计算理论（三）

第一个论点强调学习（Bechtel和Abrahamsen 2002：51）。 广泛的认知现象涉及从经验中学习。 许多连接模型被明确地设计用于模拟学习，通过BackProjagation或修改节点之间的权重的其他算法。 相比之下，连接人员经常抱怨没有良好的学习典型模型。 古典计算主义者可以通过引用连接主义学习算法的感知缺陷来响应。 古典计算主义者还可以引用贝叶斯决策理论，在不确定下的推理和决策的数学模型。 在贝叶斯框架中，不确定性通过概率编制编码。 精确的规则规定了如何根据新的证据以及如何根据概率和实用程序选择操作的概率。 （参见条目贝叶斯的定理和理性选择的规范理论：详情预期效用。）贝叶斯认知科学使用贝叶斯决策理论来构建心理活动的数学模型（MA，Kording和Goldreich 2023）。 在过去的几十年里，贝叶斯认知科学已经归因于许多解释性成功。 这种令人印象深刻的赛道记录表明，一些心理过程是贝叶斯或大约贝叶斯（即将到来的Rescorla）。 此外，经典计算系统可以在各种现实场景中执行或至少大约执行贝叶斯更新（Murphy 2023; Thrun，Burgard和Fox 2005）。 然后，古典计算可以模拟许多重要的学习案例。

第二个论点强调计算速度。 神经元的数字计算机的基于硅组件慢得多。 因此，神经元不能快速执行串行计算，以便在感知，语言理解，决策等中匹配快速的人类性能。连接人员认为唯一可行的解决方案是用“大规模平行”的计算架构替换串行计算 - 恰恰是什么神经网络提供（Feldman和第1982页; Rumelhart 1989）。 但是，此参数仅对坚持串行处理的古典计算师有效。 如§3所指出的，一些图灵式模型涉及并行处理。 许多古典的计算主义者很乐意允许“大规模平行”的心理计算，并且该论点没有针对这些研究人员的牵引力。 那个论点突出了一个重要的问题，即任何计算主义是经典的，连接主义或其他必须地址的：从相对慢的神经元建造的大脑如何快速执行复杂的计算？ 古典和连接主义的计算主义者都不令人满意地回答这个问题（Gallistel和2009：174和265）。

4.3系统性和生产力

FODOR和Pylyshyn（1988）提供了广泛讨论的消除主义联系批判。 他们认为，在连接师模型实现经典模型时，系统数据和生产力失败。 因此，连接不为中央氏菌提供可行的替代品。 最多，它提供了一个低级描述，有助于弥合图灵式计算和神经科学描述之间的差距。

这个论点引发了许多回复和反复回复。 有些人认为，神经网络可以在不实施任何类似古典计算架构（Horgan和Tienson 1996; Chalmers 1991; Smolensky 1991; Van Gelder 1990）的情况下表现出系统的。 一些人认为，福洛斯和Pylyshyn非常夸张的系统性（Johnson 2004）或生产力（Rumelhart和McClelland 1986），特别是对于非人类动物（Dennett 1991）。 这些问题以及福利和Pylyshyn论证提出的许多问题已经在文献中得到了彻底调查。 有关进一步讨论，请参阅Bechtel和Abrahamsen（2002：156-199），Bermúdez（2005：244-278），Chalmers（1993），Clark（2014：84-86），以及关于思想假设和联网语言的百科全书条目。

Gallistel和King（2009）推进相关但不同的生产力争论。 他们强调心理计算的生产力，而不是精神状态的生产力。 通过详细的经验案例研究，他们认为许多非人动物可以提取，存储和检索周围环境的详细记录。 例如，西方磨砂杰伊记录它缓存食物的地方，在每个位置缓存的食物是什么样的食物，当它缓存食物时，以及它是否已经耗尽了给定的缓存（克莱顿，emery和Dickinson 2006）。 杰伊可以访问这些记录并在不同的计算中利用它们：计算是否在某些缓存中存储的食品可能已经衰减; 从一个位置计算一条路线到另一个位置; 等等。 对于所有实际目的，杰伊可以执行的可能计算的数量是无限的。

CCTM通过将存储和检索可寻址读/写入内存中的符号的中央处理来解释心理计算的生产率。 当需要时，中央处处理器可以从内存中检索任意的，未预测的符号组合。 相比之下，Gallistel和King争辩，连接难以满足心理计算的生产力。 虽然Gallistel和King不要仔细区分消除主义者和实施者的联系，但我们可以总结他们的论点如下：

