走向认知发展的理性建构理论

516239ddf448759cca067c53934b483f.png

Towards a Rational Constructivist Theory of Cognitive Development 

Fei Xu University of California, Berkeley

来源:CreateAMind

本文对认知发展理论——理性建构主义进行了综述。这种观点的基本原则如下:(a)初始状态:人类婴儿以一组原型概念的原语开始生命。这些早期的表述并不是思维语言的形式。

(b) 成熟状态:人类成年人根据一套特定领域的直觉理论来代表世界。

(c) 三种机制解释了学习、发展和概念变化:语言和符号学习、贝叶斯归纳学习和建设性思维。儿童是一个积极的学习者,认知能力是发展的一部分。我将逐一讨论这些原则,并概述支持这一观点的实证证据。这是一个非皮亚杰的观点,尽管它符合建构主义发展理论的精神;这种观点强调形式计算模型在理解学习和发展变化中的效用。最后,这个观点对心灵哲学和认识论的研究也有启示。

关键词:理性建构主义,认知发展,学习机制

(部分节选如下:全文约5000字)

认知发展理论(以及一般的发展心理学和发展认知科学)通常有如下特征:(a)初始状态是什么?也就是说,人类学习者的感知和认知能力从何开始?(b)什么是成熟状态?也就是说,一个人类学习者作为一个成年人,她的概念系统最终在哪里?(c)是什么样的表现和学习机制支持学习者从一个小人物成长为现代社会的有用公民?也就是说,在这个过程中驱动学习、发展和观念转变的机制有代表性的变化吗?

本文承担了回答这些问题的挑战性任务,并提供了一个认知发展理论的综合和概述,即理性建构主义。这个理论框架致力于一种代表性的、计算性的思维观点(例如,Chomsky, 1987; Fodor & Pylyshyn,1988).认知发展的理性建构主义理论的中心原则如下

1.

人类婴儿的最初表现可以最好地表征为一组原型概念基元。这些表征既不是传统意义上的知觉或感觉运动(如其他建构主义理论所主张的),也不是完全概念性的(如核心知识理论所主张的)。这些表述不是思维语言的形式(LOTFodor, 1975).同样重要的是,年幼的人类婴儿有一个庞大的学习机制工具箱,它超越了简单的联想学习机制。

2.

人类学习者的成熟概念系统的成熟状态可以最好地表征为一组特定领域的直觉理论,例如直觉物理学、直觉心理学、直觉生物学、直觉社会学等等。

这些是结构化的、抽象的表述,类似于理论;在计算认知科学文献中,它们通常被称为生

成模型

直觉理论是因果解释框架,由一组相互关联的概念和信念组成,表达为命题态度(即自然语言中的句子)。

3.

三种类型的学习机制驱动着学习、发展和概念的改变:(a)语言和符号学习,这种学习贯穿于儿童早期及以后;(b)贝叶斯归纳学习,它提供了理性信念修正的机制;(c)建设性思维,包括一套“通过思维学习”的机制,如思维实验、类比、解释、心理意象和心理模拟(Gendler, 2000; Lombrozo, 2018). 这些机制可以被描述为假说产生、概念变化和理论变化的机制。

4.

这孩子是个积极的学习者。这种观点认为,人类学习者从婴儿期开始,就不是环境信息的被动接受者;相反,她在推动自己的学习和发展方面发挥着关 键 作 用 

孩子不仅仅是一个有能力的复杂的数据处理器,能很好地利用来自环境的输入;她至少有时还是一个优秀/理性的信息搜寻者,甚至是数据生成者。

初始状态:原型概念原语

对象

已经提出了各种标准来区分知觉表示和概念表示。在这里,我建议进行一个强有力的测试:这些早期的表示是以一种类似语言的格式进行的吗;也就是说,这些表征是思想语言的一部分吗(Fodor, 1975)? 这个强有力的标准的主要论点是,我们大多数人都同意概念是语言使用背后的心理表征。采用这一标准给了我们一种严格而有原则的方法来区分概念和知觉表征。注意,认可这一标准并不意味着非人类动物不能有概念;如果他们的概念是正确的表达格式,他们可以不用语言就能得到它们。因此,问题就变成了早期的表征是否有正确的格式,以至于它们以后能以一种简单明了的方式支持语言学习。我认为答案是否定的。早期的表征在计算和推理上是丰富的(见下面的证据评论),但它们没有达到我在这里设定的高标准:它们不是思维语言的形式。为了将这种观点与强烈的经验主义观点和强烈的本土主义观点区分开来,我将把这些早期的表征称为原型概念基元。

