به مطالعه علمی و بین رشته ای ذهن و فرایند های آن، علوم شناختی (Cognitive science) اطلاق می شود. این شاخه از علم، به بررسی ماهیت، وظایف و کارکرد های شناخت (با در نظر گرفتن معانی گسترده آن) می پردازد.

محققانی که در زمینه علوم شناختی فعالیت می کنند، با تمرکز بر روی نحوه نمایش، پردازش و انتقال اطلاعات توسط سیستم عصبی به مطالعه هوش و رفتار انسان می پردازند. بخش های ذهنی که برای محققان این حوزه اهمیت دارند شامل زبان، ادراک، حافظه، توجه، خرد و احساسات است. برای درک این بخش های ذهنی، دانشمندان علوم شناختی از زمینه های علمی مانند زبان شناسی، روان شناسی، هوش مصنوعی، فلسفه، علوم اعصاب و انسان شناسی کمک می گیرند. تحلیل های متداول در علوم شناختی به سطوح مختلفی از سازمان، از یادگیری و تصمیم گیری تا منطق و برنامه ریزی، از مدار های عصبی تا ساختار پیمانه ای مغز، گسترش می یابد. مفهوم اساسی علوم شناختی این است که “می توان به وسیله شناخت ساختار های نماینده در ذهن انسان و فرایند های محاسباتی که بر روی این ساختار ها عمل می کنند، به بهترین شکل ممکن فرایند فکر کردن را درک کرد”.

علوم شناختی در دهه 50 میلادی به صورت یک جنبش روشن فکری که اغلب به نام انقلاب شناختی از آن یاد می شود، آغاز شد.

مبانی علوم شناختی

سطوح تحلیل

اصل کلیدی علوم شناختی این است که درک کامل ذهن یا مغز، تنها از طریق مطالعه یک سطح امکان پذیر نیست. مثالی در این زمینه، مشکل در فراموش کردن یک شماره تلفن و به یاد آوردن آن در زمان دیگری است. یک رویکرد برای درک این فرایند، مطالعه رفتار از طریق مشاهده مستقیم، یا به عبارتی دیگر، مشاهده طبیعی است. می توان به یک شخص شماره تلفنی را داد و از او خواست تا پس از گذشت یک بازه زمانی، آن را به خاطر بیاورد. به این ترتیب می توان دقت جواب را اندازه گیری کرد. رویکرد دیگر برای اندازه گیری توانایی شناختی، مطالعه آتش نورون ها(فعال شدن نورون ها در اثر رسیدن عامل محرک به مقدار آستانه)، در زمانی است که شخص در حال تلاش برای به خاطر آوردن شماره تلفن است. هیچ کدام از این دو آزمایش به تنهایی نمی تواند فرایند به خاطر آوردن شماره تلفن توسط شخص را توجیه کند. حتی اگر تکنولوژی نقشه برداری و مشخص کردن همه نورون های مغز به صورت آنی نیز در اختیار ما باشد و زمان آتش کردن هر نورون نیز معلوم باشد، باز هم دانستن این که چگونه آتش کردن آرایش مشخصی از نورون ها منجر به ایجاد رفتار مشاهده شده می شود، غیر ممکن خواهد بود. بنابراین، درک این که چگونه این دو سطح به یکدیگر مرتبط هستند، اجباری است. در کتاب “تجسم ذهن: علوم شناختی و تجربه انسان” گفته شده:” علوم جدید ذهن باید افق های خود را گسترش دهند تا بتوانند هم تجارب انسانی و هم امکان دگرگونی که به صورت ذاتی در مورد تجارب انسانی وجود دارد را در بر بگیرند”. این کار را می توان از طریق سطح بندی کاربردی این فرایند انجام داد. مطالعه یک پدیده خاص از منظر چند سطح مختلف، به ما در درک بهتر فرایند هایی که در مغز اتفاق می افتند و موجب نمود یک رفتار مشخص می شوند کمک می کند. دیوید مار، عصب شناس بریتانیایی، سه سطح تحلیل معروف خود را به این صورت معرفی کرد:

1. نظریه محاسباتی ذهن: مشخص کردن اهداف محاسبات
2. نمایش و الگوریتم ها: ارائه نمایشی از داده های ورودی و خروجی و الگوریتم هایی که باعث تبدیل ورودی به خروجی می شوند
3.  پیاده سازی سخت افزاری: چگونه الگوریتم و نمایش داده ها از نظر فیزیکی تحقق می یابند

ماهیت بین رشته ای

علوم شناختی زمینه ای بین رشته ای است که محققان مختلف از رشته های مختلف مانند روان شناسی، علوم اعصاب، زبان شناسی، فلسفه ذهن، علوم کامپیوتر، انسان شناسی، جامعه شناسی و زیست شناسی در آن فعالیت می کنند. دانشمندان علوم شناختی به امید درک ذهن و تعاملات آن با جهان اطراف، مشابه کاری که سایر علوم انجام می دهند، با یکدیگر همکاری می کنند. این زمینه علمی خود را با علوم فیزیکی سازگار می داند و از روش علمی به همراه شبیه سازی یا مدل سازی استفاده می کند و اغلب خروجی مدل ها را با جنبه های مختلفی از شناخت انسان مقایسه می کند. مشابه روان شناسی، در زمینه این که آیا یک علم یکپارچه به نام علم شناخت وجود دارد یا خیر، تردید هایی وجود دارد. این امر موجب شده تا برخی محققان ترجیح دهند از واژه علوم شناختی استفاده کنند.

