先天论与经验论之争已经破裂

The nativist–empiricist debate is broken

作者： Jake Quilty-Dunn^1,2,*、Justin N. Wood^3,4,5,*

通讯作者： jake.quilty-dunn@rutgers.edu（J. Quilty-Dunn）、woodjn@iu.edu（J. N. Wood）

本文原载于 Trends in Cognitive Sciences（《认知科学趋势》）2026 年 Opinion（观点）栏目，doi: 10.1016/j.tics.2026.08.004。© 2026 Elsevier Ltd. 保留所有权利，包括文本与数据挖掘、AI 训练及类似技术的相关权利。

作者单位：

1. 罗格斯大学新布朗斯维克分校哲学系（美国新泽西州新布朗斯维克，NJ 08901）
2. 罗格斯大学新布朗斯维克分校认知科学中心（美国新泽西州皮斯卡塔韦，NJ 08854）
3. 印第安纳大学伯明顿分校信息学系（美国印第安纳州伯明顿，IN 47408）
4. 印第安纳大学伯明顿分校认知科学项目（美国印第安纳州伯明顿，IN 47405）
5. 印第安纳大学伯明顿分校神经科学项目（美国印第安纳州伯明顿，IN 47405）

摘要

先天论与经验论之争长期主导着认知科学，它把认知机制要么归为先天，要么归为习得。近年来，控制性饲养（controlled rearing）与可扩展的领域一般性神经网络这两方面的进展，使人们可以在高度匹配的发展条件下饲养新生动物与深度神经网络，从而以前所未有的严格程度检验这一争论。引人注目的是，当这一争论被推到实证的极限时，它并没有得到解决：同样的发展现象，既支持激进经验论，也支持激进先天论。我们认为，这种僵局反映的是一处概念错误。这场争论混淆了解释层次与本体论取向：先天论者强调稳定的符号结构，经验论者强调产生这些结构的亚符号过程。我们主张，在一个多层次认知发展框架内化解这一二分法。

亮点（Highlights）

• 关于知识起源的这场延续数千年的争论，已被控制性饲养与神经网络建模的进展所改变。
• 近来的“数字孪生”（digital twin）实验表明：在真实经验上训练的领域一般性神经网络，能够自发形成与新生动物相似的、作为表征起点的原初结构。
• 经验论与先天论的极端版本都能容纳这些数据，这说明这场争论的概念基础需要修正。
• 心理语言学证据提示，自然语言中普遍存在一词多义现象；当“学习”这类多义词被引入科学语境时，就会催生虚假的分歧。
• 区分解释层次、区分以“物”为本体与以“过程”为本体，可以让经验论与先天论取向背后的核心思想在这场旷日持久的争论终结之后继续存活。

术语表（Glossary）

• 吸引子（attractor）：系统状态空间中由发展动力学把系统拉向的稳定结果。在生物系统与人工系统中，当学习使某些模式能够自我稳定时，吸引子便得以形成，于是多样的输入、扰动与发展历史最终收敛到同一个稳定解。
• 吸引子景观（attractor landscape）：由学习基质、身体与环境共同塑造的、各种可能发展结果所构成的结构化空间。基质界定了可能状态的取值范围，身体与环境则决定这一空间中哪些区域会被采样、稳定、加深，或根本无法抵达。
• 组合性（compositionality）：符号表征的一种性质：复杂表达式的含义由各组成部分的含义以及组合它们的规则所决定。组合性使“棕色的狗”这样的思想可以由更简单的元素搭建起来。
• 控制性饲养（controlled rearing）：一种实验方法，即精确操纵发育中动物的感觉经验，以检验哪些经验是特定认知能力出现所必需的。
• 数字孪生（digital twin）：为模拟生物有机体的脑、身体与环境而设计的计算模型。
• 领域一般性（domain-general）：在多种类型的问题或内容领域中都起作用的学习机制，而非只针对某一类信息专门化。
• 领域特异性（domain-specific）：专门加工某一类信息（如面孔、客体、数量或语言）的学习机制或表征。
• 第一原理（first principles）：从基本机制与初始条件出发推导复杂现象的解释，其中不预设现象本身。在计算建模中，这通常意味着用一般的学习规则与真实的感觉输入来模拟发展过程。
• 游戏引擎（game engines）：最初为电子游戏开发的软件平台，能够实时模拟物理、光照与环境。在认知科学中，它们被用来在逼真的环境中训练人工智能体（计算模型）。
• 同形异义（homonymy）：词汇歧义的一种形式，指同一个词形对应两个彼此无关的含义（例如 bank 既指金融机构，也指河岸）。
• 先天论与经验论之争（nativist–empiricist debate）：延续数千年的争论：各种心理现象究竟是习得的（经验论），还是先天的（先天论）。
• 神经网络模型（neural network models）：由大量相互连接的单元构成的计算模型，其连接强度通过学习来调整。
• 新生雏鸡（newborn chicks）：发展研究中使用的模式生物，因为它们孵化之后可以立即在高度受控的环境中饲养。
• 客体知觉（object perception）：把知觉场景切分为少量客体的能力，这些客体在时间、空间与视角变化中保持延续。
• 一词多义（polysemy）：词汇歧义的一种，指同一个词具有多个彼此相关的含义，这些含义源自共同的概念结构（例如 lunch 既指一顿饭，也指一个事件）。
• 科学范式（scientific paradigm）：由概念、方法与假设构成的共享框架，它引导一个科学领域内的研究者如何界定问题、解读证据与构建解释。

