2015年3月5日,星期四

为什么尽管有传言称其领域已经消亡,但计算认知科学家仍可以继续工作

认知革命(或者更好的是信息处理革命)拒绝了这样一种想法,即无需参考思想/大脑的贡献就能理解行为。 经过数十年的实验和理论发展,我们已经认识到,思维/大脑通过计算(或更好地转换)环境中可用信息(或存储在思维/大脑本身中)作为控制行为的手段而起作用。 将此称为计算心智理论。 该框架中的模型通常从特定的实例(任务,经验,动作)中抽象出来,并开发出大脑如何进行计算(转换信息)的抽象模型。 这些通常使用数学符号或其他表示符号。

激进的体现认知反对这一观点,并根据以下观点提出论点:

计算/符号/数学模型是 说明 一些现象。 例如,一个下落的苹果实际上并没有计算出数学上的引力。 头脑是一样的。仅仅因为您可以根据Fitt定律描述运动的各个方面,并不意味着大脑实际上在计算公式。 概括地说,仅仅因为我们可以使用计算/符号/数学模型来描述许多心理功能,并不意味着大脑可以计算或处理符号。因此,头脑不会计算;计算模型使错误的树陷入困境;我们需要一个新的范例。

抛开关于什么才算是计算的争论,这就是为什么这类争论不会一点点改变计算认知科学家的研究计划的原因。

掉落的苹果无法计算,但是对行为背后作用力的抽象数学描述导致了巨大的科学进步。 正是抽象的数学描述将物理学推向了如此高度的理解。  如果物理学家仅仅因为苹果没有计算能力而拒绝了他们的理论,那么我们可能就太忙于让农场争论这种愚蠢的事情了。 因此,使用抽象计算系统对认知进行建模可以(已经!)导致(引领)科学的巨大进步。 即使头脑不是从字面上看紧缩X和Y,以这种方式建模也具有很大的价值。

(据我所知)没有任何一个计算认知科学家真正相信大脑会像他们的模型一样精确地工作。 乔姆斯基人不相信神经科学家会发现潜伏在树突状分支模式中的语言树结构,贝叶斯主义者也不希望发现由进行Y-M-C-A舞蹈动作的神经元集合阐明的P(A | B)。 相反,我们了解到,这些想法必须通过大规模,复杂的神经网络来实现,这些神经网络被构造成沐浴在化学神经调节剂海洋中的体系结构层次结构,并根据诸如依赖于尖峰时序的可塑性等原理进行了修改。 (我知道)没有人足够坚强地相信我们的计算模型和神经实现之间的关系是字面的,透明的或简单的。 简而言之,计算认知科学家使用其模型的方式与物理学家使用数学的方式完全相同。拒绝这种方法是因为数学符号实际上并不是潜伏在大脑中,这是愚蠢的。

认知神经科学家,也被体现形式所贬低,正在研究联系理论, 怎么样 树结构或先验概率可以在神经网络中实现。 毫不奇怪,神经实现模型实际上不包含符号。取而代之的是,它们包含排列成体系结构的单元(例如神经元),具有特定的连接模式,嵌套的振荡器,调制器等,并且通常以我们了解的真实大脑电路为模型。 我们在神经计算建模方面做得很好,可以模拟各种复杂的行为。

我尊重激进的体现者希望看到环境和身体可以对认知系统提供多少限制,并且他们希望对心灵的物理工作方式有一个更现实的认识(在这种情况下,我建议研究神经科学而不是极地计。 我们从这种体现/生态方法中学到了一些东西。 但是考虑到订户不会拒绝思想/大脑的贡献 某事 我们仍然需要某种东西的模型。 而这正是计算认知科学家数十年来一直在努力的成果。
继续,您是计算人员。 让我们回顾一下2025年的激进体现,看看他们在弄清楚注意力,语言,记忆,决策,知觉幻觉,运动控制,情绪,心智理论和其他方面已经走了多远。如果他们取得了一些进展,并且我希望他们会取得进展,那么我们可以通过添加一些身体部位并让机器人漫游更多的方式来更新模型。

 

9条评论:

威廉·马汀说过...

