Вычислительное познание - Computational cognition

Вычислительное познание (иногда называют вычислительная когнитивная наука или же вычислительная психология) - исследование вычислительный базис учусь и вывод к математическое моделирование, компьютерное моделирование, и поведенческий эксперименты. В психологии это подход, который разрабатывает вычислительные модели на основе экспериментальных результатов. Он пытается понять основы человеческого метода обработка информации. Вначале ученые-когнитивисты стремились вернуть и создать научную форму Брентано психология[1]

Искусственный интеллект

Основная статья: Искусственный интеллект

Есть две основные цели создания искусственного интеллекта: создавать разумное поведение независимо от качества результатов и моделировать разумное поведение, встречающееся в природе.[2] В начале своего существования в искусственном интеллекте не было необходимости имитировать то же поведение, что и человеческое познание. До 1960-х годов экономист Герберт Саймон и Аллен Ньюэлл попытался формализовать человеческие навыки решения проблем, используя результаты психологических исследований для разработки программ, которые реализуют те же методы решения проблем, что и люди. Их работы заложили основу символический ИИ и вычислительного познания, и даже некоторые достижения для наука о мышлении и когнитивная психология.[3]

Сфера символического ИИ основана на гипотеза системы физических символов Саймона и Ньюэлла, в которых утверждается, что проявление аспектов когнитивного интеллекта может быть достигнуто путем манипулирования символы.[4] Тем не мение, Джон Маккарти больше сосредоточено на первоначальной цели искусственного интеллекта, которая состоит в том, чтобы разбить суть логических и абстрактных рассуждений независимо от того, использует ли человек один и тот же механизм.[2]

В течение следующих десятилетий прогресс, достигнутый в области искусственного интеллекта, стал больше сосредоточиваться на разработке программ, основанных на логике и знаниях, отклоняясь от первоначальной цели символического ИИ. Исследователи начали полагать, что символический искусственный интеллект никогда не сможет имитировать некоторые сложные процессы человеческого познания, такие как восприятие или же учусь. Тогда предполагаемая невозможность (поскольку опровергнутая [5]) реализации эмоций в ИИ, было замечено как камень преткновения на пути к человеческому познанию с помощью компьютеров.[6] Исследователи начали использовать «субсимволический» подход к созданию интеллекта без конкретного представления этих знаний. Это движение привело к появлению дисциплины вычислительное моделирование, коннекционизм, и вычислительный интеллект.[4]

Вычислительное моделирование

Основная статья: Вычислительная модель

Поскольку компьютерное когнитивное моделирование больше способствует пониманию человеческого познания, чем искусственный интеллект, оно возникло из-за необходимости определять различные функции познания (например, мотивацию, эмоции или восприятие) путем их представления в вычислительных моделях механизмов и процессов.[7] Изучение вычислительных моделей сложные системы за счет использования алгоритмов многих переменных и обширных вычислительные ресурсы производить компьютерное моделирование.[8] Моделирование достигается путем корректировки переменных, изменения одной из них по отдельности или даже объединения их вместе, чтобы наблюдать влияние на результаты. Результаты помогают экспериментаторам делать прогнозы о том, что произойдет в реальной системе, если подобные изменения произойдут.[9]

Когда вычислительные модели пытаются имитировать когнитивное функционирование человека, все детали функции должны быть известны, чтобы они могли правильно передаваться и отображаться в моделях, что позволяет исследователям полностью понять и проверить существующую теорию, поскольку никакие переменные не являются неопределенными, а все переменные могут быть изменены. . Рассмотрим модель памяти, построенная Аткинсоном и Шиффрином в 1968 году, он показал, как репетиция приводит к Долгосрочная память, где будет храниться репетируемая информация. Несмотря на прогресс, достигнутый в раскрытии функции памяти, эта модель не дает ответов на такие важные вопросы, как: сколько информации можно репетировать за раз? Сколько времени нужно, чтобы информация перешла из репетиции в долговременную память? Точно так же другие вычислительные модели поднимают больше вопросов о познании, чем дают ответов, что делает их вклад гораздо менее значимым для понимания человеческого познания, чем другие когнитивные подходы.[10] Дополнительным недостатком компьютерного моделирования является отсутствие объективности.[11]

Джон Андерсон в своей модели Adaptive Control of Thought-Rational (ACT-R) используются функции вычислительных моделей и результаты когнитивной науки. Модель ACT-R основана на теории, согласно которой мозг состоит из нескольких модулей, которые выполняют специализированные функции отдельно друг от друга.[10] Модель ACT-R классифицируется как символический подход к когнитивной науке.[12]

Сеть коннекционистов

Основная статья: Коннекционизм

Другой подход, который больше касается семантического содержания когнитивной науки, - это коннекционизм или моделирование нейронных сетей. Коннекционизм основан на идее, что мозг состоит из простых единиц или узлов, а поведенческая реакция исходит в первую очередь от слоев связей между узлами, а не от самого стимула окружающей среды.[10]