正文

先天论与经验论之争组织着认知科学

先天论与经验论之争（见术语表）是认知科学的基石。在视觉、语言、运动控制、推理、导航与社会认知等领域，研究者常常追问：认知机制究竟是先天的，还是习得的[1–7，另见 8–13]。在这一框架下，研究进展意味着刻画心灵的原始构件（概念、表征、模块与结构），并确定这些构件如何与经验相互作用，从而生成更丰富的心智能力。该框架假定：认知机制原则上可以被干净地分入两类——先天的与习得的。

但如果这个假定是错的呢？我们将表明，即便把先天论与经验论之争推到它的实证极限，这场争论也不会得到解决。近年来，控制性饲养与机器学习方面的进展，使研究者能够在高度匹配的发展条件下饲养新生动物与领域一般性模型。当争论被推到这一实证极限时，同样的发展现象既支持激进经验论，也支持激进先天论。如果同样的现象同时支持相互对立的立场，那么这场争论的传统框架就是不稳固的。

我们认为，这种不稳固源于两个相互作用的因素。第一，像“习得”这样的日常语言词汇，在不同解释层次上被使用，却从未被明确地消歧。第二，不同阵营的研究者在不同的科学范式内工作，这些范式强调不同的解释取向：一些人把稳定的表征结构（物）置于前景，另一些人则把生成并稳定这些结构的动态过程（过程）置于前景。当这两个因素叠加在一起时，考察同样发展现象的科学家就可能得出相反的结论，而他们并未就底层数据产生分歧。

因此我们主张，先天论与经验论之争应当被化解（dissolved），而非被解决（resolved）。有些科学争论是通过在互不相容的假设之间做出裁决来解决的；另一些争论则是在其底层预设被证明是错误的时候被化解的。关于光是波还是粒子的争论就是被化解的：把二者当作非此即彼的选项，这一预设被发现并不正确。我们认为，关于认知机制起源的先天论与经验论之争也应当被化解。以往对该争论的批评，大多是对其中一种或两种取向大加嘲讽：或认为先天论取向缺乏信息量、不够动态[12–16]，或认为学习是一个在理论上成问题的构念[17]。正如近来一场哲学讨论所言，“批评者们常常想用……经验论来取代理性论与经验论”[18]。与之相反，我们认为新近证据同时支持先天论与经验论取向，因而需要一种重新框定，把两者的核心思想都纳入进来。为此，我们提出一种策略：在一个多层次的发展框架内，把以“物”为取向的解释与以“过程”为取向的解释整合起来（图 1），使先天论与经验论传统中的洞见能够在同一个研究纲领中共存。

同样的现象，不同的结论

现代技术使研究者得以把先天论与经验论之争推到实证极限。借助自动化、虚拟现实与严格控制饲养环境，我们现在能够以前所未有的精度操纵新生动物早期的感觉经验[19]。通过系统地改变环境，研究者可以检验哪些能力在出生时就已具备，哪些经验是能力出现所必需的。引人注目的是，许多核心能力在动物与世界的最初几次互动中就已经在场。当新生雏鸡第一次遇到客体时，它们就能把客体从背景中解析出来[20]，把颜色与形状绑定为统一的表征[21]，在全新视角下识别客体[22,23]，并追踪被遮挡的客体[24,25]。新生雏鸡在与客体初次相遇时就表现出稳健的客体知觉。

这些结果支持激进先天论。按照一种有影响力的观点，一种能力是“先天的”，当且仅当“在婴儿首次有效地与其所适用的对象发生信息接触时，该能力已经存在且能够运作”[2]。由于雏鸡第一次遇到客体时客体知觉已经存在并能够运作，这种能力在这一意义上就属于先天。这些发现也与更传统的哲学先天概念相容[18,26]。尽管细节各异，先天论理论中反复出现的主题是：概念之所以是先天的，在于它们不是通过组合性表征之上的理性、符号操作习得的[26–28]。这类学习包括：在既有概念词汇中提出假设并加以检验。早期出现的客体表征并非以这种方式习得，因而满足先天性的“最低限概念”（minimal conception）[29]。

然而，在另一种同样清晰的意义上，客体知觉又是习得的。当新生雏鸡在缓慢运动的客体环境中被饲养时，它们会形成典型的客体表征，这些表征能够泛化到全新视角与运动速度[30,31]。但当雏鸡在运动更快的客体环境中被饲养时，它们的客体表征会沿客体运动方向被“涂抹”，实际上破坏了客体知觉。由此产生的扭曲映射了经验的时间结构：客体速度的变化会产生表征结构的相应变化。当经验之流包含自然的（缓慢而平滑的）信号时，典型的客体知觉就会出现；当这一经验之流被改变时，非典型的客体知觉就会出现。

这些学习效应提示：即便是极端的“白板”模型——不含任何领域特异性客体先验的领域一般性神经网络——也有可能从零开始获得客体知觉。如今，把两项技术进步结合起来就可以检验这一可能性：(i) 用现代游戏引擎对新生个体的感觉输入进行逼真模拟；(ii) 训练大规模领域一般性神经网络模型。在这些“数字孪生”研究中，计算模型被饲养在与动物相对应的虚拟环境里。模型的评估依据是从动物身上收集的发展数据，从而在动物数据与建模数据之间形成闭环（专栏 1）。因此，这些模型为控制性饲养研究中所观察到的现象提供了机制解释的基础。

