自动化的适用范围也会不断扩大。当然，本文侧重于探索在审计领域应用R&CA技术的可行性与应用路径，虽然初步勾勒了一个应用框架，但尚未对R&CA技术在审计中应用所涉及的具体环节进行全面阐述。在实践应用中，尚需要在本文所抽象的框架基础上，结合特定审计目标，制定切实可行的审计操作指南。

【参考文献】

[1] 陈骏，时现.审计全覆盖驱动下的审计技术方法创新研究[J].审计研究，2018（5）：22-29.

[2] IEEE Corporate Advisory Group.IEEE guide for terms and concepts in intelligent process automation[M].IEEE，New York City，2017.

[3] ZORZI M，ZANELLA A，TESTOLIN A，et al.Cognition-based networks：A new perspective on network optimization using learning and distributed intelligence[J].IEEE Access，2015，3：1512-1530.

[4] 孙富春.智能机器人的认知与学习[J].机器人，2019，41（5）：561.

[5] ROZARIO A M，VASARHELYI M A.How robotic process automation is transforming accounting and auditing[J].The CPA Journal，2018，88（6）：46-49.

[6] HUANG F，VASARHELYI M A.Applying robotic process automation（RPA） in auditing：A framework[J].International Journal of Accounting Information Systems，2019，35：100433.

[7] COHEN M，ROZARIO A.Exploring the use of robotic process automation（RPA） in substantive audit Procedures[J].The CPA Journal，2019，89（7）：49-53.

[8] 陈琳娣.机器人流程自动化在内部审计中的应用实践[J].中国内部审计，2019（4）：41-43.

[9] ISSA H，SUN T，VASARHELYI M A.Research ideas for artificial intelligence in auditing：the formalization of audit and workforce supplementation[J].Journal of Emerging Technologies in Accounting，2016，13（2）：1-20.

[10] 刘杰，廖捷，董海云.人工智能与审计变革[J].财会通讯，2019（13）：19-25.

[11] LI Q，VASARHELYI M.Developing a cognitive assistant for the audit plan brainstorming session[J].The International Journal of Digital Accounting Research，2018，18（24）：119-140.

[12] 毕秀玲，陈帅.科技新时代下的“审计智能+”建设[J].审计研究，2019（6）：13-21.

[13] 张志恒，李丹，李瑜.基于邻域粗糙集神经网络的审计意见预测模型研究[J].重庆理工大学学报（社会科学），2017，31（8）：37-43.

[14] 徐薇，陈鑫.生态文明建设战略背景下的政府环境审计发展路径研究[J].审计研究，2018（6）：3-9.

[15] 何若云，杨■天，杨琦，等.语音识别技术在智能审计中的运用初探[J].中国内部审计，2020（1）：34-40.

[16] 潘琰，朱灵子.领导干部自然资源资产离任审计的大数据审计模式探析[J].审计研究，2019（6）：37-43，69.

[17] SUN T.Applying deep learning to audit procedures：An illustrative framework[J].Accounting Horizons，2019，33（3）：89-109.

[18] ABDOLMOHAMMADI M J.A Comprehensive taxonomy of audit task structure，professional rank and decision aids for behavioral research[J].Behavioral Research in Accounting，1990，11：51.

[19] 田思路，刘兆光.人工智能时代劳动形态的演变与法律选择[J].社会科学战线，2019（2）：212-221，282.

[20] MOFFITT K C，ROZARIO A M，VASARHELYI M A.Robotic process automation for auditing[J].Journal of Emerging Technologies in Accounting，2018，15（1）：1-10.

作者：房巧玲 高思凡

第三篇：温和的具身认知：认知科学研究新进路

摘 要：从离身认知到具身认知，在认知科学内部正在发生着一次深刻的研究范式的转换。具身认知理论是继认知主义和联结主义之后，认知科学研究中一种快速发展的理论思潮或研究纲领。与传统的离身认知不同，具身认知主张认知是具身的、情境的和动力系统的。对于心智的具身性问题，激进的具身认知和温和的具身认知都试图从各自不同的视角给出合理的解释。从经验研究的角度来看，激进的具身认知还没有形成较为完善的解释性的语言，更多的是提出了关于心智、认知和世界的哲学意义上的有益的思考。相比较而言，温和的具身认知则发展了较为完善的解释性理论，如不完全表征、模拟的表征原则、行动导向的局部表征等等，既有效地反驳了激进的具身认知对表征计算范式的全盘否定，又在一定程度上解决了传统认知研究中存在的问题，表现出了更强的包容性，是对传统认知观的继承和发展，对于当代认知科学的研究更具现实意义。

关键词：认知科学;具身认知;离身认知;温和的具身认知

作者简介：张博，吉林大学哲学社会学院博士研究生，主要研究方向：认知科学、理论心理学。葛鲁嘉，吉林大学哲学社会学院教授，博士生导师，主要研究方向：理论心理学，文化心理学(吉林 长春 130012)。

