Dual-Process Architecture是认知科学与人工智能中描述双过程加工的架构性概念，指快速自动的类型1加工与缓慢受控的类型2加工各自如何运作、如何衔接并相互干预的框架。[1] 在心理学中，它通常以系统1与系统2的划分出现，并因丹尼尔·卡尼曼（Daniel Kahneman）的著作而广为人知；在人工智能中，它被实现为由快、慢求解器与元认知模块构成的多智能体系统。[2][3]
定义
Dual-Process Architecture 指双过程加工的架构层面表述，说明快速自动的类型1加工（Type 1）与缓慢受控的类型2加工（Type 2）如何各自运行、如何衔接。[1] 其中类型1被界定为自主的，触发刺激一出现便自动执行，不占用工作记忆；类型2的界定性特征则是占用工作记忆，并能把心理表征与现实输入分离，从而进行假设性推理。[4]
它与更宽泛的双过程理论关系密切，但不能等同于双系统理论。双系统理论进一步把两类加工归给两个多用途的心理系统，还为其附加进化年龄、可遗传性、可塑性等属性。[4] 由于这些附加主张受到质疑，研究者后来建议放弃“系统”一词，只保留类型1与类型2两种加工的提法，并把自主性、速度、是否进入意识视为相关特征而非定义性特征。[5]
在架构设计上，两类加工的结合有两条典型路线。默认干预式（default-interventionist）安排先由类型1给出默认反应，必要时再由类型2加以检查；并行竞争式（parallel-competitive）安排则假定两类加工同时启动、争夺对行为的支配。[1] 前者避开了两类加工同时给出矛盾答案的难题，但需要另行说明反思性检查在何时被触发。[1] 在计算认知架构中，这类区分被落实为可调用的加工组件；例如利达（LIDA）模型把类型1对应为一到两个认知周期内完成的行动选择，类型2的审慎决策则需要更多认知周期。
原理
默认干预式流程中，类型1在背景里持续运行并给出默认反应，类型2只在必要时介入，因此日常判断大多由类型1完成。[6] 斯特鲁普测验（Stroop test）常被用来展示这一过程：词义被自动加工后与印刷颜色不一致时产生冲突，觉察并修正冲突需要额外的加工时间。[6]
类型2的纠正作用比早期设想更少见。有研究以极短作答时限并叠加记忆负荷的方式迫使被试依赖直觉，随后再给予充分反思时间，结果显示类型2推翻直觉错误的比例约为10%，类型1直接给出合乎逻辑答案的比例约为30%。[7] 据此提出的混合模型认为，类型1既能作启发式加工也能作逻辑加工，两种直觉互相竞争，类型2的作用较慢且可选。[7]
加工类型会随经验迁移。反复练习可使原本需由类型2费力执行的加工转为自动化，从而归入类型1；这一迁移被视为专长形成的一般机制，也能把有限的工作记忆资源释放给非常规任务。[8] 神经影像研究提示，两类加工分别与不同神经回路相关，类型1更多关联杏仁核、基底核等结构，类型2更多关联前额皮质等区域。[9]
形式化分析显示，环境越易变化，最优的加工系统数量越多；而判断何时该由哪个系统接管的成本越高，最优数量就越少。
发展历程
双重加工的设想在推理研究中出现较早。1970年代中期已有关于推理中双重过程的提法，1980年代至1990年代，这一思路在心理学多个分支中分别发展起来。[4] 1990年代后期，把两类加工归入两个系统的双系统理论开始成形。[4]
2000年，基思·斯坦诺维奇（Keith Stanovich）与理查德·韦斯特（Richard West）在研究中首次明确使用系统1与系统2的术语，此后这一命名被广泛沿用。[10] 2011年，卡尼曼的《思考，快与慢》把相关研究整理为快速直觉与缓慢审慎的两分法，使该框架进入公众视野。[2]
2013年，埃文斯（Jonathan St. B. T. Evans）与斯坦诺维奇改用类型1与类型2的说法，把自主性定为类型1的定义性特征，把工作记忆的使用与认知去耦（cognitive decoupling）定为类型2的定义性特征，并提出自主心智、算法心智与反思心智的三层模型。[11] 他们称这一调整旨在纠正把大量特征捆绑在一起的旧式理解。[5]
应用
该框架常用于解释判断与决策中的偏差。以认知反思测验（Cognitive Reflection Test）中的球拍与球问题为例，多数被试会给出直觉上错误却看似合理的答案。[6] 消费者研究发现，认知负荷会妨碍系统2运作而使人更依赖系统1，需要在记忆中保持多个选项的记忆型选择因此比刺激型选择带来更大负荷。
在高风险领域，专家比新手更可能察觉继续依靠自动加工已不合适，从而暂停并转入系统2式的推理。[12] 情绪调节研究把认知重评（cognitive reappraisal）归为较慢的加工，它能够修正个体对同一事件的最初反应。[2]
