2.1 後設層次
2.1.1 基本預設
2.1.2 研究方法
2.1.3 科際爭議
2.2 理論層次
2.3 經驗層次
2.3.1 人類認知
2.3.2 比較研究
2.3.2.1 生物認知
2.3.2.2 人工智慧
從研究取徑 (research approach) 來看，認知科學哲學有兩種主要的學術傳統，分別從科學哲學 (philosophy of science) 與自然化心智哲學 (naturalized philosophy of mind) 來處理不同層次的認知科學問題。以下簡述此二傳統的討論焦點、方法及其異同。
第一種研究取徑是將認知科學當成是自然科學的一個分支，並視認知科學哲學為科學哲學的一個子領域。傳統科學哲學之目的在理解科學的本質，像是「科學理論應具備什麼結構？」、「科學發展的特徵為何？」等基本問題。主要議題包括了模型與解釋、演化與生物、醫學與心智、機率與決策、實在論與反實在論之爭。近年也出現氣候科學哲學與女性主義科學觀等議題。[1]
在此取徑下，探討認知科學哲學背後的基礎概念與理論預設變成了焦點。譬如與腦科學中的概念定義、模型結構、因果關係、後設理論等都是其關注的對象。這類的研究主題可進一步區分為規範性 (normative) 與描述性 (descriptive) 兩種。前者涉及理想的科學理論與方法，諸如「數學模型能否作為認知科學解釋？」、「腦神經研究應採用何種因果結構？」、「怎樣才算是好的認知科學證據？」等問題。後者則涉及實務上科學理論如何發展與演變。例如 Kästner (2017) 的《認知神經科學之哲學》(Philosophy of Cognitive Neuroscience) 一書，便透過檢視認知神經科學中的重要研究，來探討「成功科學家多採取何種研究策略與模式？」、「不同的實驗控制，又常被用來回答何種研究問題？」等等議題。這種取徑下的認知科學哲學，是科學哲學與認知科學兩者交集之所在。
第二種研究取徑則是在釐清人類的認知現象本身。它特別重於解釋經驗現象的基礎理論，相對而言較不著重後設議題。受到美國哲學家 Quine (1969) 主張以自然科學的方法來探討知識形成之影響，當代心智哲學不採取傳統以概念分析為主的方法，而是將對心智的哲學探討當成是自然科學的一部分。
這種自然主義化的心智哲學與傳統心靈哲學的差異有二：一是關注的主題較為專精狹窄，二是研究方法更多元。舉例來說，傳統的心靈哲學往往透過概念分析或基於生理機制的綜合推論，來探討諸如理性、自由意志、心物二元、意圖與行動等問題。但自然主義化的心智哲學其研究主題更為專門細緻，取而代之的是譬如語言與知覺運動系統、理性與貝氏機率、意識與腦傷、鏡像神經元與模仿學習的關聯等主題。此外，其研究方法並不侷限在純粹的概念分析，也包括腦造影、行為實驗與電腦模擬等。像是「語言能力是否需預設語言模組才能解釋？」、「人類為何演化出情緒？」都是熱門議題。它是目前認知科學哲學中主要的研究取徑。
然而，儘管研究方法日益多元，此傳統下的哲學訓練之優勢仍在賦予經驗現象之因果解釋與邏輯分析，而非去精確測量並記錄這些經驗現象。相較於心理學、腦神經科學等其他認知科學領域，此取徑同樣關注客觀的、描述的科學真理（例如大腦實際上如何進行道德判斷），並嘗試提出對於人類認知的不同層次解釋。也因此，哲學與心理學的某些領域高度重疊。美國心理學學會更將「理論心理學與心理學哲學」歸在同一組 (APA Division 24)。然而，它們相異之處，在於此取徑下的認知科學哲學也強調重視理想的、規範的社會建構（例如應該怎樣減低人際間的價值衝突），並與傳統倫理學與政治哲學的討論緊密相連。
認知科學哲學主要議題初步可大致分為（一）後設層次：包括基本預設、研究方法與科際整合。（二）理論層次：概念釐清與模型解釋（三）經驗層次：人類認知與非人系統之比較（如圖一）。這三類之區分雖有助於理解認知科學哲學的主要議題種類，但他們的區別並非固定不變。例如動態系統取徑（Dynamic system approach，詳見「認知架構」詞條）就可能同時被當成後設層次的基本預設與理論層次的模型框架。
圖一：認知科學哲學主要議題之分類▼
後設層次的議題，所聚焦的並非是人類認知現象，而是去研究這些現象時的手段（理論工具與方法）。後設議題可粗略分為「基本預設」、「研究方法」與「科際爭議」等三類。以下分別就此三類簡介之。
認知科學之目的是對人類認知能力提出科學解釋，但是解釋背後常需有更基本的假設，又稱存有論 (ontology) 之設定。例如笛卡爾對人類靈魂與精神的觀點，便預設了心物二元論：主張人類的身體與心智是不同屬性且相互獨立的實體 (substance)，兩者均依賴上帝而存在。這種心物二元論與歐洲基督神學彼此相容。然而，如假設二元論成立則心智與身體間又如何產生互動？兩者的因果關係為何？這個難題被稱為古典的「心物問題」。傳統上，為解決心物問題的回應包括了唯心論 (idealism) 與唯物論 (materialism)。前者主張世界上一切人類所能知道之事物均由人類精神所建構。後者則主張所有萬物皆由物質所組成，故而心理狀態亦能用生理狀態加以解釋。唯心論與唯物論兩者雖處光譜兩極，都被稱為心物一元論。
在當代，這種心物問題並未消失，其最新版本就是認知科學中「大腦與心智有何關聯？」此問題。化約主義 (reductionism) 認為諸如意圖、慾望、注意力等心理狀態即是腦神經狀態，都可用特定皮質區域的神經活動加以解釋。因此，心智與大腦兩者本是同一物 (Kim 1971, 1972)。但功能主義 (functionalism) 則認為心智的狀態不應由其生理狀態所定義，而應由其在整個認知系統中所扮演的功能角色所決定。故而計算式功能主義主張：大腦是心智的硬體，心智則是大腦的程式 (Putnam 1960, 1967)。但是，不論是化約或功能主義兩者都面臨挑戰。例如 Clark (2008) 提出的「延伸心智」(extended mind) 主張人類心智並不局限於大腦內，而是延伸到外在環境。例如起重機駕駛員的大腦皮質中對於自己身體的神經表徵會自動擴展以與機器吊臂協同運動，而改變自身資訊路徑使與外在工具共同形成一個完整的控制或認知系統。這些基本預設都會影響奠基其上的各種模型與解釋。
認知科學的跨領域特徵使其研究方法非常多樣。從概念分析、腦造影、電腦模擬、行為實驗與神經生理學方法不一而足。這些方法之限制與優勢究竟為何，常是爭論之所在。譬如傳統哲學與實驗哲學 (experimental philosophy) 之爭中，傳統哲學倚重邏輯分析與假設性思考。[2]反觀實驗哲學則透過各種行為與腦造影實驗來檢證哲學中基於直覺所得出的各種宣稱 (Plakias 2015)。由於直覺常受文化、性別等偏誤影響，過去哲學以此方法得出的結論令人存疑。故實驗哲學旨在取代以哲學直覺作為證據的研究方法 (Alexander 2012)。然而，Williamson (2013) 卻認為所謂的「哲學直覺」不過是稻草人，因為現代哲學早非僅只仰賴直覺。而實驗哲學在方法論上如有任何貢獻乃在於辨識並改正心理學分類中的偏誤，但這方面認知心理學家會做得比實驗哲學家更好。此外，由於人類的日常判斷幾仰賴直覺，否定直覺將導致實驗哲學陷入全面懷疑論之危險 (Williamson 2016)。換言之，如同實驗物理與理論物理學並存，實驗哲學亦無法取代分析哲學。
