Filozofia umysłu i kognitywistyka Wykład 6: Modelowanie umysłu: komputacjonizm koneksjonizm przestrzenie pojęciowe Łukasz Kwiatek sem. zimowy 2013/2014
Różne modele umysłu: Maszyna Turinga i komputacjonizm Sztuczne Sieci Neuronowe (ANNs) i koneksjonizm Przestrzenie pojęciowe Dwa cele nauk kognitywnych: - wyjaśnianie teorie naukowe ( Prawda ) - konstrukcja sztuczne systemy kognitywne (roboty)
Co głosi komputacyjna teoria umysłu? Umysł nie jest mózgiem, ale tym, co mózg robi, i to nie wszystkim (Steven Pinker) Co konkretnie mózg robi? Przede wszystkim dokonuje obliczeń. Obliczenia mogą być realizowane przez różne podłoże (układ nerwowy, układy scalone, lampy próżniowe itd.). (funkcjonalizm i teza o wielorakiej realizacji)
Komputacyjna teoria umysłu Informacja i komputacja zawarte są we wzorach danych i relacjach logiki, niezależnie od fizycznego medium, które się nimi posługuje. Kiedy dzwonisz do matki w innym mieście, informacja pozostaje ta sama, przechodząc z twoich ust do jej uszu, chociaż fizycznie zmienia formę z wibrującego powietrza na elektryczność w przewodzie telefonicznym, następnie na ładunek w krzemie, na migające światło w światłowodzie, wreszcie na fale elektromagnetyczne i z powrotem w odwrotnej kolejności. Informacja pozostaje ta sama, kiedy matka powtarza ją twojemu ojcu, siedzącemu na drugim końcu kanapy, chociaż w jej głowie przyjęła formę kaskady wyładowań elektronów i chemicznego rozpraszania przez synapsy. Analogicznie, dzięki danemu programowi przetwarzania danych, może pracować komputer zbudowany z elektronowych lamp próżniowych, elektromagnetycznych przełączników, tranzystorów, obwodów scalonych a nawet grupa dobrze wytrenowanych gołębi, i wyniki będą te same (Steven Pinker, Jak działa umysł)
Maszyna Turinga i komputacjonizm gdzie: Q skończony zbiór stanów q 0 stan początkowy, q 0 Q F zbiór stanów końcowych MT = < Q, Σ, δ, Γ, q 0, B, F > Γ skończony zbiór dopuszczalnych symboli B symbol pusty, B Γ Σ zbiór symboli wejściowych podzbiór zbioru Γ, do którego nie należy B δ funkcja sprawdzająca aktualny stan maszyny i symbol wejściowy i odpowiadająca, jaki symbol ma się pojawić na taśmie, jaki ma być kolejny stan maszyny oraz co ma zrobić głowica maszyny (przesunięcie w lewo, w prawo, koniec pracy)
Maszyna Turinga podwajająca symbole w słowie Dla słowa: ab otrzymujemy aabb aba otrzymujemy aabbaa Słowo na taśmie zapisane jest jako ciąg symboli postaci na przykład ø ø ø a b ø ø ø
Będąc w stanie q 1 musimy iść tak długo w prawo aż pominiemy wszystkie symbole łącznie z pierwszym symbolem ø. Wtedy w miejsce drugiego ø (może się ono znajdować po kilku symbolach z alfabetu wejściowego) wpisujemy a i przechodzimy do stanu q 3. W tym stanie napotykamy na symbol ø, w miejsce którego wpisujemy drugie a i przechodzimy do stanu q 4 (stan powrotu). Jeżeli będąc w tym stanie przejdziemy nad wszystkimi symbolami i napotkamy symbol ø, to sprawdzamy, czy są jeszcze jakieś symbole wejściowe na taśmie. Jeżeli tak to zaczynamy algorytm od początku, w przeciwnym razie przechodzimy do stanu końcowego q 15
q 0 q 1 q 2 q 3 q 4 q 5 q 6 ø q 0 ø, P q 2 ø, P q 3 a, P q 4 a, L q 5 ø, L q 15 ø, P q 0 ø, P a q 1 ø, P q 1 a, P q 2 a, P q 15 a, P q 4 a, L q 6 a, L q 6 a, L
Dostarczając maszynie Turinga odpowiednie programy, jesteśmy w stanie wykonywać dowolne obliczenia (dowolne manipulacje symbolami) Umysł: maszyna Turinga z zaprogramowanym zbiorem odpowiednich programów ( moduły obliczeniowe ). Psychologia ewolucyjna: moduły obliczeniowe wykształciły się jako adaptacje w plejstocenie. Np. moduł wykrywania oszustów, moduł unikania drapieżników, selekcji partnera itd.
