Интеллект понятие модели и виды: Интеллект, его виды и характеристика | Учебно-методический материал по психологии (11 класс) по теме:

Содержание

Виды моделей | MindMeister ментальными картами

Виды моделей создатель Елясина Елизавета

1. Натурная (материальная)

1.1. Натурня модель- модель, признаки каторой можно скопировать и произвести. Примеры: муляжи и макеты (глобус,модель Солнечной системы).

2. Информационная

2.1. Информационная модель-описание объекта-оригинала наодном из языков представления(кодирования) информации.

2.2. Этапы построения информационной модели: 1. Анализ условия задачи, выраженного на естественном языке. 2. Выделяются свойства, основные части и связи между ними, существенные с точки зрения именно этой цели. 3. Формолизация — представление выявленных связей и выделенных существенных признаков объекта в некоторой форме ( таблица, рисунок, схема, чертёж, формула и т.д.)

2.3. Информационные модели существуют отдельно от объектов моделирования и могут подвергаться обработке независимо от них. Построив информациооную модель, человек использует её вместо объекта-оригинала для исследования этого обекта, решения поставленной задачи.

2.3.1. Классификация информационных моделей: 1.Классификация предметной области ( физические, экологические, Экономические и т.д.) 2. Учёт фактора времени выделяют динамические ( изменяющиеся с течением времени) и статические ( не изменющиесяс течение времени) модели. 3. Различают знаковые, образные и смешанные виды. Может быть представлена в форме текста на есеств. языке или программы на языке программирования.

3. Словесные модели

3.1. Словесные модели- это описания предметов, явлений, событий, прцессов на ястественных языках. Множество словесных моделей содержится в школьных учебниках: в учебниках истории представлены модели исторических событий, в учеб. географии-модели географических и природных процессов, в учеб. биологии — модели объектов животного и растительного мира.

4. Математические модели

4.1. Математические модели- информационные модели, построенные с использованием математических понятий и формул

5. Компьютерные математические модели

5.1. Компьютерные математические модели — математические модели, реализованные с помощью систем программирования, электронных таблиц, специализированных математических пакетов и программных средств для моделирования.

Как работают искусственный интеллект, машинное и глубокое обучение :: РБК Тренды

Что значат эти понятия, в чем разница между ними, и в каких случаях уместно применять каждое?

Об авторе: Андрей Беляев, технический директор (CTO) исследовательской компании Neurodata Lab.

Умные дома, самоуправляемые автомобили, роботы-помощники… Нас окружают инновационные технологии, в основе которых лежат алгоритмы, по своей специфике напоминающие работу человеческого мозга. Их называют по-разному: алгоритмы с использованием машинного обучения, глубокого обучения, а иногда и вовсе искусственный интеллект (ИИ).

В чем разница между этими названиями?

Все задачи, которые может решать человек или компьютер, можно условно разделить на две категории: рутинные и нерутинные.

К рутинным задачам можно отнести те, где достаточно просто найти универсальный путь решения: например, сложение чисел или измерение температуры воздуха.

Искусственным интеллектом сейчас принято называть все, что способно решать нерутинные задачи на уровне, близком к человеческому, а иногда и лучше. Такие задачи окружают нас везде. Камеры над дорогой вычисляют скорость автомобиля, распознают его знак и высылают штраф, а системы безопасности в метро и аэропортах находят преступников в толпе. Все это сегодня принято считать искусственным интеллектом, хотя в действительности алгоритмы, лежащие в основе каждой такой технологии, уникальны. И только некоторые используют машинное обучение.

Получается, что машинное обучение — это обучение ИИ

Искусственный интеллект — это название не какого-то отдельного алгоритма, но скорее группы методов, которыми пользуются для решения различного рода задач. Алгоритмы, которые используют подходы с обучением, являются лишь одной из подгрупп всего того множества алгоритмов, что принято называть искусственным интеллектом.

Машинное обучение — это подход, при котором алгоритм «учится» решать задачу. Один из самых простых примеров алгоритма, использующего машинное обучение, это классификация фотографий на те, где изображены кошки и те, где есть собаки:

Допустим, есть несколько тысяч фотографий кошек и несколько тысяч — собак. Эти данные можно загрузить в алгоритм и заставить его «учиться» отличать кошек от собак, «ругая» за ошибки в классификации и «поощряя» за правильные ответы. В зависимости от количества и качества вводных данных, а также от сложности используемого алгоритма после некоторого количества итераций с «наказанием» и «поощрением», получается обученный алгоритм, которой с разным качеством умеет отличать кошек и собак.

Применяя методы машинного обучения, эти же алгоритмы можно «натренировать» и для выполнения более сложных задач — таких как поиск людей на кадре, определение пола и возраста человека и т.д.

Такие алгоритмы можно научить решать задачи любой сложности?

В теории — да. Но на практике мы сталкиваемся с большим количеством проблем, начиная от недостаточного количества данных для обучения, заканчивая невозможностью интерпретировать действия человека при решении такой же задачи. Получается, что невозможно построить алгоритм, который эти действия бы совершал. Хороший пример — автопилотируемый автомобиль. Научить машину держать полосу, входить в повороты и автоматически перестраивать маршрут, если на дороге ремонт, сравнительно несложно, потому что есть понимание, как вел бы себя человек (а значит, как должна вести себя машина) в таких ситуациях.

Однако научить автомобиль принимать решения в чрезвычайных ситуациях гораздо сложнее: проблема в том, что и самому человеку трудно понять, как именно надо поступать в том или ином экстренном случае. Поэтому человек не может показать алгоритмам примеры хорошего и плохого поведения для таких случаев.

А что насчет глубокого обучения? Чем оно отличается от машинного?

Как машинное обучение является подвидом искусственного интеллекта, так и глубокое обучение является подвидом машинного (см. картинку в начале статьи). В глубоком обучении используются те же подходы: алгоритму дают много данных и «ругают» его за ошибки. Разница здесь в том, что сами алгоритмы глубокого обучения устроены гораздо сложнее и часто используют более серьезные математические модели. Сейчас под алгоритмами глубокого обучения практически всегда подразумевают нейронные сети.

