认知科学是研究心智与智能的跨学科领域。它汇集了心理学、神经科学、语言学、人工智能、哲学和人类学，探究信息如何被感知、表征、学习和使用。其核心目标是将对智能行为的解释与对心理过程及其物理实现的说明联系起来，而不是将它们视为彼此独立的研究课题。(plato.stanford.edu)
历史发展
现代认知科学兴起于20世纪50至60年代的认知革命。研究者反对将心理学解释局限于可观察的刺激与反应，主张记忆、内部表征和信息加工机制也可以接受科学研究。计算技术、信息论和语言研究的发展，为描述心理活动提供了新的概念。这一转变并未摒弃行为实验，而是改变了实验所要解释的机制类型。(doi.org)
早期人工智能研究，包括艾伦·纽厄尔和赫伯特·西蒙的工作，推动了以问题求解的计算模型作为研究策略的做法。到了20世纪70年代，这一领域的学术组织逐步成形。认知科学学会于1979年在加利福尼亚大学圣迭戈分校召开了首届会议；当时的会议议程明确将此次会议描述为学会成立的标志。(plato.stanford.edu)
研究范围与问题
认知科学家研究知觉、注意、记忆、概念、推理、行动和语言。研究问题包括：人们如何在视角改变时仍能识别物体，如何提取信息、组织类别，以及如何理解句子。有关语言习得和认知发展的研究考察各种能力如何出现和变化，比较研究则考察人类与其他动物的认知过程。这些课题将对行为的描述与对其背后信息加工过程的探究联系起来。(catalog.mit.edu)
这一领域也考察认知与社会或文化环境之间的关系。人类学研究可以比较不同社群的分类体系和语言实践，帮助区分广泛共有的认知模式与特定经历所塑造的模式。心灵哲学探讨表征和计算的含义，以及心理层面的解释与物理层面的解释之间的关系。(plato.stanford.edu)
解释层次
戴维·马尔提出了一个影响深远的框架，将分析区分为三个互补的层次：
这里的“计算”指任务及其背后的逻辑，而不只是运行软件。这一框架区分了对某种功能的理解与对执行该功能的程序或物理机制的识别。(oecs.mit.edu)
例如，要识别一张熟悉的面孔，就需要在光照、表情和观察角度发生变化时仍能认出同一个人。任务层面的解释描述这一难题；算法层面的解释说明如何提取与身份有关的信息；实现层面的解释则研究支撑这一过程的神经机制。某一层次的证据会对其他层次的解释形成约束，但不会自动确定其他层次的解释。(live.ocw.mit.edu)
理论路径
符号取向通过结构化的表征及对这些表征的操作来解释认知。在符号人工智能中，表征可以编码命题、规则或目标，而程序则对这些结构进行搜索、提取或转换。这类模型与心灵计算理论密切相关，不过，对于心智计算究竟包含什么，认知科学内部存在多种相互竞争的解释。(plato.stanford.edu)
**联结主义**通过由相互作用的单元组成的网络来模拟认知过程，通常以人工神经网络的形式实现。信息可以编码在分布于各单元的活动模式中，学习则可以改变连接强度。这类模型从神经系统中汲取灵感，但未必复现其生物学细节。(plato.stanford.edu)
概率取向将认知描述为不确定条件下的推断。采用贝叶斯推断的模型说明先验假设与观察到的证据如何共同决定结论。这些模型已被用于知觉、学习及其他认知任务。概率层面的解释可以刻画所解决的问题，但并不能据此认定人们确实在显式计算概率；要确定实际的信息加工机制，还需要额外的证据。(oecs.mit.edu)
**具身认知**强调身体能力以及与环境的互动如何塑造思维。相关取向将认知作为情境中的活动加以研究，或探究工具与外部信息结构如何参与认知。这些取向构成了多样化的研究纲领，而不是一套得到一致认可的理论。其主张既包括身体会影响认知，也包括更强的观点，即身体或环境中的过程构成了认知的一部分。(plato.stanford.edu)
研究方法
认知科学结合受控实验、形式化建模和神经系统研究。行为研究通过比较不同条件下的表现，检验对知觉、记忆或推理的解释。计算模型将假设明确化，并生成可与实际观察到的行为进行比较的预测。模型与实验结果相符能够提供有价值的信息，但不同机制有时也可能产生相似的预测。(plato.stanford.edu)
神经测量提供了互补的证据。基于磁共振成像的功能成像测量的是与神经活动相关的血氧信号，而不是直接记录思想或单个神经元的计算。因此，对结果的解释取决于实验条件之间的对比，以及所测信号与所提出的认知过程之间的关系。结合行为证据与神经证据，有助于区分单独使用其中一种方法时可能无法判别的解释。(live.ocw.mit.edu)
应用与学科边界
认知科学的应用包括教育、智能系统和人机交互。有关学习、语言和视觉加工的研究，可以为教学技术和界面设计提供依据。认知科学与心理学、神经科学有所重叠，但其特色在于明确致力于整合行为、计算和生物学层面的解释。人工智能为其提供模型和实验系统；构建成功的人工系统与解释人类认知，仍是相互关联但各有区别的研究目标。(catalog.mit.edu)