Babys verwenden anspruchsvolle begründung, um sinn für die physische welt zu machen


Babys verwenden anspruchsvolle begründung, um sinn für die physische welt zu machen

Die Wissenschaftler haben festgestellt, dass Babys, bevor sie reden können, anspruchsvolle Argumentation nutzen, um die physische Welt um sie herum zu verstehen und abstrakte Prinzipien mit dem Wissen aus der Beobachtung zu kombinieren und überraschend fortgeschrittene Erwartungen zu vermitteln, wie sich neue Situationen entwickeln werden.

Das internationale Team von Wissenschaftlern entwickelte ein Computer-Modell, wie Babys Grund, dass genau ihre Überraschung prognostiziert, wenn Objekte nicht verhalten sich in der Art, wie sie erwarten.

Ein Papier über ihre neueste Arbeit, unter der Leitung von Josh Tenenbaum von der Abteilung für Gehirn und Kognitionswissenschaften am Massachusetts Institute of Technology (MIT) in den USA und Luca Bonatti der Institució Catalana de Recerca i Estudis Avançats an der Universitat Pompeu Fabra in Barcelona, ​​Spanien, erschien diese Woche in der Zeitschrift online Wissenschaft .

Das Team entwarf das Computermodell, dem Prinzip des "reinen Denkens" zu folgen, das heißt, was als nächstes vorherzusagen, basierend auf dem, was bereits beobachtet wurde. Allerdings enthält das Modell auch ein Element, das Menschen von anderen Organismen unterscheidet: die Fähigkeit, von abstrakten Konzepten geleitet zu werden, um rationale Erwartungen über neue Situationen zu bilden, die nie zuvor angetroffen wurden.

Dann testeten sie das Modell, indem sie es mit den Antworten der Babys vergleichen und fanden, dass die Ergebnisse sehr nahe waren und führten sie zu dem Schluss, dass Babys in ähnlicher Weise begründen.

Tenenbaum, Associate Professor für Kognitionswissenschaft und Berechnungen am MIT, sagte der Presse:

"Echte Intelligenz geht es darum, sich in Situationen zu finden, in denen du noch nie zuvor warst, aber das haben einige abstrakte Prinzipien gemeinsam mit deiner Erfahrung und nutzt dieses abstrakte Wissen, um in der neuen Situation produktiv zu sein."

Er und seine Kollegen versuchen, "reverse engineer" wie Babys beobachten und denken über die Welt um sie herum durch das Studium sie in Schlüsselstadien in ihren ersten 2 Jahren des Lebens, einschließlich bei 3, 6 und 12 Monate alt (das Projekt hat sich Bekannt als das "3-6-12-Projekt" und ist Teil eines größeren Stücks von MIT-Forschung mit Computern, um menschliche Intelligenz zu simulieren).

Von früherer Arbeit von Elizabeth Spelke, Professorin für Psychologie an der Harvard University, wussten sie, dass die Messung, wie lange Babys etwas anschauen, ein guter Weg ist, um ihre Überraschung zu messen. Je mehr unerwartet das ereignis ist, desto länger sehen sie

Spelke auch Pionierarbeit viel von der Arbeit, die Babys haben ein Verständnis der abstrakten Konzepte über physische Objekte und wie sie sich verhalten. Konzepte auf einer Stufe mit physischen Objekten können nicht einfach erscheinen und verschwinden, und sie müssen sich bewegen, um an einem Ort auf einmal und dann wieder ein anderer Platz zu sein.

Tenenbaum und Kollegen programmierten diese abstrakten Prinzipien in ein rechnerisches Modell, das als "Bayes'scher idealer Beobachter" bekannt war, und lief dann viele Simulationen, wie sich Gegenstände in gegebenen Situationen verhalten könnten: so dass die Modellvorhersagefähigkeit auf abstrakte Regeln und Beobachtungserfahrungen basiert.

Mit dem Modell, dann machten sie eine Reihe von Vorhersagen darüber, wie lange Babys würden auf der Suche nach bestimmten Animationen von Objekten, die mehr oder weniger im Einklang mit ihren Erwartungen auf erworbenen Wissen basiert.

Zum Beispiel, in einem Experiment, beobachteten 12 Monate alte Babys eine Animation von vier Objekten, drei blauen und eine rote, die in einem Container mit einer offensichtlichen sichtbaren Öffnung prallte.