三个主要原因激发了这种特性:(a)这些表示不仅支持丰富的推理,而且在整个开发过程中支持相同的推理。这是连续性部分。(b)这些表征在形式上和是否支持语言学习上与后来发展的表征有质的不同。这是不连续的部分。(c)这些表征跨越了传统的感知-概念分界,因此有了“原型-概念”这个术语。让我们依次看看每个候选核心概念。

 Spelkeet al. (1992) 提出了一套婴儿如何推理物体和物体运动的原则:内聚力、连续性、可靠性和接触性。内聚性表明物体作为整体运动;它们不会自发地分裂成多个物体,也不会聚合成一个物体。连续性表明物体在连续的路径上运动;它们不能从 A 点移动到 B 点而不经过它们之间的连接路径。实性是指物体不能同时占据同一个空间。接触状态表示没有远距离动作;一个物体只能通过接触另一个物体来作用于它。

尽管婴儿物体知识的演示令人印象深刻,但这种最初的物体概念似乎并不是思维语言的形式:它不支持对狗或球等可数名词的学习。有一些证据表明,这些表征是不可及的,或者不够强大,不足以支持预测和行动。与其称之为客体概念, 这意味着这个概念可以支持语言学习,不如称之为客体感觉可能更合适

代理

婴儿的世界不仅充满了他们可以与之互动的物体,还充满了他们以完全不同的方式与之互动的人。许多研究项目集中在意向性和早期心理理论发展中的两个问题上:(a)婴儿如何识别代理人?(b)就其精神内容而言,婴儿赋予这些媒介什么?Bail-largeon, Scott, and Bian (2016)提供了该文献的近期综述。代理的识别不仅依赖于面部形态,还依赖于偶然行为和目标导向的动作(例如,Johnson, Slaughter, & Carey, 1998;Woodward, 1998;以及许多其他的)。婴儿对智能体的理解是抽象的——智能体不必看起来像人(有脸、眼睛等)。)并且它支持丰富的推理——如果某样东西表现出目标导向的行为,或者如果它与环境偶然交互,甚至一个斑点也可以是一个有意的代理。成年人继续使用这种代理的概念, 证明了抽象的代理感即代理感的发展的连续性。

为什么这些早期的表述是原型概念,而不是思维语言的形式? 

从上面回顾的证据来看,这些早期的表征似乎是领域特定的,推理丰富(Carey,2009; Spelke, 1994). 同时,这些表象在多方面都是“脆弱”的。这些表现可能在很大程度上是自动的和信息封装的(尽管不像福多尔建议的那样严格);这些表示可能是隐式的,不足以支持预测和动作;这些表示可能不是支持语言学习的正确格式;这些表征似乎也受到中级感知/注意系统的某些限制。

我提出了一个相当严格的概念标准,即正在讨论的表征应该是思维语言的形式,这样它们就可以支持语言学习,无论是单词还是语言的其他方面。此外,我们需要一种思维语言——也许是一种自然语言——来表达我们直觉理论中的信念,并超越感知/形象化的表述。

论点,即非常早期的表征既不是知觉的也不是概念的,我们称它们为原型概念基元。这些表示可能是无意义的,它们可能支持丰富的推论; 然而,它们没有达到用思维语言表达格式的标准 (Fodor, 1975), 因此,它们不是真正的概念

成熟状态:特定领域的直觉理论

认知发展的成熟状态已经被许多人描述为一套特定领域的直觉理论(例如,直觉物理学、直觉心理学、直觉生物学、直觉天文学

.Wellman  and  Gelman  (1992) 称 这 些 为 “ 框 架 理论”——它们是“将现象划分为不同的知识和信仰组织系统的直觉理论。”这些知识结构在重要方面是“类似理论的”

 首先,这些知识结构的内容是根据一组因果的、解释性的概念和信念组织起来的,很像科学理论。这些概念是精神上的表征,通过信念联系起来获得解释力(例如,所有生物都生长和繁殖)。

第二,这些知识结构经历了两种类型的变化,信念的改变和概念的改变,很像科学理论。鉴于事实知识的积累,信念修正是常见的(例如,一个孩子最初可能不知道所有的昆虫都有六条腿,但从父母或学校获得了这一知识)。人类学习者拥有良好的日常信念修正机制(参见下面的贝叶斯归纳学习作为理性信念修正的工具一节)。概念的变化更多地是逐渐发生的,一部分是基于累积的信念修正,一部分是基于对因果关系理解的变化。例如,考虑一下直觉生物学的情况:一个孩子最初可能不理解动物和植物都是生物。当动物和植物被归入“生物”的全球范畴时,她的许多生物学知识——呼吸、生长、繁殖等等——也发生了变化。当我们考虑直觉物理学的情况时,我们看到了具有深远影响的其他类型的概念变化。例如,学龄前儿童对重量和密度没有明确的概念,因为他们对大小、物质和物质种类有不同的理解。当孩子长到 8 或 9 岁时,他们会将重量/密度的概念分成两个不同的概念, 并 通 过 费 力 的 思 考 和 推 理 找 出 两 者 之 间 的 关 系 (Smith, Carey, & Wiser,)

