close

Вход

Забыли?

вход по аккаунту

?

9CogPsy-Intelligence1

код для вставкиСкачать
Мышление (1).
Репрезентация знаний и
семантическая организация
информации; умозаключения, логика
и вероятностные суждения.
С.Л. Рубинштейн (1946 г.):
«Мышление – это опосредованное... и обобщенное
познание объективной реальности»
Мышление
Стимул
Репрезентация 1
Репрезентация 2
Реакция
Репрезентация знаний
Основные вопросы:
- Как теоретически представить знания, которыми
обладает человек?
- Что представляют собой элементарные символы или
понятия и как они связываются между собой?
- Как из этих символов строятся более крупные структуры
знаний и как осуществляется доступ к столь обширной
«картотеке»?
- Как ведется поиск информации и как хранящаяся в
памяти информация используется при решении рядовых
вопросов повседневной жизни?
Знание – это организованная информация.
(Р. Солсо, 2006)
Репрезентация знаний имеет семантическую
организацию.
Модели репрезентации знаний:
- Иерархическая
Когнитивные
модели
- Теоретико-множественная
- Сравнительных семантических признаков
- Сетевые
- Нейрокогнитивные (коннекционистские)
Иерархическая (кластерная) модель
репрезентации знаний Г. Бауэра.
Организованный список действительно запоминается лучше…
Но только если он представлен в виде пространственно организованной схемы.
Теоретико-множественная модель
репрезентации знаний.
Согласно этой модели, каждая лексическая единица
представлена в виде «созвездия» событий, атрибутов и
ассоциаций, а воспроизведение заключается в «проверке»,
то есть поиске сходных по характеристикам образцов в двух
или более множествах информации.
Проверка
высказывания
(например:
«Малиновка есть птица») осуществляется
только путем сравнения атрибутов одного
множества (птица) с атрибутами другого
множества (малиновка).
2 типа логических отношений между категориями –
общее и частное утверждения.
Общее утверждение — это случай, когда все
члены одной категории принадлежат другой
категории — или: все S есть Р (например: «Все
канарейки суть птицы»); Частное утверждение —
это случай, когда только некоторые члены одной
категории являются также членами другой
категории — или: некоторые S есть Р (например:
«Некоторые животные суть птицы»).
Модель сравнительных семантических признаков.
Во многом сходна с теоретико-множественной моделью, но отличается от
нее несколькими важными допущениями:
1. «Значение понятия не является неразложимой единицей, скорее оно
представляет собой набор семантических признаков».
Значение понятия можно представить в виде набора существенных, или
определяющих, аспектов (определяющих признаков), а также других признаков,
являющихся необязательными, хотя и характерными, аспектами (характерных признаков).
2. Возможны градации отношений между понятиями – с использованием
дополнительных определений («лингвистических ограждений») типа
«грубо говоря», «в принципе», или «видимо, является».
«Истинное утверждение» делается на основе и определяющих и характерных
признаков, утверждение «Верно в принципе» - на основе только определяющих,
утверждение «Грубо говоря» - на основе только характерных признаков.
Сетевые модели. (1) Модель Коллинза и Квиллиана.
Принцип «экономичной упаковки информации»: общие для всех
объектов класса свойства «приписаны» только объединяющему их
классу, а не каждому из объектов (например, в данной схеме свойства
«имеет плавники» и «может плавать» связаны с узлом «рыба», а не
отдельно с акулой и лососем).
…ООП…
С помощью модели Коллинза и Квиллиана можно
достаточно хорошо и «экономно» описать имеющийся
у человека набор представлений, однако, насколько
такое описание соответствует реальной их структуре?
Эксперимент
Задумайте пожалуйста
фрукт
фамилию поэта
сельскохозяйственное животное
Яблоко, Пушкин, Корова?
Реальные семантические сети могут иметь структуру,
сильно отличающуюся от иерархической.
Принцип экономии при построении сетей может
«перевешивать» принцип экономичной упаковки
информации.
В естественных условиях обучение идет от «частного к
общему» => использование прототипов.