Нейронные сети? Как те, что в мозгу у человека?

Такое сравнение действительно часто используется. Нейронная сеть — это последовательность слоев, каждый из которых, в свою очередь, состоит из нейронов, и каждый выполняет свою роль. Есть нейроны (или структуры нейронов), которые учатся выделять важные элементы на изображениях, например шерсть у кошки или собаки; есть те, которые учатся делать выводы, исходя из выделенных элементов — например, если у животного длинные лапы, то, скорее всего, это собака. Эти нейроны объединяются в группы (слои), а они превращаются в единую искусственную нейронную сеть.

И все же можно как-то сравнить процессы внутри нейросети с деятельностью мозга?

Некоторое количество идей, используемых в нейросетях, разработчики почерпнули из знаний об устройстве человеческого мозга. Одни из самых частых задач для нейросетей — это задачи, связанные с работой с изображениями. Для таких задач используют специальный тип нейросетей, внутри которых есть так называемые сверточные слои.

Если говорить упрощенно, смысл этой сверточной нейронной сети в том, чтобы оценивать каждый элемент картинки (пиксель) не отдельно, а в группе с несколькими соседними, благодаря чему можно находить как базовые фигуры (линии, углы, и т.д.), так и объекты целиком. Примерно такой же процесс происходит и в человеческом мозге при обработке визуальной информации. После снятия всех возможных визуальных признаков в нейросети, как и в человеческом мозге, происходит анализ этих признаков, а затем принимается решение: видим мы, допустим, кошку или собаку.

А как происходит процесс обучения?

Процесс обучения алгоритма во многом напоминает процесс обучения человека. Как мы совершаем ошибки и учимся на них (например, что не стоит засовывать руку в кипящую воду), так и алгоритмы, использующие машинное обучение, совершают ошибки, за что получают штраф.

Как работает нейросеть? В качестве примера можно рассмотреть процесс обучения нейросети распознаванию лиц. Чтобы корректно обучить любую нейросеть, нужно сделать две вещи: собрать достаточное количество данных и определить, за что мы будем ее штрафовать. Применительно к этой задаче необходимо собрать несколько десятков фотографий лиц для каждого из людей, которых надо определить, и штрафовать нейросеть за то, что предсказанный ею человек не совпадает с человеком на фотографии.

Что значит «поощрять» и «штрафовать» нейросеть?

С математической точки зрения нейросеть — это функция с большим количеством параметров. Штрафование этой функции за неверное определения лица — это когда мы, упрощенно говоря, корректируем работу функции таким образом, чтобы в будущем она меньше ошибалась. Соответственно, поощрение нейросети — это когда мы ее просто не штрафуем.

График зависимости между длительностью обучения (горизонтальная ось) и конечной ошибкой (вертикальная ось). Чем дольше мы учим нейросеть, тем меньше ошибка.

Во всех примерах вы рассказываете про конкретные задачи. А можно ли нейросеть научить думать, как человек?

Это уже скорее философский вопрос. Мыслительный процесс напрямую связан с наличием сознания. Нейронная сеть, как и любой другой алгоритм машинного обучения, по своей сути является лишь математической функцией, и умеет решать лишь одну конкретную задачу. Нейросеть, которую учили отличать кошек и собак, не сможет отличить медведя от слона, ведь она даже не знала, что такие существуют. Процессы же анализа данных, которые происходят в голове у человека, намного сложнее чем те, что происходят в нейросети, так что даже при наличии данных, сопоставимых по размеру с массивом информации, которую за жизнь получает человек, сегодня обучить нейросеть думать, как человек, невозможно.

Подписывайтесь и читайте нас в Яндекс.Дзене — технологии, инновации, эко-номика, образование и шеринг в одном канале.

Общая психопатология | Обучение | РОП

Интеллект (от лат. intellectus — понимание, познание) — обобщенная характеристика познавательных (когнитивных, умственных) способностей; способность к приобретению и эффективному использованию знаний.

Когда в быту говорят об уме того или иного человека (он умный либо, напротив, неумный), мы в целом хорошо понимаем, что это может означать, несмотря на то что существование индивидуальных различий в умственных способностях вряд ли у кого-либо вызывает сомнение, но само понятие умственных способностей (интеллекта) до сих пор является предметом дискуссий в научной среде. Можно ли говорить о некой единой, общей умственной способности, или интеллект лишь совокупность независимых познавательных функций? Можно ли достоверно оценить интеллектуальный уровень? На эти вопросы до сих пор нет однозначного ответа.

Использование специальных тестов для оценки интеллекта началось в конце XIX — начале XX в. Первоначальная задача заключалась в оценке уровня развития детей для того, чтобы определять программы их дальнейшего обучения в школе с учетом индивидуальных особенностей. В качестве меры развития интеллекта было предложено рассматривать соотношение реального хронологического возраста ребенка и его «умственного возраста». Умственный возраст определялся по выполнению заданий, которые дети того или иного возраста обычно в состоянии решить. Несовпадение умственного и хронологического возрастов считалось показателем либо умственной отсталости (умственный возраст ниже хронологического), либо умственной одаренности (умственный возраст выше хронологического). Тогда же был предложен коэффициент интеллекта (intelligence quotient, IQ): (умственный возраст/хронологический возраст) × 100%.

В последующем было разработано большое количество тестов интеллекта, как для детей, так и для взрослых. Самый известный из них тест Векслера, который существует в детском и взрослом варианте.

IQ стал определяться как соотношение балла, полученного испытуемым в том или ином тесте интеллекта, к среднему баллу по данному тесту среди тех, кто уже проходил этот тест, умноженное на 100. Соответственно, IQ=100 — соответствует средней успешности решения данного теста среди всех обследованных, меньше 100 — менее успешному результату, более 100 — более успешному результату. Как большинство биологических и физиологических параметров (например, масса тела, рост и пр.), показатели интеллекта в популяции имеют практически нормальное распределение (см. рисунок). При этом патологией может считаться значимое отклонение (в данном случае — снижение) по сравнению со средним. Так, для большинства тестов интеллекта результаты, лежащие в пределах двух стандартных отклонений от среднего (т.е. от 70 до 130), имеют 95,5% испытуемых.