同樣的，腦造影方法也有其爭議。自九○年代後高解析度的功能性磁振造影 (fMRI) 對認知科學產生革命性突破。大量的期刊文獻被量產，惟近年也出現反省與質疑：「究竟腦造影研究有何實質貢獻？」例如 fMRI 只是透過記錄大腦血氧變化來間接推測認知活動。這些間接推論都預設了有關腦區功能劃分與大腦休息狀態 (resting-state) 的假設，然而不少預設卻相當有爭議 (Nichols, Eklund, & Knutsson 2017)。此外，統計功效 (statistical power) 指的是當某個因果關係真的存在時，科學研究能夠去發現此關係的能力。Button et al. (2013) 發現許多神經科學研究的樣本量小且統計功效甚低，這些難以重製的實驗可信度堪慮。Bennett, Miller, & Wolford (2009) 也指出死亡的鮭魚腦部仍有 fMRI 血氧活動訊號，顯示腦造影有相當的誤報風險。更嚴重的是，Eklund, Nichols, & Knutsson (2016) 發現，常用於 fMRI 分析的 SPM, FSL, AFNI 等軟體具有導致 70% 假陽性率的程式錯誤 (bug)。由於這個錯誤存在長達十幾年，致使 2015 年 5 月軟體更新前，大量的腦造影研究的有效性令人質疑。
此外，解釋方法也是重要課題。科學解釋是否必得涉及直接因果關係 (causation) 與因果性 (causality) 在近年引發廣泛討論 (Reutlinger & Saatsi 2018)。但即便因果解釋仍有其價值，不同學科針對其研究對象和可能原因間所預設的因果關係也彼此迥異 (Herrick 2013)。譬如物理學中如要找到核融合的充分條件（原子核聚變時產生光子）便能透過滿足此條件來實現。醫學中，如能找到天花的必要條件（天花病毒）便能透過消除此條件來治癒。流行病學中，通常缺少單一的必要與充分條件（抽煙未必得肺癌，肺癌患者未必抽煙），但加上其他因子（遺傳、生活作息、空氣品質）在統計上卻有可能成為充分條件。同樣的，認知科學研究也需先決定所預設的因果關係。然而，由於認知科學多領域與多解釋目的之特性，使其不易找到單一的因果模型。即便確定因果假設後，又應該採用何種研究使得出的「證據」較能支持假設？牛津大學實證醫學中心的證據程度表 (OCEBM 2011， Levels of Evidence) 提出不同研究目的（診斷、預後、治療的風險評估）下，不同方法（追蹤性研究、隨機對照實驗或個案研究）所產生的證據效力之可靠度排序。譬如診斷時，系統性回顧所得出之證據效力，依序比個別橫斷面研究、非連續性研究、個案研究、基於生理機制的推論所得出的證據還要可靠。認知科學亦然，不同議題也需不同的「證據類型」。以意識為例，相較其他大腦現象（語言、情緒、空間推理），其操作定義仍有爭議，要決定既有文獻的相關性與延續性常有困難。因此，目前以隨機對照實驗的成果較為豐碩，著名的橡膠手錯覺實驗即為案例 (Liang et al. 2015)。（關於橡膠手錯覺的相關研究可參考梁益堉撰寫之〈自我意識與身體經驗〉百科詞條。而科學實驗、因果推論相關討論可參考 Chen & Hricoko, 2019; Lin, 2017; Lin & Fu, 1993。至於統計結果何時能作為證據之討論則可參考 Yen & Hung, 2019）。
認知科學中各學科領域的競爭與合作關係，也是重要的後設議題。舉例來說，生物學在認知科學的角色究竟為何？Horgan (1996) 就主張認知科學不過是生命科學的一個領域。而深受演化心理學影響的 Pinker (1999) 與 Carruthers (2006) 也認為認知科學是生物學的一個分支。然而，Fodor & Piattelli-Palmarini (2011) 在其《達爾文之誤》(What Darwin Got Wrong) 一書則認為演化生物學對於認知科學的價值不大。理由有二：一是天擇 (natural selection) 在演化過程中的角色被過度高估，二是邏輯上一個群體中高度相關的兩個特徵很難只選擇其中一個特徵而不選擇另一個，因此若以適應性來說明人類某個認知能力，常面臨其他替代解釋的挑戰。是故，人類的認知能力很難被演化理論所解釋。
同樣的，「心理學會否被神經科學取代？」也是重要問題。近年來美國各大學心理系紛紛改名為腦科學或神經科學等熱門關鍵字，這種質疑也隨之出現。Schwartz et al. (2016) 認為心理學兼具社會科學與自然科學的雙重優勢，故不會被淘汰。神經科學中常見的消去化約主義（eliminative reductionism，主張神經科學解釋終將使心理學解釋變得多餘）與心理學的突現特性（emergent properties，主張高階心理功能無法化約到神經活動）的爭論亦有其價值。Grush & Damm (2012) 則更進一步質疑神經科學的角色被過度高估。他們透過大量文獻來釐清學界對於「認知」與「大腦」的理解。文獻中神經科學雖對低階生理現象有豐富描述，但卻很少對「認知」本身提出清楚解釋：不管是嚴格意義上的認知（推理和決策）、一般意義中的認知，或人類與其他靈長類動物所共享的廣義認知（溝通、知覺、情緒與運動控制），認知與大腦間的關係均不如神經科學家想像的那麼簡單。事實上，認知科學常見問題之一就是被過度簡化的神經模型所宰制。
此外，在認知科學的解釋上存在著解釋化約論（explanatory reductionism，如 Horgan 1996）與解釋多元論（explanatory pluralism，如 Dale, Dietrich, & Chemero 2009）之爭。前者人類心智的描述性知識終將被神經科學所涵蓋。後者則認為人類心智涉及多層次的組織，必須有不同學科針對不同解釋目的，提出對理論或經驗證據的說明，儘管這些說明難免衝突卻都有其價值。而這些後設層次的立場（如支持解釋多元論）往往會影響理論層次的立場（放棄追求大一統的模型來解釋人類心智）。
理論層次的議題可分為「概念定義」與「模型解釋」兩方面。首先，認知科學家常用表徵 (representation)、計算 (computation)、先天 (innateness)、演化 (evolution) 等概念來解釋人類的認知能力，但不同領域學者對相同概念的定義卻不同，易產生對話上的困擾。以「計算」一詞為例，不少古典心智計算理論者咸認為「計算」必涉及符號表徵（如 Crane 2004, Fodor 1981, Pylyshyn 1984, Sprevak 2010），但 Piccinini (2007, 2008) 則指出這種解讀與電腦科學家的常識相違背，因為電腦科學家是透過符號串的語法性質而非其語義內容來定義計算，故 Piccinini 建議應根據功能而非表徵來定義計算狀態 (computational states)。
同樣的，概念的內涵也決定了如何界定被研究的對象。例如什麼現象可算是「自由意志」？什麼是「意識」？科學實驗往往需給予明確之操作定義方能進行。以 Libet et al. (1983) 著名實驗為例，該研究將自由意志視為是動作意圖。故當自由意志存在，則動作意圖（受測者報告）應先於準備電位（儀器測量）。但實驗結果卻與該預測矛盾：事實上準備電位先於意圖被觀察到。故該實驗宣稱自由意志不存在。但這種狹隘的「操作定義」能否否定「概念定義」下的自由意志不無疑問。況且，如何賦予適當的操作定義也看法不同。譬如 Bear & Bloom (2016) 就將自由意志視為是基於大腦運作機制而產生的幻覺。由於大腦會對未進入意識的未來事件產生預測。當某個非意識所決定的行為產生後，大腦會改變過去記憶使人誤以為該決定是行為者的決定。故自由意志是人類大腦所產生的一種後測幻覺 (postdictive illusion)。因此，對相同概念的不同定義除會影響研究對象如何被界定，也會影響對該現象的解釋。故釐清解釋項 (explanans) 與被解釋項 (explanandum) 中各自所預設的名詞概念，乃是認知科學哲學之根本問題。
