Модель концептуальной загрузки в человеческом познании

Природа поведения человека (2023 г.) Цитировать эту статью

Подробности о метриках

Чтобы решить сложную проблему, часто бывает разумно повторно использовать и рекомбинировать существующие знания. Такая способность к начальной загрузке позволяет нам обогащать умственные концепции, несмотря на ограниченные когнитивные ресурсы. Здесь мы представляем вычислительную модель концептуальной начальной загрузки. Эта модель использует динамический концептуальный репертуар, который может кэшировать, а затем повторно использовать элементы более ранних идей принципиальными способами, моделируя обучение как серию композиционных обобщений. Эта модель систематически предсказывает различные изученные концепции, когда одни и те же данные обрабатываются в разном порядке, без каких-либо дополнительных предположений о предыдущих убеждениях или фоновых знаниях. В ходе четырех поведенческих экспериментов (всего n = 570) мы демонстрируем сильные эффекты упорядочения учебной программы и концептуальных дорожек в саду, которые очень похожи на предсказания нашей модели и отличаются от прогнозов альтернативных подходов. В совокупности эта работа предлагает вычислительное объяснение того, как прошлый опыт формирует будущие концептуальные открытия, и демонстрирует важность разработки учебных программ для индуктивных концептуальных выводов человека.

Люди обладают замечательной способностью развивать богатые и сложные концепции, несмотря на ограниченные когнитивные способности. С одной стороны, существует множество свидетельств того, что люди ограничены в рассуждениях1,2,3,4,5, одновременно используют довольно небольшой набор умственных вариантов6,7,8,9,10 и обычно отклоняются от исчерпывающего поиска по большим пространства гипотез11,12,13,14,15. С другой стороны, эти ограниченные мыслители могут развивать богато структурированные концептуальные системы16,17,18, давать сложные объяснения19,20,21 и продвигать сложные научные теории22. Как люди могут создавать и понимать такие сложные концепции, которые кажутся им недоступными?

На этот вопрос Ньютон дал знаменитый ответ: «Если я видел дальше, то потому, что стоял на плечах гигантов»23. Это отражает интуицию о том, что люди ограничены, но наделены способностью не только учиться у других, но и расширять и перепрофилировать существующие знания для создания новых и более мощных идей. Такая способность считается краеугольным камнем когнитивного развития24. Например, создавая атомарные концепции маленьких чисел один, два, три и считая, маленькие дети, похоже, переходят к более общим и абстрактным числовым концепциям, таким как отношения последователей и бесконечная линия действительных чисел25. Благодаря начальной загрузке существующие с трудом заработанные знания не нужно открывать заново каждый раз, когда они используются, что экономит время и усилия учащегося при построении новых концепций, основанных на старых концепциях. Благодаря такому эффективному перепредставлению существующих знаний люди могут постепенно приходить к богатым мысленным конструкциям26,27,28 и естественным образом развивать иерархию концепций за счет уровней вложенного повторного использования18.

Хотя бутстрэппинг является ключевой идеей в теориях обучения и развития24, как поведенческие исследования, которые непосредственно изучают бутстрэппинг, так и когнитивные модели, формулирующие его механизмы, относительно редки. Пиантадози и др.25 стали пионерами направления исследований, в которых бутстрэппинг стал основой байесовской концепции концептуального обучения. Однако они сосредоточились на открытии рекурсивной функции при изучении числовых концепций и оставили открытой задачу изучения начальной загрузки как общей модели онлайн-индуктивного вывода. Дектер и др. 29 формализовали идею о том, что искусственный обучающийся может начать с решения простых задач поиска, а затем повторно использовать некоторые решения для достижения прогресса в более сложных задачах. Позднее этот подход развился в байесовское библиотечное обучение — класс моделей, направленных на извлечение общих функций из набора программ30,31. Эти модели успешно решили множество задач и, как было показано, отражают аспекты человеческого познания32,33. Однако эти работы в первую очередь направлены на изучение оптимальных библиотек или решение сложных тестовых задач, а не на объяснение того, как ограничения ресурсов взаимодействуют с механизмами начальной загрузки и как использование таких взаимодействий может объяснить человеческие модели ошибок в рассуждениях, а также успехи.