在一系列数字孪生研究中，研究者在游戏引擎中重建了雏鸡的控制性饲养箱，模拟了雏鸡在箱中视觉探索时视网膜上的成像，再用这些图像训练领域一般性神经网络模型[36–39]。尽管这些模型不含任何硬编码的客体原初结构，它们却自发发展出与雏鸡相似的客体识别能力。在不同视角与不同饲养环境下，雏鸡与模型表现出相同的成功与失败模式。当被置入与雏鸡相似的经验之流时，领域一般性神经网络会发展出与雏鸡相同的能力。

这些发现支持激进经验论。一个不含客体特异性归纳偏向的领域一般性神经网络，只要在与新生个体相匹配的感觉经验上接受训练，就能获得类脑能力。尽管这些神经网络由于自身的结构、目标函数与学习规则而带有归纳偏向，但在经验之前，它们并不包含任何针对客体这一目标领域的信息。在这一意义上，由此得到的表征是习得的：它们通过参数调整机制产生，这些机制使系统适应经验的统计结构。没有任何客体表征是被预先指定的；稳定的表征结构产生于一般学习机制与环境规律性之间的相互作用。

于是我们陷入一个谜题：当先天论与经验论之争被推到实证极限时，它并没有得到解决。同样的发展现象既支持激进先天论，也支持激进经验论。尽管我们研究的是生命中所遇到的第一个客体，尽管我们用领域一般性模型对从原始感觉输入开始的学习进行了建模，我们仍未更接近理论上的解决。一场科学争论之所以富有成效，在于相互竞争的立场做出不同的预测：存在某种可以设想的证据，它会决定性地支持一方、反对另一方。然而在传统框架下，似乎已无法通过进一步收紧发展控制来区分先天论与经验论立场。

数字孪生研究在其他核心领域也揭示出同样的模式。许多动物在出生后不久就表现出稳健的社会行为，包括人类、猴子、啮齿动物、鸟类与昆虫[44,45]。当新生雏鸡遇到它们的“第一个”社会伙伴时，会与之形成社会联结，并在分离后回到该伙伴身边[46]。同样，新孵化的鱼在受控的社会环境中被饲养时，会自发发展出社会行为，包括集群（shoaling）[47]与社会偏好[48]。这些结果再次支持激进先天论：社会行为在有机体首次有效地与社会行动者接触时就已经存在并能够运作。

然而，在另一种意义上，社会行为又完全是习得的。在一系列数字孪生研究中，研究者重建了雏鸡与鱼的社会环境，然后在这一社会环境中训练具身神经网络。尽管不含领域特异性的社会学习机制，这些人工智能体还是自发发展出与动物相似的社会行为，包括印刻（imprinting）、集体行为与社会偏好[49,50]。模型习得了社会行为——并非因为它们被编程如此，而是因为社会行为是领域一般性神经网络与动机系统适应社会经验之后的一种统计后果。这些发现支持激进经验论。一个不具备领域特异性学习机制的一般学习智能体，只要在逼真的社会环境中接受训练，就能获得与动物相似的社会行为。

图 1. 把先天论与经验论之争化解进一个多层次框架

图 1. 把先天论与经验论之争化解进一个多层次框架。 (A) 面对同样的新生儿行为，先天论者与经验论者会得出相反的结论。原因在于，二者在不同范式内使用了“学习”的不同含义。这两个对立的阵营可以被统一在一个多层次层级结构中，该结构从神经元层次的学习，经由群体层次的状态空间，一直延伸到符号表征以及在其上进行的显式逻辑与概率计算。(B) 在这一多层次框架中，当神经结构（吸引子景观）适应身体（其换能器与皮层下结构施加了领域特异性约束）与环境所提供的产前与产后经验时，核心能力（稳定的吸引子）便得以发展。如果神经结构是领域一般性的——如 Transformer 模型（或许还包括皮层与鸟类外套中的相关区域）——那么激进先天论与激进经验论可以同时成立。表面上的不相容，源于解释重心不同：一方强调稳定的吸引子及其在心理现象中的作用，另一方强调由脑、身体与环境共同生成的、不断变化的吸引子景观。皮层下结构与前庭器官的图片改编自 Henry Gray 的《格雷氏解剖学》（公有领域）。

图注解读：(A) 面对同一行为，先天论者说“先天的”、经验论者说“习得的”，分歧源于“学习”一词含义不同：向上是符号式学习（假设检验、逻辑运算），向下是亚符号式学习（参数调整、统计），两条路通向同一片吸引子地貌。(B) 身体与感觉换能器、皮层下结构向皮层/外套施加领域约束，地貌上四个盆地对应客体知觉、数量认知、导航与社会认知；图下方两句话同时成立：能力初次接触即出现，又在一般性基质中习得。

导航与数量领域也呈现同样的模式。跨哺乳动物、鸟类与昆虫，都有证据表明存在早期出现的核心导航系统（例如路径整合与位置识别）[51]，支持先天论。然而，当具身神经网络在空间环境中学习时，路径整合与位置识别会自发出现[52,53]，支持经验论。模型甚至学到了类似位置细胞、网格细胞与头方向细胞的神经表征[54,55]，表明领域一般性学习系统能够发展出核心的导航编码与能力。在数字认知领域，有证据表明个体在出生后不久就对数量敏感[56]，支持先天论；也有证据表明，当领域一般性神经网络适应经验时，对数量的敏感性会自发发展[57–59]，支持经验论。

跨领域来看，我们看到了同样的模式：动物在首次与核心领域中的对象接触时就具备核心能力（支持先天论），但这些能力的发展可以被建模为领域一般性神经网络适应经验的产物（支持经验论）。这场争论的失败并非因为缺乏数据，而是因为同样的发展现象与相互对立的理论解释都相容。