推理原理开始 (例如, Spelke, 1994;Spelke et al., 1992).后来,孩子们发展出一套物质理论,包括质量、重量、密度、固体和非固体物质、气体和物体种类等核心概

意向性原则开始(例如,Gergely & Csibra, 2006;Wellman, 1990)对目标导向的行动进行推理(例如,Woodward, 1998).后来,至少根据一些研究人员的说法,儿童发展了一种心理理论,包括对真假信念、欺骗、说谎和其他高级心理结构

这些知识结构与核心知识系统(在我们的术语中,称为原型概念基元)有着根本的不同。核心知识系统通过直觉分析来识别它们的推理实体,而直觉理论中推理的实体是通过更多的理论方法来识别的。核心知识系统是由非人类动物共享的,并且在进化上是古老的,而构建直觉理论的能力大概是人类独有的。核心知识系统是响应和任务特定的,而直觉理论是中央推理系统,可广泛用于支持预测和行动。最后,核心知识体系是不断发展的,有微小的修正和阐述,而直觉理论是开放的,可以修正和彻底的概念变化,以至于儿童和成人后来的理论可能与他们早期的理论不可通约。

学习、发展和概念变化的机制

人类婴儿从一套原始概念开始生活,到了童年中期,他们已经形成了一套特定领域的直觉理论。这些概念原型跨越了感知概念的界限,它们不是思维语言的形式;后来发展起来的直观理论是真正的概念表述,它们用语言的命题来表达。如果我们对初始状态和最终状态的描述是正确的, 那么我们需要三种变化的机制。

第一,将原型概念原语转换成有助于语言学习和命题推理的格式(即,思维语言)的机制。

第二,信念修正的机制,因为直觉理论是由一组概念和信念组成的,而我们的信念在面对证据时会改变。

第三,真正的概念变化的机制——甚至我们嵌入直觉理论的核心概念和核心信念也可能被彻底修正,我们可能经历包含不可通约性 可 能 性 的 理 论 变 化

贝叶斯框架加深了我们对第二个关键问题的理解,那就是“学会学习”或过度合成的概念(Goodman, 1955;Kemp, Perfors, & Tenen-baum, 2007).有了分层贝叶斯模型的技术工具,研究表明,学习者可以使用最初的输入来提取规律性,这些规律性成为指导后来学习的习得性偏差。认知和语言发展文献中一个众所周知的例子是形状偏差:年幼的儿童倾向于将新奇的可数名词归纳为具有相同形状,但不具有相同纹理或颜色的物体

 最后,在最近一项优雅的研究中,CesanaArlotti et al. (2018)  发 现 除 了 这 些 概 率 推 理 能 力 之外,12-19 个月大的婴儿的推理工具箱可能还包括演绎推理的先驱。

这组研究提供了令人信服的证据,证明婴儿不仅擅长跟踪频率和相关性(即联想学习机制),他们还拥有一套复杂的统计推理机制,支持至少从 6 个月开始的诱导学习。这些强大的理性、统计和推理机制使人类能够快速准确地获取许多领域的知识(参见 Xu & Kushnir, 2013,2012 用于评论)。它们的存在在解释幼儿在缺乏正式指导的情况下,在生命的最初几年里认知能力的快速增长方面发挥了关键作用——这一壮举让大多数成年人感到震惊。

类比推理的一个重要过 程 是 结 构 映 射 (Gentner, 1983) 寻 找 “ 可 对 齐 的 差异”(Markman & Gentner, 1993). 其思想是,学习者检查源领域的结构,并且对于每个元素,尝试识别目标领域中相应的元素。重要的是,当没有相应的元素时,根据需要假设一个元素——即新概念或新假设。

最近的研究发现,即使是 3 到 9 个月大的婴儿也有一些类比推理的基本能力。婴儿使用比较的过程来提取样本集之间不明显的共性,例如,相同与不同,并据此在测试中进行归纳(Anderson, Chang, Hes-pos, & Gentner, 2018). 这一发现非常符合婴儿可以提取变量的想法——这是一种令人印象深刻的抽象能力——同时忽略更明显和突出的感知特征(例如,Marcus et al., 1999).Gentner and Hoyos (2017) 进一 步 表 明 , 类 比 推 理 可 能 是 过 度 假 设 形 成 的 潜 在机 制 , 正 如 上 一 节 所 指 出 的 , 过 度 假 设 在 发 展 学习 偏 差 和 构 建 更 大 的 概 念 结 构 中 起 着 关 键 作 用 。

