O tzw. metaforze komputerowej

Podobne dokumenty
Nauki reinżynieryjne. Marcin Miłkowski. Zakład Logiki i Kognitywistyki. IFiS PAN

Modularność: ujęcie funkcjonalne czy architekturalne?

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

O ALGORYTMACH I MASZYNACH TURINGA

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński

CZYM SĄ OBLICZENIA NAT A URALNE?

INTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998)

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze

Alan M. TURING. Matematyk u progu współczesnej informatyki

O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE

17. Zagadnienie umysłu i ciała (mind-body problem) Andrzej Wiśniewski Wstęp do filozofii Materiały do wykładu 2015/2016

Ontologie, czyli o inteligentnych danych

O ISTOTNYCH OGRANICZENIACH METODY

CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA?

Modele Obliczeń. Wykład 1 - Wprowadzenie. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski

Kumulowanie się defektów jest możliwe - analiza i potwierdzenie tezy

Elementy filozofii i metodologii INFORMATYKI

Mechatronika i inteligentne systemy produkcyjne. Paweł Pełczyński ppelczynski@swspiz.pl

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

Wprowadzenie do teorii systemów ekspertowych

M T E O T D O ZI Z E E A LG L O G R O Y R TM

Najprostszy schemat blokowy

Matematyczne Podstawy Informatyki

KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

Sympozjum Trwałość Budowli

Teoria polityki społecznej

ODWZOROWANIE RZECZYWISTOŚCI

Podstawy metodologiczne symulacji

Kurs programowania. Wykład 12. Wojciech Macyna. 7 czerwca 2017

Technologie Informacyjne

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ

O REDUKCJI U-INFORMACJI

dr hab. Maciej Witek, prof. US MODELE UMYSŁU rok akademicki 2016/2017, semestr letni

Elementy kognitywistyki III: Modele i architektury poznawcze

Metody symulacji komputerowych Modelowanie systemów technicznych

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron

Mechatronika i inteligentne systemy produkcyjne. Modelowanie systemów mechatronicznych Platformy przetwarzania danych

Podstawy Sztucznej Inteligencji (PSZT)

Algorytm poprawny jednoznaczny szczegółowy uniwersalny skończoność efektywność (sprawność) zmiennych liniowy warunkowy iteracyjny

JAKIEGO RODZAJU NAUKĄ JEST

Proces badawczy schemat i zasady realizacji

Algorytm. a programowanie -

Elementy kognitywistyki II: Sztuczna inteligencja

Efektywność algorytmów

Obliczenia inspirowane Naturą

Rachunek prawdopodobieństwa- wykład 2

MECHANIKA I BUDOWA MASZYN Studia pierwszego stopnia

Główne problemy kognitywistyki: Reprezentacja

Proces badawczy schemat i zasady realizacji

Struktury Danych i Złożoność Obliczeniowa

TEORETYCZNE PODSTAWY INFORMATYKI

Metodyki i techniki programowania

Teoria przetwarzania A/C i C/A.

REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH

Elementy filozofii i metodologii INFORMATYKI

BIOCYBERNETYKA PROLOG

Proces badawczy schemat i zasady realizacji

Przedmowa Wykaz oznaczeń Wykaz skrótów 1. Sygnały i ich parametry Pojęcia podstawowe Klasyfikacja sygnałów

Logika i teoria mnogości Wykład 14

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Badania eksploracyjne Badania opisowe Badania wyjaśniające (przyczynowe)

Struktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott

Język myśli. ang. Language of Thought, Mentalese. Dr hab. Maciej Witek Zakład Filozofii Nauki, Wydział Humanistyczny Uniwersytet Szczeciński

Współczesna problematyka klasyfikacji Informatyki

Spis treści. Przedmowa... XI. Rozdział 1. Pomiar: jednostki miar Rozdział 2. Pomiar: liczby i obliczenia liczbowe... 16

Analiza i projektowanie oprogramowania. Analiza i projektowanie oprogramowania 1/32

Metody numeryczne. materiały do wykładu dla studentów

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Epistemologia. #00 Abstrakty prac. Paweł Łupkowski. Instytut Psychologii UAM

