量子认知是通向强人工智能（或通用人工智能）的途径吗？

量子认知可能是解释心灵的下一个前沿。

当涉及到新的研究计划时，现有的关于认知架构的科学文献并没有定义要遵循的“正确路径”。检查来自致力于通用认知模型项目（又名 CMCB，通用认知模型公告）的同行评审期刊的论文，我发现进展遵循一种新兴模式（自下而上）。

有了这种动态，我们似乎必须让模型的应用指导其开发工作。

超越理论和认知模型的建设性和增量发展来解释心灵，我们在文献中发现了一些替代方法，它们试图从另一个角度实现相同的目标。

在这些方法中，我们找到了量子认知领域。

我们不能将该术语与所谓的量子大脑、量子心智或量子意识混淆，后者是假设量子过程发生在大脑中的假设。

量子认知是一个新兴的研究领域，量子理论的数学形式激发了新认知模型的发展，这些模型更好地解释了优越的认知现象。

这些人类现象的例子是记忆、信息检索、语言、决策、社会互动、人格心理学和心灵哲学。

据说认知科学家面临着迫使物理学家放弃经典物理学的同样问题。他们发现只能在确定的时间获得有关复杂系统的部分信息，因为每个度量都会干扰下一个度量。

量子理论允许结合系统的部分信息，通过一种根本不同的逻辑、推理和概率推理方法来理解系统范围的一致性。

1960 年代的认知革命是基于经典计算逻辑和神经网络的出现，而 1970 年代则是基于经典的动态系统。

这些元素构成了当前认知架构和神经网络理论的支柱，并基于一系列假设。然而，我们发现人类行为的复杂现象不服从经典逻辑的限制。

基于 John Von Neumann 和其他作者 (Kronz & Lupher, 2021) 的工作，很明显，量子理论的核心是一种新的概率理论，它基于正交代数而不是布尔代数。

这个理论比传统的概率论更普遍。事实证明，它对于解决与传统的理性、逻辑思维和概率推理方法相抵触的难题更强大，这为认知建模及其原理开辟了新的视野。

例如，请注意，量子逻辑并不总是遵循逻辑布尔的分配公理，或者量子概率并不总是遵循总概率 Kolmogorov 定律。量子推理也不总是满足单调推理的原则。

因此，可以看出经典理论是更一般的量子理论的限制性案例。

Jerome Busemeyer 和 Peter Bruza 在Quantum Models of Cognition and Decisions (Busemeyer & Bruza, 2012) 中认为，量子理论中的基础数学结构比传统模型更好地解释了人类思想，引入了建模系统动态概率模型的基础知识，使用量子理论的两个方面：

1. 判断和决定的语境性，在量子理论中通过“干涉”的概念来捕捉，被理解为第一个判断（或决定）干扰随后的判断（或决定）以产生秩序效果的上下文，其判断和决定是不可交换的。

   
   

2. 量子纠缠：在量子物理学中，它指的是对系统的一部分的观察会立即影响系统另一部分的状态，即使恒星距离将它们各自的系统分开。

关键因素是联锁系统不能有效地分解和建模为单独的子系统。这促进了认知现象的量子类型模型的发展，这些模型本质上是不可分解的，并且量子理论为此提供了正式的工具来将它们建模为非交互系统、可分解（或非还原论）。

我们正在见证一个在感知、概念判断、决策制定和信息检索等领域有应用的领域的兴起。

Busemeyer 和其他研究人员 (Wang et al., 2013) 试图回答非常重要的问题，例如：

• 为什么要将量子概念应用于认知？人类？
• 量子模型与传统模型有何不同？
• 已经使用量子模型对哪些认知过程进行了建模？

现在的相关性在于根据我们所处的位置和研究工作的方向，最先进的技术的进步。如果我们将这些努力加入到量子计算的兴起中，也许我们可以更接近验证认知模型并观察人工智能的诞生。

或者可能不是。