其次，即便在後設層次決定採取某一基本預設（如功能主義），在理論層次上要採取何種解釋框架（要假設何種資訊處理模型）也有多種選項（請參閱百科詞條〈認知架構〉詞條，以下僅簡略說明）舉例來說，對於「人類心智究竟為何？」此問題上，「心智計算理論」主張人類心智實際上是一個資訊處理器。其中，「古典心智計算理論」主張人類的思考可化約為各種符號表徵的計算過程。「非古典計算理論」，如連結論 (connectionism) 或類神經網路，則認為符號表徵並非必要條件，非古典計算步驟一樣可以解釋人類的認知能力。「混合論」(hybrid view) 則認為人類的語言能力與思考的系統性兼具古典與非古典計算理論的特徵，應加以整合以更好地解釋心智。「非計算理論」(non-computational view) 則質疑將心智當成計算機的適當性。這些不同的理論預設，都會對所觀察到的心智現象有不同的細部解釋。同樣的，要採取何種認知架構 (cognitive architecture) 來發展解釋模型較佳，也有多重選擇。例如古典三層模型 (Classical three-system model) 認為人類心智由知覺、認知、運動三個系統所組成，但動態系統取徑 (Dynamic system approach) 則主張人類認知是由輸入、輸出系統與環境的複雜互動所形成。
認知科學在經驗層次的議題旨在探索描述性的科學真理。一方面透過精確地觀測來理解人類認知的各種現象。另一方面則賦予這些現象適當解釋。這類議題又可分為人類認知與比較研究。前者聚焦於人類諸如自我意識、注意力、推理、記憶等能力，後者則將這些能力與動物或人工智慧相互參照。
人類具有多種樣態與功能的認知能力，可用於解決在自然世界與社會環境所面臨的各種生存難題。這些能力譬如面孔辨識、共同注意力、語法分類、情緒與推論等等不勝枚舉。為理解這些複雜的能力，研究者常由不同的角度出發。例如某能力如何而來，就可分別從演化與發展來探討。從資訊處理的表徵複雜程度，又可分為高階與低階認知。依解決的問題類型，又有實踐與理論推理之別。這些分類雖具研究上的權宜與便利，但這些劃分卻非固定。以下茲分別簡介語言能力、視覺處理、心智理論、道德推理與意識等相關研究，以管窺認知科學哲學的主要議題。
首先，以語言溝通為例，人類的語言能力究竟從何而來呢？ Chomsky (1965, 1980, 1981, 2000, 2005) 認為，人類之所以能夠理解並表達由各種字排列組合而成的複雜語句，是因為我們與生俱來就有一組全人類所共享的語法規則。這套語法規則透過基因編碼的方式「內建」於所有新生兒之中，稱為通用語法 (universal grammar)。 Chomsky 著名的刺激貧乏論證 (poverty of the stimulus argument) 指出，在兒童發展學習過程中所接受的刺激遠少於其所實踐展現的豐富語言能力，因此兒童的語言能力主要不靠後天學習，而是透過演化而來。Pinker (1994) 也在其《語言本能》(The Language Instinct) 一書主張大腦演化出專門用來處理語言的「語言器官」。這種語言先天論 (nativism) 的觀點在上世紀末影響力大，受到很多神經科學家的支持。但另一派觀點，則認為先天論者低估了兒童的學習能力。Christiansen & Charter (2008) 指出遺傳上要將通用語法編碼則必須有一個穩定的語言環境。但語言變化太快而無法提供必要的穩定性。因此，人類語言能力主要並非由基因編碼，而是透過大腦的一般學習機制 (domain-general learning mechanism)，透過文化模仿代代相傳 (Christiansen & Charter 2008; 2016)。這種看法受到不少機器學習與計算語言學文獻的支持，例如 Parisien et al. (2008) 提出一貝氏模型能夠在無監督的情況下從原始文本中歸納出語法類別，並分析語句組成元素的分佈特性來找出語法知識。Chater & Manning (2006) 發現即便刺激貧乏，語言規則可以通過機率模型來學習，進而反駁了 Chomsky 的論證。Thompson & Newport (2007) 則論證轉移機率 (transitional probability) 在學習語法規則上的重要角色。Clark 和 Lappin (2010) 則指出不少案例指出人工智慧系統在少許學習偏置 (Biases) 下，就能從一連串語言刺激中歸納出語法規則。換言之， 雖然後天發展的確有可能會影響長期演化 (Garson et al. 2003; Hung 2015)，但語法規則透過一般學習機制便能獲得，而不必假設有先天通用語法或語言器官 (Hung 2015)。
再以視覺為例，人類的視覺內容是否會被知識或情緒改變呢？過去 Jerry Fodor (1983) 曾以繆氏錯覺 (Müller-Lyer illusion) 為例指出視覺具有認知所無法穿透的特性：即便人們已知兩條線是一樣長，卻仍然不由自主的看成不同長度。但近年研究發現，不但人類的視覺內容會受到聽覺內容的扭曲 (Shams et al. 2000, Watanabe & Shimojo 2001)，甚至諸如信念、知識等高階認知會影響面孔辨識時的早期視覺處理 (Cecchi 2018)。換言之，認知可以穿透知覺 (cognitive penetration of perception)。但如果是這樣，又如何解釋在錯覺中知識無法改變視覺內容呢？Lupyan & Clark (2015) 以康士維錯覺 (Cornsweet illusion) 為例來回應指出，明明相同顏色的表面看起來卻一深一淺，乃因為大腦習慣以過去知識（預設物體具有相同反射與亮度的表面）來預測並形成視覺經驗。故當遇到特殊情形時（如康士維錯覺）就易出錯。然而，即便我們知道了在康士維錯覺中的顏色實際上是相同的，但視覺上兩個表面仍看起來是不同色。何故？Lupyan & Clark (2015) 解釋道，此錯覺之所以無法被消除是因為，當某知覺方式在絕大部份情形中都能提供最佳預測，即便在少數情形（如錯覺）中失效，則仍為貝氏最佳化，保留它長期而言有利演化。相反的，如某信念（知道兩磚同色）可以輕易穿透知覺（覆蓋所輸入的刺激）則長期來看會與錯誤最小化的貝氏模型不相容，反而會在大部份的情形中產生預測錯誤，而不利演化生存。