诊断问题所在

先天论与经验论之争为什么无法解决？我们认为，这场争论之所以长期存在，反映的是两个相互强化的混淆来源在共同起作用。第一个来源与语言有关。逻辑与计算机科学中的形式语言有一种特殊性质：它们的原始术语没有歧义。自然语言不具备这一性质。词汇歧义的一种形式是同形异义（homonymy），即两个彼此无关的含义碰巧共享同一个发音。另一种更为常见的形式是一词多义（polysemy），即一个词义允许多种可能的消歧，在不同场合指称不同的事物（专栏 2）。当我们把“学习”这样的词引入科学时，也把它们的歧义一并引入。在一词多义的情形下，这种歧义更难被察觉，并可能造成虚假的分歧——一旦我们完成消歧，这些分歧就随之消散。

问题在于，“习得”这类术语被跨多个解释层次使用，却从未被明确消歧。认知科学横跨多个层次，包括神经层次与心理层次，但同一套词汇被用来描述发生在所有层次上的过程。这就为同一个现象留出了空间：它在一种意义上可以被正确地描述为“习得的”，在另一种意义上则可以被描述为“非习得的”。学界已提出数十种关于学习的进路，彼此之间并不受一致性的约束[81]。在实际讨论中，理论家们争论的是：学习是否仅限于理性的、符号性的过程，还是也包括潜在的非理性过程，例如机械记忆[18]或亚符号的神经过程[82–84]。

我们主张对“学习”的不同含义做明确的消歧（图 1）。符号式学习（Learning_SYMBOLIC）是心理层次的过程，涉及在组合性符号之上进行的理性、尊重结构的计算。亚符号式学习（Learning_SUBSYMBOLIC）则涉及在符号表征层次之下运作的过程，包括神经参数调整、在感觉流之上进行的统计学习，以及其他追踪规律性、但并不操作结构化的组合性符号、也不进行理性思考的机制。这些过程可以发生在神经组织、人工神经网络或学习的计算模型中。

在认知科学中，Marr[85]的框架区分了计算层次、算法层次与实现层次；但当代研究提示，学习本身包含多个算法层面：至少包括分布式神经参数调整（亚符号式学习）与在组合性表征之上的符号操作（符号式学习）。二者不必相互竞争。符号可以由网络层面的动力学来实现，而在解释实践中并不因此被还原为这些动力学[86,87]。例如，经济交易由生物有机体来实现，但经济学理论家可以在几乎不了解人类生物学的情况下解释价格波动。科学的这一特点——实现所关注现象的某些特征被“屏蔽”（screened off）在解释相关性之外——正是不同解释层次的标志[88–90]。在一个层次上处于核心的特征，在另一个层次上可能无关紧要。

专栏 1｜数字孪生研究为智能的起源建模

数字孪生研究考察领域特异性知识如何从第一原理中涌现[19]。数字孪生是一种计算模型，用来模拟发育中动物的脑、身体与环境。该方法包括：(i) 把脑模型置入身体模型之中；(ii) 把这一模型（人工动物）嵌入到与动物饲养环境相匹配的环境中；(iii) 测量学习如何通过自我生成的经验展开（图 I）。数字孪生是脑—体系统如何在真实世界环境中发展的可运行模型。它们让研究者得以检验：当动物与模型在同样的世界中饲养时，二者是否走过共同的发展路径，并发展出相同的知识。

有些脑模型是领域一般性神经网络（例如 Transformer）。由于其中没有硬编码任何领域特异性知识，任何发展出来的结构都必然源于学习。如果使用领域一般性脑模型的数字孪生发展出与其所模拟的生物相同的能力，就表明这些能力可以由领域一般性神经网络适应身体与环境所生成的结构化经验而涌现。

在科学解释中，数字孪生所扮演的角色与 GPT、Claude 这类基础模型（foundation model）非常不同。基础模型在（往往未公开的）互联网规模数据集上训练。这些模型可以在行为[33]与神经[34]基准上逼近人类表现。然而，鉴于大脑可获得的数据与基础模型可获得的数据之间存在巨大差异，人们无法就底层过程的共性得出强有力的结论[35]。

相比之下，数字孪生模型是在与发育中的大脑所能获得的几乎相同的输入上训练的。头戴式摄像头、虚拟控制性饲养箱等数据来源，使动物与数字孪生之间的感觉输入可以直接匹配。例如，数字孪生研究纳入了具身性的若干特征，包括动物在环境中游走时连续运动路径所产生的数据[36–38]、经过人工感觉换能器模型过滤的数据[39]，以及身体在产前发育阶段产生的数据[40,41]。关键在于，研究者可以系统地操纵各种可能引起发展变化的因素（例如环境统计结构、形态、换能器、脑的大小与脑的可塑性），使数字孪生得以检验假设、分离因果因素，并追问认知发展背后的“为什么”与“如果……会怎样”的问题[42]。这些因素使得数字孪生在获得对生物智能的解释性理解方面优于基础模型。这一研究纲领的下一步，是使用消融（ablation）等可解释性技术[43]，检验数字孪生作为动物发展机制模型的可行性。

图 I. 数字孪生研究

图 I. 数字孪生研究。 数字孪生研究通过在相互匹配的环境中饲养并测试新生动物与人工智能体（具身计算模型），来模拟脑的发展。由于动物与模型在同样的感觉世界中学习，二者涌现出的能力可以直接比较。这一进路在动物与模型之间形成闭环：动物的行为数据被用来建构模型，而模型又要接受动物身上新观察到的发展现象的检验。数据与模型在同一个解释系统中相互约束，模型为动物身上观察到的现象提供机制解释的基础。改编自文献[32]。