(фрукт – свойства как у яблока; яблоко – прототип фрукта)
Сетевые модели. (2) Теория распространения
активации (Коллинз и Лофтус).
Семантическая обработка с точки зрения
теории распространения активации.
Эллипсы обозначают понятия, а линии - связи между ними.
Сила связей между понятиями представлена длиной линии.
Предположение, что знание может быть представлено как
чрезвычайно сложная сеть ассоциаций, лежит в основе
большинства моделей познания, основанных на нейронных
сетях. (Collins & Loftus, 1975)
Сетевые модели. (3) Пропозициональные сети.
Модель ACT* (Adaptive Control of Thought)
(Андерсон).
Пропозиции – «наименьшие единицы знания, которые
могут быть выделены в отдельное высказывание».
Пропозиция – это абстракция, похожая на фразу, нечто вроде
отдельной структуры, связывающей идеи и понятия.
Кодирование в модели ACT* пропозиции «Высокий адвокат полагал, что
эти люди прибыли с Марса».
(Anderson, 1983)
Все
вышеперечисленные
модели
можно
назвать «символистскими»: система знаний
строится в них путем манипуляций с
символами используя формальные правила.
В принципе, аналогичным образом работает и
компьютер фон-Неймановского типа.
«первая компьютерная метафора»
Такой подход традиционен для западной философии – работа с
информацией рассматривается как операции с символами. Поэтому
для того чтобы «понять» некоторую область знаний/явлений,
необходимо иметь «теорию», описывающую её. Теория должна
формулировать отношения между элементами описываемой области в
терминах абстрактных принципов типа «законов», «правил» или
«программ».
«Символизм»: проблемы.
Дискретность символов и абсолютность правил.
В реальности нередки ситуации неопределенности
неоднозначности; символические модели плохо работают с ними.
и
Обучение как программирование, трудности с обобщениями.
Следствия, которые могут быть сделаны на основе входных
данных в символьных моделях также дискретны; при этом для того,
чтобы дать «правильный ответ», система должна уже содержать в
себе не только это следствие, но и все правила вывода для него.
Различие между hardware и software.
(«Программа» и «устройство» на котором она реализована –
разные и практически независимые сущности)
Правила часто имеют исключения.
В результате модель либо сильно усложняется, либо работает
с ошибками.
Символистские модели плохо моделируют процедурные навыки.
Например, умение ездить на велосипеде – его очень трудно
формализовать.
Нейрокогнитивные модели. Коннекционизм.
Коннекционистская матрица ассоциаций.
Коннекционизм – «теория психики, предполагающая наличие
большого
количества
простых
единиц,
связанных
в
параллельную распределенную сеть».
Научение состоит из установления силы связей, которые
позволяют сети простых единиц действовать так, как будто они
«знают» правила.
активация на выходе
выходной
слой
скрытый
слой
входной
слой
тренируемые
связи
активация на входе
Минимальная сеть, способная
осуществлять весь спектр
логических операций
Преимущества коннекционистских моделей.
1. Сходство с реальным устройством нервной системы.
Коннекционистские модели намеренно строятся аналогично
реальным нейронным сетям (элемент сети <= нейрон, связи
между элементами <= синапсы, распространение активации <=
нервный импульс).
2. Быстрая обработка информации за счет параллелизма.
Аргумент «100 шагов».
3. «Поведение» коннекционистских
характеристиками работы мозга.
сетей
сходно
с
Коннекционистские сети хорошо справляются с:
- распознаванием образов (и учатся на примерах)
- обобщениями
- контентной адресацией памяти («вспоминание» элемента на
основе его признаков)
- обработкой с зашумленных данных (качество обработки
ухудшается, но обработка возможна)
4. Моделируют естественный
создания новых понятий.
механизм
Не требуется наличия врождённых понятий.
обучения
и
Пример: нейросетевые модели хорошо объясняют
быстроту ответов о непринадлежности объекта к
категории и о незнании чего-либо.
Есть ли в русском языке слово
«сурюга»?
- нет
активация на выходе
Знаете ли вы столицу
Республики Чад?
- не знаю
Перечислите основные
произведения Станислава
Пшемыльского.