此外，又譬如心智理論 (Theory of mind) 議題所討論是在社會互動中，人的心智如何理解他人的心理狀態與行動。這主要有模擬理論 (Simulation Theory，ST) 和理論理論 (Theory-Theory，TT) 兩派解釋。模擬理論主張大腦會根據過去知識來模擬他人的心理狀態來理解，這種模擬常涉及鏡像神經元的活動。理論理論則主張人會運用明確的常民理論—亦即人類解釋和預測他人行為和心理的能力—來理解他人。兩者的爭議在於形成社會理解的「內容」為何（主體經驗vs.常民理論）與形成該內容的「過程」為何（自我 vs. 觀察世界）。但 Tamir & Thornton (2018) 認為這兩種內容都是多層架構中的預測基礎：例如我們可藉觀察他人或自身體驗得知飢餓使人易怒。但不論是對他人或自我的預測錯誤，都能影響未來的預測。故兩種「內容」差異不大，真正差異是形成內容的「過程」。兩者也各有優缺點，例如 TT 以最可能的連結（常民理論）來推出對於他心的預測，故提供了一直接且連續路徑來得出最佳預測結果。但其缺點是過於狹隘，排除了機率低或例外的其他方案。反觀 ST 不是只採用最大可能性的方式，而是透過隨機採樣來建立機率連結。ST 的優點是預測結果更全面，缺點是需要更多的認知計算資源投入。Tamir & Thornton (2018) 認為兩者的長期爭論，潛藏了錯誤二分法。事實上，兩者是有可能互補與整合的。但至於如何整合，則有待未來研究。
另外，人類如何決策與判斷也是重要主題，尤其是道德判斷背後的機制為何的問題。Jonathan Haidt (2012) 認為道德判斷並非理性推理主導，而是與直覺高度相關。他引用各種神經科學和心理學研究證明此觀點。例如 fMRI 實驗顯示受測者在進行電車問題 (Trolley problem) 的道德判斷時，大腦負責情緒的皮質區會相當活躍 (Greene et al. 2001; Greene 2009)。同樣的，雖然嬰兒有情緒無理性，先天卻具有理解傷害與幫助的能力 (Premack and Premack 1994) 且在 6 個月時已經具有初步道德觀 (Hamlin et al. 2007)。Haidt (2012) 認為，人類的道德判斷主要仰賴直覺。理性的角色只是在事後去合理化直覺所做的決定。這種論點被稱為社會直覺模型 (the social intuitionist model)。然而，對於理性推論在道德判斷上的角色，Greene (2013) 卻有不同看法，他認為在電車難題的 fMRI 實驗中，受測者剛開始雖然根據情緒判斷而做出義務論式的判斷，但隨著時間拉長理性則會介入，使受測者傾向效益主義式的思考。他的雙重程序模型 (the dual processing model) 主張人類道德判斷常在直覺模式與理性兩種模式間切換。由於在複雜的道德處境中理性模式往往扮演重要角色，故可透過訓練理性思考來提升道德判斷的能力。這點可說是與 Haidt 截然不同。但雙重程序模型也遭遇批評：往往道德判斷並非在兩者間切換，而是將情緒、理性、動機加以整合後所得的結果 (Moll & de Oliveira-Souza 2007)。換言之，對於道德判斷背後的機制，仍舊莫衷一是。
最後，意識 (consciousness) 則是認知科學哲學中極複雜之問題。Van Gulick (2018) 認為意識研究粗略可分為描述性問題、解釋性問題與功能性問題等三大類。描述性問題探討「什麼是意識？」，其相關主題包含感質 (Qualia) 問題、意識整合、意圖和透明性度、第一人稱與第三人稱的資訊等。解釋性問題則探討「意識如何產生？」，主要議題有化約與非化約解釋間的爭論、解釋的多樣性、解釋鴻溝 (explanatory gap) 等等。至於功能性問題則探討「為何會有意識？」，這類研究的焦點包括自由意志、意識的因果狀態、彈性控制 (flexible control)、社會協調 (Social coordination)、整合表徵 (Integrated representation) 等重要議題。而意識議題也國內學者的熱門研究焦點，並已在國際上發表不少重要研究（在描述性問題上可參考 Lane & Liang 2010, 2011; Liang & Lane 2009; Northoff & Cheng 2019; Chan & Latham 2019。在解釋性問題上可參考 Houng 1999, 2003。在功能性問題上可參考 Cheng 2018; Lane et al. 2016 等）。而關於意識的進一步說明，可參考梁益堉 (2019) 撰寫之〈自我意識與身體經驗〉百科詞條。
總而言之，上述例子指出，如何正確觀察與紀錄人類的認知現象，並且賦予適當的科學解釋，是經驗層次研究中極為關鍵課題。
人類與其他非人系統（生物認知、人工智慧）的比較也長期受到矚目。所有的生物是適應系統 (adaptive system)，必須根據環境的刺激輸入，來輸出適當的行為以解決生存挑戰。這挑戰從個體到群體，從自身到次世代都有。從單細胞大腸桿菌到具有高階認知的靈長類，解決方案更是五花八門。這些非人系統在解決問題 (problem-solving) 上所展現的能力又與人類有何異同？這可分別從生物認知與人工智慧兩方面簡要說明。
在生物學中，越來越多的證據指出不論動物或植物在面臨環境適應上，均顯示出解決問題的驚人能力與效率。例如楊樹和楓樹被掠食者攻擊後會釋放化學信號來警告同類 (Baldwin＆Schultz 1983)。某些植物則以分泌花蜜或提供空心荊棘作為與螞蟻共生的巢穴，以換取對葉子上的病原體生長的保護 (González-Teuber 2014)。同樣的，大腸桿菌沒有大腦也沒有神經系統，卻可執行高度複雜的任務：像是推理、運動控制、感覺統合，以及細胞間溝通和合作等類社會行為 (Allman 2000; Bayliss et al. 2012; Hellingwerf 2005; Koraimann & Wagner 2014; Lyon 2007; Perkins & Peter 2009; Shapiro, 2007; Ben-Jacob et al. 2014; Hung 2016)。近來 Refardt et al. (2013) 更觀察類似利他的行為：大腸桿菌在被病毒感染後，會結束自已的生命以保護整個群體。否則，每個被感染的大腸桿菌將變成 300 個病毒的宿主，進而傳染更多大腸桿菌，最後蔓延擴散導致整個群體的滅亡。但是，上述這些能力在何種意義下可被視為是智能或認知呢？與人類認知或智能有何異同？又如何避免擬人化 (personalization) 推論謬誤的同時正確理解這些能力？這都是比較研究中的有趣議題。
此外，七○年代動物權利尚未普遍時有不少動物認知的相關實驗，其中較著名的便是黑猩猩成功學習透過人造符號與人類溝通，甚至還能學習到條件句的案例 Premack & Premack (1972, 2003)。[3] 然而，在人類訓練下的黑猩猩是真的理解而能溝通，或僅只是找出行為應對的規律呢？Lurz (2011) 的《Mindreading Animal》便探討「群居動物如何理解其他社會成員？」的主要難題，其中包括研究動物認知的邏輯問題 (logical problem)：現有的實驗方法並無法確定動物是透過觀察他者的外在行為與環境線索而推論出被觀察者的行為目的，抑或是將內在的認知狀態（看、聽、知道）歸屬給其他成員。Andrew (2015) 則是在《The Animal Mind》探索動物是否也具有心智的主要論證與經驗證據，並嘗試從意識、溝通、理解其他成員、群居動物的社會與道德行為等角度來逐一檢視。至於 Hurley & Nudds (2006) 主編的《Rational Animal?》一書，則從更廣的視角，從各種動物（如海豚、蜂群、鳥類、黑猩猩）在解決個體或群體問題所展現的能力，在何種意義上具有理性？又屬於什麼類型、層次的理性？此外，Carruthers (2013) 也認為人類演化來的認知能力中，有許多基本能力是與動物相同的。然而人類的高等認知能力是如產生？是慢慢累積而成，還是突然湧現？這些問題仍是人類動物認知的比較研究中，尚待回答的難題。