Большинство тестов интеллекта являются по своей сути батареями разнообразных заданий, направленных на оценку целого спектра различных умственных способностей испытуемых. Например, тест Векслера для взрослых имеет 11 заданий, организованных в две субшкалы: вербальный интеллект (включает задания на общую осведомленность, арифметические вычисления, запоминание последовательности цифр, словарный запас) и невербальный интеллект (включает задания на кодовую замену — шифрование, завершение картинок, конструирование изображений из кубиков, определение сюжетной последовательности картинок, складывание фигур).

Результаты выполнения заданий, направленных на разные когнитивные способности, обычно имеют между собой корреляционную связь средней силы (около 0,5). Наличие этой связи позволяет некоторым ученым говорить о существовании некой общей интеллектуальной способности, которую можно определить с помощью теста и выразить в виде одного параметра (IQ). С другой стороны, отсутствие более сильной корреляционной связи между результатами позволяет другим ученым считать, что существует целый ряд когнитивных способностей, которые относительно независимы друг от друга. В работах разных исследователей приводятся разные подходы к выделению таких самостоятельных когнитивных способностей и разное их общее число (от 2 до 120).

Основываясь на своем собственном жизненном опыте, пожалуй, каждый из нас может согласиться с тем, что истина находится где-то посередине между этими полярными точками зрения. С одной стороны, со школьной скамьи мы знаем, что есть люди в целом более успешно справляющиеся с решением интеллектуальных задач, а есть люди менее успешно справляющиеся с этими заданиями. С другой стороны, способности каждого человека индивидуальны: кто-то более способен к одному виду заданий (например, математическим), кто-то к другому (например, художественным, связанным с манипулированием мысленными образами).

Кроме того, помимо врожденных, биологических особенностей, интеллектуальное развитие во многом определяется и социальными условиями, в которых растет ребенок, тем обучением, которое он проходит.

Таким образом, рассматривая оценку умственных способностей, можно выделить несколько уровней, на которых такая оценка может проводиться:

Предпосылки интеллекта — те базовые психические процессы, которые определяют общую успешность интеллектуальной деятельности: внимание, память, мышление, речь, скорость психических процессов и пр.
Кристаллизованный интеллект («база знаний») — результат образования и различных социальных влияний, приобретенных в ходе развития знаний и навыков; оценивается тестами на запас слов, чтение, счет, учет социальных нормативов и пр.
Свободный (подвижный, текучий) интеллект — представляет собой интеллект в наиболее узком смысле этого понятия как способность решать мыслительные задачи, в большей степени характеризует биологические возможности нервной системы, чем полученное образование. Оценивается тестами на выявление закономерности в ряду фигур и цифр, пространственные операции и т.д. Для оценки свободного интеллекта разработаны так называемые культурно-независимые тесты интеллекта (например, «Культурно-независимый тест интеллекта» Кеттелла, «Стандратные прогрессивные матрицы» Равена и пр.)

Определение уровня интеллекта с помощью тестов интеллекта имеет ряд недостатков (фрагментарность, узкая специализация заданий, из которых состоят тесты, невозможность полностью избежать культуральных различий, личностных особенностей, невозможность учесть успешность испытуемых в реальных видах деятельности, вероятность искажения результатов в связи с натренированностью в решении заданий теста, плохая оценка одаренности, так как часто талантливые люди плохо справляются с тестами и пр.), но обладает значимым преимуществом — относительной объективностью и возможностью сопоставлять полученные в ходе решения заданий тестов результаты. Тем не менее ввиду вышеизложенных недостатков часто говорят, что результаты тестов являются оценкой не интеллекта в целом, а «психометрического интеллекта», т.е. способности решать задания тестов интеллекта.

Кроме оценки интеллекта с помощью тестов возможна и клиническая оценка интеллекта, когда в ходе клинической беседы с больным интеллект оценивается по описанным выше уровням:

Состояние психических процессов, которые можно рассматривать в качестве предпосылок интеллекта. Например, выраженные нарушения памяти или внимания могут приводить к полной неспособности решать мыслительные задачи, приобретению и использованию имевшихся прежде знаний и навыков. В случае подобных стойких и необратимых нарушений этих психических функций диагностируется слабоумие (см. далее).
База знаний. Оцениваются особенности того обучения, которое получил пациент, его успеваемость. Если оно было недостаточно, то необходимо оценить независимый вклад социально-психологических факторов и интеллектуальной неспособности справляться с программой обучения. Оцениваются сохранность приобретенных знаний, эрудированность пациента в общих вопросах, грамотность речи, беглость чтения, счета и пр. Также оцениваются профессиональные и бытовые навыки, их репертуар, успешность выполнения.
Интеллект в собственном смысле — способность пациента решать сложные умственные задачи, его способность к абстрактному мышлению, нахождению решений в нестандартных ситуациях и пр. В ходе клинической беседы оценивается способность давать объяснение пословицам и поговоркам (от простых до сложных и неоднозначных), быстро находить ответы на непривычные вопросы («что тяжелее: 1 кг пуха или 1 кг железа?», «сколько берегов у озера?» и пр.)

Оценка интеллекта шире, чем оценка особенностей мышления как психического процесса. Можно провести аналогию с понятиями разума и рассудка в философии или понятиями классической (формальной) и неклассических логик. Оценивая мышление, мы оцениваем «рассудок» — способность рассуждать логически стройно, непротиворечиво. Аристотель — основатель классической (формальной) логики — вывел основные логические законы, которые должны соблюдаться при логически правильном рассуждении, в том числе закон исключения третьего (истина или ложь, «третьего не дано»), что подразумевает однозначные толкования рассматриваемых ситуаций (существует или не существует, прав или неправ и т.д.). Оценивая интеллект, речь скорее идет о понятии «разума» как высшей формы мышления в философии, которому доступна взвешенная оценка противоречий, синтезирующая творческая деятельность, которая раскрывает сущность действительности, и пр. Современные неклассические логики — трех- (истина, ложь, неизвестно) и многомерные логики (вероятностные) — также занимаются исследованием областей, недоступных классической логике, так как признают возможность противоречий в объективном мире.