一 引言

认知科学作为一个跨学科的学科群按照认知科学创始人之一乔治·米勒(Miller G.)的说法，认知科学至少包括心理学、语言学、计算机科学、哲学、神经科学和人类学6门学科，其中前三者为核心学科，后三者为辅助学科。发端于20世纪五六十年代，是一场针对行为主义心理学进行的认知革命后的产物。此外，认知科学的诞生也是近代科学发展史上最为重要的事件之一。在短短几十年的发展时间里，认知科学取得了令人瞩目的成绩，并成为当今世界最具潜力的科学研究领域之一。认知科学的研究在某种程度上可以被看作是哲学认识论问题在当代的延续和扩展——不仅探讨心智及其运作机制，还试图人工地实现智能的不同方面。在认知科学的发展过程中，先后出现了两种占统治地位的研究范式：认知主义(cognitivism)和联结主义(connectionism)。

认知主义也被称为符号的研究范式，其核心思想是计算机隐喻。由于采纳了信息加工的理论和表征计算的思想，认知主义将人的心智看作类似数字计算机的信息处理系统，所谓认知就是按照一定数学算法或逻辑规则对无意义抽象符号进行的计算。在认知主义看来，无意义抽象符号是信息处理系统中用于描述认知和心智活动的基本单位，不论是人脑还是数字计算机，都是操作、处理无意义抽象符号的某种形式系统或者说硬件设施，认知和心智的任何状态都不外乎是图灵机的一种状态，认知和心智的任何活动也都可以归结为图灵意义上的算法可计算的。刘晓力：《认知科学研究纲领的困境與走向》，《中国社会科学》2003年第1期，第99—108页。显然，认知主义赋予了无意义抽象符号以核心性的地位，其最终目的是试图通过人工智能来完全模拟人的智能。

联结主义也被称为网络的研究范式，其核心思想是大脑或神经系统隐喻。由于借鉴了神经科学的大量研究成果，联结主义不再简单的将人的认知看作是对于无意义抽象符号的计算，而是试图通过分布式平行加工(PDP，也被称作神经计算)的方式来建立一种类似于人的大脑或神经系统的人工神经网络。整个人工神经网络结构由类似于神经元的单元或结点所构成，因此，离散符号不再是描述认知活动的基本单元，取而代之的是人工神经网络中亚符号的数值变量，即网络中各单元或各结点间的加权参数(该加权参数可以是正值，也可以是负值)。显然，联结主义赋予了网络以核心性的地位。联结主义的这种努力方向是值得赞赏的，但需要指出的是，人工神经网络所谓的“分布式平行加工”，在本质上仍是计算，虽然其计算能力在很大程度上得到了提高，但并没有克服表征计算的研究范式的根本缺陷。联结主义也并不是回归大脑本身的研究：类似大脑而不是大脑。李其维：《 “认知革命”与“第二代认知科学”刍议》，《心理学报》2008年第12期，第1306—1327页。联结主义只是将类比的对象由数字计算机转变为人的大脑或神经系统，落脚点依旧是用人工智能来模拟人的智能，其最终目标是建立具有一定学习、适应能力的人工智能体。

认知主义和联结主义在认知科学的研究中功不可没，取得了令人瞩目的成绩，表征计算的研究范式更是成就了传统离身认知研究的辉煌，实现了对于人类认知或智能活动的部分解释。但需要强调的是，它们所解释的只不过是人类认知或智能活动中更为成熟或更容易被形式化的部分，一旦认知科学的研究涉及常识问题或自然形式的智能等相关问题，认知主义和联结主义就很难提供强有力的解释。因为这些问题必然与大量的环境、背景信息相关联，甚至涉及到更为复杂的社会文化背景知识，因而很难对其进行符号化，更不能为其提供形式化的理论，也无法找到确切的程序规则，“丘奇-图灵(Church-Turing)论题”的提出更是表明了存在着不可计算的问题。吴国林、黄灵玉：《计算复杂性、量子计算及其哲学意义》，《自然辩证法研究》2007年第1期，第22—26页。至于顿悟问题、自适应问题、感觉生成问题、生态效度问题、意义的获得以及意义的解释机制等一系列更为复杂的问题，认知主义和联结主义更是显得无能为力。这就意味着仅仅在认知主义、联结主义所奉行的表征计算的研究范式内部寻求改变、突破，比如采用量子计算的方法来提高计算的复杂性、构建微型世界模型、建立极小常识系统等等，是无法克服离身心智的根本缺陷的，也无法达成用人工智能来完全模拟人的智能的最终目标。试图凭借表征及其计算的方法来探索人的认知和心智，就好像直接用氢原子、氧原子来构成水一样，是根本无法实现的。

