42 KiB
--赫伯特·西蒙
绪论
科学理论的层次和规律
心理学的研究有三种不同的途径，也就是有三种不同的层次和水平。
- 第一级水平是研究复杂行为，例如研究问题解决、概念形成和语言现象。
- 第二级水平是研究简单的信息加工过程，例如对光点的感觉、图形知觉的形成等都是简单的信息加工。研究简单信息加工过程以反应时间、干扰时间为指标。
- 第三级水平是生理水平，例如对中枢神经过程、神经结构的研究。
在心理学中发现规律是很困难的，这主要是由于研究对象本身的复杂性，而不是由于缺乏某种仪器设备。
- 其中一个困难，是我们所研究的人类机体总处于一定的环境之中，而且适应性又很强，人的行为既决定于机体本身，同时又是适应环境的结果。所以我们只描述机体本身是不够的，还需要研究机体与周围环境的关系。
- 另一个困难，是同一个人在同样的环境中可以有不同的反应，即个别差异，这就造成了研究结果的不确定性。
假若我们以考虑人类的一般行为为目的，设法忽略个别差异，那么我们会发现人类行为还是有明显的一般规律的，而且人与人之间的差别也不是很大。
心理学的派别
对复杂行为进行研究的理论主要有三个派别：新行为主义、格式塔心理学派和信息加工学派。这三个学派是从不同的方面研究行为的。
当一门科学发展到成熟阶段时，它对某一个问题的解释就不再会存在对立的派别，而会有一个一致的看法。
各派心理学都想更好地认识人类机体是如何活动的，它们之间的主要差别是在方法学上强调的重点不一致。行为主义强调客观的实验方法，要求对实验严格加以控制，它的方法是操作主义的，也就是说其结果能被别人重复。行为主义把复杂的心理现象化为各个简单的部分，并研究比较简单的初级的现象，也就是所谓的还原主义。
格式塔心理学则强调研究复杂的心理现象，而这些现象有时是很难用客观的术语和客观的方法加以描述的。考夫卡（K﹒Koffka）、科勒（W﹒K9hler）等格式塔心理学家认为在问题解决的复杂过程中，不要只靠简单的尝试错误，而且还要通过顿悟。格式塔心理学区分完好图形和不完好图形。所谓完好图形，就是一些很简单的、对称的，而且容易认出来的图形，但格式塔心理学对此并没有一个很精确的定义。格式塔心理学认为知觉的基本规律是机体生来就有的，并不受经验的影响。格式塔心理学也不同意把复杂现象分解为刺激-反应之间的关系。
认知心理学是用信息加工过程来解释人的复杂行为的，它吸收了行为主行为主义和格式塔心理学的有益成果。
认知心理学的任务和方法
心理活动的最高级层次是思维策略，下面一级是初级信息加工过程，最下层是生理过程，即中枢神经系统、神经元和大脑的活动。计算机的最上层是计算机程序，下面两层是计算机语言和计算机硬件。 认知心理学主要研究高级层次的思维策略和初级信息加工过程的关系。
认知心理学的目的就是要说明和解释人在完成认知活动时是如何进行信息加工的，如他知觉到物体的哪些特征，看到了事物间的什么关系；外界信息是怎样存储在头脑中的；他在解决课题时利用了哪些信息，采取了什么样的思维策略等。
认知心理学研究的另外一个重要课题是学习问题。人在活动过程中，机体本身会发生一定的变化，这些变化使他在以后的活动中能更快、更灵活地完成某种作业，并且不经练习也能完成其他同类的作业，这就是学习。
从历史上看，心理学的研究差不多有一半是关于学习的。
- 第一，心理学起源于哲学，认识论是哲学的根本问题之一，认识论要说明外界信息是怎样存放在脑内的，实际上这就是学习问题。
- 第二，学习与教育密切相关，社会需要科学的学习理论，以便于建立合理的教育制度，因而学习问题自然就会引起人类极大的关注。
- 第三，人类的学习活动是那么广泛，它贯穿于人的一切活动领域中，而学习者之间的差别又是那么大，人们总希望能从差异之中找到学习的一般规律，以指导教育实践。
物理符号系统
我们把人看成一个信息加工系统。信息加工系统也叫“符号操作系统”（symbol operation system），更常称作“物理符号系统”（physical symbol system）。用“物理符号系统”主要是强调所研究的对象是一个具体的物质系统，如计算机的构造系统、人的神经系统、大脑的神经元等。所谓符号就是模式（pattern），任何一个模式，只要它能和其他模式相区别，它就是一个符号。不同的英文字母就是不同的符号。 一个完善的符号系统还应该有更多的功能，归纳起来有下列六种：
- 输入符号（input）：纸、铅笔加上手的运动，可以给白纸输入符号。
