Kognityvizmo ir žmogaus intelekto ištakos
Kognityvizmo ištakos
THE kognityvizmas yra požiūris į psichologiją, orientuotas į vidinius mąstymo mechanizmus, traktuojantis žmogaus protą kaip informacijos apdorojimo sistemą. Šio požiūrio ištakos daugiausia siekia šeštąjį ir septintąjį dešimtmetį, kaip reakciją į biheviorizmą, kuris tuo metu buvo labai dominuojantis ir orientuotas tik į stebimą elgesį, nepaisydamas vidinių psichinių procesų.
THE pamatai Kognityvizmo teorijos yra pagrįstos žymių veikėjų, tokių kaip Jeanas Piaget’as, tyrinėjęs vaikų pažinimo raidą, arba Noamas Chomskis, kurio bihevioristinės psichologijos ir verbalinio mokymosi teorijų kritika buvo esminė psichologijos orientacijos į gilesnę kryptį, darbais. proto ir jo gebėjimų tyrimas.
Neatsitiktinai kognityvizmo atsiradimas sutampa su kompiuterių mokslo ir kibernetikos iškilimu, kurie suteikė naujų modelių ir metaforų proto operacijų konceptualizavimui. Pavyzdžiui, informacijos apdorojimas atmintyje, algoritminės operacijos ir skaičiavimo modelių naudojimas mąstymo procesams vaizduoti.
Žmogaus intelektas
L’žmogaus intelektas yra sudėtingas fakultetas, apimantis įvairius gebėjimus, tokius kaip problemų sprendimas, supratimas, mokymasis, prisitaikymas prie naujų kontekstų, kūrybiškumas ir manipuliavimas simboliais bei sąvokomis. Kognityvizmo rėmuose žmogaus intelektas dažnai įsivaizduojamas kaip pažinimo procesų, kuriuos galima suskaidyti ir moksliškai analizuoti, rezultatas.
Viena iš didžiausių pažangų žmogaus intelekto supratimo per kognityvizmo prizmę pažanga buvo kognityvinės psichologijos, disciplinos, skirtos psichikos procesams ir jų įtakai žmogaus elgesiui, vystymas. Neurologijos tyrimai taip pat prisidėjo prie mūsų supratimo apie intelektą, atskleidžiant pagrindinį smegenų funkcionavimą ir tiriant, kaip smegenų struktūros dalyvauja pažinimo procesuose.
Psichologų, tokių kaip Howardas Gardneris, pasiūlytos daugialypio intelekto teorijos taip pat praturtino diskusijas teigdamos, kad intelektas yra ne vienas bendras gebėjimas, o veikiau specifinių ir nepriklausomų įgūdžių rinkinys.
Be to, dirbtinis intelektas (AI) turi didelę įtaką dabartiniam žmogaus intelekto supratimui. Paradoksalu, bet, siekdami sukurti mašinas, imituojančias žmogaus intelektą, mokslininkai įgijo naujų įžvalgų apie mūsų pačių intelekto prigimtį.
Šis AI ir kognityvinės psichologijos ryšys leido patobulinti abi sritis, o tai žymiai pagerino mūsų supratimą ir gebėjimą modeliuoti intelektinius procesus.
Norėdami palyginti mūsų žmogaus intelektą su dirbtinio intelekto intelektu, grįžkime prie AI pagrindų, kad padarytume išvadą:
AI teoriniai pagrindai
Teoriniai AI pagrindai yra įsišakniję matematikos ir informatikos srityse. Jie daugiausia atsiranda dėl formalios logikos, algoritmų ir skaičiavimo teorijos tyrimų, kuriuos sukūrė tokie veikėjai kaip Alanas Turingas ir Johnas von Neumannas. Šie pamatai apima:
- Modeliuojamas pažinimas: kuria siekiama atkurti žmogaus psichinius procesus.
