模式识别-谬误产生本质原因
《简单的逻辑学》对于谬误产生的描述
《简单的逻辑学》中有一个章节专门讲述了谬误产生的根源，罗列了容易产生谬误的观点和态度。
每个人对于相同事物的看法是不一样的，根据产生不同的看法原因可以将人群分成几类。
01怀疑论
02逃避性不可知论
03玩世不恭和盲目乐观主义
04眼界狭窄
05情感和论证
06推理的原因
07论证不是争吵
08真诚的局限性
09常识
罗列了几类容易产生非逻辑思维的态度和观点，但并没有将人类为什么会有此类态度和观点的原因说明出来。
也就是说为什么会有一类人持有怀疑论？是因为生长的环境？受到的教育？还是基因里面写好的性格？
相类似的逃避不可知，玩世不恭，盲目乐观，眼界狭窄…都需要找到形成这些观点的外在世界。
观点和态度是对外在环境的反应。
发散联想
怀疑一切，认为我们当前的认知都是不正确的，在未来都是会被颠覆的，真相是一个渴望不可及的目标，因为阶段的真相终究会被新的真相所淘汰。
你以为的真相只是你以为的，而事实是，你对真相一无所知。
在了解一个观点之前就认为这个观点可能是不对的，看新闻的同时也会想这条新闻的真相是被记者涂改过？从新闻中看到的真相是媒体想让你看到的，不想让你看到的你用无法看到。
在看新闻时，持有怀疑一切的态度是有必要的。如果将这种态度用在处理所有输入的信息，必然导致的结果是，无法有效的接受信息，并且浪费大量的时间。
低估将要做的事情的难度，是缺乏经验和自负的表现。
小结一下玩世不恭和盲目乐观的特点，都是在掌握的信息与实际信息时间不对称的情况下，做出了不符合现实的判断。
根据自己的认识范围来判断世界的范围，如境地之蛙一样，根据以往经验，将看到的天的大小，理解成事实上天的大小。
情绪会影响做清晰判断的能力，不能因为情感上认为它美好，就判断它是正确的。
论证是寻求真相，争吵是为了赢你。远离为了赢而辩论的人。
《逻辑学导论》对于谬误产生的描述
《逻辑学导论》中对于产生谬误的原因归纳为以下这些：
- 将看似相关，实则无关的命题和结论关联起来。
- 将假定为真，实则为假的命题作为前提。
- 词或短语在前提中意义为A，结论中意义为B。
查看原文：
谬误的起因
Pattern recognition (psychology) - Wikipedia
wiki:
In psychology and cognitive neuroscience, pattern recognition describes a cognitive process that matches information from a stimulus with information retrieved from memory.
翻译过来就是：
在心理学和认知神经科学中，模式识别描述了一种认知过程，该过程将来自刺激的信息与从记忆中检索的信息相匹配。
为了简化认识，人类进化出一种模式识别的能力，遇到之前见到过的事物，可以忽略一些细节从而把这个事物回忆起来。
产生看似相关，实则无关 这样认识的根源是在于，面对见过的事物，大脑会简化处理，以节省资源，在简化的过程中，眼睛就会抓住几个关键点的，从而不去关注一些细节。
解释一些容易产生谬误的态度和观点产生的原因。
如果用文字描述一下产生谬误的过程，这段文字可以被写成这样：”因为观点和态度的原因将原本没有关联的事物关联到了一起。“，我们知道谬误是会导致错误的选择和行为，既然我们自己知道产生谬误是对自己不利的，那为什么会有这样的”态度和观点“？
原来，人类大脑有个强大的功能，叫模式识别。处理零散信息的时候，大脑会自动把它们按自己熟悉的模式拼接起来。比如你躺在床上，盯着天花板发呆，不一会儿，模式识别就启动了：天花板上原本毫无关联的几个斑点，在你眼里很可能变成了一张有意义的图案，比如人脸啊，动物轮廓啊，这就是模式识别。
有个经典的模式识别例子，美国911的时候，有人拍了张照片，在互联网上广为流传。照片上的烟雾里，居然能看到一张“栩栩如生”的魔鬼撒旦的脸。为什么会这样呢？原来，这是因为人们之前在很多地方，比如戏剧、电影、动漫里，都见过撒旦的面孔，所以在看到原本毫无意义的烟雾形状时，就迅速调用了大脑中曾经存储过的“模式”，用来“理解”眼前看到的东西，于是就“看”到了并不存在的撒旦面孔。
为了将模式识别和谬误之间的关系讲述清楚，下面会将模式识别的几个理论罗列一下。
模式识别
什么是模式识别？
在心理学和认知神经科学中，模式识别描述了一个将刺激信息与从记忆中检索到的信息相匹配认知过程。当环境中的信息被接收并进入短期记忆时，模式识别就会发生，从而导致长期记忆中特定内容的自动激活。
模式识别不仅对人类至关重要，对其他动物也同样重要。 即使考拉，拥有较不发达的思维能力，使用模式识别来寻找和吃桉树叶。
模式识别主要有六种理论: 模板匹配、原型匹配、特征分析、组件识别理论、自下而上和自上而下的处理和傅立叶分析。
模板匹配
模板匹配理论描述了人类模式识别最基本的方法。 这个理论假设每个感知对象都被存储为长期记忆的"模板"。 将输入的信息与这些模板进行比较，以找到一个精确的匹配。
举一个例子就是：A，A，A对会被识别成A，而事实是这三个A是有区别的，第二个加粗了，第三个是斜体。
原型匹配
将接触一系列相关的刺激，就可以根据它们的共同特征创建一个”典型”的原型。 通过将存储模板标准化为一个表示形式，它减少了存储模板的数量。原型支持感知的灵活性，因为与模板匹配不同，它允许在对新刺激的识别中出现变化。
如果一个孩子以前从未见过草坪椅，他们仍然能够认出它是一把椅子，因为他们知道椅子的基本特征是有四条腿和一个座位。
特征分析
特征提取理论认为，神经系统对接收到的刺激物进行分类和过滤，使人类(或动物)能够理解这些信息。当特征重复或发生在一个有意义的序列时，我们能够识别这些模式，因为我们的特征提取系统。
组件识别理论
类似于特征提取理论，组件识别(RBC)关注的是正在处理的刺激的自下而上的特征。这个理论认为人类识别物体的方法是把它们分解成他们的基本的三维 几何图形（如圆柱体、立方体、锥体等）。
自下而上和自上而下的处理
自上而下的处理是指在模式识别中使用背景信息。
自下而上的处理也被称为数据驱动处理，因为它起源于感觉受体的刺激。
模式识别与谬误
原本是大脑进化出来用来认识事物的功能，在实际使用的过程中因为轻率和马虎就成了谬误产生的原因。
模板匹配，模型匹配，特征分析，组件识别都是将输入的信息和脑中存储的信息相匹配的过程。如果在这个匹配的过程中出现差别，就会将输入的信息对应到错误的事物上。
引用
Pattern recognition (psychology) - Wikipedia
42 13 认识论 认识的本质及基本规律 - YouTube
https://www.youtube.com/watch?v=YU815Hn6JVA
如何认识？