- 输出符号（output）：纸本身并不能输出符号，但我们的眼睛可以使之输出。当我们阅读时，文字符号就从纸上输出而进入眼睛了。
- 存储符号（store）。
- 复制符号（copy）：认出“心理学”三个字，并把这三个字复制出来，存储在某个地方就是复制符号。
- 建立符号结构（build symbol structure）：通过找到各种符号之间的关系，在符号系统中形成符号结构。
- 条件性迁移（conditional transfer）：依赖已掌握的符号而继续完成行为。如果在记忆中已经有了一定的符号系统，再加上外界的输入，就可以继续完成这个活动过程。
如果一个物理符号系统能够完成上述全部六个过程，它就是一个完整的物理符号系统。
我们现在可以提出一个叫作物理符号系统的假设（physical symbol system hypothesis）。这个假设简单说，就是任何一个系统，如果它能表现出智能的话，它就必能执行上述六种功能。反过来也可以说，任何系统，如果具有这六种功能，它就能表现出智能。我们这里所指的智能就是人类所具有的那种智能。人类能够观察、认识外界事物，接受智力测验，通过考试，料理生活中的事情等等，这些都是人的智能的表现。
物理符号系统的假设伴随着三个附带的推论，或称附带的条件。
- 第一个推论是，既然人具有智能，它就一定是个物理符号系统。我们认为，人之所以能够表现出智能，就是基于他的信息加工过程。
- 第二个推论是，既然计算机是一个物理符号系统，它就一定能表现出智能，这是人工智能的基本条件。
- 第三个推论是，既然人是一个物理符号系统，计算机也是一个物理符号系统，那么我们就能用计算机来模拟人的活动。
人类智能的计算机模拟
心理学曾试图用经典数学来建立心理活动的数学模型，但不是很成功。在心理学方面不太成功的原因，可能是由于数学所用的语言不适合研究人类对象。 如果要用经典数学来建立某一学科理论，首先就必须把这个学科的对象和过程转化成数字。但是人类的许多智能活动很难用数字来表达，所以建立关于人的智能活动的数学模型是困难的。值得注意的是，计算机程序语言的形式比经典数学的形式更能表示和描述人的心理现象。
人类认知系统的结构
人是通过搜索来解决问题的。人在解决问题时，一般并不去寻求最优的（optional）方法，而只要求找到一个满意的（satisfying）方法。人在解决问题时，具有可变的志向水平（aspiration level）。
人脑的基本机能
设计一个有效模拟人的认知活动的系统。这样一个系统必须满足下列四个条件，或者说这个系统必须具备下列四种功能。 模拟人类认知活动系统的必需条件：
- 这个系统必须是一个单线的、进行系列（serial）活动的系统，因为人只能同时想一件事、做一件事。人就是一个单线的系统。
- 这个系统只能进行有限的计算。人用弓箭去射一个目标时，并不能同时列出箭行进的微分方程。
- 这个系统必须能够发展多方面的需要。人在生活中有各种需要，不仅有衣、食、住、行等基本的需要，而且还有不断增加的新的物质需要，如自行车、手表等等。此外，人还有不断增长的精神和文化的需要。
- 这个系统必须能够处理突然发生的、没有预料到的事件。
在人类的进化过程中，人脑发展了认知活动的三种机能，这三种机能使人能够完成上述四种功能。
- 人是通过搜索来解决问题的。 所谓搜索就是提出策略并用其来解决面临的问题。由于搜索过程是串行的，而人的计算能力又是有限的，所以对解决办法只能一个一个地加以尝试。
- 人在解决问题时，一般并不去寻求最优的（optional）方法，而只要求找到一个满意的（satisfying）方法。 为什么只要求找到满意的而不一定是最优的解决方法呢？因为即使是解决最简单的问题，要想得到次数最少、效能最高的解决方法也是非常困难的。
- 人在解决问题时，具有可变的志向水平（aspiration level）。 人的一个特点是可以调节满足需要的程度。人根据不同的情况，调节自己满足需要的幅度可以是很大的。
除了人类认知活动的上述三种机能之外，所设计的认知系统还必须具备注意、记忆、运动等信息加工的结构。
注意分配机制