学龄前儿童使用比较的过程来产生新的假设。在一项优雅的研究中,Christie and Gentner (2010) 我发现结构对齐有助于 3-4 岁的儿童从基于对象相似性的默认归纳模式转向基于关系相似性的归纳模式。

这些研究和许多其他研究都支持这样的说法,即类比推理能力——假说生成的一种机制——在生命的最初几年发展迅速,它们在建立各种内容领域的直觉理论中起着至关重要的作用

年轻的人类学习者从婴儿期开始就积极地参与到学习过程中,她构建了新的概念、新的学习偏见、新的信念和新的直觉理论,这些可能与她与生俱来的完全不同。此外,虽然婴儿可能一开始就有相当复杂的特定领域的表征,但我所讨论的学习机制都是一般领域的。这些领域通用机制通过改变导致特定领域直觉理论构建的初始表示的格式,通过提供信念修正的理性方式,以及通过构建新思想和新假设来产生真正的概念变化,来驱动发展。

更多请参考原文。

未来智能实验室的主要工作包括:建立AI智能系统智商评测体系,开展世界人工智能智商评测;开展互联网(城市)大脑研究计划,构建互联网(城市)大脑技术和企业图谱,为提升企业,行业与城市的智能水平服务。每日推荐范围未来科技发展趋势的学习型文章。目前线上平台已收藏上千篇精华前沿科技文章和报告。

  如果您对实验室的研究感兴趣,欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”

34ff87c6fa20c34bab62e99916016e99.png

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/482061.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

JavaWeb笔记:JDBC总结

JavaWeb笔记:JDBC总结 目录 JavaWeb笔记:JDBC总结 一、JDBC概述 二、开发一个JDBC程序(重要) 三、JDBC常用的类和接口详解 1、java.sql.Drivermanager类 : 创建连接 2、java.sql.Connection接口:一个连接 3、java.sql.Statement接口:…

谷歌街景15年乾坤大挪移!带你穿越法老的金字塔

来源:机器学习研究组订阅最近两年多,整个世界都被一个共同对手折腾得够呛。有人咬牙坚持、有人躺平摆烂,有人祈求上天,还有人离开了这个世界。更多的人们则逐渐意识到,原来所谓「Good Old Times」离我们竟然如此之近&a…

如何构建可信GNN?最新综述来了!可信图神经网络:维度,方法,趋势

来源:Monash University作者:He Zhang,Bang Wu前言在过去的几年里,以神经网络为首的人工智能技术通过对不同类型数据的深入挖掘已经深刻地改变了人类的生活并极大地推动了社会发展的进程 [1]。作为人工智能领域最活跃的研究方向之…

JavaWeb:XML总结

JavaWeb:XML总结 目录 JavaWeb:XML总结 一:什么是XML? 二:xml语法: 三: xml约束: 四:XML解析思想: 一:什么是XML? XML:eXtensible Markup La…

JavaWeb:tomcat服务器安装总结及Http协议

JavaWeb:tomcat服务器安装总结 目录 JavaWeb:tomcat服务器安装总结 一:服务器端概述: 二:Tomcat下载: 三:安装: 四:HTTP问题: 五:深入了解tomcat服务器&#xff1…

深度知识的6个维度:如何让人工智能真正理解世界?

智能的真正标志不是知识,而是想象力。来源:AI科技评论作者:Gadi Singer编译:王玥编辑:陈彩娴什么知识让我们变得聪明?我们用来理解世界、解释新体验和做出深思熟虑的选择的认知结构是什么?定义一…

2013年图灵奖得主Leslie Lamport:如何写出数学上完美的算法

来源:新智元图灵奖得主、分布式系统先驱、LaTeX之父Leslie Lamport认为,对于程序员而言,对数学思维的强调永远不会过分,要写出好代码,不能惧怕数学。Leslie Lamport可能不是一个家喻户晓的名字,但一提到和他…

Python绘制图形之Matplotllib绘图

Python绘制图形之Matplotllib绘图 目录 Python绘制图形之Matplotllib绘图 一、绘制二维函数图 1.1 绘制 f(x)sin2(x−2)e−x2 1.2 、绘制 sigmoid函数图: f(x)11e−x 1.3、绘制正态分布图 二、绘制三维图 2.1 绘制三维螺旋图 2.2 绘制三维线性点图 2.3 绘制三维柱状图 2…

