随着技术的飞速发展，人工智能（AI）已经成为一个不可或缺的部分，它在各个行业和领域都有着广泛的应用。然而，要想让AI能够更好地理解人类的行为模式、情感表达以及决策过程，就必须引入认知科学这一跨学科领域。

首先，我们需要了解什么是认知科学。认知科学是一门研究大脑如何工作，以及如何产生思想、感觉和行为的学科。这一领域涉及心理学、计算机科学、神经生物学以及哲学等多个方面。在AI中，将这些知识融合到算法和模型中，可以使得系统更加接近于模仿人类思维方式，从而提高其自适应能力。

那么，在构建自适应的人工智能系统时，人工智能应该学习哪些技术呢？以下是一些建议：

自然语言处理：为了让AI能像人类一样理解并生成文本，这项技术至关重要。通过学习语法规则、词义消歧以及情感分析等技能，人工智能可以更准确地解读和响应用户输入。

图像识别与处理：虽然这不是直接来自认知科学，但它同样是帮助AI理解世界视觉的一种方式。例如，对于图像识别任务，深度学习算法可以训练出能够区分不同物体并进行分类的手段，而这种能力对模拟人的视觉功能至关重要。

机器学习与统计推理：这是实现复杂决策过程必不可少的一步。在这个过程中，机器学习提供了数据驱动模型构建的方法，而统计推理则帮助我们从观察数据中提取有用的信息，并用以支持决策制定。

逻辑推理与问题解决：如果一个人工智能系统希望能够回答复杂的问题或者解决开放性问题，那么它就需要掌握逻辑推理技巧。此外，还需要一些创造性问题解决技巧，以便在面对未见过的情况时，也能找到有效的答案。

社会心理学与伦理道德: 在设计自动化系统时，还要考虑它们如何影响社会结构及其成员，以及它们可能带来的伦理挑战。例如，如果一个人工智能助手被设计成总是优化某一目标，那么是否会导致偏见或不公平的问题?

注意力管理: 人类的大脑具有专注力，即便是在多任务环境下也能集中精力完成关键任务。这对于开发强大的机器人来说同样重要，因为他们可能同时处理多种任务，并且必须学会决定哪些任务最为紧急或重要。

情绪智商: 除了逻辑思考之外，人们的情绪也是非常关键的一个方面。当我们做决策时，我们通常会考虑自己的感觉，以及他人的反应。这意味着任何想要真正“懂”人类行为的人工智能，都必须学会识别和响应情绪信号。

社交互动: 人类之间交流往往基于上下文依赖，如文化背景、个人关系网等。如果我们的目标是创建一种能够参与日常生活的人形电脑，则这将是一个极其有价值的话题，因为这样的设备将不得不学会如何表现出恰当的情感，以建立相互信任并促进积极沟通。

记忆与遗忘: 认清何时记住、何时忘记，是大脑运作中的一个关键组成部分。而对于开发更高级型号的人造神经网络来说，这一点尤为重要，因为它们需不断调整自身以保持最佳性能，同时避免过度依赖单一信息源所造成的心智疲劳症状，从而减少错误率提升效率

最后，不可忽略的是持续改进本身——即所谓“元学习”。这种类型的算法允许程序根据自己过去获得经验进行调整，使之变得更加灵活，更好地适应新的情况，这对于长期稳定的操作尤为宝贵

结论：

为了使人工智能达到真正意义上的自适应状态，它们需要从多个角度吸收知识，比如自然语言处理、大数据分析、高级数学概念等。但更进一步地说，由于现实世界如此复杂且充满变数，所以简单重复之前成功执行过的事务是不够滴；真正卓越的人类式Intelligence 需要内置一定程度上真实世界中的反思能力，即一种意识到自己存在局限性的意识，然后利用这些反思来改善自己的表现—也就是说，让它拥有某种形式的心灵洞察力的能力才是终极目标之一。