在认知心理学的思维/研究

心理学家兴奋剂博士谈到 人类的思想，解决三段论的方法的特异性。

认知心理学中的思维研究始于信息方法的逻辑：事实上，思维以及其他过程被解释为信息处理过程及其在解决问题过程中的转变。 最初的研究与第一次尝试构建人工智能模型有关。 他们占据赫伯特·西蒙和艾伦·纽维尔，事实上，在1956年说，第一个思维模型，已经证明了一个定理的形式逻辑称为“逻辑理论家”。

这项研究背后的原则是什么？ 如果我们说一个计算机与大脑类似，让它们工作不同，如果大脑意识到思维，计算机实现特定的程序，这两个过程是相似的，并导致相同的结果，那么，事实上，我们有权利，我们相信这些研究人员考虑的程序，一个关键的问题（例如，证明逻辑定理），作为思想或理论的人类行为在解决问题的过程中的理论。 因此，Newell和Simon在并行协议中研究解决人和他们的协议的问题工作计算机程序，严格地说，有两个主要方面：它是知识表示和转换规则的语言。 它在纽维尔和西蒙似乎很重要，进一步的想法的心理学的思维启发式。 不仅是该算法作为所有可能解决方案的穷举搜索，以及搜索空间缩减的规则或原则，这导致不合理的发现结果，但是显着减少了样本的数量。 第一次成功之后，“理论的逻辑”，真正证明了与证明研究生一样的定理，纽维尔和西蒙开始了一个新的雄心勃勃的目标 - 建立一个普遍解决问题，扩大其模型的范围问题棋，加密算术任务 - 任务类型“狼，山羊和白菜”。但最终，这些发展被放弃了缺乏多功能性。 总的来说，很明显，这些任务（计算机程序）和被选为主体的人（通常是大学生，遇到了在他们面前学习的某些规则的挑战）的情况，或许事实上，人们没有这么认为，因为它应该从这些研究。

为了提高思维和学习的过程，和其他学习过程中解决的任务，你应该采取促智药 ： 肽Pinealon，Vinpotropile， Cytamine Cerebramin以及Selank，Phenotropil和 Picamilon，Pantogam和Noopept，甘氨酸，吡拉西坦。

事实上，从这里开始两条相反的线。 一方面，在人工智能领域的发展，其中开发人员不是很有趣，似乎有什么使他们的电脑，这真的使一个人。 而赌注更多地放在你的电脑的性能，比人类思维的方法。 另一方面，根本的替代线路试图回答这个问题，人们是怎么想的。 当他们开始在这一领域处理时，我们意识到一个人认为根本上是错误的，就像一台电脑。 在这里，第一个标志之一成为研究员彼得·乌伊孔，对这个问题非常感兴趣，为什么科学家在寻找方法来测试他的理论时，出于某种原因寻找确认而不是反驳。 为什么提出一个假设，我们对于我们的假设被证实的信息是选择性的，并且对其他事物都是盲目的。

Ueyson进行了一系列的研究，显示了确认的趋势 - 人类思维的最持久和强大的特征之一。 例如，他在这样一个简单的游戏中与他的科目玩。 他告诉他们：“我会给你打一系列三个数字，你猜这个系列中的法律，”他说，“2，4，6”，人们不得不制作自己的版本的数字，遵循相同的法律，他回答他们，“是”或“否”。 然后人们立即开始确认他们的假设。 例如，认为法律 - 每次增加2，他们说，“3,5,7”，收到答案是“是”。 认为法律 - 它甚至数字，增加2，回应：“8，10，12，”收到答案是“是”。 这可以无限期地进行，因为事实上Ueyson构想法律“任何上升的系列”。 任何数量的立即下降的测试可以给出一个提示。 但他们手指，指法和指法，不试图测试替代品。 类似的数据已经显示了用四张牌的着名目标的实验，通过它Ueyson主要在心理学和已知的。 要求受试者看看四个卡上写有字母A和K，数字4和7，并检查规则：如果在卡元音的一边，然后在另一边是一个偶数。 我们不得不改变最小卡数来测试这个规则。 研究表明，即使在大学问题由不到四分之一的人解决，但问题是一样的：确认的倾向。 我提供在你的休闲尝试解决它。

