涌现的符号认知：人类和大型语言模型中符号思维的统一计算框架

鉴于语言在心理生活中的普遍性，语言在促进结构化思维中的确切作用在人类中仍然难以研究。然而，基本上是联结主义的大型语言模型（LLMs）中流畅且连贯语言的惊人涌现——这些系统仅通过文本学习——为语言在认知中的作用提供了一个新的实证视角，挑战了历史上的符号-联结主义二分法，并促使重新评估。我们提出了涌现符号认知（ESC）框架，认为通用智能来源于并行自适应基质（如大脑或人工神经网络）与通过统计学习内化的结构化符号框架（如语言）之间的相互作用。基质的并行架构支持快速、直观的模式匹配，但从根本上不适合结构化思维（如因果推理、逻辑演绎）所需的序列处理。ESC提出递归符号生成是克服此限制的机制。通过生成一个符号（单词或标记）并将其反馈作为输入，基质作为序列符号处理器运作，类似于图灵机。这个递归循环使其能探索潜在思维的庞大组合空间，构建新颖且结构化的解决方案。ESC在生物认知各种现象中获得有力支持——神经科学、内心言语及跨文化研究为证——以及LLMs中新兴的推理和抽象表征。ESC因此提供了一个统一框架，通过将语言视为一种继承的认知架构，调和了联结主义学习与符号能力，从而支持通用智能。