Mente: Introdução à Ciência Cognitiva

Paul Thagard

Francine Ferreira Vaz

Imagens

Muitos filósofos, de Aristóteles a Descartes e Locke, assumiram que imagens semelhantes a quadros são uma parte essencial do pensamento humano.

Com a Psicologia Cognitiva na década de 60, os experimentos continuaram e modelos computacionais de imagem visual começaram a aparecer.

Visão

Apesar do processo da visão parecer simples, a sua complexidade fica aparente quando precisamos simulá-lo no computador. O armazenamento da imagem é simples, no entanto, extrair informações de milhões de pontos é muito difícil.

Poder Representacional

Qual é a estrutura das imagens mentais?

Kosslyn argumentou que o cérebro humano utiliza vários tipos de redes neurais para representar as informações espaciais.

Poder Computacional

As representações visuais, tanto mentais quanto externas, são acessíveis a diferentes tipos de procedimentos computacionais e representações verbais: Inspecionar; Encontrar; Zoom; Rotar; Transformar.

Resolução de Problemas

Planejamento: você deve primeiro construir representações verbais dos estados de início e de objetivos e, depois, construir um caminho visual do início até seu objetivo;

Decisão: contribuição da imagem para a tomada de decisão, incluindo as imagens emocionais;

Explanação: o raciocínio visual pode ser muito útil para gerar explicações.

Aprendizado

Revisar uma tarefa em sua mente pode ajudá-lo a realizá-la melhor quando chegar momento.

As imagens podem também ser úteis para a generalização, como quando alguém utiliza quadros de membros de uma categoria como elefante para formar uma imagem mental regular de elefante.

Linguagem

Como a linguagem é essencialmente verbal, então como poderia a imaginação ser relevante para seu uso?

Como Lakoff e Johnson enfatizaram, muitas metáforas são visuais na sua origem.

Lakoff defende que a compreensão envolve esquemas de imagens, que são conceitos gerais que têm um componente visual.

Plausibilidade Psicológica Muitos experimentos psicológicos apoiaram a

idéia de que a imagem visual faz parte do pensamento.

Embora a maioria dos pesquisadores de psicologia estejam convencidos através de experimentos de que os homens utilizam a imagem visual, alguns mais céticos sustentam a idéia de que o mesmo tipo de representação verbal está subjacente a todo o pensamento, e que as experiências das imagens são liusórias.

Plausibilidade Neurológica

Kosslyn descreve o processo cerebral de imagens em termos de mecanismos computacionais através dos quais o cérebro satisfaz múltiplas restrições em paralelos.

Aplicabilidade Prática

Se a imaginação mental é útil na resolução de problemas, a educação pode proveitosamente envolver o ensino das pessoas para que utilizem a imaginação de forma eficaz.

Conexões

Nos primeiros momentos do modelo computacional de pensamento, nas décadas de 50 e 60, havia muito interesse em determinar como as redes neurais contribuíam para o pensamento. Após um desvio de atenção para as representações baseadas em regras e conceitos na década de 70, ressurge o modelo computacional inspirado na estrutura neuronal do cérebro.

Conexões

Esta pesquisa é chamada de conexionismo, pois enfatiza a importância das conexões entre simples estruturas semelhantes aos neurônios.

Dentre os vários métodos desenvolvidos destacam-se aqueles que se preocupam com as representações locais e aqueles que se preocupam com as representações distribuídas.

Poder Representacional

As redes conexionistas constituem representações muito simples, já que elas se constituem somente em ligações e unidades. As unidades são idênticas aos neurônios e têm um grau de ativação que corresponde à freqüência na qual ocorre a descarga do neurônio para enviar sinais a outros neurônios.

Poder Representacional

Nas redes conexionistas locais, as unidades têm uma interpretação especificada como conceitos particulares ou proposições especiais. A ativação de uma unidade pode ser interpretada como um julgamento sobre a aplicabilidade de um conceito ou a verdade de uma proposição. Os elos são tanto excitatórios, com uma unidade aumentando a ativação da outra, quanto inibitórios, com uma unidade suprimindo a ativação da outra.

Poder Representacional

Nas redes conexionistas distribuídas, os conceitos podem ser vistos como representações distribuídas em redes. Uma rede que é treinada para responder adequadamente a estímulos pode adquirir conceitos que se aplicam ao estímulo. O conceito não consiste em nenhum módulo particular; ao contrário, ele consiste em um padrão típico de ativação de unidades que ocorre quando um conjunto típico de padrões é dado com influxo.

Poder Computacional Uma vez que os elementos e as restrições

tenham sido especificados, é muito fácil implementar o modelo de satisfação paralela de repressão numa rede paralela: Os elementos são representados por unidades; Restrições internas positivas são representadas

por conexões excitatórias; Restrições internas negativas são representadas

por conexões inibitórias; Uma repressão interna pode ser captada ligando-

se unidades que representam elementos que satisfazem a repressão externa de uma unidade especial.