图注解读：这幅图把数字孪生研究画成顺时针的六步闭环：① 在受控环境中饲养新生动物；② 测试它学到了什么；③ 用脑模型加身体模型搭建智能体；④ 让它接受同样的饲养；⑤ 用同样的任务测试它；⑥ 比较两者的发展结果。中间的箭头圈表明动物数据与模型数据相互约束，不是单向流程。第③步的脑模型是神经网络示意图，第⑥步左侧是真实雏鸡、右侧是机器人雏鸡，“数字孪生”就是给发育中的动物造一个能在计算机里跑起来的孪生体。

认清这一层次结构，就能说明同一个现象为何可以在一个层次上是习得的、在另一个层次上是非习得的，而并不矛盾。例如，上文讨论的数字孪生客体识别研究展示的是亚符号式学习，而不是符号式学习。数字孪生起初不具备稳定的心理机制，只能通过随输入之流调整亚符号参数来实现这些机制。经典的先天论—经验论之争在这一消歧之后便不复存在：激进经验论者可以是对的——核心机制是通过亚符号式学习获得的；激进先天论者也可以是对的——核心机制并非通过符号式学习获得。至于这些过程在某种一般的或直觉的意义上是否算作“学习”，根本不是一个成立的科学问题。

专栏 2｜一词多义不同于同形异义

像 bank 这样的同形异义词，涉及多个概念映射到同一个发音和/或拼写（例如 BAT₁ 指一种动物，BAT₂ 指运动器材）。理论家有时把所有词汇歧义都归入同形异义[60,61]。与之相对，一词多义指的是：一个词对应着一个底层概念表征，而这一表征可以被灵活调节，用来指称不同但系统性相关的事物。一个例子是 door（门）。在句子“John knocked on the door and walked through it”（约翰敲了敲门，然后穿过去）中，door 先指一块实心屏障，随后又指一个开口。关键在于，这些用法并不被当作彼此无关的含义，而被理解为对同一个共享概念结构的、依赖语境的调节。这正是它与同形异义的区别，也解释了为什么跨这些用法的回指（anaphoric reference）如此顺畅。神经语言学、心理语言学与发展心理学的实验工作提供了彼此独立的证据，表明一词多义涉及的是一个被调节以实现不同指称的共同概念表征，而非多个彼此不可通约的概念[62–67]。

许多一词多义现象遵循一些普遍模式，例如容器/内容（bottle，瓶子）、工具/动作（shovel，铲子）与载体/内容（book，书）。这些模式在各种语言中都稳定存在，提示它们反映的是概念结构[68]。系统性相关的一词多义项在较长的刺激间隔（750 毫秒）之后仍会相互启动、相互加强，而同形异义词之间则会相互抑制[69]，这与更早的证据一致：同形异义词之间存在竞争[70]，而一词多义项之间存在有益且持续的相互作用[71]。新近证据提示，推理往往对一词多义项之间的语义含混不敏感，而对同形异义词之间的含混则不然[72]。

当语言术语被引入科学时，概念的一词多义构成了极大的风险：指称可能在无人察觉的情况下发生偏移。一种系统性的一词多义形式是“外观/自然类别”概念，或“双重性质”（dual character）概念[73]：在“孪生地球”[74]上，一种看起来、用起来都像水、却不含 H₂O 分子的液体，直觉上在一种意义上是水，在另一种意义上又不是[75,76]。这种模式在认知科学中很可能也存在。当代关于信念的理论[77]分歧在于：信念究竟由特征性的可观察行为决定[78]，还是由底层的表征状态决定[79]——这或许反映的是我们的“信念”（BELIEF）概念最终可以相容的不同消歧[80]。我们认为，“学习”（LEARN）这一概念也呈现出这种模式：当《黑客帝国》中的尼奥通过脑机接口直接获取信息时，他直觉上在一种意义上是“在学习”，在另一种意义上则不是。有些理论家把“学习”限定于理性的符号过程，另一些则把它用得更宽，包括亚符号的参数调整。

以这种方式对学习进行消歧，会重新组织实证研究的版图。它预测：同一个认知机制可能在亚符号层次上表现出可塑性，同时对符号层次的建构保持不透明；它也指明哪些实验与哪一类主张相关。控制性饲养研究与神经网络模拟检验的是亚符号式学习，因为在这些研究中并不存在可用的组合性符号表征。而探查假设形成、组合性规则建构与显式推理转换的任务，检验的则是符号式学习——符号架构在建模人类认知上的有效性即为佐证[87,91–94]。原本的那场争论，于是瓦解为一组各自独立可解、层次特定的研究问题。

第二个混淆来源与科学取向有关。先天论与经验论之争中不同阵营的研究者，常常在不同的科学范式内工作：这些共享的概念框架决定了什么算作解释、哪些问题是核心问题、证据应当如何解读[95]。当在不同范式内工作的科学家审视同样的数据时，他们可能对实证记录并无分歧，却得出不同的理论结论。一个普遍存在的分野是：一个领域究竟应当以“物”（具有持久属性的稳定实体）来理解，还是以“过程”（在时间中延展的变化模式）来理解[96–98]（专栏 3）。