在人工智能中，该架构被用作多组分推理系统的设计蓝本。索法伊（SOFAI）架构把快求解器与慢求解器置于一个元认知智能体之下，由后者依据置信度与预期收益决定是否调用慢求解器，并反思、学习过往经验。[3][13] 在受限环境导航任务中，同时使用两种决策模态的实例在决策质量、资源消耗与效率上优于只用单一模态的实例，并会随经验积累逐渐把原本由慢思考处理的问题转为快思考处理。[14]
后续变体引入迭代反馈与情节记忆，并采用神经符号组合，例如让大语言模型充当快求解器、让符号搜索算法充当慢求解器来处理图着色问题。[15] 相关研究把这类系统统称为受“快与慢”认知理论启发的多智能体认知架构。
局限
对该架构最主要的批评针对其分类本身。批评者指出，把加工分成有意的、可控的、有意识的、低效的一类与无意的、不可控的、无意识的、高效的另一类，缺少实证支持，与既有发现相矛盾，并且内部不自洽；自这一区分出现以来，被发现的加工大多兼具两类特征，很少完全落在某一类中。 他们还认为，未经检验地假定心理现象可以一分为二，会妨碍研究进展。
支持者的回应是：上述批评针对的是把一长串特征捆绑在一起的旧版表述，而较新版本只把少数特征视为定义性的，并允许特征之间不相关、允许存在混合加工。[5] 对于特征是否需要彼此相关、单一的定义性特征能否构成可检验的理论，双方仍未达成一致。[16]
经验层面的挑战同样存在。研究显示类型1能够完成逻辑推理，类型2的纠正作用也远比早期设想少见。[7] 速度与正确性之间没有固定对应关系，快速答案未必错误、缓慢答案未必正确，把偏差一律归于类型1、把正确归于类型2被视为该领域最持久的谬误之一。[6]
此外，早期版本把理想化的理性只留给系统2，被认为没有真正摆脱理想理性带来的解释困难；较新的版本则尝试吸收有限理性的洞见，承认类型2受到多种限制、类型1也能进行情境化的灵活加工。[17]
参见
参考资料
- zenodo . doi.org [引用日期2026-09-29]
- slowness-essence-knowledge . bps.org.uk [引用日期2026-09-29]
- Thinking Fast and Slow in Human and Machine Intelligence . acm.org [引用日期2026-09-29]
- Getting to the heart of the dual-systems distinction . herbertsimonsociety.org [引用日期2026-09-29]
- The Mythical Dual-Process Typology . archives-ouvertes.fr [引用日期2026-09-29]
- FULL_TEXT(PDF) . manchester.ac.uk [引用日期2026-09-29]
- bps.org.uk 上的网页 . bps.org.uk [引用日期2026-09-29]
- 20002:860668048+OBJ+OBJ . uconn.edu [引用日期2026-09-29]
- attachment_file(PDF) . researchmap.jp [引用日期2026-09-29]
- document . hal.science [引用日期2026-09-29]
- エバンスとスタノビッチ（Evans & Stanovich, 2013）に従って，二重過程をもう少し詳しくみ . nii.ac.jp [引用日期2026-09-29]
- situational-awareness . sciencedirect.com [引用日期2026-09-29]
- Thinking Fast and Slow in AI: the Role of Metacognition . arxiv.org [引用日期2026-09-29]
- nsf.gov 上的网页 . nsf.gov [引用日期2026-09-29]
- arxiv.org 上的网页 . arxiv.org [引用日期2026-09-29]
- Trends in Cognitive Sciences . buffalo.edu [引用日期2026-09-29]
- taylorfrancis.com 上的网页 . taylorfrancis.com [引用日期2026-09-29]
浏览次数：1 次
阅读量：0 次 · 阅读完成量：0 次
最近更新：2026-09-29T12:50:53Z
完成率 = 阅读完成量 ÷ 阅读量，分母是阅读量不是浏览次数 —— 关了 JS 的、秒退的都在浏览次数里、不在阅读量里。 详细口径在后台的「数据统计」页。