Например, если человек разговаривает по телефону и собеседник его спрашивает, что он сейчас делает, то с точки зрения формальной логики правильным ответом будет — «разговариваю по телефону». Так обычно отвечают дети приблизительно 3-летнего возраста, и с точки зрения оценки непротиворечивости мышления это было бы правильным ответом, хотя и неполным, чрезмерно конкретным. Подрастая, ребенок начинает привыкать к тому, что, задавая такой вопрос, собеседник обычно имеет в виду более общую ситуацию, чем ту, которая относится к конкретной минуте. Соответственно, ребенок более старшего возраста и взрослый, отвечая на подобный вопрос, рассказал бы, например, что он «сейчас» читает, смотрит телевизор или готовит ужин (не сейчас в буквальном, конкретном смысле слова, а сейчас в смысле на протяжении некоего промежутка времени перед звонком и после него). С точки зрения формальной логики этот ответ неправилен, так как одновременно и говорить по телефону, и, например, читать невозможно, но с точки зрения разума как раз этот ответ является наиболее правильным и ожидаемым. Понятно, что, отвечая таким «разумным» образом, человек «знает» на каком-то имплицитном, неосознанном уровне и логически правильный ответ, но абстрагируется от него.

Экспресс-оценкой способности к такому отвлеченному пониманию смыслов обычно являются задания на интерпретацию пословиц и поговорок. Например:

Одна голова хорошо, а две лучше.
Проще пареной репы.
Не все то золото, что блестит.
Яблоко от яблони недалеко падает.

Кроме того, оценивая интеллект, оценивают количество уровней «рефлексии» (отраженных смыслов), которыми в состоянии оперировать человек. Например, один человек, садясь в пригородную электричку, может быть доволен тем, что он в нее сел и теперь поедет к месту назначения. Другой человек дополнительно задумается о том, что лучше при этом выбрать немоторный вагон — так как там тише и комфортнее ехать. Третий, понимая первые два уровня оценки этой ситуации, может задуматься о том, что лучше как раз наоборот — сесть в моторный вагон, так как там будет свободнее (раз есть люди, которые думают, что в немоторном ехать лучше) и т.д.

Или, например, разные уровни рефлексии, связанные в большей мере с развитием профессиональных навыков, чем с собственно интеллектом: большинство студентов, проходящих цикл психиатрии, во время курации задумываются только о том, что конкретно они должны выяснить у пациента (поэтому вопросы формулируются напрямую, например, «употребляете ли вы алкоголь?»). Молодые врачи, получив некоторый опыт общения с пациентами, начинают в большей степени обращать внимание на то, как они должны задать вопрос пациенту, чтобы получить достоверную информацию (например, с учетом частых случаев, когда пациенты стараются приуменьшить размеры своей алкоголизации при расспросах об употреблении алкоголя «в лоб», эти вопросы лучше делать более «завуалированными» и «близкими» для пациентов. К примеру, изначально как бы проверяя память: «А вы не помните, что сколько в магазине стоит? А водка сколько стоит? А какую вы любите? А сколько можете выпить?» и т.д.). В дальнейшем, по мере накопления опыта, все большее внимание врачи начинают уделять наблюдению за тем, как пациент ответил на тот или иной вопрос (какие эмоции у него возникают и пр.).

Для решения сложных интеллектуальных задач обычно необходимо одновременно учитывать множество уровней таких смыслов. Чем больше их доступно человеку, чем больше факторов он способен взвешивать и учитывать, принимая эффективные решения, тем выше его интеллектуальные способности.

Таким образом, оценивая мышление как психический процесс, мы оцениваем способность рассуждать логически правильно на конкретном уровне, оценивая интеллект, мы оцениваем способность размышлять на более сложном, абстрактном уровне, те уровни абстракции, которые доступны данному человеку.

Сильный искусственний интеллект: личность или алгоритм?

Любая новая технология вне-человечна, и одна из задач «лириков» – гуманизировать, давать трезвую оценку новым технологиям, полученным ими от «физиков». Я уже кратко рассказывал о смене индустриальной эпохи на цифровую, которую многие называют эрой искусственного интеллекта. Настало время порассуждать о том, какое место умные машины займут в обществе, что такое социализация сильного искусственного интеллекта.

Сегодня мы можем столкнуться с искусственным интеллектом (ИИ, англ. artificial intelligence, AI) и даже не заметить этого. ИИ противостоит нам в играх, решает задачи логистики и транспорта, а также участвует в полноценных дебатах.

Искусственный интеллект – свойство интеллектуальных систем выполнять творческие функции, которые традиционно считаются прерогативой человека. Джон Маккарти

Первые реализации искусственного интеллекта появились уже в 70-х годах XX века. Сегодня после двух зим забвения он снова в центре внимания. На рубеже 2018-2019 гг. появились универсальные языковые модели, благодаря которым мы в скором времени можем перестать различать, где с нами говорит машина, а где человек. Пока ИИ не достиг вершин Шекспира, но, возможно, мы просто придираемся и завидуем его успехам.

Искусственный и естественный интеллект

Все, что мы наблюдаем в развитии этой технологии, до сих пор называют слабым искусственным интеллектом. Гипотеза сильного искусственного интеллекта предполагает, что компьютеры (или программы) могут приобрести способность осознавать себя как отдельную личность (в частности, понимать собственные мысли).

Тем самым сильный искусственный интеллект – это личность, хотя, возможно, и его мышление будет отличаться от привычного человеческого. Такую личность можно сравнить с представителями других разумных видов (например дельфинов, которые имеют свой язык). Или с людьми с высокофункциональным аутическим расстройством.

Сильный ИИ нельзя воспринимать, как жесткий алгоритм. Такое предположение заведомо ложно и ведет к широкому спектру заблуждений: от «их можно запрограммировать» до «они имитируют мышление». Искусственный интеллект по определению обладает способностью обучаться, кроме того, сильный искусственный интеллект будет обладать способностью осознавать себя и собственные поступки.

К сильному искусственному интеллекту будут применимы правила этики, и он должен будет их соблюдать. Эту проблему осознавал и освещал в своих романах Айзек Азимов (сборник «Законы робототехники»).