Nachdem sie die Gegenstände beobachtet haben, die für eine Weile herumtollen, deckten die Forscher die Szene ab, und während es bedeckt war, ließ einer der Objekte den Behälter durch die Öffnung verlassen.

Wenn die Szene nur knapp eine halbe Sekunde lang bedeckt war, zeigten die Babys überraschend, ob es eines der Objekte war, die am weitesten von dem Container entfernt waren, der die Szene verlassen hatte.

Wenn die Szene länger gedeckt wurde (sagen wir 2 Sekunden), waren sie weniger überrascht, wenn der am weitesten fehlte, als sie die Szene wieder sahen, und sie waren nur überrascht, wenn es das rote war, das fehlte (das seltenere Objekt).

Und zwischen diesen beiden Extremen waren sowohl die Entfernung vom Ausgang als auch die Anzahl der Gegenstände.

Das Experiment gab den Forschern mehrere Variablen zum Spielen: Sie konnten die Anzahl der Objekte, ihre räumlichen Positionen (Entfernungen vom Ausgang) und den Zeitfaktor (zB wie lange, um die Szene zu decken) variieren.

Als sie das Computermodell liefen, konnte man genau vorhersagen, wie lange die Babys das gleiche Ereignis sehen würden, und zwar über ein Dutzend verschiedener Szenarien mit verschiedenen Kombinationen der Variablen.

Sie folgerten, dass:

"Säuglinge aussehende Zeiten sind im Einklang mit einem Bayes'schen idealen Beobachter, der abstrakte Prinzipien der Objektbewegung verkörpert."

"Das Modell erklärt die statistischen Erwartungen der Säuglinge und klassische qualitative Befunde über Objekterkennung bei jüngeren Babys, die ursprünglich nicht als probabilistische Schlüsse betrachtet wurden", fügten sie hinzu.

Mit anderen Worten, die Studie deutet darauf hin, dass Babys Grund, indem sie mögliche Szenarien in ihren Köpfen und dann, mit Hilfe von ein paar abstrakte Prinzipien, ausarbeiten, welche ist am wahrscheinlichsten.

Tenenbaum sagte, dass dies, obwohl dies noch nicht bedeutet, dass sie eine "einheitliche Theorie" der Erkenntnis haben, beginnen sie, mathematisch einige Kernaspekte der Kognition zu beschreiben, die bisher nur intuitiv beschrieben wurden.

Spelke sagte, die Ergebnisse können erklären, warum das menschliche Denken so schnell entwickelt und so flexibel ist. Sie sagte bisher keine Theorie hat es geschafft, diese beiden Merkmale zu erklären: Kernwissensysteme sind in der Regel begrenzt und unflexibel, und Systeme, die entworfen sind, um etwas zu lernen, neigen dazu, dies sehr langsam zu tun.

"Die in diesem Artikel beschriebene Forschung ist die erste, wie ich glaube, um zu zeigen, wie das Lernen der menschlichen Säuglinge schnell und flexibel sein könnte", sagte Spelke.

Tenenbaum und Kollegen wollen nun weitere Prinzipien in das Modell aufnehmen.

"Wir denken, dass die Kleinkinder in einem gewissen Sinne viel schlauer sind als dieses Modell", erklärte er und sagte, sie wollen andere physikalische Prinzipien wie Schwerkraft und Reibung einbeziehen.

Ein weiterer Bereich, den sie erforschen möchten, ist, wie Babys Sinn für menschliches Verhalten machen. Erstellen von Modellen in diesem Bereich könnte uns helfen, besser zu verstehen, Störungen wie Autismus, sagte Tenenbaum.

"Pure Reasoning in 12-monat-alten Säuglingen als probabilistische Inferenz."

Erno Téglás, Edward Vul, Vittorio Girotto, Michel Gonzalez, Joshua B. Tenenbaum und Luca L. Bonatti

Wissenschaft 27. Mai 2011: 1054-1059

DOI: 10.1126 / Wissenschaft.1196404

Zusätzliche Quelle: MIT News.

What Is Reality? (Video Medizinische Und Professionelle 2022).

Abschnitt Probleme Auf Medizin: Psychiatrie