Twierdzę, że umysł nie jest jednym narządem, ale systemem narządów, o których możemy myśleć jako o zdolnościach psychicznych lub modułach umysłowych. Idee, za pomocą których wyjaśnia się teraz działanie umysłu takie jak ogólna inteligencja, zdolność tworzenia kultury i uniwersalne strategie uczenia się z pewnością odejdą do lamusa, podobnie jak protoplazma w biologii oraz idea czterech elementów: ziemi, powietrza, ognia i wody, w fizyce. Są tak amorficzne w porównaniu ze zjawiskami, które mają wyjaśnić, że trzeba im przypisywać niemal magiczną moc. Oglądając te zjawiska pod mikroskopem, odkrywamy, że złożona struktura codziennego świata opiera się nie na pojedynczej substancji, ale na wielu warstwach zawiłej maszynerii. (S. Pinker, Jak działa umysł)
Semantyka i syntaktyka Komputacyjna teoria umysłu odpowiada na pytanie, w jaki sposób stany mentalne (pragnienia, przekonania itd.) mogą wpływać na stany fizyczne stany mentalne (przekonania, pragnienia) są reprezentowane przez symbole, które mogą kauzalnie wpływać na inne symbole, np. sterujące ruchem mięśni Problemy: symbole są pozbawione znaczenia. Czy mogą nabierać znaczenia czysto mechanicznie poprzez reguły czysto syntaktyczne? Czy potrzebna jest semantyka? Zwolennicy komputacyjnej teorii umysłu twierdzą, że tak jest w istocie, a semantyka redukuje się do syntaktyki. Na gruncie językoznawstwa komputacyjną teorię umysłu rozwinął Noam Chomsky.
Co udało się dzięki komputacyjnej teorii umysłu? Sztuczna inteligencja (programy szachowe, AI w grach komputerowych AI nawet poprawiło swoją grę czytając napisane w języku angielskim porady umieszczane na forach internetowych przez fanów FreeCivilization) Test Turinga (np. http://www.cleverbot.com/) CAPTCHA (Completely Automated Public Turing test to tell Computers and Humans Apart)
Koneksjonizm modelowanie umysłu w sztucznych sieciach neuronowych (neurocybernetyka) Co robią komórki nerwowe? W istocie dodają one zbiór różnych wielkości, porównując sumę do progu i wskazują, czy został on przekroczony (Pinker) Wyładowujący się neuron jest w różnym stopniu aktywny, a na poziom jego aktywności wpływa poziom aktywności wejściowych aksonów innych neuronów, dołączonych przy synapsach do dendrytów neuronów (struktury wejścia). Synapsa ma moc od pozytywnej (pobudzającej) przez zero (żadnego efektu) do negatywnej (hamującej). Poziom aktywacji każdego wejściowego aksonu zwielokrotnia moc synapsy. Neurony sumują te wejściowe poziomy; jeśli suma przekracza próg, neuron staje się bardziej kaktywny, wysyłając z kolei sygnał do każdego innego połączonego z nim neuronu. Chociaż neurony zawsze się wyładowują, a nadchodzące sygnały powodują jedynie, że dzieje się to w dającym się wykryć szybszym lub wolniejszym tempie, czasami wygodniej opisywać je jako albo wyłączone (tempo spoczynkowe), albo włączone (tempo wzmożone) (Pinker)
Koneksjonizm Można modelować działanie neuronów za pomocą sztucznych sieci neuronowych (ANN). Takie sieci mogą reprezentować np. wartości logiczne:
Co nam dają ANN? Pozwalają symulować wiele procesów poznawczych Potrafią się uczyć Niezbędne we współczesnym przemyśle i innych gałęziach gospodarki (systemy bankowe, telekomunikacja itd.) Polecany film: http://www.youtube.com/watch?v=purpcawszsg
Maszyna Turinga a ANN Sieci neuronowe przypominają maszynę Turinga w dużej rozdzielczości w ramach sieci neuronowych można również modelować algorytmy. ANN mogą przybierać formę programu komputerowego albo urządzenia. Za ich pomocą możliwe jest dokonywanie olbrzymich obliczeń, np. symulowanie działania fali powodziowej, sieci energetycznej czy pewnych aspektów działania umysłu (proces rozpoznawania kolorów, kształtów itd.). Mózg postrzegany jako olbrzymia sieć neuronów. Czy zbudowanie ANN złożonej ze ~86 mld neuronów (wielkość mózgu człowieka) sprawi, że ta sieć zyska samoświadomość? Nie tylko wielkość sieci ma znaczenie również jej jakość (sposób połączeń neuronów). Czy w takim razie gdyby odwzorować połączenia w ludzkim mózgu, to udałoby się obdarzyć taką ANN umysłem? Paradygmat umysłu ucieleśnionego dałby negatywną odpowiedź potrzebne jest również ciało, które wchodzi w interakcje ze światem i razem z mózgiem tworzy umysł.
Maszyna Turinga a ANN Sieci neuronowe przypominają maszynę Turinga w dużej rozdzielczości w ramach sieci neuronowych można również modelować algorytmy. ANN mogą przybierać formę programu komputerowego albo urządzenia. Za ich pomocą możliwe jest dokonywanie olbrzymich obliczeń, np. symulowanie działania fali powodziowej, sieci energetycznej czy pewnych aspektów działania umysłu (proces rozpoznawania kolorów, kształtów itd.). Mózg postrzegany jako olbrzymia sieć neuronów. Czy zbudowanie ANN złożonej ze ~86 mld neuronów (wielkość mózgu człowieka) sprawi, że ta sieć zyska samoświadomość? Nie tylko wielkość sieci ma znaczenie również jej jakość (sposób połączeń neuronów). Czy w takim razie gdyby odwzorować połączenia w ludzkim mózgu, to udałoby się obdarzyć taką ANN umysłem? Paradygmat umysłu ucieleśnionego dałby negatywną odpowiedź potrzebne jest również ciało, które wchodzi w interakcje ze światem i razem z mózgiem tworzy umysł.
Maszyna Turinga a ANN Sieci neuronowe przypominają maszynę Turinga w dużej rozdzielczości w ramach sieci neuronowych można również modelować algorytmy. ANN mogą przybierać formę programu komputerowego albo urządzenia. Za ich pomocą możliwe jest dokonywanie olbrzymich obliczeń, np. symulowanie działania fali powodziowej, sieci energetycznej czy pewnych aspektów działania umysłu (proces rozpoznawania kolorów, kształtów itd.). Mózg postrzegany jako olbrzymia sieć neuronów. Czy zbudowanie ANN złożonej ze ~86 mld neuronów (wielkość mózgu człowieka) sprawi, że ta sieć zyska samoświadomość? Nie tylko wielkość sieci ma znaczenie również jej jakość (sposób połączeń neuronów). Czy w takim razie gdyby odwzorować połączenia w ludzkim mózgu, to udałoby się obdarzyć taką ANN umysłem? Paradygmat umysłu ucieleśnionego dałby negatywną odpowiedź potrzebne jest również ciało, które wchodzi w interakcje ze światem i razem z mózgiem tworzy umysł.