Тем самым сильный искусственный интеллект будет отличаться от естественного интеллекта человека и разумных животных только происхождением. А значит, ключевыми вопросами будут не что такое ИИ, добро или зло, а как воспитать, социализировать сильный ИИ в рамках межвидового общества, кто в ответе за воспитание сильного ИИ и что такое межвидовое общество разумных существ?

Межвидовое общество и социализация в нем

Социализация – это процесс вовлечения новой особи в общества. В процессе социализации особь перенимает культуру общества, в котором социализируется. Это сложный социально-психологический процесс.

Чтобы подойти к понятию социализации сильного искусственного интеллекта в обществе, нам нужно ответить на два вопроса.

В каком обществе будет проходить социализация? Текущее общество – это общество разумных людей. Даже сейчас в мире существует дискриминация по расовому, половому и иным признакам. С появлением сильного ИИ добавится признак «естественность интеллекта».
Что входит в понятие идентичности сильного ИИ? Сюда же можно отнести идентичность любого разумного вида, но с ИИ проблема сложнее: его «родители» – это изобретатели-инженеры. Проблема «меня собрал папа».

Общество – это то, что мы наблюдаем каждый день, и поэтому, как положено любой рыбе, плавающей в воде, мы воду не замечаем. Чтобы расширить границы нашего понимания общества, нам важно выпрыгнуть из воды (выйти за границы общества) хотя бы на одно мгновение.

XX век показал нам, что мы не единственный разумный вид на планете: шимпанзе, гориллы, орангутанги, дельфины и слоны, так же, как и человек, проходят большинство тестов на самоидентификацию. Кроме того, дельфины обладают языком, по части параметров сравнимым по сложности с естественными языками человека.

Место искусственного интеллекта в обществе

Если мы хотим создать общество, где будет комфортно сильному искусственному интеллекту, начать стоит с создания межвидового общества. Такого рода процессы были описаны в книгах фантаста Дэвида Брина «Война за Возвышение».

Дэвид Брин в своих книгах описывает достаточно жесткое и порой жестокое содружество разумных видов. Процесс включения новых видов в галактическое общество сопровождается процессом «возвышения» предразумных видов над разумными с дальнейшим служением первых вторым.

В конце цикла Брин описывает анклав на одной из планет, в котором виды отказались от таких жестких методов, создав более равноправное общество. Почему бы нам не учесть путь, который описывает Брин, и не начать процесс «возвышения», описав, как мы можем включить в наше общество предразумные виды и внебиологический вид, который мы создаем: «искусственный интеллект».

Нам придется понять, что такое человеческое общество, чем оно отличается от общества дельфинов и других разумных видов, выработать общие критерии глобальной культуры, которая способна принять различия за рамками отдельного вида. Посмотреть на процесс глобализации человека не как на процесс расселения и пожирания ресурсов всей экосистемы Земли, а как на процесс создания глобальной культуры, в рамках которой Земля – это наш Дом (Ойкумена), требующий заботы. Пока процесс глобализации не привел нас, человечество, к выработке этих критериев.

Еще по теме: Петр Левич о приближении мира процветания всех живых существ

Нам нужно разобраться со своими страхами относительно иных видов, и в особенности искусственного интеллекта. Ведь созданный нами сильный ИИ по отношению к нам скорее ребенок, который требует заботы и воспитания. Да, он может вырасти в агрессивного подростка или, еще хуже, между нами произойдет конфликт «отцов и детей», но это наша ответственность за воспитание ИИ. Это часть процесса социализации.

Нам в целом нужно понять, строим ли мы общество, в котором искусственный интеллект будет равноправным членом, или мы придем к резервациям для искусственного интеллекта ради обеспечения нашей безопасности.

Еще по теме

Что такое искусственный интеллект?

Суть искусственного интеллекта в формате вопросов и ответов. История создания, технологии исследования, связан ли искусственный интеллект с IQ и можно ли его сравнить с человеческим. На вопросы отвечал профессор Стэнфордского университета Джон Маккарти.

Что такое искусственный интеллект (ИИ)?

Искусственный интеллект — это область науки и инжиниринга, занимающаяся созданием машин и компьютерных программ, обладающих интеллектом. Она связана с задачей использования компьютеров для понимания человеческого интеллекта. При этом искусственный интеллект не должен ограничиваться только биологически наблюдаемыми методами.

Да, но что такое интеллект?

Интеллект – способность приходить к решению при помощи вычислений. Интеллект разного вида и уровня есть у людей, многих животных и некоторых машин.

Разве нет определения интеллекта, которое не зависит от соотнесения его с человеческим интеллектом?

До настоящего времени нет понимания, какие виды вычислительных процедур мы хотим назвать интеллектуальными. Мы знаем далеко не обо всех механизмах интеллекта.

Является ли интеллект однозначным понятием, чтобы на вопрос «Обладает ли данная машина интеллектом?» можно было ответить «да» или «нет»?

Нет. Исследования ИИ показали, как использовать лишь некоторые из механизмов. Если для выполнения задачи требуются только хорошо изученные модели, получаются очень впечатляющие результаты. Такие программы обладают «небольшим» интеллектом.

Является ли искусственный интеллект попыткой имитировать человеческий интеллект?

Иногда, но далеко не всегда. С одной стороны, мы узнаем, как заставить машины решать задачи, наблюдая за людьми или за работой наших собственных алгоритмов. С другой стороны, исследователи ИИ используют алгоритмы, которые не наблюдаются у людей или требуют гораздо больших вычислительных ресурсов.

У компьютерных программ есть IQ?

Нет. IQ основан на темпах развития интеллекта у детей. Это отношение возраста, в котором ребенок обычно набирает определенный результат, к возрасту ребенка. Данная оценка подходящим образом распространяется и на взрослых людей. IQ хорошо коррелирует с различными показателями успеха или неудачи в жизни. Но создание компьютеров, которые могут набрать высокий балл в тестах IQ, будет слабо связано с их полезностью. Например, способность ребенка повторять длинную последовательность цифр хорошо коррелирует с другими интеллектуальными способностями. Она показывает, какое количество информации ребенок может запомнить за один раз. При этом удержание в памяти цифр является тривиальной задачей даже для самых примитивных компьютеров.