从20世纪七八十年代开始，认知科学的研究中开始逐渐涌现出诸如具身性、情境性、延展性、生成性、动力系统等一系列新的概念、理论，一次重要的观念变革也开始在认知科学内部酝酿发生，即由传统的离身认知观转变为当代的具身认知观。从海德格尔(Heidegger M.)到梅洛·庞蒂(Merleau-Ponty)再到拉考夫(Lakoff G.)和约翰逊(Johnson M.)，具身认知(embodied cognition)研究有着深刻的思想渊源，并已经发展成为认知科学领域一种新的研究进路。具身认知的核心特征集中体现在心智的具身性(the embodiment of mind)这一核心概念上，即强调认知并不是发生在大脑中的孤立的事件，而是嵌入(embedded)环境、世界中的智能体(agent)的实时的适应性活动(real-time adaptive activity)，李恒威、黄华新：《表征与认知发展》，《中国社会科学》2006年第2期，第34—45页。是在认知主体的身体与世界动力的相互作用的过程中涌现(emergent)出来的。Thelen E.，Schner G. & Smith L. The Dynamics of Embodiment：A Field Theory of Infant Perseverative Reaching. Behavioral and Brain Science，2001，24：1-86.“心智在本质上是具身的”Lakoff G.，Johnson M. Philosophy in the Flesh：The Embodied Mind and Its Challenge to Western Thought. New York：Basic Books，1999，3.“心智在本质上是具身的”“思维大多是无意识的”以及“抽象概念是隐喻的”这三个结论，被拉考夫和约翰逊称为20世纪认知心理学、认知语言学的三大研究成果。这一观点，其重要意义就在于撼动了笛卡尔身心二元论在认识论研究以及认知科学研究中的重要地位，消解了心与物或者说精神实在与物质实在之间的二元对立。具身心智主张认知的主体既不能是纯机械的物理存在，也不能是纯意识的精神存在，而应当是一种介于二者之间的梅洛·庞蒂所说的“暧昧”(ambiguous)的存在。当我们在描述“心智的具身性”这一概念时，实际上就是在强调认知对于身体结构以及身体活动方式的依赖性，心智就存在于身体结构及身体与世界(环境)的相互作用之中。具身性、情境性和动力系统三者共同构成了具身认知的观念基础，具身认知也成为了当代认知心理学乃至整个认知科学中的热点问题。

二 具身认知的两种取向与认知的动力假设

“对于认知的研究、心智的探索必须向身体及其经验回归”这一观点已经为越来越多的来自不同学科、不同领域的研究者所认同，抛弃对于表征及其计算思想的刚性诉求也在认知科学内部趋于达成一致。因此，只有引进新的理论、概念、方法才能更好地理解大脑、身体和世界之间的复杂关系。遗憾的是，目前的具身认知研究还不能被称作是一种新的研究范式，而更像是一种研究思潮或研究纲领，不同学者对于身体含义的理解、具身概念的辨析、研究方法的变革等诸多重要问题的认识还存在着重大的分歧，甚至对于表征及其计算在具身认知研究是否还具有价值这一核心问题还存在着两种相左的观点：激进的具身认知(radical embodied cognition)和温和的具身认知(moderate embodied cognition)，何静：《温和的和激进的具身认知观》，《学术界》2012年第5期，第68—75页。二者之间的一个基本的分歧就是表征计算对于具身认知研究来讲是否充分必要的问题。张博、葛鲁嘉：《具身认知的两种取向及研究新进路：表征的视角》，《河南社会科学》，2015年第3期，第29—33页。在激进的具身认知看来，动力系统理论(dynamical systems theory，DST)这种非表征和非计算的方法更适用于当前的具身认知研究，功能主义的理论、表征计算的思想在本质上是错误，不能正确的描述、刻画人类的认知过程以及心智活动，应当予以抛弃。与激进的具身认知不同，温和的具身认知既反对将认知看作是对抽象的无意义符号进行的计算，也反对忽视表征计算在认知过程中所起到的作用，而是试图引入新的概念对表征计算的研究范式加以改良，从而克服离身认知存在的缺陷。

相比于传统的离身认知研究，动力系统理论是具身认知研究中最具革命性变化的部分：它不仅改变了人们对于认知过程和心智活动的理解方式，还推动了认知科学研究中方法论领域的变革——人们甚至可以期待在未来的某一天，认知科学的研究者们能够像现在熟练运用统计检验的方法一样来从容地建构动力系统的微分方程组，从而揭示人的认知机制和心理规律。动力系统理论实际上是一种用于说明系统演变过程的数学工具，是以一些本质上为几何学的概念来描述系统演变的过程，其主要概念包括状态空间(state space)、流形(manifold)、势阱(potential well)、路徑(path)、吸引子(attractor)、稳定性(stability)、耦合(coupling)、个体发育地形(ontogenetic landscape)等。Beer R.D.Dynamical Approaches to Cognitive Science.Trends in Cognitive Sciences，2000，4(3)：91-99.所谓认知的动力假设，实际上就是将动力系统理论应用到认知研究中，为认知实现机制的解释提供一种新的视角或方法。