Poder Computacional Planejamento: embora as decisões entre planos

competidores sejam compreendidas em termos de satisfação paralela da repressão, a construção de planos é geralmente um processo mais seqüencial, naturalmente compreendido em termos de regras e analogias.

Decisão: Podemos entender o processo da tomada de decisão em termos de satisfação paralela da repressão.

Explanação: deve ser entendida como a ativação de protótipos codificados em redes distribuídas.

Aprendizado

Dada a estrutura simples de redes conexionistas, existem duas formas básicas nas quais o aprendizado pode ocorrer: adicione novas unidades ou mude o peso dos elos entre as unidades.

O tipo mais comum de aprendizado em redes de alimentação avançada com representações distribuídas utiliza uma técnica chamada retropropagação, que pode ser usada para treinar a rede ajustando pesos que conectam as diferentes unidades.

Linguagem Os primeiros modelos de linguagem

conexionista envolviam a percepção visual e auditiva. McClelland e Rumelhart mostraram como o reconhecimento da palavra pode ser entendido com um problema de satisfação paralela da repressão.

Assim também essa rede pode fazer com que o significado das palavras não seja ambíguo. O significado não é atribuído a um conceito, mas deve ser criado em contextos especiais por elementos que interajam.

Plausibilidade Psicológica

Modelos conexionistas, como o da percepção de palavra de McClelland e Rumelhart, forneceram explanações de muitos fenômenos psicológicos.

Plausibilidade Neurológica

As redes artificiais são semelhantes à estrutura cerebral no sentido delas terem elementos simples que excitam e inibem uma as outras. Mas as redes neurais reais são muito mais complicadas. Na melhor das hipóteses podemos pensar em cada unidade artificial como representando um grupo neuronal, um complexo de neurônios que trabalha em conjunto para desempenhar um papel no processamento.

Aplicabilidade Prática

Os modelos conexionistas de aprendizado e desempenho tiveram algumas aplicações educacionais interessantes. Adams oferece uma descrição do estilo conexionista dos vários tipos de conhecimentos necessários para a leitura. Dessa forma, a leitura seria um tipo de satisfação paralela da repressão no qual simultaneamente envolve o soletrar, o significado e o contexto.

Revisão e Avaliação

Neste estágio inicial da pesquisa da ciência cognitiva, a diversidade teórica é um padrão desejável mais do que um defeito. No entanto, uma premissa da ciência cognitiva é a de que o progresso exigirá mais do que esforços isolados de pesquisadores em disciplinas especiais. Esforços integrados das disciplinas são essenciais na compreensão da mente.

Revisão e Avaliação Nenhuma abordagem simples merece ser

vista como a base teórica de toda a ciência cognitiva.

Uma teoria unificada da representação mental precisa postular estruturas que tenham entre elas: A riqueza sensorial de imagens e conexões; A capacidade organizacional dos conceitos,

análogos e imagens; A expressividade verbal de regras e proposições

na lógica formal.

Poder Computacional

Existem muitas formas de realizar as computações, mas para a ciência cognitiva necessitamos de técnicas computacionais que têm a velocidade e flexibilidade necessária a plausibilidade psicológica e aplicabilidade prática.

Poder Computacional Embora a maior parte da resolução dos

problemas humanos possa ser feita como busca heurística em sistemas baseados em regras, existem muitas soluções de problemas que são melhor descritas em termos de processos como a aplicação de sistemas, o mapeamento analógico e a satisfação paralela de restrições.

Plausibilidade Psicológica

Os modelos conexionistas aplicam-se bem às tarefas cognitivas que são naturalmente entendidas em termos de aprendizado incrementado e satisfação paralela de repressão. Mas a geração de unidades e restrições pode necessitar de mecanismos baseados em regras, e outros que os modelos conexionistas ainda não abordam.

Plausibilidade Neurológica Os modelos conexionistas ganham alguma

plausibilidade neurológica através da analogia entre redes neurais artificiais e o cérebro, embora idéias conexionistas atuais sejam apenas grosseiras abordagens de como o cérebro trabalha. A falta de evidências neurológicas para regras, conceitos e analogias não quer dizer que essas representações sejam neurologicamente inaceitáveis, já que técnicas metodológicas não foram ainda refinadas suficientemente para a avaliação de seu papel.

Aplicabilidade Prática

Potencialmente, a ciência cognitiva está para a educação assim como a biologia está para a medicina: uma base teórica para soluções práticas.

Idéias conexionistas estão apenas começando a ter um impacto sobre a teoria e prática educacionais, e a concepção de processos, assim como a leitura em termos de satisfação paralela das restrições, sugere formas de melhorar o ensino.

Conclusão A compreensão computacional-representacional

da mente contribui muito para a compreensão teórica e aplicação prática. Mas nenhuma abordagem surgiu sendo a explanação mais clara das capacidades humanas cognitivas. Diferentes abordagens têm diferentes vantagens e desvantagens representacionais e computacionais. Mas a CRUM enfrenta os desafios com a negligência de aspectos importantes da mente, como a emoção, a consciência e o ambiente físico.