在人的生活中，每时每刻都有大量的符号进入感觉器官。这些符号中只有少数引起中枢神经系统的活动。人脑如果不能把大量的输入信息过滤掉，就不能进行加工。 对于人这样一个系统，除了有单线加工特点，能通过有限的活动解决复杂的需要，能应付突然出现的事件外，还必须具备控制注意的机制。 在日常生活中，中断注意的机制是很重要的，这种机制能把人的认识活动和满足其生理需要及其他需要联系起来，因为中断和转移注意的机制可以使人的各种需要互相发生竞争。中断注意和人的情绪有关。
记忆系统
记忆分几个部分，
- 一部分是识别记忆。识别即再认（rec‐ognition），认识记忆中已有的东西。
- 在记忆中还有程序。数据提供各种情况和资料，程序则组织和利用这些资料。
- 长时记忆即原有的数据，识别时有的数据要输出来，没有传出的就在长时记忆中保存着，同时还会有新的数据存到长时记忆中去。
- 从视觉、听觉传入，到短时记忆识别出这个事物，其间还有一个小的记忆，即缓冲记忆。
- 另外，输出前也有一个小的记忆，即动觉记忆。
EPAM系统
费根鲍姆（E﹒A﹒Feigenbaum）在他的博士论文中提出了一个“初级知觉和记忆程序”（elmentary perceiving and memory program），简称为EPAM程序。这个程序分为两步，第一步是操作，第二步是学习。
如果每次检验只是区别是和否两种情况，且有10层检验，那么就能分辨出1 024个项目；如果有20层检验，就能分辨出约100万（220）个项目。如果每次检验用10毫秒，那么，只用200毫秒就可辨别出100万个项目。这种假设有很大的可能性，人在很短的时间内就能辨别许多事物，而每一次检验又都是无意识进行的，速度很快。在开始学习做一件事时，可能是有意识的辨别，如一个人刚学认字，或科学家初次分辨动植物时都是有意识的。但熟悉了之后，就可以自动化、无意识地进行分辨了。另外，每次检验不一定都是二分的。有时一次检验可以有许多分支，例如在辨别一个字的偏旁时，就可以检验它是“讠”字旁、“氵”（三点水），还是“木”字旁。现在还没有足够的证据说明辨别网络是如何工作的。
人在认识汉字时总是根据已有的知识不断提出检验。这个检验是逐层进行的。在检验中来进行再认，这同时也就发展了辨别网络。把这个过程编成一个计算机程序，在技术上并不太难。这个程序就是EPAM程序。EPAM程序是人的再认记忆模型。
EPAM能证实五种现象：
- 加工时间。
- 意义性效应。学习材料的意义影响学习所需的时间。
- 符号相似性的影响。
- 一次学习和多次学习。何种条件下要多次学习，何种条件下可以一次学会。这要依赖两种因素：
- 学习材料的难度。
- 学习者的策略。
- 系列位置效应。两头好，中间差。
系列加工与平行加工
人的感觉输入和运动支配有许多成分是平行加工的。但在大脑皮层水平的记忆、思维、注意等过程则多是系列加工的。
遗忘
有两种最主要的遗忘理论。第一种理论认为遗忘是原来的记忆被擦掉了；第二种理论认为过去的记忆一直保留在头脑中，遗忘只是记忆恢复不起来了。
格式塔心理学早已证明学习中掌握关系的重要性，意义识记要比机械识记效果好得多。
问题解决
产生式系统
信息加工系统能进行数学运算是以产生式系统为基础的。所谓产生式系统，是指计算机所能执行的一组活动，它的基本原理是一个条件能产生一个活动，即C‐A（condition‐act）。过去在心理学中有一个S‐R公式。产生式系统是从“条件”到“活动”，其中的活动就相当于反应。 S‐R与C‐A有联系，但也有不同。二者共同的地方是当刺激出现时就会出现反应，当“条件”出现时就会出现“活动”。但是，在“条件”和“活动”的联系上，“条件”并不等于外来的刺激。“条件”有已有的信息，即在短时记忆中已保存了的信息，这是二者的区别。
关于人脑如何以产生式进行活动，还有和EPAM理论相近似的其他一些理论，如安德森（J﹒Anderson）的“扩散激活理论”。安德森认为，在长时记忆里并没有独立的短时记忆的小盒子，而只有一个小的活动着的部部分。例如，在做代数时，在长时记忆里过去的有关部分被激活了。被激活的这一小部分就相当于我们所说的短时记忆。在长时记忆中，一部分活动可以减弱，另一部分活动可以加强。长时记忆中被激活的部分会不断地扩散、变化，这就相当于从长时记忆中提取短时记忆。长时记忆和短时记忆这两种存储模型，以及安德森的“扩散激活”模型，对于解释一些记忆现象都是适合的。
联想
学习的基本联想是单向的，例如对偶联系就是单向的，提出刺激词可以想到反应词；而提到反应词就很难想到刺激词。