与传统的离身认知观不同，认知的动力假设强调人的认知系统不能仅仅被限制在大脑之中，更为准确地说，真实的认知系统应当是由大脑、身体和世界三者所组成的统一的系统，系统内的所有组成部分都在发生着持续的变化，并且相互作用、相互塑造、相互决定，Van Gelder T.What Might Cognition Be，If Not Computation? Journal of Philosophy，1995，92：345-381.这种变化的结果便是认知的发展。像许多其它的复杂动力系统一样，认知系统也表现出某种一致的模式，这些模式是系统以自组织的方式涌现出的稳定结构，可以由系统状态的相对稳定性或不稳定性来描述，认知发展则可以被看作是动力稳定性模式的演变或消失。

在动力学中，状态的稳定性可以用势阱的概念

(图1)Thelen E.Time-Scale Dynamics and the Development of an Embodied Cognition.In Mind as Motion：Explorations in the Dynamics of Cognition，Port R.F.& Van Gelder T.，Eds.Cambridge：MIT Press，1995.来加以表示，势阱的深浅能够显示出状态稳定性的程度：势阱越深则状态越稳定，势阱越浅则状态越不稳定。认知的动力假设将认知系统的稳定模式看成是行为空间中的吸引子，认知发展可以用个体发育地形(图2)Thelen E.Time-Scale Dynamics and the Development of an Embodied Cognition.In Mind as Motion：Explorations in the Dynamics of Cognition，Port R.F.& Van Gelder T.，Eds.Cambridge：MIT Press，1995.来加以说明。在个体发育地形中，认知发展被看作是一系列的吸引子的演变和消失。沿着时间轴(纵轴)的方向，每条水平线所描述的均为某一时间点系统所处于的不同的吸引子状态，当吸引子过强时(吸引子较为陡峭)，系统较为稳定，认知的发展较难出现。然而，随着认知系统中各变量的不断变化，系统中原有的协调可能会被打破，这就导致认知主体开始探索新的稳定模式，并通过现有的稳定模式失稳(吸引子变得较为平滑)的方式来引入或产生新的吸引子，

使得认知系统得到发展。由于动力系统中各变量所具有的耦合的非线性关系(即互相影响且互为因果)，因而这些变量是在不断地相互影响、决定、塑造并动态演变着的。动力系统内各变量之间的相互作用、相互决定、相互塑造的耦合关系是如此之强，以至于在该系统动态演变的过程中，不可能存在介于感觉输入和运动输出之间的符号表征(这是因为在一个特定的认知系统中，如果想用参数A去表征参数B，那么参数B必须是独立于该认知系统的，否则，参数A在表征参数B的同时，还需要表征它自己)。这就是认知动力主义的强耦合(strong coupling)很多学者都喜欢以瓦特离心调速器(Watt Centrifugal Governor)为例，来说明认知动力主义的强耦合观点。瓦特离心调速器是一种用于调节或控制蒸汽机动力实时变化的机械装置，通常与蒸汽机的引擎连接在一起。对于瓦特离心调速器的具体分析、说明，可以参照张博、葛鲁嘉的《具身认知的两种取向及研究新进路：表征的视角》一文。观点。这一观点，直接决定了认知主体不可能完全脱离环境来表征环境，因为认知主体与环境、世界是耦合的。但是，这是否意味着表征及其计算对于认知研究来说是错误的或者说没有必要的呢?亦或，表征及其计算在具身认知的研究框架下仍具有一定的价值和作用，而只需对表征的含义进行修改、拓展呢?温和的具身认知从一种独特的视角给出了自己的答案。

三 温和的具身认知：对表征计算范式的改良

与激进的具身认知不同，温和的具身认知虽然也赞同表征及其计算对于认知研究来说是不充分的，但并不主张完全的放弃表征的观点，认为表征及其计算在具身认知的框架下依然具有一定的价值，其存在仍具有一定的合法性，只需对其含义进行一定的修改、扩展。

1.从强耦合观点到不完全表征

认知动力主义的强耦合观点认为个体与环境的耦合是同时且连续的，因此，在感觉和运动之间并不存在独立的表征。在讨论动力系统的强耦合观点是否合理之前，需要先考虑另外一个问题，即个体的认知发展是否存在不同的发展阶段的问题。

不论是认知主义还是联结主义，都将人的认知视为基于符号或亚符号表征的计算过程，进而直接将认知和心智放在言语思维水平的智力阶段上加以考察。那么问题便产生了，人的认知能力是否是以言语思维水平上的认知为起点的呢?非语言或者说前语言的认知发展阶段是否存在呢?