Как сравнить человеческий и компьютерный интеллекты?

Артур Р. Дженсен, ведущий исследователь в области человеческого интеллекта, в качестве «эвристической гипотезы» утверждает, что обычные люди имеют одни и те же механизмы интеллекта и интеллектуальные различия связаны с «количественными биохимическими и физиологическими условиями». К ним относятся скорость мышления, краткосрочную память и способность формировать точные и извлекаемые долгосрочные воспоминания.

Независимо от того, правильна ли точка зрения Дженсена в отношении человеческого интеллекта, ситуация в ИИ на сегодняшний день является противоположной.

Компьютерные программы имеют большой запас скорости и памяти, но их способности соответствуют интеллектуальным механизмам, которые разработчики программ хорошо понимают и могут вложить в них. Некоторые способности, которые дети обычно не развивают до подросткового возраста, внедряются. Другие, которыми владеют двухлетние дети, все еще отсутствуют. Дело еще более усугубляется тем фактом, что когнитивные науки до сих пор не могут точно определить, каковы человеческие способности. Скорее всего, организация интеллектуальных механизмов ИИ выгодно отличается от таковой у людей.

Когда человеку удается решить задачу быстрее, чем компьютеру, это говорит о том, что разработчикам не хватает понимания механизмов интеллекта, необходимых для эффективного выполнения данной задачи.

Когда началось исследование ИИ?

После Второй мировой войны несколько человек начали независимо работать над интеллектуальными машинами. Английский математик Алан Тьюринг, возможно, был первым из них. Он прочитал свою лекцию в 1947 году. Тьюринг одним из первых решил, что ИИ лучше всего исследовать путем программирования компьютеров, а не конструирования машин. К концу 1950-х годов было много исследователей ИИ, и большинство из них основывали свою работу на программировании компьютеров.

Является ли целью ИИ поместить человеческий разум в компьютер?

У человеческого разума есть много особенностей, вряд ли реально имитировать каждую из них.

Что такое тест Тьюринга?

В статье А. Алана Тьюринга 1950 года «Вычислительная техника и разум» обсуждались условия обладания машиной интеллектом. Он утверждал, что если машина может успешно притворяться человеком перед разумным наблюдателем, то вы, конечно же, должны считать ее разумной. Этот критерий удовлетворит большинство людей, но не всех философов. Наблюдатель должен взаимодействовать с машиной или человеком через средство ввода-вывода для исключения необходимости имитации машиной внешнего вида или голоса человека. Задача как машины, так и человека состоит в том, чтобы заставить наблюдателя считать себя человеком.

Тест Тьюринга является односторонним. Машина, успешно проходящая тест, определенно должна считаться разумной, даже если она не обладает знаниями о людях, достаточными, чтобы их имитировать.

Книга Дэниела Деннета «Brainchildren» содержит прекрасное обсуждение теста Тьюринга и его различные части, которые были реализованы успешно, т. е. с ограничениями на знание наблюдателем об ИИ и предмете обсуждения. Оказывается, некоторых людей довольно легко убедить в том, что достаточно примитивная программа является разумной.

Является ли целью ИИ достижение человеческого уровня интеллекта?

Да. Конечной целью является создание компьютерных программ, которые могут решать проблемы и достигать целей так же, так и человек. Однако ученые, проводящие исследования в узких областях, ставят гораздо менее амбициозные цели.

Насколько далек искусственный интеллект от достижения человеческого уровня? Когда это произойдет?

Интеллект человеческого уровня может быть достигнут путем написания большого количества программ, и сбора обширных баз знаний о фактах на языках, которые сегодня используются для выражения знаний. Тем не менее, большинство исследователей ИИ считает, что необходимы новые фундаментальные идеи. Поэтому невозможно предсказать, когда будет создан интеллект человеческого уровня.

Является ли компьютер машиной, которая может стать интеллектуальной?

Компьютеры могут быть запрограммированы для имитации любого типа машины.

Скорость компьютеров позволяет им обладать интеллектом?

Некоторые люди думают, что требуются как более быстрые компьютеры, так и новые идеи. Компьютеры и 30 лет назад были достаточно быстрыми. Если бы мы только знали, как их программировать.

Что насчет создания «детской машины», которая могла бы улучшиться путем чтения и обучения на собственном опыте?

Эта идея неоднократно предлагалась с 1940-х годов. В конце концов, она будет реализована. Тем не менее, программы ИИ еще не достигли уровня, позволяющего узнать многое из того, чему ребенок учится в ходе жизнедеятельности. Существующие программы недостаточно хорошо понимают язык, чтобы многому научиться посредством чтения.

Являются ли теория вычислимости и вычислительная сложность ключами к ИИ?

Нет. Эти теории актуальны, но не затрагивают фундаментальные проблемы ИИ.

В 1930-х годах математические логики Курт Гёдель и Алан Тьюринг установили, что не существует алгоритмов, которые гарантировали бы решение всех задач в некоторых важных математических областях. Например, ответы на вопросы в духе: «является ли предложение логики первого порядка теоремой» или «имеет ли полиномиальное уравнение в одних переменных целочисленные решения в других». Так как люди способны решать задачи такого рода, данный факт было предложен в качестве аргумента в пользу того, что компьютеры по своей сути неспособны делать то, что делают люди. Об этом говорит и Роджер Пенроуз. Однако люди не могут гарантировать решения произвольных задач в этих областях.

В 1960-х годах ученые-программисты, в числе которых были Стив Кук и Ричард Карп, разработали теорию областей NP-полных задач. Задачи в данных областях разрешимы, но, по-видимому, их решение требует времени, растущего экспоненциально с размерностью задачи. Простейшим примером области NP-полной задачи служит вопрос: какие утверждения логики высказываний являются выполнимыми? Люди часто решают проблемы в области NP-полных задач в разы быстрее, чем это гарантируется основными алгоритмами, но не могут решать их быстро в общем случае.

