Re: [討論] 好書推薦_創智慧(on intelligence)

[takanaka (ithaca)]

感覺值得藉此再討論一下cognitive science在理論取向上一些與傳統實驗科學(例如生物)
不同的地方。

cognitive science和AI確實分享一些共同的假設，例如知識表徵的必要性。
知識表徵其實沒有聽起來這麼玄(或像很多人想的這麼不科學）。
用知識表徵來解釋認知就好像物理學用波義耳定律描述氣體運動，
用牛頓定律描述引力。波義耳定律是氣體嗎？不是，它只是一種近似、一種模擬，
但它確實讓我們對於氣體的自然本質與規律有所了解。
近代物理告訴我們的是，牛頓定律對於引力的描述其實在某些層次是錯的
是不準確的。其他的理論可以描述預測的更好。但牛頓定律確實在大多時候夠用也有
其簡潔性。

因此我想因為AI或計算取向不能完全複製人類認知，就判定其對認知的了解沒有用途是
言過其實。AI為基礎的機器人無法與人類匹敵是一回事，計算取向作為一種方法與理論
能不能增進對人類認知的了解則是另外一回事。現在就放棄計算取向，我想還太早。
尤其在過去二十年間，其實有很多令人興奮與印象深刻的計算模擬研究。



※ 引述《mulkcs (mulkcs)》之銘言：
: ※ 引述《itrs821 (酗咖啡)》之銘言：
: : 光看封面會以為這是一本講述人工智慧（以下簡稱AI）的書，
: : 不過閱讀之後才發現非但不是如此，而且還大力抨擊所謂的AI，
: : 不過這沒有抹滅我的興致，而且還被帶進一個更為入勝的世界之中...
: : 根據作者的說法,現在的AI理論是條死胡同，不管架構再怎麼精緻也很難與人類匹敵，
: : 因為不管在速度或是容量上，現今的電腦比起人腦都不惶多讓，
: : 但是在功能上卻還是遠遠落後
: 這段看了讓我有一些感想，不過卻有可能有些離題。XD。
: 我一直覺得AI領域有很大部份人在做"知識表徵"，在認知層面也好在神經層面也好，
: 都面臨到底一對多，或是多對一的問題。例如神經層面有grand mother cell vs
: cell assembly，認知層面有hierarchical model vs PDP model。
: 但一對多或多對一是否真的互相對立？

--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 128.84.173.38
推 LeeSeDol:hi, 可以簡略提一下那些計算模擬研究嗎？
→ LeeSeDol:或者提供關鍵字可以讓我有個找資料的方向, 3q
→ takanaka:我比較熟悉的領域裡像LSA, topic modeling我想都是好例子
→ takanaka:可以找一下Kintsch, Griffirths, Steyvers這些名字
→ takanaka:還有Tenenbaum