Informație

De ce Connectionismul și Dinamicismul nu sunt considerate parte a Teorii Computaționale a Minții?

De ce Connectionismul și Dinamicismul nu sunt considerate parte a Teorii Computaționale a Minții?



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

În articolul Wikipedia pentru Teoria Computațională a Minții (NU pentru a fi confundat cu Înțelegerea reprezentativă prin calcul a minții, care include conexionismul), se menționează că alternativele la această viziune filozofică sunt conexionismul și dinamismul (deși există o dezbatere cu privire la cât de diferit este dinamismul). De ce asta? Întrucât folosesc în continuare modele matematice administrate de computere, care încă primesc informații și le procesează, ele par să se încadreze în continuare în Teoria Computațională a Minții. Ce distincție îmi lipsește aici?


Teoria Computațională a Minții nu înseamnă că mintea face o formă de calcul în sensul larg al calculului. Mai degrabă, uitați-vă la exemplele pentru CToM date în articolul Wikipedia; oameni ca Fodor, Pinker, Marr. Opinia lor este foarte opusă poziției conexioniste a oamenilor de știință din Coasta de Vest, cum ar fi Rumelhart, Elman și McClelland. Ambii presupun că creierul face o formă de calcul, dar diferă foarte mult în ceea ce privește ce fel de calcul se face. În principiu, prin CToM, cunoașterea este manipularea simbolului și mintea Von Neumann-like (cu un procesor central care accesează memoria), și pentru Connectionism, nu este.

Din punct de vedere istoric, o mare parte din bazele CToM, așa cum este utilizat în prezent, au fost întâi și cel mai bine articulate de David Marr (deși gândul de bază este, desigur, mult mai vechi). Cunoașterea presupusă de Marr poate fi descrisă pe 3 niveluri distincte;

  1. A la nivel de calcul, care descrie ce muncă ar trebui să facă sistemul; de exemplu, sistemul vizual ar trebui să descopere indicii pentru adâncime, limitele obiectelor și așa mai departe
  2. The nivel algoritmic este o descriere a calculelor care sunt utilizate pentru a efectua acest calcul; de exemplu, în cazul viziunii, calculând o transformare laplaciană.
  3. The nivel implementational este modul în care neuronii sunt de fapt conectați împreună pentru a efectua acești algoritmi - umed, și pentru mulți cercetători, o parte nu atât de interesantă.

Acest cadru este practic ceea ce operează o mare parte din CToM modern.

Fodor sau Pinker presupun că mințile funcționează ca o formă specifică de computer: oarecum asemănătoare cu o mașinărie Von Neuman. Mai exact, mintea o face manipularea simbolului. Simbolurile sunt entități cognitive distincte, abstracte, cărora li se atribuie o anumită semnificație. De obicei, ele reprezintă ceva. Deci, pentru o persoană CToM, mintea funcționează luând un simbol, cum ar fi o reprezentare la nivel scăzut a unei părți mici a lumii exterioare și efectuând o operație asupra acestuia. În viziune, este posibil să fie necesare elemente vizuale de nivel scăzut și să le adauge împreună pentru a construi o reprezentare 3D a lumii exterioare. În limbaj, ar putea lua unități lexicale și le poate opera folosind reguli lingvistice, oferind o reprezentare lingvistică / semantică.

Important, în toate acestea, lucrul care este operat (simbolul) și lucrul care face operația (un modul mental) sunt distincte. Simbolurile sunt manipulate prin intermediul unor module mentale care arată un comportament algoritmic asemănător unei reguli. În cel puțin unele teorii, fiecare manipulare dintr-un modul urmează în ordine succesivă.

Deci CToM implică de obicei o teorie simbolică și reprezentativă a minții; de asemenea, vine adesea ca o teorie modulară, nativistă și universalistă.

În schimb, conexionismul nu presupune niciunul dintre acestea și, de fapt, a fost propus inițial ca răspuns direct și alternativă la CToM. În conexionism, abordarea pe 3 niveluri nu este adesea văzută ca fundamentală sau chiar utilă; a studia modul în care funcționează neuroni este a studia modul în care funcționează cunoașterea. În Connectionism, nu există o unitate centrală de procesare și nici un simbol distinct. Nu există nicio diferență între „date” (simboluri, reprezentare) și procesor. Prelucrarea și simbolurile sunt distribuite implicit între neuroni; procesarea nu are loc în module și în ordine, ci în paralel. Unitatea centrală nu este modulul, ci rețeaua. Sistemele neuronale nu implementează operațiuni specifice unor reguli, cum ar fi un program de computer „normal”, ci se ocupă de lume prin găsirea de tipare în intrare și legarea acesteia la modele de răspuns create dinamic. În unele cadre, reprezentativitatea este contestată.

Cele două articole din Enciclopedia Stanford despre CToM și Connectionism sunt o bună introducere a subiectului și argumentul lung și intens dintre cele două școli despre ceea ce face mintea.

Același spiel este valabil și pentru sistemele dinamice care iau cunoștință, deoarece, comparativ cu CToM, cele două - Dynamicism și Connectionism - sunt unite în ceea ce le distinge de CToM. Când comparăm dinamic dinamismul cu CToM, van Gelder aliniază imediat și explicit conexiunea și dinamismul atunci când le compară cu

… Ipoteza de calcul (CH) conform căreia agenții cognitivi sunt practic computere digitale. Poate că cea mai faimoasă interpretare este doctrina lui Newell și Simon [:] „un sistem de simboluri fizice ...” ...
În ultimii ani, totuși, ... alternativa a luat avânt. Una dintre cele mai notabile evoluții a fost creșterea conexionismului, care modelează cunoașterea ca comportament al sistemelor dinamice ...

Dinamicismul, ca și conexionismul, nu este simbolic, nu este vândut pe modelul Von Neumann și pune accentul pe procesele adaptative (cum ar fi învățarea) asupra facultăților statice și modulare. Mai mult, Dinamicismul pune accentul pe interacțiunile cu lumea exterioară, precum și pe fenomenele întrupate, non-simbolice.

Ca post-scenariu, vreau să menționez că Marr este, probabil, un pic de paie când este pictat (de către oamenii din partea CToM, de obicei!) Ca Arh simbolist. Marr și-a dezvoltat munca fundamentală împreună cu Poggio, care a lucrat mult cu rețelele neuronale și cu modelele stochastice și este uneori prezentat ca un dinamicist (!).

De asemenea: pentru a adăuga confuzia, cercetarea CToM prezintă de obicei mult mai puțin interes pentru modele de calcul explicite decât munca conexionistă. Cercetarea conexionistă prezintă aproape întotdeauna implementări computerizate ale modelelor, iar dinamismul poate fi greu pentru formule. Cercetarea CToM preferă adesea descrierile calitative.


Luni, 05 august 2013

Calcul, Church-Turing și tot acel jazz

Am examinat recent (și am găsit dorind) așa-numita teorie calculațională a minții, deși în contextul unei postări mai largi despre diferența dintre teoriile științifice și ceea ce cred că sunt cel mai bine menționate ca relatări filosofice (cum ar fi cele de mai sus # 8220teoria & # 8221). Apărătorii versiunilor puternice ale calculaționalismului (care se referă la aproape același lucru ca și AI puternic) invocă deseori conceptele gemene ale calculației în sine și ale tezei Church-Turing pentru a implica faptul că calculaționalismul nu numai că este adevărat, dar s-a dovedit a fi deci prin dovada matematică. Problema este că, dacă ne uităm puțin mai aproape la ce înseamnă calculul sau examinăm exact ceea ce spune Church-Turing, nu se poate ajunge la o astfel de concluzie. Lasă-mă să explic.

Să începem cu teza Bisericii-Turing. Jack Copeland a scris o intrare exhaustivă despre aceasta pentru Enciclopedia de Filosofie Stanford din ce în ce mai excelentă și sunteți binevenit (ă) să verificați detaliile și sursele acesteia. În primul rând, desigur, să spunem exact ceea ce spun de fapt teza Bisericii și teza Turing (sunt două teze diferite, care s-au dovedit în curând a fi formulări echivalente ale aceluiași concept de bază).

Teza Turing: Mașinile de calcul logice (cunoscute acum sub numele de mașini Turing) pot face orice ar putea fi descris ca & # 8220rule of thumb & # 8221 sau & # 8220 pur mecanic. & # 8221

Teza bisericii: O funcție a numerelor întregi pozitive este efectiv calculabilă numai dacă este recursivă.

Nu mă întreba cum pe pământ aceste două se dovedesc a fi afirmații echivalente, logica de calcul nu este domeniul meu. Are ceva de-a face cu echivalența dintre ceva numit & # 8220lambda definibility & # 8221 (abordarea Bisericii) și definiția adoptată de Turing a calculabilității.

Ceea ce este important pentru scopurile mele aici este că & # 8212, așa cum explică în detaliu Copeland în mod clar & # 8212, a existat multă confuzie și neînțelegere în filosofia mentală cu privire la teza Bisericii-Turing, o situație care aparent nu a cruțat nume mari în terenul, de la Dan Dennett la Patricia Churchland.

Pentru a vă arăta care este problema, permiteți-mi să citez pe Copeland pe larg:

& # 8220 Se pare că a apărut un mit referitor la hârtia lui Turing din 1936, și anume că acolo a tratat limitele mecanismului și a stabilit un rezultat fundamental în sensul că mașina universală Turing poate simula comportamentul oricărei mașini. Mitul a trecut în filozofia minții, în general cu efect pernicios. & # 8221

Uch. Iată un eșantion (mic) de lucruri pe care filosofii minții au spus că, potrivit lui Copeland, sunt pur și simplu greșite:

Dan Dennett: & # 8220 Turing s-a dovedit & # 8212 și aceasta este probabil cea mai mare contribuție a lui & # 8212 că mașina sa Universal Turing poate calcula orice funcție pe care orice computer, cu orice arhitectură, o poate calcula. & # 8221 (NU ADEVĂRAT)

Paul și Patricia Churchland: Rezultatele [Turing & # 8217s] & # 8220 implică ceva remarcabil, și anume că un computer digital standard, având doar programul potrivit, o memorie suficient de mare și suficient timp, poate calcula orice funcție de intrare-ieșire guvernată de reguli. Adică, poate afișa orice tipar sistematic de răspunsuri la mediu. & # 8221 (NU ADEVĂRAT)

Ceea ce Turing și Church au dovedit, mai modest (dar totuși remarcabil!), Este că mașina universală Turing & # 8217 poate efectua orice calcul pe care orice special Mașina Turing poate funcționa. Acest lucru pur și simplu nu are un fel de implicații pentru ceea ce pot face computerele reale (fizice) sau despre calculabilitate în general, pe care atât de mulți computaționaliști entuziaști îl insistă, parțial pentru că noțiunea T și C & # 8217 de computer nu era deloc. echivalent cu cel al unui sistem fizic realizabil finit și nici conceptul lor de calcul nu era atât de larg pe cât și-ar dori mulți filozofi ai minții (într-adevăr, este de remarcat faptul că Turing & # 8217s folosesc cuvântul & # 8220 computer & # 8221 uman calculatoare, adică persoanelor care pot efectua calcule & # 8220mecanice & # 8221 prin regulă & # 8212, având în vedere acest lucru, vă rog să vă gândiți la ironia sensului unui test Turing. ).

De fapt, așa cum subliniază Copeland, știm deja posibilitatea unor mașini (uneori denumite & # 8220hipercomputere & # 8221) care generează funcții care nu pot fi calculate de mașina Turing. Și dacă acest lucru nu ar fi fost suficient, Copeland citează o serie de lucrări teoretice despre existența proceselor fizice al căror comportament nu este conform cu cel al mașinilor Turing. Atât de mult pentru declarațiile mărețe despre & # 8220universalitatea & # 8221 a & # 8220computation & # 8221 (mai multe despre asta într-o secundă).

Toate acestea sunt importante pentru teoriile de calcul ale minții, deoarece acestea presupune că procesele psihologice asemănătoare cu cele care se întâmplă în creierul uman sunt calculabile cu mașina Turing. Dar Copeland afirmă clar că aceasta este, în cel mai bun caz, o întrebare deschisă, deloc un fapt stabilit.

Iată un alt citat direct din articolul SEP care ar trebui să dea o pauză computaționaliștilor: & # 8220 [este] obișnuit [și eronat] în scrierea modernă despre calculabilitate și creier. să susținem că rezultatele Turing & # 8217 implică cumva creierul, și într-adevăr orice sistem biologic sau fizic, poate fi simulat de o mașină Turing. Teza Bisericii-Turing nu implică faptul că creierul (sau mintea sau conștiința) poate fi modelat printr-un program al mașinii Turing, nici măcar împreună cu credința că creierul (sau mintea etc.) este explicabil din punct de vedere științific sau prezintă un model sistematic de răspunsuri la mediu sau este & # 8216 guvernat de regulă. & # 8217 & # 8221

Așadar, vă rog, putem să nu mai invocăm Church-Turing ca atu în favoarea teoriilor computaționale ale minții? Mulțumesc.

Acum, la problema mai largă a calculului în sine, mai ales atunci când vine vorba de calcul ca proces care trebuie realizat de sistemele fizice reale (la urma urmei, filosofia minții, cercetarea inteligenței artificiale și neurobiologia se referă la creierul din carne și sânge sau cu echivalenți de siliciu posibili & # 8212, ambele fiind sisteme fizice reale sau actualizabile). Aici, o sursă excelentă care rezumă discuțiile relevante este articolul SEP de Gualtiero Piccinini. Și, după cum se dovedește, se ocupă parțial de Church-Turing, precum și de o serie de conturi de calcul în filozofie (cartografiere simplă, precum și relatări cauzale, contrafactual, de dispoziție, semantice, sintactice și mecaniciste & # 8212 citiți despre ele în inima dvs. și conținutul # 8217). Dar partea pe care doresc să mă concentrez se adresează întrebării cruciale a faptului dacă fiecare sistem fizic este de natură computațională și # 8212 un alt atu folosit de multe ori în mâinile teoreticienilor minții computaționiste.

Noțiunea că toate sistemele fizice efectuează calcule este denumită în mod adecvat pancomputaționalism, iar prima facie o găsesc la fel de interesantă ca și contorul său non-fizicist, panpsihismul și # 8212, adică deloc. Totuși, să aruncăm o privire mai atentă.

După cum se dovedește, există două varietăți de pancomputaționalism pe piață: pancomputaționalism puternic sau nelimitat și pancomputaționalism slab sau limitat. Prima versiune spune că fiecare sistem fizic efectuează fiecare calcul, în timp ce cea din urmă spune că fiecare sistem fizic funcționează niste calcul.

Piccinini distinge, de asemenea, diferite școli de gândire despre pancomputaționalism în ceea ce privește sursa sa, adică modul în care se răspunde la întrebarea de ce se crede că totul calculează. O posibilitate este că calculul este o chestiune de interpretare liberă, adică dacă un anumit sistem poate fi descris ca calcul este o întrebare a modului în care se descrie acel sistem o a doua alternativă este că calculul este doar structura cauzală a unui sistem, astfel încât totul care implică cauzalitate ipso facto calculează. În al treilea rând, există posibilitatea ca totul să fie calculat, deoarece totul poartă informații. Și, în cele din urmă, pancomputaționalismul poate proveni din ideea că universul fizic în sine este un computer, din care rezultă în mod evident că tot ce este în el este calculat.

Așadar, să continuăm discuția noastră în două părți: una care se ocupă de pancomputaționalism puternic vs slab, cealaltă abordând presupusele surse de pancomputaționalism de orice fel acceptăm.

Oarecum ironic, o forță majoră a calculației (puternice) nelimitate este o critică a teoriilor computaționale ale minții: Ian Hinckfuss și William Lycan au articulat această poziție susținând că o găleată de apă conține un număr imens de procese microscopice, care în teorie ar putea pune în aplicare un program uman sau orice calcul arbitrar, cel puțin pentru un timp. John Searle (el din Camera chineză) a explicat acest lucru, sugerând că dacă un sistem fizic implementează un calcul este o chestiune a modului în care observatorul interpretează sistemul și a fost Hilary Putnam, un inițiator major al teoriei computaționale a minții (din nou , ironiile nu se termină niciodată!) care a formalizat mai întâi conceptul de pancomputaționalism nelimitat.

Problema, așa cum subliniază Piccinini în articolul său, este că, dacă pancomputaționalismul nelimitat este adevărat, atunci noțiunea de calcul devine trivial adevărată și vacuă, ceea ce subminează puternic teoria calculațională a minții. Într-adevăr, pancomputaționalismul nelimitat chiar subminează informatica însăși, deoarece nu mai există nicio distincție între un computer adecvat (chiar și unul interpretat în general) și aproape orice altceva, inclusiv rocile.

Din fericire, nu pare să existe un motiv bun pentru a crede în pancomputaționalism nelimitat, deoarece se bazează pe cartografierea simplă menționată mai sus, care înțeleg că este de departe cea mai slabă relatare a calculelor disponibile până în prezent.

Să ne întoarcem, așadar, la pancomputaționalism limitat, ideea că, deși totul se calculează, nu toate lucrurile pot efectua toate calculele. Această viziune a calculului nu este la fel de vacuă ca cea precedentă, dar este încă deschisă acuzației de banalizare, care subminează din nou direct teoriile computaționale ale minții (pentru că dacă totul calculează, atunci mintea nu este atât de diferită în principiu de roci, deși rocile pot fi capabile de computere mult mai limitate & # 8220 & # 8221).

Pancomputaționaliștii slabi au totuși un răspuns aici, totuși: puterea predictivă a poziției lor depinde tocmai de faptul că fiecare sistem particular este limitat în măsura în care se referă la calculele pe care acel sistem le poate efectua, astfel încât să poată veni cu un sens (calcul ) teorii care explică de ce creierele sunt creiere și rocile sunt roci.

Trebuie să recunosc că o astfel de replică mă lasă extrem de rece. Dar este important să înțelegem că „# 8212 la fel ca și în cazul anterior”, dacă „pancomputaționalismul limitat este o opțiune coerentă, depinde un cont de calcul”. După cum se dovedește, conturile semantice, sintactice și mecaniciste sunt destul de restrictive și nu sunt ușor compatibile cu orice formă de pancomputaționalism, în timp ce cartografierea simplă și conturile cauzale îi sunt puțin mai prietenoase.

E timpul să ne îndreptăm atenția asupra presupuselor surse de pancomputaționalism. Primul este, așa cum am văzut, că totul poate fi considerat computațional dacă observatorul îl descrie într-un mod anume. Obiecția evidentă (și, cred, fatală) aici este că atunci pancomputaționalismul este o noțiune subiectiv fără speranță și o putem ignora în siguranță atât din perspectiva științifică, cât și din cea filosofică.

Ideea că calculul este echivalent cu cauzalitatea este puțin mai interesantă, dar își deschide propria cutie Pandora. În primul rând, încă de la Hume, conceptul de cauzalitate în sine a fost orice altceva decât filosofic direct și nu este deloc clar ce se adaugă re-botezându-l ca calcul. Mai mult, există fenomene mecanice cuantice care par să nu fie cauzale (sau cel puțin să nu necesite implementarea conceptului de cauzalitate pentru a le înțelege), ceea ce înseamnă că pancomputaționalismul nu ar fi, de fapt, & # 8220pan & # 8221 la urma urmei. În sfârșit, avem deja un termen pentru cauzalitate și folosim deja cuvântul & # 8220computation & # 8221 pentru a indica o clasă (utilă) restricționată de fenomene, deci de ce să amestecăm cele două și să creștem confuzia?

Considerații similare se aplică ecuației informației cu calculului.Termenul informație în sine poate fi definit într-o varietate de maniere și este departe de a fi clar că totul poartă informații, cu excepția unui sens trivial adevărat al termenului. Se pare că împerecherea unor concepte la fel de vacante este puțin probabil să genereze multă perspectivă asupra modului în care funcționează lumea.

Așa că ajungem, în sfârșit, la ideea provocatoare că totul este computațional, deoarece universul în sine este un computer. Dar ce înseamnă asta Rău?

Noțiunea este denumită pancomputaționalism ontic și intră în filosofia calculului direct din fizica fundamentală. Din punct de vedere științific, pancomputaționalismul ontic este o afirmație bazată pe înțelegerea noastră empirică a lumii, în timp ce vorbind din punct de vedere filosofic este o afirmație metafizică (logic independentă) despre natura lumii.

