Wstęp do kognitywistyki. Wykład 4: Cybernetyczny nurt w kognitywistyce

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

Wstęp do kognitywistyki

Główne problemy kognitywistyki: Reprezentacja

Elementy kognitywistyki III: Modele i architektury poznawcze

CZYM SĄ OBLICZENIA NAT A URALNE?

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Metody symulacji komputerowych Modelowanie systemów technicznych

Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza

ODWZOROWANIE RZECZYWISTOŚCI

Wstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna?

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

RODZAJE I TYPY INŻYNIERII SYSTEMÓW

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu

Umysł-język-świat 2012

Podstawy organizacji i zarządzania

Elementy kognitywistyki III: Modele i architektury poznawcze

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

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

JAKIEGO RODZAJU NAUKĄ JEST

Rys. 1 Otwarty układ regulacji

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

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

II. STEROWANIE I REGULACJA AUTOMATYCZNA

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

BIOCYBERNETYKA PROLOG

Filozofia umysłu. Eliminatywizm. Wykład VIII: w filozofii umysłu

Wprowadzenie do teorii systemów ekspertowych

Podstawy Automatyki. Wykład 6 - Miejsce i rola regulatora w układzie regulacji. dr inż. Jakub Możaryn. Warszawa, Instytut Automatyki i Robotyki

Umysł Komputer Świat TEX output: :17 strona: 1

Elementy kognitywistyki III: Modele i architektury poznawcze

MIND-BODY PROBLEM. i nowe nadzieje dla chrześcijańskiej antropologii

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

Główne problemy kognitywistyki: Reprezentacja

Elementy neurolingwistyki

Wstęp do teorii sztucznej inteligencji Wykład II. Uczenie sztucznych neuronów.

Z punktu widzenia kognitywisty: język naturalny

Obiekt. Obiekt sterowania obiekt, który realizuje proces (zaplanowany).

MODELOWANIE RZECZYWISTOŚCI

Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja

Wstęp do kognitywistyki. Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne

Plan wykładu. Prozopagnozja. wrażenie sensoryczne a percepcja. wrażenia sensoryczne i percepcja

Elementy kognitywistyki III: Modele i architektury poznawcze

KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I

Elementy kognitywistyki II: Sztuczna inteligencja

Inteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych

G. Morgan, Obrazy organizacji, Warszawa 1997

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

Pojęcia to. porównanie trzech sposobów ujmowania pojęć. Monika Marczak IP, UAM

Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia

Z punktu widzenia kognitywisty: język naturalny

Percepcja, język, myślenie

Elementy filozofii i metodologii INFORMATYKI

Systemy hybrydowe reaktywno-racjonalne

Co to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne

Ontologie, czyli o inteligentnych danych

O tzw. metaforze komputerowej

Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński

Modelowanie danych, projektowanie systemu informatycznego

Co to jest znaczenie? Współczesne koncepcje znaczenia i najważn. i najważniejsze teorie semantyczne

Reprezentacje poznawcze

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

Filozofia, Historia, Wykład IV - Platońska teoria idei

Wstęp do kognitywistyki

Wstęp do teorii sztucznej inteligencji Wykład III. Modele sieci neuronowych.

Od słowa do książki O ELEMENTARNEJ NAUCE CZYTANIA. malyska.edu.pl

SYLABUS/ OPIS PRZEDMIOTU

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

Główne problemy kognitywistyki: Reprezentacja

O ALGORYTMACH I MASZYNACH TURINGA

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

Najprostszy schemat blokowy

Podstawy metodologiczne symulacji

TERMINOLOGIA. Język dyscypliny zbiór terminów wraz z objaśnieniami

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA

Alan M. TURING. Matematyk u progu współczesnej informatyki

a) Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów

Automatyka i Regulacja Automatyczna Laboratorium Zagadnienia Seria II

Wykład 1. zagadnienia ogólne. dr Marek Binder Zakład Psychofizjologii

Podstawy zarządzania

Inteligentne systemy informacyjne

Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I)

Politechnika Gdańska Wydział Elektrotechniki i Automatyki Katedra Inżynierii Systemów Sterowania KOMPUTEROWE SYSTEMY STEROWANIA (KSS)

Dla naszego obiektu ciągłego: przy czasie próbkowania T p =2.

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Marian OSTWALD. Politechnika Poznańska Instytut Mechaniki Stosowanej INŻYNIERIA SYSTEMÓW. Materiały pomocnicze do wykładów.