- не знаю такого автора.
выходной
слой
скрытый
слой
входной
слой
тренируемые
связи
активация на входе
Слабые стороны коннекционистских моделей.
1. Медленное обучение.
Коннекционистская сеть требует долгой «тренировки» для
«запоминания» взаимосвязей между явлениями; мозг же
зачастую способен обучиться «с первого раза».
Ответ: «самотренировка» с помощью реверберации.
2. Очень трудно моделируются систематичность и
продуктивность, присущие человеческому мышлению.
Впрочем, в символистских моделях смоделировать продуктивность
не менее трудно.
3. Множество экспериментов свидетельствуют в пользу
наличия иерархических и ассоциативных структур в
ментальных представлениях людей.
Ответ: Такие структуры и их элементы можно реализовать и с
помощью «нейронных сетей», причём достаточно легко.
Нейрокогнитивные модели. Коннекционизм.
Коннекционистские модели при соответствующем подборе
параметров сетей позволяют объяснить большинство эффектов,
объясняемых
теоретико-множественными,
кластерными
и
сетевыми моделями. Более того, при введении в них рекурсии,
они позволяют моделировать и процессы предсказания.
А
Б
контекстные нейроны
Рекуррентные нейронные сети, применяющиеся для (А) моделирования
построения форм прошлого времени английских глаголов и (Б) предсказания
грамматической категории следующего слова в предложении (по: Cooper, 1996).
Нейрокогнитивные модели. «Гибридная модель».
Репрезентация знаний
Вышеприведённые модели рассматривали либо
репрезентацию знаний в
вербальной форме, либо
«абстрактную репрезентацию», не различая в какой форме
знания представлены.
В то же время формы мышления (вербальное,
числовое, пространственное и т.д.) различаются между
собой и относительно мало зависят друг от друга
(подробнее об этом будет сказано в разделе об измерении
интеллекта), и более того,
имеют различные
нейрофизиологические основы.
Можно предположить поэтому, что и репрезентации
знаний в разных формах хранятся «отдельно». иер. мод.
Подробное изучение этого вопроса, механизмов
взаимодействия разных форм репрезентации знаний, а
также того как тип задачи определяет используемую
форму репрезентации знаний – предмет дальнейших
исследований.
Репрезентация знаний – резюме.
1. Термин «семантическая организация» относится к способу
систематизации и структурирования понятий в памяти.
2. Символистские модели подразделяются на теоретикомножественные модели, модель сравнительных семантических
признаков, сетевые модели и пропозициональные сети.
3. В теоретико-множественных моделях понятия организованы
в виде множеств «групп» информации, содержащих категории и
атрибуты.
4. Модель сравнительных семантических признаков также
предполагает наличие теоретико-множественной структуры, но
разделяет атрибуты на определяющие, и характерные (описательные)
признаки. Оценка понятий предположительно основана больше на
определяющих признаках.
5. Сетевые модели исходят из того, что понятия хранятся в
памяти в виде независимых семантических единиц, объединенных
конкретными
и
значимыми
связями.
Предполагается,
что
воспроизведение
из
памяти
осуществляется
путем
оценки
достоверности целевых и связанных с ними понятий и что перемещение
по структуре в процессе извлечения информации требует времени.
Репрезентация знаний – резюме.
6. Теория распространения активизации, объясняющая
семантическую обработку, основана на сложной сети, в которой простые
ассоциации (напр., «красный» и «огонь») связаны вместе в понятийном
пространстве. Эта теория хорошо объясняет эффект предварительной
подготовки, или эффекты прайминга.
7. В моделях пропозициональных сетей репрезентация
знаний организована в виде сложной ассоциативной сети
пропозициональных
конструкций,
являющихся
наименьшими
значимыми единицами информации (например: «Нью-Йорк (есть)
большой»).
8. В коннекционистских моделях (PDP – parallel distributed
processing) знания представлены как связи между единицами,
теоретически подобные тому, как представлена информация в
нейронных сетях. При этом, в отличие от моделей, использующих
семантические сети, каждый отдельный элемент такой нейронной сети,
как правило, не «означает» какого-либо понятия, так же как каждая
отдельная связь между «нейронами» не «означает» связи между
понятиями. Информация о понятии «хранится» в конфигурации всей
(или большой части) нейронной сети, при этом один и тот же «нейрон»
может участвовать в кодировании многих понятий.