După cum afirmă Piccinini, & # 8220 Afirmația empirică este că toate mărimile fizice fundamentale și tranzițiile lor de stare sunt astfel încât să fie exact descrise printr-un formalism de calcul adecvat. & # 8221 Există două posibilități aici: automatele celulare sau calculul cuantic. Unii fizicieni & # 8212 cel mai vizibil Stephen Wolfram & # 8212 au propus că universul în sine este un automat celular, adică fenomenele sale se desfășoară algoritmic. Problema cu acest lucru, și este una gravă, este că această teorie prezice că toate mărimile fizice fundamentale sunt discrete (spre deosebire de cele continue) și că, în plus, spațiul și timpul în sine trebuie să fie fundamental discrete. Acest lucru se datorează faptului că automatele celulare sunt sisteme clasice (spre deosebire de cuantice). Dar Richard Feynman (citat în articolul lui Piccinini & # 8217) a susținut că este dificil să se vadă cum caracteristicile mecanice cuantice ale universului pot fi simulate de un automat celular.

Introduceți calculabilitatea cuantică, unde biții sunt înlocuiți cu & # 8220qubits și # 8221 de unități de informații care pot lua orice stare (superpozabilă!) Între 0 și 1 și pot prezenta încâlcire cuantică (capul dvs. se învârte încă? Bine, sunteți în # 8217 companie amplă). Aceasta spune în esență că universul este într-adevăr un computer, dar un cuant, nu unul clasic. Dintr-o perspectivă empirică, pancomputaționalismul cuantic ontic este pur și simplu o redescriere în limbajul computațional al mecanicii cuantice standard și # 8212 important, nu există un conținut empiric diferențial aici, ceea ce ridică întrebarea de ce să ne deranjăm cu întregul exercițiu pentru început.

Afirmația metafizică a pancomputaționaliștilor ontici este că universul în sine este făcut din calcul (sau, în mod echivalent, din informație). Iată, din nou, interpretarea ideii de către Piccinini: & # 8220, conform revendicării metafizice a pancomputaționalismului ontic, un sistem fizic este doar un sistem de stări de calcul. Calculul este ontologic anterior proceselor fizice, ca și cum ar fi. & # 8221 Îmi place ideea, dar știi unde duce asta, nu? Piccinini: & # 8220 Dacă calculele nu sunt configurații ale entităților fizice, cea mai evidentă alternativă este că calculele sunt entități abstracte, matematice, cum ar fi numerele și seturile. . elementul de construcție [al universului] este fenomenul cuantic elementar & # 8216da, nu & # 8217 Este o entitate abstractă. Nu este localizat în spațiu și timp. Conform acestei relatări de calcul, afirmația ontologică a pancomputaționalismului ontic este o versiune a pitagoreanismului. Totul este calcul în același sens în care versiunile mai tradiționale ale pitagoreismului susțin că totul este număr sau că totul este set. & # 8221 Oh, nu, spectrul platonismului matematic crește din nou!

Deci iată-l, oameni buni. Do nu folosiți Church-Turing ca fundament teoretic pentru teoriile minții computaționale, deoarece nu este așa ceva. Și fii foarte aveți grijă ce fel de pancomputaționalist ați putea ajunge (dacă există) și de ce. Consecințele logice pot fi foarte neplăcute pentru viziunile voastre metafizice ale lumii.


De ce nu vei face ceea ce vreau? Eșecurile informative ale copiilor și modelelor

Modelele computaționale sunt instrumente puternice - prea puternice, după unii. Susținem că ideea că modelele pot „face orice” este greșită și descriem modul în care eșecurile lor au fost informative. Prezentăm o nouă lucrare care arată o diversitate surprinzătoare în ceea ce privește efectele feedback-ului asupra schimbării sarcinilor copiilor și a celor 27 de ani, astfel încât unii copii perseverează în ciuda acestui feedback, alți copii trec conform instrucțiunilor și totuși alții joacă un joc „opus” fără a trece cu adevărat la noul sarcină instruită. Prezentăm simulări care demonstrează eșecul unui model de rețea neuronală de altfel de succes pentru a surprinde acest eșec. Simularea acestui tipar motivează includerea unor mecanisme de actualizare care fac contact cu o literatură în creștere privind funcția frontostriatală, în ciuda absenței lor în teoriile dezvoltării flexibilității cognitive. Argumentăm din acest exemplu și din alte exemple că modelele de calcul sunt mai constrânse decât se recunoaște de obicei și că eșecurile rezultate pot fi teoretic iluminante.

Repere

► Feedbackul de comutare a sarcinilor poate sprijini un joc „opus” în loc de o regulă instruită. ► Modelele nu sunt atotputernice, un model anterior nu poate surprinde acest model. ► Dacă modelul este împiedicat să se actualizeze, modelul captează jocul „contrarii”. ► Actualizarea poate fi un factor subapreciat în dezvoltarea comutării sarcinilor. ► Acest lucru și alte eșecuri ale modelelor de calcul pot fi informative pentru teorie.


Cuprins

Bine. Nu pot edita această pagină dacă modificările mele sunt anulate. Sunt un expert de frunte în domeniu și, spre deosebire de persoana care îmi anulează modificările, nu anonim. Textul nu reprezintă corect punctele de vedere principale ale câmpului. Celălalt editor poate cunoaște cartea Trappenberg (așa cum se spune, are 400 de citări "). Știu toate manualele majore (și multe altele, de exemplu Dayan și Abbott sunt mult mai populare). Și am organizat conferința principală în zona și astfel știu spectrul la care lucrează oamenii. Versiunea mea înainte de anulare a fost mult mai bună decât cea pe care o avem acum. dar nu am niciun interes să particip la un război de editare. Cel mai bun. Konrad Kording - Comentariul precedent nesemnat adăugat de Koerding (discuție • contribuții) 19:47, 26 ianuarie 2020 (UTC)

În curând voi apela la colegi pentru refactorizarea paginii ca portal, vă rog să mă contactați dacă am văzut Meduz (discuție) 10:26, 4 mai 2008 (UTC)

Pagina trebuie refăcută urgent. Este destul de jenant în starea actuală. De exemplu. Partea date vs teorie trebuie să-și facă loc în secțiunea subiecte majore. - Comentariu precedent nesemnat adăugat de Koerding (discuție • contribuții) 13:51, 4 iulie 2019 (UTC)

Nu este cazul în care ML, etc nu face parte din comp neuro, există literalmente mii de hârtii care fac legătura între cele două. Poate că acea critică ar trebui redactată ca ceva legat de dezacorduri în domeniu. - Comentariul precedent nesemnat adăugat de Koerding (discuție • contribuții) 18:43, 15 aprilie 2019 (UTC)

Doar pentru a adăuga câteva nume concrete: DiCarlo, Yamins, Kording, Kriegeskorte, Richards, Naud fac cu toții neuroștiințe computaționale conectiste. Sunt finanțate de ex. CRCNS, care subliniază în mod explicit că domeniul consideră acest lucru ca neuroștiințe de calcul.

Neuroștiința teoretică este aproape universal privită ca parte a neuroștiințelor computaționale. Neuroștiința teoretică se ocupă de teorie. Știința datelor neuronale se ocupă de date. Ambele se încadrează în umbrela neuroștiinței de calcul. Vechea discuție de pe această pagină discută deja despre asta. - Comentariul precedent nesemnat adăugat de Koerding (discuție • contribuții) 13:00, 4 iulie 2019 (UTC)

Am crezut că „calculațional” se înțelege în sensul „căutării unor calcule în creier” și nu „folosirii computerelor pentru modelarea creierului”. ultima opțiune este cu siguranță ceva de viitor mic, deoarece domeniul studiază interacțiunile agenților multipli la diferite niveluri (sinapse, neuroni, ansambluri, zone etc.). Meduz (discuție) 09:01, 8 ianuarie 2008 (UTC)

Am remediat câteva probleme cu intrarea și în curând voi adăuga conținut la toate subsecțiunile. De asemenea, cineva poate remedia „pagina categoriilor”? Nu știu cum să o fac. thx --sluox

Neuroștiința computațională este mai degrabă un descriptor general al unei ramuri a științei care folosește metode de calcul și matematice pentru examinarea proceselor creierului, în timp ce neuro-cibernetica se referă mai precis la proiectarea interfețelor. Cred că neurocibernetica ar trebui combinată cu interfața Brain-computer.

O altă definiție posibilă este pe linia diviziunii dintre un fizician teoretic și un fizician experimental. Astfel, termenul „neuroștiințe computaționale” devine „neuroștiințe teoretice”. Justificarea pentru asta? Pur și simplu că computerul este doar un instrument care permite testarea ipotezelor neuroștiințifice, modelele sunt derivate teoretic atât din considerarea datelor colectate de „neurologii experimentali”, cât și din perspectiva (matematică sau de altă natură) a naturii calculului neuronal. furnizate de „neurologi calculaționali”.

În plus, domeniul este de asemenea populat de ingineri de sisteme și ingineri electronici.

Există o referință la o lucrare a lui Shlens și colab., Pentru care nu există o citare completă.

Sunt de acord că definiția neuroștiinței de calcul este prea îngustă. Neuroștiința computațională, în opinia mea, este mult mai mult decât utilizarea computerelor pentru a construi modele de jucărie de neuroni. Sigur, asta face parte din el, dar doar o parte. Mai general, aș spune că neuroștiința computațională este o paradigmă în neuroștiințe care privește creierul ca pe o mașină de prelucrare a informației (un computer, dacă doriți). Adesea, oamenii care studiază această paradigmă folosesc modele (atât de calcul, cât și matematice) care cuprind multe niveluri de descriere (de exemplu, nivel sub-celular, celular, de rețea sau chiar abstract: de exemplu modele probabiliste sau învățarea diferențelor temporale etc.). De asemenea, aș spune că cineva poate fi un neurolog în calcul și poate fi experimentalist (ceea ce este probabil destul de mult ceea ce este un neurolog în „sisteme”). A spune că neuroștiința computațională înseamnă doar construirea unor modele de celule Hodgin Huxley contracarate este o neînțelegere uriașă a domeniului ca mișcare științifică.

Cred că acest articol nu ar trebui să fie îmbinat cu neuroinformatica, deoarece neuroștiința computațională se ocupă de modele computaționale pentru diferite niveluri ale neuroștiinței și, prin urmare, este mai teoretică, pe de altă parte, neuroinformatica se ocupă de aplicațiile software și proiectele utilizate pentru a le construi și, prin urmare, este mai practică . Modelele computaționale nu sunt întotdeauna realizate neapărat folosind un instrument de neuroinformatică. 82.6.110.89 07:50, 16 mai 2007 (UTC)

Mai ales secțiunea Cercetare curentă. Are nevoie de surse care să discute cartografierea și simularea creierelor animale, cum ar fi C. elegans. Mange01 (discuție) 21:39, 2 aprilie 2009 (UTC)

Vă sugerăm să importăm tot ce este posibil din Neuroștiința Dinamică și să o facem redirecționată. Noul articol de la Neurostiința Dinamică este tendențios, iar fundamentele din spatele acestuia sunt doar false. Multe afirmații și opinii personale neacceptate, cum ar fi „Odată cu explozia de tehnologie și comunicare din ultimele decenii, nomenclatura câmpurilor cerebrale s-a încurcat oarecum. Următoarele definiții sensibile la context vor ajuta, cu speranță, să clarifice ce este neuroștiința dinamică.„faceți din el un articol inacceptabil și, în plus, neuroștiința dinamică nu este, din ceea ce pare să spună autorul, nimic altceva decât neuroștiința computațională cu ecuații neliniare. Deoarece toate sistemele biologice sunt neliniare și mai ales creierul și din moment ce neuroștiința computațională au fost neliniar de la crearea lor, nu văd rostul de a inventa o subdisciplină într-un articol Wikipedia. Mai mult, autorul nu a putut furniza referințe satisfăcătoare care arată că Neuroștiința dinamică este un termen general acceptat în domeniul neuroștiințelor computaționale. referințele folosesc „neuroștiințe teoretice” sau „sisteme dinamice în neuroștiințe”, mai degrabă decât „neuroștiințe dinamice". Googling-ul termenului oferă foarte puține rezultate în afară de încercarea propriului autor de a promova acest termen. O discuție a avut loc aici și aici și mulți oameni au raportat probleme cu Astfel, sugerez în esență o ștergere cu o anumită îmbinare a unor lucruri care ar putea fi utile în Neuro Computațional pagina științifică (nu vor fi multe) Jean-Francois Gariepy (discuție) 02:26, ​​6 august 2010 (UTC).

Mi-am prezentat argumentul în secțiunea de discuții privind Neuroștiința Dinamică. Xurtio (discuție) 03:12, 6 august 2010 (UTC) Ei bine, dacă neuroștiința dinamică este menționată în 5 locuri din lumea liberă, cred că merită o ștergere / îmbinare. În cazul în care oamenii nu ar adopta punctul meu de vedere, vă sugerez să rescrieți articolul în stilul neurofizicii, care este mult mai conservator și nu încearcă să cuprindă întreaga istorie a neuroștiințelor computaționale ca un precursor al subcampului. Nu există multe de spus despre neuroștiința dinamică în afară de faptul că este o subdisciplină a neuroștiințelor teoretice interesată de utilizarea non-liniarității pentru a modela funcțiile creierului. M-aș aștepta, așadar, la o pagină de 5 rânduri, care s-ar putea încadra într-adevăr ca un capitol al neuroștiințelor computaționale. Ceea ce aș face cu siguranță este să elimin referințele actuale și să pun accent pe cele pe care le-ați furnizat - link-ul cursului și link-ul laboratorului, deoarece acestea sunt într-adevăr singurele referințe care susțin prezența acestei pagini. Îmi mențin comentariul asupra punctelor de vedere personale exprimate în articol - acestea sunt inacceptabile. Mai spui că ești „învățând despre abordarea dinamică a neuroștiinței și am început să scriu acest articol pentru a afla mai multe despre aceasta.". Acest lucru nu este acceptabil, ca editor Wikipedia ar trebui să aveți cunoștințe și să construiți enciclopedia cu ea, nu să construiți enciclopedia în timp ce inventați cunoștințele. Personal cred că domeniul neurologiei dinamice nu respectă standardele de notabilitate. Din nou, nu toate referințele pe care le furnizați, chiar și în răspunsul dvs., utilizează termenul de neuroștiințe dinamice. „Știința cognitivă dinamică” și „Psihologia dinamică” sunt termeni diferiți și nu pot justifica existența paginii. Pentru a spune că 1 curs sau 1 laborator în ansamblu lumea folosește această terminologie pentru a pune accent pe interesul lor pentru sistemele dinamice este un lucru, dar suntem departe de a fi o subdisciplină reală cu propria definiție. Toate aceste sfaturi sunt doar în cazul în care oamenii votează pentru menținerea articolului. propunerea mea de fuziune și aștept aportul altor persoane din comunitate Jean-Francois Gariepy (discuție) 03:43, 6 august 2010 (UTC) Sunt de acord că opiniile personale ar trebui eliminate. așteptând, de asemenea, mai multe informații de la alții. Xurtio (discuție) 03:51, 6 august 2010 (UTC) Totuși, trebuie să spun că aceasta este o sugestie stupidă: folosiți doar referințele care folosesc cuvântul „Neuroștiințe dinamice” Sunteți serios? Uită-te la felul de muncă pe care o fac. este aceeași lucrare pe care o fac oamenii din celelalte referințe (și anume Sisteme dinamice în neuroștiințe). Dacă nu vă place numele, este de înțeles. Dacă doriți să fie combinat, este de înțeles. Dar chiar mergeți prea departe când începeți să sugerați că același subiect să fie sfâșiat de modul în care este etichetat. ? Nu? Xurtio (discuție) 04:12, 6 august 2010 (UTC) Aș fi primul care ar folosi argumente precum cele pe care le prezinți într-o discuție în care aș exprima părerea mea personală despre lucruri și despre, de exemplu, modul în care diviziunea dintre psihologia și biologia nu sunt justificate, deoarece ambele științe studiază creierul la sfârșit. Dar Wikipedia nu este un loc în care să lupți despre opiniile personale și trebuie să faci la fel ca mine: uită-ți opiniile personale și încearcă să respecți câmpurile așa cum sunt și nu așa cum ți-ai dori să fie. Dacă cineva spune că folosește sisteme dinamice pentru a modela creierul, aceasta este o tehnică care este o procedură specială utilizată de un anumit cercetător. Dacă cercetătorul respectiv nu spune pe site-ul său sau în textul pe care îl publică că studiază neuroștiința dinamică, se adaugă doar părerii mele că nu ar trebui să existe un articol Wikipedia despre asta. Personal folosesc electrozi extracelulari pentru a studia creierul. Acesta nu este un motiv bun pentru a crea un articol Wikipedia despre „Neuroștiința extracelulară”. Dacă aș vrea să includ cunoștințe despre această tehnică specifică în Wikipedia, probabil că ar trebui să creez un articol tehnic despre modul în care funcționează amplificatorul extracelular. În cele din urmă, aș sugera o îmbinare a articolului meu cu o propoziție din articolul Amplificator doar pentru a menționa că amplificatoarele sunt utilizate și în înregistrările electrofiziologice. Este sarcina enciclopedistului să regrupeze și să clasifice cunoștințele pentru a-și prezenta structura generală umanității. O enciclopedie nu este un loc pentru a discuta despre cum ar trebui să fie lucrurile într-o lume utopică și cât de interdisciplinare ar trebui să fim cu toții și cum, în cele din urmă, toate științele studiază aranjamentele speciale ale acelorași atomi fizici. O enciclopedie raportează doar cum sunt organizate și gândite cunoștințele de către experți în domeniu, atunci când există un domeniu. Jean-Francois Gariepy (discuție) 04:23, 6 august 2010 (articolul meu original se baza strict pe abordări fiziologice (de exemplu, sistemele dinamice din neuroștiințe l-au inspirat). De fapt, am experiență de cercetare acolo. Adăugarea de secțiuni dincolo de aceasta s-a datorat la critici din partea altora (în special la physicsforums.com în secțiunea științe medicale) pe care le-am considerat corecte, susținând că neuroștiința este mai mult decât doar neuroni acum. Nu am de gând să-mi camp lista de urmărire și să anulez orice schimbări aduse de controlul comunității. Xurtio (discuție) 05:17, 6 august 2010 (UTC) Iată un argument suplimentar pe care l-am prezentat pe cealaltă pagină: tocmai am consultat Encyclopedia of Neuroscience editată de Binder și colab., O lucrare colectivă de peste 4000 de pagini care urmărește indexarea tuturor conceptelor și cuvintelor utilizate în domeniul neuroștiinței și oferirea unei scurte explicații despre aceasta. Este o enciclopedie foarte specializată care conține ex. planificare pentru multe subdiscipline ale neuroștiințelor teoretice și a fost scrisă de sute de experți în domeniu. Doar câteva concepte care sunt indexate, pentru a vă face o idee despre nivelul de specializare, merge de la: actinopterigian, mamifere, vertebrate la ipoteza codului modelului peste fibre, proteina kinază care asociază actina sau legile echilibrului. Nu există nicio mențiune despre neuroștiința dinamică, nici măcar ca un cuvânt substituit indexat. Ar fi ciudat dacă o enciclopedie generală precum Wikipedia ar căuta să fie mai specializată decât o enciclopedie specializată făcută pentru oamenii din domeniu.Aceștia menționează sistemele dinamice ca un concept utilizat în inginerie, care este relevant pentru modelarea în neuroștiința computațională, dar în mod clar nu menționează neuroștiința dinamică și tind să fie foarte îndrăzneți în definirea cuvintelor secundare. Jean-Francois Gariepy (discuție) 05:18, 6 august 2010 (UTC) Iată câțiva autori pe lângă mine care explică motivația pentru abordarea dinamică (folosind termenul neuroștiințe dinamice): http://www3.interscience.wiley.com/cgi-bin/fulltext/119114969/HTMLSTART Explicit: „În această secțiune, punem câteva întrebări practice despre timp și sugerăm că neuroștiința ar putea fi aproape de un moment de cotitură, în care o înțelegere a dinamicii la un nivel (de exemplu, rețele mici de neuroni) poate fi utilizată pentru a determina cunoștințele despre un alt nivel (de exemplu, cognitiv). Aceasta este o temă recurentă în studiile minte-creier. Încercarea proiectului de a dezvolta un model neuronal funcțional al proceselor psihologice. Poate că unele principii din neuroștiința dinamică, care nu erau evidente în vremea lui Freud, sunt acum disponibile pentru a sintetiza un model mai bun de legătură. " Vă rugăm să rețineți, de asemenea, că Neuroștiința Computațională se prezintă și ea ca interdisciplinară. Xurtio (discuție) 05:48, 6 august 2010 (UTC) Profesorii de filosofie și matematică folosesc și termenul, numindu-l „perspectivă”: http://books.google.com/books?hl=ro&lr=&id=D7tq8BI_9tEC&oi= fnd & amppg = PA187 & ampots = Cz1fwScgtO & ampsig = 1UkzlwwXx9PWpwW4hkLqDvcT9Us # v = onepage & ampq =% 22dinamic% 20neuroscience% 22 & ampf = false Xurtio (discuție) 06:04, 6 august 2010 (UTC) 06:04, 6 august 2010 (UTC)

