国内的教科书大多数对联结主义模型的认知模型、ACT-R这种基于产生式的计算机模型的细节讲解不深。一半的原因可能是上一辈心理学家没有接受过编程的训练（这是情有可原的）；另一半的原因是这类模型确实比较复杂，从对心理学家忙碌的工作而言可操作性较差，一般全天忙碌的科学家很少有时间去学一些基础的知识进而去基于接受新的技术（例如编程）开发出来的理论模型与研究范式。现在这个现象继续上演着，认知神经科学需要生物医学工程的训练（比编程还要要求高了），我们该怎么办呢？我相信总有速成的办法。
产生式系统基于上一代认知心理学对程序性记忆的研究，似乎挺好用。西蒙的逻辑理论家曾成功解决过传教士-野人问题。这是值得纪念的成就。
Coggr博客回顾了这些研究，提出产生式系统的模型没有涉及到脑神经层面的事实（例如脑区的联系）。一些基于类似事实的神经模型（计算神经科学嘛，这个应该比认知更加火）产生的结果也能让科学家满意，这说明什么呢？我们需要在产生式系统模型中加入脑神经的建模假设或者变量吗？
至少那位博主认为，这个是有必要的，但这不会影响产生式系统已经做出的贡献。
附些参考文献（source：Coggr）：
References
Anderson, J. R. (1983). The architecture of cognition. Cambridge, MA: Harvard University Press.
Anderson, J. R. (2007). Using brain imaging to guide the development of a cognitive architecture. In W. D. Gray (Ed.), Integrated models of cognitive systems (pp. 49-62). New York: Oxford University Press.
Anderson, J. R., & Lebiere, C. (1998). The atomic components of thought. Mahwah, NJ: Lawrence Erlbaum.
Gray, W. D. (Ed.). (2007). Integrated models of cognitive systems. New York: Oxford University Press.
Hamker, F. H. (2005). The reentry hypothesis: The putative interaction of the frontal eye field, ventrolateral prefrontal cortex, and areas V4, IT for attention and eye movement. Cerebral Cortex, 15, 431-447.
Itti, L., & Koch, C. (2001). Computational modelling of visual attention. Nature Reviews Neuroscience, 2, 194-203.
Lanyon, L. J., & Denham, S. L. (2009). Modelling attention in individual cells leads to a system with realistic saccade behaviors. Cognitive Neurodynamics.
Lovett, M. C., & Anderson, J. R. (2005). Thinking as a production system Cambridge handbook of thinking and reasoning, 401-430 DOI: 10.2277/0521531012
Post, E. L. (1943). Formal reductions of the general combinatorial decision problem. American Journal of Mathematics, 65, 197-268.