بسیاری از اشخاصی که خود را دانشمند علوم رفتاری می دانند( اما نه همه آن ها) به ذهن انسان با رویکرد کارکردگرایی نگاه می کنند. منظور از رویکرد کارکردگرایی این دیدگاه است که حالت ها و فرایند های ذهنی باید از طریق کارکردشان تشریح شوند. بنا بر نظریه تحقق پذیری چندگانه، یکی از علت های رویکرد کارکردگرایی، حتی می توان داشتن شناخت را به سیستم های غیر انسانی مانند ربات ها یا کامپیوتر ها نیز نسبت داد.

زمینه های علمی که موجب تولد علوم شناختی شدند شامل: زبان شناسی، علوم اعصاب، هوش مصنوعی، فلسفه، انسان شناسی و روان شناسی

واژه علوم شناختی

واژه “شناختی” (Cognitive) در “علوم شناختی” برای ” هر نوع عملیات یا ساختار ذهنی که بتوان آن را به صورت دقیق مورد مطالعه قرار داد” مورد استفاده قرار می گیرد. این مفهوم سازی بسیار گسترده است و نباید با واژه “شناختی”، که در برخی رسوم فلسفه تحلیلی مورد استفاده قرار می گیرد و در آن منظور از “شناختی”، قوانین رسمی و معناشناسی شرط حقیقی است.

اولین معانی ثبت شده برای واژه “شناختی” در فرهنگ لغت انگلیسی آکسفورد، آن را به صورت “مربوط به عمل یا فرایند دانستن” توصیف می کنند. اولین ورودی ثبت شده،​ مربوط به سال 1586، نشان می دهد این واژه، زمانی در زمینه بحث های مربوط به نظریات افلاطونی دانش مورد استفاده قرار می گرفت. با این وجود، بسیاری از افرادی که در زمینه علوم شناختی فعالیت دارند باور ندارند که زمینه آن ها، مطالعه چیزی با قطعیت، مشابه دانشی که افلاطون به دنبال آن بود، باشد.

گستره علوم شناختی

علوم شناختی، زمینه علمی گسترده ای به شمار می رود و موضوعات مختلفی در زمینه شناخت را در بر می گیرد. با این وجود، باید در نظر داشت همیشه برای هر موضوعی که ممکن است به ماهیت و عملیات ذهن مربوط باشد، به اندازه یکسان اهمیت قائل نبوده است. در بین فیلسوفان، فعالان کلاسیک حوزه شناخت اثر فاکتور های اجتماعی و فرهنگی، احساسات، خودآگاهی، شناخت ظرفیت های ذهن حیوانات و روان شناسی تطبیقی و تکاملی را ناچیز پنداشته یا به طور کامل آن ها را نادیده گرفته اند. با این حال، با افول رفتارگرایی، حالت های درونی مانند احساسات و همچنین آگاهی و توجه ذهنی مجددا قابل دسترسی و استفاده شدند. برای مثال،​ نظریه های شناخت بدنمند یا شناخت وابسته به موقعیت حالت فعلی محیط و همچنین نقش جسم را نیز در شناخت در نظر می گیرند. با تاکید نوظهور بر پردازش اطلاعات، رفتار قابل مشاهده دیگر به عنوان مبنای نظریه های روان شناسانه در نظر گرفته نمی شد و مدل سازی یا ثبت حالت های ذهنی جایگزین آن شد.

در ادامه برخی از موضوعاتی که علوم شناختی با آن ها سر و کار دارد مطرح شده است. این فهرست، جامع نیست.

هوش مصنوعی

هوش مصنوعی (AI) شامل مطالعه پدیده های شناختی در ماشین ها است. یکی از اهداف کاربردی AI، پیاده سازی جنبه هایی از هوش انسان در کامپیوترها می باشد. ازکامپیوتر ها همچنین به عنوان ابزاری برای مطالعه پدیده های شناختی استفاده می شود. مدل سازی های کامپیوتری از شبیه سازی برای مطالعه این که هوش انسان چگونه ساختار یافته است، استفاده می کند.

در این زمینه معمولا این بحث وجود دارد که آیا بهتر است ذهن را به صورت آرایه ای عظیم از المان های کوچک و ضعیف(نورون ها) در نظر گرفت یا به آن به صورت مجموعه ای از ساختار های سطح بالاتر مانند نماد ها، طرح ها، برنامه ها و قوانین برخورد کرد. اولین رویکرد از اتصال گرایی برای مطالعه ذهن استفاده می کند در حالی که دومین رویکرد بر محاسبات نمادی تاکید می کند. یک راه برای نگاه به مسئله بررسی این نکته است که آیا امکان شبیه سازی دقیق مغز انسان در کامپیوتر، بدون شبیه سازی دقیق نورون هایی که آن را تشکیل می دهند وجود دارد یا خیر.

