计算心灵理论（CTM）是认知科学与心灵哲学中的基础框架。它主张心灵作为一个计算系统运作，其中感知、推理和语言等认知过程是对内部心理表征进行的计算。这一观点将心理状态视为由其因果和逻辑关系定义的功能状态，而非由其物理基质定义。
CTM在20世纪中叶获得 prominence，借鉴了计算机科学、逻辑学和语言学的发展。它为抽象计算理论与认知经验研究之间架起桥梁，使研究者能够使用形式化算法和符号结构来建模心理活动。
历史起源
CTM的根源可追溯至艾伦·图灵的工作，其1936年关于可计算数的论文引入了通用计算机的概念。图灵的思想表明，任何有效可计算的函数都能由简单设备计算，为将人类认知视为符号操作形式奠定了基础。1943年，沃伦·麦卡洛克和沃尔特·皮茨发表了一篇里程碑式论文，展示了简单逻辑单元网络可以实现命题逻辑，为计算提供了神经基础。
在1950年代和1960年代，认知革命挑战了行为主义，诺姆·乔姆斯基等人认为语言习得需要内部心理结构。乔姆斯基1957年的著作《句法结构》提出了生成语法，这是用于生成句子的计算系统。大约同时，艾伦·纽厄尔和赫伯特·西蒙开发了逻辑理论家（1956年）和通用问题求解器（1957年），证明计算机能够执行需要推理的任务。他们在Carnegie Mellon University的工作确立了物理符号系统假说，这是CTM的核心原则。
核心原则
CTM基于几个关键假设。首先，心理表征是结构化符号，可以根据句法规则组合。其次，认知过程是这些符号的算法变换，类似于编程语言中的操作。第三，心灵的计算架构独立于其物理实现，这一属性称为多重可实现性。这意味着相同的认知功能原则上可以由生物神经元、硅芯片或其他基质实现。
CTM内部的一个核心区别是经典符号计算与联结主义方法之间的区别。经典理论由杰里·福多和泽农·皮利申倡导，认为认知涉及对离散符号的规则支配操作。联结主义模型，如神经网络，则使用分布式表征和学习算法，受大脑结构启发。这些方法在心理过程最好描述为串行符号处理还是并行模式识别上存在分歧。
与人工智能的关系
CTM深刻影响了人工智能研究。早期AI系统，如逻辑理论家和后来的专家系统，明确实现了符号推理。21世纪机器学习和深度学习的发展将焦点转向亚符号模型，但许多研究者仍通过计算视角解释这些系统。例如，变换器和大型语言模型使用数学运算处理标记序列，这可以被视为对表征的计算。
著名AI实验室，包括MIT CSAIL、Stanford AI Lab和BAIR (Berkeley AI Research)，为符号和联结主义范式都做出了贡献。多伦多大学在杰弗里·辛顿的领导下成为深度学习中心，其关于反向传播和分布式表征的工作挑战了经典CTM。同时，Google DeepMind和OpenAI探索了混合方法，将神经网络与结构化推理相结合。
哲学辩论
CTM引发了重要的哲学问题。一个问题涉及心理内容的本质：计算符号如何获得意义？弗雷德·德雷茨克和杰里·福多提出了自然主义表征理论，认为心理符号通过因果或信息关系表征外部状态。另一个辩论涉及计算的极限，正如约翰·塞尔的“中文房间”论证（1980年）所强调的，该论证认为仅凭句法操作不能产生真正的理解。
哲学家们还辩论CTM是否能解释意识和感受质。大卫·查尔默斯认为计算解释留下了意识的困难问题未解决。相反，功能主义者认为意识可能是高阶计算属性。心灵哲学文献继续探索这些张力，有些人提出具身或生成替代方案，拒绝纯粹计算观点。
经验证据与挑战
认知心理学为CTM提供了经验支持。关于心理旋转、视觉搜索和问题解决的研究揭示了与算法处理一致的系统模式。神经科学中镜像神经元和预测编码的发现表明，大脑执行计算以建模环境。约书亚·特南鲍姆和布伦丹·莱克在MIT CSAIL倡导“程序作为认知模型”，认为人类学习可以理解为贝叶斯程序归纳。
然而，CTM面临挑战。批评者指出，神经计算是模拟的、嘈杂的且大规模并行的，不同于经典数字计算。绑定问题，，特征如何整合为统一感知，，仍未解决。此外，大型语言模型的最新工作表明，在文本上训练的系统可以表现出惊人的推理能力，但这是否反映了对内部表征的真正计算仍有争议。像梅兰妮·米切尔这样的研究者警告不要过度解读AI性能作为人类认知的证据。
未来方向
当代研究将CTM与机器学习和认知科学相结合。生成式AI的兴起重新激发了人们对这类系统是否体现计算心灵理论的兴趣。一些人提出，结合符号推理和神经网络的混合架构可能更好地捕捉人类认知。其他人探索神经形态计算和量子方法作为替代计算基质。
截至2020年代，CTM仍然是一个充满活力但有争议的框架。它启发了AI的实际进展，从国际象棋计算机到自动驾驶车辆，同时继续引发关于心灵本质的基本问题。其遗产在于确立了认知可以作为信息处理现象来研究，这一前提支撑了现代心理学和神经科学的许多内容。