Мышление
Стимул
Репрезентация 1
Умозаключения
Репрезентация 2
Реакция
Умозаключения
- Алгоритмические
- Эвристические
- Алгоритм:
- определённое
правило
или
процедура
решения задачи;
- при правильном выборе самого алгоритма и
отсутствии
ошибок
в
его
выполнении
гарантирует достижение верного решения.
- Эвристические методы:
- основываются на имеющемся опыте, оценки
делаются «на глазок»;
- как правило, быстры, просты и эффективны;
- но нередко приводят к ошибочным выводам.
«Все люди смертны.
Сократ — человек.
Сделайте, пожалуйста, вывод из этих положений».
Формы силлогизмов
На схеме, представлены различные формы силлогизма; предикат вывода обозначен
через Р, а субъект вывода – через S. Большая посылка связывает предикат вывода
(честный в первом из нижеприведенных примеров) со средним термином, M
(посещающие церковь); малая посылка связывает субъект вывода (политики) со средним
термином, и вывод связывает субъект с предикатом.
Каждый тип силлогизма можно описать на основе составляющих
его типов высказываний; например, в силлогизме о Сократе и
смертности все высказывания являются общими утверждениями (тип
А), так что весь силлогизм будет типа AAA.
Показанные на схеме «фигуры силлогизмов» — это записи
«моделей опосредования». «Фигура 1» («упреждающая связь») в
примере с Сократом имела бы такую последовательность: «Человек —
смертен, Сократ — человек, Сократ — смертен». Общее количество
возможных силлогизмов — комбинаций типов и фигур — составляет
256 с учетом сочетаний каждого фактора со всеми остальными
факторами, из них только 24 являются логичными (по 6 на каждую
фигуру).
Джордж Буль, 1854 г.
Описание «законов, управляющих мышлением». Согласно
Булю, мысли являются утверждениями или пропозициями,
которые могут сочетаться между собой определенным
образом для получения новых утверждений. Буль
предложил
обозначать
утверждения
символами
(например, буквами латинского алфавита –p, q и т.д.).
Высказывания
могут
соединяться
между
собой
различными коннекторами. Буль рассмотрел несколько
таких коннекторов: «и», «или», «не».
Логика Буля не распространяется на силлогистику Аристотеля –
эти две системы описывают разные случаи умозаключений.
Аристотель создал логику отношений между классами объектов,
Буль – логику отношений между высказываниями.
Условные суждения, корректные и ошибочные
Форма
суждения
Если A, то B
Дано: A.
Следовательно:
B.
Наименование
суждения
Пример
Если я написал контрольную на 2, то
я должен сдавать зачёт.
подтверждение
Дано: Я написал контрольную на 2.
следствия
Следовательно, я должен сдавать
(корректное суждение) зачёт.
Modus ponens
Если A, то B
Дано: не A.
Если я написал контрольную на 2, то я
Если A, то B
Дано: B.
Если я написал контрольную на 2, то я
должен сдавать зачёт.
отрицание следствия должен сдавать зачёт.
Дано: Я написал контрольную не на 2.
Следовательно, я не должен сдавать
(ошибочное
Следовательно:
Однозначного
вывода относительно
B сделать нельзя
зачёт.
суждение!)
не B.
подтверждение
посылки
Дано: Я должен сдавать зачёт.
Следовательно, я написал
(ошибочное
Следовательно:
вывода относительно
A на
сделать
нельзя
контрольную
2.
суждение!)
A. Однозначного
Если A, то B
Дано: не B.
Следовательно:
не A.
Modus tollens
Если я написал контрольную на 2, то я
должен сдавать зачёт.
Дано: Я не должен сдавать зачёт.
(корректное суждение) Следовательно, я написал
контрольную не на 2.
