Linköpings universitet

Transkript

1 Översikt Kognitionsvetenskaplig introduktionskurs Föreläsning 5 Integrationsutmaningen Vad är kognitionsvetenskap? Kort bakgrund/historik Representation och bearbetning av information Vetenskapliga metoder inom kognitionsvetenskap Informationsbearbetningsmodeller Annika Silvervarg CiltLab/HCS/IDA Fysiska symbolsystemshypotesen Language of Thought Konnektionism Tvärvetenskap Integrering Modularisering av kognitiva system 2 Tvärvetenskap Kognitionsvetenskap nyttjar teorier och metoder från många delvetenskaper Vad har dessa delvetenskaper gemensamt och hur kan de bidra i en gemensam tvärvetenskaplig strävan? 3 Sloan report, 1978 Identifierar kopplingar mellan olika delvetenskaper, men inte varför dessa kopplingar finns Identifierar kopplingar mellan olika delvetenskaper, men inte varför dessa kopplingar finns Hjälper oss inte att förstå vad varje delvetenskap bidrar med Hjälper oss inte att förstå vad varje delvetenskap bidrar med 4 Three dimension model Nivåer (Dahlbäck) Fysisk och social miljö Situerad och distribuerad kognition Kognition ( the mind ) Neurologi 5 Linköpings universitet Sub-symbolisk kognition / neurokognition 6 1

2 Integrationsutmaningen Lokal integrering En enhetlig förklaring av kognition som baseras på och integrerar hela rymden Ett ramverk som visar den gemensamma nämnaren för alla delvetenskaper som studerar kognition och hur de är relaterade till varandra Kognitionsvetenskap är mer än summan av delarna Två eller flera delvetenskaper Evolutionär psykologi och psykologiska resonemang Psykologi och neurologi Lingvistik och datalogi Datalogi och neurologi 7 8 Global integrering Interteoretisk reduktion Försöker definiera relationen mellan Olika nivåer av förklaring Olika nivåer av organisation (Interteoretisk reduktion) Marr s trenivåmodell Termodynamik Temperatur Volym Energi Tryck Brygga Temperatur är medelvärdet av molekylers rörelseenergi Statistisk mekanik Statistiska egenskaper hos molekyler Mekaniklagar Mentala arkitekturer 9 10 Funktionell nedbrytning (Functional decomposition) Förklara en kognitiv förmåga i termer av dess subförmågor Marr s trenivåmodell (1982) Beräkningsnivå Vad är målet med informationsbearbetningen? Vilka indata och utdata förväntas? Algoritmnivå Hur utförs informationsbearbetningen? Implementationsnivå Vad är den fysiska realiseringen av algoritmen? Top-down analys av kognitiva system Exempliferias för mänskligt seende, baserat på neuropsykologi, psykofysik, fysiologi Linköpings universitet 2

3 Beräkningsnivå Visuella systemet ska ge en 3D representation av den visuella omgivningen. Representations ska kunna användas för att känna igen och klassificera objekt, dvs måste innehålla information om form och rumsliga aspekter Denna 3D representation är objekt-centrerad snarare än personcentrerad Algoritmnivå Input = ljus som träffar näthinna Output = 3D representation av omgivningen Frågor: Vilken typ av information kan extraheras från ljuset på näthinnan? Hur kan systemet gå från denna information till en 3D representation av omgivningen? Angreppsätt: Vi behöver finna representationer som tillåter oss att överbrygga strukturen hos bilden till strukturen hos omgivningen Primal sketch Förändringar i ljusstyrka kan användas för att hitta former Där intensiteten blir noll (dvs. vitt i bilderna) finns det en kontur Tillsammans med annan information kan detta användas för att skapa en primal sketch Implementationsnivå D sketch 3D sketch Visar riktning på synbara ytor i ett person-centrerat koordinatsystem Visar avstånd för varje punkt till personen Visar också riktning på varje punkt och kontur Mycket enkel information om djup Visar former och deras rumsliga organisation Objekt-centrerad Visar förenklade volymer och ytor Linköpings universitet 3

