Computational cognition

Computational cognition (sometimes referred to as computational cognitive science or computational psychology or cognitive simulation) is the study of the computational basis of learning and inference by mathematical modeling, computer simulation, and behavioral experiments. In psychology, it is an approach which develops computational models based on experimental results. It seeks to understand the basis behind the human method of processing of information. Early on computational cognitive scientists sought to bring back and create a scientific form of Brentano's psychology.^[1]

There are two main purposes for the productions of artificial intelligence: to produce intelligent behaviors regardless of the quality of the results, and to model after intelligent behaviors found in nature.^[2][3] In the beginning of its existence, there was no need for artificial intelligence to emulate the same behavior as human cognition. Until 1960s, economist Herbert Simon and Allen Newell attempted to formalize human problem-solving skills by using the results of psychological studies to develop programs that implement the same problem-solving techniques as people would. Their works laid the foundation for symbolic AI and computational cognition, and even some advancements for cognitive science and cognitive psychology.^[4]

The field of symbolic AI is based on the physical symbol systems hypothesis by Simon and Newell, which states that expressing aspects of cognitive intelligence can be achieved through the manipulation of symbols.^[5] However, John McCarthy focused more on the initial purpose of artificial intelligence, which is to break down the essence of logical and abstract reasoning regardless of whether or not human employs the same mechanism.^[3]

على مدى العقود التالية، بدأ التقدم المحرز في مجال الذكاء الاصطناعي يركز بشكل أكبر على تطوير برامج قائمة على المنطق والمعرفة، مبتعدًا عن الغرض الأصلي للذكاء الاصطناعي الرمزي. بدأ الباحثون يعتقدون أن الذكاء الاصطناعي الرمزي قد لا يتمكن أبدًا من محاكاة بعض العمليات المعقدة للإدراك البشري، مثل الإدراك أو التعلم . واعتُبرت الاستحالة التي كانت تُعتبر آنذاك (والتي تم دحضها لاحقًا ^{[ 6 ]} ) لتطبيق العاطفة في الذكاء الاصطناعي، عقبةً في طريق تحقيق إدراك شبيه بالإدراك البشري باستخدام الحواسيب. ^{[ 7 ]} بدأ الباحثون في اتباع نهج "شبه رمزي" لإنشاء ذكاء دون تمثيل تلك المعرفة بشكل مباشر. أدت هذه الحركة إلى ظهور تخصصات جديدة مثل النمذجة الحاسوبية ، والترابطية ، والذكاء الحاسوبي . ^{[ 5 ]}

نظرًا لمساهمتها الأكبر في فهم الإدراك البشري مقارنةً بالذكاء الاصطناعي، نشأت نمذجة الإدراك الحاسوبية من الحاجة إلى تحديد وظائف الإدراك المختلفة (مثل الدافعية، والعاطفة، والإدراك الحسي) من خلال تمثيلها في نماذج حاسوبية للآليات والعمليات. ^{[ 8 ]} تدرس النماذج الحاسوبية الأنظمة المعقدة باستخدام خوارزميات ذات متغيرات متعددة وموارد حاسوبية واسعة النطاق لإنتاج محاكاة حاسوبية . ^{[ 9 ]} تتم المحاكاة عن طريق ضبط المتغيرات، بتغيير متغير واحد فقط أو حتى دمجها معًا، لملاحظة تأثير ذلك على النتائج. تساعد النتائج الباحثين على التنبؤ بما سيحدث في النظام الحقيقي في حال حدوث تغييرات مماثلة. ^{[ 10 ]}

عندما تحاول النماذج الحاسوبية محاكاة الوظائف الإدراكية البشرية، يجب معرفة جميع تفاصيل هذه الوظائف لكي يتم نقلها وعرضها بشكل صحيح من خلال النماذج، مما يسمح للباحثين بفهم واختبار نظرية قائمة بشكل شامل، لأن جميع المتغيرات قابلة للتعديل ولا يوجد أي غموض فيها. على سبيل المثال، نموذج الذاكرة الذي وضعه أتكينسون وشيفرين عام 1968 ، والذي أوضح كيف يؤدي التكرار إلى الذاكرة طويلة الأمد ، حيث تُخزن المعلومات التي يتم تكرارها. على الرغم من التقدم الذي أحرزه هذا النموذج في الكشف عن وظيفة الذاكرة، إلا أنه يعجز عن الإجابة على أسئلة جوهرية مثل: ما مقدار المعلومات التي يمكن تكرارها في المرة الواحدة؟ ما المدة التي تستغرقها المعلومات للانتقال من التكرار إلى الذاكرة طويلة الأمد؟ وبالمثل، تثير نماذج حاسوبية أخرى أسئلة أكثر حول الإدراك مما تجيب عليه، مما يجعل مساهماتها أقل أهمية بكثير في فهم الإدراك البشري مقارنةً بالمناهج الإدراكية الأخرى. ^{[ 11 ]} ومن أوجه القصور الأخرى للنمذجة الحاسوبية افتقارها الملحوظ للموضوعية. ^{[ 12 ]}

