Ciencia cognoscitiva incorporada

A los enfoques ciencia cognitiva enfatizan la mente encarnada, ver tesis de mente encarnada

Ciencia cognoscitiva incorporada es un campo interdisciplinario de investigación, cuyo objetivo es explicar los mecanismos subyacentes de comportamiento inteligente. Se compone de tres metodologías principales: 1) el modelado de sistemas biológicos y psicológicos de una manera holística que considera la mente y cuerpo como una entidad única, 2) la formación de un conjunto común de principios generales del comportamiento inteligente y 3) la utilización experimental de agentes robóticos en ambientes controlados.

Ciencia cognoscitiva incorporada pide prestado fuertemente a filosofía encarnada y los campos de investigación relacionados de ciencia cognitiva, Psicología, Neurociencia y inteligencia artificial. Desde la perspectiva de la neurociencia, la investigación en este campo fue conducida por Gerald Edelman de la Instituto de Neurociencias en La Jolla, finales Francisco Varela de CNRS en Francia, y J. A. Scott Kelso de Florida Atlantic University. Desde la perspectiva de la psicología, investigación realizada por Michael Turvey, Lawrence Barsalou y Eleanor Rosch. Desde la perspectiva de la adquisición del lenguaje, Eric Lenneberg y Philip Rubin en Laboratorios Haskins. Desde la perspectiva del diseño de agente autónomo, trabajo temprano a veces se atribuye a Rodney Brooks o Valentino Braitenberg. Desde la perspectiva de la inteligencia artificial, ver Entendimiento inteligencia por Rolf Pfeifer y Christian Scheier o ¿Cómo el cuerpo moldea la forma en que pensamos, también por Rolf Pfeifer y Josh C. Bongard. Desde la perspectiva de ver la filosofía Andy Clark, Shaun Gallagher, y Evan Thompson.

Turing propuso que una máquina puede necesitar un cuerpo humano a pensar y a hablar:

También se puede mantener que es mejor proporcionar la máquina con los órganos de sentido mejores el dinero puede comprar y luego enseñar a entender y hablar a Inglés. Ese proceso podría seguir la enseñanza normal de un niño. Las cosas serían acentuadas hacia afuera y nombrado, etc.. Una vez más, no sé cuál es la respuesta correcta, pero creo que ambos enfoques deberían ser juzgados (Turing, 1950).

Teoría cognitiva tradicional

Incorporada la ciencia cognitiva es una teoría alternativa a la cognición en la cual minimiza hace un llamamiento a teoría computacional de la mente a favor de mayor énfasis en cómo un organismo determina cómo y lo que piensa. La teoría cognitiva tradicional se basa principalmente en la manipulación del símbolo, en el cual ciertos insumos se introducen en una unidad de procesamiento que produce una salida. Estas entradas seguir ciertas reglas de sintaxis, de la cual la unidad de procesamiento encuentra significado semántico. Así, se produce una salida apropiada. Por ejemplo, los órganos sensoriales del ser humano son sus dispositivos de entrada, y los estímulos procedentes del entorno externo se introducen en el sistema nervioso que sirve como la unidad de procesamiento. Desde aquí, el sistema nervioso es capaz de leer la información sensorial porque sigue una estructura sintáctica, así se crea una salida. Esta salida entonces crea movimientos corporales y pone de manifiesto la conducta y la cognición. Cabe destacar es que la cognición está sellada lejos en el cerebro, lo significa que cognición mental es cortada del mundo externo y sólo es posible por la entrada de información sensorial.

El enfoque cognitivo incorporado

Incorporada la ciencia cognitiva difiere del enfoque tradicionalista en que niega el sistema de entrada / salida. Esto es principalmente debido a los problemas presentados por el Argumento homúnculo, que concluyó ese significado semántico no podría ser derivado de símbolos sin algún tipo de interpretación interna. ¿Si un hombrecito en cabeza de una persona interpreta símbolos entrantes, luego que interpretaría entradas del hombre? Debido al espectro de una regresión infinita, el modelo tradicionalista comenzó a parecer menos plausibles. Así, incorporada la ciencia cognitiva pretende evitar este problema mediante la definición de cognición en tres formas.