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

Rekurencyjna przeliczalność

Paweł Grabarczyk O niearbitralnym kryterium posiadania struktury obliczeniowej. Filozofia Nauki 21/4, 31-50

Teoretyczne podstawy kognitywistyki religii K O N R A D T A L M O N T - K A M I N S K I U M C S

Wstęp do Techniki Cyfrowej... Teoria automatów

Karta (sylabus) modułu/przedmiotu INŻYNIERIA MATERIAŁOWA Studia pierwszego stopnia

Wstęp do kognitywistyki

Etapy modelowania ekonometrycznego

miejsca przejścia, łuki i żetony

AUTOMATYZACJA PROCESÓW CIĄGŁYCH I WSADOWYCH

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA kod (pojęcie interdyscyplinarne) znak wiadomość ENTROPIA forma przekaz

XV FESTIWAL NAUKI 2011 WPROWADZENIE DO BIOCYBERNETYKI

PRZEWODNIK PO PRZEDMIOCIE

INFORMATYKA i FINANSE KATEDRA INFORMATYKI TEORETYCZNEJ

Historia modeli programowania

Kierunek: Matematyka w technice

METODYKA WYCHOWANIA FIZYCZNEGO Studia I stopnia. Autor: Tomasz Frołowicz

technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.

Definicje. Algorytm to:

TWORZENIE GRY. projektowanie konstruowanie. użycie. R. Duke, Gaming the Future s Language, SAGE Publications, New York, 1974

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?

Sieci Petriego. Sieć Petriego

Języki, automaty i obliczenia

E: Rekonstrukcja ewolucji. Algorytmy filogenetyczne

Elementy kognitywistyki III: Modele i architektury poznawcze

Transkrypt:

Marcin Miłkowski, IFiS PAN O tzw. metaforze komputerowej 18/11/08

Plan prezentacji Czy komputacjonizm to ujęcie metaforyczne? Kryteria adekwatności wyjaśnień obliczeniowych: Epistemiczne Mechanistyczne Związane z adekwatnością opisu w kategoriach kodu 2

Czy mózgi są pod jakimś względem podobne do komputerów?? 3

Metafora komputerowa Ponieważ trudno podać kryteria adekwatności wyjaśnienia obliczeniowego, często mówi się o metaforze komputerowej ALE: nie wiadomo, pod jakimi istotnymi względami mózgi mają przypominać komputery 4

Metafora komputerowa Teza staje się mętna i niesprawdzalna? 5

Wyjaśnienia obliczeniowe Wg Searle a i Putnama własności obliczeniowe są konwencjonalne, ale wtedy konwencjonalna jest cała nauka (McDermott) Moja teza: obliczanie to rodzaj naturalny, a nie artefakt teoretyczny 6

Uniwersalizm obliczeń ALE: wyjaśnienia obliczeniowe i informacyjne można odnosić do obiektów każdej skali i rozmiaru, co zbliża je do fundamentalnych wyjaśnień fizycznych Pankomputacjonizm: każdy skończony ciąg z definicji da się opisać funkcją rekurencyjną: banalne pojęcie obliczania to opis w kategoriach f. rek. 7

Wyjaśnienia obliczeniowe Wyjaśnienia obliczeniowe są rodzajem wyjaśnień mechanistycznych: jak mechanizm realizuje funkcję? Wyjaśnienia wymagają podania części składowych i oddziaływań między nimi (Cummins, Bechtel, Craver) Procesy obliczeniowe nie różnią się ontologicznie od innych procesów opisywanych matematycznie 8

Kryteria epistemiczne Wartość eksplanacyjna i predykcyjna Wyjaśnienie strukturalnofunkcjonalne niższego poziomu (np. neurofizjologiczne) musi mieć mniejszą wartość predykcyjną i eksplanacyjną od wyjaśnienia obliczeniowego (brzytwa Ockhama) Stałe i spójne opisy Prostota i oszczędność teoretyczna 9

Kryteria mechanistyczne Systemy obliczeniowe muszą być systemami (lub podsystemami) Częstość oddziaływań wyznacza granicę systemu Systemy muszą być względnie izolowane (lecz otwarte) i spójne Implementacja procesu obliczeniowego w mechanizmie wymaga istnienia struktury bazowej 10