Для ИИ важно, чтобы при решении задач алгоритмы были такими же эффективными, как и человеческий разум. Определение подобластей, в которых существуют хорошие алгоритмы, является важным, но многие программы, решающие задачи ИИ, не имеют отношения к легко идентифицируемым подобластям.

Теория сложности общих классов задач называется вычислительной сложностью. До сих пор эта теория не взаимодействовала с ИИ настолько, насколько можно было надеяться. Успех в решении проблем людьми и программами ИИ, по-видимому, зависит от свойств задач и методов решения задач, которые ни исследователи сложности, ни сообщество ИИ не могут определить точно.

Также актуальной является теория алгоритмической сложности, разработанная независимо друг от друга Соломоновым, Колмогоровым и Чайтиным. Она определяет сложность символьного объекта как длину наиболее короткой программы, которая сможет его сгенерировать. Доказательство того, что программа-кандидат является самой короткой или близкой к таковой, является неразрешимой задачей, но представление объектов генерирующими их короткими программами иногда может прояснять ситуацию, даже если вы не можете доказать, что ваша программа является самой короткой.

Стэнфордский университет

Классификация информационных моделей — урок. Информатика, 11 класс.

Напомним, что всё многообразие моделей можно условно разделить на три класса: материальные, знаковые и умозрительные. Знаковые модели можно поделить еще на три типа: описательные, математические и информационные.

Информационные модели, в свою очередь, составляют огромное множество различных модельных представлений информационных систем, поэтому их классификацию можно осуществить по разным признакам.

На первом уровне древовидной структуры содержатся два типа информационных моделей: модели объектов и процессов и модели знаний. Модели этих типов различаются по технологии моделирования: в первом случае в основу закладывается формирование базы данных, во втором — базы знаний.

База данных — это структурированная совокупность фактов, относящаяся к определенному объекту (процессу). Например, если рассматривать жёсткий диск компьютера как объект моделирования, то файловая система компьютера будет представлять собой базу данных.

База знаний — это совокупность основополагающих фактов и правил в определенной предметной области.

Факт — это сведения о конкретном событии, о свойстве конкретного объекта, о его связи с другими объектами.

Правила — это утверждения, определяющие одни понятия через другие, устанавливающие взаимосвязи между различными свойствами объектов, формулирующие законы природы или общества.

На основе фактов формируются знания о предметной области, а правила позволяют интеллектуальной системе самой построить программу для выполнения заданий, поставленных пользователем. В базе знаний могут реализовываться процедуры обобщения и корректировки хранимых знаний, а также процедуры, создающие новые знания на основании тех, которые уже там имеются. Таким образом, знания, хранимые в базе знаний, отличаются от данных, хранящихся в базе данных. Во-первых, структура знаний намного сложнее структуры данных. Во-вторых, знания обладают свойством внутренней активности. Изменения в знаниях могут активизировать те или иные программы, связанные с этими знаниями, а смена данных оставляет базу данных пассивной к происшедшим изменениям.

Модели объектов и процессов можно разбить на пять групп: вербальные, математические, кибернетические, табличные, графические.

Под вербальными моделями понимаются описательные модели в цифровом виде, пригодном для обработки на компьютере. В эту группу входят и математические модели, доведенные до стадии алгоритма.

Кибернетические модели — это модели, использующие принцип «чёрного ящика». О внутреннем содержании этого состояния можно судить, подавая сигналы на вход «ящика» и наблюдая его реакцию на выходе из «ящика».

В группу табличных информационных моделей попадают электронные таблицы видов «объект — свойство», «объект — объект» и «двоичная матрица». В каждой строке таблицы «объект — свойство» содержится информация об одном объекте или одном событии. В таблицах «объект — объект» отображаются взаимосвязи между разными объектами. В таблицах «двоичная матрица» отображается качественный характер связи между объектами.

В группе графических информационных моделей выделяют четыре вида моделей: схемы, чертежи, карты, графы. Графы, в свою очередь, разбиты на две категории — иерархические системы и сети.

Граф — это информация о составе и структуре системы, представленная в графической форме. Элементы системы называются вершинами, связи между ними — отношениями. Симметричные связи называются рёбрами, несимметричные — дугами.

Графы бывают неориентированными , ориентированными и неоднородными.

Иерархические системы — это системы, элементы которых находятся друг с другом в отношении вложенности, или подчинённости.

Дерево — это граф иерархической системы, в котором нет петель.

Вершины верхнего уровня связаны с вершинами нижнего уровня как «один ко многим».

Сеть — это граф, в котором вершины различных уровней связаны между собой по принципу «многие-ко-многим».

Модели знаний — это модели интеллектуальных информационных систем, объединённых под общим названием «искусственный интеллект».

Искусственный интеллект — раздел информатики, изучающий трудно формализуемые задачи имитации человеческого мышления.

Основная цель — стремление проникнуть в тайны творческой деятельности людей, их способности к овладению знаниями, навыками и умениями. Если будет разгадана суть этой тайны, то есть надежда реализовать подобие творческого начала людей в искусственных системах — сделать эти системы интеллектуальными. В действительности, искусственный интеллект — самостоятельная наука, зародившаяся во второй половине \(XX\) в. на базе вычислительной техники, программирования, математической логики, психологии, лингвистики, нейрофизиологии и других областей знаний. Основной целью этой науки является создание набора так называемых метапроцедур, необходимых и достаточных для того, чтобы ЭВМ могли находить по поставленным задачам их решения.

Метапроцедуры, в отличие от обычных процедур, используемых при решении формализуемых задач, реализуются в интеллектуальной деятельности человека. В психологии мышления можно выделить три основные модели творческой деятельности. Одна из них — лабиринтная модель, с которой связана метапроцедура целенаправленного поиска в «лабиринте» возможностей.

Другая модель — это модель ассоциативного мышления. Связанная с ней метапроцедура «по ассоциации» используется при решении интеллектуальных задач в программах распознавания образов, обучающих программах и др. Третья модель творческой деятельности — это существование внутренних моделей проблемных ситуаций. Здесь метапроцедурами являются нахождение представлений (знаний) и рассуждения с целью поиска адекватного ответа для решения проблемной ситуации. В совокупности все перечисленные метапроцедуры образуют арсенал интеллектуальных средств современных систем искусственного интеллекта.

