Dr hab. Marcin Miłkowski, prof. IFiS PAN. Plan na dziś  Informacja: wiele miar, jedno pojęcie?  Informacja semantyczna  Reprezentacje a informacja?

Prezentacja na temat: "Dr hab. Marcin Miłkowski, prof. IFiS PAN. Plan na dziś  Informacja: wiele miar, jedno pojęcie?  Informacja semantyczna  Reprezentacje a informacja?"— Zapis prezentacji:

1 Dr hab. Marcin Miłkowski, prof. IFiS PAN

2 Plan na dziś  Informacja: wiele miar, jedno pojęcie?  Informacja semantyczna  Reprezentacje a informacja?  Wąskie i szerokie ujęcie procesów poznawczych – od redukcjonizmu neuronalnego do antropologii kognitywnej

3 Antyreprezentacjonizm w robotyce  Robotycy behawioralni podkreślają aktywną naturę procesów poznawczych.  Robot, zamiast budować model świata, może po prostu próbkować stan świata swoimi detektorami.  Aktywna eksploracja otoczenia, podkreślana przez enaktywistów, to temat bardzo współcześnie eksploatowany.  Ale jak się mają informacje do reprezentacji?

4 Informacja strukturalna  Informacja strukturalna (logon):  istnieje nośnik fizyczny, który ma co najmniej dwa stany (może zmieniać się na dwa sposoby, czyli ma dwa stopnie swobody)  Minimalne pojęcie, często stosowane w informatyce (to bity i bajty są jej jednostkami).  Wystarczy, że istnieją różnice fizyczne. Bardzo mało!!!

5 Informacja selektywna  Informacja selektywna (Shannona):  miara nieprzewidywalności informacji strukturalnej (przesyłanej w kanale między nadawcą a odbiorcą)  Jej jednostką też są bity, ale nie te same, o których mówi się standardowo w informatyce (np. przy podawaniu pojemności dysku).

6 Przykład: kod Morse’a  Symbole:  kreski i kropki (krótsze i dłuższe dźwięki)  Informację mierzymy jako stopień zaskoczenia odbiorcy pewnego rodzaju ciągiem kresek i kropek, generowanym przez nadawcę.  Niektóre kombinacje kropek i kresek są niepoprawne, więc ich prawdopodobieństwo jest bardzo niskie → więcej informacji!

7 ODBIORCA NADAWCA (źródło) DEKODOWANIE KANAŁ KODOWANIE SZUM sprzężenie zwrotne NADAWANIEKOMUNIKAT ODBIÓR NADAWANIE ODBIÓR MODEL PROCESU KOMUNIKACJI Model komunikacji Shannona

8 Uwaga: jak stosować miarę Shannona  Weźmy dowód matematyczny. On ma prawdopodobieństwo 1.  Wydawałoby się zatem, że żaden dowód nie niesie żadnej informacji w sensie Shannona.  Ale tylko wtedy, kiedy odbiorca (którym może być maszyna!) zna tekst tego dowodu i wie, że dany tekst jest dowodem.  Ilość informacji zależy od stopnia zaskoczenia odbiorcy. Nie jest absolutna!!!

9 Metafora przewodu  Ujęcie Shannona miało służyć do opisu komunikacji z punktu widzenia inżyniera, a nie teoretyka komunikacji czy lingwisty.  Wielu teoretyków odrzuca koncepcję, że rozumienie np. zdań w języku polskim polega na dekodowaniu znaczeń zakodowanych drogą fonetyczną.  Komunikacja może polegać raczej na koordynacji działania i współdziałaniu, a nie na dekodowaniu…

10 Informacja metryczna  Informacja metryczna (Fishera):  miara głębi świadectw (miara jakości procedury estymacji lub pomiaru)  Stosuje się do określania siły hipotez (stopnia, w jakim potwierdzają ją pomiary).  Znane w statystyce wcześniej niż miary Shannona.

11 Informacja algorytmiczna  Miarą informacji algorytmicznej ciągu symboli jest długość najmniejszego programu mogącego wygenerować C.  Przybliżenie tej miary dają uniwersalne algorytmy kompresji, np. Lempel-Ziv lub ZIP.  Maksymalnie przypadkowe ciągi mają program dłuższy od samego ciągu. Ciągi całkowicie uporządkowane mają krótkie programy.

12 Informacja probabilistyczna  Informacja probabilistyczna (Dretskego):  Sygnał r niesie informację, że F(s) ztw P(F(s)|r ^ k) = 1  gdzie k to zmienna uwzględniająca uprzednią wiedzę odbiorcy  Tu mamy informację opartą na prawach przyrody, które są pewne w 100%.  Prawa przyrody i podobne prawidłowości są informacyjne.

13 Pojęcie informacji  O informacji można zatem mówić, gdy występują prawidłowości w przyrodzie (rozumiane statystycznie), objawiające się pojawianiem się określonych sygnałów.  Te prawidłowości można odkrywać statystycznie przez badanie kowariacji lub mocniejszych współzależności.