отрицание посылки
Условные суждения, корректные и ошибочные
- Формальные ошибки:
- Использование неправильных форм суждения:
- отрицание следствия
- подтверждение посылки
- Ошибочное обращение условия:
- рассуждение, строящееся как если бы условное
суждение было двусторонним (как будто «если q, то
p» подразумевает и «если p, то q»)
- Ошибки поиска доказательств:
- Установка на подтверждение (confirmation bias)
- склонность искать свидетельства, подтверждающие
имеющуюся гипотезу
- modus ponens
- затруднения в поиске свидетельств, могущих
потенциально опровергнуть имеющуюся гипотезу
- modus tollens
Пример: задача выбора Уэйзона
(Wason selection task)
Е
К
4
7
Каждая карточка имеет на одной стороне букву, а
на другой стороне – число. При этом действует правило:
если на одной стороне карточки гласная буква, то на
другой стороне – обязательно нечётное число.
Вопрос: какое наименьшее число карточек и
какие именно карточки требуется перевернуть, чтобы
проверить, выполняется ли это правило в данном
наборе?
Правильный ответ (E и 4) дают менее 20%.
Индукция и дедукция
Индукция в логике – процесс рассуждения от частного к
общему. Ф. Бэкон рассматривал индукцию как логику
научных исследований, а дедукцию – как логику
доказательств. Фактически в эмпирических науках оба процесса
постоянно используются вместе: путем наблюдения за отдельными
явлениями (индукция) и исходя из уже известных принципов
(дедукция) выводятся законы и формулируются новые гипотезы.
Дедукция. 1. В традиционной логике – процесс получения
путем рассуждения конкретных умозаключений из более
общих,
предположительно
верных
принципов.
Аристотелевский силлогизм – классический пример
традиционной дедуктивной логики.
2. В современной
логике – любое утверждение, выведенное путем
применения правила к аксиоме; в более общем смысле этот
термин теперь относится к процессу выведения теорем из аксиом, или
заключений из посылок, с помощью формальных правил (правил
трансформации).
Эвристика
Если алгоритмический подход даёт гарантированное
решение, почему часто используют не его, а
эвристические методы?
1. Алгоритмы часто требуют значительно больше времени
и «мыслительных ресурсов»
пример: решение анаграммы: йро
алгоритм: перебор всех вариантов – йро, йор, ойр,
орй, рйо, рой.
эвристические правила: гласная обычно между
согласными; слов на «й» мало => рой
2. Алгоритм обычно подразумевает строго заданные
условия, тогда как в жизни часто встречаются задачи с
неопределёнными исходными данными (подробнее чуть
позже).
3. Где взять алгоритм поиска алгоритма...?
Эвристика репрезентативности
При оценке вероятности того или иного
развития
событий
люди
склонны
опираться на:
– То насколько типично такое «поведение»
объекта для того набора объектов, к
которому он принадлежит
(«подгонка под стандарт»)
– Было типично такое продолжение развития
событий в предшествующих подобных
случаях
(экстраполяция)
Принадлежность к категории
Люди
принадлежат
одновременно
нескольким социальным группам
к
– Возраст, пол, национальность, профессия,
личностные особенности и т.д.
• «Кем» мы воспринимаем человека в
первую очередь (напр. как сантехника, или как
алкоголика) зависит от того, насколько
типичным
представителем
соответствующей категории он является
Выделение подтипов происходит, если человек не
подходит ни под один из существовавших ранее
стереотипов.
Ошибки в вероятностных суждениях,
основанные на эвристике репрезентативности
• 1. Лотерея «6 из 49». Какой набор чисел
вы предпочтёте выбрать (имеет по вашему
мнению больше шансов на выигрыш)?
– 7, 12, 18, 24, 33, 45
или
– 1, 2, 3, 4, 5, 6
• 2. Пять раз подряд выпал «орёл».
Увеличился ли шанс что в следующий раз
выпадет «решка»?
«ошибка игрока»
Вероятностные суждения
(то, в чем мы слабы)
«Задача Ивана»
(вариация на тему «задачи Линды» Д.Канемана и А.Тверски)
Иван — молодой мужчина, умеет играть на гитаре, увлекается
рок-музыкой и носит длинные волосы.