Atributos físicos del cuerpo

El primer aspecto de la cognición encarnada examina el papel de la física del cuerpo, particularmente cómo sus propiedades afectan su capacidad de pensar. Esta parte trata de superar el componente de manipulación del símbolo que es una característica del modelo tradicionalista. Percepción de profundidad por ejemplo puede ser mejor explicada bajo el enfoque incorporado debido a la enorme complejidad de la acción. Percepción de profundidad requiere que el cerebro detecta las imágenes retinianas dispares obtenidas por la distancia de los dos ojos. Además, las señales del cuerpo y la cabeza esto complican aún más. Cuando se gira la cabeza en una dirección dada, en primer plano los objetos aparecerán para moverse contra objetos en el fondo. De esto, se dice que se está produciendo una especie de procesamiento visual sin necesidad de ningún tipo de manipulación del símbolo. Esto es porque los objetos que aparecen al mover el primer plano aparecen simplemente para moverse. Esta observación concluye entonces que profundidad puede ser percibido sin manipulación intermedia símbolo necesario.

Un ejemplo más conmovedor existe a través de examen de percepción auditiva. Hablando en términos generales cuanto mayor sea la distancia entre las orejas, mayor será la agudeza auditiva posible. También es relevante que la cantidad de densidad entre las orejas, por la fuerza de la onda de frecuencia altera como pasa a través de un medio dado. Sistema auditivo del cerebro tiene estos factores en cuenta como procesa la información, pero de nuevo sin necesidad de un sistema de manipulación simbólica. Esto es porque la distancia entre los oídos por ejemplo no necesita símbolos para representarlo. La distancia crea la oportunidad necesaria para una mayor agudeza auditiva. La cantidad de densidad entre los oídos es similar, ya que es el monto real sí mismo que simplemente constituye la oportunidad para la alteración de la frecuencia. Por lo tanto bajo consideración de las propiedades físicas del cuerpo, un sistema simbólico es innecesario y una metáfora inútil.

Papel del cuerpo en el proceso cognitivo

El segundo aspecto dibuja pesadamente de George Lakoffde y Mark Johnsonde trabajo sobre conceptos. Argumentaron que los seres humanos utilizan metáforas siempre que sea posible explicar mejor su mundo externo. Los seres humanos también tienen un stock básico de conceptos en los que pueden derivarse de otros conceptos. Estos conceptos básicos incluyen orientaciones espaciales tales como arriba, abajo, parte delantera y trasera. Los seres humanos pueden entender lo que significa estos conceptos porque les puedan experimentar directamente desde sus propios cuerpos. Por ejemplo, porque el movimiento humano gira en torno a parado erecto y mover el cuerpo en un movimiento de arriba-abajo, los seres humanos tienen de forma innata estos conceptos de arriba y abajo. Lakoff y Johnson sostienen también es similar con otras orientaciones espaciales como la parte delantera y trasera. Como se mencionó anteriormente, estas acciones básicas de conceptos espaciales son la base en la cual se construyen otros conceptos. Feliz y triste por ejemplo son vistos ahora como ser hacia arriba o hacia abajo respectivamente. Cuando alguien dice que se sienten hacia abajo, lo que realmente están diciendo es que se sienten tristes por ejemplo. Por lo tanto el punto aquí es que el verdadero entendimiento de estos conceptos depende de si uno puede tener una comprensión del cuerpo humano. Así que el argumento es si uno carecía de un cuerpo humano, que podrían no saber lo que arriba o abajo pueden significar o cómo lo podría relacionarse con estados emocionales.

' [I] imagina un esférico viviendo fuera de cualquier campo gravitatorio, sin conocimiento o la imaginación de cualquier otro tipo de experiencia. Lo que hasta podría significar que tal ser?'

Mientras que esto no significa que tales seres serían incapaces de expresar emociones en otras palabras, esto significa que se expresan las emociones diferente de los seres humanos. Los conceptos humanos de felicidad y tristeza sería diferentes porque humanos tendrían diferentes cuerpos. Entonces un organismo afecta directamente a cómo puede pensar, porque usa metáforas relacionadas con su cuerpo como la base de conceptos.

