来源：知乎

链接：

https://www.zhihu.com/question/532956044/answer/2494267009

大脑将外部信息编码成心智模型。编码方式分为三种神经链接、语言逻辑和数学。

心智模型理论是成型于上世纪九十年代的认知科学理论，代表人物就是著名学者史蒂芬平克。

心智会将外部信息表征成心智模型。这里需要解释一个概念就是“表征”。表征就是信息呈现的方式。或者用一个方便程序员理解的词“信息的编码方式”。比较常见的表征方式有感官、语言、数学等。举个例子，频率范围为380~480THz，对应空气中波长大约为780~620nm的电磁波，射入人眼，会被人的视觉系统表征为红色的感觉。这种感觉也可以被语言系统表征为“红色”或者“red”这样的词汇。也可以被表征成电脑中（X，0，0）这样的数据。（显示器上每个像素点可以发出红绿蓝三种颜色的光，x，0，0即红光亮度为X，绿蓝两色光亮度为0）。

表征系统必须具有特定的逻辑结构，可以通过自身的逻辑结构对信息进行处理。大脑中的神经元系统根据神经学的规则处理信息，这种神经学规则就是一种逻辑结构。语言中的语法逻辑同样是语言的逻辑结构。数学中的公理系统和计算推理规则也是逻辑规则。

语言，数学以及神经系统都可以作为信息的表征系统。人和其他动物的感觉、直觉就是基于神经系统构建的模型。语言同样表征系统，使用语言描述一个对象其实就是在对这个对象建模。数学也是表征系统，现代科学就是利用数学建模。人和其他动物最大的区别在于，人类除了神经系统构建的模型，还可以利用语言、数学这样的表征系统构建模型。

而且，人类可以将心智模型输出到脑外。视觉系统、听觉系统构建的模型以图像和声音的形式表征。人类创造的美术和音乐作品就是对这些心智模型的输出。同理，香水设计师是在输出嗅觉模型，厨师在输出味觉模型。以语言为表征媒介的模型可以以口语或文字的形式输出，文字可以书写在纸上或者雕刻在石碑上，流传后世。数学模型不仅可以书写在纸上，还可以编成程序，输入计算机网络，使得信息可以网络化。

人类这种向外输出心智模型的能力使得人类文明可以迭代发展。举例说明一下，黑猩猩也可能灵光一闪，悟出如何把树枝加工成棍子，当做武器或其他用途的工具使用。但是如果没有输出心智模型的能力，这种灵光一闪的顿悟过不了太长时间就会失传。所以黑猩猩会永远停留在文明的第一步。人类可以通过语言文字等表征系统将知识构建成认知模型传给下一代，这样就使得知识传承成为可能，人类文明因此可以迭代发展。

建模引擎其实是一套表征系统。建模引擎这个说法其实借鉴了游戏引擎。学习过编程和电子游戏制作的朋友应该很熟悉，制作游戏需要使用游戏引擎。游戏引擎将制作游戏常用的一些程序算法封装为模块。例如物理引擎包含了游戏物体运动的算法，3d引擎包含了空间相关的算法。游戏设计师在制作游戏时可以直接调用这些算法，只需要修改算法中的参数，而不必从头编写程序。

同理，不同级别的编程语言也可以视为不同的建模引擎。计算机的底层代码是二进制数字，汇编语言就是将二进制数字编码的信息算法封装成模块，用特定的单词调用构建出的编程语言。更高级别的c语言则是用同样的方法对汇编语言进行模块化封装处理。用同样的方法还可以在c语言的基础上构建出java、c++、c#、Python等语言。低一层的语言可以视为高一层语言的建模引擎，高一层的语言则可以视为低一层语言构建出的模型。基于编程语言可以构建出游戏引擎这样更高级的表征系统，现在最高级的游戏引擎是虚幻5.

在此基础上可以更进一步，建模引擎的概念可以引申到科学领域。现代科学的理论模型基于数学构建，例如，牛顿力学基于欧几里得几何学构建，爱因斯坦的相对论基于黎曼几何构建。欧几里得几何为牛顿力学提供了空间模型。黎曼几何则为相对论提供了可以表征扭曲空间的建模系统。

科学同样存在类似于编程语言的层级结构。现代自然科学的最底层是数学，物理学基于数学构建，可以视为数学的应用。化学基于物理学构建，生物学基于化学构建，神经学基于生物学构建，心理学、认知科学基于神经学构建，社会学等人文学科又基于心理学构建。因此数学是所有学科的建模引擎。所有现代科学理论都可以视为数学模型。

建模引擎的每次升级都会带来生物的进化和文明的进步。神经系统的出现让动物可以对外部世界做处反应。而且，动物还可以对猎食者、同类、猎物进行欺骗。

而语言文字的出现则是建模引擎的进一步升级。语言文字的出现为哲学、宗教、政治等意识形态领域的心智模型提供了建模空间。这也就是题主问的问题。语言文字以概念、命题、判断作为基本结构。语言以A是B这样的命题描述事物，对客观对象建模。例如“苹果是红色的”苹果和红色是两个概念，而整句话是一个命题。这种建模方式也决定了基于语言逻辑的思维方式。在语言逻辑的基础上发展出了“命题的命题”就是研究命题本身性质的学科，这就是逻辑学和哲学产生的基础。“命题的命题”使人类开始对思维方式本身进行反思，开始思考什么样的思维方式更为有效。

而数学的出现是建模引擎的又一次重要升级。数学可以用高维的方式为信息建模。语言文字描述一个事件的方式是将时间、地点、人物这些事件的要素编码成概念，再用命题的方式进行建模。例如“某事发生在某时某地”，这种方式在数学看来属于一维数据。但是，数学可以利用解析几何的方式对空间进行三维建模，加上时间维度就是四维时空。数学还可以模拟出高于三维的高位空间，这种能力神经系统和语言逻辑都不具备。人类生活在三维空间中，神经系统和语言系统都在三维空间中演化产生，因此无法超越三维空间描述更高维的空间。而数学具有这种能力，这也使相对论、量子力学只能基于数学构建。

高级的建模系统出现之后，低级的建模系统仍然有存在价值。这是由于人类的认知具有实用目的。现实中与实用目的无关的信息就是噪声。比方说相对论出现之后，牛顿力学仍然在工程学领域有大量应用，就是因为工程学所处理的环境基本都是宏观低速环境，与光速相去甚远，不需要计算时空扭曲。对于工程学来说，时空扭曲的相关信息就是噪声。

由于实用性和噪声的存在。导致了模型不需要完全符合事实。也就使不同准确度的模型和建模系统都有存在价值。数学模型用于科学领域，数学模型以预测见长，适合对未来进行预测和开发应用技术。而语言逻辑模型在法律、意识形态领域有应用。语言逻辑以概念、命题为基本单位，以论证见长，适合为特定的意识形态辩护。而直觉系统基于神经网络建模，优势在于反应迅速，可以处理日常生活中需要快速反应的问题。

版权声明

转自知乎，版权属于原作者，仅用于学术分享

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）大脑研究计划，构建互联网（城市）大脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”