Koneksjonizm nie jest alternatywą komputacyjnej teorii umysłu, ale jej odmianą, która twierdzi, że główny rodzaj przetwarzania informacji odbywający się w umyśle jest funkcją wielu zmiennych. Koneksjonizm nie jest niezbędną poprawką teorii, że umysł jest jak komputer, wyposażony w bezbłędną i seryjną jednostkę centralnego przetwarzania o dużej szybkości, nie ma bowiem zwolenników takiej teorii. I nie ma żadnego prawdziwego Achollesa, który twierdzi, że każda forma myślenia składa się z mozolnej analizy tysięcy reguł z podręcznika logiki. Wreszcie sieci koneksjonistyczne nie są szczególnie realistycznymi modelami mózgu, pomimo ich pełnej optymizmu etykietki sieci neuronowe. Na przykład synapsa (waga połączenia) może się zmienić z pobudzającej w hamującą, a informacja może przepływać w obu kierunkach wzdłuż aksonu (połączenia), jedno i drugie jest zaś anatomicznie niemożliwe. Kiedy istnieje wybór między wykonywaniem zadania a replikowaniem pracy mózgu, koneksjonizm często opowiada się za pierwszą możliwością; to pokazuje, że sieci używa się jako formy sztucznej inteligencji opartej luźno na metaforze neuronu, nie są zaś one formą neuronowego modelowania (Pinker, Jak działa umysł)
Zarzuty wobec komputacyjnej wizji umysłu - Argument chińskiego pokoju Searle a (semantyki nie da się zredukować do syntaktyki) - Inne problemy związane z działaniem maszyny Turinga i algorytmów: frame problem, filozoficzne argumenty np., problem z modelowaniem pojęć - definicja pojęcia wykorzystuje koncepcję światów możliwych. - Szybkość działania ANN sztuczne sieci nie działają w czasie rzeczywistym, obliczenia dokonywane przez ANN trwają o wiele dłużej, mimo że sygnał, np. w światłowodzie, przesyłany jest tysiące razy szybciej niż w biologicznych neuronach
Pomiędzy koneksjonizmem a symbolizmem Metafora dżungli poziomy reprezentacji Reprezentowany świat dżungla Mieszkańcy dżungli przemieszczają się w zaroślach w różnych celach. Naszym zadaniem jest opis ich ruchu. Najniższa skala. Dwa rodzaje ograniczeń ruchu: przeszkody naturalne (drzewa, skały, rzeki, krzaki itd.) oraz ograniczenia wynikające z budowy człowieka nie można latać, wykonywać 10- metrowych kroków, przeciskać przez zbyt ciasne szczeliny itd.
Poziom subkonceptualny Te ograniczenia determinują możliwe trajektorie ruchów. Ludzie wybierają najbardziej efektywne. Trajektorie mogą być opisane na niskim poziomie, przez instrukcje w stylu: 10 kroków za dużym drzewem, w prawo za tamtą skałą, obróć się o 45 stopni i idź wzdłuż rzeki) trajektorie są zdeterminowane przez interakcje ludzi ze środowiskiem POZIOM SUBKONCEPTUALNY (koneksjonizm, sieci neuronowe) Tak jak w sztucznych sieciach neuronowych (ANN) aktywność neuronu zależy od dynamicznej struktury całej sieci. Z czasem ludzie zaczną ułatwiać sobie podróżowanie wydeptają zarośla, usuną kamienie. Powstaną ścieżki, umożliwiające wyznaczenie kierunku co odpowiada procesowi uczenia się przez sieci neuronowe
Poziom konceptualny i symboliczny Ścieżki umożliwiają rysowanie map. Pojawiają się współrzędne przestrzenne. Możliwe polecenia typu: idź 40 m na północ, skręć na zachód. Mieszkańcy dżungli nie muszą rozważać, co jest poza ścieżkami potrafią opisać ruch za pomocą ścieżek i kierunków, potrafią też mierzyć dystans poziom konceptualny (przestrzenie konceptualne) Ścieżki będą się krzyżować w punktach, którym można nadawać nazwy (A, B, C itd.). Opis ruchu możliwy poprzez polecenia typu: Idź ścieżką do A, skręć ścieżką na C, a dojdziesz prosto do B. Nie trzeba opisywać samych ścieżek, wystarczy punkty (przyjmując, że jest jedna ścieżka pomiędzy danymi punktami i może zostać bez trudu pokonana) poziom symboliczny. Komunikacja możliwa poprzez użycie symboli.
