Connectionism

Obsah:

Connectionism
Connectionism

Video: Connectionism

Video: Connectionism
Video: Connectionism 2024, Marec
Anonim

Toto je dokument v archívoch Stanfordskej encyklopédie filozofie. Citovať tento záznam Priatelia PDF Náhľad | Vyhľadávanie InPho PhilPapers Bibliography

Connectionism

Prvýkrát publikované nedeľa 18. mája 1997; podstatná revízia Ut 27. júla 2010

Konekcionizmus je hnutie v kognitívnej vede, ktoré dúfa, že vysvetlí ľudské intelektuálne schopnosti pomocou umelých neurónových sietí (známych tiež ako „neurónové siete“alebo „neurónové siete“). Neurónové siete sú zjednodušené modely mozgu zložené z veľkého počtu jednotiek (analógov neurónov) spolu s váhami, ktoré merajú silu spojení medzi jednotkami. Tieto hmotnosti modelujú účinky synapsií, ktoré spájajú jeden neurón s druhým. Experimenty na modeloch tohto druhu preukázali schopnosť naučiť sa také zručnosti, ako je rozpoznávanie tváre, čítanie a detekcia jednoduchej gramatickej štruktúry.

Filozofi sa začali zaujímať o spojitosť, pretože sľubujú poskytnúť alternatívu ku klasickej teórii mysle: všeobecný názor, že myseľ je niečo podobné digitálnemu počítaču, ktorý spracúva symbolický jazyk. Presne ako a do akej miery je konekcionistické paradigma výzvou pre klasicizmus, bolo v posledných rokoch predmetom horúcej debaty.

  • 1. Opis neurónových sietí
  • 2. Učenie a backpropagácia neurónovej siete
  • 3. Vzorky toho, čo neurónové siete môžu urobiť
  • 4. Silné a slabé stránky neurónových modelov
  • 5. Tvar sporu medzi spojencami a klasicistami
  • 6. Prepojené zastúpenie
  • 7. Diskusia o systematickosti
  • 8. Konekcionizmus a sémantická podobnosť
  • 9. Konekcionizmus a eliminácia ľudovej psychológie
  • Bibliografia
  • Ďalšie internetové zdroje
  • Súvisiace záznamy

1. Opis neurónových sietí

Neurónová sieť pozostáva z veľkého počtu jednotiek spojených dohromady v rámci vzoru spojení. Jednotky v sieti sú zvyčajne rozdelené do troch tried: vstupné jednotky, ktoré prijímajú informácie, ktoré sa majú spracovať, výstupné jednotky, v ktorých sa nachádzajú výsledky spracovania, a jednotky medzi tzv. Skrytými jednotkami. Keby mala nervová sieť modelovať celý ľudský nervový systém, vstupné jednotky by boli analogické senzorickým neurónom, výstupným jednotkám motorických neurónov a skrytým jednotkám všetkých ostatných neurónov.

Tu je jednoduchá ilustrácia jednoduchej neurónovej siete:

netto
netto

Každá vstupná jednotka má aktivačnú hodnotu, ktorá predstavuje niektorú funkciu mimo siete. Vstupná jednotka odošle svoju aktivačnú hodnotu do každej zo skrytých jednotiek, ku ktorým je pripojená. Každá z týchto skrytých jednotiek počíta svoju vlastnú aktivačnú hodnotu v závislosti od aktivačných hodnôt, ktoré dostáva od vstupných jednotiek. Tento signál je potom prenášaný do výstupných jednotiek alebo do inej vrstvy skrytých jednotiek. Tieto skryté jednotky vypočítavajú svoje aktivačné hodnoty rovnakým spôsobom a posielajú ich so svojimi susedmi. Nakoniec sa signál na vstupných jednotkách šíri celou sieťou, aby sa určili aktivačné hodnoty na všetkých výstupných jednotkách.

Vzor aktivácie nastavený sieťou je určený váhami alebo silou spojení medzi jednotkami. Hmotnosti môžu byť pozitívne alebo negatívne. Záporná hmotnosť predstavuje inhibíciu prijímacej jednotky aktivitou vysielajúcej jednotky. Aktivačná hodnota pre každú prijímaciu jednotku sa vypočíta podľa jednoduchej aktivačnej funkcie. Aktivačné funkcie sa líšia v detailoch, ale všetky zodpovedajú rovnakému základnému plánu. Funkcia sčíta spolu príspevky všetkých odosielajúcich jednotiek, pričom príspevok jednotky je definovaný ako váha spojenia medzi odosielajúcimi a prijímajúcimi jednotkami a násobkom aktivačnej hodnoty vysielacej jednotky. Táto suma sa zvyčajne ďalej upravuje, napríklad,nastavením aktivačnej sumy na hodnotu medzi 0 a 1 a / alebo nastavením aktivácie na nulu, pokiaľ sa nedosiahne prahová úroveň pre sumu. Spojenci predpokladajú, že kognitívne fungovanie možno vysvetliť súbormi jednotiek, ktoré fungujú týmto spôsobom. Pretože sa predpokladá, že všetky jednotky vypočítavajú takmer rovnakú jednoduchú aktivačnú funkciu, ľudské intelektuálne úspechy musia závisieť predovšetkým od nastavenia hmotností medzi jednotkami.

Druh siete zobrazenej vyššie sa nazýva feed feed forward. Aktivácia tečie priamo zo vstupov do skrytých jednotiek a potom do výstupných jednotiek. Realistickejšie modely mozgu zahŕňajú mnoho vrstiev skrytých jednotiek a opakujúce sa spojenia, ktoré vysielajú signály späť z vyšších na nižšie úrovne. Takýto opakovaný výskyt je potrebný na vysvetlenie takých kognitívnych funkcií, ako je krátkodobá pamäť. V prednej sieti vytvárajú opakované prezentácie toho istého vstupu zakaždým rovnaký výstup, ale aj tie najjednoduchšie organizmy zvyknú (alebo sa učia ignorovať) opakovane prezentovať ten istý stimul. Spojenci majú tendenciu vyhnúť sa opakujúcim sa pripojeniam, pretože sa všeobecne vie o všeobecnom probléme školenia opakujúcich sa sietí len málo. Avšak Elman (1991) a ďalší dosiahli určitý pokrok pomocou jednoduchých opakujúcich sa sietí,kde je opakovanie prísne obmedzené.

2. Učenie a backpropagácia neurónovej siete

Nájdenie správnej množiny závaží na splnenie danej úlohy je ústredným cieľom v konekcionistickom výskume. Našťastie boli vyvinuté učebné algoritmy, ktoré dokážu vypočítať správne váhy na vykonávanie mnohých úloh. (Prístup k prehľadu nájdete v publikácii Hinton 1992.) Jedna z najpoužívanejších z týchto metód odbornej prípravy sa nazýva backpropagation. Na použitie tejto metódy je potrebná tréningová súprava pozostávajúca z mnohých príkladov vstupov a ich požadovaných výstupov pre danú úlohu. Ak je napríklad úlohou odlíšiť muža od ženských tvárí, tréningová súprava môže obsahovať obrázky tvárí spolu s uvedením pohlavia osoby zobrazenej na každej z nich. Sieť, ktorá sa dokáže naučiť túto úlohu, môže mať dve výstupné jednotky (označujúce kategórie muž a žena) a veľa vstupných jednotiek, z ktorých jedna je venovaná jasu každého pixelu (malá oblasť) na obrázku. Hmotnosti siete, ktorá sa má trénovať, sa spočiatku nastavia na náhodné hodnoty a potom sú členovia tréningovej sady opakovane vystavení sieti. Hodnoty pre vstup člena sú umiestnené na vstupných jednotkách a výstup siete je porovnávaný s požadovaným výstupom pre tento člen. Potom sa všetky hmotnosti v sieti mierne upravia v smere, ktorý by priblížil výstupné hodnoty siete k hodnotám pre požadovaný výstup. Napríklad, keď sa na vstupných jednotkách objaví samčia tvár, závažia sa upravia tak, aby sa zvýšila hodnota mužskej výstupnej jednotky a aby sa znížila hodnota ženskej výstupnej jednotky. Po mnohých opakovaniach tohto procesu sa sieť môže naučiť produkovať požadovaný výstup pre každý vstup v tréningovej sade. Ak školenie prebehne dobre,sieť sa tiež veľa naučila zovšeobecňovať na požadované správanie pre vstupy a výstupy, ktoré neboli v tréningovom súbore. Napríklad môže dobre odlíšiť mužov od žien na obrázkoch, ktoré mu nikdy predtým neboli predložené.