Выберите более вероятную из двух гипотез:
1) Иван работает в банке.
2) Иван работает в банке и играет в любительской
рок-группе.
Большинство людей выбирает как более вероятную гипотезу
2).
«Задача Ивана»
(вариация на тему «задачи Линды» Д.Канемана и А.Тверски)
Иван — молодой мужчина, умеет играть на гитаре, увлекается
рок-музыкой и носит длинные волосы.
Выберите более вероятную из двух гипотез:
1) Иван работает в банке.
2) Иван работает в банке и играет в любительской
рок-группе.
Большинство людей выбирает как более вероятную гипотезу
2).
Но вероятность совместного возникновения двух
событий не может быть выше вероятности одного из
них!!!
Monty Hall Dilemma
Разыгрывается 5000 рублей
Их прячут в один из стаканов
Monty Hall Dilemma
… Кручу-верчу, обмануть хочу …
Игроку предлагают выбрать один из стаканов
Предположим, он выбрал средний стакан
Monty Hall Dilemma
После этого ведущий, который знает в каком из стаканов
спрятаны деньги (а игрок знает, что ведущий это знает), открывает
один из оставшихся стаканов – пустой.
И предлагает ещё раз выбрать – из оставшихся двух
стаканов.
Вопрос: что выгоднее –
придерживаться старого?
сменить
выбор
Варианты ответа:
1. Придерживаться старого;
2. Сменить выбор;
3. Это неважно, в обоих случаях вероятность ½.
или
Monty Hall Dilemma
Большинство игравших выбирали ответ 1 или 3, и не
меняли выбор стакана (в случае 3 – «зачем метаться?»)
На самом деле выгоднее сменить выбор!!!
p=1/3
p=1/3
p=2/3
p=1/3
Мы (люди) плохо умеем работать
с ситуациями суммы и произведения
Мы (люди) плохо умеем работать с ситуациями
суммы и произведения вероятностей…
... а также с условными вероятностями.
Задача маммографии
Дано:
1. Вероятность рака груди у женщин старше 40 лет – 1%.
2. Если заболевание есть, маммография выявляет его в 80%
случаев.
3. Если заболевания нет, вероятность ложноположительного
результата маммограммы – 10%.
Маммография, проведённая у некой
сорокапятилетней женщины, дала
положительный результат.
Вопрос: Какова вероятность
того, что у неё действительно
рак груди?
Большинство испытуемых
оценивали эту вероятность в 5080%
Задача маммографии
На самом деле вероятность наличия рака груди в
такой ситуации – около 7.5%.
Формула Байеса:
То есть:
p(A|B)= ______p(A)*p(B|A)_______
p(A)*p(B|A)+p(~A)*p(B|~A)
p(рак|+тест)= _________p(рак)*p(+тест|рак)___________
p(рак)*p(+тест|рак)+p(~рак)*p(+тест|~рак)
Подставляем реальные числа:
p(рак|+тест) = ____0,01*0,8____ = 0,074
0,01*0,8+0,99*0,1
Ошибки в оценке вероятности наличия
рака допускали и обычные люди и
врачи. Но причины ошибки могут быть
разные…
Ещё одна характерная ошибка при оценке вероятностей –
завышение вероятности маловероятных и занижение
вероятности высоковероятных событий (чем пользуются
организаторы лотерей и страховые компании).
Причиной ошибок при работе с вероятностями
вероятно является «неестественность» вероятностного
представления данных (появилось 150-200 лет назад).
Нам привычнее работа с конкретными случаями
(«естественными частотами»).
Например, задачу маммографии можно переформулировать: «Пусть
имеется группа из 1000 женщин, 10 из которых больны раком груди.
Применение диагностического теста, называемого маммографией,
ведет к положительному результату у 8 из числа больных и у 99
здоровых женщин. Как велика доля женщин с раком груди среди всех
женщин с положительной маммограммой?»
Этим приёмом можно пользоваться и в других подобных ситуациях..
Эвристика доступности
1. Мы строим наши суждения о частоте тех или
иных событий на основе того, насколько
«доступны» в нашей памяти упоминания о
таких событиях (насколько легче нам их вспомнить)
Пример 1: что чаще происходит в РФ – убийства или
самоубийства?