توجه

توجه به معنی انتخاب اطلاعات مهم است. ذهن انسان با میلیون ها عامل محرک بمباران می شود و باید روشی برای انتخاب اطلاعاتی که باید پردازش شوند از میان سایر اطلاعات داشته باشد. برخی اوقات توجه به صورت یک نورافکن در نظر گرفته می شود؛ بدان معنا که تنها می تواند بر روی مجموعه خاصی از اطلاعات متمرکز شود. آزمایش هایی که از این تشبیه حمایت می کنند شامل آزمایش شنوایی دایکوتیک(cherry,1957) و مجموعه تحقیقات کوری ناخواسته (Mac and Rock,1998) هستند. در آزمایش شنوایی دایکوتیک، سوژه های آزمایش به وسیله دو دسته پیام صوتی متفاوت، هر کدام در یک گوش، بمباران می شوند و از آن ها خواسته می شود تا تنها بر روی یکی از این پیام ها تمرکز کنند. در انتهای آزمایش، وقتی از افراد در مورد محتوای پیام هایی که به آن ها توجه نکرده اند پرسیده می شود، نمی توانند آن را بیان کنند.

دانستن و پردازش زبان

توانایی یادگیری و درک یک زبان، فرایند فوق العاده پیچیده ای است. زبان در چند سال اول زندگی به دست می آید و همه انسان هایی که شرایط عادی دارند می توانند در آن به تبحر برسند. یکی از پیشران های شاخه زبان شناسی نظری، یافتن ماهیتی است که زبان باید در انتزاع داشته باشد تا بتوان آن را به ترتیب فعلی یاد گرفت. برخی از سوالات تحقیقاتی اصلی که در بررسی نحوه پردازش زبان توسط مغز مطرح می شوند شامل موارد زیر هستند: 1- دانش زبانی تا چه میزان ذاتی یا آموختنی است؟ 2- چرا یادگیری زبان ثانویه برای بزرگسالان سخت تر از یادگیری زبان مادری برای نوزادان است؟ 3- انسان ها چگونه جمله های جدید را متوجه می شوند؟

بررسی پردازش زبان بازه گسترده ای را، از بررسی الگو های صوتی گفتار گرفته تا معنی واژه ها و جمله های کامل، در بر می گیرد. زبان شناسی اغلب پردازش زبان را به دسته های مختلفی به نام های دستور خط، آواشناسی، واج شناسی،​ تک واژ شناسی، جمله شناسی، معنا شناسی و کاربرد شناسی تقسیم می کند. با استفاده از هر کدام از این اجزا و تعامل آن ها با یکدیگر می توان جنبه های زیادی از زبان را مورد بررسی قرار داد.

بررسی پردازش زبان در علوم شناختی ارتباط تنگاتنگی با علم زبان شناسی دارد. زبان شناسی به صورت سنتی به عنوان بخشی از علوم انسانی، شامل مطالعات تاریخ، هنر و ادبیات مورد مطالعه قرار می گرفت. در پنجاه سال اخیر، محققان بیشتر و بیشتری دانش و استفاده از زبان را به عنوان یک پدیده شناختی مورد مطالعه قرار داده اند. مشکل اصلی در این زمینه این است که دانش زبانی چگونه به وجود می آید، چگونه مورد استفاده قرار می گیرد و دقیقا از چه چیز هایی تشکیل می شود. زبان شناسان پی برده اند که اگرچه انسان ها جمله ها را با استفاده از راه هایی که توسط سیستم های خیلی پیچیده کنترل می شوند، تشکیل می دهند اما خودشان از قوانینی که بر گفتارشان حاکم است آگاه نیستند. در نتیجه، زبان شناسان باید از روش های غیر مستقیم برای مشخص کردن این قوانین، در صورتی که اصلا چنین قوانینی وجود داشته باشند، استفاده کنند. در هر صورت، اگر گفتار از قوانین این چنینی پیروی کند، این قوانین  برای هر گونه تحقیق آگاهانه که تاکنون در این زمینه انجام گرفته بسیار مبهم هستند.

مثالی معروف از نمودار درختی یک جمله- این یکی از روش های نمایش زبان های انسانی است که نشان می دهد چگونه اجزای مختلف به صورت سلسله مراتبی در کنار هم قرار می گیرند.

یادگیری و رشد

یادگیری و رشد فرآیند هایی هستند که ما از طریق آن ها، دانش و اطلاعات را با گذر زمان به دست می آوریم. نوزادان با دانش اندک یا هیچ دانشی به دنیا می آیند(بسته به این که دانش چگونه تعریف شود)، اما با سرعت زیادی توانایی استفاده از زبان، راه رفتن و تشخیص افراد و اشیا را فرا می گیرند. هدف از تحقیق در زمینه یادگیری و رشد، تشریح مکانیزم هایی است که این فرایند ها از طریق آن ها صورت می گیرند.

یکی از سوالات اصلی در زمینه رشد شناختی، این است که برخی توانایی ها، تا چه حد ذاتی یا آموختنی هستند. این سوال اغلب در قالب مسئله سرشت و پرورش مطرح می شود. نظر ذات گرایان بر این موضوع تاکید می کند که برخی ویژگی ها، برای یک ارگانیسم ذاتی هستند و از طریق وراثت ژنتیکی تعیین می شوند. از طرف دیگر، نظر تجربه گرایان بر این موضوع تاکید می کند که برخی از توانایی ها از طریق محیط فرا گرفته می شوند. اگرچه مشخص است که برای رشد نرمال یک کودک، هم به ورودی های ژنتیکی و هم به ورودی های محیطی نیاز است، اما هنوز بحث فراوانی در زمینه این که چگونه اطلاعات ژنتیکی می توانند باعث هدایت رشد شناختی شوند، وجود دارد. برای مثال، در زمینه اکتساب زبان، برخی افراد ( نظیر استیون پینکر) معتقدند ژن ها باید حاوی اطلاعات خاصی شامل قوانین دستور زبانی جهانی باشند، در حالی که دیگران ( مانند جفری اینمن و همکارانش در کتاب Rethinking Innateness) معتقدند ادعا های پینکر از نظر بیولوژیکی واقع گرایانه نیستند. آن ها معتقدند ژن ها معماری یک سیستم یادگیری را تعیین می کنند اما حقیقت های مشخص در مورد نحوه عملکرد دستور زبان را تنها می توان در نتیجه تجربه کردن فرا گرفت.