记忆序列性材料是简单的联想，这种联想就是在头脑中把材料排列成一个简单的表。如果记忆复杂的材料，头脑中就会有两种结构：一种是序列性的；另一种是关系性的。
人的长时记忆中的程序和有组织的数据，是按辨别网络来提取的。如果从记忆中回忆一些往事，这可能包括两种过程，或是一个一个地按序列进行的；或是同时进行的。如果是直接再认，那就是从长时记忆中很快地把有关信息提到短时记忆中来。
问题空间
认知心理学家之所以对记忆结构感兴趣，是希望通过对它的了解，能对人的更复杂的心理过程有所了解。人们日常生活中所进行的复杂的心理活动，有时也叫作“高级心理过程”。关于这种高级心理过程能否用简单的“机械学习”“刺激-反应”等规律进行解释，一直存在着争论。 人在生活中解决复杂而又困难的问题，人认识和适应外界复杂的环境，像这样复杂的活动能否用实验室得出的基本知识加以解释，仍是一个问题。 即使对这样简单的课题，被试也不会初次就能理解得像主试那样深刻，只有后来经过学习，有了经验，才能理解那些深刻的特征，主试在“任务领域”中的一系列信息才能变成为被试的信息。对于像河内塔之类的简单课题，虽然经过多年的反复研究，但在人类问题解决的课题方面仍不时会有新的发现。
问题解决的途径
- 假设-检验法
- 选择性搜索
- 爬山法
- 手段-目的分析法（means‐end analysis）。在某些方面类似于爬山法。我们解决了第一步问题，然后再解决第二步问题，可是在解决第二步问题时，第一步问题又出现了。因此，为了更好地运用手段-目的分析法解决问题，就需要有解决问题的结构。在解决问题之前进行设计，这就是“计划”。不能正确地用视觉形象把问题加以表征，有时也是使问题难以解决的原因。
在人工智能中，我们通常把不依赖已有的具体知识来解决当前问题的方法称作弱方法。假设-检验法，爬山法都是弱方法。 选择性搜搜索是利用过去已有的知识经验，有针对性地提出假设，然后再进行检验得出结论。这是有效的解决问题的方法，是一种强方法。在解决某个问题的时候利用强方法，是非常重要和有效的。
问题解决的策略
不同的人可以用不同的方法去解决河内塔的问题，我们可以提出五种解决河内塔问题的方法，它们有不同的知觉、记忆活动，应用了不同的技能和策略。
一种解决问题的策略是内部指导的策略，即在短时记忆中已经有了一些信息，以这些信息为指导而达到目标。这就是说被试用内部已有的信息，而不是用外部的信息。 另外一种策略叫作刺激指向的策略，或刺激引出的策略。
四种不同策略：
- 目标递归策略（goal recursion strategy）。这种策略是内部指导的目标递归策略。我们不必用眼睛看具体的东西，只是把内部目标记在脑子里，就可以一步步循环，最后解决问题。这种策略使短时记忆承受了相当重的负担，因为我们必须在记忆里保持“最终的目的是什么”，“下一步应该移动什么”，“现在走到哪一步了”等等。
- 知觉策略（perceptual strategy）。知觉策略依赖于外界刺激，是刺激指向的策略。
- 模式策略（pattern strategy）。模式策略也是一种内部指导的策略，这个策略没有目标的问题。
- 机械记忆策略（rote memory strategy）。这种方法是把做对的一系列步骤死记硬背下来。解决上述河内塔问题总共只有31步，我们可以努力把所有的移动步骤背下来。
四种策略的差别 我们用这四种策略教不同的人去解决同一个河内塔问题，他们都能做对。这四种策略有以下的差别：
- 学习时间。某些策略所用的学习时间短，另一些策略学习时间长。前三种策略要比第四种策略用的学习时间短。
- 对记忆的要求。
- 回忆。回忆就是学会一种方法后，经过一段时间再把它复述出来。在记忆中，具有某种图式的内容容易被记住。前三种策略有一定的图式或模式，因而较第四种策略容易记住。
- 迁移。迁移就是用已学到的方法解决类似的新问题的能力。前两种策略可以用于解决圆盘数更多或更少的河内塔问题。第三种策略稍加修改也容易迁移到新的情境中。第四种策略是不容易迁移的。因此，当我们在教学生某一门课程时，应教给学生最好的策略，使学生学习的时间最短，不给短时记忆造成太大负担，可以长期保持，同时又容易迁移到新的情境中。
不同策略的作用
我们要让学生知道，用不同的学习方法会得出不同的结果。我们不仅要教会学生怎样解决问题，而且要教他们使用较好的方法解决问题。因为即使使用机械学习方法的学生，他也认为这样就可以学会了，他以后总是用这种方法学习。这对于保存知识和把知识运用到新的情境中去是不利的。
