Академический Документы
Профессиональный Документы
Культура Документы
Paul Thagard1
1. Historia
2. Métodos
3. Representación y Computación
4. Aproximaciones teóricas
o 4.1 La lógica formal
o 4.2 Reglas
o 4.3 Conceptos
o 4.4 Analogías
o 4.5 Imágenes
o 4.6 Conexionismo
o 4.7 Neurociencias
o 4.8 Redes bayesianas
5. Relevancia filosófica
1 Thagard, Paul, "Cognitive Science", The Stanford Encyclopedia of Philosophy (Fall 2014 Edition), Edward
N. Zalta (ed.), URL = https://plato.stanford.edu/archives/fall2014/entries/ cognitive-science/
Publicado por primera vez Lun Sep 23 de 1996; revisión sustantiva Vie Jul 11, 2014
o 5.1 Aplicaciones filosóficas
o 5.2 Crítica de la Ciencia Cognitiva
o 5.3 Filosofía de la Ciencia Cognitiva
1. Historia
Los intentos por comprender la mente y su funcionamiento se remontan a la antigua Grecia,
cuando filósofos como Platón y Aristóteles trataron de explicar la naturaleza del
conocimiento humano. El estudio de la mente siguió siendo competencia de la filosofía
hasta que en el siglo XIX Wilhelm Wundt y sus estudiantes desarrollaron los métodos de
laboratorio para el estudio de las operaciones mentales de manera más sistemática. En unas
pocas décadas, sin embargo, la psicología experimental quedó dominada por el
conductismo, una aproximación teórica que negaba, prácticamente, la existencia de la
mente. De acuerdo con los psicólogos conductistas, como J. B. Watson, la psicología debía
limitarse a examinar la relación entre los estímulos y el comportamiento
observables. Términos como “consciencia” y “representación mental” debían ser
erradicados de toda discusión científica respetable. En los Estados Unidos, de manera
especial, el conductismo dominó la escena psicológica hasta la década de 1950. Alrededor
de 1956, el panorama intelectual comenzó a cambiar drásticamente. Por un lado, los
trabajos de George Miller mostraron que la capacidad del pensamiento humano es limitado;
a saber, la memoria de corto plazo [MCP], por ejemplo, tiene una capacidad de
almacenamiento limitada y solo es capaz de sostener un promedio de siete elementos. Con
todo, Miller propuso que esas limitaciones de memoria pueden ser superaradas
recodificando la información en trozos [chunks], representaciones mentales que requieren
procedimientos para codificar y decodificar la información. Por el otro, aunque en ese
momento los ordenadores tenían pocos años de existencia, pioneros como John McCarthy,
Marvin Minsky, Allen Newell y Herbert Simon estaban fundando el campo de
la inteligencia artificial. Mientras que Noam Chomsky proponía rechazar los supuestos
conductistas sobre el lenguaje (quienes lo consideraban un hábito aprendido) y, en su lugar,
explicar la comprensión del lenguaje en términos de gramáticas mentales consistentes en
reglas. En cierto sentido, George Miller, John McCarthy, Marvin Minsky, Allen Newell,
Herbert Simon y Noam Chomsky, pueden ser vistos como los fundadores de la ciencia
cognitiva.
2. Métodos
Si bien la ciencia cognitiva tiene ideas teóricas unificadores, tenemos que apreciar la
diversidad de perspectivas y métodos que los investigadores en diferentes campos han
aportado al estudio de la mente y la inteligencia. Aunque hoy en día los psicólogos
cognitivos a menudo se involucran en la teorización y el modelamiento computacional, su
principal método es la experimentación con seres humanos. A menudo, los requísitos de los
cursos implican que los estdiantes lleven a cabo trabajo de laboratorio con el propósito de
examinar diferentes tipos de pensamiento bajo condiciones controladas. Por ejemplo, los
psicólogos han estudiado experimentalmente los tipos de errores que las personas cometen
en el razonamiento deductivo; la forma en que las personas estructuran y aplican los
conceptos; la velocidad cuando la gente piensa con imágenes mentales así como el
rendimiento de las personas al resolver problemas usando analogías. Nuestras conclusiones
acerca de cómo trabaja la mente deben basarse en algo más que el “sentido común” y la
introspección, ya que ello puede dar una imagen engañosa de las operaciones mentales,
muchas de las cuales no son accesible a la conscencia. Cada vez más, los psicólogos
extraen a sus participantes experimentales de Amazon Mechanical Turk2 y de fuentes
culturalmente diferentes. En última instancia, los experimentos psicológicos que abordan
cuidadosamente las operaciones mentales desde diversas direcciones son cruciales para el
estatus científico de la ciencia cognitiva.