以一条河为例。它可以被当作一个物：一个有名有姓、有位置、有持久属性的实体。它也可以被当作一个过程：一股由重力、地形与天气塑造的、持续变化的流动。这些并不是关于这条河“实际上”是什么的相互竞争的假设，而是组织解释的不同方式。

先天论与经验论之争反映了这一分野。认知可以被当作一套稳定的表征单元系统（例如概念、能力、模块与结构），它们在发展早期就已经可用[1–7]。认知也可以从过程取向的视角来看待，涉及一条适应的轨迹：表征在与结构化经验的相互作用中涌现并稳定下来[99–104]。这一变异维度与先天论—经验论的分野并不完全对应。先天论者也设定过程，例如理性学习；经验论者也设定物，例如参数。但我们认为，两者在解释重心上存在差异，而这种差异对这场争论的长期存在起了作用：先天论把稳定单元置于前景，把学习刻画为符号状态之间的转换；经验论把过程置于前景，把参数刻画为不断变化、以更好地顺应经验之流。

专栏 3｜研究“物”与研究“过程”

以“物”为取向的科学始于这样一种直觉：世界由离散、稳定的实体构成（例如客体、器官、基因、脑区与心理技能）。它的目标是对这些实体进行分类、描述其属性，并分析它们如何相互作用。以“物”为取向的科学有一个核心假定——决定论：只要知道了各个部件，我们就能推导出整体的行为。这一进路在认知科学中取得了重大成功，从把记忆定位于海马，到识别支撑视觉与语言的神经环路。这些成功体现了以“物”为基础进行推理的力量：它提供了清晰性、分类框架与一套共享词汇，使心智的复杂性变得可处理、可交流。通过把大脑与心智切分成部件，研究者得以专业化分工、交换发现，并积累知识。

以“过程”为取向的科学则始于另一种直觉：心智不是一堆相互独立的模块，而是一张相互依赖的活动之网[96–98]。过程拥有无法被还原为静态部件的轨迹与历史。在这里，假定是复杂性：系统是开放的、适应性的、路径依赖的，其行为由情境与经验塑造。在这一视角下，记忆不是“海马中的静态之物”，而是分布在脑网络中的动态模式，是被持续重构而非被存储的。注意不是一种离散机制，而是神经振荡、身体节律与环境线索相互作用所涌现出来的性质。以过程为基础的科学试图解释相对稳定的类别如何从动力学中涌现：模式如何出现、持续与消散。这一视角强调相互联系与变化，而非本质与恒常，与量子力学、系统生物学与非线性动力学一脉相承。

这两种科学风格与我们提出的多层次框架（见正文图 1）对应得很清楚。以“物”为取向的描述通常运作在较高的解释层次上，在那里，相对稳定的实体（概念、模块、能力、脑结构）是首要的分析单元。以“过程”为取向的描述通常运作在较低或横跨各层次的位置，关注的是随时间生成、稳定与转化这些实体的机制与动力学。关键不在于一种风格正确、另一种错误，而在于它们回答的是不同的解释问题。因此，一门成熟的发展科学必须把两者整合起来：既要识别在心理学解释中出现的稳定结构，也要为这些结构得以涌现、持续与变化的过程建模。

从这个视角看，这场争论的长期存在就不那么令人意外了。当新生雏鸡在与世界的最初接触中表现出核心能力时，以“物”为取向的描述会突出“存在正在运作的心智能力”，并得出结论说这些能力是非习得的；以“过程”为取向的描述会突出这些能力得以出现的发展历史，并得出结论说它们是习得的。只有当人们假定这两者回答的是同一个解释问题时，它们才互不相容。一旦我们区分清楚：问题问的是某个稳定表征能力的存在，还是实现该能力的过程，表面的矛盾就消散了。相对于不同的解释目标，两种描述都可以是正确的。两种解释取向都可以延续下去，而不必重演先天论与经验论之争。

面向认知发展的多层次框架

面向未来，我们主张一种多层次框架：并行地研究物与过程（图 1）。在这一框架下，概念由状态空间中的亚稳态吸引子来实现，而这些状态空间由（生物的或人工的）神经网络的参数所固定[102–106]。在由网络结构所决定的宽广可能状态范围内，系统响应来自身体与环境的输入，落入某些吸引子。它最终停在这些吸引子上，就像水流入盆地后最终停驻于某种构型：终态与所走路径由地貌以及重力这类一般作用力所决定。同样，Transformer 模型一开始没有符号表征、没有客体概念，也没有推理的基础。它们是通过在持续流动的感觉输入中转入更低能量（更低损失）的状态而发展出这些性质的，这些输入随时间雕琢着系统。Fodor（自称“疯狗式”先天论者）说过类似的话：“心灵就像一片海”，我们应当“把概念想成吸引子，每个概念在这片海中各有其位置”[82]。

在这一框架下，先天论与经验论视角都提供了不可或缺的洞见。先天论式的解释刻画的是由神经状态空间中的吸引子所实现的稳定心理能力，从而勾勒出可供符号学习使用的初始表征库。经验论式的解释刻画的是产生并稳定这些能力的发展过程，包括产前与产后经验如何调整亚符号参数，从而重塑吸引子景观。在每一个层次内部，实质性的争论依然存在，例如：吸引子景观最初是否由领域特异性约束所塑造？如果是，这些领域约束又位于脑—体系统的何处？最重要的是，心理能力与实现它们的亚符号发展过程，并不是关于心智如何运作的两种对立立场：它们是同一底层实在的不同层次（图 1B）。

