Mente: Introdução à Ciência Cognitiva

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 ligandose 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.