Přístupy k modelování lidské mysli v kognitivních vědách/old

Přístupy k modelování lidské mysli v kognitivních vědách - Jaké znáte základní teoretické přístupy ke studiu lidské mysli? - V čem spočívá komputačně-reprezentační uchopení mysli (CRUM)? - V čem spočívá a jak lze využít konekcionistický přístup? Hlavní cíl kognitivné vědy je pochopit myšlenkové pochody. Znalosti v mysli mají formu MENTÁLNÍCH REPREZENTACÍCH - v hlavách lidí probíhaj mentální PROCESY, které manipulují s mentálními reprezentacemi. Výsledkem zpracování jsou myšlenky a činy. Různé typy mentálních reprezentací (např. pravidla nebo pojmy) pracují s různými procesy.

Základní přístupy:

KONEKCIONISTICKÉ REPREZENTACE REPREZENTACE NEUTRÁLNÍCH SÍTÍ

Psychologické pokusy – klíčovou podmínkou pro to, abychom mohli kognitivní vědy považovat za vědu.

METODY

Testování probíhá na počítačích – tyto PC modely slouží jako analogie k mentálním operacím.

KOMPUTAČNĚ REPREZENTAČNÍ UCHOPENÍ MYSLI

Hlavní hypotéza kognitivní vědy – Myšlení lze nejlépe pochopit v pojmosloví reprezentujících struktur v mysli, a v pojmosloví výpočetních procedur, které na těchto strukturách operují. = CRUM (Computional – Representational Understanding of Mind) - srovnání mysli s počítačem (stejné pojmosloví)

Teorie CRUM předpokládá, že v mysli existují mentální reprezentace analogické datovým strukturám (souborům) a výpočetní procedury podobné algoritmům.


PROGRAM Datové struktury Algoritmy = běh programu

MYSL Mentální reprezentace Výpočetní procedury = myšlení



Teorie, modely a programy

Kognitivní teorie předpokládá existenci souboru reprezentačních struktur a soubor procedur, které s nimi zacházejí. Výpočetní model tyto struktury a procesy zpřesní tím, že je bude interpretovat jako analogii s PC programy. Aby se model dat testovat, musí být implementovaný do softwarových programů běžících na různých platformách.

Vyhodnocení různých přístupů k mentálním reprezentacím

6 různých přístupů k mentálním reprezentacím – logika, pravidla, pojmy, představy, analogie a sítě.


Kritéria pro hodnocení

1. Reprezentační mohutnost – kolik informace může vytěžit. 2. Výpočetní mohutnost – výkonost a) řešení problémů – plánování, rozhodování, vysvětlení b) učení c) jazyk 3. Psychologická přijatelnost 4. Neurologická přijatelnost 5. Praktické použitelnost a) výuka b) navrhování c) inteligentní systémy


LOGIKA

(Aristoteles, Church, Turing) SYLOGISMY: - Schémata obsahující premisi a závěr - Jsou formou deduktivního odvozoování – závěry nutně plynou z premis - Induktvní vyvozování – vnáší prvek nejistoty

Formální logika je výkonným nástrojem pro výzkum reprezentací i výpočtů. Proporční a predikátový kalkul umožňují vyjádřit mnohé složité druhy znalostí a mnohé sondy se dají pochopit v pojmech logických dedukcí s odvozovacími pravidly typu modus ponens

= pro kognitivní vědu se příliš nehodí, ale díky ní se lze lepšímu usuzování.



PRAVIDLA

(Newell, Shaw, Simon) - jsou struktury typu jestliže – pak - Logic Theorist, GPS (general promblem solving) + prakticky využitelné při tvorbě výukových programů Většinu lidského myšlení lze popsat terminologií pravidel a mnoho druhů myšlení ( např. plánování ) lze modelovat pomocí systémů založených na pravidlech.