语义丰富领域
专家的知识除了有一定的数量外，还有一个很重要的特点，即专家遇到问题时可以很快地分析情景并作出反应。我们常把专家的这种立刻作出反应的能力叫作专家的直觉，或专家的直觉判断。专家是如何进行直觉反应的？过去这个问题很神秘，现在我们可以对这种现象作出解释了。
专家的知识
人们在日常生活中所遇到的问题是复杂多样的，要想解决这些问题就得运用个人已有的广博的知识基础。通过对问题表面结构进行分析而得出的问题的意义，称为语义。 先揭示复杂问题所包含的各种语义，再利用已有的知识，找到简单的方法，求得问题的解决，这是专家在实践中经常采用的问题解决方法。对这种问题解决过程的分析属于语义丰富领域。 我们把获得问题的意义所需要的知识称作语义知识；而需要大量语义知识才能获得解决的问题叫作语义丰富问题。
下面谈每一个行业的专家是如何利用丰富的知识经验去解决复杂问题的。我们所要考查的是专家所具有的信息的种类和数量，以及利用这些信息的方法。 专家有各种不同形式的知识，这些知识保持在长时记忆中。其中既有关于某一领域的事物和对象的知识，也有许多与之有关的线索，这些线索有助于他去提取不同的知识。专家所具有的知识可以粗略地分为两类：
- 一类可以称为数据结构（data structure），现代认知心理学也称其为图式（schema）或框架（framework）。数据结构、图式和框架这三个词是作为同义语来使用的，我们无法对它们进行严格的划分，它们包含着有关某一个特定内容方面的知识。关于内容方面的知识。
- 有关如何去做的方法步骤或程序。 至于在我们的知识中哪些属于数据结构，哪些属于方法步骤，这是个很复杂的问题。在发展计算机时，有时也会遇到如何辨别信息是属于数据结构，还是属于方法步骤的问题。
一个专家的长时记忆里究竟保持了多少知识呢？在心理学中知识数量的单位是组块。人获得一个组块并将它加以保持，不管内容上的差别，所需的时间大致是恒定的。 各种专家所具有的知识差不多都是5万～20万个组块。
- 学习一个组块，无论是简单的或复杂的，所用的时间是一样的。
- 把许多小的东西连起来组成一个组块时，联系的时间基本上也是不变的。
记忆持续的时间是无限的。一个东西记住以后能持续多长时间，测量的结果是不定的。注意不稳定，保持时间就短；如果加以复述，保持时间就可以很长。
专家的直觉
专家的知识除了有一定的数量外，还有一个很重要的特点，即专家遇到问题时可以很快地分析情景并作出反应。我们常把专家的这种立刻作出反应的能力叫作专家的直觉，或专家的直觉判断。
直觉实际上是一种再认，一个人只有对非常熟悉的东西才会有直觉。通常所说的科学上的偶然发现，对专家来说却不是偶然的，是他利用了已有的知识认识到了当前的情景。 科学家根据以前的经验，可以认识一个领领域里的许多事件。当一个不寻常的事件出现时，他就可以知道这是一个问题。任何一个系统，如EPAM辨认系统，当它发现了新的事物时，就叫有了直觉。 专家需要解决的问题太多，时间有限，因此他解决问题主要靠再认。
在科学领域里，无意识的发现常被认为是神秘的。有时一个人对某个问题总是解决不了，他就把这个问题放在一边去睡觉。但是，到第二天早晨醒来忽然问题就解决了。有一种假定，认为睡觉时大脑还在无意识地工作。对这种假定，我们无法证明它是对的还是错的，但我们可以用信息加工的观点对这种现象作另外的解释。
解决困难问题时要在这个问题空间里进行搜索，这其间会进行很多加工。在搜索过程中，随时要进行判断，看是沿这条路继续搜索呢，还是停止这条搜索的路线而另走别的路线？根据短时记忆的特点，如果按照已有的搜索路线前进，这是比较容易做的，因为前面已经搜索过的路还在记忆中保持着。但是，搜索方式是有一条总的支干，上面分出一些小的分叉，在问题搜索的进行过程中，也会发现一些新的问题特点，并将其存储在长时记忆中。 当一个人解决不了当前的问题时，他也可能先把这个问题放一放，以睡觉去转移注意。这时在短时记忆里的东西都忘了，记忆里只有过去在长时记忆中存储下来的东西。根据长时记忆中存储的东西，可找到另一条路进行搜索，可能这条路对了，问题就解决了。 蔡卡尼克效应（Zeigarnik effect），是让被试把一些工作做完，另一些工作没做完就中断，过一段时间让他回忆都做过哪些工作。结果，他回忆未完成的工作比回忆已完成的工作要好些。这说明有些活动还没做完就搁下时，在另一头脑空间里还在继续进行活动。 在安德森的记忆理论中，没有短时记忆的概念，所谓短时记忆，只是那些被激活而且阈限最低的部分。长时记忆的扩散激活理论可以解释蔡卡尼克效应。