資訊科學與認知科學的發展一向密切相關。例如六○年代美國 Stanford Research Institute (SRI) 成功發展出一系列基於規則的智慧系統 (rule-based AI) 所控制的運動機器人。它會根據一套規則與輸入訊號的語法特徵而輸出適當動作。在簡化的環境中，此機器人能依據預先設置的規則與輸入的訊號來計畫行進的路徑。受到啟發，認知科學中也出現以演繹邏輯理解心智的「心智計算理論」並在八○年代主宰有關認知架構的研究。但隨著 rule-based AI 陷入瓶頸，加上資訊科學中的平行分散處理 (parallel distributed processing) 興起，認知科學中諸如連結論（一種類似大腦神經網絡的計算模型，用於解釋和模擬人類心智的功能）等非古典心智理論也開始挑戰古典心智理論。九○年代後，基於行為的人工智慧 (behaviour-based AI) 被廣泛運用，則激發了動態系統取徑 (Dynamic system approach) 的發展：該取徑不再假設人類認知是一套遵循推論規則的處理器，而是與環境即時互動的適應系統。這與認知科學中的 4E 潮流 (Embodied、Embedded、Enacted、Extended) 息息相關。換言之，人工智慧研究對理解人類心智常有重要啟發。
此外，會否出現超越人類認知的超級人工智慧 (Super AI) 也是熱門議題。戰後電腦發展突飛猛進之際，英國數學家 Irving John Good (1965) 就指出，若某個 Super AI 能自行設計出更好的 AI，無疑會導致機器的智能大爆發並將人類智能遠拋在後。而這個人類所生產的首部超級智慧系統，如夠溫馴且能告訴我們如何控制它，它可能就是人類所需要發明的最後一個東西。然而，若人類無法控制該機器，這會否是人類所能發明的最後一個東西？神經科學家 Sam Harris (2016) 憂慮表示，即便只能做出比人類還笨但卻能自我演化的人工智慧，由於電子迴路的運作速度比腦細胞生化反應快一百萬倍，讓它運行一星期，就可完成人類需要兩萬年才能完成的工作。以人類有限的心智能力能否理解甚至控制這種人工智慧，實令人悲觀。物理學學家 Stephen Hawking、特斯拉執行長 Elon Musk、微軟 Bill Gates 在內的許多人都警告人工智慧可能是對人類的最大威脅。[4]但另一方面，也有不少專家學者認為這誇大其詞。理由在於超級人工智慧出現，不論理論上或現實上的可能性都不高 (Floridi 2016)。臉書創辦人 Mark Zuckerberg 與蘋果執行長 Tim Cook 也正面看待人工智慧發展對人類社會的助益。因此是否有超級人工智慧、對人類認知的影響為何目前均仍未有定論。
近來，在何謂智慧 (Tsai 2020)、AI 對人類行為之預測所產生之風險 (Hung & Yen 2020)、AI 能否改善認知能力以降低偏見 (Lin et al. forthcoming)、AI 如何整合演繹與歸納推論 (Lin 2017) 等問題上都有相關討論，是未來值得加以發展的主題之一。
九○年代正值神經科學與腦造影技術的蓬勃發展，曾有學者認為認知科學不過是生命科學或生物學的分支 (Horgan 1996, Pinker 1999, Carruthers 2006)。化約主義更認為，不少心理現象都能以用細胞與分子、資訊計算的程序、神經迴路系統的結構與功能等更基本的術語來解釋（當然，化約主義內部也有不同版本的差異。請參考 Bickle & Hardcastle 2001, Bickle 2006, Bechtel 2009, Wimsatt 2006)。但隨著人工智慧與動物認知研究的突飛猛進，研究者慢慢意識到各種認知能力（推理、記憶、感覺統合、溝通與合作）並非人類所獨有，腦細胞也非這些能力的必要條件：不論是矽晶體或是非神經之細胞，也能達到類似或甚至更好的表現。這促使認知科學家重新反省對於何謂「認知」、「智能」的理解。未來認知科學的典範是會轉向以數學或抽象原理來研究普遍認知的現象，甚至擴展到對 Super AI 或外星智慧則或未可知。這對認知科學中，化約主義與功能主義的長期爭論（或更大的科學實在論與反實在論之爭）有何影響，亦有待未來進一步的探索。
[1] 在2012-2015之間，三本主要國際期刊（British Journal for the Philosophy of Science、Philosophy of Science、European Journal for the Philosophy of Science）的311篇的研究論文（不含討論與書評）中，模型與解釋主題佔45%、演化與生物佔13%、醫學與心智12%、機率與決策10%、量子力學8%、實在論與反實在論之爭4%。至於其他議題（如人工智慧與女性主義科學觀）則佔8%。另可參考2016年科技部《哲學學門熱門及前瞻學術研究議題調查》成果報告中之「科學哲學」乙節。
[2] 譬如著名的「葛梯爾反例」（請參考王一奇2018〈葛梯爾問題〉詞條）與「中文房間論證」（請參考Teng, 2000）。
[3] Premack & Premack （1972, 2003）曾教年輕黑猩猩Sarah使用塑膠製的符號來溝通。他們用不同類型的符號表示不同類別單字（名詞、動詞和形容詞）。起初Sarah若將一塊塑膠符號放在溝通板上則可獲得香蕉，以建立起塑膠符號和香蕉的連結。實驗者用此方法使Sarah學到不同的連結（如動詞「給」）。為確定Sarah真的理解這些字，實驗者又引入其他單字（如動詞「切」、「放入」）來查看Sarah是否困惑。當Sarah 能依序排出正確的塑膠符號「給蘋果」（而非「蘋果給」）就可獲得蘋果為獎勵。隨後，實驗又引入「相同」、「不同」和「問號」等抽象概念。譬如當Sarah將類似物品配成對時，則給她代表「相同」的塑膠塊。否則則給代表「不同」的塑膠塊。在學到這兩個字後，代表「問號」的塑膠塊被放在「相同」、「不同」間，而Sarah需用代表「相同」或「不同」的塑膠塊取代「問號」。實驗顯示，Sarah可將此疑問句型應用於其他問題並正確回答。最後，Sarah開始學習條件句。和形式邏輯一樣，研究人員也以單一符號來表示“if-then”。當 Sarah用“if-then”來取代“Sarah take apple? Mary give chocolate Sarah”中的問號時，則可拿到巧克力。但如果Sarah對“Sarah take banana? Mary no give chocolate Sarah”做同樣的事時，則沒有巧克力。這種條件語變化起初常引起Sarah的困惑和沮喪。但經反複訓練後，Sarah學會如 “Mary take red if-then Sarah take banana”等條件句結構，且在採取正確行動前會先觀察訓練者的行動。Premack （1972, 2003）指出， Sarah在其他條件句的組合中也能成功通過測試。
[4] 請參考BBC的報導Stephen Hawking warns artificial intelligence could end mankind（2014/12/04）。 http://www.bbc.com/news/technology-30290540以及https://observer.com/2015/08/stephen-hawking-elon-musk-and-bill-gates-warn-about-artificial-intelligence/