Editarea soluției posibile

Tocmai am descoperit ceva. Ultimul link pe care l-am postat mai sus a făcut referire la Cosmelli (2007) care vorbește despre „neurodinamică”. Din wiki-ul nostru "oscilații neuronale":

„Studiul oscilațiilor neuronale aparține câmpului„ neurodinamicii ”, un domeniu de cercetare în științele cognitive care pune un accent puternic pe caracterul dinamic al activității neuronale în descrierea funcției creierului. Termenul de neurodinamică datează din anii 1940, [ 4] și este o ramură a neuro-ciberneticii care utilizează ecuații diferențiale pentru a descrie tiparele de activitate neuronală. Cercetarea în neurodinamică implică zonele interdisciplinare ale neurobiologiei teoretice contemporane, dinamica neliniară, sistemele adaptive complexe și fizica statistică. abordări modulare ale neuroștiinței cognitive și cu reprezentativismul implicit sau explicit în știința cognitivă. "

Observați cum propriul nostru autor wiki îl numește a camp. Deci: „Sisteme dinamice în neuroștiințe”, „Neuroștiințe dinamice” și „neurodinamică” toate par a fi același lucru pentru mine și par să îndeplinească cerințele de notabilitate atunci când includeți termenul mai popular, „neurodinamică”. Xurtio (discuție) 06:19, 6 august 2010 (UTC)

Ok, dar ar trebui să alegeți un titlu și un subiect pentru articolul respectiv. Pentru că în acest moment ceea ce văd în acest articol este o descriere a neuroștiințelor computaționale cu un număr mai mare de computere. Tehnologia în evoluție crește cantitatea de calcule pe care o putem face în fiecare an, dar acest lucru nu justifică, în opinia mea, crearea unei noi terminologii pentru un câmp care folosește aceleași ecuații vechi la o scară mai mare. Și unele dintre referințele pe care le aduceți aici sunt chiar lângă pista din articolul pe care îl scrieți despre modelarea neuronului unic și în referințe menționează modul în care procesele cognitive ar putea fi modelate în rețele uriașe. Din citirea articolului chiar acum, nu văd nimic care să afirme că neuroștiința cognitivă este principalul accent care distinge neuroștiința dinamică de alte abordări. Nu am nimic împotriva autorului pe care îl citați sau împotriva persoanelor care se identifică la acel abordat, spun că articolul actual nu are nicio legătură cu ceea ce descrieți. Primele 2-3 propoziții ale articolului wiki despre o abordare trebuie să precizeze în mod clar pentru toată lumea ceea ce studiază terenul și cum se raportează la alte domenii. "Un sistem dinamic poate fi reprezentat cu o hartă geometrică care descrie traiectoriile variabilelor în spațiul de fază. Astfel de sisteme pot experimenta bifurcația (o schimbare calitativă a comportamentului) ca o funcție a parametrului bifurcației și prezintă adesea haos. Sistemele dinamice necesită în general instrumentele de analiză neliniară pentru a investiga.„nu este o definiție de înțeles a domeniului. Voi adopta poziția lui Tryptofish, va aduce unele modificări majore, voi elimina lucrurile care nu aparțin acestui subcâmp și dacă articolul este de o calitate acceptabilă, nu mă voi opune eliminării combinării. Jean-Francois Gariepy (discuție) 16:10, 6 august 2010 (UTC) Sunt de acord. Cred că și asta este starea disciplinei, ceea ce face dificilă definirea. Se pare că provine din neuroștiințe cognitive. se pare că mulți fizicieni și neurobiologi fac de fapt simularea datelor fiziologice (nu acordă prea multă atenție aspectului cognitiv al acesteia) și apoi colaborează cu oamenii de știință cognitivi. Dacă vă uitați la CV-ul lui Eugene Izhikivech, puteți vedea la ce mă refer (de exemplu , cartea sa „Sisteme dinamice în neuroștiințe” este toate fiziologice, dar a participat la o întâlnire de neuroștiințe dinamice care constă din oameni de știință și psihologi cognitivi. Nu știu ce fac oamenii de știință cognitivi cu asta, pentru că sunt pe finalul fiziologic. Va trebui să petrec ceva timp cercetând asta. Teoria haosului este, de asemenea, un subiect important aici, care nu a fost adus în discuție. De fapt, teoria haosului poate fi cursul principal, deoarece explică stochastica aparentă într-un regim clasic. Bifurcația permite transferul sistemelor de la haos, la oscilator, la starea de echilibru, haosul fiind cel mai bogat din punct de vedere al dinamicii. Apreciez oarecum cu reticență examinarea ta Jean, mulțumesc. Xurtio (discuție) 16:31, 6 august 2010 (UTC)

Editare Simpozioane SFN

Aș dori să subliniez că, în ultimii 17 ani, întâlnirea SFN a primit un satelit Neuroștiințe dinamice - urmează al 18-lea. Participarea este destul de substanțială. Looie496 (discuție) 19:13, 6 august 2010 (UTC)

Desigur, am menționat-o deja în primul paragraf al propunerii mele de fuziune. SfN folosește acest termen pentru a desemna o anumită abordare folosind sisteme dinamice în neuroștiințe. Acest lucru nu are nicio legătură cu ceea ce este descris în prezent în articolul dvs. Ar trebui să se menționeze clar ce este acest „câmp” (nu l-aș numi câmp, aș preciza că este o metodă, o abordare etc.) și nu ar trebui să cuprindă lucruri precum modelele cu neuroni unici. Dacă da, atunci Hodgkin a fost un neurolog dinamic? Și atunci dacă da, de ce avem chiar o pagină despre neuroștiința computațională, deoarece toată lumea este un neurolog științific dinamic. 173.177.146.156 (discuție) 19:24, 6 august 2010 (UTC) Ne pare rău, am probleme cu integrarea tuturor discuțiilor. Pentru mine, cei doi termeni sunt destul de distincti: neuroștiința computațională este interfața dintre neuroștiințe și informatică neuroștiința dinamică este interfața dintre neuroștiințe și fizica matematică. Looie496 (discuție) 19:35, 6 august 2010 (UTC) Da, Looie, acesta este punctul pe care încercam să-l subliniez cu secțiunea de nomenclatură pe care am șters-o acum pentru Jean. Izhikivech, Dahlem și Cowan fac toate puncte importante despre acest lucru și toate acestea sunt secțiunile pe care Jean le dorește să le elimine. 137.229.76.13 (discuție) 19:40, 6 august 2010 (UTC) Dacă acesta ar fi punctul tău real, l-ai putea explica cu ușurință într-un mod foarte simplu, 1 propoziție, așa cum tocmai a făcut Looie496. Nu avem nevoie de un paragraf întreg. Vreau ca paragraful să fie eliminat, deoarece este în esență un stil de discuție și pentru că nu este clar așa cum Looie496 a făcut doar cum sunt definite neuroscienele dinamice. Jean, aș dori să subliniez o altă eroare în argumentul tău: „Dacă da, atunci Hodgkin era un neurolog dinamic”. Luați în considerare, de exemplu, Einstein și Planck, care au fost canonici în formarea fizicii cuantice. Cu toate acestea, nu erau fizicieni cuantici. De fapt, lui Einstein nu-i păsa prea mult de fizica cuantică, în ciuda faptului că a fost fondator. Mai sunt multe exemple de genul acesta. Un câmp se dezvoltă ca un conștient colectiv, chiar dacă membrii acelui colectiv nu fac parte din câmp. Problema aici este că conștiința colectivă menționată nu s-a dezvoltat până la un punct în care poți aduce cu ușurință referințe text arătând că acestea sunt lucruri distincte în afară de 3 băieți, iar când citesc aceste referințe îmi dau seama că vorbesc mai mult despre „folosirea” a sistemelor dinamice ca instrument în neuroștiință ", mai degrabă decât neuroștiința dinamică, care pare un termen bun pentru a o face scurtă, dar eșuează atât de mult la notabilitate încât, atunci când o fac pe google, ajung pe propriile postări de pe forum despre aceasta. Cazul pe care îl citați este foarte interesant, deoarece este un caz foarte cunoscut și istoria dezvoltării fizicii cuantice a fost bine descrisă și sunt disponibile lucrări primare și secundare. Pentru neuroștiințe dinamice, încercați să împingeți conștiința colectivă prin editarea enciclopediei și aceasta este una dintre cele mai mari probleme cu Wikipedia, este că oamenii pot de fapt să inventeze o nouă știință și să o definească așa cum doresc, inclusiv bucăți întregi de alte științe în noul lor termen fără să se îngrijoreze de asta. Reduceți la minimum „doar 3 băieți”. da, 3 băieți, cinci (plus lucrarea de filozofie / matematică), alte exemple numai în SUA care folosesc termenul și un simpozion numit „Neuroștiințe dinamice” care cuprinde cam tot ce am discutat, de la neuroni singulari la abordări cognitive. Da, de asemenea, o pagină de pe Wikipedia care vorbește despre același lucru, o numește doar „neurodinamică”, pentru care există un întreg slough al aceleiași informații (dinamica neliniară în neuroni).

De asemenea, v-aș îndrepta, încă o dată, către oscilația neuronală (un subiect al „neuroștiinței dinamice”) pentru a vă ajuta să vă clarificați confuzia. Prevăd o posibilă fuziune cu articolul respectiv, dar „neuroștiința dinamică” ar fi părintele. Xurtio (discuție) 19:55, 6 august 2010 (UTC)

Ok, această dicțiune a atins un nivel de rea-credință pe care nu-l pot suporta. Îl șterg de pe lista mea de urmărire și nu mă mai întorc niciodată. Îmi spuneți că oscilațiile neuronale identificate, teoretizate și cunoscute de peste un secol și jumătate fac obiectul unei sub-discipline inventate în 1992. Fă ce vrei cu acest articol Cred că pierd prea mult din timpul meu aici. Wikipedia este mai rău astăzi decât a fost ieri. Jean-Francois Gariepy (discuție) 20:47, 6 august 2010 (UTC) Ați uitat să menționați, puteți face orice doriți cu șablonul de fuziune, inclusiv ștergerea acestuia. Pentru ceea ce merită, cred că comentariile lui Xurtio au fost de bună credință. Și eu voi ștergeți șabloanele de fuziune. --Tryptofish (discuție) 21:00, 6 august 2010 (UTC) X: Un alt argument eronat, într-adevăr. Materia în stare solidă a fost studiată de secole, dar abia când tehnologia a fost suficientă a apărut Fizica în stare solidă și am dobândit o înțelegere mai profundă a mecanismelor din spatele a ceea ce am numit anterior materie. Chiar încep să simt că ajungi. Ca și în toate celelalte ramuri ale fizicii. toate subiectele lor au fost studiate pentru eoni ca „filozofie naturală” înainte ca suficienți oameni să se mute în anumite aspecte ale domeniului. Xurtio (discuție) 04:30, 7 august 2010 (UTC) Deși am ajuns la un acord și această discuție s-a încheiat, pentru a fi consemnat, propoziția pe care tocmai ați scris-o acolo ar fi probabil considerată jignitoare de peste 95% dintre neurobiologi. Vorbiți despre fiziologi care au descoperit mecanismele care stau la baza mecanismelor oscilatorii, fie că este în măduva spinării pentru controlul motorului sau pe înregistrările EEG și spuneți că înainte de sosirea fizicii și computerelor erau „filosofi”? Haha. Jean-Francois Gariepy (discuție) 17:40, 7 august 2010 (UTC) Ne pare rău că mă întorc, am spus că n-aș face, dar totuși nu-mi vine să cred că avem un articol de neuroștiințe în Wikipedia care spune că: „Neuronii sunt un omonim al Neuroștiința, în ciuda faptului că este doar o celulă stelară pe o scenă de mulți jucători importanți. Uneori, se pare că rolul lor este subliniat în exces. La urma urmei, natura nu era în pierdere pentru comunicare înainte ca neuronii să evolueze. " . Deci, deși nu vreau să-mi petrec timpul personal luptând pentru o fuziune, dacă cineva vrea să ia problema în mână, voi sprijini. Jean-Francois Gariepy (discuție) 03:42, 7 august 2010 (UTC) Continuați să mergeți înainte și înapoi. Nu știu cât de multe dintre comentariile tale sunt legitime sau dacă ești pur și simplu amar în general. Oricum ar fi, nu comunicați foarte eficient și cu siguranță nu vă ajutați. Încercați să eliminați patosul și implorați câteva sigle pentru a vă putea înțelege. Nu ești eroul singuratic, aici pentru a salva ziua. Cu toții dorim să respectăm standardele, dar animozitatea, tonul și metoda generală a forței brute nu sunt eficiente. Am spus deja că o schimbare de titlu nu mă deranjează, dar tu ești singurul care critică și critici TOTUL cu tactici de forță brută și orice reclamații rezonabile pe care le poți avea se spală într-o mare de patos fierbinte și eroare care vine cu el. Nu este coerent sau productiv. Te rog regrupează și încearcă din nou. Nu lucrez la articol în curând, pentru că și tu m-ai concediat și acum sunt confuz și trebuie să-mi regrupez gândurile și să mai cercetez ceva înainte să scriu articolul. Aveți răbdare și așteptați până când fac schimbări. Xurtio (discuție) 04:18, 7 august 2010 (UTC) Nu am nicio problemă să fiu mai clar. Când atac articole, încerc să invoc regulile Wikipedia și orice, dar, din moment ce pareți să fiți interesat de o atitudine mai clară, o voi lua: ați scris un articol despre un subiect despre care nu știți prea multe, și acesta este un problemă fundamentală. De aceea sunt atât de multe declarații false în articol, încât nici nu vreau să le corectez pentru că 1) ar fi prea lung 2) numele meu ar fi asociat cu un articol slab scris și aș fi listat ca colaborator. Și de aceea trebuie să o compuneți pe măsură ce discutăm și trebuie să citiți din nou de fiecare dată când pun o întrebare. Am ajuns la aceeași concluzie la care a ajuns Apeiron la forumul de fizică, are mai mult de 1400 de posturi acolo și a discutat despre asta cu tine până nu a putut continua, la fel ca mine. A renunțat și a spus: "Crezi că știi despre ce vorbești? Bine." și asta e cam tot ce pot face, deoarece nu prea mulți oameni participă la votul de îmbinare și cei care par să creadă că articolul se poate îmbunătăți, sau poate că nu vor să fie prea nepoliticos cu tine de când sunt un nou colaborator și intenționează să fuzioneze în 2 luni. Cred că doar timpul ne va spune, dar chiar acum nu vreau să mă lupt și am petrecut deja prea mult timp explicându-vă faptul că abordările holistice, modelarea matematică și neliniaritatea în neuroștiințele computaționale nu au mai existat de atunci În 2007, au existat de când am avut modele, așa că ar trebui să nu mai răspund. Cel mai puțin ar fi să puneți un semn pe partea de sus a articolului spunând că conținutul este fals și că este îmbunătățit sau cel puțin să lucrați pe el pe pagina de discuții și să lăsați pagina goală pentru moment, deoarece cititorii sunt înșelători chiar acum. Acestea sunt induse în eroare în ceea ce privește claritatea, descrierea istorică și terminologia. Așa cum am spus, nu o voi face singur, deoarece mă frustrează prea mult pentru că am petrecut atât de mult timp pentru atât de puține îmbunătățiri. În ceea ce privește legitimitatea comentariilor mele și amărăciunea mea, vă rugăm să Wikipedia: Asumați-vă buna-credință. Crezi că aș fi petrecut o jumătate de zi din timpul meu doar pentru a fi troll? Sunt de fapt îngrijorat de acest articol și de inacțiunea comunității față de acesta. Jean-Francois Gariepy (discuție) 04:44, 7 august 2010 (UTC) Dacă sunteți sigur că ceva este fals, dar etichetele sus, vă rog! Nu sunteți dispus să faceți acest lucru doar mă face să cred că dumneavoastră, un profesionist, nu sunteți sigur de voi înșivă. Apeiron și cu mine ne-am continuat conversația în PM. El a fost în mare parte furios pentru că a crezut că vreau să spun a) reducționism, nu b) reducitonism. În e-mail-ul său, el a mai spus „Am scris despre dinamism vs. calculaționalism, așa că simt că știu ceva despre subiect” și mi-a sugerat Friston ca autor pentru mine. La fel ca tine, el părea să meargă înainte și înapoi despre faptul că era sau nu propria disciplină. Nu, nu cred că trolești, cred că ai văzut ceva care nu ți-a plăcut și te-ai ridicat pe un cal înalt și ai început să acuzi orbește și îngrozitor după acel moment. Cred că intențiile voastre au fost inițial la locul potrivit. PARTICIPANȚI DE DISCUȚIE Dincolo de JEAN: dacă îmi iei partea doar pentru a fi drăguț, oprește-te chiar acum. Nu voi fugi dacă îi vei lua partea. Xurtio (discuție) 05:03, 7 august 2010 (UTC)

Editare articol șters

Cred că dacă există chiar și cea mai mică șansă, nu vreau să induc în eroare oamenii. Mă voi întoarce și voi scrie acest articol peste aproximativ cinci ani dacă cineva care știe despre ce vorbește nu întâi. Între timp, voi contribui la domeniul meu (în care nu credeți), făcând modelul Morris-Lecar, deoarece aceasta este cercetarea specifică pe care o fac. Mi-ar plăcea și criticile tale acolo. Xurtio (discuție) 05:12, 7 august 2010 (UTC)

Bineînțeles că mă bucur că articolul a fost șters în starea actuală, dar voi fi disponibil dacă doriți să lucrați la el pe o pagină de discuții sau ceva care să ofere comentarii. Aș dori să precizez că nu am spus niciodată că nu cred în domeniul dvs., am spus că modul în care a fost prezentat a fost 1) redundant cu alte pagini din Wikipedia 2) nu este clar 3) istoric fals. Am oferit numeroase comentarii specifice punând accent pe ceea ce era fals și a fost în esență din cauza tonului pseudo-revoluționar în care toți neurobiologii au greșit și au crezut că neuronii sunt simpli, după care au venit neuroștiința dinamică și ne-a arătat cât de complexi erau. Sper că nu vei fi descurajat de această experiență, cred că lucrezi bine și parcă iei criticii în serios. Jean-Francois Gariepy (discuție) 13:30, 7 august 2010 (UTC)

Văd că s-au întâmplat multe de când m-am deconectat aseară. Dacă înțeleg corect din rezumatul editării ștergerii, Xurtio a fost cel care a solicitat ștergerea și cred că asta este treaba ta. Ca răspuns la un comentariu puțin mai sus, nu, nu fac o practică de a fi drăguț cu editorii dacă simt că sunt incorecte pe fond și nu există absolut nicio justificare pentru a implica altfel. Le numesc așa cum le văd. Așa cum i-am spus anterior lui Jean-Francois, apreciez foarte mult munca dvs. extinzând acoperirea noastră slabă anterioară a istoriei neuroștiințelor. Așa cum i-am spus anterior lui Xurtio, salut că ai adus aria ta de expertiză la acest proiect. Și o să vă spun amândurora chiar acum că nimănui nu îi este bine să personalizeze diferențele de opinie despre conținut. Nu a fost nevoie de amărăciunea care a însoțit discuția recentă aici.Dacă vreunul dintre voi dorește să mă contacteze în discuția mea pentru a discuta mai departe despre asta, voi saluta acest lucru, dar altfel mă îndepărtez de această pagină acum. --Tryptofish (discuție) 16:07, 7 august 2010 (UTC)

Editare resturi

Articolul este pe pagina mea de utilizator: Utilizator: Xurtio / Dynamical_neuroscience Dacă cineva vrea să smulgă niște lucruri din el pentru a le pune în Neuroștiința computațională. Dar vă rog să-mi spuneți ce folosiți pe pagina de discuții de acolo, astfel încât să nu se suprapună dacă mă voi întoarce vreodată la acest proiect. Xurtio (discuție) 18:36, 7 august 2010 (UTC)

. dar neuroștiința computațională este o ramură a neuroștiințelor teoretice. Ierarhia pe care am înțeles-o întotdeauna a fost că neuroștiința teoretică a fost doar asta. O abordare teoretică a neuroștiinței. Neuroștiința teoretică, cu toate acestea, cuprinde două subiecte: modelarea matematică și calculațională. Am văzut această diferențiere făcută într-o programă de curs, dar văd și:

„Tind să existe două tabere în domeniul neuroștiințelor computaționale și probabil sunt cel mai bine exemplificate prin modul în care utilizează termenul de„ calcul ”. Într-una, modelele matematice sunt construite în primul rând pentru a descrie sau caracteriza datele existente, iar calculul este folosit în principal ca un mijloc de a simula sau analiza datele, mai degrabă în același mod ca și chimia computațională sau dinamica calculată a fluidelor.În cealaltă tabără, calculul este aplicat într-o manieră mai teoretică, ca metaforă a ceea ce creierul face de fapt. "

Și vedeți pagina mea de discuție pentru o discuție de cineva care studiază același subiect pe care îl fac și eu („neurodinamica” este un nume popular în Google Scholar care descrie în mod explicit domeniul, deși nu l-am mai auzit până acum. Am auzit „neuroștiința dinamică "dar poți vedea problemele cauzate mai sus. Oricum, se conformează acelei ramuri matematice a neuroștiințelor teoretice. Sunt student, așa că un doctorat care studiază abordările matematice ar avea cea mai mare valoare de intrare, imo.

