Концепция рекурсии в когнитивных исследованиях. Часть II: От Тьюринга к Байесу и к сознанию
https://doi.org/10.17726/philIT.2024.2.1
Аннотация
В статье обсуждается концепция рекурсии в математике, ИИ, когнитивных исследованиях и ее связь с сознанием. Развитие понятия прослеживается параллельно с историей теории вычислимости, когда были введены концепции машины Тьюринга с оракулом и вероятностной машины Тьюринга. Также рассматриваются такие рекурсивные вычислительные методы, как байесовская рекурсивная оценка и байесовский иерархический вывод. Показано, что с каждым нововведением в рекурсивных методах пределы вычислимости расширялись. Автор утверждает, что рекурсия является жизненно важным аспектом человеческого познания, особенно в разработке и интерпретации сложного языка. В статье также характеризуются проблемы изучения рекурсии и сознания, такие как субъективная природа сознания и сложность нейронных сетей, связанных с сознательным мышлением. Кроме того, анализируются ограничения в понимании рекурсии современных теорий когнитивной обработки, освоения языка и сознания. Делается вывод о том, что исследование связи между рекурсией и сознанием имеет решающее значение для развития более глубокого понимания языка и когнитивной обработки. Автор ожидает, что будущая теория, основанная на рекурсии, поможет решить основные метафизические загадки прошлого и настоящего.
Об авторе
И. Ф. Михайлов
Институт философии РАН
Россия
Россия
Михайлов Игорь Феликсович, доктор философских наук, ведущий научный сотрудник
Москва
Список литературы
1. Mikhailov I. F. The Concept of Recursion in Cognitive Studies. Part I: From Mathematics to Cognition // Philosophical Problems of IT & Cyberspace (PhilIT&C). 2024. № 1. P. 58-76.
2. Soare R. I. Computability and Recursion // Bulletin of Symbolic Logic. 1996. Vol. 2, № 3. P. 284-321.
3. Soare R. I. Turing Computability: Theory and Applications. Berlin Heidelberg: Springer-Verlag, 2016. 289 p.
4. Kwisthout J. Motivating explanations in Bayesian networks using MAP-independence // International Journal of Approximate Reasoning. Elsevier Inc., 2023. Vol. 153. P. 18-28.
5. Kato T. et al. Explore/exploit strategic movement of co-occurrence network based on a conscious/subconscious model // 2015 54th Annual Conference of the Society of Instrument and Control Engineers of Japan (SICE). IEEE, 2015. P. 301-306.
6. Arora S., Barak B. Randomized computation // Computational Complexity. 2012. P. 123-142.
7. Antonelli M., Lago U. D., Pistone P. On Randomized Computational Models and Complexity Classes: a Historical Overview, 2024.
8. Van Leeuwen J., Wiedermann J. The Turing Machine Paradigm in Contemporary Computing BT — Mathematics Unlimited — 2001 and Beyond / ed. Engquist B., Schmid W. Berlin, Heidelberg: Springer Berlin Heidelberg, 2001. P. 1139-1155.
9. Van Leeuwen J., Wiedermann J. A Theory of Interactive Computation BT — Interactive Computation: The New Paradigm / ed. Goldin D., Smolka S.A., Wegner P. Berlin, Heidelberg: Springer Berlin Heidelberg, 2006. P. 119-142.
10. Sacks G. E. Metarecursion Theory // Studies in Logic and the Foundations of Mathematics. Elsevier, 1967. Vol. 46, № C. P. 243-263.
11. Sacks G. E. Higher recursion theory. 2nd ed. Cambridge, UK: Cambridge University Press, 1990.
12. De Villiers J., Hobbs K., Hollebrandse B. Recursive Complements and Propositional Attitudes // Recursion: Complexity in Cognition. Studies in Theoretical Psycholinguistics, vol. 43 / ed. Roeper T., Speas M. Springer, Cham, 2014. P. 221-242.
13. Cabessa J., Villa A. E. P. Recurrent Neural Networks and Super-Turing Interactive Computation // Artificial Neural Networks. Springer Series in Bio-/Neuroinformatics, vol. 4. Springer, Cham., 2015. P. 1-29.
14. Wen Y. et al. Probabilistic recursive reasoning for multi-agent reinforcement learning // 7th International Conference on Learning Representations, ICLR 2019. 2019. P. 1-20.
15. Corballis M. C. The Recursive Mind. The Origins of Human Language, Thought, and Civilization // The Recursive Mind. Princeton University Press, 2014. 309 p.
16. TECHSLANG. What is Recursive Bayesian Estimation? A short definition of Recursive Bayesian Estimation [Electronic resource]. 2024. P. 1-5. URL: https://www.techslang.com/definition/what-is-recursive-bayesianestimation (accessed: 22.02.2024).
17. Daunizeau J. The Bayesian Brain: An Evolutionary Approach to Cognition // Encyclopedia of Behavioral Neuroscience: Volumes 1-3, Second edition. 2021. Vol. 1-3. P. V2-202-V2-221.
18. Ruffini G.An algorithmic information theory of consciousness // Neurosci Conscious. 2017. Vol. 2017, № 1.
19. Vergauwen R. Consciousness, Recursion and Language // Language and Recursion. NY: Springer New York, 2014. Vol. 9781461494. P. 169-179.
20. Oizumi M., Albantakis L., Tononi G. From the Phenomenology to the Mechanisms of Consciousness: Integrated Information Theory 3.0 // PLoS Comput Biol / ed. Sporns O. Public Library of Science, 2014. Vol. 10, № 5. P. e1003588.
21. Peters F. Consciousness as recursive, spatiotemporal self-location // Psychol Res. 2010. Vol. 74, № 4. P. 407-421.
Рецензия
Для цитирования:
Михайлов И.Ф. Концепция рекурсии в когнитивных исследованиях. Часть II: От Тьюринга к Байесу и к сознанию. Философские проблемы информационных технологий и киберпространства. 2024;(2):4-22. https://doi.org/10.17726/philIT.2024.2.1
For citation:
Mikhailov I.F. The Concept of Recursion in Cognitive Studies. Part II: From Turing to Bayes to Consciousness. Philosophical Problems of IT & Cyberspace (PhilIT&C). 2024;(2):4-22. https://doi.org/10.17726/philIT.2024.2.1
Просмотров:
246
Послать статью по эл. почте 