本人觉得很有前景的一个发展方向：

Tal Yarkoni介绍了他利用信息学（informatics）来整合研究。做法：1）可以通过网络上已有的巨量数据，来挖掘其背后的意义。（样本大，不用专门找被试，数据现成）；2）像meta-analysis一样，收集一堆现有的文献，然后发现其规律。e.g. 我们只能先有刺激，再去看脑部哪个部位被激活；但如果反过来，我们光知道哪个部位被激活，是很难知道，他接收的是什么刺激（因为这两者是多对一或多对多的关系）。但利用贝叶斯推理，对一堆文献分析后，我们可以找出当xx区域被激活时，有30%的可能是A刺激，有55%的可能是B刺激。

• Hebbian Learning
  
• John Holland 的遗传算法
  
• Higgins的Regulatory focus theory 
• 神经元经济学 Neuroeconomics

OSU的Alex Petrov 弄的关于Perceptual Learning的一个wiki  (这里列了很多这个领域的研究者，也可以加入他们的mailing list)

• http://www.perceptuallearning.org/

UC-Berkeley的Palmer教授介绍了他的ecological valence theory (EVT)。他的研究发现，人们喜欢的颜色跟他们喜欢的物件的颜色相关。我们对颜色的偏好会受环境影响。例如Stanford的学生更喜欢斯坦福红色，而Berkeley的学生更喜欢伯克利蓝色。