Cred că ar trebui să existe o pagină generală de neuroștiințe teoretice care să diferențieze metodele matematice de cele de calcul. Xurtio (discuție) 06:07, 14 august 2010 (UTC)

Articolul de zi este minunat și pare a fi neînțeles. În cadrul neuroștiințelor teoretice există o secțiune de teorie (folosind matematică) și o secțiune de calcul (utilizați simulări). Dar Comp neuro conține părți de analiză a datelor care nu intră în neuroștiința teoretică. - Comentariu precedent nesemnat adăugat de Koerding (discuție • contribuții) 13:03, 4 iulie 2019 (UTC)

Am un puternic îndemn de a descruci acest articol, care a devenit în esență o pagină de link. Aveți obiecții față de asta? Looie496 (discuție) 15:14, 7 septembrie 2011 (UTC)

Bine, tocmai am făcut o curățare temeinică. S-ar putea să mai rămână un pic de cruft, dar cred că am scăpat de majoritatea. Looie496 (discuție) 16:43, 21 septembrie 2011 (UTC)

Tocmai am modificat 2 link-uri externe despre neuroștiința computațională. Vă rog să luați un moment pentru a examina editarea mea. Dacă aveți întrebări sau aveți nevoie ca robotul să ignore linkurile sau pagina cu totul, vă rugăm să vizitați această întrebare simplă pentru informații suplimentare. Am făcut următoarele modificări:

După ce ați terminat de examinat modificările mele, puteți urma instrucțiunile de pe șablonul de mai jos pentru a remedia eventualele probleme cu adresele URL.

Începând din februarie 2018, secțiunile paginii de discuții „Linkuri externe modificate” nu mai sunt generate sau monitorizate de InternetArchiveBot . Nu este necesară nicio acțiune specială în ceea ce privește aceste notificări ale paginii de discuții, în afară de verificarea regulată folosind instrucțiunile instrumentului de arhivare de mai jos. Editorii au permisiunea de a șterge aceste secțiuni ale paginii de discuții „Linkuri externe modificate” dacă doresc să dezordineze paginile de discuții, dar consultă RfC înainte de a efectua eliminări sistematice în masă. Acest mesaj este actualizat dinamic prin intermediul șablonului <> (ultima actualizare: 15 iulie 2018).


De ce nu vei face ceea ce vreau? Eșecurile informative ale copiilor și modelelor

Modelele computaționale sunt instrumente puternice - prea puternice, după unii. Susținem că ideea că modelele pot „face orice” este greșită și descriem modul în care eșecurile lor au fost informative. Prezentăm o nouă lucrare care arată o diversitate surprinzătoare în ceea ce privește efectele feedback-ului asupra schimbării sarcinilor copiilor și a celor 27 de ani, astfel încât unii copii perseverează în ciuda acestui feedback, alți copii trec conform instrucțiunilor și totuși alții joacă un joc „opus” fără a trece cu adevărat la noul sarcină instruită. Prezentăm simulări care demonstrează eșecul unui model de rețea neuronală de altfel de succes pentru a surprinde acest eșec. Simularea acestui tipar motivează includerea unor mecanisme de actualizare care fac contact cu o literatură în creștere privind funcția frontostriatală, în ciuda absenței lor în teoriile dezvoltării flexibilității cognitive. Argumentăm din acest exemplu și din alte exemple că modelele de calcul sunt mai constrânse decât se recunoaște de obicei și că eșecurile rezultate pot fi teoretic iluminante.

Repere

► Feedbackul de comutare a sarcinilor poate sprijini un joc „opus” în loc de o regulă instruită. ► Modelele nu sunt atotputernice, un model anterior nu poate surprinde acest model. ► Dacă modelul este împiedicat să se actualizeze, modelul captează jocul „contrarii”. ► Actualizarea poate fi un factor subapreciat în dezvoltarea comutării sarcinilor. ► Acest lucru și alte eșecuri ale modelelor de calcul pot fi informative pentru teorie.


Provocarea de sistematicitate a dinamismului anti-reprezentativ

După mai bine de douăzeci de ani de dezbateri reprezentative în științele cognitive, dinamismul anti-reprezentativ poate fi văzut ca oferind un tip rival și radical nou de explicație a fenomenelor de sistematicitate. În această lucrare, susțin că, dimpotrivă, dinamismul anti-reprezentational trebuie să se confrunte cu o versiune a vechii provocări de sistematicitate: fie nu explică sistematicitatea, fie este doar o implementare a teoriilor reprezentative. Pentru a arăta acest lucru, vă prezint o relatare pură de comportament și fără reprezentare a sistematicității. Consider apoi un caz de comportament sistematic senzorimotor al insectelor: comportamentul de comunicare la albinele. Concluzionez că dinamismul anti-reprezentativ nu reușește să surprindă trăsătura fundamentală a comportamentelor sistematice qua sistematice, adică implicarea lor în exerciții cu aceleași capacități comportamentale. Sugerez, în cele din urmă, o strategie de colaborare în căutarea unei relatări bogate și puternice a acestui fenomen central al cunoașterii înalte la toate nivelurile de explicație, inclusiv la nivelul reprezentativ.


Revista The Skeptics Society & amp Skeptic

De zeci de ani în urmă, informaticienii și futuristii ne spun că computerele vor realiza în curând inteligență artificială la nivel uman. Ziua aceea pare să nu mai fie în viitorul îndepărtat. De ce? În această penetrantă critică sceptică a lui A.I., informaticianul Peter Kassan trece în revistă numeroasele motive pentru care această problemă este mai grea decât anticipase oricine. & # 8212 Michael Shermer

imagine digitală de Daniel Loxton și Jim Smith

A.I. Gone AwryCăutarea zadarnică a inteligenței artificiale

La 24 martie 2005, a fost făcut un anunț în ziarele din toată țara, de la New York Times 1 la Cronica din San Francisco, 2 că o companie 3 a fost fondată pentru a aplica cercetarea în neuroștiințe pentru a realiza inteligența artificială la nivel uman. Motivul pentru care comunicatul de presă a fost preluat atât de mult este că omul din spatele acestuia a fost Jeff Hawkins, genialul inventator al PalmPilot, o invenție care l-a făcut atât bogat, cât și respectat. 4

Din știrile dvs., credeți că ideea de a aborda căutarea inteligenței artificiale la nivel uman prin modelarea creierului a fost una nouă. De fapt, o căutare pe Web pentru & # 8220computer neuroscience & # 8221 găsește peste un o suta de mii pagini web și câteva centre importante de cercetare. 5 Cel puțin două reviste sunt dedicate subiectului. 6 Peste 6.000 de lucrări sunt disponibile online. Amazon listează peste 50 de cărți despre asta. O căutare pe Web pentru & # 8220 proiectul creierului uman # 8221 găsește mai mult decât optsprezece mii chibrituri. 7 Mulți cercetători se gândesc să modeleze creierul uman sau să creeze un creier virtual, un proiect fezabil, chiar dacă este o mare provocare. Și # 8221.

Abordarea Hawkins & # 8217 sună simplu. Creați o mașină cu sensuri artificiale și # 8220 și apoi permiteți-i să învețe, să construiască un model al lumii sale, să vadă analogii, să facă predicții, să rezolve probleme și să ne ofere soluțiile lor. 9 Acest lucru sună foarte asemănător cu ceea ce Alan Turing 10 a sugerat în 1948. Și el a propus să creeze un om artificial care să aibă simțuri și un creier artificial care să poată să meargă în mediul rural și 8221 ca Frankenstein și 8217 monstru și să învețe tot ce avea nevoie pentru a supraviețui. 11

Faptul este că nu avem o teorie unificatoare a neuroștiinței. Nu știm ce să construim, cu atât mai puțin cum să o construim. 12 Așa cum a spus un observator, neuroștiința pare să devină & # 8220antiprogress & # 8221 & # 8212 cu cât obținem mai multe informații, cu atât se pare că știm mai puțin. 13 Acum 30 de ani, numărul estimat de neuroni era între trei și zece miliarde. În prezent, estimarea este de 100 de miliarde. Acum 30 de ani, se presupunea că celulele gliale ale creierului, care depășesc numărul neuronilor de nouă ori, erau pur structurale și nu aveau altă funcție. În 2004, sa raportat că acest lucru nu era adevărat. 14

Chiar și cei mai înflăcărați avocați ai inteligenței artificiale (A.I.) recunosc că, cel puțin până acum, căutarea inteligenței la nivel uman a fost un eșec total. 15 În ciuda istoriei sale în carouri, Hawkins concluzionează A.I. se va întâmpla: & # 8220Da, putem construi mașini inteligente. & # 8221 16

O scurtă istorie a A.I.

Duplicarea sau imitarea inteligenței la nivel uman este o noțiune veche și # 8212 poate la fel de veche ca umanitatea însăși. În secolul al XIX-lea, pe măsură ce Charles Babbage concepea modalități de mecanizare a calculului, oamenii au început să creadă că este posibil și să susțină că nu era. Spre mijlocul secolului al XX-lea, pe măsură ce genii matematici Claude Shannon, 17 Norbert Wiener, 18 John von Neumann, 19 Alan Turing și alții au pus bazele teoriei calculelor, instrumentul necesar părea disponibil.

În 1955, un proiect de cercetare privind inteligența artificială a fost propus, o conferință în vara următoare fiind considerată inaugurarea oficială a domeniului. Propunerea 20 este fascinantă pentru afirmațiile, ipotezele, hibridul și na & # 239vet & # 233, toate care au caracterizat domeniul A.I. de atunci. Autorii au propus că zece oameni ar putea face progrese semnificative în domeniu în două luni. Acest proiect de zece persoane, de două luni, continuă să fie puternic și # 8212 50 de ani mai târziu. Și a implicat eforturile mai multor zeci de mii al oamenilor.

A.I. s-a împărțit în trei domenii în mare măsură independente și reciproc contradictorii (conexionism, calculaționalism și robotică), fiecare dintre ele având propriile subdiviziuni și contradicții. O mare parte din activitatea din fiecare dintre domenii nu are nimic de-a face cu obiectivele inițiale de mecanizare (sau computerizare) a inteligenței la nivel uman. Cu toate acestea, în urmărirea acestui obiectiv original, fiecare dintre cele trei are propriul său set de probleme, pe lângă numeroasele pe care le împărtășesc.

1. Conexiunismul

Conecționismul este versiunea modernă a unei filozofii a minții cunoscută sub numele de asociaționism. 21 Conecționismul are aplicații la psihologie și științe cognitive, precum și la baza școlilor din A.I. 22 care includ atât rețele neuronale artificiale 23 (omniprezent se spune că este inspirat de sistemul nervos), cât și încercarea de a modela creierul.

Cele mai recente estimări sunt că creierul uman conține aproximativ 30 de miliarde de neuroni în cortexul cerebral și # 8212 partea creierului asociată conștiinței și inteligenței. Cele 30 de miliarde de neuroni ai cortexului cerebral conțin aproximativ o mie de miliarde de sinapse (conexiuni între neuroni). 24

Fără un model detaliat al modului în care funcționează sinapsele la nivel neurochimic, nu există nicio speranță de a modela modul în care funcționează creierul. 25 Spre deosebire de conexiunile idealizate și simplificate în așa-numitele rețele neuronale artificiale, acele sinapse au o natură extrem de variabilă și # 8212 pot avea timpi de ciclu diferiți, pot folosi neurotransmițători diferiți și așa mai departe. Cât de multe date trebuie colectate despre fiecare sinapsă? Undeva între kilobyți (zeci de mii de numere) și megaocteți (milioane de numere). 26 Și întrucât timpul ciclului sinapselor poate depăși o mie de cicluri pe secundă, este posibil să trebuiască să procesăm aceste numere a de mii de ori în fiecare secundă.

Am reușit să modelăm creierul orice animal, oricât de simplu? Sistemul nervos al unui nematod (vierme) cunoscut sub numele de C. (Caenorhabditis) elegans a fost studiat pe larg de aproximativ 40 de ani. Mai multe site-uri web 27 și probabil mii de oameni de știință îi sunt dedicate exclusiv sau în primul rând. Cu toate că C. elegans este un organism foarte simplu, poate fi cea mai complicată creatură cu sistemul nervos complet cartografiat. C. elegans are puțin peste trei sute de neuroni și au fost studiați exhaustiv. Dar cartografierea nu este la fel ca modelarea. Nimeni nu a creat un model computerizat al acestui sistem nervos & # 8212 și numărul de neuroni din cortexul uman este doar De 100 de milioane de ori mai mare. C. elegans are aproximativ șapte mii de sinapse. 28 Numărul sinapselor numai în cortexul uman a trecut 100 miliarde de ori mai mare.

Propunerile de realizare a inteligenței artificiale la nivel uman prin modelarea creierului uman nu recunosc lipsa oricărui model realist de sinapsă pe computer, lipsa oricărui model realist de neuron, lipsa oricărui model al modului în care celulele gliale interacționează cu neuronii , și scara literalmente astronomică a ceea ce urmează să fie simulat.

Tipic artificial rețeaua neuronală constă din cel mult 64 de intrări & # 8220neuroni, & # 8221 aproximativ același număr de & # 8220 neuroni ascunși, & # 8221 și un număr de ieșiri & # 8220neuroni & # 8221 între unul și 256. 29 Acest lucru, în ciuda unui 1988 predicție de către un guru al computerului că până acum lumea ar trebui să fie umplută cu & # 8220neuroprocesoare & # 8221 care conțin aproximativ 100 de milioane de neuroni artificiali. 30

Chiar dacă fiecare neuron din fiecare strat al unei rețele neuronale artificiale cu trei straturi cu 64 de neuroni în fiecare strat este conectat la fiecare neuron din stratul următor și dacă toți neuronii din stratul de ieșire sunt conectați între ei (pentru a permite crearea de un aranjament & # 8220 câștigător-ia-toate & # 8221 care permite doar un singur neuron de ieșire să tragă), numărul total de & # 8220 sinapse & # 8221 nu poate depăși aproximativ 17 milioane, deși majoritatea rețelelor neuronale artificiale conțin de obicei mult, mult mai puțin & # 8212 de obicei nu mai mult de o sută sau cam așa ceva.

Mai mult, neuronii artificiali seamănă cu porțile logice booleene generalizate mai mult decât cu neuronii reali. Fiecare neuron poate fi descris printr-un singur număr & # 8212 pragul său și # 8220. pentru o adevărată sinapsă. Astfel, cortexul uman este macar De 600 de miliarde de ori mai complicat decât orice rețea neuronală artificială concepută încă.

Este imposibil să spunem câte linii de cod ar necesita modelul creierului în mod conceput, programul în sine ar putea fi relativ simplu, cu toată complexitatea datelor pentru fiecare neuron și fiecare sinapsă. Dar distincția dintre program și date nu este importantă. Dacă fiecare sinapsă ar fi tratată de echivalentul unei singure linii de cod, programul pentru a simula cortexul cerebral ar fi aproximativ 25 de milioane de două ori mai mare decât ceea ce este probabil cel mai mare produs software scris vreodată, Microsoft Windows, despre care se spune că este de aproximativ 40 de milioane de linii de cod. 31 Pe măsură ce un proiect software crește, probabilitatea de eșec crește. 32 Probabilitatea de a finaliza cu succes un proiect 25 de milioane de ori mai complex decât Windows este efectiv zero.

Moore & # 8217s & # 8220 Legea & # 8221 este adesea invocată în această etapă din A.I. argument. 33 Dar legea lui Moore este mai mult o observație decât o lege și este adesea interpretat greșit să însemne că aproximativ la fiecare 18 luni calculatoarele și tot ceea ce le este asociat dublează în capacitate, viteză și așa mai departe. Dar Legea lui Moore nu a rezolvat deloc problema complexității. Există un alt drept și un 8220, atribuit lui Nicklaus Wirth: software-ul devine mai lent decât hardware-ul devine mai rapid. 34 Chiar dacă, în conformitate cu Legea lui Moore și 8217, dvs. calculator personal ar trebui să fie de aproximativ o sută de mii de ori mai puternică decât era acum 25 de ani, a ta procesor de cuvinte nu este # 8217t. Legea Moore & # 8217s nu se aplică software-ului.

Și poate în ultimul rând, există problema testarea. Numărul minim de erori de software observate a fost de aproximativ 2,5 erori pe punct funcțional. 35 Un program software suficient de mare pentru a simula creierul uman ar conține aproximativ 20 trilioane de erori.

Testarea software-ului convențional (cum ar fi un procesor de text sau Windows) implică, printre multe alte lucruri, confirmarea faptului că comportamentul său se potrivește cu specificațiile detaliate ale a ceea ce este destinat să facă în cazul fiecare intrare posibilă. Dacă nu este, software-ul este examinat și remediat. Software-ul conexionist vine fără astfel de specificații & # 8212 doar descrierea vagă a faptului că este & # 8220învățați & # 8221 un & # 8220 model & # 8221 sau acționați & # 8220 ca & # 8221 un sistem natural, cum ar fi creierul. Chiar dacă descoperiți că un program software conexionist nu acționează așa cum doriți, nu există nicio modalitate de a-l corecta, deoarece comportamentul programului este rezultatul unei rețele de interconectări care nu poate fi depistată și imprevizibilă. .

Testarea software-ului conexionist este, de asemenea, imposibilă datorită a ceea ce este cunoscut sub numele de explozie combinatorie. Retina (a unui singur ochi) conține aproximativ 120 de milioane de tije și 7 milioane de conuri. 36 Chiar dacă fiecare dintre aceste 127 de milioane de neuroni ar fi pur și simplu binar, precum îndrăgita rețea de intrare 8 & # 2158 a rețelei neuronale artificiale tipice (adică a răspuns sau nu a răspuns la lumină), numărul diferitelor combinații posibile de intrare este un număr mai mare de 1 urmat de 38,230,809 zerouri. (Numărul de particule din univers a fost estimat a fi aproximativ 1 urmat de doar 80 de zerouri. 37) Testarea unei rețele neuronale artificiale cu intrare constând dintr-o rețea binară 8 & # 2158 este, prin comparație, o sarcină mică: o astfel de rețea poate presupune oricare dintre 18.446.744.073.709.551.616 configurații și # 8212 ordine de mărime mai mici, dar totuși imposibile.

2. Computaționalism

Computaționalismul a fost inițial definit ca ipoteza sistemului de simboluri fizice & # 8220 & # 8221, ceea ce înseamnă că un sistem fizic de simboluri are mijloacele necesare și suficiente pentru acțiunea inteligentă generală.formal ipoteza sistemului de simboluri & # 8221 deoarece actualul fizic implementarea unui astfel de sistem este irelevantă.) Deși această definiție nu a fost publicată până în 1976, ea a coexistat cu conexionismul de la bun început. De asemenea, a fost menționat și # 8220G.O.F.A.I. & # 8221 (inteligență artificială bună de modă veche). Computaționalismul mai este denumit și teoria computațională a minții. 39

Presupunerea din spatele calculației este că putem realiza A.I. fără a fi nevoie să simuleze creierul. Mintea poate fi tratată ca un sistem formal de simboluri, iar simbolurile pot fi manipulate la un nivel pur sintactic & # 8212, indiferent de semnificația lor sau de contextul lor. Dacă simbolurile au vreun sens (ceea ce, probabil, au și # 8212 sau altceva de ce să ne deranjăm să le manipulăm?), Acesta poate fi ignorat până când ajungem la sfârșitul manipulării. Simbolurile sunt la un nivel recunoscut, mai mult sau mai puțin ca niște cuvinte obișnuite & # 8212 un așa-numit & # 8220 limbaj de gândire. & # 8221 40

Mișcarea de bază este de a trata informal simboluri ale limbajului natural ca formal simboluri. Deși, în primii ani de programare a computerului (și A.I.), aceasta a fost o idee inovatoare, a devenit acum o practică de rutină în programarea computerelor și # 8212 atât de omniprezente încât abia sesizabile.