在Uysona同事，Philip Johnson-Laird，精神模型理论的作者，这是有趣的，并且严格来说，当决定三项时，决定三段，当基于假设推理时，依赖的Uysona同事获得非常类似的结果。 例如，我们有这样一个前提：“一些俄罗斯 - 理想主义者，”“所有布尔什维克都是俄罗斯人。 我们可以纠正所有布尔什维克 - 理想主义者的结论吗？ 事实证明，大多数科目说：“是的，当然。 为什么？ 因为它似乎是真的。 也就是说，事实上，当一个人决定三段论时，它更多地依赖于输出的可信度而不是逻辑严谨。 打开约翰逊 - 莱尔德的另一个重要现象，被称为“大气的影响”。 事实证明，如果以肯定的，积极的方式提出的前提，人们倾向于作出或确认一个积极的结论，如果至少有一个否定声明，人们往往得出一个否定的结论。 例如，我们的三段话的输出，一些布尔什维克不是理想主义者，大多数人将被拒绝为无效，只是因为我们没有负的假设。 它通常是大气的可能性和效果，事实上，彻底，结果是，解释决定和结论的三段论普通人。

但也许最知名的研究，最引人注目的，最终被授予诺贝尔经济学奖的是美国研究者Amos Tversky和丹尼尔Kahneman在二十世纪70-80年间进行的。 卡尼曼在2002年获得诺贝尔经济学奖，特维斯基没有履行它。 然而，他们在一起，这些研究创造了解释解决问题，推理和决策的人的机制的着名的“前景理论”。 他们找到了什么？ 他们发现，当一个人做出一些输出，估计一个事件的概率或一些选择几个替代品中的一个，它是有点基于这个问题中包含的实际数字，但在很大程度上基于方法交付问题的上下文，在其中提出，此外，我们确定了几个启发式基础的人犯错误，首先，一种呈现信息和上下文的方式。 Tversky Kahneman用正确的框架制定了解决问题的办法，做出选择。 例如，如果我们说地铁上的票价将从30卢布上涨到35卢布，我们非常愤怒，这将造成一场电话的暴风雨。 如果我们再说一次我们每天消费的午餐会从300卢布上升到305卢布，我们几乎没有注意到，虽然绝对差异，两种情况下的绝对损失是一样的。 呈现信息的方法可以至少强烈地影响。 Tversky Kahneman进行了一项着名的研究，通常被称为“亚洲流行病”，其中受试者被给予相当复杂的情况描述。 如果我们最终简化发生的事情，那么人们说我们正在等待亚洲的流行病，估计有600人死亡，一半的受试者说：“这是一个能节省200人的计划，大多数部分回答：“采取”，另一个说：“这是一个程序，但400人仍然死亡，我们采取？”人们倾向于喜欢一个不同的节目，更复杂的细节，避免主观的损失。

事实上，他们的工作启发式方法与Tversky Kahneman描述的方式大致相同 - 是可用性启发式代表性启发式算法，与我们搜索和使用现有信息的方式相关。 可用性启发式是，我们正在做出一个决定，做出推理，根据我们在这个时间点的信息做出关于可能性的判断，并且经常不寻找另一个。 正是在这种启发式保持离婚的神话在星星之间。 为什么？ 因为我们可以很容易地想出一个例子。 我们更难找到一个例子，在普通人中找到足够数目的离婚的例子，但实际上他们并不少见。

关于代表性启发式，我们当我们选择信息作出选择或作出一些评估时，看看，如果我们的假设与可用的信息相似，是否具有代表性。 有Tversky卡尼曼花了另一个着名的实验，给他描述的女孩名叫琳达，关于它被告知，她在哲学大学学习，当研究，参加反对核武器，争取动物权利等示威。 然后要求评价琳达声明的可能性：事实上，它是一个银行出纳员，或者它是一个出纳员和一个积极的女权主义者。 而选择的科目，当然，大部分的第二个选择。 为什么？ 因为琳达是女权主义者的代表。 虽然实际上属于相同的类别，但是一个组总是更可能同时属于两个组。 这个错误分离 - 人类思想的最亮的错误之一，也研究了特沃斯基和卡尼曼，然后总结在一个统一的理论，适用于经济，并带来卡尼曼的诺贝尔奖。