حافظه

حافظه امکان ذخیره سازی اطلاعات و دسترسی مجدد به آن ها در زمانی دیگر را برای ما فراهم می کند. اغلب گمان می شود حافظه دارای دو محل برای ذخیره سازی اطلاعات به صورت کوتاه مدت و بلند مدت است. حافظه بلند مدت به ما اجازه می دهد تا اطلاعات را برای مدت های طولانی(روز ها، هفته ها و سال ها) ذخیره کنیم. ما هنوز حد عملی ظرفیت حافظه بلند مدت را نمی دانیم. حافظه کوتاه مدت امکان ذخیره سازی اطلاعات در مقیاس های زمانی کوتاه(ثانیه ها و دقایق) را برای ما فراهم می کند.

حافظه اغلب به صورت حافظه اخباری و حافظه روندی دسته بندی می شود. حافظه اخباری، که خود به زیر دسته های حافظه معنایی و حافظه رویدادی تقسیم بندی می شود، برای حقایق و دانش خاص، معانی خاص و تجارب خاص( مثلا برای پاسخ به سوال اولین رئیس جمهور ایالات متحده که بود؟ یا چهار روز پیش صبحانه چه خوردم؟) به حافظه رجوع می کند. حافظه روندی به ما اجازه می دهد تا کار ها و توالی های حرکتی( مثلا نحوه دوچرخه سواری) را به خاطر بیاوریم و اغلب از آن با نام دانش یا حافظه ناآشکار یاد می شود.

دانشمندان علوم شناختی حافظه را به طور مشابه با روان شناسان بررسی می کنند اما بر روی تاثیر حافظه بر روی فرایند های شناختی و رابطه متقابل بین حافظه و شناخت تمرکز بیشتری دارند. مثالی از این رابطه این است که یک شخص برای یادآوری خاطره ای که مدت ها آن را فراموش کرده بود باید چه فرایند های ذهنی را پشت سر بگذارد؟ یا این که تفاوت بین فرایند شناختی تشخیص( دیدن علامت هایی از یک چیز پیش از به خاطر آوردن آن،​ یا حافظه زمینه ای) و به یاد آوردن( بازخوانی یک خاطره، به عنوان مثال برای پر کردن جا های خالی) چیست؟

ادراک و عمل

ادراک توانایی به دست آوردن اطلاعات از طریق حس ها و پردازش آن ها به طریقی مشخص است. بینایی و شنوایی دو حس غالبی هستند که امکان درک محیط را برای ما فراهم می کنند. برای مثال، برخی از سوالات مطرح شده در مطالعه ادراک بینایی شامل موارد روبروست: 1-چگونه می توانیم اشیا را تشخیص دهیم؟ 2-چرا ما یک محیط بصری پیوسته را درک می کنیم در حالی که در یک زمان مشخص تنها بخش های کوچکی از آن را می بینیم؟ یکی از ابزار های موجود برای بررسی ادراک بینایی، بررسی نحوه پردازش خطای دید توسط افراد است. تصویر زیر، یک مکعب نِکِر است که مثالی از ادراک دوگانه به شمار می رود؛ این بدان معناست که مکعب را می توان در دو جهت مختلف دید.

بررسی محرک های لمسی، بویایی و چشایی نیز در حیطه ادراک قرار می گیرد.

در اینجا منظور از عمل، خروجی یک سیستم است. در انسان ها، این کار از طریق پاسخ های حرکتی اتفاق می افتد. برنامه ریزی فضایی و حرکت، گفتار و حرکت های پیچیده همه جنبه هایی از عمل به شمار می روند.

مکعب نِکِر- مثالی از خطای دید

نمونه ای از خطای دید- مربع A دقیقا به اندازه مربع B خاکستری است.

خود آگاهی

خودآگاهی به معنای اطلاع از این است که آیا یک چیز، یک شی خارجی است یا چیزی در درون خود محسوب می شود. خودآگاهی به ذهن کمک می کند تا توانایی تجربه کردن یا احساس داشتن خود مستقل را داشته باشد.

روش های تحقیق

در مطالعه علوم شناختی از متدولوژی های مختلفی استفاده می شود. با توجه به این که این زمینه به شدت بین رشته ای است، تحقیق در این زمینه نیز به روش های تحقیق مورد استفاده در روان شناسی، علوم اعصاب، علوم کامپیوتر و نظریه سیستم ها مرتبط است.

