Справочник по философии разума животных - Kristin Andrews,Jacob Beck

быть порождена применением правила в алгоритме, манипуляцией ментальной картой или ментальной моделью (чтобы назвать пару когнитивных процессов). Возвращаясь к примеру с социальным обучением голубей, ассоциативная модель может описывать (когнитивный) процесс имитации перспективы сородичей. Это можно сделать двумя способами: либо описав последовательности репрезентаций, которые происходят в рамках симуляции, либо описав репрезентативные состояния, которые вызывают симуляцию (подробнее об этом ниже). Аналогично, в ассоциативную модель обучения могут быть включены любые переменные. Модель ассоциативного обучения, включающая такие переменные, как контакт, задержка между событиями и паттерны движения, как имеющие отношение к обучению, может дать точное математическое описание процесса обучения механическим причинно-следственным связям между объектами (например, Spelke 1990).

Когнитивные модели обычно содержат больше каузальных деталей, поэтому они все равно указывают на виды процессов (конкретный вид зависит от конкретной модели), а ассоциативные модели - нет. Именно поэтому обе модели могут применяться к одному и тому же процессу; они могут описывать одну и ту же причинно-следственную структуру на разных уровнях абстракции. Ассоциативные модели и когнитивные модели различаются не видом процесса, который они описывают; они различаются тем, что они говорят об этом процессе, и, как следствие, описательной и объяснительной работой, которую они выполняют. Используете ли вы ассоциативную или когнитивную модель, зависит от вопроса, который вы задаете, и информации, которой вы располагаете, а не от процесса, который вы описываете.

В любой отдельной задаче этот взгляд не меняет поведенческих предсказаний, которые дает конкретная ассоциативная модель. Разница возникает, когда мы рассматриваем, как модель применяется в разных условиях. Как говорилось выше, если мы воспринимаем ассоциативные модели как обозначение ассоциативных процессов, это подразумевает, что ассоциативная модель должна предсказывать поведение во всех условиях, в которых соответствующий процесс управляет поведением. Вместо этого я утверждаю, что мы должны ограничить сферу применения каждой ассоциативной модели конкретной задачей, для которой она была разработана. Таким образом, если ассоциативная модель не может предсказать поведение в новой задаче, это не фальсифицирует ее как модель процесса в предыдущих задачах, где она предсказывает. Все еще может быть так, что модель точно описывает последовательность репрезентативных состояний, которым следует процесс, и переменные обучения, на которые он реагирует, в тех исходных задачах. Может существовать другая ассоциативная модель, предсказывающая поведение в новой задаче, или несколько, или ни одной.

Если рассматривать эти разные задачи как зондирование одной и той же способности, то цель состоит в том, чтобы объединить ассоциативные модели, предсказывающие поведение в разных задачах, в модель единого механизма, который может производить их все. В принципе, возможно, что несколько ассоциативных моделей предсказывают поведение даже в одной задаче. В таких случаях только одна из них может быть правильной. Способ определить, какая из них правильная, - это найти набор ассоциативных моделей, по одной в каждой задаче, которые могли бы быть продуктом одного механизма. Для этого нужно построить модель этого механизма и определить, какие последовательности он будет создавать и на какие переменные обучения он будет реагировать. Опять же, в принципе, таких наборов может быть несколько. Построение таких моделей механизмов и аргументация в пользу одного из них - сложная задача, которая, скорее всего, повлечет за собой вывод о наилучшем объяснении, включая фоновую теорию. Таким образом, выполнение одной задачи влияет на оценку ассоциативной модели выполнения другой задачи, но не в качестве прямого подтверждения или фальсификации. Вместо этого вопрос заключается в том, могут ли две разные ассоциативные модели выполнения разных задач быть продуктами одного и того же механизма.

Например, мы можем построить ассоциативные модели, предсказывающие поведение во всех экспериментах, которые, по нашему мнению, исследуют способность голубей к социальному обучению. Некоторые из них могут включать симуляцию, а некоторые - нет. Затем мы сравниваем эти модели и ищем набор, который может быть результатом работы одного механизма. Если наилучшее объяснение предполагает наличие механизма, который моделирует перспективу сородичей, то полученная характеристика этого механизма покажет, какие последовательности состояний включаются (и не включаются) в симуляцию, и какие условия вызывают (и не вызывают) симуляцию. Таким образом, мы не только получим систематическое доказательство наличия способности (в отличие от нынешних споров, в которых упор делается на единичные эксперименты, а не на интеграцию доказательств), но и гораздо более подробную характеристику этой способности (в отличие от расплывчатости многих современных апелляций к когнитивным процессам).

Таким образом, ассоциативные модели задают абстрактные ограничения для более детальных моделей механизма. Любая более детальная модель должна следовать последовательности представлений и/или реагировать на переменные обучения, заданные ассоциативными моделями. Ассоциативные модели отнюдь не исключают другие виды моделей, например когнитивные, но становятся важной частью процесса разработки этих моделей. Нам не нужно проводить различие между ассоциацией и познанием, чтобы использовать оба вида моделей.6 Эта точка зрения также объясняет, почему ассоциативные модели могут предсказать поведение сложного процесса (например, прайминга) в некоторых условиях, но не во всех. Таким образом, она решает обе проблемы ассоциативных моделей, рассмотренные выше.

Простота

Ни одна дискуссия об ассоциативной обработке не может обойтись без рассмотрения вопроса о простоте (или простоте) как научной добродетели. Этот вопрос затрагивается двумя способами. Во-первых, можно утверждать, что ассоциативные модели должны обозначать ассоциативные процессы, применяя канон Моргана при интерпретации моделей (а не только при их выборе). Ассоциативные процессы - это простейшие процессы, которые может описать ассоциативная модель, и, таким образом, стандартная точка зрения будет восстановлена. Однако для этого потребуется очень сильная, универсально применимая версия канона Моргана. Есть веские причины отвергнуть такую точку зрения, которые я не могу изложить здесь (см. Fitzpatrick 2008 и главу 42 в этом томе; Dacey 2016b). Учитывая проблемы, вызванные результирующим взглядом на ассоциацию, наряду с более общими опасениями по поводу канона Моргана, этот аргумент не может оправдать восстановление стандартного взгляда.

Во-вторых, на мой взгляд, простота остается достоинством ассоциативных моделей. Это происходит не потому, что процесс прост, а потому, что проста модель. Модель проста, потому что она абстрагируется от деталей того, как работает процесс. Это ценно по трем причинам. Во-первых, нам часто не нужны эти детали; например, ассоциативная модель часто достаточна для прагматических задач , таких как предсказание и контроль. Во-вторых, поскольку модели ассоциативного обучения фокусируются на конкретных переменных, мы можем охарактеризовать их влияние в точных математических терминах (подобные модели часто выводятся из модели Рескорла-Вагнера [Rescorla and Wagner 1972]). Многие, возможно, большинство психологических моделей не обладают такой точностью, поэтому точность ассоциативных моделей очень ценна, и ее нелегко воспроизвести. Мой взгляд на ассоциацию позволяет ассоциативным моделям придавать математическую строгость другим видам моделей, следуя процессу, описанному в последнем разделе.