- Simbolinė logika: kuri remiasi žinių vaizdavimo ir išvadų sistemomis.
- Mašininis mokymasis: kuri leidžia mašinoms mokytis iš duomenų ir pagerinti jų našumą.
- Optimizavimas: kuria siekiama rasti geriausią tam tikros problemos sprendimą tam tikrame kontekste.
- Žaidimo teorija: kuri tiria strateginius sprendimus konkurencijos ar bendradarbiavimo situacijose.
Simbolinis vs konnekcionistinis dirbtinis intelektas
Dirbtinio intelekto srityje jau seniai buvo esminis skirtumas tarp dviejų požiūrių:simbolinis dirbtinis intelektas, dažnai siejamas su manipuliavimu loginiais simboliais, siekiant imituoti žmogaus samprotavimus ir modelius konnekcionistai, kurios semiasi įkvėpimo iš smegenų neuronų struktūros, kad sukurtų dirbtinius neuroninius tinklus.
Šios dvi filosofijos iliustruoja pagrindines AI paraleles ir skirtumus:
- Simboliniai metodai yra pagrįsti aiškiu ir formalizuotu žinių supratimu, o konnekcionistiniai metodai remiasi numanomais mokymosi modeliais.
- Simbolinis AI dažnai yra skaidresnis, o jo sprendimai lengviau paaiškinami, tačiau jis gali būti apribotas, kai susiduriama su tam tikrų realaus pasaulio problemų sudėtingumu.
- Jungtinis dirbtinis intelektas, ypač per gilų mokymąsi, puikiai atpažįsta modelius ir valdo didelį duomenų kiekį, tačiau kartais kenčia nuo skaidrumo trūkumo (juodoji dėžė).
Informacijos apdorojimas: smegenų ir mašinos palyginimas
Informacijos apdorojimas yra pagrindinė funkcija norint suprasti žmogaus smegenų sudėtingumą ir šiuolaikinių kompiuterinių sistemų veikimą. Panagrinėkime panašumus ir skirtumus, kaip žmogaus smegenys ir mašinos apdoroja informaciją.
Apdorojimo pajėgumai ir saugojimas
Žmogaus smegenyse yra maždaug 86 milijardai neuronų, kurių kiekvienas gali sudaryti kelias sinapsines jungtis, leidžiančias atlikti sudėtingas užduotis su dideliu energijos vartojimo efektyvumu.
Kita vertus, dabartinės mašinos, nors jos gali apdoroti ir saugoti didžiulius duomenų kiekius, vis tiek reikalauja daug energijos, kad veiktų, o smegenims trūksta natūralaus judrumo mokytis ir prisitaikyti tokiu pat efektyvumu.
Mokymasis ir gebėjimas prisitaikyti
Žmogaus smegenys yra išskirtinės, kai kalbama apie mokymąsi ir prisitaikymą. Dėl neuroplastiškumo jis gali persitvarkyti, įgyti naujų įgūdžių ir prisitaikyti prie naujų situacijų. Mašinos, naudodamos mašininį mokymąsi ir dirbtinius neuroninius tinklus, pradeda imituoti šį mokymosi gebėjimą.
Tačiau net ir pažangiausi algoritmai, tokie kaip Gilus mokymasis dar negali prilygti smegenims būdingo gebėjimo suprasti ir organiškai integruoti abstrakčias sąvokas.
Apdorojimo greitis
Kalbant apie apdorojimo greitį, mašinos dažnai turi pranašumą. Kompiuteriai gali atlikti matematines operacijas greičiu, neprilygstamu žmogaus smegenims.
Tačiau sprendimų priėmimas ir sudėtingas problemų sprendimas dviprasmiškose ar kintančiose situacijose yra sritys, kuriose smegenys pasižymi gebėjimu atlikti lygiagrečias užduotis ir priimti greitus euristinius sprendimus.