心理表征的作用
如果一个问题得到了正确的表征，可以说它已解决了一半。 用图解容易看出矛盾，有助于问题的解决。视觉表象、直观形象对于解决一般问题也有帮助。
表征（representation）是问题解决的一个中心环节，它说明问题在头脑里是如何呈现、如何表现出来的。
当根据言语表述来想象事物时，脑中起作用的东西多于用言语表述出来的东西。这就是说对新输入的信息进行加工要利用已存储的知识，把旧信息增添到新信息上面来。 另一方面也说明，我们脑中的表象具有抽象的性质。因为世界上的具体事物都有特定的颜色，既然我们说不出表象的颜色，就证明表象是抽象的。 人脑中进行加工和存储的信息具有抽象的性质，但其抽象的性质并不相同。有些采取表象的形式，有一定抽象性也有一定形象性，例如能够看出圆面积与直径的关系；也有一些采取更加抽象的符号形式，只能用言语表述，不能形成表象，如概念和命题。认知心理学家将信息在头脑中的呈现方式统称表征。 表象只是表征的一种，以其形象性与抽象性相结合为特点。 表征包含了两个方面的含义：信息和对信息的加工。
物理直觉问题
专家解决问题是非常快的，一方面他要得到一些信息，另一方面他能很快从头脑中提取出已有的信息。 物理学家也常用物理直觉来解决问题。物理直觉是指物理学家一看到某一物理现象就能解释这种现象。 这种情况使我们想到教育学中有关的问题。我们看到了物体转动的实际情况与人的知觉的关系。通过学习物理学的知识，可以克服物理直觉所导致的错误。
梯子的图式告诉我们梯子是一个杠杆，杠杆里面包括更多的内容，如杠杆有一个支点，支点本身是不动的。这个实验里，梯子的脚是不动的，我们可以把它看作是支点。杠杆还有一定的长度、重量、重心等等。关于杠杆的另一方面的知识是，我们可以对杠杆施加力的作用，如给支点一个力，这点是梯子和墙相交的那一点。同时重心也有一个力的作用，人站在梯子上也是一个力的作用。在绳子拉住顶端的那一点也有一个力的作用。要解决杠杆问题，计算机程序或人的记忆里需要有一系列的知识。 一旦人或计算机程序辨认出杠杆这两个汉字，就会从记忆中把杠杆的图式提取出来，立即认识到所需要的关于杠杆的知识，用它们来解决课题。
我们可以把图式的各种特性看成好多空洞，再找出每个空洞必须填进的内容。图式本身就可以指导我们找出所需项目、数据，同时也告诉我们这种问题是属于哪种性质的问题。问题的叙述已告诉我们，这个问题不仅涉及杠杆的图式，而且还涉及绳子的图式。绳子在物理物理学上是一个线性的物体，可以传导力的作用，这就需要填补关于绳子这一图式的空洞。所缺的信息包括力是如何作用的；其数据资料是什么；绳子两端与什么相连等。此外还需要其他的图式，如人的图式（质量），墙、地面的图式等等。
一旦人或计算机程序确定了这个问题所需要的图式，以及每个图式所需要的数据，然后就会把这些图式综合在一起变成一个新的图式——问题图式（problem‐schema）。在问题图式中说明了各个分图式的关系。为了判断人或计算机是否理解了这个问题，可以要求人或计算机程序画一个关于这个问题的图解。如果人能画出一个图解，哪怕是粗略的图解，就说明他确实理解了问题。如果计算机理解了这个问题，它就能在显示器上呈现出这个图。如果人或计算机程序画不出图解，可能是问题没有说清楚，或者是人或程序没有听懂这个问题。对一个问题的理解有不同的水平，可能是肤浅的也可能是深刻的。如果这个系统能对问题有深刻的理解，那么它不仅能画出图来，而且能把力的作用关系用方程式表示出来。但是当这个系统能写出方程式时，并不一定说明它已经理解了这个问题，因为有时写出了方程式却仍不能解题。在所谓不可能的问题里，如前面提到的，把一根木棍截成两节，一节长、一节短，短的这节要长于长的那节。所有认出问题有毛病的被试是通过画图达到的。如果一个人不画图，常常很难看出问题的毛病。要对一个问题有所理解并写出方程式来，最好的方法是先画出一个图来，有个内部表象，然后再写方程。有了方程就可以使问题得到解决。把语言文字题目换成代数方程，不仅是句法的翻译问题，还必须认识整个问题的相互关系，否则就很难做到。所以在解决不可能问题时，如果先写方程，往往就会做错。总之，利用已有知识分析语言，提取有关图式，填充其中空洞和组成新的问题图式，是计算机和人在不准画图的情况下解决问题的基本过程。