V logice se u pravidla nebo kondicionálu část JESTLIŽE (ANTECEDENT) a část PAK (konsekvent). V umělé inteligenci se pravidlům často říká produkce (Productions)



POJMY – KONCEPTY

(Barlett, Kant, Minsky) - 70.léta PC podstata konceptů – rámec (frame), schéma (schema) nebo scénář (script). + využitelné pro plánování Každý koncept nemusí být přesně definován, ale spíše by měly být nahlíženy jako soubory typických vlastností. Použití konceptů pak spočívá v získání přibližné shody mezi pojmy a světem. Systémy hierarchisticky uspořádaných pojmů se někdy nazývají sémanitickými sítěmi. Odvozování pomocí dědění se používá v objektovém orientování (object-oriented programming).




ANALOGIE

(Mill, Hesse, Evans)

2 situace:

Cílový analog – představuje novou situaci o níž se uvažuje Zdrojový analog – reprezentují původní situaci, jež má být adaptována a aplikována na cílový analog.

+ velký přínos pro vysvětlování

Uplatňuje se v různých oblastech – řešení problémů, rozhodování, vysvětlení a jazyková komunikace. Výpočetní modely simulují způsoby, jak lidé vyhledávají a mapují zdrojové analogy, aby je pak použili na cílové situace. Omezení ve formě podobnosti, sktruktury nebo účelu pomáhají překonat obtížný problém s vyhledáváním předchozích zkušeností a jejich použití v nových situacích. Ne všechno myšlení se odehrává v analogiích a nevhodné analogie mohou myšlení omezovat. Navzdory tomu se mohou analogie stát velmi výkonnými nástroji ve výchovném procesu.



PŘEDSTAVY

(Wundt, Paino, Shepard, Metzler)

- Nejtypičtější jsou vizuální představy. + napomáhá při učení, u PC poměrně vzácné.

Obrazové reprezentace zachytí vizuální a prostorovou informaci ve formě mnohem použitelnější než dlouhodobé slovní popisy. Výpočetními procesy vhodnými pro vizuální reprezentaci jsou prohlížení, vyhledávání, zvětšování, rotace nebo transformace.



KONEKCIONISTICKÉ SÍTĚ


- konekcionistický výzkum – počítačové modelování, které se inspirovalo uspořádáním neuronů v mozku. - Zdůrazňuje důležitost vzájemných propojení (konexí) mezi jednotlivými strukturami připomínající neurony (označení neurální sítě nebo paralelní distribuované zpracování.)

Konekcionistické modely mozku a mysli:

A) Lokální reprezentace – struktury podobné neuronům zde lze označit jako zástupce interpretace pojmů nebo tvrzení. B) Distribuované reprezentace – reprezentaci pojmů nebo výroků se učí celá síť a jejich význam je distribuován přes velké soubory struktur podobných neuronům.

Lokální i distribuované sítě reprezentace jsou schopny paralelního respektování omezení (Parallel constraint satisfaction, PCS) (př. Rozvrh ve škole).

Př. Neckertova krychle

Jak fungují PCS - prvky jsou reprezentovány jednotkami. Pozitivní vnitřní vztahy jsou reprezentované budivými (excitačními) spoji. Negativní vnitřní vztahy reprezentují inhibiční propojení. Síť může reagovat i na vnější působení. Řídící jednotka ovlivňuje připojené jednotky buď pozitivně nebo negativně.

Konekcionistické sítě sestávající z jednoduchých uzlů a jejich propojení jsou velmi užitečné pro pochopení těch psychologických procesů, které zahrnují PCS. Sem patří různé stránky procesu vidění, rozhodování, hledání vysvětlení a vyhledávání významu u porozumění řeči.

Konekcionistické modely mohou simulovat učení za pomoci metod zahrnujících hebkovský způsoby učení a zpětného šíření. Současně aktivované jednotky mají větší váhu.

U lidí se vyskytují procesy, které umožňují šíření aktivace mezi jednotkami prostřednictvím těchto spojů, jsou zde i procesy, které mohou upravovat vlastnosti spojů.

Aplikace šíření aktivace a učení na jednotky v ústí v chování.

Z pohledu psychologie jsou konekcionistické modely jen hrubou aproximací sítí skutečných neuronů.