Alexander, J. (2012). Experimental philosophy: An introduction. Polity.
Allman, J. (2000). Evolving brains. New York: Scientific American Library.
Andrews, K. (2015). The animal mind: An introduction to the philosophy of animal cognition. routledge.
Baldwin, I., & Schultz, J. C. (1983). Talking trees. Science, 221(4607), 277-279.
Bayliss, D. L., Walsh, J. L., Iza, F., Shama, G., Holah, J., & Kong, M. G. (2012). Complex responses of microorganisms as a community to a flowing atmospheric plasma. Plasma Processes and Polymers, 9(6), 597–611.
Bear, A., & Bloom, P. (2016). A simple task uncovers a postdictive illusion of choice. Psychological science, 27(6), 914-922.
Bechtel W (2009) Molecules, systems and behavior: another view of memory consolidation. In: Bickle J (ed.) Oxford Handbook of Philosophy and Neuroscience, pp. 13–40. New York: Oxford University Press.
Ben-Jacob, E., Becker, I., Shapira, Y., & Levine, H. (2004). Bacterial linguistic communication and social intelligence. Trends in Microbiology, 12, 366–372.
Bennett, C. M., Miller, M. B., & Wolford, G. L. (2009). Neural correlates of interspecies perspective taking in the post-mortem Atlantic Salmon: an argument for multiple comparisons correction. Neuroimage, 47(Suppl 1), S125.
Bickle J (2006) Reducing mind to molecular pathways: explicating the reductionism implicit in current mainstream neuroscience. Synthese 152: 411–434.
Bickle, J., & Hardcastle, V. G. (October 2012) Philosophy of Neuroscience. In: eLS. John Wiley & Sons, Ltd: Chichester. DOI: 10.1002/9780470015902.a0024144
Button, K. S., Ioannidis, J. P., Mokrysz, C., Nosek, B. A., Flint, J., Robinson, E. S., & Munafò, M. R. (2013). Power failure: why small sample size undermines the reliability of neuroscience. Nature Reviews Neuroscience, 14(5), 365.
Carruthers, P. (2006). The architecture of the mind. Oxford: Oxford University Press.
Carruthers, P. (2006). Conscious experience versus conscious thought. Massachusetts Institute of Technology Press.
Carruthers, P. (2013). Animal minds are real,(distinctively) human minds are not. American Philosophical Quarterly, 50(3), 233-248.
Cecchi, A. S. (2018). Cognitive penetration of early vision in face perception. Consciousness and cognition, 63, 254-266.
Chater, N., and Manning, C. (2006). Probabilistic models of language processing and acquisition. Trends in Cognitive Sciences, 10, pp. 287-291.
Chan, L.C.* & Latham, A.J. (2019), ‘Four Meta-methods for the Study of Qualia’, Erkenntnis, vol. 84, no. 1, pp. 145-167.
Chen, R. L., & Hricko, J. (2019). Experimental individuation and philosophical retail arguments. Synthese, 1-20.
Cheng, T. (2018). The recurrent model of bodily spatial phenomenology. Journal of Consciousness Studies, 25(3-4), 55-70.
Chomsky, N. (1965) Aspects of the theory of syntax. MIT Press, Cambridge
Chomsky, N. (1980) Rules and representations. Columbia UP, New York
Chomsky, N. (1981). Knowledge of Language: its elements and origins. The Psychological Mechanisms of Language, pp. 9-20. Cambridge, England: The Royal Society and The British Academy.