Din păcate, limbajul natural & # 8212 care nu poate fi literalmente limbajul gândirii, dar pe care orice A.I la nivel uman. programul trebuie să poată gestiona & # 8212 nu poate fi tratat ca un simbol formal. Pentru a da un exemplu simplu, & # 8220day & # 8221 înseamnă uneori & # 8220day și noapte & # 8221 și uneori înseamnă & # 8220day spre deosebire de noapte & # 8221 & # 8212 în funcție de context.

Joseph Weizenbaum 41 observă că un tânăr care întreabă o tânără femeie: „Vii la cină cu mine în această seară? & # 8221 42 ar putea, în funcție de context, să exprime pur și simplu interesul tânărului și mâncarea sau speranța satisface un dor disperat de dragoste. Contextul și # 8212 așa-numitul cadru # 8220 & # 8221 și # 8212 necesare pentru a da sens chiar și unei singure propoziții poate fi o persoană și # 8217 Întreaga viață.

Un aspect esențial al abordării computaționaliste a limbajului natural este determinarea sintaxei unei propoziții, astfel încât semantica ei să poată fi tratată. Ca exemplu de ce este imposibil, Terry Winograd 43 oferă o pereche de propoziții:

Comitetul a refuzat grupului permisul de paradă pentru că ei susțineau violența.

Comitetul a refuzat grupului permisul de paradă, deoarece se temea de violență. 44

Frazele diferă doar printr-un singur cuvânt (cu exact aceeași formă gramaticală). Dezambiguizarea acestor propoziții nu se poate face fără o cunoaștere extinsă a potențialului nelimitat și a 8212 despre lumea reală. 45 Niciun program nu poate face acest lucru fără a recurge la o bază de cunoștințe & # 8221 despre comitete, grupuri care caută marșuri etc. Pe scurt, nu este posibil să se analizeze o propoziție de limbaj natural sintactic până când cineva o rezolvă semantic. Dar, din moment ce trebuie analizat sintactic propoziția înainte de a o putea procesa deloc, se pare că trebuie să înțelegem propoziția înainte de a înțelege propoziția.

În limbajul natural, limitele semnificației cuvintelor sunt inerent indistincte, în timp ce limitele simbolurilor formale nu sunt & # 8217t. De exemplu, în aritmetica binară, diferența dintre 0 și 1 este absolută. În limbajul natural, granița dintre zi și noapte este nedeslușită și stabilită în mod arbitrar în scopuri diferite. Pentru a avea un sistem pur algoritmic pentru limbajul natural, avem nevoie de un sistem care să poată manipula cuvintele ca și cum ar fi simboluri fără sens, păstrând în același timp valoarea-adevăr a propozițiilor, așa cum putem cu logica formală. Când avem de-a face cu cuvinte și # 8212 cu limbaj natural, nu putem folosi logica convențională, deoarece unul și # 8220axiom și # 8221 pot afecta & 8222axiomele și 8221 avem deja și păsările pot zbura, dar pinguinii și struții. sunt păsări care nu pot zbura. Deoarece scopul este automatizarea raționamentului în stil uman, următoarea mișcare este să încercați să dezvoltați un alt fel a logicii & # 8212 așa-numita logică non-monotonă.

Ceea ce se numea înainte logică fără calificare se numește acum & # 8220monotonic & # 8221 logic. În acest tip de logică, adăugarea unei noi axiome nu modifică orice axiome care au fost deja procesate sau inferențe care au fost deja trasate. Încercarea de a oficializa modul în care oamenii raționează este destul de recentă și # 8212 și este în întregime motivată de AI. Și, deși motivația poate fi urmărită până la primii ani ai AI, domeniul a început în esență cu publicarea a trei lucrări în 1980. 46 Cu toate acestea, , conform unui sondaj din 2003, în ciuda unui sfert de secol de muncă, tot ceea ce avem sunt perspective și speranță. 47

O presupunere a computaționaliștilor este că lumea constă în fapte fără ambiguități care pot fi manipulate algoritmic. Dar ceea ce este un fapt pentru tine s-ar putea să nu fie un fapt pentru mine și invers. 48 În plus, abordarea calculaționalistă presupune că experții aplică un set de reguli explicite și formalizabile. Sarcina computaționaliștilor, atunci, este pur și simplu de a informa experții cu privire la regulile lor. Dar, după cum au arătat numeroase studii efectuate de experți reali, doar 49 începători comportă-te așa. La cel mai înalt nivel de expertiză, oamenii nici măcar nu recunosc că iau decizii. Mai degrabă, ele interacționează fluid cu situația în schimbare, răspunzând modelelor pe care le recunosc. Astfel, abordarea computaționalistă duce la ceea ce ar trebui să fie numit & # 8220sistemuri începătoare & # 8221, mai degrabă decât & # 8220 sisteme expert. & # 8221

Modul în care oamenii rezonează de fapt nu poate fi redus la o procedură algoritmică precum aritmetica sau logica formală. Chiar și cei mai înflăcărați practicanți ai logicii formale își petrec cea mai mare parte a timpului explicând și justificând dovezile formale împrăștiate prin cărțile și hârtiile lor & # 8212 folosind limbajul natural (sau propriile lor versiuni neinteligibile ale acestuia). Chiar și mai ironic, niciunul dintre acești practicanți ai logicii formale & # 8212 care pretind că sunt perfect raționali & # 8212 par să nu fie vreodată de acord unul cu celălalt cu privire la oricare dintre dovezile lor formale.

Computaționalist A.I. este afectat de o serie de alte probleme. În primul rând, sistemele sale nu au simț comun. 50 Apoi, există & # 8217s & # 8220problema de fundamentare a simbolurilor. & # 8221 51 Analogia încearcă să învețe o limbă dintr-un dicționar (fără imagini) & # 8212 fiecare cuvânt (simbol) este pur și simplu definit folosind alte cuvinte (simboluri), Deci, cum se leagă vreodată ceva de lume? Apoi, există problema „# 8220frame” și # 8221 & # 8212, care este în esență problema contextului în care să se aplice unei situații date. 52 Unii cercetători consideră că este problema fundamentală atât în ​​A.I. 53

Cea mai serioasă încercare computaționalistă de a copia inteligența la nivel uman și # 8212 poate numai încercare serioasă & # 8212 este cunoscută sub numele de CYC 54 & # 8212 prescurtare pentru enCYClopedia (dar, cu siguranță, menită, de asemenea, să ecou & # 8220psych & # 8221). Șeful proiectului original și șeful CYCORP, Douglas Lenat 55 face de mai bine de douăzeci de ani revendicări publice despre succesul său iminent. Scopul declarat al CYC este de a capta suficiente cunoștințe umane & # 8212, inclusiv bunul simț & # 8212, pentru a trece, cel puțin, un test de Turing fără restricții. 56 Dacă orice abordare computaționalistă ar putea avea succes, aceasta ar fi această mamă a tuturor sistemelor experți.

Lenat făcuse niște predicții remarcabile: la sfârșitul a zece ani, până în 1994, a proiectat, baza de cunoștințe CYC va conține 30% din realitatea consensului. 57 (Este dificil de spus ce înseamnă această predicție, deoarece presupune că știm care este totalitatea realității consensului și că știm cum să o cuantificăm și să o măsurăm.) Anul 1994 ar reprezenta o altă etapă importantă în proiect: CYC ar , până atunci, să-și poată construi baza de cunoștințe citind materiale online și punând întrebări despre acesta, mai degrabă decât ca oamenii să introducă informații. 58 Și până în 2001, Lenat a spus, CYC ar fi devenit un sistem cu lățime la nivel uman și profunzime a cunoștințelor. 59

În 1990, CYC a produs ceea ce a numit & # 8220A Midterm Report. & # 8221 60 Având în vedere că efortul a început în 1984, denumirea acestuia implica faptul că proiectul va fi finalizat cu succes până în 1996, deși în secțiunea etichetată & # 8220Concludere & # 8221 se referă la trei rezultate posibile care ar putea apărea până la sfârșitul anilor '90. S-ar spera că până atunci CYC va fi cel puțin capabil să facă aritmetică simplă. În orice caz, cele trei scenarii sunt etichetate & # 8220bun & # 8221 (nu reușesc să îndeplinească niciunul dintre obiectivele de referință), & # 8220mai bun & # 8221 (care mută realizările la & # 8220 la începutul secolului al XXI-lea & # 8221 și asta încă constă din & # 8220facerea cercetării & # 8221), și & # 8220best & # 8221 (în care realizarea nu este încă & # 8217t & # 8220 adevărată AI & # 8221, ci doar fundația & # 8220 pentru & # 8230 AI adevărată & # 8221 în & # 8212 2015).

Chiar și în 2002 (la un an după ce CYC & # 8217s a prezis realizarea nivelului uman și a profunzimii cunoștințelor), site-ul web CYC & # 8217 citează încă Lenat făcând promisiuni pentru viitor: văzut vreodată cu proiectul. Ne aflăm în pragul succesului. & # 8221 61

Poate cel mai clar, colegul principal al Lenat, R.V. Guha 62 a părăsit echipa în 1994 și a fost citat în 1995 spunând că „# 8220CYC este în general privit ca un proiect eșuat. Ideea de bază a tastării multor cunoștințe este interesantă, dar tehnologia lor de reprezentare a cunoștințelor pare săracă. Proiecte, & # 8220 Ne ucidem pe noi înșine încercând să creăm o umbră palidă a ceea ce fusese promis. & # 8221 Nu este de mirare că GOFA.I. a fost declarat & # 8220brain-dead. & # 8221 64

3. Robotica

A treia și ultima ramură majoră a râului A.I. este robotica & # 8212 încercarea de a construi o mașină capabilă de inteligent autonom comportament. Roboții, cel puțin, par să abordeze multe dintre problemele conexionismului și computaționalismului: întruchipare, 65 lipsă de obiective, 66 problema bazată pe simboluri și faptul că programele de computer convenționale sunt & # 8220 închise. & # 8221 67

Cu toate acestea, când vine vorba de roboți, deconectarea dintre imaginația populară și realitate este probabil cea mai dramatică. Noțiunea de robot complet umanoid este omniprezentă nu numai în science fiction, ci în cărți, jurnale și reviste presupuse non-fictive, adesea de către lucrători respectați în domeniu.

Această ramură a râului are două subramuri, dintre care una (cibernetică) s-a uscat aproape, cealaltă dintre ele (robotică computerizată) s-a bifurcat la rândul său în trei subramuri. În mod remarcabil, deși robotica pare a fi cea mai pură abordare inginerească practică a A.I., practicienii săi petrec la fel de mult timp publicând lucrări și cărți precum conexioniștii și computaționistii.

Robotică cibernetică

În timp ce Turing specula despre construirea omului său mecanic, W. Gray Walter 68 a construit ceea ce a fost probabil primul vehicul autonom, robotul & # 8220turtles & # 8221 sau & # 8220tortoises, & # 8221 Elsie și Elmer. După o abordare cibernetică mai degrabă decât una de calcul, broaștele țestoase Walter & # 8217 au fost controlate printr-un circuit electronic simplu cu câteva tuburi de vid.

Deși acțiunile acestei mașini au fost banale și nu au prezentat nimic care să sugereze chiar inteligență, Gray a fost descris ca un robot și un pionier 82, a cărui activitate a fost extrem de reușită și inspiratoare. care, vorbind cu generozitate, a simulat un organism cu doi neuroni, a publicat el Două articole în American științific 70 (unul pe neuron!), Precum și o carte. 71

Cibernetica a fost programul de cercetare fondat de Norbert Wiener, 72 și a fost în esență analog în abordarea sa. În comparație cu informatica (digitală), este moribund dacă nu chiar mort. La fel ca multe alte abordări ale inteligenței artificiale, abordarea cibernetică pur și simplu nu a reușit să se extindă. 73

Roboți computerizați

Istoria roboticii computerizate este paralelă cu istoria A.I. în general:

  • Viziuni teoretice mărețe, cum ar fi meditațiile lui Turing & # 8217 (deja discutate) despre modul în care creatura sa mecanică ar cutreiera țara.
  • Rezultate promițătoare timpurii, cum ar fi Shakey, se spune că este & # 8220 primul robot mobil care își motivează acțiunile. & # 8221 74
  • O jumătate de secol de stagnare și dezamăgire. 75
  • Promisiuni nepocăite pentru viitor.

Ceea ce prezice un robotic precum Hans Moravec pentru roboți este chestiunea științifico-fantastică, așa cum reiese din titlul cărții sale, Robot: simpla mașină către mintea transcendentă. 76 De exemplu, în 1997 Moravec a pus întrebarea: „Când se va potrivi hardware-ul computerului cu creierul uman? & # 8221 și a răspuns„ 8220 în anii 2020. & # 8221 77 Această credință că roboții vor transcende în curând inteligența umană este repetată de mulți alții în AI 78

În domeniul roboților computerizați, există trei abordări majore:

  • DE SUS ÎN JOS & # 8195 Abordarea luată cu Shakey și succesorii săi, în care un program computerizat de computer controlează activitățile robotului. 79 Sub coperți, programele adoptă aceeași abordare ca o inteligență artificială bună de modă veche, cu excepția faptului că, în loc să imprime răspunsuri, determină robotul să facă ceva.
  • EXTERIOR & # 8195 Constă în crearea de roboți care imită comportamentul superficial al oamenilor, cum ar fi răspunsul la prezența oamenilor în apropiere, urmărirea mișcării ochilor etc. Aceasta este abordarea adoptată în mare măsură recent de oamenii care lucrează sub Rodney A. Brooks. 80
  • DE JOS ÎN SUS & # 8195 Constă în crearea de roboți care nu au control central, ci mecanisme relativ simple pentru a controla părți din comportamentul lor. Noțiunea este că, punând laolaltă suficient aceste mecanisme simple (probabil în aranjamentul potrivit), informația va apărea. & # 8221 Brooks a scris extensiv în sprijinul acestei abordări. 81

Afirmațiile roboticienilor din toate taberele variază de la neinteligibil la nesuportabil.

Ca exemplu al neinteligibilului, luați în considerare MIT & # 8217s Cog (prescurtarea & # 8220cognition & # 8221). Afirmația era că Cog afișa inteligența (și comportamentul), inițial, a unui sugar de șase luni. Scopul a fost ca Cog să afișeze în cele din urmă inteligența unui copil de doi ani. 82 Un concept de bază al inteligenței & # 8212, în măsura în care oricine poate fi de acord asupra a ceea ce înseamnă cuvântul & # 8212 este că (toate lucrurile fiind egale) rămâne constant de-a lungul vieții. Ceea ce se schimbă pe măsură ce copilul sau animalul se dezvoltă este numai comportamentul. Deci, pentru a face această afirmație deloc inteligibilă, ar trebui să se traducă în așa ceva: scopul inițial este numai că Cog va afișa comportamentul unui copil de șase luni pe care oamenii îl consideră indicativ al inteligenței și, mai târziu, comportamentul unui copil de doi ani.

Chiar și corectată, această noțiune este, de asemenea falace. Indiferent de comportamentele pe care le prezintă un copil de doi ani, pe măsură ce copilul continuă să crească și să-l dezvolte, acesta va afișa în cele din urmă tot comportamentul unui adult normal, deoarece copilul de doi ani are un întreg creier uman. Cu toate acestea, chiar dacă reușim să creăm un robot care imită tot comportamentul unui copil de doi ani, există motive să credem că același robot va fără nicio altă programare, zece ani mai târziu, afișează comportamentul unui copil de 12 ani sau, mai târziu, afișează comportamentul unui adult.

Cog niciodată nu a afișat niciodată comportamentul inteligent al unui copil tipic de șase luni. 83 Pentru a se comporta ca un copil de doi ani, desigur, ar trebui să folosească și să înțeleagă limbajul natural & # 8212 până acum o barieră de netrecut pentru A.I ..

Afirmația neacceptabilă se face uneori că unii roboți au obținut o inteligență la nivel de insecte și un număr de roboți care dublează comportamentul insectelor. 84 Astfel de afirmații par plauzibile doar pentru că foarte puțini oameni sunt entomologi și nu sunt familiarizați cu cât de complex este și de sofisticat comportamentul efectiv al insectelor. 85 Cu toate acestea, alți experți nu sunt siguri că am atins chiar acel nivel. 86

Potrivit roboticienilor și fanilor lor, Moore & # 8217s Law va veni în ajutor. Implicația este că avem programele și datele totul gata de plecare, și tot ceea ce ne împiedică este o lipsă de putere de calcul. La urma urmei, de îndată ce computerele au devenit suficient de puternice, au reușit să învingă cel mai bun jucător de șah uman din lume, nu-i așa? (Ei bine, nu & # 8212 era nevoie, de asemenea, de o mulțime de programe suplimentare și cunoștințe de șah.)

Trist să spun, chiar dacă am avea nelimitat puterea și stocarea computerului, nu am ști ce să facem cu el. Programele aren & # 8217t gata de plecare, pentru că nu există programe.

Chiar dacă ar fi adevărat că roboții sau computerele actuale a avut atins inteligența la nivel de insectă, acest lucru nu ar indica faptul că inteligența artificială la nivel uman este realizabilă. Numărul de neuroni dintr-un creier de insecte este de aproximativ 10.000, iar într-un creier uman de aproximativ 30.000.000.000. Dar dacă puneți împreună 3.000.000 de gândaci (aceasta pare să fie ideea A.I. din spatele & # 8220swarms & # 8221), veți obține o colonie mare de gândaci, nu inteligență la nivel uman. Dacă ați reușit cumva să grefați împreună 3.000.000 de creiere de gândaci naturali sau artificiali, rezultatele nu ar fi cu siguranță ceva asemănător unui creier uman și este puțin probabil ca acesta să fie mai mult și # 8220 inteligent & # 8221 decât ar fi colonia de gândaci. Alte specii au creiere la fel de mari sau mai mari decât oamenii și niciuna dintre ele nu afișează inteligență la nivel uman și # 8212 limbaj natural, conceptualizare sau abilitatea de a raționa abstract. 87 Noțiunea că inteligența la nivel uman este o & # 8220 proprietate emergentă & # 8221 a creierelor (sau a altor sisteme) de o anumită dimensiune sau complexitate nu este altceva decât speculații pline de speranță.

Concluzii

Cu un spirit admirabil, optimism tehnologic și o credință în inevitabilitate, psihologii, filosofii, programatorii și inginerii sunt siguri că vor reuși, la fel cum oamenii au visat că într-o bună zi se va realiza un zbor mai greu decât aerul.88 Dar la 50 de ani după ce frații Wright au reușit cu zborul lor cu dovada conceptului în 1903, aeronavele fuseseră utilizate în mod decisiv în două războaie mondiale, elicopterul fusese inventat. inventat și viteza sunetului fusese spartă.

După mai bine de 50 de ani de urmărire a inteligenței artificiale la nivel uman, nu avem decât promisiuni și eșecuri. Căutarea a devenit un program de cercetare degenerant 89 (sau, de fapt, un număr din ce în ce mai mare de concurenți), urmărind un număr din ce în ce mai mare de activități irelevante pe măsură ce obiectivul inițial se îndepărtează tot mai mult în viitor și # 8212 ca mirajul .


Partea I: Conexiuni timpurii între Connectionism și Wittgenstein

Conecționism v. o abordare clasică

Entuziasmul pentru abordarea clasică în știința cognitivă se întoarce la lingvistica lui Chomsky și la noțiunea de gramatică generativă (Chomsky 1965). Această abordare a apărut ca o reacție împotriva comportamentismului care a început să domine domeniile psihologiei și lingvisticii cu B.F. Skinner. Chomsky a arătat că comportamentalismul și mecanica sa asociaționistă nu pot explica productivitatea limbajului. Gramatica sa generativă a revenit la o imagine fregeană a unui limbaj de gândire (LOT) care a construit noi unități semnificative din simboluri și relații logico-lingvistice de bază (specificate de reguli). Se spune astfel că implementările actuale ale arhitecturii clasice folosesc „compoziționalitatea fregeană” (Jackendoff 2003). Această abordare a avansat obiectivele științei cognitive, deoarece, datorită abilității de a trata semantica ca fiind codificată sintactic (ca într-o logică formală), oamenii de știință cognitive ar putea lucra la modelarea limbajului pe computerele digitale standard.

Spre deosebire de abordarea clasică, conexionismul a funcționat cu asociații și tipare de activare bazate pe procesare paralelă. Această abordare, populară pe vremea lui Skinner, a fost umbrită de opera clasicienților precum Chomsky, Fodor și Stephen Pinker, dar a primit o atenție reînnoită în anii 1980, mai ales după introducerea tehnicii de propagare înapoi (Calvo și Symons 2014). Această inovație tehnică a demonstrat promisiunea conexionismului pentru știința cognitivă, permițând rețelelor conexioniste să învețe în mod eficient modele verbale regulate și neregulate (vezi Rumelhart și McClelland 1986).