Aunque una teoría sin experimentos está vacía, un experimento sin teoría es ciego. Para
abordar las cuestiones cruciales sobre la naturaleza de la mente, los experimentos
psicológicos necesitan ser interpretados dentro de un marco teórico que postula
procedimientos y representaciones mentales. Una de las mejores formas de desarrollar un
marco teórico es mediante el diseño y prueba de modelos computacionales análogos a las
operaciones mentales. Para complementar los experimentos psicológicos en el
razonamiento deductivo, la formación de conceptos, la imageniería mental y la resolución
de problemas analógica, los investigadores han desarrollado modelos computacionales que
simulan aspectos de la actuación humana. Diseño, construcción y experimentación con
modelos computacionales es el método central de la inteligencia artificial (IA), la rama de
la informática que se ocupa de los sistemas inteligentes. Lo ideal sería que la ciencia
cognitiva, los modelos computacionales y la experimentación psicológica vayan de la
mano. Sin embargo, mucho trabajo en IA ha examinado el poder de los diferentes enfoques
en la representación del conocimiento en un relativo aislamiento de los datos aportados por
la psicología experimental.
Mientras que algunos lingüistas hacen experimentos psicológicos o desarrollan modelos
computacionales, la mayoría de ellos tiende a utilizar diferentes métodos. Para los
lingüistas de la tradición de chomskyana, la principal tarea teórica es identificar los
principios gramaticales que proveen la estructura básica de los lenguajes humanos. Esto se
lleva a cabo identificar sutiles diferencias entre las expresiones gramaticales y las no-
gramaticales. En español, por ejemplo, las frases (1a) “Ella golpeó la pelota” o (2a) “¿Qué
le gusta?”, son gramaticales; mientras que las frases (1b) “Ella balón el golpeó” o (2b)
“¿Qué le gustas?”, no lo son. Una gramática del español explica porque 1a y 2a son
2
N. de los T.: Amazon Mechanical Turk es un mercado de trabajo que requiere de la inteligencia humana.
En otras palabras, Amazon Mechanical Turk se basa en la idea que todavía hay muchas tareas que los seres
humanos llevan a cabo de manera mucho más eficaz que las computadoras, por ejemplo, la identificación de
objetos en una foto o un vídeo, la realización de la deduplicación de datos, la transcripción de grabaciones de
audio, o la investigación detallada de datos. Tradicionalmente, este tipo de tareas se ha cumplimentado
mediante la contratación de mano de obra temporal (lo cual es costoso, e implica mucho tiempo) o
simplemente no se han llevado a cabo. Una Tarea de Inteligencia Humana [Human Intelligence Task, o HIT]
es una pregunta que necesita respuesta. Una HIT representa una tarea única y autónoma que un trabajador
puede realizar, presentar una respuesta y recoger una recompesa al completarla. Véase
https://www.mturk.com/mturk/help?he lpPage=overview
aceptables pero no 1b y 2b. Un enfoque alternativo, la lingüística cognitiva, pone menos
énfasis en la sintaxis y más en la semántica y los conceptos.
