Везде

ООНСоциологические исследования

  • ISSN (Print) 0132-1625
  • ISSN (Online)3034-6010

Натуральные вычисления и искусственный интеллект

Вы можете
Код статьи
S023620070019511-9-
DOI
10.31857/S023620070019511-9
Тип публикации
Статья
Статус публикации
Опубликовано
Авторы
Михайлов Игорь Феликсович
Том/ Выпуск
Том 33 / Выпуск №2
Страницы
65-83
Аннотация

Программа исследований, ориентированная на анализ вычислительных подходов к естественному и искусственному интеллекту — одна из четырех, принятых к исполнению в Центре философии сознания и когнитивных наук Института философии РАН. Согласно замыслу, она должна стать направлением междисциплинарных исследований на стыке философии, когнитивной психологии, когнитивной и социальной нейронауки, а также искусственного интеллекта. Рабочая гипотеза, которая предлагается к обсуждению соответствующими специалистами, состоит в следующем: в случае появления приемлемой вычислительной теории сознания мы сможем ограничиться достаточно простой научной онтологией, описывающей только элементы материальной реализации вычислительных алгоритмов, а в качестве формального языка могут быть приняты те или иные варианты вычислительной математики. Еще одна гипотеза, предлагаемая к обсуждению, состоит в том, что имеется существенная онтологическая связь между механизмами, лежащими в основе когнитивных способностей человека, и его социальной организацией — и те, и другие служат субстратом для реализации сложных распределенных когнитивных вычислений, причем именно те, которые связаны с социальной организацией, ответственны за логико-вербальные («рациональные») когнитивные способности. В ходе уже осуществленных исследований была в общих чертах сформулирована онтология вложенных друг в друга распределенных вычислительных систем, которая, как ожидается, может продемонстрировать существенный эвристический потенциал, если будет дополнена адекватным математическим аппаратом. Поскольку только индивиды, обладающие определенными когнитивными способностями, могут быть социальными агентами, возникает философская проблема: необходимыми или достаточными являются когнитивные способности для вовлечения их носителей в устойчивые социальные взаимодействия? В первом случае мы имеем слабый тезис о когнитивной детерминации социальности, во втором — сильный тезис. Выбор между этими позициями также составляет один из предметов будущих исследований.

Ключевые слова
когнитивные вычисления, искусственный интеллект, когнитивная психология, когнитивная социальная нейронаука, научная онтология, рациональность, мультиагентные системы
Дата публикации
11.05.2022
Всего подписок
12
Всего просмотров
974

