Информатика и когнитивная наука имеют тесную историческую связь в том смысле, что на наше понимание того, как работает мозг, сильно влияют компьютерные модели, и наоборот. Фактически, самая первая модель когнитивного процесса была основана на компьютерной модели.

Модели обучения

В 1958 году когнитивный психолог Дональд Бродбент, изучавший избирательное внимание и кратковременную память, создал первую блок-схему когнитивного процесса.

Как показано выше, модель фильтра для человеческого познания и обнаружения похожа на модель входного процессора компьютера.

Интересно, что модель Бродбента описывает множественные стимулы для модели человека, но не для компьютера, предполагая, что в наш опыт приходит гораздо больше информации, чем то, на что мы обязательно обращаем внимание.

Актуальная информация с большей вероятностью пройдет через этот «фильтр» и попадет в наше поле зрения. Например, подумайте, как вы с большей вероятностью будете смотреть вверх, если услышите, как друг произносит ваше имя, или если вы слышите громкий звук - наши когнитивные фильтры постоянно отделяют сигналы от шума окружающей среды.

Почему на компьютере нет такого фильтра?

Предположительно потому, что у них есть ограниченные релевантные входные данные, которые управляются и предварительно обрабатываются дизайнером или программистом. Существуют также врожденные ограничения на типы данных, которые может принимать модель: вы не можете физически вставить что-то в поисковую систему или ввести информацию о запахе; они находятся за пределами восприятия компьютера, точно так же, как люди не могут воспринимать ультрафиолетовый свет или слышать при определенном пороге громкости.

Кроме того, данные, передаваемые в компьютер, по своей природе более структурированы и согласованы - часто в результате предварительной обработки - чем огромный массив данных, непрерывно поступающих в когнитивную модель человека.

Однако, несмотря на ограничения с обеих сторон, мы можем работать над улучшением машинного обучения, чтобы расширить диапазон того, что компьютер может ощущать, и заставить его самостоятельно выяснять, каковы соответствующие компоненты стимулов и где лежат лежащие в основе паттерны без нас. прямо говоря это.

Но, конечно, не всегда получается.

Переоснащение

Поскольку мы, как программисты и дизайнеры, обычно контролируем, какие входные данные представлять нашему алгоритму в наборах данных для обучения и тестирования, мы накладываем собственный фильтр. Это может стать проблемой при переобучении.

Переобучение - это когда алгоритм не может быть обобщен на новые стимулы. Это происходит, когда набор данных, на котором он обучается, не является репрезентативным для всего; он начинает думать, что некоторые особенности, специфичные для обучающей выборки, появляются во всех наборах, хотя на самом деле это не так. Однако, поскольку переобучение происходит, когда алгоритм хорошо подходит к набору обучающих данных, алгоритм не может исправить свою ошибку, потому что он не распознает, что ошибка была сделана.

Но компьютеры - не единственные, кто неправильно повторяет неверный метод, который ранее работал - это делают и люди.

Наше собственное переоснащение

Приобретенная беспомощность - это когда человек (или другое животное) продолжает вести себя так, как будто он беспомощен, даже когда ситуация меняется.

Изначально они беспомощны в ситуации, и всякий раз, когда они пытаются действовать, это наказывается. Например, предположим, что у ученика есть учитель, который критикует его каждый раз, когда он задает вопрос. Они узнают, что проще не задавать вопросы, потому что они так расстроены, что даже не могут вспомнить, о чем они спрашивали. Эта стратегия может быть адаптивной для одного класса и одного учителя, но что происходит, когда классы меняются?

Они могут придерживаться того же подхода и воздерживаться от вопросов, и, поскольку они никогда не пытаются, они никогда не узнают, что задавать вопросы - это нормально, что в конечном итоге причиняет им боль.

Внешние наказания не длятся вечно, но они по-прежнему придерживаются мнения, что попытки что-либо бесполезны. Этот единственный пример связи действия с наказанием нельзя обобщить на все другие действия, но они учатся думать, что это похоже на переоснащение.

Однако у нас есть механизм, позволяющий избавляться от вещей, которые нам не служат!

Как обсуждалось ранее, у нас есть фильтры для нашего внимания, которые выбирают то, на что нам важно обратить внимание. Это также применимо к человеческой памяти: то, на что мы обращаем внимание, сохраняется в памяти, а то, что не важно, - это отпускать (на самом деле человеческая память сложнее, чем эта, но пока давайте придерживаться этого чрезмерного упрощения). Опираясь на это, у нас также есть способность забыть воспоминания, которые раньше были полезны, но теперь уже не нужны.

В практическом смысле полезно забыть определенную информацию, чтобы освободить место для новых вещей. Например, переезд на новое место или смена пароля. Если вы не сможете забыть информацию или, по крайней мере, вынести ее за пределы вашего внимания, это приведет к тому, что вы укажете неправильный адрес или введете неправильный пароль.

Но, говоря более абстрактно, мы можем восстановить другое ощущение себя, если забудем прошлое. Большинству взрослых трудно вспомнить свой ранний юность и детство из-за того, что их мозг еще не был полностью развит. Однако положительным побочным эффектом этого является то, что по мере того, как мы становимся старше и лучше понимаем жизнь, мы можем забыть ошибки, которые мы совершали в прошлом, и активно формировать то, кем мы хотим быть как личности.

Даже в состоянии выученной беспомощности, когда создается негативная конструкция я, всегда есть место для роста и нового опыта, который может это изменить, и прошлое можно выбросить из головы, хотя и не так чисто, как машинное обучение. модели могут.

Так же, как при обучении алгоритмов, мы можем не забывать разнообразить наши входные данные! А в нашей собственной жизни у нас есть способности пробовать новые вещи и создавать новые впечатления и воспоминания, которые лучше подготовят нас к новым ситуациям в будущем и, в конечном итоге, укрепят нашу универсальность, гибкость и непредубежденность.