Al igual que los psicólogos cognitivos, los neurólogos suelen realizar experimentos
controlados, pero sus observaciones son muy diferentes debido a que estos último están
directamente involucrados con la naturaleza del cerebro. Con sujetos no humanos, los
neurólogos pueden insertarles electrodos y registrar la activación de las neuronas
individuales. Con seres humanos, para quienes esta técnica sería demasiado invasiva, ha
sido posible en los últimos años utilizar dispositivos magnéticos y escanéres de positrones
con el fin de observar lo que está sucediendo en diferentes partes del cerebro mientras la
gente se encuentra realizando diversas tareas mentales. De esta anera, los escáneres
cerebrales han identificado, por ejemplo, las regiones del cerebro implicadas en la
imagenería mental y la interpretación de textos. Evidencia adicional sobre el
funcionamiento del cerebro ha sido recogida mediante la observación del comportamiento
de las personas cuyos cerebros han sido dañados y, asimismo, identificada la zona de dicho
daño. Un derrame cerebral, por ejemplo, en una parte del cerebro dedicada al lenguaje
puede producir déficits tales como la incapacidad para pronunciar frases. Al igual que la
psicología cognitiva, la neurociencia es a menudo tanto teórica como experimental y el
desarrollo de la teoría frecuentemente es apoyado por la implementación de modelos
computacionales del comportamiento en grupos de neuronas.
La antropología cognitiva ha ampliado nuestra comprensión del pensamiento humano al
preguntarse cómo éste trabaja en diferentes entornos culturales. El estudio de la mente no
debería, evidentemente, limitarse al estudio de cómo piensan las personass de habla inglesa,
por el contrario, tiene el compromiso de considerar las posibles diferencias en los modos de
pensar existentes en todas las culturas. La ciencia cognitiva es cada vez más consciente de
la necesidad de considerar las operaciones de la mente en entornos físicos y sociales
particulares. Para los antropólogos culturales el método principal es la etnografía, método
que requiere vivir e interactuar el tiempo suficiente con los miembros de una cultura hasta
que sus sistemas sociales y cognitivos se tornan evidentes. Los antropólogos cognitivos han
investigado, por ejemplo, las similitudes y diferencias en el uso de las palabras que
denominan los colores en diversas culturas.
Tradicionalmente, los filósofos no realizan observaciones empíricas sistemáticas ni
construyen modelos computacionales (aunque ha habido un aumento reciente en el trabajo
en la filosofía experimental). No obstante, la filosofía sigue siendo importante para la
ciencia cognitiva porque aborda cuestiones fundamentales que subyacen al enfoque
experimental y computacional de la mente. Cuestiones abstractas tales como la naturaleza
de la representación y la computación no necesitan ser tratadas en la práctica cotidiana de la
investigación psicológica o la inteligencia artificial, sin embargo, éstas inevitablemente
surgen cuando los investigadores piensan profundamente acerca de lo que están
haciendo. La filosofía también se ocupa de cuestiones generales como la relación entre la
mente y el cuerpo, o de cuestiones metodológicas tales como la naturaleza de las
explicaciones que se ofrecen en la ciencia cognitiva. Asimismo, la filosofía se ocupa de
cuestiones normativas , por ejemplo, cómo la gente debe pensar, a la vez que descriptivas,
por ejemplo, cómo lo hacen. Por otra parte, además del objetivo teórico, a saber, entender el
pensamiento humano, la ciencia cognitiva puede tener el objetivo práctico de mejorarlo, lo
que requiere de una reflexión normativa sobre lo que queremos que sea el pensamiento. La
filosofía de la mente no tiene un método distinto, pero debe compartir con el mejor trabajo
teórico de otros campos la preocupación por los resultados empíricos.
En su forma más débil, la ciencia cognitiva es simplemente la suma de los campos
mencionados: psicología, inteligencia artificial, lingüística, neurociencias, antropología y
filosofía. El trabajo interdisciplinario se vuelve mucho más interesante cuando existe
convergencia teórica y experimental en las conclusiones acerca de la naturaleza de la
mente. Por ejemplo, la psicología y la inteligencia artificial se pueden combinar a través de
modelos computacionales sobre cómo se comportan las personas en los experimentos. La
mejor forma de comprender la complejidad del pensamiento humano es el uso de múltiples
métodos y, de manera particular, de modelos computacionales y de experimentos
psicológicos y neurológicos. Supuestamente, el enfoque más fértil ha sido comprender la
mente en términos de representación y computación.
3. Representación y computación
La hipótesis central de la ciencia cognitiva es que el pensamiento se puede entender mejor
en términos de estructuras representacionales en la mente y procesos computacionales que
operan con esas estructuras. Aunque existe un gran desacuerdo sobre la naturaleza de las
representaciones y los proesos computacionales que constituyen el pensamiento, la
hipótesis central es lo suficientemente general como para abarcar su estudio, incluyendo las
teorías conexionistas que modelan el pensamiento usando redes neuronales artificiales.
