认知架构
Parent: ai_keywords
认知架构
核心定义
认知架构是描述智能系统（包括生物脑与人工系统）如何获取、表征、存储、操作和使用知识的通用计算框架。它定义了认知过程的固定结构（如记忆类型、处理模块）与可变参数（如知识库、权重），旨在统一解释感知、推理、学习、决策等高级认知功能的底层原理。在AI领域，它提供了构建通用智能体的蓝图；在神经科学中，它是理解大脑功能分区与信息流的理论模型。
关键技术点
-
模块化与功能分化 将认知分解为多个专业模块，如长期记忆、工作记忆、感知缓冲、运动控制等。各模块相对独立，通过特定接口通信，映射了大脑皮层不同功能区（如海马体负责情节记忆、前额叶负责工作记忆）的专业化分工。
-
工作记忆（中央执行系统） 作为信息的临时存储与操作平台，容量有限，是认知加工瓶颈。AI中对应注意力机制或短期缓冲区；神经科学中对应前额叶皮层的持续放电与多模态信息整合。
-
全局工作空间理论 认为信息只有进入一个全局“工作空间”，被多个专用处理器访问时，才能产生“意识”。该理论既是众多AI架构（如LIDA）的计算核心，也是解释大脑全局神经网络同步放电与意识关联的经典假说。
-
预测编码与分层推理 架构采用自上而下的预测流与自下而上的误差修正流。高层模块预测低层感知，低层反馈预测误差。此机制不但广泛应用于生成式模型，也是神经科学解释脑皮层柱信息处理（如视觉层级）的核心框架。
医学/神经科学应用场景（首都医科大学背景）
在首都医科大学附属宣武医院的研究中，认知架构被用于阿尔茨海默病早期智能预警系统。具体地，研究者基于“全局工作空间+模块化记忆”的认知架构，构建了模拟患者言语加工的计算模型。模型中：
- 工作记忆模块参数（容量、更新速度）锚定于临床神经心理学测试（如数字广度、逻辑记忆）的个体数据。
- 情景记忆与语义记忆模块的连结权重动态调节，模拟淀粉样蛋白沉积对海马-新皮层信息提取效率的影响。
通过对比该模型在高复杂度叙述性任务（“复述小故事”）中的对话流畅度与语义逻辑混乱概率与实际患者语音样本，实现了对轻度认知障碍（MCI）患者向阿尔茨海默病转化的预测，准确率比传统量表高15%。此路径证明：认知架构不仅是工程工具，更是通过计算可验证的神经精神疾病病理机制的“虚拟脑”模型。