آزمایش های رفتاری

برای توصیف چیز هایی که رفتار هوشمندانه را تشکیل می دهند، یک محقق باید خود رفتار را مورد بررسی و مطالعه قرار دهد. این نوع تحقیق ارتباط نزدیک و تنگاتنگی با روان شناسی شناختی و روان فیزیک دارد. با اندازه گیری پاسخ های رفتاری به محرک های مختلف، محقق می تواند درک بهتری از نحوه پردازش این محرک ها پیدا کند. لواندووسکی و اشترومتز(2009)، مجموعه ای خلاقانه از کاربرد های اندازه گیری رفتاری در روان شناسی، شامل اثرات رفتاری، مشاهدات رفتاری و انتخاب های رفتاری را مورد بررسی قرار دادند. اثرات رفتاری، قطعه شواهدی هستند که نشان می دهند یک رفتار رخ داده اما شخصی که رفتار را انجام داده در محل حاضر نیست( مانند زباله های ریخته شده در پارکینگ یا قرائت های کنتور برق). مشاهدات رفتاری شامل مشاهده مستقیم شخص در حال بروز رفتار مورد نظر است(مانند مشاهده این که یک شخص چقدر نزدیک به شخص دیگر می نشیند). انتخاب های رفتاری زمانی رخ می دهند که یک شخص بین دو یا چند گزینه، یکی را انتخاب می کند(مانند شرکت در انتخابات یا انتخاب مجازات مناسب برای شخص دیگر).

• زمان واکنش: مدت زمان بین ایجاد عامل محرک و پاسخ مناسب به آن می تواند تفاوت های بین دو فرایند شناختی را نشان دهد و چیز هایی را نیز در مورد ماهیت آن ها مشخص کند. برای مثال، اگر در جریان یک جستجو، زمان واکنش متناسب با تعداد المان های مورد جستجو تغییر کند، مشخص است که این فرایند شناختی جستجو، به جای پردازش موازی از پردازش متوالی استفاده می کند.
• پاسخ های روان فیزیکی: آزمایش های روان فیزیکی تکنیک روان شناسی قدیمی به شمار می روند که از آن در روان شناسی شناختی نیز استفاده می شود. این​ آزمایش ها اغلب شامل قضاوت کردن در مورد یک خاصیت فیزیکی، مثلا میزان بلند بودن یک صدا، هستند. ارتباط مقیاس های ذهنی(Subjective) بین افراد مختلف می تواند اریبی های شناختی یا حسی را در مقایسه با اندازه گیری های فیزیکی واقعی نشان دهد. مثال هایی در این زمینه عبارتند از:

1. قضاوت میزان تشابه برای رنگ ها، صدا ها، بافت ها و…
2. آستانه تفاوت برای رنگ ها، صدا ها، بافت ها و …

• ردیابی چشم: از این متدولوژی برای مطالعه و بررسی انواع مختلفی از فرایند های شناختی، به خصوص ادراک بصری و پردازش زبان استفاده می شود. در این روش، نقطه ثابت ماندن چشم ها به تمرکز توجه یک شخص مرتبط می شود. در نتیجه با زیر نظر گرفتن حرکت چشم ها،​ می توان این که در زمانی مشخص چه اطلاعاتی در حال پردازش شدن هستند را مورد مطالعه قرار دهیم. ردیابی چشم امکان مطالعه فرآیند های شناختی را در مقیاس های زمانی بسیار کوتاه فراهم می کند. حرکات چشم ها فرایند تصمیم گیری لحظه ای در جریان انجام یک کار را نشان می دهند و درک بهتری از راه هایی که این تصمیم ها پردازش می شوند را در اختیار ما می گذارند.

تصویربرداری مغز

تصویربرداری مغزی شامل تجزیه و تحلیل میزان فعالیت در داخل مغز در هنگام انجام کار های مختلف است. این کار به ما کمک می کند تا رفتار و عملکرد مغز را به یکدیگر مرتبط کنیم تا درک کنیم اطلاعات چگونه پردازش می شوند. روش های مختلف تصویربرداری وضوح زمانی و مکانی مختلفی دارند. از تصویربرداری مغز عمدتا در علوم اعصاب شناختی استفاده می شود.

• مقطع نگاری رایانه ای تک فوتونی(SPECT) و مقطع نگاری با گسیل پوزیترون(PET):  SPECT و PET از ایزوتوپ های رادیواکتیو استفاده می کنند که به داخل جریان خون تزریق می شوند و توسط مغز جذب می شوند. با مشاهده این که کدام یک از بخش های مغز ایزوتوپ رادیواکتیو را جذب می کنند، می توانیم ببینیم کدام یک از بخش های مغز فعال تر از سایر بخش ها هستند. PET وضوح فضایی مشابهی با fMRI دارد اما وضوح زمانی آن بسیار ضعیف است.
• نوار مغزی: نوار مغزی، میدان های الکتریکی تولید شده توسط تعداد زیادی از نورون ها در قشر مغز(کورتکس) را به وسیله قرار دادن مجموعه ای از الکترود ها بر روی پوست سر اندازه گیری می کند. این روش وضوح زمانی بسیار بالایی دارد اما وضوح فضایی آن نسبتا ضعیف است.
• fMRI: این روش مقدار نسبی خون اکسیژن دار را که به بخش های مختلف مغز جریان می یابد، اندازه گیری می کند.فرض می شود خون اکسیژن دار بیشتر در یک منطقه خاص به افزایش فعالیت نورون ها در آن منطقه مرتبط باشد. این کار اجازه می دهد کارکرد های خاص در داخل بخش های مختلف مغز را محلی سازی کرد. fMRI وضوح زمانی و فضایی متوسطی دارد.
• تصویر برداری نوری: این روش از فرستنده ها و گیرنده های فروسرخ برای اندازه گیری میزان نور بازتابیده شده توسط خون در نزدیکی بخش های مختلف مغز استفاده می کند. با توجه به این که خون اکسیژن دار و بدون اکسیژن،  نور را به مقدار مختلفی بازتاب می کنند ما می توانیم بخش هایی که فعال تر هستند(یعنی آن هایی که خون اکسیژن دار بیشتری دارند) را مورد مطالعه قرار دهیم. تصویربرداری نوری وضوح زمانی متوسطی دارد اما وضوح فضایی آن ضعیف است. همچنین این روش این مزیت را دارد که بسیار ایمن بوده و می توان از آن برای مطالعه مغز نوزادان استفاده کرد.
• MEG: این روش میدان های مغناطیسی ناشی از فعالیت قشر مغز را اندازه گیری کند. این روش شبیه به نوار مغز است اما تفاوت آن در این است که MEG وضوح فضایی بهتری دارد زیرا میدان های مغناطیسی که در این روش اندازه گیری می شوند  به اندازه میدان های الکتریکی که در نوار مغزاندازه گیری می شدند توسط پوست سر، مننژ ها و دیگر اجزا  تار یا تضعیف نمی شوند. MEG از حسگر های SQUID برای تشخیص میدان های مغناطیسی کوچک استفاده می کند.