Tréningové siete na modelovanie aspektov ľudskej inteligencie sú výtvarné umenie. Úspech s backpropagáciou a inými metódami spojeného učenia môže závisieť od celkom jemného nastavenia algoritmu a tréningovej sady. Tréning zvyčajne zahŕňa stovky tisíc kôl nastavenia hmotnosti. Vzhíadom na obmedzenia poćítaćov, ktoré sú v súćasnosti k dispozícii výskumníkom v oblasti spojitosti, môże trvai vzdelávanie alebo vykonávanie siete na vykonávanie zaujímavej úlohy dni alebo dokonca týżdne. Niektoré z týchto problémov môžu byť vyriešené, keď sú široko dostupné paralelné obvody špeciálne navrhnuté na beh modelov neurónovej siete. Ale aj tu bude ešte stále potrebné čeliť určitým obmedzeniam spojovacích teórií učenia. Ľudia (a mnoho menej inteligentných zvierat) prejavujú schopnosť učiť sa z jednotlivých udalostí;napríklad zviera, ktoré jesť jedlo, ktoré neskôr spôsobuje žalúdočné ťažkosti, už nikdy nebude skúšať toto jedlo. Techniky spojeneckého učenia, ako je backpropagation, ani zďaleka nevysvetľujú tento druh „jednorazového“učenia.

3. Vzorky toho, čo neurónové siete môžu urobiť

Spojenci urobili významný pokrok pri demonštrácii sily neurónových sietí zvládnuť kognitívne úlohy. Tu sú tri známe experimenty, ktoré povzbudili spojencov, aby verili, že neurónové siete sú dobrými modelmi ľudskej inteligencie. Jedným z najatraktívnejších z týchto snáh je práca Sejnowského a Rosenberga z roku 1987 na sieti, ktorá dokáže prečítať anglický text s názvom NETtalk. Tréningová súprava pre NETtalk bola veľká databáza pozostávajúca z anglického textu spojeného s príslušným fonetickým výstupom, napísaného v kóde vhodnom na použitie so syntetizátorom reči. Pásky na vystúpenie NETtalk v rôznych fázach jeho tréningu sú veľmi zaujímavé pri počúvaní. Výstupom je najprv náhodný šum. Neskôr bude sieť znieť akoby bláznivá,a neskôr, akoby hovoril anglicky, dvojjazyčný hovor (reč, ktorá je tvorená zvukmi podobajúcimi sa anglickým slovám). Na konci tréningu robí NETtalk pomerne dobrú prácu pri vyslovovaní textu, ktorý mu bol daný. Táto schopnosť sa navyše pomerne dobre zovšeobecňuje na text, ktorý nebol uvedený v tréningovom súbore.

Ďalším vplyvným skorým konekcionistickým modelom bola sieť vycvičená Rumelhartom a McClellandom (1986), aby predpovedali minulý čas anglických slovies. Úloha je zaujímavá, pretože hoci väčšina slovies v angličtine (bežné slovesá) tvorí minulý čas pridaním prípony „-ed“, mnohé z najčastejšie sa vyskytujúcich slovies sú nepravidelné („is“/ „was“, „come“/ „prišiel“, „choď“/ „išiel“). Sieť bola najprv trénovaná na množine, ktorá obsahovala veľké množstvo nepravidelných slovies, a neskôr na množine 460 slovies, ktoré obsahovali väčšinou štamgasty. Sieť sa naučila minulé časy 460 slovies v približne 200 kolách výcviku a pomerne dobre zovšeobecnila slovesá, ktoré nie sú v tréningovom súbore. Ukázalo sa dokonca, že medzi nepravidelnými slovesami sa nachádzajú „zákonitosti“(„poslať“/ „poslať“, „zostaviť“/ „postaviť“; „vyhodiť“/ „vyhodiť“, „lietať“/ „preletieť“)., Počas učeniakeďže systém bol vystavený tréningovej množine obsahujúcej viac pravidelných slovies, mal tendenciu nadmerne regulovať, tj kombinovať nepravidelné aj pravidelné formuláre: („break“/ „broked“namiesto „break“/ „broke“), Toto bolo opravené väčším počtom školení. Je zaujímavé poznamenať, že deti sú známe tým, že počas výučby jazykov vykazujú rovnakú tendenciu k nadmernej regulácii. Existuje však horúca debata o tom, či Rumelhart a McClelland's sú dobrým modelom toho, ako sa ľudia skutočne učia a spracovávajú slovesné zakončenie. Napríklad Pinker & Prince (1988) zdôrazňujú, že tento model robí zlú prácu pri zovšeobecňovaní niektorých nových pravidelných slovies. Domnievajú sa, že toto je znakom základného zlyhania v modeli spojitosti. Siete môžu dobre vytvárať asociácie a vzory párovania,ale majú základné obmedzenia pri zvládaní všeobecných pravidiel, ako je formovanie pravidelného minulého času. Tieto sťažnosti vyvolávajú dôležitý problém pre modelárov v súvislosti s pripojením na internet, konkrétne to, či sa siete môžu správne zovšeobecniť, aby zvládli kognitívne úlohy zahŕňajúce pravidlá. Napriek námietkam Pinkera a Princa je veľa spojencov presvedčených, že zovšeobecnenie toho správneho druhu je stále možné (Niklasson a van Gelder 1994).

Elmanova práca z roku 1991 o sieťach, ktoré dokážu oceniť gramatickú štruktúru, má dôležité dôsledky pre diskusiu o tom, či sa neurónové siete môžu naučiť ovládať pravidlá. Elman vyškolil jednoduchú opakujúcu sa sieť, aby predpovedal ďalšie slovo vo veľkom korpuse anglických viet. Vety boli vytvorené z jednoduchého slovníka 23 slov pomocou podmnožiny anglickej gramatiky. Gramatika, aj keď jednoduchá, predstavovala ťažkú skúšku jazykového povedomia. Umožňoval neobmedzené vytváranie relatívnych klauzúl a zároveň vyžadoval súlad medzi hlavným menom a slovesom. Napríklad vo vete

Každý muž, ktorý prenasleduje psov, ktorí prenasledujú mačky … beží s.

singulární, človek 'musí súhlasiť s slovesá, run s „napriek zasahujúcim množným menám („ psy “,„ mačky “), ktoré by mohli spôsobiť výber„ behu “. Jednou z dôležitých vlastností Elmanovho modelu je použitie opakujúcich sa spojení. Hodnoty v skrytých jednotkách sa ukladajú do súboru tzv. Kontextových jednotiek, ktoré sa majú poslať späť na vstupnú úroveň pre ďalšie kolo spracovania. Toto opakovanie zo skrytých na vstupné vrstvy poskytuje sieti základnú formu pamäte sekvencie slov vo vstupnej vete. Elmanove siete ocenili gramatickú štruktúru viet, ktoré sa nenachádzali v tréningovom súbore. Príkaz syntaxe siete sa meral nasledujúcim spôsobom. Predpovedanie ďalšieho slova v anglickej vete je, samozrejme, nemožnou úlohou. Tieto siete však boli úspešné, prinajmenšom nasledujúcim opatrením. V danom okamihu vstupnej vetyvýstupné jednotky pre slová, ktoré sú gramatickým pokračovaním vety v tomto bode, by mali byť aktívne a výstupné jednotky pre všetky ostatné slová by mali byť neaktívne. Po intenzívnom tréningu bol Elman schopný vyrobiť siete, ktoré vykazovali perfektný výkon v tomto opatrení vrátane viet, ktoré nie sú v tréningovej sade.

Aj keď je tento výkon pôsobivý, ešte stále je pred nami veľa tréningových sietí, ktoré dokážu spracovať jazyk. Okrem toho sa objavili pochybnosti o význame Elmanových výsledkov. Napríklad, Marcus (1998, 2001) tvrdí, že Elmanove siete nie sú schopné zovšeobecniť tento výkon na vety tvorené novým slovníkom. Tvrdí, že toto je znakom toho, že spojenecké modely iba spájajú prípady a nie sú schopní skutočne ovládnuť abstraktné pravidlá. Na druhej strane, Phillips (2002) tvrdí, že klasické architektúry nie sú v tomto ohľade lepšie. Údajná neschopnosť konekcionistických modelov zovšeobecňovať výkon týmto spôsobom sa stala dôležitou témou v diskusii o systematike. (Pozri oddiel 7 nižšie.)

Trochu odlišné obavy z primeranosti konekcionistického spracovania jazyka sa zameriavajú na úlohy, ktoré napodobňujú detské učenie jednoduchých umelých gramatík. Údaje o reakčnom čase potvrdzujú, že deti sa môžu naučiť rozlišovať dobre tvarované a zle tvarované vety v novom jazyku vytvorenom experimentátormi. Shultz a Bale (2001) uvádzajú úspech v tréningu neurónových sietí na rovnakú úlohu. Vilcu a Hadley (2005) namietajú, že táto práca nepreukazuje skutočné nadobudnutie gramatiky, ale podrobnú odpoveď nájdete v publikácii Shultz a Bale (2006).

