[论文解读] Quantum Structure in Cognition: Fundamentals and Applications

Diederik Aerts, Liane Gabora+2 more|arXiv (Cornell University)|Apr 17, 2011

Bayesian Modeling and Causal Inference参考文献 24被引用 15

一句话总结

本文提出一种基于上下文量子模型的量子认知框架，用以解释人类概念组合与决策中的非经典效应，如合取谬误与析取效应。通过采用希尔伯特空间形式化的SCoP系统建模认知过程，该框架引入干涉项，成功再现实验数据，表明量子结构不仅超越经典逻辑，且是人类思维的深层基础。

ABSTRACT

Experiments in cognitive science and decision theory show that the ways in which people combine concepts and make decisions cannot be described by classical logic and probability theory. This has serious implications for applied disciplines such as information retrieval, artificial intelligence and robotics. Inspired by a mathematical formalism that generalizes quantum mechanics the authors have constructed a contextual framework for both concept representation and decision making, together with quantum models that are in strong alignment with experimental data. The results can be interpreted by assuming the existence in human thought of a double-layered structure, a 'classical logical thought' and a 'quantum conceptual thought', the latter being responsible of the above paradoxes and nonclassical effects. The presence of a quantum structure in cognition is relevant, for it shows that quantum mechanics provides not only a useful modeling tool for experimental data but also supplies a structural model for human and artificial thought processes. This approach has strong connections with theories formalizing meaning, such as semantic analysis, and has also a deep impact on computer science, information retrieval and artificial intelligence. More specifically, the links with information retrieval are discussed in this paper.

研究动机与目标

• 解决经典逻辑与概率无法解释的决策论与认知科学悖论，如阿莱悖论与艾尔斯伯格悖论。
• 构建一个基于量子力学的上下文量子框架，用于建模概念组合与决策过程。
• 证明认知中的量子结构源于双层思维过程：经典逻辑思维与量子概念思维的并存。
• 为将量子力学应用于知识表示与信息检索提供形式化基础。
• 证明希尔伯特空间中的量子干涉效应能准确再现认知心理学实验数据，如哈丁普的概念隶属实验。

提出的方法

• 本文提出一个由五个要素构成的SCoP（符号-概念-概率）系统：状态集Σ、上下文集M、属性集L、转移概率函数μ与属性权重函数ν。
• 通过希尔伯特空间中的叠加态建模概念组合，'A或B'表示为1/√2(|A⟩ + |B⟩)，并假设正交性（⟨A|B⟩ = 0）。
• 应用量子概率规则：通过投影算符计算隶属概率，得出μ(A或B) = ½(μ(A) + μ(B)) + Re⟨A|M|B⟩，其中干涉项Re⟨A|M|B⟩导致与经典平均值的偏离。
• 利用哈丁普（1988, 1998）关于概念隶属权重的实验数据，验证量子形式化相对于经典预期的有效性。
• 通过转移函数μ(q,e,p)嵌入上下文性，捕捉上下文e如何以概率μ(q,e,p)将状态p转化为状态q。
• 属性权重函数ν(p,a)为属性a在状态p中的适用性赋予权重，实现概念属性在上下文影响下的动态建模。

实验结果

研究问题

• RQ1 量子力学如何解释决策中对确定性原则的违背，如阿莱悖论与艾尔斯伯格悖论中的情形？
• RQ2 为何人们会表现出合取谬误与析取效应，这些现象与经典概率论相矛盾？
• RQ3 希尔伯特空间中的量子干涉是否能解释心理实验中观察到的概念隶属权重偏离？
• RQ4 双层思维过程（经典逻辑思维与量子概念思维）在解释非经典认知现象中发挥何种结构作用？
• RQ5 基于SCoP系统的量子形式化如何改进人工智能中知识表示与信息检索？

主要发现

• 量子模型成功再现了哈丁普概念隶属实验的实验数据，表明干涉项可解释与经典平均值的偏离。
• 在概率表达式μ(A或B) = ½(μ(A) + μ(B)) + Re⟨A|M|B⟩中，干涉项Re⟨A|M|B⟩解释了概念组合中的非经典行为。
• SCoP系统框架（包含μ与ν等五个组成部分）为概念状态及其在上下文影响下的演化提供了上下文化、动态的建模。
• 量子概念思维的存在（与经典逻辑思维叠加）解释了为何经典逻辑与概率在建模人类认知时会失效。
• 该量子形式化为信息检索与认知建模提供了数学严谨且与实证数据一致的替代经典模型。
• 该方法为将量子力学不仅作为工具，更作为人类与人工智能思维过程的结构性模型，奠定了坚实基础。