большинство отвечает «убийства»; на самом деле
самоубийства в 1,5-2 раза чаще.
Пример 2 (не столь драматичный): каких слов в
русском языке больше – с буквой «н» на первом или
на третьем месте?
большинство отвечает – на первом; на самом деле –
на третьем.
2. Обычно легче припомнить типичные события,
чем менее типичные, так как относительно
последних у нас меньше опыта.
Формы ошибок при использовании
эвристики доступности
1. Ошибка «бросающегося в глаза»
Заметность и эмоциональная значимость
информации определяет, то в какой степени мы
обращаем на неё внимание и запоминаем.
2. Эгоцентрическая установка
- Тенденция людей переоценивать собственный
вклад в совместные дела.
Кто больше всех следит за порядком в вашей
комнате?
- Тенденция «судить по себе» при оценке вероятного
поведения других.
«Якорь»
Строя суждение, мы начинаем с некоей
догадки, начальной оценки, назывемой
«якорем», а потом корректируем эту
оценку
на
основе
дополнительной
информации.
Но как правило, мы не уходим слишком
далеко от «якоря».
Ошибки завышенной самооценки
Ошибка «заинтересованного свидетеля»
Тенденция
приписывать
собственным усилиям, а
внешних факторов.
свои
неудачи
достижения
– влиянию
Нереалистичный оптимизм
Тенденция предполагать более благополучный исход
для себя, чем для других в аналогичной ситуации.
Ошибка «лучше среднего»
Склонность оценивать свои достижения как лучшие,
чем средние в своей группе.
Оценки «задним умом»
Суждения постфактум о том, что данное
событие было очень вероятным, даже
если
заранее
его
вовсе
не
предсказывали
Более вероятные и ранее ожидавшиеся
события
становится
труднее
вообразить, чем в действительности
произошедшие.
Почему эвристические методы всётаки используются?
Главным
образом,
по
причине
ограниченности «ментальных ресурсов».
– Недостаточное
знание
или
отсутствие/
недостаточность «ментальных моделей»
Пример: «наивная физика» (следующий слайд)
– Нехватка
ресурсов
информации
для
обработки
Люди чаще действуют стереотипно, когда их ум занят
какой-либо дополнительной задачей (пример:
тесты с двойным заданием)
Люди чаще действуют стереотипно, когда их
работоспособность понижена (пример: «совы» и
«жаворонки»
в
утренних
и
вечерних
экспериментах).
«Наивная физика»
Решения
Ограниченные ресурсы
Оцените сколько будет:
8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = ...
А если вместо этого спросить так:
1 x 2 x 3 x 4 x 5 x 6 x 7 x 8 = ... ?
Недостаточная ёмкость рабочей памяти
заставляет скорее угадывать, чем считать.
В среднем, оценка в первом случае оказывается
выше, чем во втором. («якорь»)
Когнитивные модели
Сетевые модели. (3) Пропозициональные сети. Модель ACT*
(Adaptive Control of Thought)
Общая структура модели ACT*,
компоненты и связи между ними.
(Андерсон).
показывающая главные
(Anderson, 1983)
Когнитивные модели
Сетевые модели. (3) Пропозициональные сети. Модель ACT*
(Adaptive Control of Thought)
(Андерсон).
ACT* основана на понятии «систем продукции», или представлении о том,
что в основе человеческого познания лежит набор пар «условие-действие»
(типа «если …, то …»), называемых правилами продукции.
Репрезентация знаний в ACT*: трехкодовая теория репрезентации
знаний. Эти три кода включают:
• Временную последовательность, которая кодирует порядок набора единиц;
•
пространственный
образ,
который
кодирует
пространственные
репрезентации, например кодирование квадрата или треугольника;
• абстрактную пропозицию, которая кодирует значение или семантическую
информацию, например «Билл, Джон, удар»,
Документ
Категория
Презентации
Просмотров
15
Размер файла
2 982 Кб
Теги
1/--страниц
Пожаловаться на содержимое документа