4. Silné a slabé stránky neurónových modelov

Filozofi sa zaujímajú o neurónové siete, pretože môžu poskytnúť nový rámec na pochopenie podstaty mysle a jej vzťahu k mozgu (Rumelhart a McClelland 1986, kapitola 1). Konekcionistické modely sa zdajú byť obzvlášť dobre zhodné s tým, čo vieme o neurológii. Mozog je skutočne nervová sieť tvorená z veľkého množstva jednotiek (neurónov) a ich prepojení (synapsií). Ďalej, niekoľko vlastností modelov neurónovej siete naznačuje, že konekcionizmus môže poskytnúť obzvlášť verný obraz o povahe kognitívneho spracovania. Neurónové siete vykazujú robustnú flexibilitu vzhľadom na výzvy, ktoré predstavuje skutočný svet. Hlučný vstup alebo ničenie jednotiek spôsobuje elegantné zhoršenie funkcie. Reakcia siete je stále primeraná, aj keď o niečo presnejšia. Naopak,hluk a strata obvodov v klasických počítačoch majú zvyčajne za následok katastrofické zlyhanie. Neurónové siete sú obzvlášť dobre prispôsobené problémom, ktoré si vyžadujú paralelné vyriešenie mnohých protichodných obmedzení. Z výskumu v oblasti umelej inteligencie existuje dostatok dôkazov, že kognitívne úlohy, ako je rozpoznávanie objektov, plánovanie a dokonca koordinovaný pohyb, predstavujú problémy tohto druhu. Aj keď klasické systémy sú schopné uspokojiť viacnásobné obmedzenia, konekcionisti tvrdia, že modely neurónovej siete poskytujú oveľa prirodzenejšie mechanizmy na riešenie takýchto problémov. Z výskumu v oblasti umelej inteligencie existuje dostatok dôkazov, že kognitívne úlohy, ako je rozpoznávanie objektov, plánovanie a dokonca koordinovaný pohyb, predstavujú problémy tohto druhu. Aj keď klasické systémy sú schopné uspokojiť viacnásobné obmedzenia, konekcionisti tvrdia, že modely neurónovej siete poskytujú oveľa prirodzenejšie mechanizmy na riešenie takýchto problémov. Z výskumu v oblasti umelej inteligencie existuje dostatok dôkazov, že kognitívne úlohy, ako je rozpoznávanie objektov, plánovanie a dokonca koordinovaný pohyb, predstavujú problémy tohto druhu. Aj keď klasické systémy sú schopné uspokojiť viacnásobné obmedzenia, konekcionisti tvrdia, že modely neurónovej siete poskytujú oveľa prirodzenejšie mechanizmy na riešenie takýchto problémov.

V priebehu storočí sa filozofi snažili pochopiť, ako sú naše pojmy definované. Teraz sa všeobecne uznáva, že snaha charakterizovať bežné predstavy nevyhnutnými a dostatočnými podmienkami je odsúdená na neúspech. Na krídlach vždy čakajú výnimky z takmer akejkoľvek navrhovanej definície. Napríklad by sa dalo povedať, že tigrom je veľká čierna a oranžová mačka. Ale čo albino tigre? Filozofi a kognitívni psychológovia tvrdia, že kategórie sú vymedzené flexibilnejšie, napríklad prostredníctvom pojmu rodinnej podobnosti alebo podobnosti s prototypom. Konekcionistické modely sa zdajú byť zvlášť vhodné na prispôsobenie sa odstupňovaným predstavám o členstve v tejto kategórii. Siete sa môžu naučiť oceňovať jemné štatistické vzorce, ktoré by bolo veľmi ťažké vyjadriť ako tvrdé a rýchle pravidlá. Konekcionizmus sľubuje, že vysvetlí flexibilitu a vhľad, ktorý sa nachádza v ľudskej inteligencii, pomocou metód, ktoré sa nedajú ľahko vyjadriť vo forme princípov bez výnimky (Horgan a Tienson 1989, 1990), čím sa zabráni krehkosti, ktorá vyplýva zo štandardných foriem symbolického zastúpenia.

Napriek týmto zaujímavým črtám existujú v konekcionistických modeloch určité slabiny, o ktorých sa hovorí. Po prvé, väčšina výskumov neurónovej siete abstrahuje od mnohých zaujímavých a možno dôležitých čŕt mozgu. Napríklad, spojovníci sa obvykle nepokúšajú explicitne modelovať rôzne druhy mozgových neurónov, ani účinky neurotransmiterov a hormónov. Okrem toho nie je ani zďaleka jasné, že mozog obsahuje druh spätných väzieb, ktoré by boli potrebné, keby sa mozog učil procesom, ako je backpropagation, a zdá sa, že obrovské množstvo opakovaní potrebných pre takéto tréningové metódy nie je ani zďaleka realistické. Pozornosť na tieto záležitosti bude pravdepodobne potrebná, ak sa majú skonštruovať presvedčivé konekcionistické modely ľudského kognitívneho spracovania. Musí sa tiež prijať závažnejšia námietka. Najmä medzi klasicistami sa všeobecne cíti, že neurónové siete nie sú zvlášť dobré pri spracovaní založenom na pravidlách, ktoré je považované za podriadené jazyku, uvažovaniu a vyšším formám myslenia. (Pre dobre známu kritiku tohto druhu pozri Pinker a Princ 1988.) O tejto otázke sa budeme ďalej baviť, keď sa obrátime na diskusiu o systematike.

5. Tvar sporu medzi spojencami a klasicistami

Posledných štyridsať rokov dominoval klasický názor, že (aspoň vyššie) ľudské poznanie je analogické so symbolickým výpočtom v digitálnych počítačoch. V klasickom prípade sú informácie reprezentované reťazcami symbolov, rovnako ako reprezentujeme údaje v počítačovej pamäti alebo na kusoch papiera. Spojovník naopak tvrdí, že informácia je uložená ne symbolicky v závažiach alebo silách spojenia medzi jednotkami neurónovej siete. Klasik je presvedčený, že kognícia sa podobá digitálnemu spracovaniu, kde sa reťazce vyrábajú postupne podľa pokynov (symbolického) programu. Conneistista vníma mentálne spracovanie ako dynamický a odstupňovaný vývoj aktivity v neurálnej sieti, pričom aktivácia každej jednotky závisí od silných stránok spojenia a aktivity jej susedov,podľa aktivačnej funkcie.

Na prvý pohľad sa tieto názory zdajú veľmi odlišné. Mnoho spojencov však svoju prácu nepovažuje za výzvu klasicizmu a niektorí zjavne podporujú klasický obraz. Tzv. Implementační konekcionisti hľadajú ubytovanie medzi týmito dvoma paradigmami. Tvrdia, že mozgová sieť implementuje symbolický procesor. Pravda, myseľ je nervová sieť; je to však aj symbolický procesor na vyššej a abstraktnejšej úrovni opisu. Úlohou konektivistického výskumu podľa implementacionistu je teda zistiť, ako je možné strojové vybavenie potrebné na symbolické spracovanie vyrobiť z materiálov neurónovej siete, takže klasické spracovanie možno zredukovať na účet neurónovej siete.

Mnoho spojencov však odmieta implementačný pohľad. Takíto radikálni spojenci tvrdia, že symbolické spracovanie bolo zlým odhadom toho, ako myseľ funguje. Sťažujú sa, že klasická teória robí zlú prácu pri vysvetľovaní pôvabnej degradácie funkcie, holistickej reprezentácie údajov, spontánnej generalizácie, zhodnotenia kontextu a mnohých ďalších znakov ľudskej inteligencie, ktoré sú zachytené v ich modeloch. Neschopnosť klasického programovania prispôsobiť sa flexibilite a účinnosti ľudského poznania je podľa ich svetiel príznakom potreby novej paradigmy kognitívnej vedy. Takže radikálni spojenci by navždy vylúčili symbolické spracovanie z kognitívnej vedy.

6. Prepojené zastúpenie

Konekcionistické modely poskytujú novú paradigmu na pochopenie toho, ako môžu byť informácie zastúpené v mozgu. Zvodná, ale naivná myšlienka je, že jednotlivé neuróny (alebo malé nervové zväzky) môžu byť venované znázorneniu každej veci, ktorú mozog potrebuje zaznamenať. Napríklad si môžeme predstaviť, že existuje babička neurón, ktorá vypaľuje, keď premýšľame o našej babičke. Takéto miestne zastúpenie však nie je pravdepodobné. Existujú dobré dôkazy o tom, že myšlienka našej starej mamy zahŕňa zložité vzorce činnosti distribuované v relatívne veľkých častiach kôry.

