归纳推理是人脑最重要的高级思维功能之一,但是到目前为止,对其认知神经机制的研究还较少。人类在生产和科学实践中,能够从观察的现象或数据中,发现精彩纷呈的客观事物,并不是无规律可循,而这种规律的发现便是归纳推理的结果。序列完型任务(包括数字和字母)是典型的归纳推理任务。针对这一问题,本研究使用序列完型任务(包括数字和字母)为实验材料,采用脑功能磁共振成像及计算认知建模相结合的方法,深入研究人脑归纳推理过程的认知神经基础及信息加工机制,并建立其计算认知模型。本文的主要工作包括以下四方面内容。　　 第一部分归纳推理认知成分的功能定位和成分分离　　 目的：本研究考察归纳推理2种关键认知成分:规则识别和规则推断的共同脑区及各自的特定脑区。主要目的是:①考察规则识别的神经基础并考察背外侧前额叶是否为规则识别成分的特定脑区;②考察规则推断成分的神经基础并考察纹状体(尾状核)是否为规则推断成分的特定脑区;③考察规则识别与规则推断成分的共同神经基础及其特定脑区。　　 材料和方法：20名(23.6±3.1岁,10男,10女)北京工业大学或首都医科大学宣武医院学生有偿作为被试参与本实验。本实验设计了3种实验任务:规则归纳(RI),规则归纳及应用(RIA),知觉判断(PJ),利用3T磁共振扫描仪采集被试的功能数据和3D结构数据。功能磁共振数据采用SPM5进行数据预处理和统计分析。根据认知减法原理,通过对比(RI-PJ)获得规则识别成分相关脑区;通过对比(RIA-RI)获得规则推断成分的相关脑区,并通过联合分析和差集分析获得两种认知成分的共同脑区和各自特定脑区。　　 结果：结果发现,左侧顶上小叶包括楔前叶的一部分和背外侧前额叶构成了规则识别和规则推断认知成分的共同神经基础。规则识别认知成分更特定地激活了额-顶通路,而规则推断认知成分则更特定地激活了纹状体-丘脑通路。　　 结论：本研究发现归纳推理过程是由前额叶,顶叶,以及皮层下灰质等多个脑区共同参与的结果,其中一部分是规则识别和规则推断认知成分特定的脑区,一部分是这两种认知成分共同的神经基础。　　 第二部分归纳推理规则维度效应的神经基础:功能磁共振研究　　 目的：本研究考察归纳推理中规则维度效应(复杂任务vs.简单任务)的神经基础,特别地,分别考察规则识别和规则推断认知成分的规则维度效应的神经基础。由于规则识别中的周期发现认知成分和规则推断中的规则分离认知成分,仅出现在复杂归纳推理任务中,本实验假设,与简单任务相比,解决复杂归纳推理任务需要更长的时间,并且其正确率相对较低。基于既往关于问题解决和类比推理的相关研究,与简单任务相比,我们假设双侧前额叶,特别地,背外侧前额叶将更多参与解决复杂归纳推理任务。　　 材料和方法：23名(23.1±2.2岁,11男,12女)北京工业大学或首都医科大学宣武医院学生有偿作为被试参与了本实验。本实验采用2×2事件相关实验设计,共160个实验任务。第一个因素为任务类型,即规则归纳任务和规则应用任务;第二个因素为规则维度,即简单规则其规则维度为“1”(40个简单规则归纳任务和40个简单规则应用任务)和复杂规则其规则维度为“2”(40个发展规则归纳任务和40个复杂规则应用任务)。从而,产生4种条件的任务:简单规则归纳(SRJ),复杂规则归纳(CRI),简单规则应用(SRA),复杂规则应用(CRA)。本研究定义的“对比”包括:任务主效应(SRI+CRI)-(SRA+CRA);两个任务简单主效应(SRI-SRA),(CRI-CRA);规则维度的简单主效应的联合分析;任务和规则维度的交互作用(CRI-CRA)-(SRI-SRA)。　　 结果：与简单规则相比,复杂规则的规则识别认知成分特定地激活了右侧背外侧前额叶和左侧舌回;复杂规则的规则推断认知成分则特定地激活了左侧运动前区,背外侧前额叶和双侧项叶后部。　　 结论：规则维度效应作用于归纳推理的2种关键认知成分:规则识别和规则推断,具有可分离的神经网络。我们的研究结果进一步拓展既往关于左、右侧前额叶在归纳推理中的作用。