Chomsky, N. (2000). Minimalists inquiring: the framework. Martin, R., Micheals, D. and Uriagereka, J. (eds.), Step by step— essays in minimalist syntax in honor of Howard Lasnik. Mass.: MIT Press.
Chomsky, N. (2005) Three factors in language design. linguist Inq 36:1-22
Christiansen, M. H., & Chater, N. (2008). Language as shaped by the brain. Behavioral and brain sciences, 31(5), 489-509.
Christiansen, M. H., & Chater, N. (2016). The Now-or-Never bottleneck: A fundamental constraint on language. Behavioral and Brain Sciences, 39.
Clark, A. (2008). Supersizing the mind: Embodiment, action, and cognitive extension. OUP USA.
Clark, A., & Lappin, S. (2010). Linguistic nativism and the poverty of the stimulus. Oxford: Wiley Blackwell.
Crane, T. (2004). The Mechanical Mind. London: Rutledge.
Dale, R., Dietrich, E., & Chemero, A. (2009). Explanatory pluralism in cognitive science. Cognitive science, 33(5), 739-742.
Eklund, A., Nichols, T. E., & Knutsson, H. (2016). Cluster failure: why fMRI inferences for spatial extent have inflated false-positive rates. Proceedings of the national academy of sciences, 113(28), 7900-7905.
Floridi L. (2016) Should we be afraid of AI?, AEON. https://aeon.co/essays/true-ai-is-both-logically-possible- and-utterly-implausible
Fodor, J. A. (1981). Representations: Philosophical Essays on the Foundations of Cognitive Science. Mass.: MIT Press.
Fodor, J. A., 1983. The Modularity of Mind, Cambridge, MA: MIT Press.
Fodor, J., & Piattelli-Palmarini, M. (2011). What Darwin got wrong. Profile books.
Garson, J., Wang, L., & Sarkar, S. (2003). How development may direct evolution. Biology and Philosophy, 18(2), 353-370.
González‐Teuber, M., Kaltenpoth, M., & Boland, W. (2014). Mutualistic ants as an indirect defence against leaf pathogens. New Phytologist, 202(2), 640-650.
Good, I. J. (1965), Franz L. Alt; Morris Rubinoff, eds., "Speculations Concerning the First Ultraintelligent Machine", Advances in Computers, Academic Press, 6: 31–88,
Greene, J. D. (2009). Dual-process morality and the personal/impersonal distinction: A reply to McGuire, Langdon, Coltheart, and Mackenzie. Journal of Experimental Social Psychology, 45(3), 581-584.
Greene, J. D. (2013). Moral Tribes: Emotion, Reason, and the Gap Between Us and Them. London: Atlantic Books.
Greene, J. D., Sommerville, R. B., Nystrom, L. E., Darley, J. M., & Cohen, J. D. (2001). An fMRI investigation of emotional engagement in moral judgment. Science, 293(5537), 2105-2108.
Grush, R., & Damm, L. (2012). Cognition and the Brain. In The Oxford Handbook of Philosophy of Cognitive Science.
Haidt, J. (2012). The righteous mind: Why good people are divided by politics and religion. Vintage.
Harris, S. (2016) Can we build AI without losing control over it? TED Talk retrieved Mar 13 2019 from https://www.ted.com/talks/sam_harris_can_we_build_ai_without_losing_control_over_it
Hamlin, Kiley J., Karen Wynn, & Paul Bloom (2007) “Social evaluation by preverbal infants” Nature, 450(7169), 557-559.
Hellingwerf, K. J. (2005). Bacterial observations: a rudimentary form of intelligence? Trends in Microbiology, 13, 152–158.
Herrick, P. W. (2013). Introduction to logic. Oxford University Press.
Horgan, J. (1996). The end of science: Facing the limits of science in the twilight of the scientific age. New York: Broadway Books.
Hung, Tzu-wei, (2015). How Sensorimotor Interactions Enable Sentence Imitation. Minds and Machines, (25) 4: 321-338.
Hung, Tzu-wei (2016). Rationality and Escherichia coli. In Tzu-wei Hung and Timothy Joseph Lane (eds.) Rationality: Constraints and Contexts. Elsevier Academic Press.
Hung, Tzu-wei (2019). How did language evolve? Some reflections on the language parasite debate. Biological Theory, 14(4): 214-223.
Hung, Tzu-wei, & Yen, Chun-ping (2020). On the Person-Based Predictive Policing of AI. Ethics and Information Technology. DOI: 10.1007/s10676-020-09539-x
Houng, Allen Y.(2003)“Philosophical Issues about Levels of Analysis.” In Lynn Nadel, et al. (eds.), Encyclopedia of Cognitive Science, Nature Publishing Group, Vol. 2, pp. 852-855.
Houng, Allen Y.(1999) “Can Consciousness Be Explained Naturalistically?” In Mind and Language：Collected Papers from 1995 International Workshop on Mind & Language, pp. 125-149. Institute of European & American Studies, Academia Sinica, Taipei, Taiwan.
Hurley, S. E., & Nudds, M. E. (2006). Rational animals?. Oxford University Press.
Kästner, L. (2017). Philosophy of Cognitive Neuroscience: Causal Explanations, Mechanisms and Experimental Manipulations (Vol. 37). Walter de Gruyter GmbH & Co KG.
Kim, J. (1971). Materialism and the Criteria of the Mental. Synthese, 323-345.
Kim, J. (1972). Phenomenal properties, psychophysical laws, and the identity theory. The Monist, 56(2), 177-192.
Koraimann, G., & Wagner, M. A. (2014). Social behavior and decision making in bacterial conjugation. Frontiers in Cellular and Infection Microbiology, 4(54), 4.
Lane, T., Duncan, N. W., Cheng, T., & Northoff, G. (2016). The Trajectory of Self. Trends in cognitive sciences, 20(7), 481.
Lane, T. and Liang, C. (2011). “Self-consciousness and Immunity”, Journal of Philosophy, February, 78-99.
Lane, T. and Liang, C. (2010). “Mental Ownership and Higher-Order Thought: Response to Rosenthal”, Analysis, 70(3): 496-501.
Liang, C., Chang, S. Y., Chen, W. Y., Huang, H. C., & Lee, Y. T. (2015). Body ownership and experiential ownership in the self-touching illusion. Frontiers in psychology, 5, 1591.
Liang, C. and Lane, T. (2009). “Higher-Order Thought and Pathological Self: the Case of Somatoparaphrenia”, Analysis, 69(4): 661-668.
Libet, B., Gleason, C. A., Wright, E. W., & Pearl, D. K. (1983). Time of conscious intention to act in relation to onset of cerebral activity (readiness-potential) the unconscious initiation of a freely voluntary act. Brain, 106(3), 623-642.