14 Prawdziwość  Ale pojęcia prawdziwości nie da się sprowadzić do pojęcia kowariacji.  Aby mówić o prawdziwości (zdań) lub weredyczności (np. postrzeżeń), trzeba coś jeszcze dodać…

15 W poszukiwaniu informacji semantycznej  Informacja semantyczna ma mieć własność prawdziwości  ale niekoniecznie fałszywości: w ujęciu Dretskego i Luciana Floridiego informacja nie może być fałszywa  Wiele konkurencyjnych koncepcji…

16 Donald MacKay  Donald M. MacKay (1922-1987), teoretyk informacji i neurolog, związany z brytyjskim klubem Ratio (Ashby, Barlow, Turing, McCulloch…).

17 Koncepcja informacji semantycznej MacKaya  Informacja jest semantyczna, kiedy ma selekcyjną funkcję względem zespołu stanów organizmu, które stanowią macierz prawdopobieństw warunkowych działania.  Potocznie: znaczyć to modyfikować gotowość do działania, a nie wywoływać reakcję.

18 Koncepcja MacKaya  Tę koncepcję przejmuje w 1969 Daniel Dennett (treść reprezentacji ma funkcję modyfikacji gotowości do działania).  Alva Noe (później z Kevinem O’Reganem) opracowuje koncepcję percepcji jako działania sensomotorycznego, przy czym działanie jest rozumiane w takich samych gotowościowych kategoriach.

19 Reprezentacja a informacja  Spór antyreprezentacjonistów z reprezentacjonistami wymaga odpowiedzi na pytania:  czym jest informacja?  jak ma się informacja do reprezentacji?  czym jest prawdziwość?  czym różni się prawdziwość od rzetelności informacji?

20 Sama informacja to nie wszystko!  Reprezentacje umysłowe muszą być:  umysłowe,  związane z działaniem podmiotu,  mieć własności semantyczne (prawdziwość i fałszywość),  mieć treść…  No więc można wskazać kilka niezbędnych charakterystyk.

21 Mechanizmy reprezentacyjne  Mechanizmy reprezentacyjne mają przynajmniej następujące funkcje:  posiadanie nośników modyfikujących zdolność systemu do działania;  odnoszenie się do (ewentualnego) desygnatu;  wskazywanie cech desygnatu;  posiadanie warunków spełniania opartych na tych cechach;  ocenianie wartości epistemicznej informacji o desygnacie.

22 Mechanizmy reprezentacyjne  Mechanizmy oceniania służą do ewentualnej korekty i świadczą o tym, że warunki spełniania mają rolę przyczynową w systemie poznawczym.  Te zdolności mechanizmów reprezentacyjnych zapewniają, że pojawiają się ich dwie podstawowe własności:  nieprzezroczystość odniesienia;  zdolność do wykrywania błędu przez system poznawczy.

23 Nieprzezroczystość odniesienia  Zenek wie, że Cyceron był świetnym retorem.  Zdanie „Cyceron był świetnym retorem” jest prawdziwe zawsze i tylko wtedy, kiedy prawdziwe jest zdanie „Marek Tulliusz był świetnym retorem”.  Bo „Cyceron” i „Marek Tulliusz” to ta sama osoba.  Ale Zenek tego nie wie. Kiedy przypisujemy mu treść, przypisujemy mu ją w sposób nieprzezroczysty, bo ważne jak się Zenonowi Cyceron prezentuje.

24 Wąskie i szerokie podejście do poznania  Tradycyjnie zwolennicy pojęć informacji kojarzeni są z „wąskim” podejściem do poznania:  Liczą się procesy poznawcze zachodzące w głowie, a nie stany otoczenia czy interakcja z otoczeniem.  Podejście indywidualistyczne, brak odniesienia do grupowych procesów poznawczych

25 Szerokie podejście do poznania  Uwzględnianie roli:  ciała,  otoczenia, w tym afordancji,  determinant kulturowych i społecznych…  Współcześnie ucieleśnione podejścia są bardzo popularne.

26 Poznanie w otoczeniu  Zewnętrzne reprezentacje ułatwiają poznanie

27 Poznanie rozproszone  Procesy poznawcze wymagające poznawczego podziału pracy można określić mianem „poznania rozproszonego” (distributed cognition).  Praca w laboratorium badawczym  Tradycyjne metody nawigacji morskiej i lotniczej (badania D. Hutchinsa)

28 Neuroantropologia  Badania łączące analizy antropologii kulturowej, badającej określone zjawiska kulturowe, z modelowaniem neurobiologicznym  Praktyki kulturowe mają konsekwencje biologiczne (neuroplastyczność)  Biologia ewolucyjna ujmuje kulturę jako niszę człowieka.

29 Polecane dalsze lektury  The Π Research Network, The Philosophy of Information: Introduction, http://socphilinfo.org/teaching/book-pi-intro http://socphilinfo.org/teaching/book-pi-intro  Łukasz Afeltowicz, Modele, artefakty, kolektywy, Toruń 2012  D. Lende i G. Downey, The Encultered Brain, MIT Press 2012