Je zaujímavé poznamenať, že distribuované, skôr než lokálne zastúpenia na skrytých jednotkách, sú prirodzenými produktmi spojovacích tréningových metód. Ako príklad slúžia aktivačné vzory, ktoré sa objavujú na skrytých jednotkách, zatiaľ čo text NETtalk spracováva text. Analýza ukazuje, že sieť sa naučila reprezentovať také kategórie ako súhlásky a samohlásky, nie vytvorením jednej jednotky aktívnej pre súhlásky a druhej samohlásky, ale skôr vývojom dvoch rôznych charakteristických modelov činnosti vo všetkých skrytých jednotkách.

Vzhľadom na očakávania vyplývajúce z našich skúseností s miestnym zastúpením na vytlačenej stránke sa zdá, že distribuované zastúpenie je nové a ťažko zrozumiteľné. Táto technika však vykazuje dôležité výhody. Napríklad distribuované reprezentácie (na rozdiel od symbolov uložených v samostatných umiestneniach pevnej pamäte) zostávajú relatívne dobre zachované, keď sú časti modelu zničené alebo preťažené. A čo je dôležitejšie, pretože reprezentácie sú kódované skôr ako paľby jednotlivých jednotiek, vzťahy medzi reprezentáciami sú kódované v podobnostiach a rozdieloch medzi týmito vzormi. Takže vnútorné vlastnosti reprezentácie nesú informáciu o tom, o čo ide (Clark 1993, 19). Naopak, miestne zastúpenie je bežné. Žiadne vnútorné vlastnosti reprezentácie (jednotka “s firing) určujú jeho vzťahy s ostatnými symbolmi. Táto vlastnosť reportovania distribuovaných reprezentácií sľubuje vyriešenie filozofického hlavolamu o význame. V symbolickej reprezentačnej schéme sú všetky reprezentácie zložené zo symbolických atómov (ako slová v jazyku). Význam zložitých reťazcov symbolov sa dá definovať podľa ich zloženia z ich zložiek, ale čo určuje význam atómov?ale čo určuje význam atómov?ale čo určuje význam atómov?

Prepojovacie reprezentatívne schémy poskytujú koniec behu okolo puzzle jednoduchým výdajom atómov. Každá distribuovaná reprezentácia je vzorom činnosti vo všetkých jednotkách, takže neexistuje principiálny spôsob, ako rozlíšiť jednoduché a zložité reprezentácie. Reprezentácie sú zložené z činností jednotlivých jednotiek. Žiadny z týchto „atómov“však nekóduje žiadny symbol. Reprezentácie sú sub-symbolické v tom zmysle, že analýza ich komponentov opúšťa symbolickú úroveň.

Sub-symbolická povaha distribuovanej reprezentácie poskytuje nový spôsob počatia spracovania informácií v mozgu. Ak modelujeme aktivitu každého neurónu pomocou čísla, potom aktivitu celého mozgu môžeme dať obrovským vektorom (alebo zoznamom) čísel, jedným pre každý neurón. Mozgový vstup zo zmyslových systémov a jeho výstup do jednotlivých svalových neurónov možno tiež považovať za vektory rovnakého druhu. Mozog teda predstavuje vektorový procesor a problém psychológie sa transformuje na otázky, ktoré operácie s vektormi zodpovedajú za rôzne aspekty ľudského poznania.

Sub-symbolická reprezentácia má zaujímavé dôsledky pre klasickú hypotézu, že mozog musí obsahovať symbolické reprezentácie, ktoré sú podobné vetám jazyka. Táto myšlienka, často označovaná ako myšlienka jazyka (alebo LOT), môže byť spochybnená povahou konekcionistických reprezentácií. Nie je ľahké povedať presne to, čo sa v LOTovej práci rovná, ale van Gelder (1990) ponúka vplyvný a všeobecne akceptovaný benchmark na určenie, kedy by mal mozog obsahovať vety podobné vetám. Je to tak, že keď je vyobrazenie znázornené, tak sa vymaže jeho zložka. Napríklad, ak píšem „Ján miluje Máriu“, napísal som týmto prvkom vety: „Ján“miluje a Mária. Distribuované reprezentácie zložitých výrazov, ako je „Ján miluje Máriu“, sa dajú skonštruovať tak, aby neobsahovali výslovné znázornenie ich častí (Smolensky 1991). Informácie o zložkách sa dajú získať zo znázornení, ale modely neurónovej siete nemusia tieto informácie výslovne extrahovať, aby sa správne spracovali (Chalmers 1990). To naznačuje, že modely neurónovej siete slúžia ako protiklady k myšlienke, že jazyk myslenia je predpokladom ľudského poznania. Táto záležitosť je však stále predmetom živej diskusie (Fodor 1997).ale modely neurónovej siete nemusia tieto informácie výslovne extrahovať, aby ich mohli správne spracovať (Chalmers 1990). To naznačuje, že modely neurónovej siete slúžia ako protiklady k myšlienke, že jazyk myslenia je predpokladom ľudského poznania. Táto záležitosť je však stále predmetom živej diskusie (Fodor 1997).ale modely neurónovej siete nemusia tieto informácie výslovne extrahovať, aby ich mohli správne spracovať (Chalmers 1990). To naznačuje, že modely neurónovej siete slúžia ako protiklady k myšlienke, že jazyk myslenia je predpokladom ľudského poznania. Táto záležitosť je však stále predmetom živej diskusie (Fodor 1997).

Novosť distribuovaného a prekrývaného ukladania informácií o spojitosti vedie, prirodzene, k uvažovaniu o životaschopnosti klasických pojmov symbolického výpočtu pri opise mozgu. Ramsey (1997) tvrdí, že aj keď môžeme neurónovým sieťam pripísať symbolické reprezentácie, tieto atribúty nie sú legitímnymi vysvetleniami správania modelu. Toto tvrdenie je dôležité, pretože klasický popis kognitívneho spracovania (a ľudových intuícií) predpokladá, že reprezentácie hrajú vysvetľujúcu úlohu pri porozumení mysle. Všeobecne sa predpokladá, že kognitívna veda si vo svojej podstate vyžaduje vysvetlenia, ktoré sa odvolávajú na reprezentácie (Von Eckardt 2003). Ak má Ramsey pravdu, bod sa môže orezať dvoma rôznymi spôsobmi. Niektorí ho môžu použiť na podporu nového a neklasického porozumenia mysle,zatiaľ čo iní by ju použili na tvrdenie, že konekcionizmus je neadekvátny, pretože nedokáže vysvetliť, čo musí. Haybron (2000) však namieta proti Ramseyovi, že v radikálnych konekcionistických architektúrach existuje dostatočný priestor na reprezentácie s vysvetľujúcou úlohou. Roth (2005) poukazuje na to, že na rozdiel od prvých dojmov môže mať zmysel vysvetliť správanie siete odkazom na počítačový program, aj keď nie je možné časom rozlíšiť postupnosť krokov výpočtu.môže mať tiež zmysel vysvetliť správanie siete odkazom na počítačový program, aj keď neexistuje spôsob, ako rozlíšiť postupnosť krokov výpočtu v priebehu času.môže mať tiež zmysel vysvetliť správanie siete odkazom na počítačový program, aj keď neexistuje spôsob, ako rozlíšiť postupnosť krokov výpočtu v priebehu času.

Diskusia týkajúca sa prítomnosti klasických reprezentácií a jazyka myslenia bola zahalená nejasnosťou pri definovaní toho, čo by sa malo v distribuovaných nervových modeloch považovať za reprezentatívne „vozidlá“. Shea (2007) zdôrazňuje, že individualizácia distribuovaných reprezentácií by sa mala definovať spôsobom, akým sa aktivačné vzorce na zoskupení skrytých jednotiek spájajú dohromady. Ide o vzťahy medzi zhlukovacími oblasťami v priestore možných vzorov aktivácie, ktoré nesú reprezentatívny obsah, nie samotné aktivácie, ani súbor jednotiek zodpovedných za aktiváciu. Na základe tohto porozumenia sa zlepšujú vyhliadky na nájdenie reprezentatívneho obsahu v neurálnych sieťach, ktoré je možné porovnávať v sieťach rôznych architektúr, ktoré sú kauzálne zapojené do spracovania,a ktoré prekonávajú niektoré námietky proti holistickým vysvetleniam významu.