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD II: Agent i jego środowisko

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

SYSTEMY IDENTYFIKACJA SYSTEMU

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

Wykład X. Krótka historia neurobiologii poznawczej (cognitive neuroscience)

Główne problemy kognitywistyki: Reprezentacja

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

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

Układ regulacji ze sprzężeniem zwrotnym: - układ regulacji kaskadowej - układ regulacji stosunku

LEKCJA 1 DEFINICJE I KONCEPCJE STRESU

Podstawy automatyki. Energetyka Sem. V Wykład 1. Sem /17 Hossein Ghaemi

Elementy historii INFORMATYKI

Modelowanie i Programowanie Obiektowe

Elementy układu automatycznej regulacji (UAR)

Temat: Projektowanie sterownika rozmytego. Instrukcja do ćwiczeń przedmiotu INŻYNIERIA WIEDZY I SYSTEMY EKSPERTOWE

Transkrypt:

Wstęp do kognitywistyki Wykład 4: Cybernetyczny nurt w kognitywistyce

Cybernetyka [od silników parowych do społeczeństw] Cybernetyka to badania nad kołowymi systemami kauzalnymi: samoregulujące, informacja o skutkach działań powraca (sprzężenie zwrotne) do systemu modyfikując jego działania rozmaita ilość możliwych stanów początek: przypadkowy pkt. startowy lub celowo dobrany(e) koniec: jeden pkt. (jeden stan równowagi) lub wiele; możliwa niekończąca się sesja kół cel: osiągniecie samoorganizacji kluczowy proces: przepływ informacji

sprzężenie zwrotne i regulacja: przykład układu

Sprzężenie zwrotne i regulacja regulacja celowe oddziaływanie na wielkość regulowaną; przekształcenie wielkości regulowanej w wielkość sprzężenia zwrotnego porównanie z nią wielkości zadającej różnica służy do wpływania na przebieg wielkości regulowanej wartość rzeczywista wielkości regulowanej winna być jak najbliższa wielkości zadanej zakłócenia powodują powstanie odchyłu regulacji

Cybernetyka: układ regulacji Wyjście układu x jest porównywane z wartością zadaną w, a różnica tych wielkości, zwana uchybem e jest podana na wejście regulatora. Dzięki temu regulator posiada informację o aktualnym błędzie sterowania i może tak zmieniać wartość wejściową y obiektu regulacji, aby zmniejszyć uchyb do zera. Co za tym idzie, wielkość wyjściowa układu jest stale utrzymywana możliwie blisko wartości zadanej.

Cybernetyka uwzględnianie procesów fizycznych umożliwiających funkcjonowanie systemów kauzalnych (vs. AI) Kluczowy przepływ informacji (poj. abstrakcyjne) zasada centralna: informacyjne sprzężenie zwrotne (matem.: 1868, biol.: 1860) interdyscyplinarność; obiekt badań: systemy sztuczne i żywe organizmy; hasło człowiek jako maszyna obejmuje nie tylko umysł, ale i ciało Wiener (def.) nauka o sterowaniu i komunikacji zarówno w zwierzęciu, jak i maszynie objęcie społecznych i psychologicznych aspektów systemów cybernetycznych

Ogólna teoria systemów [Ludwig von Bertalanffy] rozróżnienie: systemy otwarte zamknięte odmienne traktowanie celowości: samoorganizacja i równoważenie się całościowy charakter złożonych systemów ekwifinalność [equifinality] system osiąga stan równowagi wychodząc od nieskończenie wielu odmiennych warunków początkowych przewidywanie celu dzięki symbolizmowi języka i pojęciom embriony brak prawdziwej celowości

Cybernetyka i SI [intelektualni bracia krwi] Donald McKay: brak podstaw do porównania mózgu do komp. cyfrowego; to raczej analogowy mechanizm probabilistyczny; budowa hybrydy (1949-59) '58: spotkanie pośw. mechanizacji procesów myślowych '45: Stowarzyszenie Teleologiczne; wygłoszone m.in. mowy: von Neumann: o cyfrowych komputerach, Wiener: o inżynierii komunikacyjnej Gordon Pask: A Discussion of AI and Self-Organization Indywidualności po obu stronach Teoria informacji: oparta na logice Boole'a

Korzenie biologiczne ogólna fizjologia a systemy samorównoważące się: 1860 (C. Bernard); pojęcie systemu otwartego W. Cannon: badania nad homeostazą wykorzystujące biologiczne przykłady sprzężenia zwrotnego próba rozszerzenia idei na społeczeństwa refleksologia (teoria odruchów) działanie odruchowe wyprowadza samoregulację poza zwykłe samorównoważenie się. Sherrington: hierarchia neuronowej samoregulacji Lorente de No: prawo wzajemności powiązań zakładające neuro-sprzężenie zwrotne uczenie pozytywne i negatywne wzmocnienie

Teoria informacji rozważania nad rozmaitymi pętlami neuronowymi wykorzystują pojecie informacji C. Shannon ('48), Shannon, W. Weaver ('49) wiadomości to nie treści znaczące przewidywalne własności fizyczne sygnału dźwiękowego Te semantyczne aspekty komunikacji nie są związane z problemem informacji. Znaczącym jej aspektem jest to, że faktyczna wiadomość jest wybrana ze zbioru możliwych wiadomości (Shannon, Weaver 1949) informacja to techniczny termin oznaczający statystyczną miarę przewidywalności