在认知科学的研究中，存在着两种理解认知和心智的不同的理论模型：一种是符号表征及其计算的理论模型，另一种是生命及其演化的理论模型。李恒威、肖云龙：《论生命与心智的连续性》，《中国社会科学》2016年第4期，第37—52页。从进化论的视角来出发，所有生物都是进化而来的，因而可以推断，不同物种的生物体的认知能力也是进化发展而来的。也就是说，一方面从物种的种系演化的视角来看，生物体的认知能力必然经历了漫长的地质时期的演化过程;另一方面从个体发育的时间尺度上来看，任何物种个体的认知能力也绝不可能从一开始就处在最高水平，必然会经历一个由低到高的、由弱到强的发展阶段。李恒威、黄华新将人类的认知发展区分为感觉运动、意象表征和语言表征三个不同的水平：李恒威、黄华新：《表征与认知发展》，《中国社会科学》2006年第2期，第34—45页。感觉运动认知是在人类婴幼儿身上表现的比较突出的一种认知形式，这种认知方式与动物的认知方式较为类似，二者都依赖于身体的活动，其特点可以概括为“所思即所行”，即思维和行动在内容上是相等同的;意象表征认知类似于皮亚杰(Piaget J.)的前運算水平或埃德尔曼(Edelman G.)的初级意识水平，在这一阶段主体的认知活动可以在头脑中想象地进行，但这种想象并非完全自由的、不受限制的，而是在很大程度上受限于个体身体的活动能力，其特点可以概括为“所思多于所行”，即思维的内容已经不能完全由行动来表达;语言表征认知类似于皮亚杰的具体运算和形式运算水平或埃德尔曼的高级意识水平，在这一阶段主体的认知活动是以概念的逻辑运算为基础的，身体的活动能力不再对主体的认知活动产生限制，并且认知主体的抽象世界也在一定程度上得到了发展，其特点可以概括为“所思远远超出所行”，即思维的内容远远多于行动所能表达的内容。需要指出的是，不同的研究者对于认知的发展阶段可能有着不同的划分方法，但不管其使用的理论术语是何等的专业、构建的概念体系是何等的复杂，这种阶段的划分仍然是大体的、粗略的、不精确的。这是因为，当前我们所建构的不论是概念网络还是范畴体系，远没有达到准确、精密的程度，对于认知发展过程的刻画不可能是完全的、恰当的，而只能是一种概括性的描述。即便如此，这种划分仍具有重要的理论价值和实践意义。

对于个体认知发展阶段的划分，使人们能够清楚地认识到：人类虽然具有了言语思维的认知水平，但认知的发展并不是以此为起点的，在言语思维出现之前，人类个体的确存在一个非语言或者说前语言的认知发展时期，这也在一定程度上说明了单单依靠语言符号的表征能力，并不能够充分地说明个体的认知过程和认知机制。但也正是由于人类具有了语言和心理表象的能力，使得人们能够生成一个相对独立于外部环境的内心世界，这就使个体通过符号表征的方式来认识世界变得可能。我们可以来设想两种不同的场景：在场景1中，个体A的手中握有一个橘子;在场景2中，橘子被放置在个体A的身后。在这两种不同的场景中，个体A都需要回答关于橘子形状的问题。在场景1中，由于橘子始终握在个体A的手里，即个体A与橘子保持着持续不断的耦合的关系，所以个体A无需借助关于橘子的概念表征来回答关于橘子形状的问题;而在场景2中，由于橘子被放置在个体A的身后，那么个体A与橘子的耦合关系就在一定程度上被弱化了或者说暂时性的去耦(decouple)了，要想回答关于橘子形状的问题，个体A则必然需要借助于关于橘子的概念表征。这就意味着耦合关系可以被一个间接的独立的内部世界所部分弱化或者说暂时性的去耦(需要特别强调的是，去耦只是暂时的，耦合才是最终的)。据此推断，表征依然能够存在于某一认知系统中，这便意味着在具身认知研究乃至整个认知科学研究中，表征及其计算的理论假设仍具有一定的合法地位，只不过表征的含义较之前而言被改变了，这种表征是不完全的(partial)。克拉克(Clark A.)区分了两种形式的不完全表征：即弱内部表征(weak internal representation)和强内部表征(strong internal representation)。Clark A.The Dynamical Challenge.Cognitive Science，1997，21：461-481.这两种不同形式的不完全表征都能够提供关于表征对象的概念信息，二者之间的区别在于弱内部表征所能提供的仅限于即时的、在线(on-line)的信息，一旦个体与表征对象相分离，弱内部表征便会消失;强内部表征则不同，它可以进行离线(off-line)的操作，即在与表征对象相分离或者说暂时性的去耦的情况下，完成例如想象、计划的制定等复杂抽象的认知过程。

长久以来，人们对于普遍的理性形式有着偏执的追求，幻想着人的认知能力是自治的，是可以与身体、身体的感知运动能力以及世界相分离的。但是，普遍的理性形式终归是虚幻的，对其进行的追求也必然是无果而终的。人并不具有我们所期望的完全的独立性，个体的认知能力也并没有超出身体及其感知运动能力的范畴，因而心智也不可能一直悬浮在虚幻的精神世界中(表征是不完全的)，必然会回到具身的世界之中(人与世界是耦合的)。虽然并不存在完全的表征，符号表征对于认知而言也并不是充分的，但却不能否定不完全表征存在对于认识研究的必要性。