我觉得福多& Pylyshyn 1988 '连接主义与认知架构:批判性分析'在这里值得一读-我一直感觉这些辩论已经世代相传。

尤汉说过...

好帖子!

我对激进的体现性认知/生态心理学最困惑的是他们对'representations'.

http://mindhacks.com/2015/03/05/radical-embodied-cognition-an-interview-with-andrew-wilson/

我不't see 怎么样 they can argue that retinitopic or tonotopic maps are anything other than 表示s. Perhaps the issue is purely semantic?

未知说过...

@韩

Well, is the retinotopic map the 表示, or is it the pattern of neural activity upon that map the 表示? I assume you mean the latter, but the existence of these maps does not explain 怎么样 we see, 在 least in these sense of the transformation of 表示s from retina to V1 and onwards to the dorsal and ventral streams, which is the standard model taught in perceptual psychology. We know this cannot be the case because eye tracking experiments indicate we only ever look 在 a small fraction of a scene, yet we perceive a whole scene. The standard 表示alist response is that top down processes mediate the retinotopic 表示 or that the 表示 is neurally distributed. Nobody is denying the existence of retinotopic maps on the visual cortex, the question is what role they play in the act of seeing. As was pointed out in your link there are credible alternatives to the 表示alist accounts, such as O’Regan & Noe’s sensorimotor account of vision and visual consciousness: http://postcog.ucd.ie/files/oregan.noe_.pdf

尽管Greg似乎提出了要求,但您对体现和表示形式的立场将对完成的研究类型产生影响。如果您认为视觉意识与大脑和身体中表征的转换有关,那么您’我会寻找编码这些过程的神经活动。如果您认为世界是大脑使用的表示形式,那么您可能会寻找支持大脑,身体和世界之间功能关系的神经活动。那’首先,您在解释功能性大脑成像的方式和设计实验的方式上有很大的不同。

I'm still not sure what I think about 表示al accounts of cognition myself, but theres certainly a lot to learn from embodied critiques.

尤汉说过...

谢谢迈克尔!我觉得's a very fair point.

我认为这个词的含义有些混乱"representation" is psychology and neuroscience. In psychology and philosophy it seems to have something to do with subjective perception. But neuroscientists often use it in a purely instrumental/functional sense, as is the case with a motor map (which almost by definition has nothing to do with perception). For many neuroscientists, a 表示 is a concordance between neural activity and some external or bodily phenomenon.

I'我一直喜欢将体现的认知观念作为一种哲学,但是我'我从未真正看到过基于非代表性原理的计算模型。

即使是我已经建立或阅读的最简单的神经模型,也都从某种映射开始:色调映射,头部映射,行为计划映射等。

What would it mean to avoid these 表示s? Are you aware of any computational models that employ a non-representational framework?

格雷格希科克说过...

是什么让您对体现的认知哲学感到兴奋?

未知说过...

@格雷格

我认为下降的苹果类比是一个糟糕的类比,因为没有人争辩说苹果具有代理权,因此当然也没有人争辩说它实际上是在下降时操纵符号并进行计算。

但是,大多数认知神经科学的确基于这样的假设,那就是人脑正在发生什么–从字面上看。不是那里’一个小ho在我们脑海中刮擦黑板上的数字,但是神经活动在本质上起着相同的功能作用。那’的美丽和力量‘multiple realisable’这种功能主义的一个方面。人体可以写1和0,或者计算机可以计算出相同的数字,而在大脑中,神经元的动作电位触发或不触发’t trigger. They’基本上都是相同的活动,所以争论就这样了。

回到苹果类比,计算是描述苹果如何掉落的一种有效方法。但是,那里’实际上很少计算有关您的过程的危险’重新尝试学习。例如,对苹果红色和绿色模式的计算说明不会告诉我们它如何掉落。如果视觉和视觉意识的代表性描述是’t ‘correct’(或以代表性的方式有用地描述)为O’Regan &Noe认为,那么大量的计算工作都以相同的方式浪费了。

所以我不 ’认为许多内在的认知科学家认为计算方法不是’本质上是有用的’s using a 表示al model, it can be a waste of time.