专家一步就能解决的问题，而新手要用两步才能解决。专家是把这两步合成一步，而不具体想这个方程的。因此，专家的口语记录要比新手的口语记录短得多。通常专家每分钟说的字要比新手多一倍，他说的话只是新手的一半。这与过程的自动化有关。在获得了技能的自动化后，如骑自行车很熟练时，可以无意识地完成很多复杂的动作，而新手就必须随时有意识地注意每个动作的环节。专家的口语记录很短，而且速度快，是因为许多中间的步骤没有在短时记忆中出现，所以报告不出来。
专家与新手的另一个差别是，专家的口语记录多数都是与题目有关的，很少提到题外的话；新手则做了许多原叙述（描述和评价自己的过程）。例如：“哎呀，这道题该怎样做？”“我这样做错了。”在解打枪的问题时被试说：“应该是每秒200米，这应该是对的。”“哎！这有些问题。”可是在专家的口语记录中很少出现这样的叙述。
专家的行为有一个重要方面与新手不同。开始时，专家不去注意哪几个变量是未知的，而注意哪些变量是已知的。假如首先知道V 0 和V t ，就要从已知量中去推算出其他变量。专家与新手解决问题的不同点就在于，专家不是从目标往回走，而是扩展已有的知识去解决问题。我们分析专家的口述记录，发现他们不是寻找要求得的东西，而是从已知的东西往前走。这一发现使我们惊讶。因为在教书时总要求学生去发现题目问的是什么，为了得到答案去利用已有的知识。这种教法表面上合理，好像是有的放矢，可这是新手解决问题的办法。专家是根据已有的东西，想办法加以利用。只有当专家遇到难题时，他的解题步骤才与新手相近。我们按以下方式解释这一现象。
当专家一旦看到一个属于他的知识领域的问题时，就能立即得到丰富的信息，能了解到这个问题的内部含义。专家通过已知的数据可作出许多即时推理，即时推理假如包括了他们要解的未知的东西，他就不必作出计划而能立即作出结论。如果这个专家不能立即推理，就会用手段-目的分析法来解决问题。这时，他就把注意力放在目标上，缩小了探索的范围，有了固定的方向性。有时，专家要解决一个困难问题，而又解决不了，他就把问题放在一边。根据已有的数据继续扩展，得到更多的信息，把这些信息存入记忆中。这种把搜集更多的信息存起来的行为就是搜集信息的行为。 有时为了解决问题，往往交替使用两种方法。如果利用推理解决不了问题，就搜集信息。专家解决问题时，不论采取即时推理还是采取信息搜集，表面看来都是物理直觉。
专家与新手解决问题的差别可以归纳为以下几个：
- 第一个差别：专家不注意中间过程，可以很快地解决问题；新手需要很多中间过程，而且要有意识地加以注意。这种差别使专家的口语记录短得多，解决问题的速度也快得多。
- 第二个差别：新手先明确目的，从尾到头地解决问题；专家或者立即推理，或者搜集信息，从头到尾地解决问题，即是一种再认过程。
- 第三个差别：专家更多地利用物理直觉，即根据生活经验的表征来解决问题；新手则更多地依赖正规的方程式解决问题。专家解决问题依据的经验中的基本关系是复杂方程式的基础。
对问题的理解
理解问题和解决问题是不同的。 理解的一个重要指标就是看一个人能否用平常的语言把问题陈述出来，并通过对问题的陈述产生关于问题的内部表征。假定被试有解决问题的能力，即具有通用问题解决程序，他就能以通用问题解决程序对内部表征进行加工，最后才可能对问题作出解答。这就是理论上的理解过程。换句话说，我们能不能解决问题，就在于能否在内部产生表征，并用通用问题解决程序对内部表征进行加工 为了模拟解题过程，需将其简化。最简化的过程是第一步达到完全理解，然后进行解题。如果要更完整地表现这一过程的话，就应该在模拟程序里放进理解与解题交互作用的部分。为了确定表征部分有哪些信息，信息以什么形式存在，首先就要确定在解题过程中需要哪些信息，这些信息的形式又是怎样的。为了解决一个问题，就需要确定问题空间有哪些内容。通用问题解决程序就要求具备有关课题的知识。拿解决河内塔问题来说，它就要求那些关于圆盘和棍，以及问题之间关系的知识。如圆盘在棍上，一个圆盘在另一个圆盘上面等。除此之外，通用问题解决程序还要求知道哪些动作符合规则，如每次只能挪动一个圆盘，圆盘之间有大小的关系，不能把大的盖在小的上面。为了使通用问题解决程序能够工作，还要了解有哪些差别存在，如圆盘在一个棍上而不在另一个棍上，一个圆盘挡着另一个圆盘等等。要了解河内塔的解题过程，就要把解题所需的全部信息列出来（如表5-1），并把这些材料存储在计算机的记忆里。
