5.6符号退场
这个联结主义的、涌现的、自组织的、联想主义的、网络动力的替代方向朝气蓬勃，异彩纷呈。大多数将自己视作其中一员的人对于认知科学是什么及其未来的发展都持有许多相互分歧的观点。记住这个免责声明（keepingthis disclaimer in mind），我们现在可以从这个视角来回答我们先前对认知主义提出的问题：
问题1：什么是认知？
回答：在简单组分构成的系统中全局状态的涌现。
问题2：它如何工作？
回答：通过针对个体运作的局部规则以及元素间联结的变化规则。
问题3：我如何知道一个认知系统何时在恰当正常地运行？
回答：当我们看到涌现属性（以及因此产生的结构）符合于特殊的认知能力——也就是对所给任务的成功解决。
认知科学中这个替代进路的最有趣的一个方面是：就它们的常规意义而言，符号没有任何作用。在联结主义进路中，符号计算被数字运算（例如，控制一个动力系统的微分方程）所代替。这些运算比那些由符号进行的计算更加精细。换句话说，在一个联结主义模型里，单独的、离散的符号计算是作为大量数字运算的结果被执行的，这些数字运算控制着一些简单单元的网络。在这样的系统里，有意义的项目不是符号，而是组成系统的为数众多的单元之间的活动的复杂模式。
这个非符号化进路彻底地背离了基本的认知主义假设，即认为在对认知的解释中必须存在一个独特的符号层次。认知主义引进符号是为了在语义或表征层次的需求与这个层次最终说来是物理的这种约束之间架起一座桥梁。符号既是有意义的又是物理的，而且计算机是这样一种设备，它关心符号的意义，但却只对它们的物理形式进行操作。这种形式与意义的分离是产生认知主义进路的关键——事实上，正是同样的情形产生了现代逻辑。
但是这个基本步骤也暗示了在更高层次上处理认知现象时所面临的弱点：
这些符号如何获得它们的意义呢？
在被表征的可能事项的领域受约束并且轮廓清晰的情况下（比如，当计算机被编程或当实验由一套预先设定的视觉刺激引导时），意义的安排是明确的。每一具体的物质或功能项目都与一个外在项目（它的指称意义）相对应，观察者可以很容易地给出这样一个映射运算（mapping operation）。去掉这些限制，所剩的就只是形式，意义变成了幽灵，这就好像是我们在思考一台丢失了操作手册的电脑的比特模式（the bit patterns）时的情况。
然而，在联结主义进路中，意义并没有定位于特殊的符号；它是系统全局状态的功能并且与某一领域（比如认知和学习）整体表现相关。既然这种全局状态涌现于比符号更细微的单元构成的网络，一些研究者称联结主义为“亚符号范式。”他们认为认知的形式原则（formal principles）就在于这个亚符号领域，一个高于生物层面但是比认知主义符号层面更接近于生物层面的领域。在亚符号层面，认知描述是由一些更高层面的离散符号的要素构成的。然而，意义本质上并不居于这些要素中，而是居于由许多这样的要素相互作用所涌现出的复杂的行为模型中。
5.7联结符号与涌现
符号与亚符号之间的差别把我们带回到认知研究中各种解释层次之间关系的问题上来。亚符号涌现与符号计算是如何关联的呢？
最明显的答案是：或者这两种观点应当被看作互补的自下而上和自上而下的进路，或者它们以某些混合的模式出于实用的目的而结合在一起或者只是被用于不同层次或阶段。这个步骤的一个典型例子就是用联结主义的术语描述早期视觉直到（比如说）初级视皮层。于是，在下颞叶皮质（inferotemporal cortex）层次上，这种描述将基于符号程序。然而，这种综合的概念地位还很不清楚，并且仍旧缺乏具体的例子。
在我们看来，亚符号涌现与符号计算之间最为有趣的关系是包容（inclusion）的关系，在这种关系中，我们将符号看作是对属性的更高层次的描述，而这些属性最终内嵌于一个下层的分布式系统。所谓的基因编码案例是非常典型的，我们可以以它为具体的例子。
多年来，生物学家将蛋白质序列看作DNA中编码的指令。然而，明确的是，当且仅当DNA三联密码（triplets）嵌于细胞的新陈代谢，即处于复杂化学系统成千上万的酶规则中时，它们才能预见性地规定蛋白质中的氨。
只是因为作为整体的这样一个网络的涌现规则，我们才能界定出（bracketout）这个新陈代谢的背景，并且将三联密码作为氨基酸的编码。换句话说，符号描述在其他层次上也是可能的。依其自身来对待这样的符号规则明显是可能的，但是这样一来它们的地位与解释就与在如下这种情况中完全不同，在这种情况中，我们只是依符号规则表面的价值来对待它们，就好像它们是独立于它们所由以涌现的基质（substratum）一样。