带着这些层次，我们可以提出一些可解的问题，考察基因与经验在发展过程中如何相互作用。研究者可以研究产前有机体的吸引子景观，描绘不同吸引子出现的时间与方式。有些吸引子在产前发育阶段就已出现（例如视觉系统的层级组织）[11,107]，另一些则出现得更晚（例如整体性的面孔加工）[108]。在某些情形下，吸引子可能只是亚稳态的：稳定一段时间后又重新消散[109]。研究者随后可以研究过程如何产生这些吸引子，分离出支撑发展的归纳偏向。例如，数字孪生研究提示，视觉系统的层级组织由两种相互对立的归纳偏向共同发展而来：(i) 一个适应经验的领域一般性神经网络；(ii) 一个在产前发育阶段产生活动波的领域特异性视网膜[40]。当这两种归纳偏向相互作用时，领域一般性神经网络就发展成了领域特异性的视觉系统。这一结构需要有机体内部的领域特异性偏向，这一点支持先天论主张；但这些偏向以“喂给领域一般性学习系统的训练输入”的形式出现，这一点又支持经验论主张。选出一个“赢家”既无必要，也说明不了什么。

亚符号学习能否生成在组合性符号之上进行的、理性的、尊重结构的计算？Lake 与 Baroni[110]表明，当领域一般性神经网络在一组组合性任务的分布上接受训练时，会发展出类人的系统性泛化能力。在旨在探查代数泛化的指令学习范式中，这些模型与人类被试正面比较，表现出与人类相同的、受规则支配的成功与错误模式。关键在于，这些模型使用的是通用 Transformer 结构，不含任何硬编码的符号机制，却获得了在新情境中系统性地重组已学原初结构的能力：这正是传统上被认为需要符号结构才能实现的组合性能力[86,111]。这些结果提示，亚符号的参数调整过程能够产生支持符号层次泛化的稳定内部结构。用我们的术语说：亚符号式学习可以诱导出实现符号式学习能力的吸引子。

其他领域已经接纳了这种多层次框架。达尔文的理论在根本上是过程取向的：种群通过变异、遗传与选择随时间变化[112]。然而，我们几乎总是用“物种”“基因”“性状”“繁殖”这样的“物”来描述它。这种双重性是它的力量所在。以过程为基础的模型揭示了相互作用的力量如何生成生命形式的多样性，而以物为基础的描述则提供了概念锚点，使这些发现可被理解与传播。我们谈论的“物”受到我们所建模的“过程”的约束。说“当具有有利性状的个体留下更多后代时，物种就会演化”，是用物的语言描述一个过程，但底层的、以过程为基础的理解确保这些“物”始终与现实相连。

化解“物”与“过程”之间张力的关键工具，是那些能够从第一原理出发进行模拟的计算方法。在演化生物学中，这类模型反复表明：复杂的生物学之“物”产生于简单的生成过程。例如，演化模拟展示了：对感光斑块的渐进选择如何能够生成类似眼睛的结构[113,114]；越来越复杂的计算能力如何能够从更简单的原初结构演化而来[115,116]；适应性的运动策略如何能够从更低层次的物理约束与适合度压力中涌现[117,118]。在每一个例子中，曾经看起来需要专门设计的“物”才能实现的东西，都被表明可以从迭代的适应过程中涌现。从第一原理出发的模拟确认：复杂的演化结构可以从更深层的过程中涌现。

同样的策略也可以用于认知科学。大脑可以被当作一个物来研究——一个有可辨识结构与功能的器官——但它同时也是随时间与情境展开的过程。在机器学习进展的推动下，研究者如今可以从第一原理出发模拟核心结构的发展。在知觉、认知与行动各领域，模拟都表明：稳定的心理学之“物”产生于适应结构化经验的过程。在视觉领域，用发育中胎儿的“眼睛”所看到的图像训练的领域一般性神经网络，会在早期层发展出边缘表征、在较晚层发展出形状表征，并形成层级结构[40,41]——模拟了新生视觉系统的大尺度皮层结构[11,107]。同样，用人类婴儿的自我中心视角图像训练的模型，会发展出分割与客体识别等核心客体知觉技能[119–121]。在语言领域，领域一般性模型获得了词汇结构、句法规律、长距离依存与组合性泛化能力，提示核心胜任力可以从真实语言经验上的序列预测中涌现[122–124]。在运动控制领域，具身智能体通过适应运动经验发现协调的运动策略[125]。与演化生物学一样，从第一原理出发的模拟确认：复杂结构可以从更深层的过程中涌现。研究者如今不必再争论这些能力算不算“习得的”，而可以探索真实的发展过程如何生成人类与动物身上观察到的各种脑结构与心智能力。

这一多层次框架还有助于化解一个关于学习的长期悖论。Fodor 有一个著名的论证：学习无法提高表达力，因为任何能被学习的假设，必然已经可以在学习者的认知系统中被表征[26]。理性的假设检验、贝叶斯更新以及相关的符号学习形式，可以改变关于既有假设的信念，却无法创造出真正新的符号原初结构。类似的论点也适用于人工神经网络：如果一个神经网络结构定义了固定的可能函数空间，那么基于梯度的学习只能让系统在这一空间内移动，无法扩展该结构的表达容量。照字面理解，这一推理意味着学习在根本上是保守的：它可以在既有可能性之间做选择，却不能生成新的表征资源。