Interacción del entorno Local

Un tercer componente del enfoque incorporado Mira cómo agentes emplean su entorno más inmediato de procesamiento cognitivo. Es decir, el entorno local es visto como una extensión real de los procesos cognitivos del cuerpo. El ejemplo de un Asistente personal digital (PDA) se utiliza para imaginar mejor esto. Haciéndose eco de funcionalismo (filosofía de la mente), este punto afirma que los Estados mentales son individualizados por su papel en un sistema mucho más grande. Así que bajo esta premisa, la información sobre una PDA es similar a la información almacenada en el cerebro. Así que si uno cree que la información en el cerebro constituye Estados mentales, entonces debe seguir esa información en el PDA es un estado cognitivo también. Considerar también el papel de lápiz y papel en un problema de multiplicación compleja. La pluma y el papel están tan involucrados en el proceso cognitivo de resolver el problema que me parece ridículo decir que de alguna manera son diferentes en el proceso, en mucho la misma manera que el PDA se utiliza para obtener información como el cerebro. Otro ejemplo examina cómo los seres humanos controlan y manipulan su entorno para que las tareas cognitivas pueden ser mejores realiza. Dejando las llaves del coche en un lugar familiar para no faltaron por ejemplo, o usando puntos de referencia para navegar en una ciudad desconocida. Así, los seres humanos incorporan aspectos de su entorno para ayudar en su funcionamiento cognoscitivo.

Ejemplos del valor del enfoque incorporado

El valor del enfoque de encarnación en el contexto de la ciencia cognitiva tal vez se explica por Andy Clark. Hace la afirmación de que el cerebro solo no debe ser el único enfoque para el estudio científico de la cognición

Es cada vez más evidente que, en una amplia variedad de casos, el cerebro individual no debe ser el único locus de interés científico cognitivo. La cognición no es un fenómeno que puede estudiarse con éxito mientras que marginan a las funciones del cuerpo, mundo y acción.

Los siguientes ejemplos utilizados por Clark ilustrará mejor pensar cómo incorporada se está haciendo evidente en el pensamiento científico.

Atún rojo

Thunnus, o atún, desconcertados durante mucho tiempo los biólogos convencionales con sus increíbles habilidades para acelerar rápidamente y alcanzar grandes velocidades. Un examen biológico del atún muestra simplemente no es capaz de tales proezas. Sin embargo, puede encontrarse una respuesta cuando tomando el atún incorporó estado en cuenta. El atún es capaz de aprovechar y explotar su entorno local mediante la búsqueda de corrientes para incrementar su velocidad natural. El atún también utiliza su propio cuerpo físico para este fin, mediante la utilización de su aleta de cola para crear los necesarios vórtices y presión para poder acelerar y mantener alta velocidades. Así pues, el atún rojo está utilizando activamente su entorno local para sus propios fines a través de los atributos de su cuerpo físico.

Robots

Clark utiliza el ejemplo del lupulización robot construido por Raibert y Hodgins para demostrar más el valor del paradigma de la encarnación. Estos robots eran esencialmente verticales cilindros con un solo pie hopping. El desafío de administrar el comportamiento del robot puede ser desalentador porque además de los entresijos del programa mismo, había también los asuntos mecánicos con respecto a cómo debe ser construido de modo que podría saltar al pie. Un enfoque incorporado hace más fácil ver que a fin de este robot funcione, debe ser capaz de explotar al máximo su sistema. Es decir, los sistemas del robot deben considerarse teniendo características dinámicas en contraposición a la visión tradicional que es simplemente un centro de comando que sólo ejecuta las acciones.

Visión

Clark se distingue entre dos tipos de visión, visión pura y animar. Visión pura es una idea que se asocia típicamente con inteligencia artificial clásica, en el cual visión se utiliza para crear un modelo del mundo rico por lo que pensé y la razón puede utilizarse para explorar plenamente el modelo interno. En otras palabras, visión pura crea pasivamente el mundo perceptible externo para que las facultades de la razón pueden ser mejor utilizadas internamente. Visión animar, por el contrario, ve visión como el medio por el cual puede iniciar acción en tiempo real. Visión animar es entonces más de un vehículo por el cual se obtiene información visual que pueden emprender acciones. Clark señala para animar la visión como un ejemplo de la encarnación, porque utiliza ambas señales biológicas y locales de ambiente para crear un proceso activo inteligente. Pensemos en el Clark va a la farmacia a comprar una película Kodak. En tu mente, está familiarizado con el logo de Kodak y su color de oro de la marca. Por lo tanto, utilice sus estímulos visuales entrantes para navegar por la tienda hasta que encuentres tu película. Por lo tanto, la visión no debería considerarse como un sistema pasivo, sino más bien un dispositivo de recuperación activa que utiliza inteligentemente la información sensorial y señales ambientales locales para realizar acciones específicas del mundo real.