Kryteria mechanistyczne Mechanizm musi być identyfikowalny na niższym poziomie: To mechanizm nie na mocy opisu obliczeniowego, lecz struktury systemu Muszą istnieć implementacyjne struktury funkcjonalne 11

Kryteria mechanistyczne Implementacyjna struktura bazowa: jeśli wyjaśnienie obliczeniowe procesu P dotyczy poziomu n, to struktura bazowa P jest na poziomie co najmniej n-1 Poziom należy rozumieć w sensie Wimsatta: Maksimum regularności w przestrzeni fazowej wyznaczonej przez parametry opisu 12

Opis w kategorii kodu Obliczenie podaje się w kategorii kodu: wartości wejściowych & wyjściowe Kod musi odpowiadać ( intensjonalnie ) strukturze przyczynowej procesu od jego początku do końca; algorytmy indywiduuje się nie tylko w kategoriach WE-WY Dotyczy to nie tylko obliczeń cyfrowych, ale i analogowych 13

Opis w kategoriach kodu Klasyczne obliczenia cyfrowe: uniwersalna TM (=f. rek. itd.) Kod w definicji może być określony w kategoriach przyjmowanych przez idealną teorię obliczania (komputacjonizm przezroczysty, Chrisley) Ale punktem wyjścia jest dziś klasyczna teoria obliczeń 14

Reprezentacje Reprezentacje nie muszą występować w systemie Ale są dobrą wskazówką: są warunkiem wystarczającym przetwarzania informacji w systemie System przetwarzający reprezentacje jako reprezentacje jest systemem informacyjnym, czyli obliczeniowym w szerokim sensie 15

Przypadek 1: PDP-11 PDP-11: Dobry minikomputer firmy DEC (spopularyzował język C i system Unix) Spełnia wszystkie kryteria 16

Przypadek 2: Ściana Searle a Wg Searle a ta ściana implementuje program WordStar Ale kryteria nie są spełnione: Brak nowych przewidywań/wyjaśnień Brak faktycznej specyfikacji kodu mechanizmu Brak wskazanego mechanizmu 17

Przypadek 3: Lavatera cretica Paco Calvo 2007: Czy rośliny obliczają? Prosta odpowiedź brzmi: tak. Blaszki liści Lavatera cretica nie tylko przewidują kierunek słońca, ale także zachowują się tak samo przez wiele dni pozbawione światła. 18

Przypadek 4: mózg człowieka Kryteria epistemiczne spełnione (?) Prawdopodobnie mechanizmy neuronalne realizują przetwarzanie informacji, czyli obliczenia (nie wiadomo, czy cyfrowe) ALE: brak dokładnego opisu w kategoriach kodu Na razie kwestia nie jest rozstrzygnięta 19

Poziom obliczeniowy nie może być jedyny Komputacjonizm nie wymaga solipsyzmu metodologicznego Poziom obliczeniowy systemu mechanicznego nie może być jedynym poziomem systemu: istnieją interakcje z innymi częściami systemu i z otoczeniem Interakcje z otoczeniem w wypadku systemów poznawczych są konieczne 20

Mózg jest nie tylko komputerem! Komputacjonizm w kognitywistyce to ujęcie systemów poznawczych: obliczenia mają najlepiej wyjaśniać ich dynamikę Ta dynamika jest jednak tylko wtedy niebanalna, gdy sam system jest wystarczająco autonomiczny, a jednocześnie oddziałuje z otoczeniem 21

Wnioski Wskazane kryteria wymagają dużej wiedzy o systemach fizycznych, ale można je łagodzić idealizacja Nie można a priori powiedzieć, kiedy system fizyczny zawiera mechanizm: to wiedza empiryczna Systemy wyjaśniane mechanistycznie są wielopoziomowe i najczęściej oddziałują ze środowiskiem 22

Dziękuję! http://marcinmilkowski.pl Literatura: Francisco Calvo Garzón, The Quest for Cognition in Plant Neurobiology, Plant Signaling & Behavior 2:4, 208-211. 23