2.从自治智能体到行动导向的局部表征

认知科学不但研究心智及其运作机制，还试图人工地实现智能的不同方面，希望类似自然智能体的人工智能体能够代替或拓展人类的智能活动。因此，认知科学的研究也可以被看作是哲学认识论问题在当代的延续和拓展。自治智能体(autonomous agent)的研究就是在这一背景下孕育而生的。

“如何建造一个自治智能体”既是人工智能研究领域的核心问题，也是认知科学研究中怎样理解心智、身体和世界关系的关键问题。所谓自治智能体实际上就是指能够在真实的、不断发展和变化的环境中自由行动并能良好适应的个体，人就是一种典型的、极具代表性的自治智能体。机器人赫伯特(Herbert)是早期关于自治智能体研究的一个著名案例。赫伯特是由美国麻省理工学院(MIT)在20世纪80年代设计、制造的智能机器人，它的主要工作就是在真实的实验室情境中收集实验人员所丢弃的饮料罐，并且在进行收集工作的过程中，赫伯特既需要避免与相关的实验人员发生碰撞，也不能打断正在进行的实验工作。按照传统表征计算的研究范式，赫伯特在进行工作时的整个认知过程大体可以划分为“感知-模型-计划-行动”(sense-model-plan-act)四个组成部分：第一，利用自身精密的扫描装置，对周围的环境加以感知，并把握环境中的基本信息;第二，通过复杂的图形处理系统，建立关于周围环境的完全的、详细的概念表征模型;第三，标识出有效的收集废弃饮料罐的路线，并制定相应的具体行动计划;第四，依据已经制定的行动计划，产生收集废弃饮料罐的具体行动。根据“感知-模型-计划-行动”这一认知回路，赫伯特需要花费大量的时间、进行大量的计算来建立关于环境的概念表征模型，从而据此确定可能的行动路线及制定相应的行动计划，然而一旦行动开始，赫伯特却又很容易因为新情况的出现或意外事件的发生(例如实验室研究人员的走动，实验室设备位置的变化，新实验设备的增添，等等)而受到干扰，不得不重新建立环境的概念表征模型。这意味着赫伯特仅仅依靠表征计算无法有效地应对真实环境的复杂性和多变性，不可避免的会遇到框架问题McCarthy J.& Hayes P.J.Some Philosophical Problems from the Standpoint of Artificial Intelligence，Machine Intelligence In Meltzer B.，Michie D.(Eds.)，Machine Intelligence 4，Edinburgh：Edinburgh University，1969，463-502.(frame problem，即环境与背景知识的形式化问题)。造成这一问题的原因可以概括为两个方面：第一，在传统的离身认知研究中，表征被看作是对于环境的客观、全面的描述，并且将绝对空间当作参照点;第二，在“感知-模型-计划-行动”的认知回路中，各步骤之间是相互独立的，并不存在相互的关联或相互的影响，只能按照固定的顺序逐次进行。

针对上述问题，温和的具身认知提出了行动导向的局部表征(action-oriented local representation)这一概念来加以应对。Ballard D.H.Animate Vision.Artificial Intelligence，1991，48：57-86.行动导向的局部表征对“感知-模型-计划-行动”这一经典认知回路提出了挑战，反对将表征看作是对环境客观、全面地描述，认为表征的参照点也不是绝对的空间。相反，行动导向的局部表征主张认知主体只需以自己的身体为参照点对环境进行局部的表征(表征是不完全的)，且这种表征在大多数情况下是指向带有明确目的、意图的行动的。这便降低了认知过程或心智活动对于计算时间、计算空间的要求，进而大大地减轻了计算的负荷;又因为这种局部表征总是与可能的行动紧密联系在一起的，因而无需设定一个统一的计算、协调和决策的中央控制系统，取而代之的是一些准独立的子系统，这些子系统相互之间并不存在隶属的关系，而是各自负责智能体活动的某一方面，在需要时各子系统之间还可以相互传递简单的信息，从而协作完成某项活动。对于表征概念理解方式的变化也导致了对于认知过程理解方式的变化：表征计算范式视角下的“感知-模型-计划-行动”的认知回路变成了具身视角下的“感知-行动”的认知回路，关于世界的表征模型变成了世界本身。智能体既可以依靠自身在世界中的运动来简化可能的行为路径，又可以根据环境中相关事件的变化来调整自身的活动，不仅为心智的具身性观点提供了可靠的证据，更进一步地说明了智能体的认知活动是由大脑(心智)、身体和世界协作完成的，也为框架问题的解决提供了可能的途径。