La mayoría de los trabajos en ciencia cognitiva asume que la mente tiene representaciones
mentales análogas a las estructuras de datos del ordenador y procedimientos de cálculo
similares a los algoritmos computacionales. Los teóricos cognitivos han propuesto que la
mente contiene dichas representaciones mentales como proposiciones lógicas, reglas,
conceptos, imágenes y analogías, y que utiliza procedimientos mentales como la deducción,
la búsqueda, el emparejamiento, rotación y recuperación. La analogía dominante mente-
ordenador en la ciencia cognitiva ha tomado un nuevo giro con la utilización de otra
analogía: el cerebro.
Los psicólogos conexionistas han propuesto nuevas ideas sobre la representación y la
computación al utilizar las neuronas y sus conexiones como inspiración para las estructuras
de datos, y el disparo de las neuronas y la difusión de la activación como inspiración para
los algoritmos. La ciencia cognitiva, por lo tanto, trabaja con una analogía compleja de 3-
vías entre la mente, el cerebro y los ordenadores. Cada una de esas vías (mente, cerebro,
ordenador) puede utilizarse para sugerir nuevas ideas sobre las otras. No existe un modelo
computacional único de la mente, dado que los diferentes tipos de equipos y métodos de
programación sugieren diferentes formas en que la mente podría funcionar. Los equipos
que hoy día usamos la mayoría de nosotros procesan la información de manera serial, es
decir, ejecutan una instrucción a la vez, pero el cerebro, y otros sistemas de cómputo
desarrollados recientemente, son procesadores paralelos, capaces de hacer muchas
operaciones a la vez.
Una tendencia importante en la ciencia cognitiva actual es la integración de la neurociencia
con muchas áreas de la psicología, incluyendo la cognitiva, social, del desarrollo y la
clínica. Esta integración es en parte experimental, resultado de una explosión de nuevos
instrumentos para el estudio del cerebro tales como la formación de imágenes por
resonancia magnética funcional, la estimulación magnética transcraneal y la
optogenética. La integración es también teórica, debido a los avances en nuestra
comprensión de cómo las grandes poblaciones de neuronas pueden realizar tareas
generalmente explicadas con las teorías cognitivas de reglas y conceptos.
4. Enfoques Teóricos
A continuación se presenta un resumen esquemático de las teorías actuales sobre la
naturaleza de las representaciones y los procesos decómputo que explican cómo funciona la
mente.
Explicación de destino:
Patrón explicativo:
No es seguro, sin embargo, que la lógica proporcione a la ciencia cognitiva las ideas
centrales sobre la representación y la computación, ya que pueden ser necesarios métodos
de cómputo más eficientes y psicológicamente naturales para explicar el pensamiento
humano.
4.2 Reglas
Gran parte del conocimiento humano se describe de forma natural en términos de reglas de
la forma “Si... entonces...”, y muchos tipos de pensamiento tales como la planificación
pueden ser modelados por sistemas basados en reglas. El esquema de explicación utilizado
es:
Explicación de destino:
Patrón explicativo:
La gente tiene procedimientos para utilizar esas reglas con el fin de buscar un
espacio de posibles soluciones y procedimientos para la generación de nuevas
reglas.
Los procedimientos para el uso y la formación de reglas producen el
comportamiento.