Сеть Connectionist отличается от компьютерного моделирования двумя функциями: нейронное обратное распространение и параллельная обработка. Нейронное обратное распространение - это метод, используемый сетью коннекционистов для демонстрации свидетельств обучения. После того, как сеть коннекционистов выдает ответ, смоделированные результаты сравниваются с реальными ситуационными результатами. Обратная связь, обеспечиваемая обратным распространением ошибок, будет использоваться для повышения точности последующих ответов сети.[13] Вторая функция, параллельная обработка, возникла из убеждения, что знания и восприятие не ограничиваются конкретными модулями, а скорее распределяются по когнитивным сетям. Настоящая параллельная распределенная обработка была показана в психологических демонстрациях, таких как Эффект Струпа, где мозг, кажется, одновременно анализирует восприятие цвета и значения языка.[14] Однако этот теоретический подход постоянно опровергался, поскольку две когнитивные функции - восприятие цвета и словообразование - действуют отдельно и одновременно, а не параллельно друг другу.[15]

Сфера познания может выиграть от использования коннекционистской сети, но настройка моделей нейронных сетей может быть довольно утомительной задачей, а результаты могут быть менее интерпретируемыми, чем система, которую они пытаются моделировать. Следовательно, результаты могут быть использованы в качестве доказательства для широкой теории познания без объяснения конкретного процесса, происходящего в рамках когнитивной функции. Другие недостатки коннекционизма заключаются в методах исследования, которые он использует, или гипотезах, которые он проверяет, поскольку они часто оказывались неточными или неэффективными, что уводит коннекционистские модели от точного представления о том, как функционирует мозг. Эти проблемы приводят к тому, что модели нейронных сетей неэффективны при изучении высших форм обработки информации и препятствуют коннекционизму в продвижении общего понимания человеческого познания.[16]

Рекомендации

  1. ^ Грин, К., и Сокал, Майкл М. (2000). «Разоблачение« тайны »вычислительной когнитивной науки». История психологии. 3 (1): 62–66. Дои:10.1037/1093-4510.3.1.62. PMID  11624164.CS1 maint: несколько имен: список авторов (связь)
  2. ^ а б МакКордак, Памела (2004). Машины, которые думают (2-е изд.). Натик, Массачусетс: А. К. Петерс, Ltd., стр. 100–101. ISBN  978-1-56881-205-2.
  3. ^ Хогеланд, Джон (1985). Искусственный интеллект: сама идея. Кембридж, Массачусетс: MIT Press. ISBN  978-0-262-08153-5.
  4. ^ а б Кревье, Даниэль (1993). AI: бурные поиски искусственного интеллекта. Нью-Йорк, штат Нью-Йорк: BasicBooks. стр.145–215. ISBN  978-0-465-02997-6.
  5. ^ Мегилл, Дж. (2014). «Эмоции, познание и искусственный интеллект». Умы и машины. 24 (2): 189–199. Дои:10.1007 / s11023-013-9320-8. S2CID  17907148.
  6. ^ Дрейфус, Хуберт Л. (1972). Чего компьютеры до сих пор не могут делать: критика искусственного разума. ISBN  9780262540674.
  7. ^ Солнце, Рон (2008). Введение в вычислительное когнитивное моделирование. Кембридж, Массачусетс: Кембриджский справочник по компьютерной психологии. ISBN  978-0521674102.
  8. ^ «Компьютерное моделирование в науке». Стэнфордская энциклопедия философии, компьютерное моделирование в науке. Лаборатория метафизических исследований Стэнфордского университета. 2018.
  9. ^ Солнце, Р. (2008). Кембриджский справочник по компьютерной психологии. Нью-Йорк: Издательство Кембриджского университета.
  10. ^ а б c Айзенк, Майкл (2012). Основы познания. Нью-Йорк, Нью-Йорк: Психология Пресс. ISBN  978-1848720718.
  11. ^ Рестрепо Эчаваррия, Р. (2009). «Структурализм Рассела и предполагаемая смерть вычислительной когнитивной науки». Умы и машины. 19 (2): 181–197. Дои:10.1007 / s11023-009-9155-5. S2CID  195233608.
  12. ^ Полк, Тад; Зейферт, Коллин (2002). Когнитивное моделирование. Кембридж, Массачусетс: MIT Press. ISBN  978-0-262-66116-4.
  13. ^ Андерсон, Джеймс; Пеллионис, Андраш; Розенфельд, Эдвард (1993). Нейрокомпьютинг 2: направления исследований. Кембридж, Массачусетс: MIT Press. ISBN  978-0262510752.
  14. ^ Румелхарт, Дэвид; Макклелланд, Джеймс (1986). Параллельная распределенная обработка, Vol. 1: Основы. Кембридж, Массачусетс: MIT Press. КАК В  B008Q6LHXE.
  15. ^ Коэн, Джонатан; Данбар, Кевин; Макклелланд, Джеймс (1990). «Об управлении автоматическими процессами: параллельный учет распределенной обработки эффекта Струпа». Психологический обзор. 97 (3): 332–361. CiteSeerX  10.1.1.321.3453. Дои:10.1037 / 0033-295x.97.3.332. PMID  2200075.
  16. ^ Гарсон, Джеймс; Залта, Эдвард (весна 2015 г.). «Коннекционизм». Стэнфордская энциклопедия философии. Стэндфордский Университет.

дальнейшее чтение

Внешние ссылки и библиография