Renașterea interesului pentru conexionism s-a datorat și creșterii neuroștiințelor. Conectionismul a fost o arhitectură „inspirată din punct de vedere neurologic”: se spune că nodurile și rețelele conexioniste modelează neuronii și sinapsele create prin conectarea axonilor și a dendritelor. Conecționismul a arătat astfel o promisiune pentru unificarea biologiei și percepției creierului cu activități cognitive superioare, cum ar fi gândirea și limbajul. De asemenea, a depășit concatenarea semnelor folosite de abordarea clasică prin utilizarea puterii procesării distribuite în paralel (PDP) în calculele sale, care păreau să imite mai bine arhitectura și viteza creierului. Se părea astfel că o abordare conexionistă ne-ar putea arăta în cele din urmă cum funcționează de fapt gândirea și limbajul. Pentru conexioniști, nivelul mai înalt de descriere care folosea categorii lingvistice și o compoziționalitate fregeană (dacă nu ar fi eliminată ca o rămășiță a psihologiei populare) ar găsi probabil explicația corectă în arhitectura rețelelor și a tiparelor de activare (a se vedea noțiunea lui Paul Smolensky de Sisteme conexioniste / simbolice integrate sau ICS, Smolensky 1988). Nota de subsol 5

Wittgenstein v. o abordare clasică

Mai mulți autori văd conexionismul ca reflectând o nouă înțelegere a limbajului și a minții care a apărut în lucrarea ulterioară a lui Wittgenstein (de exemplu, Stern 1991, Mills 1993, Dror & amp Dascal 1997, Goldstein și Slater 1998 Elman 2014). Acești autori recunosc, de asemenea, valoarea înțelegerilor lui Wittgenstein și, prin urmare, văd această confluență ca sprijin pentru ideea că abordările conexioniste accesează ceva mai de bază la modul în care gândim și folosim cu adevărat limbajul.

Un motiv pentru care se remarcă similitudinea dintre Wittgenstein și conexionism este contextul pentru ideile ulterioare ale lui Wittgenstein: comentariile sale critică adesea sau subminează noțiunile clasiciste ale lui Gottlob Frege, Bertrand Russell și ale sale anterioare. Tractarian de sine. Nota de subsol 6 Abordarea clasicistă susținută de Fodor, Pylyshyn și Brian McLaughlin este prezentată prin presupuneri prezentate de acești filosofi analitici timpurii cu privire la conexiunea simbolurilor / reprezentărilor cu obiectele / relațiile din lume și cu privire la existența unei structuri logice sau lingvistice care explică compoziția semnificativă din simbolurile primitive. Nota de subsol 7

În viziunea analitică clasică, componentele de bază au primit semnificație dintr-o conexiune directă cu obiecte sau relații considerate a fi primitive. Un șir de semne precum „aRb” ar putea fi o formalizare a propoziției englezești „John loves Marie”, care poate fi, de asemenea, analizată simbolic prin „LOVES (John, Marie)”. Viziunea clasică a încurajat, de asemenea, credința în existența unor stări mentale care ar putea acționa pe propoziții și ar explica comportamentul, de exemplu, „Sally crede că Ioan o iubește pe Marie” sau „CREDE [Sally, LOVES (John, Marie)]” și alte asemenea zile moderne redări ale noțiunii lui Russell de atitudini propoziționale. Wittgenstein ulterior a criticat această imagine clasică a limbajului și a criticat, de asemenea, ideea corelativă „limbaj de gândire” care reifica utilizarea lingvistică într-o structură propozițională cu constituenți variabili care ar putea fi completată cu nume pentru obiecte și relații.

Unul dintre modurile în care limbajul ne-ar putea induce în eroare este de a ne obișnui să credem că structura gramaticală și entitățile pe care le prezintă au constituit un sens, chiar și în cazurile în care acestea sunt inițial absente. Pentru Wittgenstein, la fel ca „Slab!” nu este o elipsă a propoziției „Adu-mi o placă” care, la rândul său, poartă sensul real al expresiei (PI # 19), nu trebuie să treceți prin intermediarul regulilor, simbolurilor atomice și gramaticii compoziționale pentru ca cuvântul să aibă utilizarea sau sensul său adecvat. La fel, înțelegem care piesă din șah este regele nu doar de la a arăta spre un obiect fizic, ci de la ce fel de mișcări poate face piesa și cum se raportează la alte piese.

Pentru a rezuma caracteristicile limbajului pentru Wittgenstein, menționăm patru puncte principale. În primul rând, (a) semnele necesită ca contextul să devină semnificativ și au limite definiționale mai degrabă decât rigide. Semnele sunt simple semne sau sunete care devin simboluri în contextul unui joc de limbă. Iterările semnului în contextul potrivit îi permit să capete sens. Această abordare a jocului lingvistic explică asemănarea familială a unui termen în diferite utilizări. Nu trebuie să existe nicio caracteristică esențială care este comună în fiecare utilizare semnificativă a unui cuvânt. Acest lucru se îndreaptă împotriva ideii unei asocieri directe primitive a semnului cu referentul, precum și împotriva esențialismelor, formalismelor fregene și a oricărui simplu paralelism psiho-lingvistic. În al doilea rând, (b) apare un comportament asemănător unei reguli, dar semantica nu este guvernată neapărat de o regulă. Jocurile lingvistice sunt anterioare și sunt învățate mai întâi prin antrenament (abgerichtet) sau expunerea la ceea ce vom numi enunțuri situate ale semnului sau cuvântului. Această primărie se extinde chiar la (c) logică și matematică și regulile acestora și (d) sistematicitatea și productivitatea limbajului ajung fără necesitatea prealabilă a unor reguli sintactice generale preprogramate genetic sau internalizate experiențial.

Connectionism și Wittgenstein v. o abordare clasică

Conecționismul lui Smolensky, pe care l-a numit PTC sau Tratamentul adecvat al conexionismului (Smolensky 1988), a făcut parte dintr-o abordare simbolică conexionistă integrată (ICS), care a permis o descriere la nivel superior a procesării simbolice în ceea ce privește abordarea clasică (ceea ce el numit funcțional sau de nivel f), dar ale cărui motoare reale se aflau în rețele conexioniste (nivelul c de calcul sau algoritmic). Nota de subsol 8 Pentru Smolensky, descrierile de nivel superior pe care clasiștii le utilizează sunt aproximări post hoc și aproximative, reificând rezultatele proceselor conexioniste într-un mod util. Există mai multe moduri în care abordările conexioniste din secolul al XX-lea precum Smolensky sunt prietenoase cu Wittgenstein.

Pentru conexioniști, semnele pot deveni simboluri în virtutea apariției lor într-o varietate de contexte. Unitățile simbolice ale lui Smolensky, reprezentate prin vectori, sunt reprezentări distribuite spre deosebire de locale. Acestea nu sunt corespondențe individuale cu obiecte, adică obiecte sau evenimente la care s-ar putea indica în mod independent, cum ar fi cafeaua din ceașcă sau sorbirea unui lichid, ci în schimb afișează o dependență de context originală și pot găzdui asemănări familiale. la diferite utilizări ale unui termen. După cum explică Mills, citând Wittgenstein, „diferitele utilizări ale unui cuvânt sunt unificate, nu prin ceva ce au în comun, ci prin„ o rețea complicată de asemănări care se suprapun și se încrucișează ”, asemănări care sunt analoage cu„ diferitele asemănări dintre membrii unei familii ”(PI # 67 # 68 Mills, 139).

În mod similar, Smolensky, discutând despre reprezentările conexioniste, vorbește despre „o familie de tipare de activitate distribuită” în care sensul termenului nu este o caracteristică comună tuturor utilizărilor sale. Smolensky folosește chiar și termenul „asemănare familială” al lui Wittgenstein pentru a descrie relația distribuită a diferitelor utilizări ale „cafelei” (Smolensky 1991, 176), iar Mills, citând exemplul „cafelei” lui Smolensky, întărește analogia între utilizările lui Smolensky și Wittgenstein de „asemănarea familială” ”(140).

Simbolul CAFEA este construit într-o rețea conexionistă în care termenul „cafea”, conceput ca un semn fizic sau enunț, este distribuit pe diferite iterații contextuale în care apare semnul. [Rețineți că vom folosi toate majusculele, de ex. CAFEA, atunci când menționăm un simbol (un semn cu semnificație reprezentativă) pentru al distinge de un simplu semn, de ex. „Cafea”, ca un șir de semne sau sunete, pe care le numim și o „iterație”, deoarece, în general, este nevoie de mai multe instanțe de sunet / semn pentru ca acesta să devină un semn și, prin urmare, să fie un candidat viabil pentru a deveni un simbol). De asemenea, ca și în practica analitică standard, atunci când punem un cuvânt între ghilimele, ne vom referi mai degrabă la cuvântul / semnul / semnele / sunetul decât la semnificația acestuia ca simbol.] Cu alte cuvinte, iterațiile contextuale, cu orice intrare senzorială lumea oferă, colectați împreună din diferitele locații stocate pentru a produce simbolul așa cum apare într-o utilizare semnificativă a limbajului. Simbolul, deși ar putea dezvolta o oarecare independență de context (așa cum descriem mai jos în „De la simboluri la limbajul sistematic” partea II, secțiunea 2.3), își poartă contextul cu el intern, așa cum, așa cum afirmă Mills pentru Smolensky, „Nu se poate individua atunci o reprezentare dată a „cafelei” fără a face trimitere la contextul în care apare cafeaua. Tocmai același lucru este valabil pentru oricare dintre diferitele utilizări ale unui cuvânt din contul lui Wittgenstein ”(Mills, 141).

Așa cum Wittgenstein a arătat modul în care diferitele utilizări ale termenului în jocurile de limbă - mai degrabă decât o corespondență directă cu un articol - furnizau semne cu semnificațiile lor simbolice, Smolensky și Mills arată cum simbolul își câștigă puterea de reprezentare din cazurile de utilizare, cum ar fi „Copac cu cafea”, „cutie cu cafea” etc. (Smolensky 1988, 67 Smolensky 1991, 174–176 Mills 1993, 140). Prin urmare, nivelul simbolic pe care îl putem înțelege, este construit din impresia iterațiilor dintr-o rețea conexionistă care formează un nivel sub-simbolic, ale cărui asociații sunt procesate algoritmic.

Iterațiile, ceea ce am numit „enunțuri situate”, sunt microfuncționalități care constituie un nivel subsimbolic (nivel inferior c, pentru Smolensky), iar modelele lor interactive de activare se construiesc la noduri la nivel simbolic (nivel superior c). Smolensky va reprezenta instanțele particulare distribuite ca vectori neinterpretabili și va reprezenta simbolul conexionist ca un vector care este un model de activare sau produs al acestor vectori de subsistem.

Dezvoltarea unui semn / simbol, care reține asociațiile din experiențe, formează o puternică analogie între familiile tiparelor de activitate distribuite care construiesc un simbol din enunțuri particulare și asemănarea familială a diferitelor construcții lingvistice care utilizează același semn. Acest lucru se datorează faptului că elementele constitutive de la nivelul subsimbolic pot face parte, de asemenea, din rețele care activează simboluri diferite, dar conexe (de exemplu, CAPPUCCINO). De asemenea, relația simbolică și sub-simbolică trebuie considerată relativă, astfel încât ceea ce sunt simboluri într-un model de activare ar putea fi iterații sau simple semne în altul. În terminologia generală conexionistă, se poate spune că greutățile stabilite prin utilizare pot activa nodurile, iar ansamblurile rezultate de activări ale nodurilor sunt interpretate ca simboluri. Nota de subsol 9 Simbolurile se pot combina și pentru a forma propoziții semnificative. După cum afirmă Smolensky, „entitățile conceptuale de nivel înalt, cum ar fi propozițiile, sunt distribuite pe mai multe noduri, iar aceleași noduri participă simultan la reprezentarea multor entități” (Smolensky 1991, 171).

După cum vedem cu asemănarea familială, reprezentările distribuite duc la simboluri conexioniste cu limite mai degrabă decât grele (Mills, 141). Prin urmare, o abordare conexionistă nu suferă o defecțiune atunci când un cuvânt familiar este utilizat într-un mod necunoscut, acesta poate rezolva o asemănare bazată pe o asemănare familială cu alte utilizări și cu cuvintele utilizate proximal. Deci, în timp ce într-o abordare clasică a simbolurilor și regulilor, o abatere în sensul unui simbol ar putea provoca defalcarea programului, arhitecturile conexioniste nu sunt atât de fragile. Nota de subsol 10 Așa cum a subliniat Wittgenstein în analogie, porunca de a „sta aproximativ acolo” are sens, deși nu are margini ascuțite (PI #71).

Pentru conexioniști, o anumită formă de instruire prin iterații se bazează pe limbaj la fel cum, pentru Wittgenstein, formarea și expunerea se dezvoltă la jocuri de limbă, iar odată cu instruirea vin reguli asemănătoare unor reguli. Conectioniștii din anii 1980 au ajuns la formulări gramaticale prin rețele de instruire. Lucrarea revoluționară asupra acestei forme de generare implicită de reguli este formarea de reguli la timpul trecut prin expunerea la utilizarea lingvistică (Rumelhart și McClelland 1986). Principala perspectivă ilustrată de acest rezultat este că corectarea greșelilor pe cuvinte individuale poate, pe parcursul multor iterații de „antrenament”, să conducă la generalizări asemănătoare regulilor fără a recurge la reguli explicite (cum ar fi „adăugați sufixul„ ed ”pentru a crea timpul trecut” ) sau liste de excepții (schimbați „mergeți” la „mergeți”). Această instruire este importantă pentru a obține utilizarea corectă a unui termen pentru conectoriști, în timp ce regulile explicite pentru utilizarea cuvintelor nu sunt. Inovația tehnică cheie care a permis acest rezultat a fost propagarea înapoi a unei măsuri de eroare prin straturi intermediare („ascunse”) de noduri. Această tehnică de alimentare a informațiilor înapoi și înainte prin intermediul unei rețele pentru a regla greutățile diferitelor activări permite rețelei să învețe.

În timp ce „instruirea” pentru Wittgenstein acoperă mai mult modul de acțiune și comportament decât formarea unei rețele, există o similitudine în nevoia inițială de repetare a iterațiilor. Pregătirea conexionistă este ca rețeaua care experimentează utilizarea corectă a cuvintelor în anumite jocuri lingvistice. Mills subliniază acest antrenament și modul în care acesta creează nu numai simboluri „moi”, ci reguli „moi” cu limite fluide (Mills, 145). În rețelele conexioniste, apar reguli care se pot schimba ca răspuns la experiență. Regulile defizibile și schimbătoare pe care le-a văzut Wittgenstein în jocurile lingvistice sunt astfel modelate mai natural în rețelele conexioniste. Degradarea grațioasă a capacității unei rețele de a efectua atunci când se confruntă cu utilizări diferite sau noi imită comportamentul real al vorbitorilor umani. Acest lucru arată cum rețelele pot imita zona gri dintre, de exemplu, utilizarea „cafelei” ca băutură și utilizarea „cafelei” ca culoare, sau modul în care termenul se poate estompa până la prostii când utilizarea este complet inadecvată și în afara confluență cu toate utilizările anterioare.

După cum am început să vedem, paralelele sunt atât de puternice între abordările conexioniste și Wittgenstein încât Mills prezintă - și apără - o „teză de complementaritate” prin care conexionismul formează un explicaţie a fenomenelor lingvistice pe care Wittgenstein descrie.

Refutări clasiciste la conexionismul secolului al XX-lea și simpla implementare

Susținătorii abordării clasice au subliniat o serie de dificultăți legate de conexiunile secolului al XX-lea. După cum Fodor și Pylyshyn (1988) au început deja să observe, conexioniștii nu au putut reproduce cu ușurință compoziționalitatea și productivitatea lingvistică. Fără ceva de genul unei structuri gramaticale cu substituenți pentru simboluri sau reguli pentru recombinarea productivă a simbolurilor, se părea că modelele conexioniste ar avea nevoie de o oarecare expunere la fiecare propoziție posibilă sau ar putea avea nevoie chiar de toate combinațiile posibile noi de cuvinte conectate neuronal în creier în avans. Atâta timp cât conexionismul nu se ocupase în mod eficient de creativitatea limbajului, a fost neverosimil din punct de vedere lingvistic.

De asemenea, în timp ce utilizarea conexionismului de propagare înapoi pare să dezvolte un nivel de competență lingvistică și, așadar, părea să ocolească nevoia de reguli, aceste modele conexioniste nu păreau scalabile pentru învățarea din lumea reală. Pinker și Prince (1988) au subliniat că cazurile de producție la timpul trecut au fost atât de saturate de informații încât mașinile statistice ar putea produce aceleași regularități. Rețelele care folosesc propagarea înapoi nu au învățat din câteva exemple pozitive, modul în care o fac oamenii (vezi Chomsky 1980, privind sărăcia stimulului), în schimb, au necesitat un număr mare de sesiuni de instruire supravegheate pentru a corecta greutățile pentru activarea sau inhibarea corectă a nodurilor. Acest lucru nu s-a corelat cu abilitatea unui copil de a învăța zece până la cincisprezece cuvinte noi pe zi. Programatorii conectioniști construiau astfel un comportament asemănător regulilor în rețelele din neverosimil pedagogic căi.

În timp ce Fodor și Pylyshyn au criticat aspru conexionismul pentru că nu au modelat trăsături sistematice importante ale limbajului, pe care abordarea simbolurilor și regulilor le-ar putea surprinde direct, totuși au permis ca acesta să poată fi folosit pentru a modela nivelul biologic sau de implementare. Cu toate acestea, alții au mers mai departe în criticile lor, subliniind cum, la a doua vedere, procesarea conexionistă a scăzut ceea ce s-ar putea aștepta de la o arhitectură inspirată din punct de vedere neurologic, deoarece neuronii nu păreau să afișeze tipul de cablare pe care ar sugera-o propagarea înapoi. Nota de subsol 11 Modelele localiste, mai degrabă decât distribuționiste, au întâmpinat în special o problemă de scalabilitate, deoarece se pare că ar putea necesita un număr de „neuroni” care să depășească numărul de particule din univers (Stewart și Eliasmith 2012), ceea ce ar putea sugera în continuare neverosimilitatea biologică.

În timp ce propria abordare a lui Smolensky în anii 1990 nu s-a bazat pe propagarea înapoi și ar putea începe să ocolească unele dintre aceste critici (așa cum vom vedea cu VSA în partea II), aproape de sfârșitul secolului al XX-lea, clasicienii au putut și au reînnoit argumentele care conexionismul a fost neverosimil din punct de vedere lingvistic, pedagogic și chiar biologic.

Acei clasicieni care au apreciat conexionismul și-au relegat valoarea de a fi un mod de implementare pentru o abordare LOT, modelând nivelul biologic. Acest lucru ridică întrebări atât filozofice, cât și tehnice.

Implementare, reducere, eliminare

Cele trei argumente de plauzibilitate ar putea fi considerate probleme tehnice sau funcționale în abilitatea de a modela proprietăți pe care le asociem cu capacități cognitive mai mari, dar conflictul filosofic mai profund pus în joc a vizat reducționismul și eliminativismul. Primii clasiciști, cum ar fi Frege și Russell, erau raționaliști care vedeau limbajul și gândirea ca fiind independente de orice structură biologică care le-ar putea pune în aplicare. În mod similar, abordarea funcționalistă adoptată de clasicieni (Fodor și Pylyshyn 1988) a văzut structurile clasice ca realizabile în mod multiplicabil și, astfel, ca fiind adecvate studiului independent. Acest lucru, însă, a făcut să pară că diferitele moduri în care nivelul superior al limbajului și al cunoașterii a fost realizat de un nivel inferior erau irelevante, deoarece nivelul lingvistic al clasicienilor a stabilit toate dezideratele care trebuiau satisfăcute. Chiar dacă o abordare conexionistă ar putea fi îmbunătățită pentru un model mai bun de arhitectură cerebrală, acesta ar fi, pentru Fodor și Pylyshyn, un doar implementare. Conexiuniștii, în schimb, se considerau că se ocupă de procesele lingvistice într-un mod mai fin și din această perspectivă abordarea grosieră a clasicienților ar putea fi criticată ca o distorsiune reificatoare.

Acest impuls raționalist poate fi motivul pentru care clasicienii au criticat conexioniștii pentru că nu au putut să dea seama de necesitatea logicii (Fodor și Pylyshyn 1988). Smolensky a reușit să imite comportamentul operatorilor logici folosind arhitecturi conexioniste (Smolensky 1990), dar, deși acest lucru ar fi putut fi suficient de bun pentru concepția normativă ulterioară a logicii și matematicii a lui Wittgenstein (Hacker și Baker 2009), nu avea genul de universalitate și necesitatea pe care o cereau predilecțiile raționaliste ale clasicienilor.