消除主义连接不能解决有机体如何组合存储的存储器（例如，缓存位置）以用于计算目的（例如，从一个高速缓存到另一个高速缓存计算路由）。 可以有可能是有用的可能组合的虚拟无限，没有预测必须在未来计算中组合哪些信息。 唯一的计算易诊解决方案是易于访问的读/写存储器位置的符号存储 - 消除分校连接者拒绝的解决方案。

SivelialsIct连接员可以在读/写存储器中假设符号存储，如神经网络所实现。 然而，连接人员通常建议实现存储器的机制不是合理的。 现有的提案主要是一个想法的变种：一种经常性的神经网络，允许回荡活动以循环行进（Elman 1990）。 混响循环模型无望是长期记忆理论的原因。 例如，神经系统中的噪声可确保信号在几分钟内会迅速降低。 迄今为止，Sivelient Connectionists没有提供无容读/写入内存的合理型号。[3]

GALLISTEL和KING得出结论，中央电视机比消除主义者或衍生主义联系更好，以解释广泛的认知现象。

评论家从各种角度攻击这种新的生产力论证，主要关注Gallistel和King引起的经验案例研究。 Peter Dayan（2009），John Donahoe（2010）和Christopher Mole（2014）争辩说，生物合理的神经网络模型至少可以容纳一些案例研究。 Dayan和Donahoe辩称，经验充足的神经网络模型可以分配类似读/写记忆的任何东西。 鼹鼠认为，在某些情况下，经验充足的神经网络模型可以实现Gallistel和King所列的读/写存储器机制。 关于这些基本问题的辩论似乎有望进入未来。

4.4计算神经科学

计算神经科学通过计算模型描述了神经系统（Trappenberg 2010; Miller 2018）。 虽然计算神经科学在单个神经元的数学建模中被接地，但其独特的焦点是互联神经元的系统。 计算神经科学家通常将这些系统模拟为神经网络。 这项研究可以被视为连接主义的变体，脱枝或后代。 但是，大多数计算神经科学家都没有自我识别为联系人。 连接和计算神经科学之间存在若干差异：

计算神经科学家采用的神经网络比连接人员所雇用的网络更具生物学现实。 计算神经科学文献充满了关于射击速率，动作电位，调整曲线等的谈话。这些观念在连接主义研究中最有限的作用，例如大多数研究（罗杰斯和McClelland 2014）。

通过关于大脑的知识，计算神经科学在很大程度上被驱动，并且它对神经生理数据（例如，细胞记录）分配了重要意义。 连接人员的强调这些数据不那么重视。 他们的研究主要由行为数据驱动（尽管最近的连接主义着作引用了频率稍微引起的神经生理数据）。

计算神经科学家通常认为神经网络中的个体节点作为实际神经元的理想化描述。 连接人员通常认为节点视为神经元的处理单元（罗杰斯和麦克莱尔和2014），同时剩余中性迄今为止这些单位映射到实际神经生理实体。

人们可以说，计算神经科学主要涉及神经计算（由神经元系统的计算），而连接主义主要涉及由神经计算启发的抽象计算模型。 但连接和计算神经科学之间的界限涉及有点多孔。 Doerig，Sommers，Seeliger，等。 （2023）提出了一种研究计划的标签神经连接，彻底整合了神经科学与神经网络建模。

与神经科学的严重哲学啮合至少回到Patricia Churchland的神经疗法（1986年）。 随着计算神经科学成熟的，教堂成为其主要哲学冠军之一（Churchland，Koch和Sejnowski 1990; Churchland和Sejnowski 1992）。 她加入了Paul Churchland（1995年，2007年）和其他人（Eliasmith; Eliasmith和Anderson 2003; Piccinini和Bahar 2013; Piccinini和Shagrir 2014）。 所有这些作者都认为，关于心理计算的理论应该以大脑开头，而不是从逻辑和计算机科学中获取的图灵机或其他不适当的工具。 他们还认为，神经网络建模应该争取比连接主义模型更大的生物现实主义。 Chris Eliasmith（2013）通过神经工程框架制定了这种神经计算机的观点，这些观点通过了从控制理论（Brogan 1990）中汲取的工具来补充计算神经科学。 他旨在“逆转工程师”大脑，建立大规模，生物合理的神经网络模型的认知现象。