这种分离机制,为深入理解归纳推理的神经基础提供了新的见解。　　 第三部分归纳推理内容效应的神经基础:功能磁共振研究　　 目的：木研究考察序列归纳推理内容效应(数字和字母序列)的神经基础,即数字和字母序列共同的激活脑区及其内容特定的激活脑区。基于既往的研究,我们假设背外侧前额叶和顶叶后部皮层可能共同参与数字和字母归纳推理任务。由于数字加工过程与字母不同,我们假设数字序列任务可能激活顶内沟皮层,而字母序列任务可能与腹外侧前额叶有关。　　 材料和方法：23名(23.2±2.5岁,11男,12女)北京工业大学或首都医科大学宣武医院学生有偿作为被试参与了本实验。本实验采用了2×2设计(任务类型:推理,基线:内容形式:数字,字母),共四种实验条件,数字归纳推理任务(NumIR)、字母归纳推理任务(LetIR),数字判断基线(Is10)和字母判断基线(IsJ)。本研究定义的“对比”包括:任务主效应(NumIR+LetIR)-(Is10+Isj);两个任务简单主效应(NumIR-Is10),(LetIR-Isi);数字归纳推理的简单主效应与字母归纳推理的简单主效应的联合分析;任务类型和内容形式的交互作用(NumIR-Is10)-(LetIR-Isj),(LetIR-Isj)-(NumIR-Is10)。　　 结果：额-顶网络共同参与了数字和字母归纳推理任务,这些脑区包括双侧背外侧额叶、双侧顶叶、双侧枕叶,该结果与既往研究一致。相对于数字序列任务,字母序列任务更特定地激活了皮层-纹状体-丘脑回路,这些脑区包括双侧额叶(背侧/背外侧前额叶,腹侧外侧前额叶,内侧额叶),左侧丘脑,双侧纹状体(苍白球,壳核,尾状核)以及双侧顶叶。　　 结论：额-顶网络是归纳推理的核心神经基础,独立于视觉呈现内容;在此基础上,数字和字母序列归纳推理任务的神经机制存在分离,主要表现在解决字母归纳推理任务时需要更多地调用皮层-纹状体-丘脑回路。　　 第四部分基于理性思维的自适应控制认知体系的归纳推理计算认知建模研究　　 目的：建立人类解决数字和字母归纳推理任务的计算认知模型,并对行为结果和。BOLD信号反应进行预报和解释,进一步深入理解序列归纳推理任务的动态信息加工过程。　　 材料和方法：本研究利用理性思维的自适应控制(adaptivecontrolofthought-rational,ACT-R)认知体系框架对第三部分实验即数字和字母归纳推理任务进行计算认知建模。从行为角度预报两种任务的反应时和正确率;从陈述性知识提取和问题状态表征两个模块预报数字和字母归纳推理任务的BOLD信号变化,并利用该模型合理解释人类解决两种归纳推理任务时的行为结果和BOLD　　 信号变化。　　 结果：该模型从行为角度,预报了与实际数据相近的正确率和反应时;从陈述性知识提取和问题状态表征方面,预报了数字和字母归纳推理任务的BOLD信号变化,并且与实际数据具有较高相关性。在陈述性知识提取方面,被试通过直接“提取”方式提取数字型归纳推理任务的陈述性知识,而被试通过“计数”方式提取字母型归纳推理任务的陈述性知识。在问题状态表征方面,字母归纳推理需要进行多次陈述性知识提取,而且每次提取都对应着存储当前字母及当前关系计数更新操作,因而与数字任务相比,该模块负荷增大。　　 结论：在正确预测行为结果的基础上,该研究建立的数字和字母归纳推理计算认知模型能够在陈述性知识提取方式和问题状态表征方式两方面对实际数据进行预测并合理解释两种任务的不同的认知加工过程,具有很高的相关性和合理性,说明该模型能够对解决这两种任务的实际认知加工过程进行描述,具有较好的可靠性。　　 总之,本研究采用fMRI技术,考察归纳推理认知成的功能定位和成分分离;在此基础上,进一步考察规则维度效应对归纳推理认知成分的影响的神经机制;随着对数字归纳推理的深入研究,将序列归纳推理内容扩展到字母序列,从而考察数字和字母序列归纳推理的内容效应;进而建立被试执行序列归纳任务时的ACT-R模型,并预报行为结果以及BOLD信号反应,尝试解释人类进行序列归纳推理(包括数字和字母)的信息加过程。