然而，一旦区分了解释层次，这一悖论便消散了。Fodor 的论证只在把一个层次视为固定不变时才成立。一个层次上的表达力，可以由在更低层次上运作的过程来提高。亚符号学习能够创造出新的稳定吸引子，这些吸引子充当符号思维的原初结构，从而改变符号层次上可以表达的内容。同样，在亚符号层次之下运作的生物学过程（例如突触生成、神经调质与神经发生）能够改变神经学习可用的表达可能性。发展并不需要在某一层次内部扩展表达力；它可以通过改变实现某一层次的基质，来扩展该层次上的表达力。

结论

我们认为，先天论与经验论之争的传统框架在概念上是不稳固的。问题在于，我们关于认知的言语模型受制于自然语言的系统性歧义；在这里，正是“学习”一词的一词多义，制造出了本不必存在的分歧假象。两种科学范式之间的概念张力——以“物”还是以“过程”来研究认知——构成了这种一词多义的底层根源，使研究者从同样的发展现象中得出相互对立的结论（先天论对经验论）。

有人可能会说，鉴于互动论、涌现论、建构论与系统取向的发展理论日益增多，先天论与经验论之争早已名存实亡[15,126]。我们同意，确实有一部分人已经离开了这场争论；但它在心理学、神经科学、哲学与人工智能中依然以隐性和显性的方式发挥着影响[1–7,18]。早先的批评[12–17,126]大多停留在理论或概念层面，或基于神经生物学、遗传理论与动力系统理论的发展。数字孪生研究提供了新的实证理由来质疑这场争论，因为它们表明：同样的发展结果可以同时满足激进先天论者与激进经验论者的判据。

我们的论证也与现代理性主义理论相容，后者把这场争论定位于学习所受的领域约束上[18,127]。按照这类观点，一个概念可以是习得的，但只要它的获得依赖于某种先天的领域特异性学习装置，它仍可得到先天论式的解释。关键在于，这种框定方式仍然要求把这个学习装置本身归类为先天的或习得的；而同一个学习装置完全可能通过亚符号式学习获得，却并非通过符号式学习获得。把注意力从表征原初结构转移到获得它们的机制上，并不能绕开“在解释层次之间对学习进行消歧”这一需要。

最后，有人可能主张，只要固定“学习”的单一含义就能拯救这场争论：例如规定一个能力当且仅当通过亚符号参数调整而产生时才算习得。但这一招并不能恢复这场争论。典型的先天论者可以接受神经参数被经验所调整，同时否认心理层次的原初结构是通过理性的符号建构获得的[82]。把学习定义在亚符号层次上，只是改变了话题，而非解决了争论。通过在多层次层级结构中定义两种相互嵌套的学习类型，我们的框架同时接纳了两个阵营的关键定义。

认清这一多层次结构，先天论与经验论之争便可以被化解，两个阵营也因此获得一条统一的出路。先天论式的描述刻画心理层次能力的结构与功能；经验论式的描述刻画这些心理能力得以发展与稳定的过程。剩下的，是一系列可解的、层次特定的概念发展问题：涉及神经可塑性、领域特异性学习机制的来源[127]、表征原初结构的性质、它们借以产生的机制，以及不同形式的学习各自运作于哪些层次（见“悬而未决的问题”）。这些问题可以在一个多层次的学习框架内、结合数字孪生研究与经典实验方法加以研究，而无须预设先天论与经验论之间存在某种融贯的、不依赖于层次的争论。

悬而未决的问题（Outstanding questions）

• 我们已经区分了符号式学习与亚符号式学习，但这两个类别是否对应认知科学中真正彼此独立的解释层次？一些联结主义理论家否认符号层次的过程在认知中具有任何不可还原的作用，另一些理论家则否认亚符号的参数调整具有解释相关性，主张自始至终都是符号机制。这两个层次都是解释上不可或缺的吗？还是其中一个可以完全吸纳另一个？
• 引导灵活的大脑走上适应性发展路径的那些领域特异性约束，来自哪里？这些约束位于环境、身体/感觉结构、皮层下结构，还是皮层/外套（pallium）之中？
• 基因如何影响产前与产后发育过程中生成的吸引子景观的规模与灵活程度？产前与产后经验又如何影响这一景观中哪些吸引子会形成？
• 心理原初结构能否被形式化为具有明确状态变量与动力学的动力系统吸引子？
• 什么样的经验会使符号层次的表征在大脑中发展出来？在什么条件下，亚符号吸引子无法产生组合性结构？
• 符号式思维语言模型在多大程度上刻画了人类的概念习得？符号式假设检验在解释上的适用范围，是否比通常假定的更窄？
• 什么样的实验与计算设计，能够并行地研究稳定的表征结构与生成它们的发展过程，从而使不同解释层次相互约束？
• 规模更小的先天论与经验论之争是否仍然有用？在固定某些解释层次的前提下，更大的争论能否被有效地替换为围绕领域特异性约束作用的、层次特定的局部交锋？还是说，更好的做法是完全放弃先天论/经验论这一二分法？

致谢

本研究得到 James McDonnell 基金会“理解人类认知”学者奖（J.N.W.）的支持。我们感谢 Trends in Cognitive Sciences 的四位匿名审稿人与编辑 Lindsey Drayton，感谢约翰斯·霍普金斯大学与罗格斯大学研究生研讨班的参与者，以及 Elisabeth Camp、Akshan deAlwis、Lisa Feigenson、E.J. Green、Steven Gross、Justin Halberda、Michelle Hurst、Zoe Jenkin、Eric Mandelbaum、Ian Phillips、Marjorie Rhodes、Elizabeth Spelke、Jenny Wang、Mason Westfall 与 Samantha Wood 提出的宝贵意见。

利益声明

作者声明不存在相互竞争的利益。

参考文献