Observăm că conexionismul pare în confluență cu ideile lui Wittgenstein despre limbă și minte, dar clasicienii, în acest moment, par să reflecte mai bine impulsul antire reducționist al gândirii ulterioare a lui Wittgenstein. Un conexionism de succes care a respins înțelegerea clasică a limbajului și atitudinile propoziționale ar părea să faciliteze eliminarea concepțiilor „populare” născute din utilizarea obișnuită și să faciliteze reducerea limbajului și a minții la creier (Ramsey și colab. 1990). Pare o linie delicată între o reducere, care (redusă) ar face conexionismul să pară o implementare sau (redusă în jos) ar face experiența la nivel superior să pară iluzorie și o eliminare, care ar sacrifica în totalitate viabilitatea multor descrieri obișnuite ale noastre a vieții mentale (Churchland 1989). Credem că conexioniștii pot evita capcanele filosofice ale reductivismului și eliminativismului printr-o abordare emergentistă. De exemplu, există o apariție de la semne neinterpretabile la simboluri și o apariție de la simboluri dependente de context la o independență de context care permite interacțiuni suplimentare de ordin superior (așa cum vom vedea). Pentru Wittgenstein, nu există o reducere a gramaticii la cauzal, iar limbajul funcționează perfect așa cum este. Luând aceste indicii, dezideratele unui bun emergentism conexionist sunt că nu alunecă prea ușor într-o reducere sus la o implementare de simboluri și reguli sau jos în procese cauzale de nivel inferior. Nota de subsol 12 Ar trebui, de asemenea, să prevină orice eliminare completă a conceptelor noastre de limbaj obișnuit. Nu vom merge mult mai departe în emergentism aici, decât pentru a observa că într-o abordare emergentistă, proprietățile la niveluri superioare trebuie considerate insolvabile epistemologic sau ontologic. Aici ne străduim în primul rând să arătăm cum conexionismul poate răspunde cu succes la respingerea clasicienilor, să-și depășească limitările funcționale și să se coordoneze și mai bine cu multe dintre ideile lui Wittgenstein.


Mintea în viață: biologie, fenomenologie și științele minții

În Mintea în viață Evan Thompson își propune să asambleze un cadru pentru știința cognitivă care va începe să armonizeze biologia și fenomenologia, astfel încât să ajute la închiderea notoriei & cotexplanatory gap & quot dintre conștiință și natură. Thompson nu pretinde să închidă complet acest decalaj, ci să „îmbogățească resursele filosofice și științifice pe care le avem pentru a le aborda” (p. X). S-ar putea să nu fie încă ușor să se spună cât de mult s-au înregistrat progrese în ceea ce privește problema decalajului. Dar ar trebui să recunoaștem ceea ce Thompson a realizat în mod clar: o sinteză remarcabilă și complexă, în care fenomenologia, așa cum o înțelege, este asociată cu ceea ce el numește „dinamismul încorporat” într-un mod care ajută la definirea unei viziuni emergente importante asupra locului conștiinței în natură.

Sursele pe care se bazează Thompson sunt în primul rând: anumite aspecte ale ideilor filozofiei Husserl și Merleau-Ponty din biologia teoretică asupra autoorganizării și teoriei sistemelor dinamice aplicate creierului. Această colecție dispară superficial este unificată într-un mod care poate oferi o introducere valoroasă pentru cei neinițiați, iar posibilitățile pe care Thompson le deschide vor fi, fără îndoială, binevenite de mulți care sunt nemulțumiți de ortodoxiile actuale din știința cognitivă.

Thompson etichetează viziunea sa generală asupra cunoașterii și calmează abordarea activă. Mintea întruchipată (MIT, 1991). La bază se află angajamentul față de „dinamismul încorporat”, o perspectivă relativ recentă în știința cognitivă pe care o contrastează atât cu conexionismul, cât și cu teoriile cognitiviste anterioare. „Revoluția cognitivă” (de la ascensiunea sa din anii 1960 și 70) a eliberat psihologia de comportament, prin interpunerea proceselor mentale între stimul și răspuns. Dar, spune Thompson, tratând aceste procese ca calcule implementate într-un sistem de simboluri legate de „quotskull”, cognitivismul susține respingerea comportamentistă a conștiinței, deoarece plasează mintea în rutina „quotsubpersonală” inaccesibilă la nivelul personal al conștiinței. Opiniile conexioniste care au atins importanța în anii 1980 au oferit, așa cum o vede Thompson, o abordare semnificativ nouă, întrucât „reprezentările subsimbolice distribuite” care reies din activitatea rețelelor conexioniste nu sunt considerate ca „quotsymbols în sensul tradițional al calculului” (p 9). Și acesta este progresul, crede el, în măsura în care deschide calea către o „concepție mai dinamică a relației dintre procesele cognitive și mediu” și promite să apropie imaginea teoretică a proceselor mentale de realitatea neuronală. Totuși, lui Thompson i se pare dezamăgitor și conexionismul, deoarece păstrează tendința cognitivistă dubioasă de a proiecta asupra creierului sarcini de calcul care există cu adevărat doar în ochiul unui observator extern și persistă în înstrăinarea minții de subiectivitate, în timp ce nu reușește să-și plaseze mintea în lumea prin activitatea senzoriomotorie.

Astfel este nevoie de o alternativă: abordarea activă. Potrivit „dinamismului său„ încorporat, „creierul este un sistem auto-organizat care urmărește & quototectorii & quot într-un & spațiu quot & quot; de state, ca răspuns la„ perturbații & quot; din exterior - traiectorii caracterizate de un set de ecuații diferențiale. (Acesta este dinamism.) Și ceea ce face creierele să fie sistemele de auto-organizare, este legătura lor de organisme și # 39 suprafețe senzoriale cu efectori, astfel încât să producă și să mențină un agent & quotsensorimotor. "(Aici este întruchipatThompson susține că această concepție, spre deosebire de concurenții săi, poate vedea cogniția naturală în termeni de „semnificațiile pe care stimulii le au pentru animal” situate în mediul său, mai degrabă decât în ​​ceea ce privește semnificațiile impuse de un observator, deoarece căci organismul iese din activitatea senzoromotorie auto-organizată dinamic (p. 53). Și elaborând o concepție biologică a cunoașterii care oferă un loc natural semnificației pe care o au lucrurile pentru un organism, enactivistul speră să adere la biologie la subiectivitate și fenomenologie, unde alte teorii au lăsat un decalaj explicativ căscat.

Care este acest decalaj problematic? Pe o imagine influentă,

[t] problema este că relatările fizice explică structura și funcția unui sistem caracterizate din exterior, dar o stare conștientă este definită de caracterul său subiectiv, experimentat din interior. Având în vedere această diferență, relatările fizice ale structurii și funcției par insuficiente pentru a explica conștiința. (pp. 222-23)

Thompson nu este mulțumit de acest mod de gândire acum mai mult sau mai puțin standard despre presupusul decalaj. Dar el recunoaște că există întrebări profund provocatoare cu privire la motivele pentru care lucrurile ar trebui să fie experimentate de noi în acest fel sau altfel - sau în orice fel - când creierul nostru este activ. Și nu vrea să nege că filosofia ar trebui să joace un rol semnificativ în înțelegerea și abordarea acestei provocări. Dimpotrivă, el consideră că avem nevoie de filozofie care să ne ajute să recunoastem ambele & citatele & quot ale decalajului într-un mod care să faciliteze progresul. Pe latura „fizică”, trebuie să ne îmbogățim concepția despre biologie cu noțiunile de „organizare independentă” sau „quotutopoieză”, înțelese în termenii teoriei sistemelor dinamice (folosind idei inițiate de Maturana, Varela, Freeman și alții). Și trebuie să recunoastem partea „conștiinței”, prin intermediul fenomenologiei (bazându-ne pe Husserl și Merleau-Ponty). În mod grosolan, promisiunea este următoarea: dacă ne gândim la creier ca la un sistem dinamic încorporat care se auto-organizează și dacă dezvoltăm - prin fenomenologie - concepții despre experiența senzorială și activitatea motorie, despre imagini, despre temporalitatea experienței , de emoție și de empatie, atunci vom putea găsi o armonie satisfăcătoare explicativă în concepțiile noastre despre ambele părți ale decalajului - adică în concepțiile noastre ambele moduri în care lucrurile ne apar și a moduri în care creierul nostru este activ - și astfel întrezăriți ziua în care decalajul va dispărea.

Pentru a ne face o idee mai completă despre căutarea Thompson pentru această armonie de închidere a lacunelor, este posibil să luăm în considerare doar o mică parte din problemele de amploare care apar în cursul său. Dar, în mod clar, noțiunea sa de sistem „quotutopoietic” joacă un rol deosebit de crucial - și așa este probabil un loc bun pentru a începe. Aproximativ, un sistem este autopoietic sau se auto-organizează doar în cazul în care are o limită & quotsemipermeable & quot în care au loc reacții care produc limita și care „generează componentele sistemului”, parțial datorită existenței limitei (p. 101) . În virtutea deținerii acestui tip de auto-întreținere, bacteriile și amibele sunt considerate ființe vii, în timp ce cristalele și virușii nu. Thompson continuă să concluzioneze că, dacă un sistem viu de auto-organizare include suficientă „adaptabilitate” și „flexibilitate” ca răspuns la schimbările din mediul său, aceasta va fi suficientă pentru a-i oferi mai mult decât simpla „autopoieză minimă”: se va manifesta și comportament ghidat de norme, prin urmare cogniție, în sens larg (p. 149). Deoarece, atunci când un organism se auto-organizează în acest mod normativ evaluabil, lucrurile au semnificație sau valență pentru aceasta, aceasta se presupune că ne pregătește să înțelegem cum activitatea biologică implică un fel de „interioritate” sau „interioritate” care este cel puțin un „precursor” al „interiorității conștiinței”. ca provocare a modului de explicare biologică. Și această provocare trebuie rezolvată specificând ce gen special de autoorganizare evaluabilă din punct de vedere normativ & „constituie o lume fenomenală. & quot

Thompson recunoaște că unii (cum ar fi David Chalmers) sunt susceptibili de a obiecta la această strategie de închidere a decalajului, pe motiv că orice încercare de a spune ce formă specială de autoorganizare constituie conștiința va întâlni o problemă „quotzombie”. Problema ar fi aceasta. Luați în considerare orice tip specific de autopoieză presupus constituie (și nu este o simplă precursor de) conștiința însăși. Această formă de auto-organizare este probabil de fapt găsit în (și numai în) ființe conștiente. Dar, având în vedere concepția pe care o avem despre propria noastră conștiință "din interior", atunci, cu condiția să nu injectăm în mod stipulat noțiunile noastre de experiență sau apariție la persoana întâi în contul nostru despre forma relevantă de autoorganizare, acea autoorganizare ne va apărea cel puțin de conceput prezente la ființe (& quotzombies & quot) lipsite de orice conștiință. Deci, va exista în continuare un decalaj logic sau conceptual între ceva care are orice formă mai specifică de auto-organizare pe care ați dori să o folosiți pentru a explica conștiința și care are conștiință autentică. Și dacă așa este, atunci ne vom lăsa încă ne întrebăm ce ne îndreptățește să spunem că o astfel de formă de auto-organizare nu este legată doar contingent de conștiință, ci (așa cum dorește să spună Thompson) că constituie constiinta.

Thompson răspunde aici îndoindu-se dacă, atunci când ne gândim cu adevărat, zombi în sensul relevant sunt de conceput. Astfel avem o „critică fenomenologică a zombilor” (pp. 230-34). Și aici putem vedea un mod în care fenomenologia husserliană a lui Thompson ar trebui să ajute la proiectul general. (De altfel, pentru a înțelege cum Thompson îl face pe Husserl un prieten al dinamismului întruchipat, este util să rețineți că el renunță la fosta interpretare cognitivistă, inspirată de Dreyfus a lui Husserl, susținută în Mintea întruchipată, iar el acum (ca Dan Zahavi) îl citește pe Husserl mult mai aproape de Merleau-Ponty.) „Critica” de atunci, merge după cum urmează: Thompson sugerează că, dacă luăm în considerare „quotfenomenologia experienței corporale” și relația acesteia cu continuitatea perceptivă dintr-o perspectivă husserliană, vom spune că „continuitatea obiectului printr-o varietate schimbătoare de aparențe” depinde în mod constitutiv de o „legătură” cu experiența unei posturi și a unei mișcări corporale proprii. Astfel, o formă de autoexperiență corporală este o „condiție constitutivă a percepției obișnuite” (p. 232). Dar dacă acceptăm acest lucru, atunci (susține Thompson) nu putem în cele din urmă să dăm niciun sens ideii unei ființe complet inconștiente („quotzombie” și „ale cărei capacități de percepție (definite funcțional) sunt exact cele ale omologului său conștient (fizic identic)” (p. 233). Niciun „zombie” presupus nu ar putea fi conceput ca și noi în abilități de percepție, fără a avea kinestezic experienţă. Dar un zombie cu auto-experiență corporală nu este deloc un zombie.

Thompson sugerează aici o strategie ingenioasă, dar se poate înregistra o îndoială. Să presupunem că îi acordăm lui Thompson premisele sale husserliene. Adică acceptăm că ființele conștiente precum noi și (probabil) numeroase alte animale au capacități de percepție - în mod specific, capacități de a experimenta constanțe spațiale printr-un flux de aparențe - care nu pot fi separate de forme de auto-experiență corporală. Dar aceasta face ca noțiunea de zombi să fie incoerentă? Nu este clar. Chiar și acordând viziunea husserliană a percepției, putem crede că avem concepții obiective despre spațiu și mișcare care ne permit să concepem ființe care se mișcă în împrejurimile lor, ca răspuns la stimularea fizică, așa cum facem ființele conștiente, deși nici împrejurimile lor nici propriile lor corpuri senzoriale apărea pentru ei (de exemplu, uite sau simt pentru ei) în orice mod - astfel nu au o „lume fenomenală”. „Și este concepția aparentă a acest care stă la baza concepției bântuite de zombie asupra decalajului pe care Thompson vrea să-l risipească. S-ar părea că, pentru a-și completa cazul, Thompson ar trebui să argumenteze că capacitățile relevante pentru mișcare care constituie constanță, al căror exercițiu îl experimentăm, nu pot fi nici măcar conceptualizate (și, prin urmare, imputate omologilor noștri supuși zombi) într-o abstracție completă de la experienţă dintre ele - adică aceste capacități specifice de mișcare nu pot fi înțelese de noi decât în ​​măsura în care manifestarea lor este „trăită”.

Oricât ar fi acest lucru, lăsând în urmă spectrul zombilor și având în mână noțiunea sa extinsă de autopoieză, Thompson găsește concepția despre decalajul explicativ transformată într-un mod crucial. Deocamdată: & Quotthe the issue issue is to understand the emergence of living subjectivity from living living, unde ființa vie este înțeleasă ca posedată deja de o interioritate care scapă de tabloul obiectivist al naturii ”(p. 236). Putem să ne facem o idee despre modul în care Thompson crede că trebuie să procedăm în acest moment, dacă ne uităm la discuția sa (capitolul 9) despre lucrarea lui Alva No & euml și a altora care pretinde să reducă lacunele explicative. Thompson susține că acești teoretici și eforturile # 39 sunt încă scurți prin eșecul de a include o înțelegere a tipului de egoism autonom care caracterizează anumite sisteme senzorimotorii (diferiți de, să zicem, rachetele ghidate) și că trebuie încă să țină seama de & quotsubjectivitatea în simțul conștiinței corporale prereflective ", despre care Thompson spune că implică un fel de" conștientizare de sine "care nu este direcționată de obiect, în care sunt trăite sentimentele unuia și cotele mele. noțiunea de conștiință de sine corporală și relația acesteia cu „abordarea senzoromotoră dinamică” pentru a termina treaba contabilizării conștiinței.

Indicații suplimentare cu privire la modul în care Thompson intenționează o explicație de închidere a decalajelor provenind dintr-o combinație de fenomenologii și teorii ale sistemelor dinamice, se poate găsi în discuția sa extinsă (capitolul 11) despre relatarea Varela despre „temporalitatea experienței”, considerată în termeni de „husserliană” / structura de protecție. & quot; Pe această viziune (nu este rezumată ușor), structura conștiinței în timp are un fel de & quotanalog în structura dinamică a proceselor neuronale & quot (p. 356).Thompson nu presupune că această corespondență structurală ne permite să „reducem” structura temporală a experienței, considerată fenomenologic, la modele de sincronii în activitatea creierului. Astfel, el recunoaște că rămâne o întrebare dacă avem aici doar un fel de „izomorfism structural” în loc de o relație explicativă autentică. În timp ce Thompson susține promisiunea că abordarea sa o va produce pe aceasta din urmă (p. 358), el nu argumentează acest lucru în detaliu.

Întrucât Thompson nu pretinde că a închis în cele din urmă genul de lacune explicative pe care le recunoaște, ci doar că a indicat calea spre progres, nu ar fi corect să ne plângem că nu ne spune mai multe despre modul în care ne putem îmbogăți în mod adecvat relatări senzorimotorii ale percepției, cum ar fi No & euml & # 39s, cu o înțelegere a conștiinței corporale de sine sau despre modul în care ar trebui să concepem corespondența dintre structurile descrise fenomenologic și dinamica activității creierului, pentru a vedea această corespondență ca (non-reductiv) explicativ. Și, deși efortul măreț de a reduce decalajul oferă tema generală a cărții lui Thompson, s-ar putea să-i facem o nedreptate dacă ne-am concentra pe cât de aproape ne aduce la închiderea finală, deoarece acest lucru ar risca să atenueze discuțiile sale detaliate despre o serie de subiecte interesante în sine: viața și autopoieza / auto-organizarea evoluția și dezvoltarea proceselor emergente fenomenologia imaginii, conștiința timpului, emoția și empatia - subiecte care (din păcate, din motive de spațiu) pot fi doar menționate Aici. Cu toate acestea, se evaluează gradul de progres al lui Thompson în ceea ce privește închiderea decalajului, implicarea în aceste discuții ar putea face mult pentru a îmbogăți înțelegerea. Și el sprijină cazul că o cercetare fenomenologic tratarea anumitor subiecte (deși adesea neglijată în știința cognitivă) este posibilă și necesară.

Totuși, se pare că există anumite probleme-cheie aici care necesită o argumentare mult mai detaliată și mai detaliată înainte ca promisiunea abordării Thompson să fie pe deplin evidentă. Se dorește să aflăm mai multe despre ideea crucială a lui Thompson (inspirată de Kant și Merleau-Ponty) că apare un fel de normativitate și semnificație, odată ce un comportament de auto-întreținere al sistemului devine suficient de flexibil și adaptabil la schimbările de mediu. Și altele face trebuie spus despre natura „conștiinței corporale pre-reflexive” pentru a vedea de ce ar trebui adăugată abordării senzorimotorii pentru a oferi un cont de închidere a decalajului de simțire. În primul rând, rămâne neclar de ce experiența mea propriul meu corp ar trebui considerat că include o experiență de propriile mele sentimente & quotas mine & quot - și ce înseamnă această din urmă incluziune și cum figurează în general subiectivitatea. Thompson indică că da nu înseamnă că propriile mele sentimente sunt pentru mine, „obiectul quotan”, care mi-a fost dat cumva sub aspectul „mine”. „Mai degrabă acest lucru,„ citat cu experiență, așa cum vorbesc al meu ”, ar trebui interpretat ca imputând o formă de intenționalitate„ fără obiect ”. Dar aceasta invită întrebări suplimentare cu privire la modul în care trebuie să înțelegem contrastul dintre cele două forme de intenționalitate pretinse - care este diferența dintre (așa cum spune el la p. 23) a fi „direcționat către un obiect” și „a fi pur și simplu” este altul & quot? Și cum se poate înțelege aplicarea acestei ultime categorii la propria experiență? Deși creditele Thompson pentru Husserl și Merleau-Ponty sunt adesea destul de valoroase pentru a face accesibile aspecte importante ale opiniilor lor (interpretarea celor din urmă) Structura comportamentului în capitolul 4 este deosebit de util), vor ridica multe probleme, atât interpretative, cât și direct filosofice, care ne vor duce dincolo de ceea ce el poate oferi în limitele acestei cărți.