3.从转换的表征原则到模拟的表征原则

概念知识系统是个体认知活动(如知觉、记忆、语言、思维、想象等)得以进行的必要条件，但关于概念知识是如何被表征的却存在着不同的看法，大体可以概括为两种不同的表征原则：转换原则(transduction principle)和模拟原则(simulation principle)。叶浩生：《心智具身性：来自不同学科的证据》，《社会科学》2013年第5期，第117—128页。

传统的离身认知研究采纳的是转换的表征原则。根据这一原则，当认知主体体验到视觉、听觉、嗅觉等来自不同感觉通道的刺激后，会将这些感官经验转换成抽象的“非模态化的”(amodal)概念表征。由于构成这些概念表征的只是一些无意义的抽象符号，因而其并不承载任何关于身体或情感的信息。具身认知研究采纳的则是模拟的表征原则。与转换的表征原则相类似，模拟的表征原则也赞同当认知主体处于某一情境中时，视觉、听觉、触觉等不同感觉通道的心理表征会被激活，但却不赞同构成这些心理表征的是无意义的抽象符号，而强调这种心理表征可以部分地保留这些感觉经验的特征：即视觉表征是对情境中原有形象的大体复现，听觉表征则是对情境中原有声音的大体复现，诸如此类，不一一列举。这些复现物在某种程度上可以被看作是心理表象，与个体在知觉和行動中获得的那些真实的印象、体验相类似，是构成概念知识表征的基础。

镜像神经元(mirror neurons)的发现为模拟的表征原则提供了来自神经生物学的证据。里佐拉蒂(Rizzolatti G.)等人在对猕猴在神经科学、临床医学等领域，研究者选择猕猴作为研究对象或者说动物模型，是因为猕猴在解剖、遗传和生理(特别是其大脑神经系统)等方面与人类十分相似。将针对猕猴进行的研究所得出的相关研究结论应用到人类自身时，具有较高的研究效度。进行的一项研究中发现，位于猕猴前运动皮层腹侧(premotor cortex)的一个区域(即F5区)，每当猕猴进行抓握食物的动作或者看到其它猕猴个体进行同一动作时，都会产生相同的电生理反应。Gallese V.，Fadiga L.，Fogassi L.& Rizzolatti G.Action Recognition in the Fremotor Cortex.Brain，1996，119：593-609.也就是说，位于这些区域的神经元细胞无论是在自身执行某一动作，还是在观察到其它个体执行某一相同动作时都会被激活，并产生同样的电生理反应。就像镜子可以直接反映映入镜中的事物的形态或动作那样，具有镜像的功能。因而，具有这种功能的运动神经细胞被命名为镜像神经元。镜像神经元本身具有两个最为基本的特征：第一，镜像神经元首先必须是一种运动神经元，当个体在执行动作时会产生电生理反应;第二，镜像神经元的活动还必须具备感觉-运动两种不同感觉通道的对应关系，Rizzolatti G.，Craighero L.The Mirror-Neuron System.Annual Review of Neuroscience，2004，27：169-192.即自身执行某一动作以及观察到他人做类似动作时也会产生相同的电生理反应。Glenberg A.M.Introduction to the Mirror Neuron Forum. Pespectives on Psychological Science，2011，6(4)：363-368.这就是“镜像”的含义。

镜像神经元的发现使人们开始意识到，人类的认知涉及的很可能是一系列关于身体感知运动的具身模拟的过程：即当镜像神经元被激活(执行动作时的脑激活和观察动作时的脑激活)时，储存在这一区域的动作表征会以心理模拟的方式在头脑中重现，从而使认知主体能够理解其他个体所进行的动作的意义。为了验证上述假设，有研究者进行了屏蔽物实验。实验仍然是以猕猴为研究对象。在实验中，所有猕猴均只能看到实验者的手向挡板后面伸去的动作，而无法看到实验者的手是否实施具体抓握食物的动作。为了加以对比，研究者将所有猕猴划分为两个实验小组：即实验组和对照组。实验组的猕猴在进行实验前就知道挡板后面有食物存在，而对照组的猕猴在整个实验过程中都不清楚挡板后面是否有食物。实验结果表明，实验组的猕猴即使在没有看到实验人员表现出具体抓握食物的动作的情况下，其F5区的镜像神经元仍能表现出较大程度的激活，而控制组猕猴的F5区却没有任何激活的迹象。这说明猕猴的镜像神经元并不仅仅是对实验者动作的视觉特征进行简单的机械的映射，而是理解了动作者的意图、目的。可以说，镜像神经元的发现不仅为具身模拟的表征原则提供了来自神经科学实验研究的直接证据，同时也为“他心问题”(problem of other minds)的解决提供了一种新的研究视角。

