46、人类三段论推理中启发式组合的预测能力

人类三段论推理中启发式组合的预测能力

1. 引言

认知建模在心理和认知研究中掀起了热潮。如今，理论被形式化，在代表性数据上进行评估，并最终在数学基础上进行比较。在认知科学领域，建模能够从多个角度处理现象，从基于心理效应的简单启发式方法（如氛围效应）到不同复杂度的回归模型（如练习幂律或语义指针架构统一网络）。

近期的一项元分析研究了人类三段论推理建模的现状。评估十二种模型后发现，代表快速节俭原则的启发式方法表现不如更精细的基于模型的解释。这并不奇怪，因为启发式模型本质简单，与试图融入认知大框架的模型相比存在差距。

本文重新审视启发式方法在人类三段论推理建模中的作用。不将启发式方法视为成熟的认知模型，而是看作构成人类推理心理过程的合理构建块。通过借鉴人工智能研究中的组合方法评估启发式模型，该方法基于将表现较弱的模型组合成强大模型的理念，识别和利用优势，避免个体弱点。例如，布尔可满足性问题（SAT）的研究通过智能组合不同算法实例取得进展，分类研究中也能通过组合弱模型获得更好的元模型。将这些技术应用于人类推理，能在预测人类推理行为方面达到先进水平，同时深入了解底层模型的概念属性。

2. 三段论的启发式方法

三段论前提由关于两个术语（如A和B）的量化断言（所有、一些、没有、一些……不是）组成。三段论由两个通过共同术语连接的前提构成，根据前提中术语的顺序，三段论有四种形式。通过将量词缩写为A、I、E和O，并对形式进行编号，三段论可表示为AA1、AA2、……、OO4，共64个不同的三段论问题。例如，“所有B都是A；所有B都是C”用标识符AA4表示。在三段论推理任务中，参与者需给出九个可能结论之一，或选择“无有效结论”（NVC）。对于上述例子，逻辑结论