Cu toate acestea, aceste preocupări nu ar trebui să ne facă să pierdem din vedere realizările lui Thompson în unificarea, modelarea și avansarea unui program de cercetare interesant, interesant pentru scopul ambițios, pentru sinteza creativă a unei astfel de varietăți de surse și pentru determinarea sa inspiratoare. să facem dreptate atât perspectivelor fenomenologice, cât și celor naturaliste. Tratamentele Thompson pentru fiecare dintre numeroasele subiecte fascinante pe care le discută lasă deschise multe întrebări. Dar el trebuie să fie aplaudat pentru că a tras atât de mult material dificil și divers într-o unitate coerentă și accesibilă. Cartea sa ar trebui citită de toți cei interesați să exploreze noi abordări în știința cognitivă și să găsească modalități de a integra un nivel personal, o înțelegere reflectivă a vieților noastre experiențiale cu perspective în știința creierului, refuzând în același timp să-l desfigureze pe primele în teoriile procrustiene.


Originea computațională a reprezentării

Fiecare dintre teoriile noastre despre reprezentarea mentală oferă o oarecare perspectivă asupra modului în care funcționează mintea. Cu toate acestea, aceste idei par adesea incompatibile, întrucât dezbaterile dintre abordările simbolice, dinamice, emergentiste, sub-simbolice și fundamentate ale cunoașterii atestă. Reprezentările mentale - oricare ar fi acestea - trebuie să împărtășească multe trăsături cu fiecare dintre teoriile noastre de reprezentare și totuși există puține ipoteze cu privire la modul în care o sinteză ar putea fi posibilă. Aici, dezvolt o teorie a bazelor cunoașterii simbolice care arată cum dinamica sub-simbolică poate da naștere la reprezentări cognitive la nivel superior ale structurilor, sistemelor de cunoaștere și proceselor algoritmice. Această teorie implementează o versiune a semanticii conceptuale a rolului prin propunerea unui limbaj intern de reprezentare universală în care cursanții pot crea modele mentale pentru a surprinde dinamica pe care o observă în lume. Teoria oficializează o relatare a modului în care poate apărea cu adevărat un conținut conceptual nou, permițându-ne să explicăm cum pot fi învățate chiar și operațiile elementare logice și de calcul dintr-o bază mai primitivă. Ofer o implementare care învață să reprezinte o varietate de structuri, inclusiv logică, număr, arbori de rudenie, limbaje regulate, limbaje fără context, domenii ale teoriilor precum magnetismul, ierarhii de dominanță, structuri de liste, cuantificare și primitive de calcul precum repetarea, inversarea , și recursivitate. Acest cont se bazează pe procese dinamice discrete simple care ar putea fi implementate într-o varietate de sisteme fizice sau biologice diferite. În special, descriu modul în care dinamica necesară poate fi implementată direct într-un cadru conexionist. Teoria rezultată oferă un „limbaj de asamblare” pentru cunoaștere, unde teoriile la nivel înalt ale calculului simbolic pot fi puse în aplicare în dinamici simple care ar putea fi codificate în sisteme plauzibile biologic.

Aceasta este o previzualizare a conținutului abonamentului, acces prin instituția dvs.


Revizuieste articolul

  • 1 Baidu Research, Sunnyvale, CA, Statele Unite
  • 2 Universitatea din Pennsylvania, Philadelphia, PA, Statele Unite

De-a lungul deceniilor, moda în lingvistică computațională s-a schimbat din nou și din nou, cu schimbări majore în motivații, metode și aplicații. Când au apărut computerele digitale, analiza lingvistică a adoptat noile metode ale teoriei informației, care se potriveau bine cu ideile care dominau psihologia și filosofia. Apoi a venit teoria limbajului formal și ideea AI ca logică aplicată, în sincronizare cu dezvoltarea științei cognitive. Aceasta a fost urmată de o renaștere a empirismului în stilul anilor 1950 & # x02014AI ca statistici aplicate & # x02014, care la rândul său a fost urmată de epoca plaselor profunde. Există semne că clima se schimbă din nou și oferim câteva gânduri despre căile de urmat, în special pentru cercetătorii mai tineri care vor fi în curând lideri.


Luni, 05 august 2013

Calcul, Church-Turing și tot acel jazz

Am examinat recent (și am găsit dorind) așa-numita teorie calculațională a minții, deși în contextul unei postări mai largi despre diferența dintre teoriile științifice și ceea ce cred că sunt cel mai bine menționate ca relatări filosofice (cum ar fi cele de mai sus # 8220teoria & # 8221). Apărătorii versiunilor puternice ale calculaționalismului (care se referă la aproape același lucru ca și AI puternic) invocă deseori conceptele gemene ale calculației în sine și ale tezei Church-Turing pentru a implica faptul că calculaționalismul nu numai că este adevărat, dar s-a dovedit a fi deci prin dovada matematică. Problema este că, dacă ne uităm puțin mai aproape la ce înseamnă calculul sau examinăm exact ceea ce spune Church-Turing, nu se poate ajunge la o astfel de concluzie. Lasă-mă să explic.

Să începem cu teza Bisericii-Turing. Jack Copeland a scris o intrare exhaustivă despre aceasta pentru Enciclopedia de Filosofie Stanford din ce în ce mai excelentă și sunteți binevenit (ă) să verificați detaliile și sursele acesteia. În primul rând, desigur, să spunem exact ceea ce spun de fapt teza Bisericii și teza Turing (sunt două teze diferite, care s-au dovedit în curând a fi formulări echivalente ale aceluiași concept de bază).

Teza Turing: Mașinile de calcul logice (cunoscute acum sub numele de mașini Turing) pot face orice ar putea fi descris ca & # 8220rule of thumb & # 8221 sau & # 8220 pur mecanic. & # 8221

Teza bisericii: O funcție a numerelor întregi pozitive este efectiv calculabilă numai dacă este recursivă.

Nu mă întreba cum pe pământ aceste două se dovedesc a fi afirmații echivalente, logica de calcul nu este domeniul meu. Are ceva de-a face cu echivalența dintre ceva numit & # 8220lambda definibility & # 8221 (abordarea Bisericii) și definiția adoptată de Turing a calculabilității.

Ceea ce este important pentru scopurile mele aici este că & # 8212, așa cum explică în detaliu Copeland în mod clar & # 8212, a existat multă confuzie și neînțelegere în filosofia mentală cu privire la teza Bisericii-Turing, o situație care aparent nu a cruțat nume mari în terenul, de la Dan Dennett la Patricia Churchland.

Pentru a vă arăta care este problema, permiteți-mi să citez pe Copeland pe larg:

& # 8220 Se pare că a apărut un mit referitor la hârtia lui Turing din 1936, și anume că acolo a tratat limitele mecanismului și a stabilit un rezultat fundamental în sensul că mașina universală Turing poate simula comportamentul oricărei mașini. Mitul a trecut în filozofia minții, în general cu efect pernicios. & # 8221

Uch. Iată un eșantion (mic) de lucruri pe care filosofii minții au spus că, potrivit lui Copeland, sunt pur și simplu greșite:

Dan Dennett: & # 8220 Turing s-a dovedit & # 8212 și aceasta este probabil cea mai mare contribuție a lui & # 8212 că mașina sa Universal Turing poate calcula orice funcție pe care orice computer, cu orice arhitectură, o poate calcula. & # 8221 (NU ADEVĂRAT)

Paul și Patricia Churchland: Rezultatele [Turing & # 8217s] & # 8220 implică ceva remarcabil, și anume că un computer digital standard, având doar programul potrivit, o memorie suficient de mare și suficient timp, poate calcula orice funcție de intrare-ieșire guvernată de reguli. Adică, poate afișa orice tipar sistematic de răspunsuri la mediu. & # 8221 (NU ADEVĂRAT)

Ceea ce Turing și Church au dovedit, mai modest (dar totuși remarcabil!), Este că mașina universală Turing & # 8217 poate efectua orice calcul pe care orice special Mașina Turing poate funcționa. Acest lucru pur și simplu nu are un fel de implicații pentru ceea ce pot face computerele reale (fizice) sau despre calculabilitate în general, pe care atât de mulți computaționaliști entuziaști îl insistă, parțial pentru că noțiunea T și C & # 8217 de computer nu era deloc. echivalent cu cel al unui sistem fizic realizabil finit și nici conceptul lor de calcul nu era atât de larg pe cât și-ar dori mulți filozofi ai minții (într-adevăr, este de remarcat faptul că Turing & # 8217s folosesc cuvântul & # 8220 computer & # 8221 uman calculatoare, adică persoanelor care pot efectua calcule & # 8220mecanice & # 8221 prin regulă & # 8212, având în vedere acest lucru, vă rog să vă gândiți la ironia sensului unui test Turing. ).

De fapt, așa cum subliniază Copeland, știm deja posibilitatea unor mașini (uneori denumite & # 8220hipercomputere & # 8221) care generează funcții care nu pot fi calculate de mașina Turing. Și dacă acest lucru nu ar fi fost suficient, Copeland citează o serie de lucrări teoretice despre existența proceselor fizice al căror comportament nu este conform cu cel al mașinilor Turing. Atât de mult pentru declarațiile mărețe despre & # 8220universalitatea & # 8221 a & # 8220computation & # 8221 (mai multe despre asta într-o secundă).

Toate acestea sunt importante pentru teoriile de calcul ale minții, deoarece acestea presupune că procesele psihologice asemănătoare cu cele care se întâmplă în creierul uman sunt calculabile cu mașina Turing. Dar Copeland afirmă clar că aceasta este, în cel mai bun caz, o întrebare deschisă, deloc un fapt stabilit.

Iată un alt citat direct din articolul SEP care ar trebui să dea o pauză computaționaliștilor: & # 8220 [este] obișnuit [și eronat] în scrierea modernă despre calculabilitate și creier. să susținem că rezultatele Turing & # 8217 implică cumva creierul, și într-adevăr orice sistem biologic sau fizic, poate fi simulat de o mașină Turing. Teza Bisericii-Turing nu implică faptul că creierul (sau mintea sau conștiința) poate fi modelat printr-un program al mașinii Turing, nici măcar împreună cu credința că creierul (sau mintea etc.) este explicabil din punct de vedere științific sau prezintă un model sistematic de răspunsuri la mediu sau este & # 8216 guvernat de regulă. & # 8217 & # 8221

Așadar, vă rog, putem să nu mai invocăm Church-Turing ca atu în favoarea teoriilor computaționale ale minții? Mulțumesc.

Acum, la problema mai largă a calculului în sine, mai ales atunci când vine vorba de calcul ca proces care trebuie realizat de sistemele fizice reale (la urma urmei, filosofia minții, cercetarea inteligenței artificiale și neurobiologia se referă la creierul din carne și sânge sau cu echivalenți de siliciu posibili & # 8212, ambele fiind sisteme fizice reale sau actualizabile). Aici, o sursă excelentă care rezumă discuțiile relevante este articolul SEP de Gualtiero Piccinini. Și, după cum se dovedește, se ocupă parțial de Church-Turing, precum și de o serie de conturi de calcul în filozofie (cartografiere simplă, precum și relatări cauzale, contrafactual, de dispoziție, semantice, sintactice și mecaniciste & # 8212 citiți despre ele în inima dvs. și conținutul # 8217). Dar partea pe care doresc să mă concentrez se adresează întrebării cruciale a faptului dacă fiecare sistem fizic este de natură computațională și # 8212 un alt atu folosit de multe ori în mâinile teoreticienilor minții computaționiste.

Noțiunea că toate sistemele fizice efectuează calcule este denumită în mod adecvat pancomputaționalism, iar prima facie o găsesc la fel de interesantă ca și contorul său non-fizicist, panpsihismul și # 8212, adică deloc. Totuși, să aruncăm o privire mai atentă.

După cum se dovedește, există două varietăți de pancomputaționalism pe piață: pancomputaționalism puternic sau nelimitat și pancomputaționalism slab sau limitat. Prima versiune spune că fiecare sistem fizic efectuează fiecare calcul, în timp ce cea din urmă spune că fiecare sistem fizic funcționează niste calcul.

Piccinini distinge, de asemenea, diferite școli de gândire despre pancomputaționalism în ceea ce privește sursa sa, adică modul în care se răspunde la întrebarea de ce se crede că totul calculează. O posibilitate este că calculul este o chestiune de interpretare liberă, adică dacă un anumit sistem poate fi descris ca calcul este o întrebare a modului în care se descrie acel sistem o a doua alternativă este că calculul este doar structura cauzală a unui sistem, astfel încât totul care implică cauzalitate ipso facto calculează. În al treilea rând, există posibilitatea ca totul să fie calculat, deoarece totul poartă informații. Și, în cele din urmă, pancomputaționalismul poate proveni din ideea că universul fizic în sine este un computer, din care rezultă în mod evident că tot ce este în el este calculat.

Așadar, să continuăm discuția noastră în două părți: una care se ocupă de pancomputaționalism puternic vs slab, cealaltă abordând presupusele surse de pancomputaționalism de orice fel acceptăm.

Oarecum ironic, o forță majoră a calculației (puternice) nelimitate este o critică a teoriilor computaționale ale minții: Ian Hinckfuss și William Lycan au articulat această poziție susținând că o găleată de apă conține un număr imens de procese microscopice, care în teorie ar putea pune în aplicare un program uman sau orice calcul arbitrar, cel puțin pentru un timp. John Searle (el din Camera chineză) a explicat acest lucru, sugerând că dacă un sistem fizic implementează un calcul este o chestiune a modului în care observatorul interpretează sistemul și a fost Hilary Putnam, un inițiator major al teoriei computaționale a minții (din nou , ironiile nu se termină niciodată!) care a formalizat mai întâi conceptul de pancomputaționalism nelimitat.

Problema, așa cum subliniază Piccinini în articolul său, este că, dacă pancomputaționalismul nelimitat este adevărat, atunci noțiunea de calcul devine trivial adevărată și vacuă, ceea ce subminează puternic teoria calculațională a minții. Într-adevăr, pancomputaționalismul nelimitat chiar subminează informatica însăși, deoarece nu mai există nicio distincție între un computer adecvat (chiar și unul interpretat în general) și aproape orice altceva, inclusiv rocile.

Din fericire, nu pare să existe un motiv bun pentru a crede în pancomputaționalism nelimitat, deoarece se bazează pe cartografierea simplă menționată mai sus, care înțeleg că este de departe cea mai slabă relatare a calculelor disponibile până în prezent.

Să ne întoarcem, așadar, la pancomputaționalism limitat, ideea că, deși totul se calculează, nu toate lucrurile pot efectua toate calculele. Această viziune a calculului nu este la fel de vacuă ca cea precedentă, dar este încă deschisă acuzației de banalizare, care subminează din nou direct teoriile computaționale ale minții (pentru că dacă totul calculează, atunci mintea nu este atât de diferită în principiu de roci, deși rocile pot fi capabile de computere mult mai limitate & # 8220 & # 8221).

Pancomputaționaliștii slabi au totuși un răspuns aici, totuși: puterea predictivă a poziției lor depinde tocmai de faptul că fiecare sistem particular este limitat în măsura în care se referă la calculele pe care acel sistem le poate efectua, astfel încât să poată veni cu un sens (calcul ) teorii care explică de ce creierele sunt creiere și rocile sunt roci.

Trebuie să recunosc că o astfel de replică mă lasă extrem de rece. Dar este important să înțelegem că „# 8212 la fel ca și în cazul anterior”, dacă „pancomputaționalismul limitat este o opțiune coerentă, depinde un cont de calcul”. După cum se dovedește, conturile semantice, sintactice și mecaniciste sunt destul de restrictive și nu sunt ușor compatibile cu orice formă de pancomputaționalism, în timp ce cartografierea simplă și conturile cauzale îi sunt puțin mai prietenoase.

E timpul să ne îndreptăm atenția asupra presupuselor surse de pancomputaționalism.Primul este, așa cum am văzut, că totul poate fi considerat computațional dacă observatorul îl descrie într-un mod anume. Obiecția evidentă (și, cred, fatală) aici este că atunci pancomputaționalismul este o noțiune subiectiv fără speranță și o putem ignora în siguranță atât din perspectiva științifică, cât și din cea filosofică.

Ideea că calculul este echivalent cu cauzalitatea este puțin mai interesantă, dar își deschide propria cutie Pandora. În primul rând, încă de la Hume, conceptul de cauzalitate în sine a fost orice altceva decât filosofic direct și nu este deloc clar ce se adaugă re-botezându-l ca calcul. Mai mult, există fenomene mecanice cuantice care par să nu fie cauzale (sau cel puțin să nu necesite implementarea conceptului de cauzalitate pentru a le înțelege), ceea ce înseamnă că pancomputaționalismul nu ar fi, de fapt, & # 8220pan & # 8221 la urma urmei. În sfârșit, avem deja un termen pentru cauzalitate și folosim deja cuvântul & # 8220computation & # 8221 pentru a indica o clasă (utilă) restricționată de fenomene, deci de ce să amestecăm cele două și să creștem confuzia?

Considerații similare se aplică ecuației informației cu calculului. Termenul informație în sine poate fi definit într-o varietate de maniere și este departe de a fi clar că totul poartă informații, cu excepția unui sens trivial adevărat al termenului. Se pare că împerecherea unor concepte la fel de vacante este puțin probabil să genereze multă perspectivă asupra modului în care funcționează lumea.

Așa că ajungem, în sfârșit, la ideea provocatoare că totul este computațional, deoarece universul în sine este un computer. Dar ce înseamnă asta Rău?

Noțiunea este denumită pancomputaționalism ontic și intră în filosofia calculului direct din fizica fundamentală. Din punct de vedere științific, pancomputaționalismul ontic este o afirmație bazată pe înțelegerea noastră empirică a lumii, în timp ce vorbind din punct de vedere filosofic este o afirmație metafizică (logic independentă) despre natura lumii.

După cum afirmă Piccinini, & # 8220 Afirmația empirică este că toate mărimile fizice fundamentale și tranzițiile lor de stare sunt astfel încât să fie exact descrise printr-un formalism de calcul adecvat. & # 8221 Există două posibilități aici: automatele celulare sau calculul cuantic. Unii fizicieni & # 8212 cel mai vizibil Stephen Wolfram & # 8212 au propus că universul în sine este un automat celular, adică fenomenele sale se desfășoară algoritmic. Problema cu acest lucru, și este una gravă, este că această teorie prezice că toate mărimile fizice fundamentale sunt discrete (spre deosebire de cele continue) și că, în plus, spațiul și timpul în sine trebuie să fie fundamental discrete. Acest lucru se datorează faptului că automatele celulare sunt sisteme clasice (spre deosebire de cuantice). Dar Richard Feynman (citat în articolul lui Piccinini & # 8217) a susținut că este dificil să se vadă cum caracteristicile mecanice cuantice ale universului pot fi simulate de un automat celular.

Introduceți calculabilitatea cuantică, unde biții sunt înlocuiți cu & # 8220qubits și # 8221 de unități de informații care pot lua orice stare (superpozabilă!) Între 0 și 1 și pot prezenta încâlcire cuantică (capul dvs. se învârte încă? Bine, sunteți în # 8217 companie amplă). Aceasta spune în esență că universul este într-adevăr un computer, dar un cuant, nu unul clasic. Dintr-o perspectivă empirică, pancomputaționalismul cuantic ontic este pur și simplu o redescriere în limbajul computațional al mecanicii cuantice standard și # 8212 important, nu există un conținut empiric diferențial aici, ceea ce ridică întrebarea de ce să ne deranjăm cu întregul exercițiu pentru început.

Afirmația metafizică a pancomputaționaliștilor ontici este că universul în sine este făcut din calcul (sau, în mod echivalent, din informație). Iată, din nou, interpretarea ideii de către Piccinini: & # 8220, conform revendicării metafizice a pancomputaționalismului ontic, un sistem fizic este doar un sistem de stări de calcul. Calculul este ontologic anterior proceselor fizice, ca și cum ar fi. & # 8221 Îmi place ideea, dar știi unde duce asta, nu? Piccinini: & # 8220 Dacă calculele nu sunt configurații ale entităților fizice, cea mai evidentă alternativă este că calculele sunt entități abstracte, matematice, cum ar fi numerele și seturile. . elementul de construcție [al universului] este fenomenul cuantic elementar & # 8216da, nu & # 8217 Este o entitate abstractă. Nu este localizat în spațiu și timp. Conform acestei relatări de calcul, afirmația ontologică a pancomputaționalismului ontic este o versiune a pitagoreanismului. Totul este calcul în același sens în care versiunile mai tradiționale ale pitagoreismului susțin că totul este număr sau că totul este set. & # 8221 Oh, nu, spectrul platonismului matematic crește din nou!

Deci iată-l, oameni buni. Do nu folosiți Church-Turing ca fundament teoretic pentru teoriile minții computaționale, deoarece nu este așa ceva. Și fii foarte aveți grijă ce fel de pancomputaționalist ați putea ajunge (dacă există) și de ce. Consecințele logice pot fi foarte neplăcute pentru viziunile voastre metafizice ale lumii.


Priveste filmarea: Computational Theory of Mind (August 2022).