Naturalistic Computational Cognitive Science: Towards generalizable models and theories that capture the full range of natural behavior

人工智能越来越追求大型、复杂的模型，这些模型在日益逼真的领域内执行许多任务。那么，如果有的话，这些人工智能的发展应该如何影响认知科学呢？ 我们认为，人工智能的进步为认知科学提供了及时的机会，使其能够接受使用越来越自然的刺激、任务和行为的实验，以及能够适应这些变化的计算模型。我们首先回顾了涵盖神经科学、认知科学和人工智能的一系列不断增长的研究，这些研究表明，纳入更广泛的自然实验范式（以及能够适应这些范式的模型）可能是解决某些方面自然智能并确保我们的理论具有普遍性的必要条件。接下来，我们建议将最近的人工智能和认知科学进展结合起来，使我们能够在不放弃实验控制或理论基础理解的前提下，与更自然的现象互动。我们提供了实际指导，说明方法学实践如何有助于累积性的自然计算认知科学发展，并展示了构建解决自然认知真实问题的计算模型的路径——同时对这些模型所依据的过程和原则进行还原性理解。

该论文探讨了人工智能（AI）的发展，特别是大型复杂模型在处理多任务和现实领域问题上的进展，对认知科学的影响。它试图解决如何将这些AI进步整合到认知科学研究中，以更好地理解自然智能，并确保理论的广泛适用性。这并不是一个全新的问题，但随着AI技术的进步，这一议题变得尤为迫切。

关键思路在于强调AI的进步为认知科学提供了及时的机会，可以采用更自然化的刺激、任务和行为进行实验，并开发能够适应这些变化的计算模型。相比现有研究，这篇论文提出了一种整合AI与认知科学的方法，通过结合两者的优势，不仅可以处理更复杂的自然现象，还能保持实验控制和理论深度的理解。

论文关注的亮点包括：1) 提倡使用更贴近现实世界的实验设计；2) 强调建立能解决实际自然认知问题的计算模型；3) 提出方法论实践的具体建议，以促进自然主义计算认知科学的累积进展。此外，虽然文中未提及具体数据集或开源代码，但它呼吁未来研究应更加注重实验的自然化及理论基础。

近期相关研究包括：1) 'The Role of Naturalistic Stimuli in Cognitive Neuroscience'，探讨了自然刺激在神经科学研究中的作用；2) 'Advances in AI and Their Implications for Cognitive Modeling'，讨论了AI技术进步对认知建模的影响；3) 'Integrating AI with Cognitive Science: Challenges and Opportunities'，分析了AI与认知科学融合面临的挑战与机遇。