Teoria informacji Weaver: teoria znaczenia zostanie kiedyś skonstruowana w kategoriach teorii informacji Jednostka informacji bit (binary unit) Shannon: analiza języka naturalnego (przewidywanie następnego znaku, słowa): statystyka, nie składnia czy semantyka cybernetyczne teorie nie charakteryzują zawartości pojęciowej czy propozycjonalnej, ale: cybernetyczna psychologia i psychiatria uwzględniały znaczenie w badaniach

Mózgi - maszyny modelujące Kenneth Craik (1914-1945) sterowanie w maszynach analogowych może przypominać sterowanie w układzie nerwowym nowe podejście do mózgu: system konstruujący modele reprezentujące świat Jak konkretne zdarzenie/obiekt/cecha/... jest reprezentowane w mózgu? Kartezjusz: korelacja, ale co ponad? W jakim sensie stan umysłu musi odpowiadać zewnętrznej rzeczywistości? Czy korelacja jest naprawdę niezbędna? Czy można stwierdzić dlaczego ten stan mózgowy powinien reprezentować tą cechę środowiskową?

Reprezentacja i model Co zatem znaczy termin reprezentacja? Jak mózg radzi sobie z reprezentacją różnych obiektów, by sterować zachowaniem? Do lat 40. nikt nie zastanawiał się jak odwzorować fizjologiczną składnię na psychologiczną semantykę; '43 Craik: The Nature of Explanation; pojęcie modelu mózgowego Zdarzenia mózgowe to modele rzeczy reprezentowanych, gdyż działają w ten sam sposób Symboliczna teoria myśli: symbole symbolizują, reprezentacje reprezentują na mocy swych fizycznych cech.

Reprezentacja i model Przez model rozumiem dowolny fizyczny lub chemiczny system mający podobną strukturę relacyjną do procesu, który imituje. Przez strukturę relacyjną rozumiem fakt, że jest to fizyczne działanie modelu pracującego w ten sam sposób jak zjawisko które naśladuje - w rozważanym aspekcie w dowolnym momencie. (Craik 1943, s.51) Model w korze mózgowej, rozpatrywany jako dynamiczny proces fizyczny, działa w ten sam sposób jak zewnętrzna rzeczywistość modelowana skoro tak, to będzie się również zachowywał (rozwijał) w ten sam sposób, co modelowana rzeczywistość reprezentuje zatem przeszłe lub przyszłe zdarzenia trwając lub funkcjonując (rozwijając się) może modelować zagadnienia czysto hipotetyczne

Możliwości modelowania błędy w myśleniu abstrakcyjnym, iluzje percepcyjne, fałszywe przekonania, część zjawisk psychopatologicznych również zależy od adaptywnego modelowania świata zewnętrznego modele w tych przypadkach są wypaczone, często nieelastyczne i nieproduktywne Modele korowe są zasadniczo możliwe, ponieważ fizyczne procesy są w ogólności do siebie podobne Pytania neuropsychologa: jaki fizyczne cechy rzeczywistość-a posiada? jakie fizyczne cechy UN byłyby wystarczająco podobne, by modelować rzeczywistość-a czy pewien proces-a* ma faktycznie te cechy? Tak - proces-a* może być modelem rzeczywistości A; a czy jest?... ->>>

Podobieństwo nie wystarczy... mechanizm mózgowy fizycznie przypomina rzeczywistość zewnętrzną, jednak: powiązany jest z przetwarzaniem sensomotorycznym...tak, że jest użyteczny dla całego zwierzęcia model jest zatem pojęciem intencjonalnym symulacja komputerowa a modele wewnętrzne Jeśli komputer lub organizm wykorzystuje pewien wewnętrzny mechanizm A* by uzyskać odpowiedzi na pytania dotyczące A (odpowiedzi te są potrzebne, lub system ich chce), wówczas A* jest wewnętrznym modelem A. Potrzeba uzyskania odpowiedzi może być związana z przetrwaniem Sytuację komplikuje fakt, że UN jest kształtowany przez selekcję naturalną

Człowiek jako mechanizm Człowiek (K. Craik) element w systemie sterowania, traktowany jako łańcuch złożony z: urządzeń sensorycznych przekształcających niedopasowanie między wzrokiem a celem na odpowiedniki fizjologiczne systemu obliczeniowego dostarczającego neuronowej odpowiedzi wyliczonej tak, by minimalizować niedopasowanie systemu wzmacniającego (zakończenia nerwów motorycznych i mięśnie) mechanicznych powiązań dzięki którym praca mięśni daje zewnętrznie obserwowalne efekty (por. przykład prysznicowy, powyżej)