认知心理学（Cognitive Psychology）是心理学的一个核心分支，研究人类心智如何获取、处理、存储和利用信息。它兴起于20世纪50年代中叶，作为对行为主义"黑箱"模型的批判，被称为心理学领域的"认知革命"。认知心理学将心智比作一个信息加工系统，包括感知、注意、记忆、语言、问题解决、推理和决策等一系列高级心理过程。
认知心理学的诞生深受多个学科的影响：计算机科学提供了"信息加工"的概念隐喻，语言学（特别是乔姆斯基的理论）挑战了行为主义对语言的解释，神经科学则逐步揭示了心智的生物学基础。1967年，乌尔里克·奈瑟尔（Ulric Neisser）出版了《认知心理学》一书，标志着该学科的正式确立。
认知心理学中最早、最具影响力的框架是由阿特金森和谢夫林（Atkinson & Shiffrin, 1968）提出的三阶段信息加工模型。该模型将人类记忆系统分为三个主要存储结构：
┌─────────────────────────────┐
环境输入 │ │
──────────► 感官记忆（SM） │
视觉、听觉 │ 容量大，保持<1秒 │
触觉等 │ 注意筛选 │
└───────────┬─────────────────┘
│ 注意（选择性过滤）
▼
┌─────────────────────────────┐
│ 短时记忆（STM）/ 工作记忆 │
│ 容量：7±2个组块 │
│ 保持：约15-30秒（无复述） │
│ 编码方式：以听觉为主 │
└───────────┬─────────────────┘
│ 复述/编码
▼
┌─────────────────────────────┐
│ 长时记忆（LTM） │
│ 容量：理论上无限 │
│ 保持：数分钟到终生 │
│ 编码方式：以语义为主 │
└─────────────────────────────┘
具体举例：当你在人群中听到有人喊你的名字——声音进入感官记忆（保留约1秒），你的注意将其筛选到短时记忆中（你意识到有人在叫你），然后你将其编码到长时记忆中（"哦，是老张在叫我"）。
巴德利（Baddeley, 1974, 2000）提出了工作记忆模型，取代了简单的短时记忆概念，将"工作台"分为四个组件：
| 组件 | 功能 | 容量 | 编码 | 实例 |
|---|---|---|---|---|
| 中央执行系统 | 注意力控制、任务切换、信息协调 | 有限 | 无特定编码 | 一边开车一边思考路线 |
| 语音回路 | 存储和复述语言信息 | 约2秒音韵缓冲 | 听觉 | 默记电话号码 |
| 视空画板 | 存储和操作视觉/空间信息 | 约3-4个物体 | 视觉/空间 | 在脑中旋转一个三维图形 |
| 情境缓冲区（2000年新增） | 整合多模态信息、连接工作记忆与长时记忆 | 约4个组块 | 多模态 | 在脑中"看到"一个生日场景 |
工作记忆容量的实际测量：经典的"数字广度任务"中，实验者依次念出数字串（如"7-3-9-1-5"），要求被试用五秒内按顺序复述。普通人平均可复述7±2位数字。但通过"组块化"策略，将"1945-2001-911"编码为三个有意义的年份组块，容量显著提高。
注意（Attention）是认知系统的资源分配机制，具有三种核心功能：
鸡尾酒会效应（Cherry, 1953）是选择性注意的经典现象：在嘈杂的宴会中，你可以聚焦于一人的对话而忽略周围噪音；但当有人提到你的名字时，你的注意会不自觉地被吸引过去。
这一现象催生了两个重要理论：
布罗德本特（Broadbent, 1958）的早期选择模型：
输入A ──► 感官缓冲 ──► 过滤器 ──► 知觉处理 ──► 输出
（基于物理特征筛选）
特雷斯曼（Treisman, 1964）的衰减理论：
输入A ──► 感官缓冲 ──► 衰减器 ──► 词典单元 ──► 输出
（未注意通道的信号被减弱但未完全阻断）
两种理论的关键差异在于过滤器位置：布罗德本特认为过滤器在知觉处理之前（基于物理特征），而特雷斯曼认为未注意的信息只是被减弱而非完全阻断（所以你的名字仍能从"衰减"的背景中被识别）。
以下为经典选择性注意实验的典型数据（Schneider & Shiffrin, 1977）：