总的来说，传统离身认知对于意识的研究是失败的，虽然其恢复了意识在认知科学研究中的合法地位，但其所采取的对意识的研究方式在本质上却是错误的：将认知过程或者说心理过程等同于意识进而加以研究。需要指出，认知和心理可以是意识的，但意识并不能涵盖认知和心理的全部。意识是人的认知和心理的专有属性，人的认知和心理可以是意识的，但并不能说其全部都是意识的，人存在着无意识的认知和无意识的心理过程。意识的研究具有极大的困难性，但却是当前认知科学研究所必须面对的。意识的研究在具身认知研究的框架下，也应当有所突破。

“他心问题”是当代心智哲学或者说当代意识研究中的12个难题之一。Searle J.Mind：A Brief Introduction.New York：Oxford University Press，2005.认知科学对于“他心问题”的涉猎，也体现了其自身对于当代意识研究的一种积极的回应。“他心问题”在最早被提出的时候，实际上是一个如何证明“他心”存在的问题，也就是说，在“我心”之外是否存在“他心”的问题。随后，“他心问题”的含义被进一步拓展，变为在日常生活中人们是如何理解他人心理并对其行为进行预测的，以及这种理解、预测的是如何实现的问题(“他心”理解的实现机制)。陈巍、李恒威：《直接社会直觉与理解他心的神经现象学主张》，《浙江大学学报(人文社会科学版)》2016年第6期，第46—58页。如何解释“他心问题”，在心理学和心灵哲学的研究中，同时存在着两种不同的理论取向，即“理论论”(theory-theory)和“模拟论”(simulation theory)。叶浩生：《镜像神经元的意义》，《心理学报》2016年第4期，第444—456页。理论论主张人生来具有关于他人心理的常识，凭借这种常识，我们可以对他人的行为意图、行为目的加以推测。模拟论则主张对于他人心智的解读并不需要推理过程的介入，仅需必要的心理模拟便可以达成。所谓心理模拟，就是在自己的内心世界中产生与他人相类似的行动，进而理解他人的行为意图、行为目的。不论是理论论还是模拟论，都否定了直接理解他心的可能性，认为对于他心的理解只能是间接的，在自身和他人之间存在着无法克服的沟通、联系的障碍，只能凭借某种手段才能克服这种障碍。这种手段在理论论那里变成了基于心理常识的推理，在模拟论那里变成了替代性的共情体验。镜像神经元的发现及其所展现出的特征，在一定程度上支持了模拟论的观点，但“模拟”的含义却发生了调整、变化：从有意识的模拟转变为无意识的具身模拟。具身模拟实际上就是由“脑-身体”所构成的系统所具有的无意识的、前反思的功能机制，能够对智能体以及相关的事件进行建模。Gallese V.，Sinigaglia C.What Is So Special about Embodied Simulation.Trends in Cognitive Sciences，2011，15(11)：512-519.此外，具身模拟也可以被理解成通过镜像机制在自我与他人之间架构起的沟通、联系的桥梁，从而使得“他心”的直接理解变为可能，这也在一定程度上阐述了社会和文化认知的途径和机制。

四 结论

人类是自然进化的产物，是自然世界的一个组成部分，那么人的心智以及人的认知也理所应当的是自然进化的产物，并没有超自然的、独立于物质的认知主体。吴新民：《内格尔的自然主义观考诠》，《华侨大学学报(哲学社会科学版)》2015年第4期，第36—42页。从离身认知到具身认知，在认知科学内部正在发生着一次深刻的研究范式的转换，对于认知的理解方式也从符号、亚符号的计算变为认知动力系统中非计算的动力稳定性模式的演变。对于心智、认知的研究必须回归身体、回归身体的感知运动、回归世界，已经逐渐成为一种共识。

心智的具身性问题，即心智、身体和世界的关系问题已经成为当代认知心理学乃至整个认知科学研究的核心问题。针对这一问题，激进的具身认知和温和的具身认知从各自不同的视角都试图给出合理的解释。但需要指出的是，激进的具身认知更多的是在哲学的意义上提出了有关心智具身性问题的有益的思考，却缺乏相应的解释性语言。也可以认为，激进的具身认知研究仅是认知科学全部研究谱系中的一个片段，不论它的主张最终是成功或是失败，都会对当代认知科学的研究起到积极的促进作用。Shapiro L.Embodied Cognition，London：Routledge，2011.反观温和的具身认知，它所提出的理论主张对于当代认知科学的研究则更具现实意义：不完全表征的概念有效地反驳了强耦合的观点，为表征计算概念在认知研究中的合理性提供了证据;行动导向的局部表征则指出了表征计算范式中“感知-模型-计划-行动”的认知回路所存在的诸多问题，并以“感知-行动”的认知回路来加以代替，世界本身取代了关于世界的概念表征模型，既为框架问题的解决提供了合理的途径，也为心智的具身性观点提供了佐证;模拟的表征原则很好地解释了概念知识的表征问题，为智能体提供了意义获得的解釋机制，同时也为“他心问题”的研究提供了新的视角，是当代认知科学对于意识研究的一种积极的回应。

作者：张博 葛鲁嘉