V sérii článkov Horgan a Tienson (1989, 1990) presadzovali názor nazývaný reprezentácie bez pravidiel. Podľa tohto názoru klasicisti majú pravdu, keď si myslia, že ľudské mozgy (a ich dobré konekcionistické modely) obsahujú vysvetliteľne silné reprezentácie; ale mýlia sa, že si myslia, že tieto reprezentácie vstupujú do tvrdých a rýchlych pravidiel, ako sú kroky počítačového programu. Myšlienka, že spojovacie systémy môžu sledovať odstupňované alebo približné zákonitosti („mäkké zákony“, ako ich Horgan a Tienson nazýva), je intuitívna a príťažlivá. Aizawa (1994) však tvrdí, že vzhľadom na svojvoľnú neurónovú sieť s opisom úrovne reprezentácie je vždy možné vybaviť ju tvrdými a rýchlymi pravidlami na úrovni reprezentácie. Guarini (2001) odpovedá, že ak venujeme pozornosť pojmom nasledujúce pravidlá, ktoré sú užitočné pre kognitívne modelovanie,Konštrukcie Aizawy sa zdajú vedľa veci.

7. Diskusia o systematickosti

Hlavné body kontroverzie vo filozofickej literatúre týkajúcej sa konekcionizmu súvisia s tým, či konekcionisti poskytujú životaschopné a nové paradigma na pochopenie mysle. Jedna sťažnosť spočíva v tom, že spojovacie modely dokážu spracovať iba združenia. Takéto úlohy, ako je jazyk a uvažovanie, sa však nemôžu plniť len asociatívnymi metódami, a preto je nepravdepodobné, že by sa konexistom pri vysvetľovaní týchto vyšších kognitívnych schopností zhodovali výkony klasických modelov. Je však jednoduché dokázať, že neurónové siete dokážu urobiť čokoľvek, čo môžu symbolické procesory urobiť, pretože je možné skonštruovať siete napodobňujúce obvody počítača. Námietkou teda nemôže byť to, že modely konektistov nezodpovedajú za vyššie poznanie; skôr to môžu urobiť iba vtedy, ak implementujú klasicistov “s nástroje na symbolické spracovanie. Implementačný konekcionizmus môže byť úspešný, ale radikálni konekcionisti sa nikdy za to nebudú môcť zodpovedať.

Často citovaný dokument Fodora a Pylyshyna (1988) otvára debatu tohto druhu. Identifikujú črty ľudskej inteligencie nazývané systematickosť, ktorú podľa nich spojenci nevedia vysvetliť. Systematickosť jazyka sa týka skutočnosti, že schopnosť produkovať / porozumieť / myslieť si niektoré vety je vnútorne spojená so schopnosťou produkovať / porozumieť / myslieť iných na podobnú štruktúru. Napríklad nikto, ktorý ovláda angličtinu a ktorý rozumie „Ján miluje Máriu“, nemôže pochopiť, že „Mária miluje Johna“. Z klasického hľadiska možno spojenie medzi týmito dvoma schopnosťami ľahko vysvetliť predpokladom, že majstri angličtiny reprezentujú zložky („Ján“, „miluje“a „Mária“) „Ján miluje Máriu“a vypočítavajú z nich význam významy týchto zložiek. Ak je to tak,potom pochopenie novej vety ako „Mary miluje Johna“možno považovať za ďalší príklad toho istého symbolického procesu. Podobným spôsobom by symbolické spracovanie zodpovedalo systematickosti uvažovania, učenia a myslenia. Vysvetlilo by to, prečo neexistujú ľudia, ktorí sú schopní urobiť P z P & (Q & R), ale nie sú schopní vyvodiť P z P & Q, prečo nie sú ľudia, ktorí sa dokážu naučiť uprednostňovať červenú kocku pred zeleným štvorcom, ktorí nemôže sa naučiť uprednostňovať zelenú kocku pred červeným štvorcom, a prečo nie je nikto, kto si môže myslieť, že John miluje Máriu a nemôže si myslieť, že Mary miluje Johna. Vysvetlilo by to, prečo neexistujú ľudia, ktorí sú schopní urobiť P z P & (Q & R), ale nie sú schopní vyvodiť P z P & Q, prečo nie sú ľudia, ktorí sa dokážu naučiť uprednostňovať červenú kocku pred zeleným štvorcom, ktorí nemôže sa naučiť uprednostňovať zelenú kocku pred červeným štvorcom, a prečo niet nikoho, kto by si myslel, že John miluje Máriu a nemôže si myslieť, že Mária miluje Johna. Vysvetlilo by to, prečo neexistujú ľudia, ktorí sú schopní urobiť P z P & (Q & R), ale nie sú schopní vyvodiť P z P & Q, prečo nie sú ľudia, ktorí sa dokážu naučiť uprednostňovať červenú kocku pred zeleným štvorcom, ktorí nemôže sa naučiť uprednostňovať zelenú kocku pred červeným štvorcom, a prečo nie je nikto, kto si môže myslieť, že John miluje Máriu a nemôže si myslieť, že Mary miluje Johna.

Fodor a McLaughlin (1990) podrobne tvrdia, že konekcionisti nezodpovedajú za systematickosť. Aj keď môžu byť modely nacionalizmu trénované tak, aby boli systematické, môžu sa tiež trénovať napríklad na rozpoznávanie „Ján miluje Máriu“bez toho, aby boli schopní rozpoznať „Mária miluje Johna“. Pretože konekcionizmus nezaručuje systematickosť, nevysvetľuje, prečo sa systematické zistenie v ľudskom poznaní nachádza všadeprítomne. V spojistických architektúrach môže existovať systematickosť, ale ak existuje, nejde iba o šťastnú nehodu. Klasické riešenie je omnoho lepšie, pretože v klasických modeloch je všadeprítomná systematickosť zadarmo.

Obvinenie, že spojovacie siete sú pri vysvetľovaní systematickosti znevýhodnené, vyvolalo veľký záujem. Chalmers (1993) poukazuje na to, že argument Fodora a Pylyshyna je príliš preukázaný, pretože znamená, že všetky neurónové siete, dokonca aj tie, ktoré implementujú klasickú architektúru, nevykazujú systematickosť. Vzhľadom na nekontroverzný záver, že mozog je nervová sieť, by z toho vyplývalo, že v ľudskom myslení je systematická nemožnosť. Ďalším často spomínaným bodom vyvrátenia (Aizawa 1997; Matthews 1997; Hadley 1997b) je to, že klasické architektúry nedokážu lepšie vysvetliť systematickosť. Existujú aj klasické modely, ktoré je možné naprogramovať tak, aby rozpoznali „John miluje Máriu“bez toho, aby boli schopní rozpoznať „Mária miluje Johna.„Ide o to, že ani použitie samotnej spojovacej architektúry, ani samotné použitie klasickej architektúry nevynucuje dostatočne silné obmedzenie na vysvetlenie všadeprítomnej systematickosti. V obidvoch architektúrach sa musia urobiť ďalšie predpoklady o povahe spracovania, aby sa zabezpečilo, že sa spracúva aj „Mária miluje Johna“.

Diskusia o tomto bode by mala spomenúť požiadavku Fodora a McLaughlina, aby sa systematickosť vysvetľovala ako otázka nominálnej nevyhnutnosti, to znamená ako otázka prirodzeného práva. Sťažnosť proti konektistom spočíva v tom, že hoci môžu implementovať systémy, ktoré vykazujú systematickosť, nebudú ich vysvetľovať, pokiaľ to nevyplýva z ich modelov ako nominálna nevyhnutnosť. Dopyt po nominálnej nevyhnutnosti je však veľmi silný a dopyt, ktorý klasická architektúra jednoznačne nemôže splniť. Takže jedinou taktikou na zabezpečenie rozprávajúcej námietky proti spojnikom v tomto smere by bolo oslabenie požiadavky na vysvetlenie systematickosti tomu, čo klasická architektúra nemôže a spojovníci nemôžu splniť. Presvedčivý prípad tohto druhu sa musí ešte predložiť.

Ako sa rozvinula diskusia o systematike, pozornosť sa zamerala na vymedzenie referenčných kritérií, ktoré by zodpovedali výzve Fodora a Pylyshyna. Hadley (1994a, 1994b) rozlišuje tri značky systematickosti. Spojenci jasne demonštrovali najslabšie z nich tým, že ukázali, že neurónové siete sa môžu naučiť správne rozoznávať nové sekvencie slov (napr. „Mary miluje Johna“), ktoré neboli v tréningovej sade. Hadley však tvrdí, že presvedčivé vyvrátenie musí preukázať silnú systematickosť alebo lepšie, silnú sémantickú systematickosť. Silná systematickosť by si vyžadovala (prinajmenšom) uznanie „Márie miluje Johna“, aj keď „Mária“sa nikdy neobjaví v pozícii predmetu v žiadnej vete výcvikovej sady. Silná sémantická systematickosť by si tiež vyžadovala, aby sieť preukázala skôr správne sémantické spracovanie nových viet, ako len odlíšiť gramatické od negramatických foriem. Niklasson a van Gelder (1994) vyhlásili úspech so silnou systematickosťou, hoci Hadley sa sťažuje, že ide prinajlepšom o hraničný prípad. Hadley a Hayward (1997) sa zaoberajú silnou sémantickou systematickosťou, ale podľa samotného Hadleyho nie je zrejmé, že sa vyhli použitiu klasickej architektúry. Boden a Niklasson (2000) tvrdia, že skonštruovali model, ktorý spĺňa aspoň ducha silnej sémantickej systematickosti, ale Hadley (2004) tvrdí, že tam nebola preukázaná ani silná systematickosť. Či už jeden z týchto pokusov má pozitívny alebo negatívny názor,je možné povedať, že nikto sa nestretol s výzvou poskytnúť neurónovú sieť schopnú naučiť sa komplexné sémantické spracovanie, ktoré zovšeobecňuje celý rad skutočne nových vstupov.