| 实验条件 | 刺激呈现时间 | 准确率 | 反应时 |
|---|---|---|---|
| 一致映射（目标/干扰固定） | 120ms | 95% | 450ms |
| 一致映射（过度练习后） | 40ms | 90% | 400ms |
| 可变映射（目标/干扰随机） | 120ms | 65% | 600ms |
| 可变映射（过度练习后） | 120ms | 68% | 580ms |
这一实验说明：当目标与干扰项的关系稳定（一致映射）时，经过大量练习可以实现"自动加工"（不消耗注意资源）；而当关系随机变化（可变映射）时，即使经过练习也需要"控制加工"（消耗注意资源）。
卡尼曼（Kahneman, 1973）提出了注意的容量模型，认为注意是一种有限的资源：
┌──────────────────────┐
│ 可用的注意容量 │
│ （取决于唤醒水平） │
└──────────┬───────────┘
│ 分配策略
▼
┌──────────────────────┐
│ 当前任务的需求 │
│ Task A: 占用60% │
│ Task B: 占用50% │
│ （超过100%则性能下降）│
└──────────────────────┘
举例：新手开车需要占用几乎100%的注意容量（因为未形成自动加工），此时听到收音机播报的复杂信息也无法处理。而熟练司机开车仅占用约30-40%的容量，可以同时听新闻甚至打电话（虽然仍不安全）。
最简单的模式识别理论认为，大脑中存储了无数"模板"，新输入的模式与模板逐一匹配。但该理论有三个主要问题：
视觉特征——休伯和威塞尔（Hubel & Wiesel, 1962）在猫的视觉皮层中发现：
字母识别的特征列表（自下而上的识别流程）：
以识别字母 "R" 为例：
输入 ──► 特征提取 ──► 特征比较 ──► 决策
│
▼
特征集合：
├── 一条竖线 │
├── 一条斜线 \
├── 一条半圆曲线
└── 在竖线与半圆交汇处 ┘
│
▼
与候选匹配：
P: 竖线+半圆 ✓ 但无斜线 ✗
R: 竖线+半圆+斜线 ✓✓✓
K: 竖线+两条斜线 ✓ 但半圆 ✗
└──► 决策为 "R"（置信度: 92%）
Rosch（1973）的原型理论提出我们存储的不是精确模板，而是某一类别的"最佳代表"：
| 类别 | 原型示例 | 成员（典型→边缘） |
|---|---|---|
| 鸟类 | 知更鸟 | 知更鸟→麻雀→鹦鹉→企鹅→鸵鸟→（蝙蝠不是鸟） |
| 家具 | 椅子 | 椅子→桌子→沙发→书架→台灯→（地毯不是家具） |
| 水果 | 苹果 | 苹果→橙子→香蕉→草莓→椰子→（橄榄不是水果） |
原型理论的一个重要预测是典型性效应：人们判断"知更鸟是鸟"比"企鹅是鸟"更快。实际实验数据：判断"知更鸟是鸟"的平均反应时约1100ms，而"企鹅是鸟"约1400ms。
┌─────────────────┐
│ 记忆 │
└────────┬────────┘
│
┌────────────────────────┼────────────────────┐
▼ ▼ ▼
┌─────────────────┐ ┌─────────────────┐ ┌─────────────────┐
│ 感官记忆 │ │ 短时记忆/ │ │ 长时记忆 │
│ <1秒 │ │ 工作记忆 │ │ 数分‒终生 │
│ 大容量 │ │ 7±2组块 │ │ 理论无限 │
└─────────────────┘ └─────────────────┘ └────────┬────────┘
│
┌──────────────┼──────────────┐
▼ ▼ ▼
┌────────────┐ ┌────────────┐ ┌────────────┐
│ 外显记忆 │ │ 内隐记忆 │ │ │
│ （有意识） │ │ （无意识） │ │ │
└──────┬─────┘ └──────┬─────┘ │ │
│ │ │ │
┌─────────────┼──────┐ │ │ │
▼ ▼ │ │ │ │
┌────────────┐ ┌──────────┐ │ │ │ │