遗传信息的这个例子可以直接地转换到神经科学家和联结主义者与之打交道的认知网络。事实上，一些研究者最近明确地表达了这种观点。例如，在保罗·斯莫棱斯基（Paul Smolensky）的协调理论（harmony theory）中，关于电子线路知识的片断“原子”通过分布式统计算法被联结起来，并因此在这个领域中产生了直觉推理模型。这整个系统的能力就在于它是基于符号规则的推理，但是执行却在不同的层次上进行，并且无须通过符号翻译程序（symbolic interpreter）来实现。
这个包容的（inclusive）观点是如何不同于多层次解释的认知主义概念的呢？这种区别实际上是相当微妙的，而且主要是视角转换的问题。大家达成一致的基本点是：要形成解释的一般化，我们就需要正确地描述词汇或分类法。正如我们所看到的，认知主义所基于的假设是：这种分类法是由符号组成。这个符号层次限制了对于认知系统来说是可能的行为种类，并且因此而被认为具有独立的、解释的地位。在包容观点中，对符号层次的需要是公认的，但却留下了这样一种可能性，即这个层次仅仅是近似的。换言之，人们并没有依符号的表面价值来对待它，它们被看作是运算的近似的宏观层次的描述，而运算的支配规则位于亚符号层次。
考虑到这种可能综合，在变化着的许多问题中，有两点是特别值得注意的。首先，符号的起源以及符号的意义问题（为什么ATT为丙氨酸编码呢？）可以更清晰地得到处理。第二，任何符号层次变得高度依赖于下层网络的属性和特性，并且与其历史紧密关联。因此对认知的纯粹程序性的解释——即独立于认知历史和其具身方式的解释——就受到了严厉的批评。
认知主义的回答无疑会是：如果仅仅关心低层次（lower‐level）过程，比如在基因编码中发现的过程，那么这种混合或者包容模式是好的。但是当我们转向高层次过程（比如分析句子或完成推理的能力等）时就需要独立的符号层次。在高度递归结构中，比如人类语言，将会有人争辩说符号层次根本不是近似的；它是生产性（productive）和系统性的表征形式唯一可行的精确描述。
对这种论证路线已经说了很多了。不过，答复的要点在于：它不正当地将认知领域限制到高层次过程。例如，杰瑞·福多（Jerry Fodor）和齐诺·派利夏恩（Zenon Pylyshyn）在最近的一篇文章中写道：“将经典认知科学（认知主义）描述为将证明论方法运用到思想（类似地，还有似乎合理地被视为涉及推理的其他任何心理过程，主要是学习和知觉）建模的一种扩展性尝试并非是不合理的。重点并不在于逻辑证明本身在人类思想中如此重要，而在于处理它们的方式提供了一条有关通常如何处理依赖知识的过程的线索。”然而，不管这个最后条件（qualification），他们在该文后面的论证似乎要求演绎逻辑就是人类思想的范式，因此它大概也就是一般认知的范式。
我们看不出有什么理由接受这样一种狭隘的认知概念。有各种不同等级的系统，比如本章中描述的神经系统，它们的行为应当被看作认知，然而它们的能力并不包含这些高度系统性和生产性的特点。事实上，甚至有可能论证存在展示了认知属性的非神经网络——例如免疫系统。当我们拓宽我们的视野从而包含这些认知行为形式时，符号计算也许只能被看作一个窄的、高度专门化的认知形式。尽管有可能把这种专门化形式看作具有高的自治程度（通过无视它所嵌入的更大系统），但认知研究将包含由很多认知过程的网络组成的系统，也许每个系统都有其自身独特的认知域。
认知主义，或许在将其自身打造成一个成熟的研究纲领的愿望中，已经压制了这种视角。然而，无论是在其早期自组织研究阶段还是在当前联结主义的形式中，涌现观始终开放地包含更多种类的认知域。因此一个包容的或者混合的模式似乎是一个值得追求的自然策略。在不太正统的认知主义与涌现观（按照涌现观，符号规则性是从平行分布式过程中涌现出来的）之间的富有成果的联系就是一个具体的可能性，特别是在主要以工程和实用为指向的人工智能（AI）中。这种互补的努力无疑将产生显着的结果，并很可能在未来若干年中成为认知科学的主导趋势。
我们将不再深入讨论这些问题，因为它们仍然是开放的而且很大程度上要由未来的研究来决定。我们只是希望在我们所关注的这个问题（即认知科学与人类经验的对话）背景中提出它们。