计算神经科学与CCTM和联系至关重要的尊重：它被吸引了繁殖的可实现性。 计算神经科学家引用特定的神经生理学性质和过程，因此它们的模型不适用于（例如）足够不同的基于硅的生物。 因此，计算神经科学牺牲了最初吸引哲学家的关键特征。 计算神经科学家将响应这种牺牲是有价值的洞察神经生理学的内限。 但是，许多计算主义者担心，通过对神经内衬的关注太多，我们冒着丢失了神经元树的认知森林的视线。 神经生理细节很重要，但我们还需要额外的抽象计算描述，从这些细节中预先审议？ Gallistel和King（2009）争辩说，近视对我们目前了解大脑的定影，使计算神经科学是对核心认知现象的计算神经科学，例如导航，空间和时间学习等。 同样，爱德尔曼（2014）抱怨神经工程框架替代暴风雪的神经生理细节，以满足心理解释。

部分是为了响应这种担忧，一些研究人员提出了一种综合认知计算神经科学，可以通过神经实施机制连接心理学理论（Naselaris等，2018; Kriegeskorte和Douglas 2018）。 基本思想是使用神经网络模型来照亮脑中的精神过程如何在脑中实例化，从而在神经生理学中接地繁衍可实现的认知描述。 一个很好的例子是贝叶斯推论的神经实施的最新工作（Pouget等，2013; Orhan和Ma 2017; Aitchison和Lengyel 2016）。 研究人员阐明了（繁殖）各种心理过程的贝叶斯模型; 他们构建了生物学上可粘合的神经网络，其执行或大约执行Posited Bayesian计算; 他们评估这些神经网络模型如何适合神经生理数据。

尽管连接和计算神经科学之间存在差异，但这两个动作提出了许多类似的问题。 特别是，关于系统性和生产率的§4.4的辩证是类似的形式。

5.计算和表示

哲学家和认知科学家以不同的方式使用“代表”一词。 在哲学中，最占主导地位的用法与意向性的关系，即精神状态的“关于”。 当代哲学家通常通过援引代表性内容来阐明故意。 代表性的精神状态有一个内容，代表世界成为某种方式，所以我们可以询问世界是否确实这样。 因此，代表性地满足的心理状态是关于特殊性，准确性，履行等的属性进行语义评估。 为了说明：

信仰是一种可能是真或假的东西。 如果Emmanuel Macron是法语，我认为Emmanuel Macron是法国人，如果他不是法国，那么是假的。

感知状态是可以准确或不准确的类型。 只有在我面前的红色球体，我的红色球体的感知经历是准确的。

欲望是可以实现或挫败的各种事物。 如果我吃巧克力，挫败了我吃巧克力的愿望，如果我不吃巧克力，挫败了。

信念有真理 - 条件（它们是真实的条件），感知状态具有准确性 - 条件（它们是准确的条件），并且欲望具有履行条件（其履行条件）。

在普通的生活中，我们经常通过调用信仰，欲望和其他代表性满足的心理状态来预测和解释行为。 我们通过其代表性地识别这些国家。 当我们说“弗兰克认为，埃曼纽尔是法国人”，我们指出了弗兰克的信仰所在的条件（即，埃曼纽尔Macron是法国人）。 当我们说“弗兰克想要吃巧克力”时，我们指定了弗兰克愿望的愿望（即，弗兰克吃巧克力）。 因此，民间心理学为有意的描述分配了一个核心作用，即通过其代表性来识别心理状态的描述。 科学心理学是否应该采用故意描述是当代哲学中的有争议的问题。

故意现实主义是关于代表性的现实主义。 至少，此职位包含代表性属性是心态的真正方面。 通常情况下，还采取了这种科学心理学应在适当时自由地使用故意描述。 故意现实主义是一个受欢迎的立场，由Tyler Burge（2010A），Jerry Fodor（1987），Christopher Pococke（1992,1994）以及许多其他人。 故意现实主义引用认知科学实践的一个突出论点。 该论证保持了意图，在认知科学的许多核心领域中集中地集中了，例如感知心理和语言学。 例如，感知心理学描述了感知活性如何将感觉输入（例如，视网膜刺激）转化为远端环境的表示（例如，远端形状，尺寸和颜色的感知表示）。 科学通过引用代表性（例如，与特定远端形状，大小，颜色）的代表关系来识别感知状态。 假设知情心理学的解释性造成了广泛的科学的现实主义的观点，支持朝着有意性的真实主义姿势。