│ 情景记忆 │ │ 语义记忆 │ │ │ │ │
│（个人经历） │ │（事实知识）│ │ │ │ │
└────────────┘ └──────────┘ │ │ │ │
│ │ │ │
▼ ▼ │ │
┌────────────┐ │ │
│ 程序性记忆 │ │ │
│（技能/习惯）│ │ │
└────────────┘ │ │
│ │
▼ ▼
┌────────────┐ ┌────────────┐
│ 启动效应 │ │ 条件反射 │
└────────────┘ └────────────┘
赫尔曼·艾宾浩斯（Ebbinghaus, 1885）用无意义音节（如"ZOK"、"MEF"）作为材料，对自己进行了长达两年的记忆实验，发现了记忆保持随时间衰减的规律：
| 时间间隔 | 保持率（%） | 遗忘率（%） |
|---|---|---|
| 20分钟 | 58.2 | 41.8 |
| 1小时 | 44.2 | 55.8 |
| 9小时 | 35.8 | 64.2 |
| 1天 | 33.7 | 66.3 |
| 2天 | 27.8 | 72.2 |
| 6天 | 25.4 | 74.6 |
| 31天 | 21.1 | 78.9 |
艾宾浩斯遗忘曲线可以用以下公式近似拟合：
其中 为保持率， 为时间， 为记忆强度参数。例如，当 天时， 天时 ，这与实际数据（33.7%）大致吻合（不同材料类型参数不同）。
间隔效应（Spacing Effect）：如果同样的学习时间被分散到多个时间点而非一次性集中学习（集中学习 vs. 间隔学习），长期记忆效果显著更好。实验数据如下（Cepeda et al., 2006）：
| 学习模式 | 总学习时间 | 延迟1周后测试 | 延迟1月后测试 |
|---|---|---|---|
| 集中学习（1次4小时） | 4h | 38% | 22% |
| 间隔1天（2次×2小时） | 4h | 52% | 38% |
| 间隔3天（4次×1小时） | 4h | 68% | 52% |
| 间隔7天（4次×1小时） | 4h | 74% | 58% |
| 效应名称 | 描述 | 实验例证 |
|---|---|---|
| 近因效应 | 最后呈现的项目更容易回忆 | 词表回忆中倒数几个词准确率最高（~80%） |
| 首因效应 | 最先呈现的项目也较易回忆 | 词表第一个词准确率约60%，高于中间词的30% |
| 生成效应 | 自己生成的内容比被动阅读记得更牢 | 完成"热—冷" vs. 阅读"热—冷"：生成组回忆率高出45% |
| 测试效应 | 测试本身能增强记忆 | 同样学习时间，有测试组比仅阅读组1周后多记住50% |
| 系列位置效应 | 中间项目最难回忆 | 15个词中第7-9个词的回忆率仅20-25% |
| 编码特异性 | 回忆时线索与编码时匹配效果好 | 陆地上学习水下回忆：得分低；水下学习水下回忆：得分高40% |
| 情绪增强 | 情绪性事件比中性事件记得更牢 | 毕业典礼、婚礼细节多年后仍清晰（杏仁核参与） |
知识在长时记忆中的表征方式主要有三种：
语义网络模型（Collins & Quillian, 1969）：
┌───────────┐
│ 动物 │
│ 会呼吸、会动│
└─────┬─────┘
│ 是
┌────────────┼────────────┐
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│ 鸟 │ │ 鱼 │ │ 哺乳动物 │
│ 有翅膀 │ │ 在水中生活 │ │ 有毛皮 │
│ 会飞 │ │ 有鳞片 │ │ 哺乳 │
└─────┬─────┘ └───────┬───┘ └──────┬────┘
│ 是 │ 是 │ 是
▼ ▼ ▼
┌───────────┐ ┌───────────┐ ┌───────────┐
│ 金丝雀 │ │ 鲨鱼 │ │ 狗 │
│ 能唱歌 │ │ 会攻击 │ │ 会吠叫 │
│ 黄色 │ │ 灰色 │ │ 忠诚 │
└───────────┘ └───────────┘ └───────────┘