Kent Johnson (2004) tvrdí, že celá debata o systematike je zavádzajúca. Pokusy o dôkladné definovanie systematickosti jazyka alebo myslenia nás nechávajú bezvýznamnosťou alebo nepravdivosťou. Spojenci majú určite vysvetlenie, ale Johnson odporúča, aby bolo zbytočné pozerať sa na svoje bremeno v rámci systematiky. Namiesto toho je potrebný vývoj modelov neurónovej siete schopných spracovať jazyk s rekurzívnou syntaxou, ktoré okamžite reagujú na zavedenie nových položiek do lexikónu. Diskusia o „systematickosti“už pravdepodobne prebehla, ako radí Johnson, pretože to, čo Hadley nazýva silnou sémantickou systematickosťou, sa zdá byť dobrým meradlom úspechu v tomto smere.

8. Konekcionizmus a sémantická podobnosť

Jednou z atrakcií distribuovaných reprezentácií v spojistických modeloch je to, že navrhujú riešenie problému určovania významu mozgových stavov. Ide o to, že podobnosti a rozdiely medzi aktivačnými vzormi pozdĺž rôznych dimenzií neurálnej aktivity zaznamenávajú sémantické informácie. Týmto spôsobom vlastnosti podobnosti nervových aktivácií poskytujú vnútorné vlastnosti, ktoré určujú význam. Fodor a Lepore (1992, kapitola 6) však spochybňujú účty založené na podobnosti na dvoch frontoch. Prvým problémom je, že ľudské mozgy sa pravdepodobne významne líšia počtom a spojením svojich neurónov. Aj keď je ľahké definovať opatrenia podobnosti na dvoch sieťach, ktoré obsahujú rovnaký počet jednotiek, je ťažšie pochopiť, ako sa to dá urobiť, keď sa základné architektúry dvoch sietí líšia. Druhým problémom, ktorý citujú Fodor a Lepore, je to, že aj keď je možné úspešne vytvoriť podobnostné významy, nestačí ich na splnenie desiderát, ktoré musí spĺňať teória významu.

Churchland (1998) ukazuje, že prvú z týchto dvoch námietok je možné vyhovieť. V práci Laakso a Cottrell (2000) vysvetľuje, ako je možné definovať miery podobnosti medzi aktivačnými vzormi v sieťach s radikálne odlišnými štruktúrami. Nielen to, Laakso a Cottrell ukazujú, že siete rôznych štruktúr trénovaných na rovnakú úlohu vyvíjajú aktivačné vzorce, ktoré sú silne podobné podľa odporúčaných opatrení. To ponúka nádej, že by sa mohli vytvoriť empiricky dobre definované miery podobnosti konceptov a myšlienok u rôznych jednotlivcov.

Na druhej strane rozvoj tradičnej teórie významu založenej na podobnosti čelí vážnym prekážkam (Fodor a Lepore 1999), pretože takáto teória by si vyžadovala priradenie podmienok pravdy na základe analýzy významu ich častí a nie je jasné, že podobnosť sama osebe závisí od takých úloh, ako je fixácia označenia spôsobom, aký vyžaduje štandardná teória. Avšak väčšina spojencov, ktorí propagujú významovo založené účty, odmietajú mnohé z predpokladov štandardných teórií. Dúfajú, že vytvoria pracovnú alternatívu, ktorá tieto predpoklady buď odmietne alebo zmení, pričom budú stále verné údajom o ľudských jazykových schopnostiach.

Calvo Garzon (2003) sa sťažuje, že existujú dôvody domnievať sa, že spojenci musia zlyhať. Odpoveď Churchlandu neodpovedá na výzvu na poskytnutie informácií o kolateráloch. Tento problém spočíva v tom, že namerané podobnosti medzi aktivačnými schémami pre koncept (povedzme: babička) v dvoch ľudských mozgoch sú zaručené veľmi nízke, pretože informácie o ich babkách (meno, vzhľad, vek, charakter) byť veľmi odlišný. Ak sú koncepty definované všetkým, čo vieme, opatrenia na aktivačné vzorce našich konceptov musia byť od seba veľmi vzdialené. Toto je skutočne hlboký problém v každej teórii, ktorá dúfa, že bude definovať význam funkčnými vzťahmi medzi stavmi mozgu. Filozofi mnohých pruhov musia bojovať s týmto problémom. Vzhľadom na absenciu úspešne vypracovanej teórie konceptov v tradičných alebo spojitých paradigmách je spravodlivé nechať otázku na budúci výskum.

9. Konekcionizmus a eliminácia ľudovej psychológie

Ďalšia dôležitá aplikácia konekcionistického výskumu vo filozofickej diskusii o mysli sa týka stavu ľudovej psychológie. Ľudová psychológia je koncepčná štruktúra, ktorú spontánne aplikujeme na porozumenie a predpovedanie ľudského správania. Napríklad s vedomím, že John túži po pive a že je presvedčený, že v chladničke je jedno, nám umožňuje vysvetliť, prečo John práve šiel do kuchyne. Takéto znalosti rozhodujúco závisia od našej schopnosti predstaviť si druhých ako túžby a ciele, plány na ich splnenie a presvedčenie, že tieto plány povedú. Myšlienka, že ľudia majú vieru, plány a túžby, je bežnou súčasťou bežného života; ale poskytuje verný opis toho, čo sa v mozgu skutočne nachádza?

Jeho obhajcovia tvrdia, že ľudová psychológia je príliš dobrá na to, aby bola nepravdivá (Fodor 1988, kapitola 1). Čo viac môžeme požiadať o pravdivosť teórie, než že poskytuje nevyhnutný rámec pre úspešné rokovania s ostatnými? Na druhej strane eliminativisti budú odpovedať, že užitočné a rozšírené používanie koncepčnej schémy nie je argumentom pre jej pravdu (Churchland 1989, kapitola 1). Starovekí astronómovia považovali pojem nebeských sfér za užitočný (dokonca nevyhnutný) pre výkon ich disciplíny, ale teraz vieme, že neexistujú žiadne nebeské sféry. Z pohľadu eliminativistov je vedecký pokrok v ceste vernosti ľudovej psychológii, rovnako ako vernosti ľudovej (aristotelskej) fyzike. Životaschopná psychológia môže vyžadovať radikálnu revolúciu vo svojich koncepčných základoch, aké sa nachádzajú v kvantovej mechanike.

Eliminativisti majú záujem o konekcionizmus, pretože sľubuje poskytnúť koncepčný základ, ktorý by mohol nahradiť ľudovú psychológiu. Napríklad Ramsey a kol. (1991) tvrdia, že určité siete na predpovedanie ukazujú, že jednoduché kognitívne úlohy možno vykonávať bez použitia funkcií, ktoré by mohli zodpovedať presvedčeniam, želaniam a plánom. Za predpokladu, že takéto siete sú verné tomu, ako mozog funguje, koncepty ľudovej psychológie nie sú lepšie ako nebeské sféry. To, či konekcionistické modely týmto spôsobom podkopávajú ľudovú psychológiu, je stále kontroverzné. Existujú dve hlavné línie odpovedí na tvrdenie, že konekcionistické modely podporujú eliminativistické závery. Jednou z námietok je, že modely používané Ramseyom a kol. sú siete na predávanie, ktoré sú príliš slabé na to, aby vysvetlili niektoré z najzákladnejších znakov poznania, napríklad krátkodobú pamäť. Ramsey a kol. nepreukázali, že v triede sietí vhodných pre ľudské poznanie musia chýbať presvedčenia a túžby. Druhá línia vyvrátenia spochybňuje tvrdenie, že znaky zodpovedajúce presvedčeniam a želaniam sa nevyhnutne nevyskytujú ani v sporných sieťach na predávanie (Von Eckardt 2005).