4.3 Conceptos
Los conceptos, los cuales corresponden en parte a las palabras en el lenguaje hablado y
escrito, son una clase importante de representación mental. Hay razones computacionales y
psicológicas para abandonar la visión clásica de que los conceptos tienen definiciones
estrictas. En su lugar, los conceptos pueden ser vistos como un conjunto de características
típicas. La aplicación de conceptos se torna, entonces, en una cuestión de cómo conseguir
una coincidencia aproximada entre los conceptos y el mundo. Los esquemas y los guiones
son más complejos que los conceptos que corresponden a las palabras, pero son similares
en cuanto que consisten en grupos de rasgos que pueden ser ajustados y aplicados a nuevas
situaciones. El esquema explicativo usado en los sistemas basados en el concepto es:
Explicación de destino:
4.4 Analogías
Las analogías juegan un papel importante en el pensamiento humano, en áreas tan diversas
como la resolución de problemas, la toma de decisiones, la explicación y la comunicación
lingüística. Los modelos computacionales simulan cómo las personas recuperan y mapean
las fuentes de las analogías con el fin de aplicarlas a las situaciones objetivo. El esquema de
explicación de las analogías es:
Explicación de destino:
Patrón explicativo:
Las limitaciones de similitud, estructura y finalidad superan el difícil problema de cómo las
experiencias anteriores se pueden encontrar y utilizar para ayudar enla resolución de los
nuevos problemas. No todo el pensamiento es analógico, y el uso inapropiado de analogías
puede dificultar el pensamiento, pero las analogías puede ser muy eficaces en aplicaciones
tales como la educación y el diseño.
4.5 Imágenes
Las imágenes visuales y otras clases de imágenes juegan un papel importante en el
pensamiento humano. Las representaciones pictóricas capturan información visual y
espacial de una forma mucho más útil que las largas descripciones verbales. Los
procedimientos computacionales se adaptan muy bien a las representaciones visuales,
incluyendo la revisión, la búsqueda, el zoom, la rotación y la transformación. Tales
operaciones pueden ser muy útiles para la generación de planes y explicaciones en
dominios en los que se apliquen representaciones pictóricas. El esquema explicativo para la
representación visual es:
Explicación de destino:
Patrón explicativo:
Las personas tienen procesos tales como la exploración y la rotación que operan
sobre esas imágenes.
Los procesos para la construcción y manipulación de imágenes producen el
comportamiento inteligente.
La imaginería mental puede ayudar a mejorar el aprendizaje. Asimismo, puede decirse que
algunos aspectos metafóricos del lenguaje tienen sus raíces en las imágenes. Los
experimentos psicológicos sugieren que los procesos visuales, tales como la exploración y
la rotación, empleados en la imaginería y los resultados neurofisiológicos confirman un
vínculo físico cercano entre el razonamiento con imágenes mentales y la percepción. Las
imágenes no son únicamente visuales sino que también pueden funcionar con otras
experiencias sensoriales como el oído, el tacto, el olfato, el gusto, el dolor, el equilibrio, las
náuseas, la sensación de plenitud y la emoción.
4.6 Conexionismo
Las redes conexionistas, las cuales se componen de nodos y enlaces simples, son muy
útiles para la comprensión de los procesos psicológicos que implican la resolución de las
restricciones del procesamiento en paralelo. Dichos procesos incluyen aspectos de la visión,
toma de decisiones, selección de explicaciones y construcción de significados en la
comprensión del lenguaje. Los modelos conexionistas pueden simular el aprendizaje por
métodos que incluyen el aprendizaje hebbiano y la retropropagación3 (backpropagation). El
esquema explicativo para el enfoque conexionista es:
Explicación de destino:
Patrón explicativo:
Explicación de destino:
¿Cómo el cerebro lleva a cabo funciones tales como las tareas cognitivas?
Patrón explicativo:
4
N. de los T.: “Nuestro cerebro tiene unos cien mil millones de neuronas que disparan señales para
comunicarse entre sí todo el tiempo. Estas señales son de naturaleza electroquímica y viajan desde el cuerpo
celular de una neurona a través de su tallo de transporte o el axón, a la siguiente neurona (de manera similar a
pasar el testigo en una carrera de relevos). Cada una de esas señales de detonación, se conoce como un pico, o
un potencial de acción. Los picos [spikes] se producen en respuesta a los estímulos o de forma espontánea, y
cada pico, típicamente, tiene una duración de 1 milisegundo.” Véase http://www.neuwritewest.