新发现罕见生命密码:基因读取的另一套代码

来源:生物通令人震惊但让人困惑的是,我们所知的生命密码使用了61个不同的三字母密码子,只产生了20个氨基酸,这意味着许多密码子被用来描述同一件事。新的研究表明,大脑和睾丸似乎非常适应使用多种不同种类的遗传密码来…

《自然-机器智能》:神经形态技术可使大型深度学习网络节能16倍

来源: 学术头条受生物大脑机制的启发,研究人员一直在提高人工神经网络的性能效率和计算要求。一项新的研究表明,对于大型深度学习网络,神经形态技术的能源效率有望达到其他人工智能系统的 16 倍。格拉茨技术大学(TU Gr…

康奈尔计算计学院院长Kavita Bala:「元宇宙」算什么?上帝之眼或将通过 AI 诞生...

来源:AI科技评论编译:王玥编辑:陈彩娴在今年斯坦福HAI实验室的春季会议上,康奈尔计算机学院院长Kavita Bala以“视觉外观和理解:从微米分辨率到世界级”为题,就她在数字化现实世界方面的研究进行了精彩的演…

王浩:哥德尔思想概说

来源:本文原文刊于《科学文化评论》2004年第6期撰文:王浩翻译:邢滔滔译者按本文选自王浩最后一本著作A Logical Journey—From Gdel to Philosophy (Cambridge: The MIT Press, 1996)的引言部分,有删节,题目…

八大排序:Java实现八大排序及算法复杂度分析

目录 QUESTION:八大排序:Java实现八大排序及算法复杂度分析 ANSWER: 一:冒泡排序 1.算法分析 2.时间复杂度分析 3.代码 二:选择排序 1.算法分析 2.时间复杂度分析 3.代码 三:插入排序 1.算法分析 2.时间复杂度分析 3.代码 四&a…

网友:看完Jeff Dean新论文,我再也不相信大厂的鬼话了

来源:数学中国文字:乔叶配图 :乔叶排版:余弟宗璇「我相信他们得到的数字是准确的,他们确实做了工作并得到了结果…… 但这样真的好吗?」一名机器学习研究者的灵魂发问,今天成为了整个社区最热门…

CV未来在这68张图上?Google Brain深扒ImageNet:顶级模型全都预测失败

来源:新智元编辑:LRS【新智元导读】ImageNet的标签问题一直为人诟病,最近Google Brain全面分析了基准内遗留的历史问题,并找出了所有顶级模型全都预测失败的68张图片,或许未来CV想取得突破,先得攻破这68关&…

谷歌夺回AI画语权,机器的想象力达到全新高度,网友:DALL·E 2诞生一个月就过时了?...

来源:量子位在让AI搞创作这件事上,谷歌和OpenAI正面刚起来了。这不,震惊全网的DALLE 2才新鲜出炉一个月,谷歌就派出名为Imagen的选手来打擂台。直接上图对比,左边是谷歌Imagen选手眼中的“猫猫绊倒人类雕像”&#xff…

Linux安装MySQL的完整步骤并有关MySQL8.0版本的问题方法

目录 QUESTION:Linux安装MySQL的完整步骤? ANSWER: 一:使用wget 直接下载 二:安转软件源,将platform-and-version-specific-package-name 替换为你下载的rpm名 三:安装mysql服务端 四:首先启动mysql 五&#x…

研究遭质疑,Jeff Dean回应:我们本就不是为得到新SOTA,成本计算也搞错了

来源:机器之心编辑:杜伟、陈萍对于 Jeff Dean 的回复,你认同吗?昨日,整个社区最热门的话题无外乎是 reddit 上一名机器学习研究者对谷歌 AI 负责人 Jeff Dean 参与论文的质疑。这篇论文是《An Evolutionary Approach t…

全脑地图:单个记忆被拆分存储在多个相连的大脑区域

来源:神经生物学根据一项创新的脑域映射研究,单一的记忆被存储在许多连接的大脑区域。创新的脑成像研究表明,“记忆印记”,编码记忆的神经元集合,广泛分布,包括在以前没有意识到的区域。麻省理工学院皮考尔…

李德毅 | 新一代人工智能如何从传统人工智能中脱颖而出

来源:图灵人工智能 作者:李德毅 中国工程院院士、CAAI名誉理事长、主线科技首席科学家2021年4月10日,“吴文俊人工智能科学技术奖”十周年颁奖盛典在北京举办。颁奖典礼上,中国工程院院士、中国人工智能学会名誉理事长李德毅荣获…