Túto otázku ďalej komplikujú nezhody o povahe ľudovej psychológie. Mnoho filozofov považuje vieru a túžby postulované ľudovou psychológiou za stavy mozgu so symbolickým obsahom. Napríklad presvedčenie, že v chladničke je pivo, sa považuje za stav mozgu, ktorý obsahuje symboly zodpovedajúce pivu a chladničke. Z tohto hľadiska je osud ľudovej psychológie pevne spojený s hypotézou symbolického spracovania. Ak teda spojovníci dokážu dokázať, že spracovanie mozgu je v podstate nes symbolické, budú nasledovať eliminativistické závery. Na druhej strane niektorí filozofi si nemyslia, že ľudová psychológia je v podstate symbolická, a niektorí by dokonca spochybnili myšlienku, že s ľudskou psychológiou by sa malo v prvom rade zaobchádzať ako s teóriou. Podľa tejto koncepcieje omnoho ťažšie nadviazať spojenie medzi výsledkami vo výskume spojitosti a odmietnutím ľudovej psychológie.

Bibliografia

  • Aizawa, K., 1994, „Reprezentácie bez pravidiel, konekcionizmus a syntaktický argument“, Synthese, 101: 465–492.
  • Aizawa, K., 1997, „Vysvetlenie systematickosti“, Mind and Language, 12: 115–136.
  • Aizawa, K., 1997, „Vykazovanie verzus vysvetľujúca systematickosť: Odpoveď na Hadleyho a Haywarda,“Minds and Machines, 7: 39–55.
  • Bechtel, W., 1987, „Prepojenie a filozofia mysle: prehľad“, The Southern Journal of Philosophy, 26 (Supplement): 17–41.
  • Bechtel, W., 1988, „Prepojenie, pravidlá a systémy zastúpenia: sú kompatibilné?“, Filozofická psychológia, 1: 5–15.
  • Bechtel, W. a Abrahamsen, A., 1990, konektivizmus a myseľ: Úvod do paralelného spracovania v sieťach, Cambridge, Mass.: Blackwell.
  • Boden, M. a Niklasson, L., 2000, „Sémantická systematickosť a kontext v spojovacích sieťach“, Connection Science, 12: 111–142.
  • Butler, K., 1991, „Smerom k konektivistickej kognitívnej architektúre“, Mind and Language, 6: 252–272.
  • Calvo Garzon, F., 2003, „Konektistická sémantika a kolaterálna informačná výzva“, Mind and Language, 18: 77–94.
  • Chalmers, D., 1990, „Syntaktické transformácie na distribuovaných zastúpeniach“, Connection Science, 2: 53–62.
  • Chalmers, D., 1993, „Prečo boli Fodor a Pylyshyn zlé: najjednoduchšie vyvrátenie“, filozofická psychológia, 6 (3): 305–319.
  • Christiansen, M., a Chater, N., 1994, „Zovšeobecnenie a spájanie jazykov,“Mind and Language, 9: 273–287.
  • Churchland, PM, 1995, Motor rozumu, sídlo duše: filozofická cesta do mozgu, Cambridge, Mass.: MIT Press.
  • Churchland, PM, 1998, „Koncepčná podobnosť naprieč zmyslovou a nervovou diverzitou: Odpoveď na otázku Fodor / Lepore“, Journal of Philosophy, 95: 5–32.
  • Churchland, PM, 1989, Neuromputačná perspektíva: povaha mysle a štruktúra vedy, Cambridge, Mass.: MIT Press.
  • Clark, A., 1989, Microcognition, Cambridge, Mass.: MIT Press.
  • Clark, A., 1993, asociatívne motory, Cambridge, Mass.: MIT Press.
  • Clark, A., 1995, „Connectionist Minds“, v McDonald (1995), 339 - 356.
  • Clark, A., a Lutz, R. (vyd.), 1992, Connectionism in Context, Springer.
  • Cotrell G., a Small, S., 1983, „Prepojistická schéma modelovania disambiguácie slovných zmyslov“, poznanie kognície a teórie mozgu, 6: 89–120.
  • Cummins, R., 1991, „Úloha reprezentácie v spojitosti s vysvetlením kognitívnych kapacít“, v Ramsey, Stich a Rumelhart (1991), 91–114.
  • Cummins, R., 1996, "Systematicity", Journal of Philosophy, 93 (22): 561 - 614.
  • Cummins, R., a Schwarz, G., 1991, „Connectionism, Computation and Cognition“, T. Horgan a J. Tienson (1991), 60–73.
  • Davies, M., 1989, "Connectionism, Modularity and Tacit Knowledge", British Journal for the Philosophy of Science, 40: 541 - 555.
  • Davies, M., 1991, „Koncepty, konekcionizmus a jazyk myslenia“, v Ramsey et al. (1991), 229 - 257.
  • Dinsmore, J. (ed.), 1992, Symbolické a spojovacie paradigmy: Closing the Gap, Hillsdale, NJ: Erlbaum.
  • Elman, JL, 1991, „Distribuované zastúpenia, jednoduché opakujúce sa siete a gramatická štruktúra“, v Touretzky (1991), 91–122.
  • Fodor, J., 1988, Psychosemantics, Cambridge, Mass.: MIT Press.
  • Fodor, J., 1997, „Prepojenosť a problém systematickosti: Prečo Smolenského riešenie stále nefunguje“, Cognition, 62: 109–119.
  • Fodor, J., a Lepore, E., 1992, Holism: A Shopper's Guide, Cambridge: Blackwell.
  • Fodor, J., a Lepore, E., 1999, „Všetko na mori v sémantickom priestore: Churchland o významovej podobnosti“, Journal of Philosophy, 96: 381–403.
  • Fodor, J. a McLaughlin, B., 1990, „Prepojenosť a problém systematickosti: Prečo Smolenského riešenie nefunguje,“Cognition, 35: 183–204.
  • Fodor, J. a Pylyshyn, Z., 1988, „Prepojenie a kognitívna architektúra: kritická analýza“, pozn., 28: 3–71.
  • Garfield, J., 1997, „Mentalese Not Speak Here Here: Computation Cognition and Causation“, Philosophical Psychology, 10: 413–435.
  • Garson, J., 1991, „Čo spojenci nemôžu urobiť: Hrozba klasickej AI“, v publikácii T. Horgan a J. Tienson (1991), 113–142.
  • Garson, J., 1994, „Poznanie bez klasickej architektúry“, Synthese, 100: 291 - 305.
  • Garson, J., 1997, „Syntax in the Dynamic Brain“, Synthese, 110: 343–355.
  • Guarini, M., 2001, „Obrana konekcionizmu proti syntaktickému argumentu“, Synthese, 128: 287–317.
  • Hadley, R., 1994a, „Systematickosť vo výučbe spojistického jazyka“, Mind and Language, 9: 247–271.
  • Hadley, R. 1994b, „Systematicity Revisited“, Mind and Language, 9: 431–444.
  • Hadley, R., 1997a, „Vysvetlenie systematickosti: Odpoveď Kennethovi Aizawovi,“Minds and Machines, 7: 571–579.
  • Hadley, R., 1997b, „Poznávanie, systematickosť a nominálna nevyhnutnosť“, Mind and Language, 12: 137–153.
  • Hadley, R., 2004, „O správnom zaobchádzaní so sémantickou systematickosťou“, Minds and Machines, 14: 145–172.
  • Hadley, R., a Hayward, M., 1997, „Silná sémantická systematickosť hebbského konektistického učenia“, Minds and Machines, 7: 1-37.
  • Hanson, J., a Kegl, J., 1987, „PARSNIP: Prepojovacia sieť, ktorá sa učí gramatiku v prirodzenom jazyku od expozície po prirodzené vety,“deviata výročná konferencia kognitívnej vedeckej spoločnosti, Hillsdale, NJ: Erlbaum, s. 106 -119.
  • Hatfield, G., 1991, „Zastúpenie vo vnímaní a poznaní: pripojenie k afektancii“, v Ramsey et al. (1991), 163 - 195.
  • Hatfield, G., 1991, „Zastúpenie a okamžitá regulácia v spojovacích systémoch“, v T. Horgan a J. Tienson (1991), 90–112.
  • Hawthorne, J., 1989, „O kompatibilite konekcionistických a klasických modelov“, filozofická psychológia, 2: 5–15.
  • Haybron, D., 2000, „Príčinná a vysvetľujúca úloha informácií uložených v spojovacích sieťach“, Minds and Machines, 10: 361–380.
  • Hinton, G., 1992, „Ako sa neurónové siete učia zo skúseností,“Scientific American, 267 (3): 145–151.
  • Hinton, G. (ed.), 1991, Connectionist Symbol Processing, Cambridge, Mass.: MIT Press.
  • Hinton, G., 1991a, „Mapovanie čiastočných hierarchií do spojovacích sietí“, Hinton (1991), 47–76.
  • Hinton, G., McClelland, J., a Rumelhart, D., 1986, „Distribuované zastúpenia“, kapitola 3, Rumelhart, McClelland, a kol. (1986).