消除主义是一种强大的反现实形式，有关故意性。 消除主义者驳回故意描述模糊，情境敏感，兴趣相对，解释性地肤浅或其他问题。 他们建议科学心理学换货物代表内容。 一个早期的例子是w.v. 奎因的词语和对象（1960），它试图用行为主义刺激 - 反应心理替代有意的心理学。 Paul Churchland（1981），另一个突出的消除主义者，想要用神经科学取代有意的心理。

在有意的现实主义与消除主义之间撒谎各种中间位置。 Daniel Dennett（1971年，1987年）承认故意话语是可预测的，但他的问题是精神状态是否真的具有代表性。 根据Dennett的说法，雇用有意描述的理论主义者并非从实际上断言心理状态具有代表性。 他们只是采用“故意立场”。 Donald Davidson（1980）支持邻近的解释主义职位。 他强调了在普通的解释实践中有意归名的核心作用，即我们对彼此的精神状态和言语行为来说的做法。 与此同时，他有故意心理学是否会在成熟的科学理论中找到一个地方。 戴维森和丹尼特俩都对故意心理国家的真实态度自称。 尽管如此，这两种哲学家都被习惯为有意的反现实主义者阅读。 （特别是，Dennett经常被读为一种关于有趣性的乐器主义者。）这种习惯性的一个来源涉及解释的不确定。 假设行为证据允许对思想家的精神状态进行两个冲突的解释。 Quine，Davidson和Dennett都说有关于哪些解释是正确的“没有事实”。 这种诊断表明了对有意性的完全现实主义态度。

在CTM的哲学讨论中突出的有意地辩论。 让我们调查一些亮点。

5.1计算为正式

古典计算员通常假设一个人可能会调用的正式句法概念（FSC）。 直观的想法是计算以正式的句法属性而不是它们的语义属性来操纵符号。

FSC源于19世纪末和20世纪初，尤其是George Bole和Gottlob Frege的开创性贡献的数学逻辑的创新。 在他的Begriffsschrift（1879/1967）中，Frege对演绎推理进行了彻底的正式化。 为了形式化，我们指定了一种正式的语言，其组件语言表达式是非语义（例如，通过其几何形状）个性化的语言。 我们可能会考虑一些预期的解释，但正式语言的元素纯粹是句法实体，我们可以在不调用语义属性之类的情况下讨论，例如参考或真实条件。 特别是，我们可以以正式的句法术语指定推理规则。 如果我们明智地选择我们的推理规则，那么他们将康复我们预期的解释：他们将携带真正的房地为真正的结论。 通过形式化，Frege投入了前所未有的严谨性逻辑。 他从而为许多后续数学和哲学发展奠定了基础。

形式化在计算机科学中起着重要的基础作用。 我们可以编程一个修改式计算机，操纵从正式语言中汲取的语言表达式。 如果我们明智地编程计算机，那么它的句法机会将康复我们预期的语义解释。 例如，我们可以编程计算机，使其仅携带真正的房屋，只能结论，否则它更新贝叶斯决策理论的概率。

FSC认为所有计算都在操作正式的句法项目，而不考虑这些项目可能具有的任何语义属性。 FSC的精确配方变化。 据说计算是“敏感”的语法，但不是语义，或者只有“访问”只有语法属性，或者在句法中的语法而不是语义属性的“in diffemanty”操作，或者由语义属性仅作为“介导”影响。句法属性。 这并不总是如此明确这些配方是什么意思或它们是否相当于彼此。 但直观的图片是句法特性在驾驶计算方面具有因果关系/解释性原理。

福索的文章“被认为是认知心理学研究策略所考虑的方法唯一的唯一”（1980）提供了早期陈述。 FODOR将FSC与CCTM + RTM结合起来。 他模拟了Mentalese对逻辑学研究的正式语言：它包含非语义上具有个性的简单和复杂的项目，就像典型的正式语言包含其形状的简单和复杂的表达式。 Mentalese符号有一个语义解释，但这种解释没有（直接）影响心理计算。 符号的正式属性，而不是其语义属性，确定计算如何操纵符号。 从这个意义上说，头脑是一种“句法发动机”。 实际上，所有古典计算主义者都遵循福尔福尔福斯。

连接人员通常否认神经网络在语法上操纵。 因此，许多连接人员会毫不犹豫地接受FSC。 尽管如此，大多数连接人士都赞同广义形式论文：计算对语义特性不敏感。 广义形式论文提出了FSC提出的许多相同的哲学问题。 我们专注于FSC，这已获得最哲学讨论。