下载掌阅APP，畅读海量书库
立即打开
我们的世界充斥着感觉、图像、气味、声音和味道。你正在阅读这段文字，但脑子里可能想着其他的事情，它们都让你分神。注意力使我们能够专注于传入信息的个别片段，因此是认知心理学的一个重要研究领域。英国心理学家柯林·彻里（Colin Cherry）是注意力领域中最具影响力的研究者之一。1953年，他将目光转向了“鸡尾酒会效应”（cocktail party effect）。
这个女孩可能正想着自己的男友，在周末晚上和朋友一起出去玩，明天的曲棍球比赛，或者任何其他事情，反正不是她面前的作业。我们处理手头上信息的能力是有限的，因为很多其他的想法对我们也同样重要。
这种效应是指当你在一个拥挤的房间里与人交谈时，背景的人声嘈杂而无意义。但这时，如果有人说出了你的名字，尽管它也属于背景噪声的一部分，但是你却能听得很清楚。鸡尾酒会效应表明，注意力是一个主动过程，不重要的感知会被过滤。信息加工研究很长时间以来都在尝试解释注意力背后的机制。有一个理论认为，由于信息加工受限于容量，大脑区域会放慢加工速度，强迫我们关注正在加工的信息。
所有人都知道注意力是什么。大脑从若干个同时发生的事件或思路中过滤出一个并加以清晰、凝聚。专注的本质是意识的聚焦和集中。
——威廉·詹姆斯（William James）
注意力集中的话，从三个核桃壳下找到小球并不困难，但如果有四个、五个或者六个核桃壳呢？为了提升记忆的速度和效率，我们能记忆的内容是有限的。
联结主义（connectionism）是使用互相联结的结点搭建大脑生理模型的一种方法。这一方法是值得注意的，因为从理论上说，它不会被信息加工的传统观念所束缚。
1943年，美国神经科学家沃伦·S.麦卡洛克（Warren S.McCulloch）和美国逻辑学家沃尔特·皮茨（Walter Pitts）第一次在论文中提出了神经网络的概念。他们试图解释大脑如何通过相互连接的简单神经元系统产出高度复杂的模式。麦卡洛克和皮茨认为相互连接的神经元群组像网络一样工作。麦卡洛克—皮茨模型（the McCulloch and Pitts model）是高度简化的神经元模型，但对于描述大脑的功能非常重要。
联结主义网络很重要的一点是，神经元一开始并不是优秀的信息处理器，而是随着时间推移，在群组中才掌握这种能力。1957年，弗兰克·罗森布拉特（Frank Rosenblatt）搭建了第一个人工神经网络。他的感知器只有一个输入层和一个输出层，但是其识别简单模式的能力却给科学家们留下了深刻印象。之后，马文·明斯基（Marvin Minsky）和西蒙·派珀特（Seymour Papert）提出感知器受到自身层级数量的限制。在20世纪60年代，认知心理学家开发了包含多“层”人工神经元的模型，可以用来解决简单的数学问题，这使得神经网络更加强大，更具有生物可信性。
这个多层级的神经网络包含一个输入层、一个隐含层和一个输出层。每个神经元从环境或者上一层中接收到输入信息，并向下一层输出。对于神经元的输入可能是兴奋性的也可能是抑制性的，这些信号经过分析后都会用来决定输出的强度，也会相应地变成下一层的输入。神经网络极其擅长学习刺激和反应之间的关系。网络受到训练后便时刻准备着完成作业。动词从现在时（刺激）到过去时（反应）的改变，就是一个例子。
这样的网络是由排列在层级中的人工神经元组成的。一个神经元可能会使与之相连的任意神经元兴奋或者抑制，尽管它们的连接通常是单向的。网络接受和加工的所有刺激都被编码为一种激活模式（神经元开或者关）。当网络工作时，一切信息都变为分布在整个网络中的激活模式。（这和传统观念中的信息加工相冲突，其认为心理表征并不是分开的符号）。即使包含数量相对较少的神经元，许多表征也可能被储存在网络中。最终，神经网络的行为是由人工神经元的数量、排列方式、学习过程和经历的刺激所决定的。