org/blog/2015/1/3/ask-a-neuroscientist-whats-a-spike-train
5
N. de los T.: “Neural significa ‘pertenecientes a un nervio o nervios, que son los haces de cordón de fibras
compuestas por neuronas’. Este es un término amplio, ya que se refiere a cualquier estructura del sistema
nervioso, incluyendo las neuronas glia y demás. Por su parte, neuronal significa ‘perteneciente a las neuronas,
que son las células conductoras del sistema nervioso’. En este sentido es un término más específico y
definido, ya que sólo se refiere a las neuronas.” Véase https://www.bioinformant.com/neural-vs-neuronal/
4.8 Modelos bayesianos
Recientemente, los modelos bayesianos se han convertido en una herramienta relevante
para la ciencia cognitiva, con aplicaciones a los fenómenos psicológicos tales como el
aprendizaje, la visión, el control motor, el lenguaje y la cognición social. También han
tenido aplicaciones eficaces en la robótica. El enfoque bayesiano asume que la cognición es
(aproximadamente) óptima de acuerdo con la teoría de la probabilidad, especialmente el
teorema de Bayes, el cual dice que la probabilidad de una hipótesis dada es igual al
resultado de multiplicar la probabilidad a priori de la hipótesis por la probabilidad
condicional de la evidencia, dada la hipótesis, todo ello dividido por la probabilidad de la
evidencia. El esquema explicativo de la cognición bayesiana es:
Explicación de destino:
Patrón explicativo:
Aunque los métodos bayesianos han tenido aplicaciones impresionantes para una amplia
gama de fenómenos, su plausibilidad psicológica es sospechosa debido a suposiciones
acerca de lo óptimo que resula hacer cálculos basados en la teoría de la probabilidad.
5. Relevancia filosófica
Una parte de la filosofía, en particular, la filosofía naturalista de la mente, es parte de la
ciencia cognitiva. Pero el campo interdisciplinario de la ciencia cognitiva es relevante para
la filosofía de varias maneras. En primer lugar, los resultados psicológicos,
computacionales y los obtenidos en otras investigaciones de la ciencia cognitiva tienen
aplicaciones potencialmente importantes para con los tradicionales problemas filosóficos de
la epistemología, la metafísica y la ética. En segundo lugar, la ciencia cognitiva puede
servir como objeto de crítica filosófica, sobre todo en relación con la hipótesis central de
que el pensamiento es representacional y computacional. En tercer lugar, y de manera más
constructiva, la ciencia cognitiva puede ser tomada como un objeto de investigación por la
filosofía de la ciencia, generando reflexiones sobre la metodología y los presupuestos de
investigación.
Sin duda, muchos otros problemas filosóficos adicionales surgen del examen de los
presupuestos actuales de la ciencia cognitiva.
Referencias
Anderson, J. R., 2007. How Can the Mind Occur in the Physical Universe?, Oxford:
Oxford University Press.
–––, 2010. Cognitive Psychology and its Implications, 7th edn., New York: Worth.
Bechtel, W., 2008. Mental Mechanisms: Philosophical Perspectives on Cognitive
Neurosciences, New York: Routledge.
Bechtel, W., & Graham, G. (eds.), 1998. A Companion to Cognitive Science, Malden, MA:
Blackwell.
Bechtel, W., Mandik, P., Mundale, J., & Stufflebeam, R. S. (eds.), 2001. Philosophy and
the Neurosciences: A Reader, Malden, MA: Blackwell.
Boden, M. A., 2006. Mind as Machine: A History of Cognitive Science, Oxford: Clarendon.
Chemero, A., 2009, Radical Embodied Cognitive Science, Cambridge, MA: MIT Press.
Churchland, P. M., 2007. Neurophilosophy at Work, Cambridge: Cambridge University
Press.
Churchland, P. S., 2002. Brain-wise: Studies in Neurophilosophy, Cambridge, MA: MIT
Press.
Clark, A., 2001. Mindware: An Introduction to the Philosophy of Cognitive science, New
York: Oxford University Press.
–––, 2008. Supersizing the Mind: Embodiment, Action, and Cognitive Extension, New
York: Oxford University Press.
Dawson, M. R. W., 1998. Understanding Cognitive Science, Oxford: Blackwell.
Dehaene, S., 2014. Consciousness and the Brain: Deciphering How the Brain Codes Our
Thoughts, New York: Viking.
Dreyfus, H. L., 1992. What Computers Still Can't Do, (3rd ed.). Cambridge, MA: MIT
Press.