劣构问题
劣构问题（ill‐structured problem），或结构上有毛病的问题，指的是那些意义、目标或算子不明确的问题。河内塔问题是理想化的、结构完整的问题。此外，像书生和野人过河的问题，下棋、物理以及数学问题，也都有明确的目标、明确的任务范围，而且算子的动作也是合理的。这些问题都是结构完整的问题。 可是日常生活中的一些现实问题和专业问题，却并不那么清楚明确。如果我们自己真的要过河，船能载多少人、船速快慢、沿河走路是否会有桥等，对这些问题我们事先并不一定知道。同样的情况，建筑师要设计一幢大楼，盖楼的单位提不出明确的要求，不知道楼里各房间的用途，也不知道都需要用什么样的材料等等。然而建楼的细节又是很重要的，这些只有通过设计师和用户的互相商讨才能逐渐明确。所以说解决楼房设计问题的过程包含一系列的步骤：首先要提出整幢楼房主要轮廓的初步设计；然后再与用户讨论；用户提出新的要求；按用户提出的要求再次进行设计……这样一步一步地进行下去。这是一个循环的过程，或者说它经历了一系列的周期，如图5-16所示。设计师在解决问题的过程中并不一定就知道怎样达到目的，他需要进一步去搜集材料，征求别人的意见。这个过程是我们实际生活中经常遇到的。
上述解决问题的过程与计算机程序解决问题的过程不同，它达到目标的各种要求是逐渐满足的，它的一部分目标要从计划空间过渡到细节空间。这里并不是说开始的目标是抽象的，最后的目标是具体的，而是说最后的一次设计和开始时的计划可能差别很大。同样，在设计中算子也会随设计的进程而改变。例如，工程师设计一座桥，开始设计成了拱桥，后来发现地基不适合，这就需要整个改变设计方案。生活中的问题更为复杂多变，因此模拟理论也应该适用于模拟这些生活中的问题。在解决这类问题时，虽然目标是经常改变的，但是，如果我们把被试的口语报告记录下来，我们会发现，在一段短暂的时间里，问题解决过程的结构却是合理的。假定把整个解决问题的过程看成是一个很长的过程，我们用剪子把它剪成几个片断，并从中任意选取一段进行分析，那么，在这一片断内，是结构合理的问题的解决过程。
音乐家的乐曲创作问题，应该属于结构不合理的、没有明确的目标的问题。因为作曲者可以采取不同的风格来解决创作的问题。但是研究作曲者的口语记录发现，他解决问题的整个过程中，每2至3分钟便是一个片断，在每一片断内，他所解决的问题的结构却是合理的，即他在2分钟之内作出的曲子一般是和谐的。由此可见，结构不合理的问题是由一系列结构合理的小问题组成的。正因为如此，结构不合理的问题才能够被解决。在解决小问题的每一个阶段里，也提出了下一个待解决的新问题，同时对整个问题的解决也提供了信息。这种一步一步地解决的过程会造成两种后果：一种是聚合过程，使问题的范围越来越小，最后达到解决；也可能在解决每一个小问题后，又想出新的问题，使问题越来越分散，达不到解决的目标。例如，图5-17中的三角形是不可能图形，单独看它的每一个角都是合理的结构，但连续看三个角时就会发现矛盾。由于问题的解决始终不能汇聚到一点上来，因而达不到最后的理解。
有人把人类称为局部有理性的（locally rational）动物。因为人通常对于一个小问题能够得出首尾一致的解释。但是若把局部合理的问题扩延成生活中的大问题，往往就会发现这些问题相互矛盾，前后并不一致。
用两种方法可以帮助人们解决复杂的、结构不合理的大问题，使问题统一于一个汇聚点。
- 一种方法是做计划，把整个大问题加以抽象，把有助于解决问题的成分抽象出来。如设计师可以根据以往的经验，先把大的框架设计出来，这样，细节性的小问题就容易解决了。在解决小问题时，解决问题的次序也很重要，尤其是对那些影响较大的小问题来说，其解决的先后就显得更重要。如果设计得好，后期小问题的解决就不会与先前的小问题发生矛盾，更不至于改变整个设计方案。
- 第二种方法是满意法。所谓满意法，就是只要求找到一个比较满意的解决办法，而不保证这个满意的解决方案就是最好的解决方案，例如在建筑设计中，可以提出一个比较满意的方案，而这一方案并不一定是最好的设计方案。采取满意法出于两种原因：
- 人们不可能把各种各样的方案都设计出来，再对它们进行评价，从中进行优选，因为那样做代价太高。一般只能设计出2至3个方案，从中择优，而忽略其他可能的方案。
- 任何方案都有相互矛盾的要求，总要进行取舍。