这一模型预测了认知经济性原则：属性存储在最高水平的节点上（如"动物"存储"会呼吸"），而不是在每个子节点重复存储。这产生了"典型性效应"——判断"金丝雀能唱歌"比"金丝雀会呼吸"快，因为"能唱歌"是金丝雀节点的特有属性，而"会呼吸"需要沿链接向上推理到"动物"节点。
实际实验数据（Collins & Quillian）：
| 判断任务 | 平均反应时 |
|---|---|
| "金丝雀是金丝雀"（同一级） | 850ms |
| "金丝雀是鸟"（跨一级） | 990ms |
| "金丝雀是动物"（跨两级） | 1150ms |
谢泼德和梅茨勒（Shepard & Metzler, 1971）的经典心理旋转实验为心理意象提供了有力证据：
实验者向被试展示两个三维图形的图片，要求判断它们是否相同（只是旋转了角度）。结果发现：
| 旋转角度 | 平均反应时间 |
|---|---|
| 0°（相同角度） | 1100ms |
| 40° | 1300ms |
| 80° | 1550ms |
| 120° | 1850ms |
| 160° | 2150ms |
| 180° | 2600ms |
反应时间与旋转角度呈线性关系（），斜率约为每60°需要1秒。这一"心理上的"旋转与实际物理旋转具有相同的模拟特性，说明心理意象并非命题符号的附加现象，而是一种独特的表征方式。
图式（Schema）：组织化的知识结构，引导信息的编码和提取。
脚本（Script）：对常见事件序列的图式化知识。以"餐馆脚本"（Schank & Abelson, 1977）为例：
场景：餐馆
角色：顾客、服务员、厨师、收银员
┌──────────────────────────────────────────────────┐
│ 进入 离开 │
│ ▼ ▲ │
│ ┌────┐ 找座 ┌────┐ 点餐 ┌────┐ 付款 ┌────┐ │
│ │门口│ ──► │桌位│ ──► │点菜│ ──► │收银│ │
│ └────┘ └────┘ └────┘ └────┘ │
│ │ │
│ ▼ │
│ ┌────┐ │
│ │ 用餐 │
│ └──┬─┘ │
│ │ 上菜 │
│ ▼ │
│ ┌────┐ │
│ │ 厨房 │
│ └────┘ │
└──────────────────────────────────────────────────┘
如果没有脚本，每次去餐馆都需要重新理解整个流程。脚本让我们能够自动完成日常任务，但当脚本被违反时（如在西餐厅中先付款后用餐），我们会感到困惑——这正是脚本存在的证据。
高层：话语理解（理解说话者的意图）
▲
中层：句法分析（确定句子结构）
▲
低层：词汇加工（识别单词）
▲
基础：语音/字形加工（识别音素/字母）
心理词典是一个庞大的存储系统，成年人的心理词典大约包含50,000-100,000个词。词汇提取的速度令人惊讶：在大约150-200ms内，我们就能从心理词典中定位并识别出一个口语词。
词汇歧义消解的经典实验（Swinney, 1979）使用"跨通道启动"范式：
实验材料："The man found a bug in the room."（"bug"有"虫子"和"窃听器"两种意思）
实验者让被试听到句子时，在关键位置呈现视觉单词：
| 测试条件 | 启动词 | 测试位置 | 反应时 |
|---|---|---|---|
| 相关（虫子义） | ANT（蚂蚁） | 立即（0ms） | 540ms |
| 相关（窃听器义） | SPY（间谍） | 立即（0ms） | 550ms |
| 无关 | SEW（缝纫） | 立即（0ms） | 680ms |
| 相关（虫子义） | ANT | 延迟（750ms后） | 660ms |
| 相关（窃听器义） | SPY | 延迟（750ms后） | 550ms |
| 无关 | SEW | 延迟（750ms后） | 670ms |
这说明：歧义词在早期阶段（0ms）会激活所有可能的含义（ANT和SPY都被启动），但在上下文澄清后（750ms），只有与语境一致的含义（SPY）保持活跃。
花园路径句的经典例子："The horse raced past the barn fell."