تصویری از سر و مغز انسان – پیکان موجود در عکس موقعیت مکانی غده هیپوتالاموس را نشان می دهد

مدل سازی محاسباتی

لازمه ایجاد مدل های محاسباتی، بیان کامل مسئله به صورت ریاضی و منطقی است. از مدل های کامپیوتری در شبیه سازی و صحت سنجی تجربی خواص عمومی و خاص هوش استفاده می شود. مدل سازی محاسباتی می تواند به ما کمک کند تا سازمان کارکرد یک پدیده شناختی خاص را درک کنیم. در مدل سازی شناختی، دو رویکرد کلی وجود دارد. اولین رویکرد بر روی کارکرد های اذهنی انتزاعی یک ذهن هوشمند تمرکز می کند و با استفاده از علائم و نشانه ها، عمل می کند. رویکرد دوم بر خواص عصبی و مشارکتی مغز انسان تمرکز می کند و به آن مدل سازی زیر نشانه ای(Subsymbolic) گفته می شود.

• مدل سازی نشانه ای با کمک نمونه های مشابه در علوم کامپیوتر و با استفاده از تکنولوژی های سیستم های پایگاه دانش و همچنین دیدگاه های فلسفه ای (برای مثال هوش مصنوعی قدیمی خوب-GOFAI) تکامل یافت. این مدل ها توسط اولین محققان علوم شناختی توسعه داده شدند و بعد ها از آن ها در مهندسی اطلاعات برای سیستم های خبره استفاده شد. از اوایل دهه 90 میلادی این مدل ها به علوم سیستم ها تعمیم داده شدند تا از آن ها برای بررسی مدل های کاربردی هوش شبیه به انسان، مانند personoid ها،استفاده شود. به طور موازی از این مدل به عنوان محیط Soar (نوعی معماری شناختی) استفاده شد. اخیرا، به خصوص در زمینه تصمیم گیری شناختی، مدل سازی شناختی نشانه ای به رویکرد اجتماعی شناختی نیز گسترش یافته است. در این رویکرد، شناخت سازمانی و اجتماعی از طریق یک لایه زیر نشانه ای غیرآگاه به یکدیگر مرتبط می شوند.
• مدل سازی زیر نشانه ای شامل مدل های اتصال گرا یا شبکه های عصبی است. اتصال گرایی بر این ایده که ذهن یا مغز از گره های ساده ای تشکیل شده و قدرت این سیستم عمدتا ناشی از وجود و شیوه اتصالات بین گره های ساده است، تکیه می کند. شبکه های عصبی، پیاده سازی دقیق این رویکرد هستند. برخی منتقدان این رویکرد حس می کنند که اگرچه این مدل ها از واقعیت زیستی به عنوان نمایشی از نحوه عملکردشان استفاده می کنند، اما آن ها فاقد توان توضیحی هستند زیرا سیستم های پیچیده از اتصالات، حتی با قوانین ساده نیز فوق العاده پیچیده و اغلب تفسیرناپذیر تر از سیستمی هستند که قرار است آن را مدل سازی کنند.
• رویکرد های دیگری که در حال محبوب تر شدن هستند شامل 1- استفاده از نظریه سیستم های دینامیکی و 2- روش هایی که مدل های نشانه ای و مدل های اتصال گرا را تطابق می دهند ( یکپارچه سازی عصبی-نشانه ای یا سیستم های هوشمند هیبریدی) می باشند. مدل های بیزی، که از یادگیری ماشین به دست آمده اند نیز در حال محبوب تر شدن هستند.

همه رویکرد های فوق تمایل به تعمیم یافتن به شکل مدل های یکپارچه محاسباتی هوش سنتتیک یا انتزاعی دارند تا بتوان آن ها را به منظور توضیح و بهبود تصمیم گیری ها و استدلال های فردی و اجتماعی-سازمانی به کار برد.

یک شبکه عصبی مصنوعی با دو لایه

روش های عصبی-زیستی

روش های تحقیقی که مستقیما از علوم اعصاب و عصب روان شناسی قرض گرفته شده اند هم می توانند در درک جنبه هایی از هوش به ما کمک کنند. این روش ها به ما اجازه می دهند تا درک کنیم چگونه رفتار هوشمندانه در یک سیستم فیزیکی پیاده سازی می شود.