Mueran

Inspirada en la obra del psicólogo americano James J. Gibson, este próximo ejemplo enfatiza la importancia de la información sensorial relacionada con la acción, el movimiento corporal y las señales del entorno local. Estos tres conceptos están unificados por el concepto de habilitaciones, cuales son las posibilidades de acción proporcionada por el mundo físico a un agente determinado. Estos a su vez están determinados por el cuerpo físico del agente, las capacidades y las propiedades relacionadas con acción globales del medio ambiente local así como. Clark utiliza el ejemplo de un jardinero en el béisbol para mejor ilustrar el concepto de la misma. Los modelos computacionales tradicionales reclamarían que un jardinero intentando atrapar una bola puede ser calculado por variables como la velocidad del jardinero y el arco de la pelota. Sin embargo, el trabajo de Gibson demuestra que un método más simple es posible. El outfielder puede coger la pelota mientras se adaptan su velocidad para que la bola se mueve continuamente en una línea recta en su campo de visión. Tenga en cuenta que esta estrategia utiliza varias habilitaciones que dependen del éxito del outfielder, incluyendo su composición del cuerpo físico, el entorno del campo de béisbol, y la información sensorial obtenido por el jardinero.

Clark señala aquí que la última estrategia de atrapar la pelota en comparación con el anterior tiene implicaciones importantes para la percepción. El enfoque de affordance resulta no lineal porque se basa en ajustes espontáneos en tiempo real. Por el contrario, el método anterior de la informática en el arco de la bola es lineal como sigue una secuencia de percepción, cálculo y realizando acciones. Así, el enfoque de affordance desafía la visión tradicional de la percepción con el argumento contra la noción de que el cómputo y la introspección son necesarias. Por el contrario, debería ser sustituido con la idea de que la percepción constituye un equilibrio continuo de ajuste de la acción entre el agente y el mundo. En última instancia, Clark no expresamente reclama esto es seguro pero observar que el enfoque affordance puede explicar satisfactoriamente respuesta adaptativa. Esto es porque utilizan señales ambientales hechas posibles por información perceptual que activamente se utiliza en el tiempo real por el agente.

Principios generales del comportamiento inteligente

En la formación de los principios generales del comportamiento inteligente, Pfeifer pretende ser contraria a los principios mayores dados en la Inteligencia Artificial tradicional. La diferencia más dramática es que los principios son aplicables solamente a los agentes robóticos situados en el mundo real, donde tradicional Inteligencia Artificial demostró la promesa al menos un dominio.

Principio de diseño barato y redundancia: Pfeifer se dio cuenta de que supuestos implícitos hechas por ingenieros a menudo substancialmente influyen en la complejidad de la arquitectura de un control. Esta visión se refleja en las discusiones sobre el problema de escalabilidad en robótica. El procesamiento interno necesario para algunas arquitecturas malas puede crecer fuera de proporción con las nuevas tareas que necesitan de un agente.

Una de las principales razones para los problemas de escalabilidad es que la cantidad de programación y la ingeniería del conocimiento que tienen los diseñadores de robots para realizar crece muy rápidamente con la complejidad de las tareas del robot. Hay creciente evidencia previa programación no puede ser la solución para el problema de escalabilidad. El problema es que los programadores introducen demasiados supuestos ocultos en el código de la robusteza.

Las soluciones propuestas son el agente para explotar la física inherente de su entorno, para explotar las limitaciones de su nicho y morfología del agente basado en el principio de redundancia y parsimonia. Redundancia refleja el deseo para la corrección de errores de las señales de duplicación como canales. Además, refleja el deseo de explotar las asociaciones entre modalidades sensoriales. (Véase modalidades redundantes). En términos de diseño, esto implica que debe introducirse redundancia con respeto no sólo a una modalidad sensorial sino a varios. Se ha sugerido que la fusión y transferencia de conocimientos entre las modalidades pueden ser la base de reducir el tamaño de los datos de sentido tomados del mundo real. Esto otra vez aborda el problema de escalabilidad.