这句话乍看起来好像是"The horse raced past the barn"（跑过谷仓的马），直到最后的"fell"才意识到句子结构需要重分析，正确的解读是"The horse (that was) raced past the barn fell"（被赶着跑过谷仓的马摔倒了）。
花园路径理论（Frazier, 1987）提出了两种句法分析策略：
这两种策略解释了为什么某些句子结构容易产生"误解—修正"的认知过程。
根据纽厄尔和西蒙（Newell & Simon, 1972）的问题空间理论，问题解决包括三个状态：
初始状态 ──► 应用算子 ──► 中间状态 ──► 应用算子 ──► 目标状态
问题解决的策略：
├── 算法：保证能找到答案（如穷举搜索）
└── 启发式：高效但不保证正确
├── 手段-目的分析（将目标分解为子目标）
├── 逆向搜索（从目标反向推导）
├── 类比推理（借鉴过去类似问题的解法）
└── 爬山法（每一步选择最接近目标的动作）
邓克尔（Dunker, 1945）的经典问题展示了"功能固着"——人们倾向于只按常规方式认识事物的功能。
问题：给你一盒图钉、一根蜡烛和一盒火柴，如何将蜡烛固定在墙上并让烛油不滴到地上？
大多数人的初始方案（功能固着）：
正确方案（克服功能固着）：
关键问题在于人们将图钉盒仅视为"装图钉的容器"而非"一个小托盘"。心理学实验显示，如果图钉盒是空的（问题呈现时图钉和盒子分开），解决问题的人从40%提高到约80%。
沃森（Wason, 1966）的经典逻辑推理任务：
题目：桌上有四张卡片，每张卡片一面是字母，一面是数字。它们显示：
[E] [K] [4] [7]
规则："如果一张卡片的一面是元音字母，那么它的另一面是偶数。"
问题：要验证这个规则是否正确，你最少需要翻看哪些卡片？
正确答案是翻看 [E]（检查是否背后是偶数）和 [7]（检查背后是否不是元音字母），而非 [4]（偶数不违反规则）。然而在实际测试中，只有约**10%**的人回答正确。常见错误是翻转 [E] 和 [4]（54%），或者只翻 [E]（33%）。
但当规则换成具体社会情境时（如"如果一个人在酒吧喝酒，那么他必须年满21岁"），正确率迅速上升到约73%，这说明人类的推理强烈依赖具体情境和内容知识。
| 卡片版本 | 正确率 | 典型错误 |
|---|---|---|
| 抽象版（元音/偶数） | 10% | 翻[4]而不是[7] |
| 具体版（年龄/喝酒） | 73% | 少翻或漏翻 |
| 具体版（仿制/进入） | 70% | - |
这个差异解释了人类推理的进化适应性——我们善于发现规则违反者（社会契约场景），但在纯抽象逻辑推理中表现不佳。
卡尼曼和特沃斯基（Kahneman & Tversky, 1970s-1980s）的研究揭示人们在实际决策中并不遵循经典经济学的"理性人"假设，而是使用一系列认知捷径（启发式），这些启发式在某些情况下导致系统性偏差。
琳达问题（Linda Problem, Tversky & Kahneman, 1983）：
"琳达，31岁，单身，坦诚直率，非常聪明。她主修哲学。作为学生，她非常关注歧视和社会公正问题，也曾参加反核示威。"
请对以下陈述的可能性排序：
A. 琳达是银行出纳员
B. 琳达是银行出纳员并且活跃于女权运动
结果：约85%的被试认为B比A更可能。
逻辑错误：A包含B（B=A∩女权主义者），所以B的概率不可能大于A。但人们认为B"更典型"——这就是合取谬误。
人们根据记忆中信息的"容易获取程度"来判断事件的频率或概率。
| 问题 | 实际数据 | 典型估计 | 偏差方向 |
|---|---|---|---|
