Why LoT
我将自己的实验室命名为 Language of Thought Lab，而不是常见的 “Computational Neuroscience Lab”。为什么选择这个名字？
这是因为我认为，“计算”只是研究工具的一种，而我们真正关注的，是抽象的思维本身。这一点与传统神经科学以知觉（perception）或运动控制（motor control）为核心的研究路径有本质区别。我们关心的是：思维的本质机制。
思维的三个核心特征
我认为，思维具有以下三个核心特征：
思维是内在模型与世界交互的产物
智能体的思维产生于其内部表征与外部世界（无论是物理环境还是社会群体）持续互动的过程中。思维是隐藏的
思维潜藏于多种行为数据中（比如行为选择、眼动、身体动作），也掩映在不同尺度的神经动力学数据中（如 fMRI、EEG、MEG、电生理、双光子钙成像）。对研究者而言，思维始终是隐匿的，甚至对个体自身也未必清晰可见。思维是动态变化的
正如“人不能两次踏入同一条河流”，今日的思想已不同于昨日。思维在时间中持续演化和生长。
多学科交叉的必要性
这三个特征决定了，对思维的研究必然是多学科交叉的。
- 我们需要物理学、控制论、信息论、经济学等理论，为世界的原理建立框架，并为探索思维的内在模型提供假设空间。
- 我们需要心理学、神经科学等实验科学，指导我们设计精巧的心理物理实验，并提供高质量的数据支持。
- 我们需要机器学习、概率统计、动力系统等数理工具，帮助我们分析复杂的数据，验证数据与理论之间的契合程度。
- 我们还需要参考人工智能、哲学、社会学等领域的最新进展，来对比并反思自然智能与人工智能的思维过程有何异同。
关于“Language”的含义
名字中的另一个关键词 “Language”，并不局限于狭义的语言系统，也不意味着我持有“语言是思维载体”的哲学立场。
我想表达的是：思维具有某种规律性与低维结构，它可以像语言一样，被表达为一套原则、语法或规则。
总结
在 Language of Thought Lab，我们希望探索的，正是思维背后的智慧原则。
我们不仅关心大脑如何进行计算，更关注：大脑为何如此思考。