Konteksto ir niuansų supratimas
Vienas iš labiausiai pastebimų mašinų apribojimų, palyginti su žmogaus smegenimis, yra jų gebėjimas suprasti kontekstą ir niuansus. Smegenys puikiai suvokia kalbos, kultūros, emocijų ir kitų kontekstinių veiksnių subtilybes – tai, ko mašinos, nepaisant pažangos dirbtinio intelekto srityje, dar nėra visiškai įsisavintos. AI sistemos kaip GPT-3 žengia milžiniškus žingsnius šia kryptimi, tačiau dar reikia daug nuveikti, kad būtų pasiektas tikras konteksto supratimas.
Trumpai tariant, informacijos apdorojimo tarp smegenų ir mašinos palyginimas yra sudėtingas ir išryškina nepaprastas abiejų sistemų ribas ir galimybes. Nors mašinos sparčiai tobulėja, jos dar visiškai nepakeitė žmogaus pažinimo procesų visumos.
Toks žmonių ir mašinų sambūvis suteikia didžiules galimybes ateičiai, tiek tobulinant žmonių gebėjimus, tiek kuriant pažangųjį AI.
Mašininio mokymosi pažanga: link konvergencijos su kognityvizmu?
Kognityvizmo pabudimas
THE kognityvizmas dėmesys sutelkiamas į mąstymo ir psichinių procesų tyrimą, siekiant suprasti, kaip žmonės suvokia, mokosi, prisimena ir sprendžia problemas. Šis pažinimo mokslas remiasi įvairiomis disciplinomis, tokiomis kaip psichologija, neurobiologija, proto filosofija ir kompiuterių mokslas, siekdamas nustatyti žmogaus smegenų architektūrą ir funkcionavimą.
Mašininio mokymosi ir kognityvizmo paralelės
Daug principų mašininis mokymasis rasti atgarsį kognityvizme. Pavyzdžiui, dirbtiniai neuroniniai tinklai, sukurti imituoti žmogaus neuronų veikimą, demonstruoja inžinerinius bandymus pakartoti informacijos apdorojimą taip, kaip tai vyktų smegenyse. Tokios sąvokos kaip prižiūrimas ir neprižiūrimas mokymasis taip pat atspindi kai kuriuos žmogaus mokymosi procesus, nors ir supaprastintu būdu.
Mašininio mokymosi indėlis į kognityvizmą
Inovatyvūs metodai mašininis mokymasis naujai nušviečia kognityvizmo perspektyvas. Sukurdamas modelius, galinčius apdoroti sudėtingus ir didžiulius duomenų rinkinius, mašininis mokymasis siūlo įrankius kognityvinėms teorijoms išbandyti tokiu mastu, kuris anksčiau buvo neįsivaizduojamas. Be to, smegenų ir kompiuterio sąsajų kūrimas gali pakeisti mūsų supratimą ir sąveiką su žmogaus smegenimis.
AI ir pažinimo mokslų konvergencija
Yra galimas konvergencija tarp mašininis mokymasis ir pažinimo mokslai. Konkrečiau, kompiuterinis AI modeliavimas gali padėti geriau suprasti žmonių informacijos apdorojimą ir, atvirkščiai, intuicijos apie žmogaus pažinimo funkcionavimą gali įkvėpti naujas algoritmines architektūras. Kai kurie tyrinėtojai teigia, kad ši konvergencija gali lemti AI formas, kurios yra tvirtesnės, lankstesnės ir galinčios pasiekti tikrą intelektą.
Galiausiai, mašininis mokymasis ir kognityvizmas siekia lygiagrečių tikslų: suprasti ir imituoti intelektą, tiek dirbtinį, tiek natūralų. Sujungus šias dvi sritis būtų galima ne tik paspartinti AI vystymąsi, bet ir pagilinti mūsų supratimą apie žmogaus protą. Tačiau mes vis dar esame pradiniame šių simbiotinių santykių etape ir tik ateitis lems visą jo potencialą.