Eliasmith, C., 2013. How to Build a Brain: A Neural Architecture for Biological Cognition,
Oxford: Oxford University Press.
Eliasmith, C., & Anderson, C. H., 2003. Neural Engineering: Computation, Representation
and Dynamics in Neurobiological Systems, Cambridge, MA: MIT Press.
Friedenberg, J. D., & Silverman, G., 2005. Cognitive Science: An Introduction to the Study
of Mind, Thousand Oaks, CA: Sage.
Gibbs, R. W., 2005, Embodiment and Cognitive Science, Cambridge: Cambridge
University Press.
Goldman, A., 1993. Philosophical Applications of Cognitive Science, Boulder: Westview
Press.
Griffiths, T. L., Kemp, C., & Tenenbaum, J. B., 2008. “Bayesian Models of Cognition,” in
R. Sun (ed.), The Cambridge Handbook of Computational Psychology, Cambridge:
Cambridge University Press, pp. 59-100.
Johnson-Laird, P., 1988. The Computer and the Mind: An Introduction to Cognitive
Science, Cambridge, MA: Harvard University Press.
Knobe, J., & Nichols, S. (eds.), 2008. Experimental Philosophy, Oxford: Oxford University
Press.
McCauley, R. N., 2007. “Reduction: Models of Cross-scientific Relations and their
Implications for the Psychology-neuroscience Interface,” in P. Thagard (ed.), Philosophy of
Psychology and Cognitive Science, Amsterdam: Elsevier, pp. 105-158.
Murphy, D., 2006. Psychiatry in the Scientific Image, Cambridge, MA: MIT Press.
Nadel, L. (ed.), 2003. Encyclopedia of Cognitive Science, London:Nature Publishing
Group.
Nisbett, R., 2003. The Geography of Thought: How Asians and Westerners Think
Differently … and Why, New York: Free Press.
O'Reilly, R. C., Munakata, Y., Frank, M. J., Hazy, T. E., & Contributors,
2012. Computational Cognitive Neuroscience, Wiki Book, 1st Edition, URL
= http://ccnbook.colorado.edu.
Pessoa, L., 2013. The Cognitive-Emotional Brain: From Interactions to Integration,
Cambridge, MA: MIT Press.
Polk, T. A., & Seifert, C. M. (eds.), 2002. Cognitive Modeling, Cambridge, MA: MIT
Press.
Searle, J., 1992. The Rediscovery of the Mind, Cambridge, MA: MIT Press.
Smith, E. E.., & Kosslyn, S. M., 2007. Cognitive Psychology: Mind and Brain, Upper
Saddle River, NJ: Pearson Prentice Hall.
Sobel, C. P., 2001. The Cognitive Sciences: An Interdisciplinary Approach, Mountain
View, CA: Mayfield.
Stillings, N., et al., 1995. Cognitive Science, Second edition, Cambridge, MA: MIT Press.
Sun, R. (ed.), 2008. The Cambridge Handbook of Computational Psychology, Cambridge:
Cambridge University Press.
––– (ed.), 2012. Grounding Social Sciences in Cognitive Sciences, Cambridge, MA: MIT
Press.
Thagard, P., 2005. Mind: Introduction to Cognitive Science, second edition, Cambridge,
MA: MIT Press.
––– (ed.), 2007. Philosophy of Psychology and Cognitive Science, Amsterdam: Elsevier.
–––, 2009. “Why cognitive science needs philosophy and vice versa, ” Topics in Cognitive
Science, 1: 237-254.
–––, 2010. The Brain and the Meaning of Life, Princeton: Princeton University Press.
–––, 2012. The Cognitive Science of Science: Explanation, Discovery, and Conceptual
Change, Cambridge, MA: MIT Press.
Thompson, E., 2007. Mind in Life: Biology, Phenomenology, and the Science of Mind,
Cambridge, MA: Harvard University Press.
Von Eckardt, B., 1993. What is Cognitive Science?, Cambridge, MA: MIT Press.
Wilson, R. A., & Keil, F. C. (eds.), 1999. The MIT Encyclopedia of the Cognitive Sciences,
Cambridge, MA: MIT Press.