4 Marr s tre nivå modell Representation Primal sketch, zero crossings 2,5 D sketch 3 D modell Marr s trenivåmodell Problem Mentala arkitekturer Fungerar ej som generell metod, eftersom den endast passar modulära kognitiva system, och alla kognitiva system inte är modulära För icke-modulära system är det problematiskt både att analysera uppgiften, utforma en algoritm och implementera algoritmen Frame-problemet är mycket problematiskt för system som inte är inkapslade Studerar frågor gemensamma för alla delvetenskaper: I vilken form representeras information i ett kognitivt system? Hur transformeras informationen i ett kognitivt system? Hur är medvetande organiserat? Svaret på frågorna 1-2 kan dock variera beroende på vad man anser med ett kognitivt system, t ex : neuron eller medvetandet som helhet minne, beslutsfattande eller språk Svaret på fråga 3 har besvarats utifrån både generella och domänspecifika funktioner Mentala arkitekturer Fysiska symbolsystem Fysiska symbol system Konnektionism/ Neurala nätverk/ Parallell distribuerad bearbetning/ Sub-symbolisk kognition Hybridarkitekturer Nödvändigt och tillräckligt villkor för intelligens: Symboler är fysiska mönster Symbolerna kan kombineras till komplexa symbolstrukturer Det finns processer för att manipulera komplexa symbolstrukturer Processerna för att generera och transformera komplexa symbolstrukturer kan representeras av symboler Linköpings universitet 4

5 Language of Thought Sub-symbolisk kognition/konnektionism Förklarar hur FSS kan fungera i mänskligt medvetande Language of Thought eller Mentalese är ett internt språk med symboler och meningar som transformeras i medvetandet Meningar uttryckta i LOT är: Fysiska symbolstrukturer som kan manipuleras enligt regler Meningar uttryckta i LOT är: Representationer av tillstånd i världen, propositionella attityder Modeller inspirerade av hjärnan Distribuerade representationer lagrade i vikterna Ingen tydlig åtskillnad mellan informationslagring och informationsbearbetning Kan lära och förändras över tid 26 FSS kontra NN Hybridarkitekturer ett exempel Är konnektionism ett alternativ till fysiska symbolsystemshypotesen, eller en implementation? (jfr Marrs algoritmiska nivå och implementationsnivå!) Har människor bara en typ av kognition, eller kan det finnas flera olika, t ex symbolbearbetning för mer abstrakta resonemang och problemlösning och distribuerade för percpetion och mönstermatchning? Modularitet (Fodor, 1983) Modulära processer Medvetandet består av högnivå generella centrala processer och lågnivå specifika modulära processer Domänspecifika Inkapslad information Obligatorisk/Ofrivillig användning Snabba Associerade med specifika regioner i hjärnan Specifika mönster för misslyckanden Exempel från perception: Färg, form, 3D rumsliga relationer, ansiktsigenkänning, grammatisk analys av talade yttranden, känna igen röster Linköpings universitet 5

6 Centrala processer Problem? Värderar, jämför och sammanför utdata från modulära processer Quinean Kunskap som helhet Individens teori om världen Konsekvent och Koherent Isotropisk INTE inkapslad information Fodor s first law of the nonexistence of cognitive science: The more global a cognitive process is, the less anybody understands it LOT bygger på att meningar kan manipuleras syntaktiskt, utan hänsyn till kontexten, men centrala processer är beroende av kontexten Massive modularity (Cosmides & Tooby, 1994) Inlämningsuppgift Det finns bara specialiserade kognitiva system som uppstått genom evolution (naturligt urval) för att lösa specifika uppgifter Dessa uppfyller inte Fodors definition av modulära processer! Argument för: Domänspecifik (negativ) feed-back på beteeenden Statistiskt återkommande domänspecifika mönster Argument mot: Hur filtreras indata till en modul? Hur hanteras motstridiga utdata från flera moduler? Essä LISAM Datum Formatmall Källor och referenser Kan maskiner tänka? => vad är tänkande? Linköpings universitet 6