| 死于龙卷风 vs 哮喘的概率 | 哮喘:20000人/年 龙卷风:60人/年 | 认为龙卷风更致命 | 媒体高曝光事件被高估 |
| 英语中字母K在首字母 vs 第三字母的单词更多？ | 第三字母约为首的3倍 | 认为首字母更多 | 首字母更容易想起 |
亚洲疾病问题（Tversky & Kahneman, 1981）：
假设一种罕见的疾病可能夺走600人的生命。你觉得以下哪个方案更好？
正面框架（收益）：
负面框架（损失）：
实验结果：
| 框架 | 选择A/C（确定项） | 选择B/D（风险项） |
|---|---|---|
| 正面框架（收益） | 72%（选A） | 28% |
| 负面框架（损失） | 22% | 78%（选D） |
A与C在数学上完全等价，B与D也完全等价。但人们在收益框架中倾向于确定选项（规避风险），在损失框架中倾向于冒险选项（寻求风险）。这就是前景理论的核心发现。
前景理论用以下数学模型描述人们如何感受收益和损失：
其中典型参数值（Kahneman & Tversky, 1992）：
举例：如果某人现在拥有100元，他有两种选择：
这两者在数学上等价，但人们通常选择肯定收益（风险规避）。
沃森的2-4-6任务（Wason, 1960）：
实验者说："我正在遵循一个规则生成三数组。这个三数组'2-4-6'符合我的规则。请提出一些其他三数组，我会告诉你它们是否符合规则，然后请你说出规则是什么。"
大多数人的策略：提出验证假设的三数组（如"8-10-12"、"20-22-24"），得到"符合"的反馈后，自信地说出规则"以2递增的偶数序列"。
正确答案：规则是"三个递增的数"（2-4-6符合，1-2-3也符合，但10-9-8不符合）。
只有约20%的被试能提出证伪假设的三数组（如"1-2-9"、"3-1-2"）。大多数人寻找确认证据而忽略潜在的证伪信息——这就是确认偏差。
认知心理学采用多种实验范式来研究不同的认知过程：
| 研究领域 | 经典范式 | 测量指标 | 理论解释 |
|---|---|---|---|
| 注意 | 双耳分听、斯特鲁普任务 | 反应时、正确率 | 注意过滤器位置 |
| 记忆 | 自由回忆、再认、线索回忆 | 回忆量、再认率 | 记忆系统分类 |
| 语言 | 词汇判断、语义启动 | 反应时、启动量 | 心理词典组织 |
| 推理 | 选择任务、三段论 | 正确率、错误模式 | 心理模型、启发式 |
| 心理意象 | 心理旋转、心理扫描 | 反应时与角度的线性关系 | 类比表征 |
| 问题解决 | 河内塔、蜡烛问题 | 步骤数、时间、错误类型 | 问题空间、功能固着 |
斯特鲁普（Stroop, 1935）任务是最经典的认知心理学实验之一：
实验材料：用不同颜色的墨水书写的颜色词
实验条件：
任务：说出墨水的颜色
典型结果：
| 条件 | 平均反应时 | 干扰效应 |
|---|---|---|
| 一致（红墨水+"红"） | 520ms | 无（甚至促进） |
| 中性（红墨水+XXXX） | 540ms | 基线 |
| 不一致（红墨水+"蓝"） | 680ms | +140ms |
不一致条件下的额外140ms被称为斯特鲁普干扰效应，表明语义加工（阅读"蓝"字）是自动化的，即使任务要求忽略语义，我们仍然无法阻止语义信息的加工。
认知心理学从诞生至今已走过半个多世纪，从最初的"信息加工"范式到当前与神经科学、人工智能的交叉融合，它持续深化着我们对人类心智的理解。关键洞见包括：
今天，认知心理学与认知神经科学、计算认知科学、人工智能的边界日益模糊，多学科的交叉正在推动我们对心智的理解迈向新的深度。