РАЗУМ КАК МАШИНА: ИЗУЧЕНИЕ ВЫЧИСЛИТЕЛЬНОЙ ТЕОРИИ РАЗУМА
Ключевые слова:
Вычислительная теория разума, Когнитивная наука, Искусственный интеллект, Символические представления, Алгоритмические процессы, Когнитивное моделирование, Восприятие, Обучение, Память, Принятие решений, Языковая обработка, Сознание, Философия разума, Кибернетика, Вычислительная нейронаукаАннотация
«Разум как машина: изучение вычислительной теории разума» углубляется в увлекательную область Вычислительной теории разума (ВТР), которая утверждает, что психические процессы можно понимать как вычисления, выполняемые мозгом. Эта статья предлагает всестороннее исследование ВТМ, прослеживая его историческое развитие,
исследуя его основные принципы и оценивая его значение для понимания природы познания и сознания. включая идею о том, что разум действует как вычислительная система, состоящая из символических представлений и
алгоритмических процессов.Посредством синтеза исследований в области психологии, нейробиологии, искусственного интеллекта и философии мы исследуем, как ВТР применяется в различных областях когнитивных
исследований, таких как как восприятие, обучение, память, принятие решений и языковая обработка.Мы также изучаем сильные и ограниченные возможности компьютерного моделирования в плане отражения богатства и
сложности человеческого познания, решения таких проблем, как моделирование эмоций, творчества и субъективного опыта. . Кроме того, мы углубляемся в философское значение ВТР, рассматривая его значение для дебатов, касающихся сознания, свободы воли и проблемы разума и тела. Критически анализируя ВТР и его междисциплинарные применения, эта статья призвана обеспечить детальное понимание вычислительной природы
разума и ее последствий для нашей концепции человеческого интеллекта и свободы действий.
Библиографические ссылки
Ackley, D. H., Hinton, G. E., & Sejnowski, T. J. (1985). A learning algorithm for Boltzmann machines. Cognitive Science, 9(1), 147-169.
Anderson, J. R., & Lebiere, C. (1998). The Atomic Components of Thought. Erlbaum.
Elman, J. L., Bates, E. A., Johnson, M. H., Karmiloff-Smith, A., Parisi, D., & Plunkett, K. (1996). Rethinking Innateness: A Connectionist Perspective on Development. MIT Press.
Fukushima, K. (1980). Neocognitron: A self-organizing neural network model for a mechanism of pattern recognition unaffected by shift in position. Biological Cybernetics, 36(4), 193-202.
Hopfield, J. J. (1982). Neural networks and physical systems with emergent collective computational abilities. Proceedings of the National Academy of Sciences, 79(8), 2554-2558.
Jurafsky, D., & Martin, J. H. (2008). Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Prentice Hall.
Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk. Econometrica, 47(2), 263-291.
McClelland, J. L., & Elman, J. L. (1986). The TRACE model of speech perception. Cognitive Psychology, 18(1), 1-86.
Newell, A., & Simon, H. A. (1956). The Logic Theorist: A Case Study in Heuristic Problem Solving. Proceedings of the Western Joint Computer Conference.
Newell, A., & Simon, H. A. (1976). Computer Science as Empirical Inquiry: Symbols and Search. Communications of the ACM, 19(3), 113-126.
Rumelhart, D. E., & McClelland, J. L. (1986). Parallel Distributed Processing: Explorations in the Microstructure of Cognition. MIT Press.
Simon, H. A. (1957). Models of Man: Social and Rational. Wiley.
Sutton, R. S., & Barto, A. G. (1998). Reinforcement Learning: An Introduction. MIT Press.
Turing, A. M. (1936). On Computable Numbers, with an Application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, 42(1), 230-265.
Von Neumann, J. (1958). The Computer and the Brain. Yale University Press.