Библиография

  1. 1. Джохадзе И.Д. Аналитический прагматизм Роберта Брэндома. ИФРАН; 2015.
  2. 2. Михайлов И.Ф. Виртуальные проекции человеческого мира: мультиагентные системы // Философские проблемы информационных технологий и киберпространства. 2017, №13(1). С. 18–28. doi:10.17726/philIT.2017.1.1
  3. 3. Михайлов И.Ф. Восприятие, логика и множественность рациональных репрезентаций мира. Философские науки. 2019, № 62(7) С. 37–53. doi:10.30727/0235-1188-2019-62-7-37-53
  4. 4. Михайлов И.Ф. Вычислительный подход в социальном познании. Философия науки и техники. 2021, №26(1), С. 23–37. doi:10.21146/2413-9084-2021-26-1-23-37
  5. 5. Михайлов И.Ф. К гиперсетевой теории сознания [Toward a Hyper-Network Theory of Consciousness]. Вопросы философии. 2015, №11. С. 87–98.
  6. 6. Михайлов И.Ф. Когнитивные вычисления и социальная организация. Вопросы философии. 2020, №11, С. 125–128. doi:10.21146/0042‒8744‒2020‒11-125-128
  7. 7. Михайлов И.Ф. Социальная онтология: время вычислений. Вестник Томского государственного университета. Философия Социология Политология. 2020, № 55, С. 36–46. doi:10.17223/1998863X/55/5
  8. 8. Михайлов И.Ф. Философские проблемы моделирования мультиагентных систем. Философские науки. 2018, №12, С. 56–74. doi:10.30727/0235-1188-2018-12-56-74
  9. 9. Михайлов И.Ф. Человек, сознание, сети. М.: ИФРАН, 2015.
  10. 10. Anderson J. R. The Architecture of Cognition. Harvard: Harvard University Press, 1983.
  11. 11. Attneave F. In defense of homunculi. Sensory Communication. Contributions to the Symposium on Principles of Sensory Communication, July 19-Aug. 1, 1959, Endicott House. Cambridge: MIT Press, 1961. P. 777–782.
  12. 12. Brandom R.B. Making It Explicit: Reasoning, Representing, and Discursive Commitment. Harvard: Harvard University Press, 2001.
  13. 13. Buckley C.L., Kim C.S., McGregor S., Seth A. K. The free energy principle for action and perception: A mathematical review. Journal of Mathematical Psychology. 2017 N 81. P. 55–79. doi:10.1016/j.jmp.2017.09.004
  14. 14. Calzavarini F. Chapter 3. Inferential processing with concrete vs. abstract words and visual cortex. Bolognesi M., Steen G. J. (Eds.). Perspectives on Abstract Concepts. Cognition, Language and Communication. Amsterdam: John Benjamins Publishing Company, 2019. P. 59–74. doi:10.1075/hcp.65.04cal
  15. 15. Calzavarini F. Inferential and referential lexical semantic competence: A critical review of the supporting evidence. Journal of Neurolinguistics, 2017, N 44. P. 163-189. doi:10.1016/j.jneuroling.2017.04.002
  16. 16. Carvalho E.M. Socially Extending the Mind Through Social Affordances. Curado M., Gouveia S. S. (Eds.) Automata’s Inner Movie: Science and Philosophy of Mind. Wilmington: Vernon Press, 2019. P. 193–212.
  17. 17. Clark A. Whatever next? Predictive brains, situated agents, and the future of cognitive science. Behavioral and Brain Sciences. 2013, N 36(3), P. 181–204. doi:10.1017/S0140525X12000477
  18. 18. Colombo M., Wright C. First principles in the life sciences: the free-energy principle, organicism, and mechanism. Synthese. Published online: Sept. 10 2018. doi:10.1007/s11229-018-01932-w
  19. 19. Craver C., Bechtel W. Mechanism. In: Pfeifer J., Sarkar S. (Eds.) The Philosophy of Science: An Encyclopedia. Psychology Press; 2006:469-478.
  20. 20. Debruille J.B., Brodeur M.B., Franco Porras C. N300 and Social Affordances: A Study with a Real Person and a Dummy as Stimuli. In: di Pellegrino G (Ed.) PLoS ONE. 2012, N 7(10): e47922. doi:10.1371/journal.pone.0047922
  21. 21. DeSilva J.M., Traniello J.F. A., Claxton A.G., Fannin L.D. When and Why Did Human Brains Decrease in Size? A New Change-Point Analysis and Insights from Brain Evolution in Ants. Frontiers in Ecology and Evolution. 2021, N 9. doi:10.3389/fevo.2021.742639
  22. 22. Fagin R., Halpern J., Moses Y., Vardi M. Reasoning About Knowledge. Cambridge: The MIT Press, 2003. doi:10.7551/mitpress/5803.001.0001
  23. 23. Fetzer J. H. Thinking and Computing: Computers as Special Kinds of Signs. Minds and Machines. 1997, N 7(3). P. 345–364. doi:10.1023/A:1008230900201
  24. 24. Friston K., Frith C. A. Duet for one. Consciousness and Cognition. 2015, N 36, P. 390–405. doi:10.1016/j.concog.2014.12.003
  25. 25. Friston K., Kiebel S. Predictive coding under the free-energy principle. Philosophical Transactions of the Royal Society: Biological Sciences. 2009, N 364(1521), P. 1211–1221. doi:10.1098/rstb.2008.0300
  26. 26. Friston K.J. Waves of Prediction. PLOS Biology. 2019, N 17(10), P. e3000426. doi:10.1371/journal.pbio.3000426
  27. 27. Friston K.J., Frith C.D. Active Inference, Communication and Hermeneutics. Cortex. 2015, N 68, P. 129–143. doi:10.1016/j.cortex.2015.03.025
  28. 28. von Helmholtz H. Treatise on Physiological Optics. NY: Dover Publications, 2013.
  29. 29. Hohwy J. The Predictive Mind. Oxford: Oxford University Press, 2014. doi:10.1093/acprof:oso/9780199682737.001.0001
  30. 30. Keller G.B., Mrsic-Flogel T. D. Predictive Processing: A Canonical Cortical Computation. Neuron. 2018. N 100(2), P. 424–435. doi:10.1016/j.neuron.2018.10.003
  31. 31. Kelly M.P., Kriznik N.M., Kinmonth A.L., Fletcher P.C. The Brain, Self and Society: a social-neuroscience model of predictive processing. Social Neuroscience. 2019, N 14(3), P. 266-276. doi:10.1080/17470919.2018.1471003
  32. 32. Kilner J.M., Friston K.J., Frith C.D. Predictive Coding: An Account of the Mirror Neuron System. Cognitive Processing. 2007, N 8(3), P. 159–166. doi:10.1007/s10339-007-0170-2
  33. 33. Kremer M. Representation or Inference: Must We Choose? Should We? Weiss B., Wanderer J. (Eds.). Reading Brandom: On Making It Explicit. London; New York: Routledge, 2010.
  34. 34. Marr D. Vision: A Computational Investigation into the Human Representation and Processing of Visual Information. Cambridge: The MIT Press, 2010. doi:10.7551/mitpress/9780262514620.001.0001
  35. 35. McDermott D.V. Mind and Mechanism. Cambridge: MIT Press, 2001. [Electronic resource] URL: https://books.google.cm/books?id=aSm4BhlmHYEC
  36. 36. Pylyshyn Z.W. Computation and Cognition: Toward a Foundation for Cognitive Science. Cambridge: The MIT Press, 1986.
  37. 37. Ryder D., Favorov O.V. The New Associationism: A Neural Explanation for the Predictive Powers of Cerebral Cortex. Brain and Mind. 2001, N 2(2), P. 161–194. doi:10.1023/A:1012296506279
  38. 38. Seth A.K, Hohwy J. Predictive Processing as An Empirical Theory for Consciousness Science. Cognitive Neuroscience. 2021, N 12(2), N 89–90. doi:10.1080/17588928.2020.1838467
  39. 39. Weiss B., Wanderer J. Introduction. Weiss B., Wanderer J. (Eds.). Reading Brandom: On Making It Explicit. London; New York: Routledge, 2010.
QR
Перевести

Индексирование

Scopus

Scopus

Scopus

Crossref

Scopus

Высшая аттестационная комиссия

При Министерстве образования и науки Российской Федерации

Scopus

Научная электронная библиотека