  • Horgan, T. a Tienson, J., 1989, „Reprezentácie bez pravidiel“, Philosophical Topics, 17: 147–174.
  • Horgan, T. a Tienson, J., 1990, „Soft Laws“, Midwest Studies in Philosophy, 15: 256–279.
  • Horgan, T., a Tienson, J. (vyd.), 1991, Connectionism and Philosophy of Mind, Dordrecht: Kluwer.
  • Horgan, T., a Tienson, J., 1996, Connectionism and Philosophy of Psychology, Cambridge, Mass.: MIT Press.
  • Johnson, K., 2004, „O systematickosti jazyka a myslenia“, Journal of Philosophy, 101: 111–139.
  • Laakso, A., a Cotrell, G., 2000, „Obsahová a klastrová analýza: Posúdenie reprezentatívnej podobnosti v nervových systémoch“, filozofická psychológia, 13: 47–76.
  • Macdonald, C. (ed.), 1995, Connectionism: Debates on Psychological Explanation, Oxford: Blackwell.
  • Matthews, R., 1997, „Dokážu spojenci vysvetliť systematickosť?“Mind and Language, 12: 154–177.
  • Marcus, G., 1998, „Prehodnotenie eliminačného spojitosti“, Cognitive Psychology, 37: 243–282.
  • Marcus, G., 2001, The Algebraic Mind, Cambridge, Mass.: MIT Press.
  • McClelland, J., a Elman, J., 1986, „TRACE model vnímania reči“, kognitívna psychológia, 18: 1-86.
  • McClelland, J., Rumelhart, D., a kol., 1986, Parallel Distributed Processing, Volume II, Cambridge, Mass.: MIT Press.
  • McLaughlin, B., 1993, „Bitka o spojitosť / klasicizmus o získanie duší“, Philosophical Studies, 71: 163–190.
  • Miikkulainen, T., 1993, Subsymbolické spracovanie prirodzeného jazyka: Integrovaný model skriptov, lexikón a pamäť, Cambridge, Mass.: MIT Press.
  • Niklasson, L., a van Gelder, T., 1994, „On Being Systematically Connectionist“, Mind and Language, 9: 288–302.
  • Phillips, S., 2002, „Vysvetľuje klasicizmus univerzalitu?“Minds and Machines, 12: 423–434.
  • Pinker, S. a Mehler, J. (vyd.), 1988, Connections and Symbols, Cambridge, Mass.: MIT Press.
  • Pinker, S., a Prince, A., 1988, „O jazyku a spojitosti: analýza modelu paralelného distribuovaného spracovania jazykových akvizícií“, Cognition, 23: 73–193.
  • Pollack, J., 1989, „Dôsledky rekurzívnych distribuovaných zastúpení“, v Touretzky (1989), 527–535.
  • Pollack, J., 1991a, „Indukcia dynamických rozpoznávačov“, v Touretzky (1991), 123-148.
  • Pollack, J., 1991b, „Rekurzívne distribuované zastúpenie“, v Hintone (1991), 77–106.
  • Port, Robert, F., 1990, „Zastúpenie a uznanie dočasných vzorov“, Connection Science, 2: 151–176.
  • Port, R., a van Gelder, T., 1991, „Zastupovanie aspektov jazyka“, zborník z trinástej výročnej konferencie kognitívnej vedeckej spoločnosti, Hillsdale, NJ: Erlbaum.
  • Ramsey, W., 1997, „Získajú si pripojovacie reprezentácie dôvodovú správu?“Mind and Language, 12: 34–66.
  • Ramsey, W., Stich, S. a Rumelhart, D., 1991, Teória filozofie a spojitosti, Hillsdale, NJ: Erlbaum.
  • Ramsey, W., Stich, S. a Garon, J., 1991, „Connectionism, Eliminativism and Future of Folk Psychology“, Ramsey, Rumelhart and Stich (1991), 199–228.
  • Roth, M., 2005, „Realizácia programu v spojovacích sieťach“, Mind and Language, 20: 448–467.
  • Rumelhart, D. a McClelland, J., 1986, „O učení minulých časov anglických slovies“, v McClelland a Rumelhart a kol. (1986), 216 - 271.
  • Rumelhart, D., McClelland, J., a kol., 1986, Parallel Distributed Processing, zv. I, Cambridge, Mass.: MIT Press.
  • Schwarz, G., 1992, „Connectionism, Processing, Memory“, Connection Science, 4: 207-225.
  • Sejnowski, T. a Rosenberg, C., 1987, „Paralelné siete, ktoré sa učia vyslovovať anglický text“, Complex Systems, 1: 145–168.
  • Servan-Schreiber, D., Cleeremans, A. a McClelland, J., 1991, „Gradované štátne stroje: Zastúpenie dočasných nepredvídaných udalostí v jednoduchých opakujúcich sa sieťach“, v Touretzky (1991), 57 - 89.
  • Shastri, L., a Ajjanagadde, V., 1993, „Od jednoduchých asociácií k systematickému zdôvodňovaniu: spojistická reprezentácia pravidiel, premenných a dynamických väzieb pomocou dočasnej synchronizácie“Behaviorálne a mozgové vedy, 16: 417–494.
  • Shea, N., 2007, „Obsah a jeho dopravné prostriedky v spojovacích systémoch“, Mind and Language, 22: 246–269.
  • Shultz T. a Bale, A., 2001, „Simulácia neuronovej siete na zoznámenie dieťaťa s umelou vetou“, Infancy, 2: 501–536.
  • Shultz T. a Bale, A., 2006, „Neurónové siete objavujú vzťah blízkej identity k rozlíšeniu jednoduchých syntaktických foriem“, Minds and Machines, 16: 107–139.
  • Smolensky, P., 1987, „Základná štruktúra prepojených duševných štátov: odpoveď na Fodora a Pylyshyna“, The Southern Journal of Philosophy, 26 (Supplement): 137–161.
  • Smolensky, P., 1988, „O správnom zaobchádzaní s konekcionizmom“, Behavioral and Brain Sciences, 11: 1-74.
  • Smolensky, P., 1991, „Viazanie variabilných produktov tenzora a znázornenie symbolických štruktúr v spojovacích systémoch“, v Hinton (1991), 159–216.
  • Smolensky, P., 1995, „Základná štruktúra a vysvetlenie v integrovanej spojeneckej / symbolickej kognitívnej architektúre“, MacDonald (1995).
  • John, M. a McClelland, J., 1991, „Učenie a uplatňovanie kontextových obmedzení pri porozumení vete“, Hinton (1991), 217–257.
  • Tomberlin, J. (ed.), 1995, Filozofické perspektívy 9: AI, Connectionism and Philosophical Psychology, Atascadero: Ridgeview Press.
  • Touretzky, D., 1989, Pokroky v systémoch spracovania nervových informácií I, San Mateo, CA: Kaufmann.
  • Touretzky, D., 1990, Pokroky v systémoch spracovania nervových informácií II, San Mateo, CA: Kaufmann.
  • Touretzky, D., 1991, konektivistické prístupy k výučbe jazykov, Dordrecht: Kluwer.
  • Touretzky, D., Hinton, G., a Sejnowski, T., 1988, Zborník z Letnej školy konekcionistických modelov z roku 1988, San Mateo: Kaufmann.
  • van Gelder, T., 1990, „Compositionality: A Connectionist Variation on Classical Theme“, Cognitive Science, 14: 355–384.
  • van Gelder, T., 1991, „Čo je„ D “v PDP?“v Ramsey a kol. (1991), 33 - 59.
  • van Gelder, T a Port, R., 1993, „Beyond Symbolic: Prolegomena to Kama-Sutra of Compositionality“, v V. Honavar a L. Uhr (Eds.), Spracovanie symbolov a spojovacie modely v AI a Poznaní: Kroky Smerom k integrácii, Boston: Academic Press.
  • Vilcu, M. a Hadley, R., 2005, „Dva zjavné protiklady“k Marcusovi: Bližší pohľad, “Minds and Machines, 15: 359–382.
  • Von Eckardt, B., 2003, „Vysvetlivka pre mentálne reprezentácie v kognitívnej vede“, Mind and Language, 18: 427–439.
  • Von Eckardt, B., 2005, „Prepojenie a predpokladané postoje“, v C. Erneling a D. Johnson (ed.), Myseľ ako vedecký objekt: Medzi mozgom a kultúrou, New York: Oxford University Press.
  • Waltz, D., a Pollack, J., 1985, „Masívne paralelné parsovanie: silne interaktívny model interpretácie prirodzeného jazyka,“kognitívna veda, 9: 51–74.

Ďalšie internetové zdroje

  • Bibliografia o spojitosti, zostavená Davidom Chalmersom (Arizonská univerzita).
  • Konekcionizmus: Stručný zoznam čítaní, ktorý vedie Ezra van Everbroeck (Kalifornská univerzita - San Diego).