Principio de forma paralela, vagamente acoplados los procesos: una alternativa a los métodos jerárquicos del conocimiento y selección de la acción. Este principio de diseño difiere lo más importante es el ciclo de sentido-pensar-actuar de AI tradicional. Ya que no involucra a este famoso ciclo, no es afectado por la Problema de marco.

Principio de coordinación sensorial-Motor: idealmente, los mecanismos internos en un agente deberían dar lugar a cosas como la memoria y la elección de una manera inesperada, en lugar de preceptiva programando desde el principio. Este tipo de cosas pueden emerger como el agente interactúa con el medio ambiente. El lema es, construir menos supuestos en controlador de los agentes, para que el aprendizaje puede ser más robusto e idiosincrásicos en el futuro.

Principio de equilibrio ecológico: es una teoría más que un principio, pero sus implicaciones son generalizados. Su afirmación es que el proceso interno de un agente no puede hacerse más complejo a menos que haya un aumento correspondiente en la complejidad de los motores, las extremidades y los sensores del agente. En otras palabras, la complejidad adicional agregada al cerebro de un simple robot no creará ningún cambio apreciable en su comportamiento. Morfología del robot debe contener ya la complejidad en sí mismo para permitir suficiente "espacio para respirar" más procesamiento interno para desarrollar.

El principio de valor: Esto era la arquitectura desarrollada en el robot de Darwin III de Gerald Edelman. Depende fuertemente de Conexionismo.

Respuestas críticas

Respuesta tradicionalista al entorno local demanda

Un tradicionalista puede argumentar que los objetos pueden utilizarse para ayudar en los procesos cognitivos, pero esto no significa que son parte de un sistema cognitivo. Las gafas se utilizan para ayudar en el proceso visual, pero decir que son parte de un sistema más grande completamente podría redefinir lo que significa un sistema visual. Sin embargo, partidarios del enfoque incorporado podrían argumentar si los objetos en el ambiente juegan el rol funcional de Estados mentales, luego los objetos mismos no deben ser contados entre los Estados mentales.

Véase también

• Selección de la acción
• Percepción de acciones específicas
• Robótica basada en comportamiento
• Conductismo
• Ciencia cognitiva
• Neurociencia cognitiva
• Conexionismo
• Cognición encarnada incrustada
• Filosofía encarnada
• Lingüística
• Neurophenomenology
• Cognición situada
• AI fuerte

Lectura adicional

• Braitenberg, Valentino (1986). Vehículos: Experimentos en Psicología sintética. Cambridge, MA: La MIT Press. ISBN 0-262-52112-1
• Brooks, Rodney A. (1999). Inteligencia Cámbrico: La historia temprana del nuevo AI. Cambridge, MA: La MIT Press. ISBN 0-262-52263-2
• Edelman, G. Más ancho que el cielo (Yale University Press, 2004) ISBN 0-300-10229-1
• Fowler, C., Rubin, E. P., Remez, R. E. & Turvey, M. T. (1980). Implicaciones para la producción del habla de una teoría general de la acción. En B. Butterworth (Ed.), Producción de la lengua, Vol. I: discurso y hablar (pp. 373-420). Nueva York: Academic Press. ISBN 0-12-147501-8
• Lenneberg, Eric H. (1967). Fundamentos biológicos del lenguaje. John Wiley & Sons. ISBN 0-471-52626-6
• Pfeifer, R. y C. J. Bongard, ¿Cómo el cuerpo moldea la forma en que pensamos: una nueva visión de la inteligencia (El MIT Press, 2007). ISBN 0-262-16239-3

Enlaces externos

• Conferencias de AI de Tokio organizado por Rolf Pfeiffer
• sintético neural modelado en DARWIN IV
• Sociedad para la simulación del comportamiento adaptativo
• Una plataforma para la creación de agentes cognitivos incorporado

Otras Páginas

• Aerotel Ltd v telecomunicaciones Holdings Ltd
• NVM Express
• Consolas de videojuegos de Nintendo
• El sitio de la selva tropical
• Ruta a caballo
• Servicios de operador NCIC
• Festival Folklorico de Philadelphia
• Fidelis Care
• Embajada del cielo
• Motor Jaguar XK6
• Giovanni Tedesco
• Guido Morselli
• El Hobbit anotado
• Troy Brown E.
• Gran martir