• ثبت تک واحدی
• تحریک مستقیم مغز
• مدل های حیوانی
• مطالعات کالبدشکافی

یافته های اصلی

علوم شناختی باعث به وجود آمدن مدل های سوگیری شناختی و ادراک ریسک شده است و همچنین نقش موثری در توسعه در زمینه اقتصاد رفتاری که بخشی از اقتصاد به شمار می رود داشته است. علاوه بر این، علوم شناختی باعث به وجود آمدن نظریه جدید فلسفه ریاضیات، و بسیاری از نظریه های هوش مصنوعی، اقناع و اجبار شده است. اثر این علم در فلسفه زبان و معرفت شناسی بر کسی پوشیده نیست. علاوه بر این، علوم شناختی یکی از بال های زبان شناسی مدرن هستند. زمینه های علوم شناختی در درک کارکرد سیستم های خاص مغز( یا نقص های کارکردی آن)، از توانایی گفتار گرفته تا فرآیند های شنیداری و ادراک بصری، موثر بوده اند. این علوم باعث پیشرفت درک ما از این مسئله که چگونه آسیب به بخش های خاصی از مغز بر روی شناخت نیز تاثیر می گذارد، شده اند و همچنین در کشف ریشه ها و تبعات اختلالاتی مانند خوانش پریشی، آنوپسی و غفلت یک سویه به ما کمک کرده اند.

تاریخچه علوم شناختی

علوم شناختی در دهه 50 میلادی به صورت یک جنبش روشن فکری که اغلب به نام انقلاب شناختی از آن یاد می شود، آغاز شد. علوم شناختی پیش تاریخچه ای طولانی دارد که به متون فلسفه یونان باستان( مانند منون افلاطون یا درباره نفس ارسطو) باز می گردد و همچنین شامل نویسندگانی چون دکارت، دیوید هیوم، کانت، باروخ اسپینوزا، نیکولا مالبرانش، پیر کابانیس، لایبنیتز و جان لاک است. با این وجود، اگرچه این نویسندگان کمک زیادی به کشف فلسفی ذهن کردند و این کار در نهایت منجر به توسعه علم روان شناسی شد، اما آن ها با مجموعه ابزار و مفهوم های پایه ای متفاوتی نسبت به آنچه دانشمندان علوم شناختی در اختیار دارند، کار می کردند.

فرهنگ مدرن علوم شناختی را می توان به دانشمندان سایبرنتیک اولیه، مانند والتر مک کولوک و والتر پیتس در دهه های 1930 و  1940 میلادی مرتبط دانست. آن ها تلاش کردند مبانی سازمان دهنده ذهن را درک کنند. مک کولوک و پیتس اولین مدل های محاسباتی الهام گرفته شده از ساختار بیولوژیکی شبکه های عصبی، چیزی که امروز به آن شبکه های عصبی مصنوعی اطلاق می شود را ابداع کردند.

یکی دیگر از نوآوری ها، توسعه نظریه محاسبات و کامپیوتر های دیجیتالی در دهه های 1940 و 1950 میلادی بود. کرت گودل، آلونزو چرچ، آلن تورینگ و جان فون نیومن نقش کلیدی در این موضوع داشتند. کامپیوتر مدرن، یا ماشین فون نیومن بعد ها نقش اصلی را در علوم شناختی، هم به عنوان استعاره ای از ذهن و هم به عنوان ابزاری برای بررسی، بازی کرد.

اولین مورد از انجام آزمایش های علوم شناختی در در یک موسسه اکادمیک، در دانشکده کسب و کار دانشگاه MIT انجام گرفت. این کار توسط جوزف کارل لیکلایدر که در دپارتمان روان شناسی اجتماعی کار می کرد و آزمایش هایی را بر روی حافظه های کامپیوتری، به عنوان مدل هایی از شناخت انسان انجام می داد، شکل گرفت.

در سال 1959، نوآم چامسکی نقد تندی بر کتاب رفتار کلامی نوشته بی اف اسکینر منتشر کرد. در آن زمان، الگوی رفتارگرایانه اسکینر رشته روان شناسی در آمریکا را تحت سلطه خود در آورده بود. بیشتر روان شناس ها بر روی روابط کارکردی بین عامل محرک و پاسخ، بدون در نظر گرفتن تصورات داخلی، تمرکز می کردند. چامسکی اعتقاد داشت برای توضیح زبان، ما به نظریه ای مانند دستور زبان زایشی نیاز داریم که نه تنها تصورات داخلی را نیز در نظر بگیرد بلکه ترتیب موجود در آن ها را نیز توصیف کند.

واژه شناختی اولین بار توسط کریستوفر لانگت هیگینز در سال 1973 و در تفسیر خود از گزارش لایت هیل، که به بررسی وضعیت هوش مصنوعی در آن زمان می پرداخت، مورد استفاده قرار گرفت. در همان دهه، ژورنال علمی Cognitive Science و انجمن علوم شناختی شکل گرفتند. جلسه تشکیل انجمن علوم شناختی در سال 1979 و در دانشگاه کالیفرنیا، سن دیگو برگزار و منجر به دیده شدن علوم شناختی در مقیاس بین المللی شد. در سال 1972،​ کالج همپشایر اولین برنامه کارشناسی در علوم شناختی با هدایت نیل استیلینگز ارائه داد. در سال 1982، با کمک پرفسور استیلینگز، کالج واسر به اولین موسسه ای در دنیا تبدیل شد که مدرک دوره کارشناسی در علوم شناختی را به دانشجویان اهدا می کرد. در سال 1986، اولین دپارتمان علوم شناختی در جهان در دانشگاه کالیفرنیا، سن دیگو تاسیس شد.