Lin, H. (2017). Bridging the Logic-Based and Probability-Based Approaches to Artificial Intelligence. In Rationality: Constraints and Contexts (pp. 215-225). Academic Press.
Lin, H. (2019). The Hard Problem of Theory Choice: A Case Study on Causal Inference and Its Faithfulness Assumption. Philosophy of Science, 86(5), 967-980.
Lin, Cheng-Hung & Fu, Daiwei (1993)(Eds.), Philosophy and Conceptual History of Science in Taiwan. Boston Series for the Philosophy of Science.
Lin, Ying-Tung, Hung, Tzu-wei, & Huang, T. Linus (forthcoming). Engineering equity: how AI can help reduce the harm of implicit bias. Philosophy & Technology.
Lyon, P. (2007). From quorum to cooperation: Lessons from bacterial sociality for evolutionary theory. Studies in History and Philosophy of Biological and Biomedical Sciences, 38, 820–833.
Lupyan, G., & Clark, A. (2015). Words and the world: Predictive coding and the language-perception-cognition interface. Current Directions in Psychological Science, 24(4), 279-284.
Lurz, R. W. (2011). Mindreading animals: the debate over what animals know about other minds. MIT press. Pickering, M. J., & Garrod, S. (2013). An integrated theory of language production and comprehension. Behavioural and Brain Sciences, 36(4), 329–347.
Michel, M., Beck, D., Block, N., Blumenfeld, H., Brown, R., Carmel, D., ... & Dehaene, S. (2019). Opportunities and challenges for a maturing science of consciousness. Nature human behaviour, 3(2), 104.
Moll, J., & de Oliveira-Souza, R. (2007) Response to Greene: Moral sentiments and reason: friends or foes? Trends in Cognitive Sciences, 11(8), 323-323.
Nichols, T. E., Eklund, A., & Knutsson, H. (2017). A defense of using resting-state fMRI as null data for estimating false positive rates. Cognitive neuroscience, 8(3), 144-149.
Northoff, G., & Cheng, K. Y. (2019). Levels of Time in the Zhuangzi: A Leibnizian Perspective. Philosophy East and West, 69(4), 1014-1033.
Parisien, C., Fazly, A., and Stevenson, S. (2008). An incremental Bayesian model for learning syntactic categories. Proceedings of the 12th Conference on Computational Natural Language Learning, Manchester, UK.
Perkins, T. J., & Peter, S. S. (2009). Strategies for cellular decision making. Molecular Systems Biology, 5(1), 326.
Piccinini, G. (2007). Computational modelling vs. Computational explanation: is everything a Turing Machine, and does it matter to the philosophy of mind? Australasian Journal of Philosophy, 85(1), 93-115.
Piccinini, G. (2008a). Computation without representation. Philosophical Studies, 137(2), 205-241.
Pickering, M. J., & Garrod, S. (2013). An integrated theory of language production and comprehension. Behavioral and Brain Sciences, 36(4), 329-347.
Premack, A. J., & Premack, D. (1972). Teaching Language to an Ape. Scientific American, 227(4), pp. 92-99.
Premack, D., & Premack, A. J. (1994) “Moral belief: Form versus content” Mapping the mind: Domain specificity in cognition and culture, 149.
Premack, D., & Premack, A. J. (2003). Original intelligence: unlocking the mystery of who we are. New York: McGraw-Hill.
Pylyshyn, Z. W. (1984). Computation and cognition (p. 41). Cambridge, MA: MIT press.
Pinker, S. (1994) The language instinct: how the mind creates language. Harper Collins, New York
Pinker, S. (1999). How the mind works. Annals of the New York Academy of Sciences, 882(1), 119-127.
Plakias, A. (2015) Experimental Philosophy. Oxford Handbooks Online.
Putnam, H. (1960). “Minds and Machines”, reprinted in Putnam 1975, Mind, Language, and Reality, Cambridge: Cambridge University Press. 362–385.
Putnam, H. (1967). “The Nature of Mental States”, reprinted in Putnam 1975, Mind, Language, and Reality, Cambridge: Cambridge University Press. 429–440.
Quine, W. V. O. (1969). Ontological relativity. Ontological relativity and other essays, 15, 26-68.
Refardt, D., Bergmiller, T., & Kümmerli, R. (2013). Altruism can evolve when relatedness is low: Evidence from bacteria committing suicide upon phage infection. Proceedings of the Royal Society B: Biological Sciences, 280(1759), 20123035.
Reutlinger, A., & Saatsi, J. (Eds.). (2018). Explanation beyond causation: Philosophical perspectives on non-causal explanations. Oxford University Press.
Schwartz, S. J., Meca, A., Lilienfeld, S. O., & Sauvigné, K. C. (2016). The role of neuroscience within psychology: A call for inclusiveness over exclusiveness. American Psychologist, 71, 52-70.
Shams, L., Kamitani, Y., & Shimojo, S. (2000). Illusions: What you see is what you hear. Nature, 408(6814), 788.
Shapiro, J. A. (2007). Bacteria are small but not stupid: Cognition, natural genetic engineering and socio-bacteriology. Studies in History and Philosophy of Biological and Biomedical Sciences, 38, 807–819.
Sprevak, M. (2010). Computation, individuation, and the received view on representation. Studies in History and Philosophy of Science, 41(3), pp. 260-270.
Tamir, D. I., & Thornton, M. A. (2018). Modeling the predictive social mind. Trends in cognitive sciences, 22(3), 201-212.
Teng, N. Y. (2000). A cognitive analysis of the Chinese room argument. Philosophical Psychology, 13, 3: 313-324.
Tsai, C. H. (2020). Artificial wisdom: a philosophical framework. AI & SOCIETY, 1-8.
Van Gulick, R. (2018) "Consciousness", The Stanford Encyclopedia of Philosophy (Spring 2018 Edition), Edward N. Zalta (ed.), retrieved from https://plato.stanford.edu/archives/spr2018/entries/consciousnes.
Watanabe, K., & Shimojo, S. (2001). When sound affects vision: effects of auditory grouping on visual motion perception. Psychological Science, 12(2), 109-116.
Williamson, T. (2013). Review of Joshua Alexander, Experimental Philosophy: An Introduction.
Williamson, T. (2016). Philosophical criticisms of experimental philosophy. A companion to experimental philosophy, 22-36.
Wimsatt, W. C. (2006). Reductionism and its heuristics: Making methodological reductionism honest. Synthese, 151(3), 445-475. https://doi.org/10.1007/s11229-006-9017-0
Yen, Chun-ping & Hung, Tzu-wei (2019). New data on the linguistic diversity of authorship in philosophy journal. Erkenntnis, 84(4):953-974