@韩

I’我不确定您所指的是计算模型和神经模型。如果您指的是使用数学公式和数据操作来计算某种输出从而进行行为建模的认知模型,那么它就可以’很难想象没有陈述的人。与连接论模型类似,可以说2层网络不一定是代表论的,但是’3层以上很难争论。但是在设计这些字段时要考虑到表示形式。同样,如果您指的是神经活动模型,那么由于大多数认知神经科学都具有代表性’没有它们,很难想象神经模型!我认为安德鲁·威尔逊(Andrew Wilsons)的观点之一是,大多数研究人员没有’t even try.

也许更深层的问题可能是您对感觉和运动活动的治疗本质上是分开的并由神经活动介导–认知三明治。现在它’完全有可能批评认知三明治模型并仍然使用表示形式,但是我认为认知三明治模型以生态模型或行为模型等其他模型无法做到的方式促进了对表示的使用。’t。如果将系统描述为输入-处理-输出,则表示似乎非常适合该表示,特别是如果处理部分像人脑一样多层且复杂。

However, if you look on perception/action as being a continuous process that is distributed beyond the brain and the organism, then the obviousness and unassailability of 表示s seems to wither away somewhat.

益博说过...

格雷格

如果你'只做世界的数学分析,那么你're restricted. You'将整个世界从字面上放到整齐的常规盒子中'再造-世界不是't由整洁的数学盒制成。

让's说您希望计算这些人体-自然人体的路径-

http://www.bbc.co.uk/staticarchive/075dd11c11bfb9ecc7aa8aeac47749e343ad5e68.jpg

你是怎样做的?从它们在画布上的当前位置计算这些身体的未来运动?因为您可以做到-您可以像这些身体中的每个人一样起身跳舞。考虑到您只有那些身体的身影/轮廓,这是一项非常了不起的成就-信息非常有限。

我建议,赔率是"body computer" - a "形态计算机-通过将其他物体映射到自身上来计算世界。"您可以根据绘制的图形在此处配置您的身体(将您的身体映射到他们的身体上)-并通过这样定位您的身体可以分辨出他们在哪里'要移动,他们有多快 '可能会移动以及它们的移动方式-基于您自己身体存储的配置记忆。

如果你'会建议您可以用数学方法进行操作-或在数学上进行操作有任何意义-我会说您're nuts.

这个问题具有极大的技术重要性,因为AGI /强大的AI已经诞生了50年,因为数学和逻辑可以'不会感觉到任何种类的自然物体'极同胚。

真的不是'心灵计算机的想法实际上是一种小说吗?思维开始于作为神经网络的活物-不是'大脑仅仅是人体的中心'的神经网络-并且与整个网络密不可分,并且没有功能吗?而且不是'甚至是一台独立的计算机,它也可以连接到各种各样的物体上,例如用来形成图像的屏幕?

不'难道认为计算仅意味着数字,逻辑数学计算就表现出对技术想象力的迫切缺乏吗?

我的猜测是我们'首先是身体/形态计算机,数字计算只是我们的手指/手指的极其有用的扩展。

益博说过...

P.S. The 身体电脑 doesn'仅通过与以前的车身配置进行比较即可工作。

通过将您的身体配置为新的(以及旧的)位置,您可以算出其他身体的属性。因此,例如,如果您'之前从未见过查理·卓别林(Charlie Chaplin),几秒钟的时间接触他的电影,就能带您漫步-并让您预测他可能会在与您不同的情况下行走'已经看到。它还使您能够理解和理解与他走路相关的情感。

数字计算机可以做到这一点的想法是荒谬的-基本上是Ludditism的基本原理。

尤汉说过...

@ikbol

数学在科学中的作用似乎有些混乱。并非所有科学家都将地图与领土混淆。我们使用计算来了解实际的神经网络的作用,然后在计算机上的计算与涉及神经活动的过程之间进行精确的类比。

所有这些例子—查理·卓别林等—精心制作'怀疑的争论'。想像一下19世纪的某人说'math can'可能与遗传无关'。人口遗传学已证明这是错误的。

只是因为我们的方法天堂'没有成功't mean they won'将来。科学的全部基础是,宇宙在数学上是可理解的。在人工神经网络和机器人技术变得非常有趣的时候,我们为什么还要放弃这个想法呢?