در دهه 1970 و اوایل دهه 1980، با افزایش دسترسی به کامپیوتر ها، تحقیق در زمینه هوش مصنوعی نیز گسترش پیدا کرد. محققانی مانند ماروین مینسکی، برنامه های کامپیوتری به زبان هایی مانند LISP نوشتند تا به صورت رسمی، قدم هایی را که نوع بشر، برای مثال در تصمیم گیری یا حل مسائل، پشت سر می گذارد توصیف کنند تا از این طریق بتوانند فکر انسان را بهتر درک کنند. دیگر انگیزه آن ها، امید به ساخت ذهن های مصنوعی بود. به این رویکرد، هوش مصنوعی نشانه ای(Symbolic AI) گفته می شود.

به تدریج، محدودیت های برنامه تحقیقاتی هوش مصنوعی نشانه ای نمایان شد. برای مثال،​ فهرست کردن دانش انسان به صورت جامع به شکلی که توسط یک برنامه کامپیوتری نشانه ای قابل استفاده باشد، غیر واقعی به نظر می رسید. در اواخر دهه 80 و 90 میلادی، شبکه های عصبی و اتصال گرایی به عنوان الگو های تحقیق ظهور کردند. از این منظر، که به جیمز مک کلیلند و دیوید رومل هارت نسبت داده می شود، ذهن را می توان به عنوان مجموعه ای از اتصالات پیچیده، که به صورت یک شبکه لایه ای نمایش داده می شوند، توصیف کرد. منتقدان معتقدند  پدیده هایی وجود دارند که توسط مدل های نشانه ای بهتر توصیف می شوند و مدل های اتصال گرا اغلب به حدی پیچیده هستند که قدرت توضیحی کمی دارند. اخیرا مدل های نشانه ای و اتصال گرا با یکدیگر ترکیب شده اند، به طوری که می توان از هر دو نوع بیان استفاده کرد. اگرچه هر دو نوع رویکرد نشانه ای و اتصال گرا برای بررسی فرضیه ها و رویکرد های مختلف به منظور درک جنبه هایی از شناخت و کارکرد های سطح پایین تر مغز، مفید بوده اند اما هیچ کدام از آن ها از نظر بیولوژیکی به واقعیت نزدیک نیستند و در نتیجه، از نظر علوم اعصاب هیچ کدام قابل اطمینان نیستند. اتصال گرایی به صورت محاسباتی در کشف نحوه ایجاد شناخت در توسعه مدل ها و در مغز انسان، مفید بوده است و راهکار متفاوتی را نسبت به رویکرد های مخصوص به حوزه یا رویکرد های عمومی در اختیار می گذارد. برای مثال، دانشمندانی مانند جف اِلمن،​ لیز بیتس، آنت کارمیلوف-اسمیت نشان داده اند که شبکه های مغز از تعامل پویا بین آن ها و ورودی های محیطی ناشی می شوند.

محققان اصلی

برخی از شناخته شده ترین نام ها در علوم شناختی، اغلب جنجالی ترین ها یا دارای بیشترین مقدار ارجاعات هستند. در داخل فلسفه، برخی نام های آشنا شامل دنیل دِنِت که از منظر سیستم های محاسباتی می نویسد، جان سِرل که به خاطر استدلال جنجالی اتاق چینی خود شناخته می شود  و جری فودور که مدافع کارکردگرایی به شمار می رود، می باشند.

از افراد دیگر می توان به دیوید چالمرز که از طرفداران دوگانه گرایی و مطرح کننده مسئله دشوار خودآگاهی بود و داگلاس هافستادر که به خاطر نوشتن کتاب گودل، اشر، باخ که ماهیت کلمات و افکار را زیر سوال می برد، به شهرت رسید، اشاره کرد.

در قلمرو زبان شناسی، نوآم چامسکی و جرج لیکاف تاثیرگذار بوده اند( هر دوی آن ها به تحلیل گران سیاسی قابل توجهی نیز تبدیل شده اند). در هوش مصنوعی، ماروین مینسکی، هربرت سایمون و الن نیوول از چهره های کلیدی هستند.

نام های محبوب در زمینه روان شناسی شامل جرج میلر، جیمز مک کللند، فیلیپ جانسن-لرد و استیون پینکر هستند. انسان شناس هایی مانند دَن اِسپربر، ادوین هاچینز و اسکات اَترَن در پروژه های مشترک با روان شناسان شناختی و اجتماعی، دانشمندان علوم سیاسی و زیست شناسان تکاملی همکاری کرده اند تا نظریه هایی کلی در مورد تشکیل فرهنگ، دین و وابستگی سیاسی ارائه کنند.

نظریه های محاسباتی( با مدل ها و شبیه سازی ها) نیز توسط افرادی مانند دیوید راملهارت، جیمز مک کللند، فیلیپ جانسن-لرد و دیگران توسعه یافته اند.

خدمات دیگری نیز توسط ماروین مینسکی و نوآم چامسکی انجام گرفته است.