يستخدم جون أندرسون في نموذجه للتحكم التكيفي في الفكر العقلاني (ACT-R) وظائف النماذج الحاسوبية ونتائج العلوم المعرفية. ويستند نموذج ACT-R إلى نظرية مفادها أن الدماغ يتكون من عدة وحدات تؤدي وظائف متخصصة منفصلة عن بعضها البعض. ^{[ 11 ]} ويُصنف نموذج ACT-R ضمن المنهج الرمزي في العلوم المعرفية. ^{[ 13 ]}

ثمة منهج آخر يتناول المحتوى الدلالي لعلم الإدراك، وهو الترابطية أو نمذجة الشبكات العصبية. تعتمد الترابطية على فكرة أن الدماغ يتكون من وحدات أو عقد بسيطة، وأن الاستجابة السلوكية تنبع أساسًا من طبقات الروابط بين هذه العقد، وليس من المحفز البيئي نفسه. ^{[ 11 ]}

تختلف الشبكات الترابطية عن النمذجة الحاسوبية تحديدًا في وظيفتين: الانتشار العكسي العصبي والمعالجة المتوازية . يُعدّ الانتشار العكسي العصبي أسلوبًا تستخدمه الشبكات الترابطية لإظهار أدلة على التعلّم. فبعد أن تُنتج الشبكة الترابطية استجابةً، تُقارن النتائج المُحاكاة بنتائج المواقف الواقعية. وتُستخدم التغذية الراجعة الناتجة عن الانتشار العكسي للأخطاء لتحسين دقة استجابات الشبكة اللاحقة. ^{[ 14 ]} أما الوظيفة الثانية، وهي المعالجة المتوازية، فتنبع من الاعتقاد بأن المعرفة والإدراك لا يقتصران على وحدات محددة، بل ينتشران في جميع أنحاء الشبكات المعرفية. وقد ظهر وجود المعالجة الموزعة المتوازية في تجارب نفسية مثل تأثير ستروب ، حيث يبدو أن الدماغ يُحلل إدراك اللون ومعنى اللغة في الوقت نفسه. ^{[ 15 ]} ومع ذلك، فقد دُحض هذا النهج النظري باستمرار لأن الوظيفتين المعرفيتين لإدراك اللون وتكوين الكلمات تعملان بشكل منفصل ومتزامن، وليسا متوازيتين. ^{[ 16 ]}

ربما استفاد مجال الإدراك من استخدام الشبكات الترابطية، إلا أن بناء نماذج الشبكات العصبية قد يكون مهمة شاقة، وقد تكون النتائج أقل قابلية للتفسير من النظام الذي تحاول نمذجته. لذا، قد تُستخدم النتائج كدليل على نظرية عامة للإدراك دون شرح العملية المحددة التي تحدث داخل الوظيفة الإدراكية. وتكمن عيوب الترابطية الأخرى في أساليب البحث التي تستخدمها أو الفرضيات التي تختبرها، إذ ثبت عدم دقتها أو فعاليتها في كثير من الأحيان، مما يُبعد نماذج الترابطية عن التمثيل الدقيق لكيفية عمل الدماغ. وتؤدي هذه المشكلات إلى عدم فعالية نماذج الشبكات العصبية في دراسة أشكال معالجة المعلومات العليا، وتعيق الترابطية من تطوير الفهم العام للإدراك البشري. ^{[ 17 ]}

• الشبكة العصبية الاصطناعية
• النموذج المعرفي §  النموذج المعرفي للأم والجنين
• علم النفس الرياضي

• بوسماير، جيروم ر .؛ وانغ، تشنغ؛ تاونسند، جيمس ت .؛ إيدلز، آمي، محرران. (2015). دليل أكسفورد لعلم النفس الحسابي والرياضي . مكتبة أكسفورد لعلم النفس. المجلد  1. أكسفورد؛ نيويورك: مطبعة جامعة أكسفورد . doi : 10.1093/oxfordhb/9780199957996.001.0001 . ISBN 9780199957996. OCLC 894139948 . 
• تشيبمان، سوزان ف.، محررة. (2017). "الجزء الأول: علم النفس الحسابي الجديد: البنى المعرفية والنمذجة الحسابية للإدراك". دليل أكسفورد لعلم النفس المعرفي . مكتبة أكسفورد لعلم النفس. المجلد  1. أكسفورد؛ نيويورك: مطبعة جامعة أكسفورد . doi : 10.1093/oxfordhb/9780199842193.001.0001 . ISBN 9780199842193. OCLC 953823360 . 
• صن، رون ، محرر. (2008). دليل كامبريدج لعلم النفس الحسابي . كامبريدج، المملكة المتحدة؛ نيويورك: مطبعة جامعة كامبريدج . doi : 10.1017/CBO9780511816772 . ISBN 9780521857413. OCLC 153772906 . 

• مجموعة علوم الإدراك الحاسوبية في معهد ماساتشوستس للتكنولوجيا
• مختبر الحوسبة والإدراك بجامعة نيويورك
• مختبر برينستون لعلوم الإدراك الحاسوبية
• مختبر ستانفورد للحوسبة والإدراك
• مختبر الذاكرة واتخاذ القرار بجامعة كاليفورنيا في إرفاين ، مؤرشف بتاريخ 13 يونيو 2017 على موقع Wayback Machine
• جاكوب فيلدمان