Przestrzenie konceptualne Przestrzenie konceptualne rozciągają się pomiędzy tzw. wymiarami jakościowymi (ang. quality dimensions), Wymiary jakościowe dotyczą różnych dziedzin, takich jak kształt, kolor, ciężar, temperatura, czas, smak itd. Ciężar - geometrycznym modelem tego wymiaru jest półprosta, z początkiem w punkcie zero i wartościami kolejnych liczb nieujemnych na osi. Własności kolorów koło kolorów. Własności związane z czasem prosta. Smak czworościan foremny itd.. Punkt na półprostej odpowiada wartości ciężaru.
Wymiary jakościowe Być może nieskończona liczba modelują wszystkie jakości (problem: czym są jakości?) Podobieństwo funkcja odległości. Nauka (zdobywanie wiedzy) często polega na dodawaniu kolejnych wymiarów jakościowych (pojęcie miedzi w starożytności i współcześnie) W niektórych przypadkach kulturowo zależne (dla niektórych kultur właściwy może być model cyklicznego czasu reprezentować go będzie okrąg, a nie prosta)
Definicja przestrzeni konceptualnej Przestrzeń pojęciowa S składa się z klasy D1,,Dn wymiarów jakościowych. Punkt w S jest reprezentowany przez wektor v = <d1,,dn> z jednym indeksem Qdla każdego z wymiarów. Każdy z wymiarów jest obdarzony pewną topologiczną lub metrykalną strukturą. [P. Gardenfors, The dynamics of thought] Geometryczność przestrzeni pojęciowych pozwala na oszczędne modelowanie takich procesów poznawczych jak rozumowanie indukcyjne, tworzenie pojęć, semantyka języka itd. Żeby zbudować przestrzenie pojęciowe, wystarczy założyć kilka prostych geometrycznych aksjomatów
Własności w przestrzeniach konceptualnych Reprezentowane przez regiony w przestrzeniach konceptualnych Własności naturalne regiony wypukłe. Powstają przez tesselację Voronoia na przestrzeni konceptualnej Niech S będzie skończonym zbiorem n punktów należących do przestrzeni euklidesowej E. Elementy zbioru S nazwiemy centrami, środkami lub zalążkami. Obszarem Woronoja lub komórką Woronoja przypisaną pewnemu elementowi p zbioru S nazwiemy zbiór punktów znajdujących się bliżej punktu p niż każdego innego elementu ze zbioru S
Własności naturalne w przestrzeniach konceptualnych Własności naturalne wyznaczane są przez regiony, spełniające pewne kryteria (różne w zależności od struktury przestrzeni) w przestrzeniach konceptualnych Opowiada to teorii prototypu (w zbiorze obiektów posiadających daną własność, niektóre obiekty są oceniane jako bardziej reprezentatywne niż inne). Np. kruki wydają się bardziej ptakami niż emu w przestrzeni konceptualnej kruki będą znajdować się bliżej środka regionu wyznaczającego własność bycia ptakiem (własność złożona). Istnieją własności złożone, wyższego rzędu (bycie wyższym od, bardziej zielonym od itd.)
Pojęcia Zbiór własności (regionów) z różnych dziedzin (w przestrzeniach konceptualnych) wraz z określeniem ważności poszczególnych dziedzin oraz informacją, jak poszczególne dziedziny są powiązane Określenie stopnia ważności poszczególnych dziedzin jest istotne przy porównywaniu. Tel Aviv bardziej przypomina Nowy York, niż Nowy York przypomina Tel Aviv inne domeny brane są pod uwagę.
Nie ma unikalnego sposobu modelowania reprezentacji Przestrzenie pojęciowe nie mają konkurować z pozostałymi paradygmatami, lepiej modelują pewne zjawiska na swoim poziomie, pozwalając uniknąć wielu problemów filozoficznych Wszystkie trzy metateorie mogą być rozpatrywane jako trzy poziomy reprezentacji o różnej skali rozdzielczości. Poziom najniższy koneksjonizm, średni konceptualne przestrzenie, najwyższy komputacjonizm. W metaforze dżungli wszystkie trzy poziomy opisują ten sam fenomen ruch człowieka przez dżunglę.
Czy umysł naprawdę jest maszyną? Słaba teza AI Niektóre funkcje poznawcze można modelować przy pomocy algorytmów/komputerów Mocna teza AI Komputery mają umysły za wykonywanymi przez nie obliczeniami kryją się również stany mentalne