Основные проблемы, изучаемые этой наукой:

1. Представление знаний — разработка методов и приемов для формализации знаний из различных проблемных областей, обобщение и классификация накопленных знаний, использование знаний при решении задач;

2. Моделирование рассуждений — изучение и формализация различных схем человеческих умозаключений, используемых в процессе решения разнообразных задач;

3. Диалоговые процедуры общения на естественном языке, обеспечивающие контакт между интеллектуальной системой и пользователем в процессе решения задач;

4. Планирование целесообразной деятельности — разработка методов построения программ сложной деятельности на основании тех знаний о проблемной области, которые хранятся в интеллектуальной системе;

5. Обучение интеллектуальных систем в процессе их деятельности, создание комплекса средств для накопления и обобщения умений и навыков, накапливаемых в таких системах.

Работы по искусственному интеллекту ведутся по таким направ

лениям, как когнитивная психология, психолингвистика, компьютерная лингвистика, экспертные системы, робототехника и др.

Когнитивная психология занимается изучением природы познавательных процессов, обеспечивающих приобретение, сохранение и трансформацию знания.

При изучении и моделировании познавательных процессов используются предположения об аналогии между ними и функциональной архитектурой мультипроцессорных систем, обеспечивающих одновременное протекание многих процессов.

Психолингвистика изучает внутренние связи между мышлением и речью.

Эта связь проявляется через взаимодействие глубинного универсально-предметного кода (предмета вообще) и поверхностной структуры, образуемой знаками языка в речи (конкретного предмета). Доказано, что имеется принципиальное различие между процессом мысленного проговаривания при чтении текста «про себя» и процессом внутренней речи — мышлением.

Компьютерная лингвистика — наука, родившаяся в \(1960-х\) гг, на стыке вычислительной техники и лингвистики.

В настоящее время выделяют \(5\) основных направлений работы.

1. Анализ текстов на естественном языке — общие принципы построения естественных языков давно интересуют лингвистов всего мира.

2. Синтез текстов на естественном языке — задача, обратная задаче анализа текстов. Проблема также очень актуальна.

3. Понимание текстов — проблема, интересующая не только лингвистов, но и психологов, философов, педагогов и др.

4. «Оживление» текста. Известно, что в памяти человека зрительные образы сопутствуют прочитанным текстам и наоборот, любой мыслительный образ человек легко может описать словами весьма точно. Текст и зрительный образ как бы объединены в нашем сознании. Изучение того, как происходит интеграция текста и картинки и как по одной составляющей представления появляется вторая — одна из важнейших проблем в работах по искусственному интеллекту. Уже имеются образцы картин, воссозданных по заданному тексту.

5. Модели коммуникации. Появление искусственных систем, способных воспринимать и понимать человеческую речь и тексты на естественном языке, создало предпосылки для непосредственного общения человека и компьютера.

Экспертные системы — одно из прикладных направлений искусственного интеллекта.

В отличие от других интеллектуальных систем, экспертная система имеет три главные особенности:

1. Она адаптирована для любого пользователя;

2. Она позволяет получать не только новые знания, но и профессиональные умения и навыки, связанные с данными знаниями, т. е. не только дает знать что…, но и знать как…;

3. Она передает не только знания, но и пояснения и разъяснения, т. е. обладает обучающей функцией.

Робототехника занимается созданием технических систем, которые способны действовать в реальной среде и частично или полностью заменить человека в некоторых сферах его интеллектуальной и производственной деятельности. Такие системы называются роботами.

Любой робот представляет собой объединение четырех взаимосвязанных систем: датчиков, системы искусственного интеллекта, системы управления и системы движения.

3.2 Что такое искусственный интеллект?

Вид ИС;Описание и применение ИС

Управляющие интеллектуальные системы;Управление в производстве, проектировании, бортовые ИС в авиации Динамические робототехнические системы: роботы, беспилотники;Робот — автономная движущаяся система, управляемая дистанционно или с помощью встроенной программы. Уже есть роботы с адаптивным поведением, способные преодолевать препятствия, «оценить» ситуацию, ориентироваться на местности Многоагентные системы;«Коллектив» роботов с общей целью, например обследование территории. Управление может идти снаружи, или изнутри, через робота-координатора, но члены системы могут обходиться и без координатора, взаимодействуя на горизонтальном уровне Системы поддержки принятия решений;Одно из направлений — когнитивные карты. Подобные схемы описывают ситуации и связи между ними и показывают, как один фактор влияет на другой. С их помощью можно рассчитать, например, как повышение налога повлияет на доходы бюджета, цены и т.д. Такой инструмент позволяет прослеживать отдаленные последствия решений, но важно понимать, что ИС не принимает решение, а лишь дает рекомендации. За решение отвечает человек. Такие системы активно разрабатываются для различных областей Когнитивные исследования и когнитивное моделирование;Попытка формализации познавательных процессов человека. Эти исследования направлены на то, что называется сильным ИИ Инженерия знаний и онтологии;Экспертные системы (ЭC) ориентированы на тиражирование опыта специалистов в областях, где качество решений зависит от уровня экспертизы и важен эмпирический опыт специалистов: медицина, юриспруденция, экономика и др. Многие компании создают для внутреннего пользования ЭС по ключевым технологиям Моделирование рассуждений;При моделировании рассуждений используется логика, но формализация классической логики — сложная задача. Одной из проблем является формализация здравого смысла. В рассуждениях человек использует распознавание, опыт, умение вспомнить нужный прецедент. Моделирование рассуждений включает: моделирование рассуждений на основе прецедентов аргументации или ограничений, моделирование рассуждений с неопределенностью, генерацию и проверку гипотез и др. Обработка естественного языка;Машинный перевод текстов, анализ текстов: извлечение нужной информации, классификация по содержанию, автоматическое реферирование, распознавание, перевод и генерация речи. Некоторые из этих задач стали успешно решаться с помощью машинного обучения

границ | Есть ли различия в «интеллекте» нечеловеческих видов? Роль контекстных переменных

Претензия Макфейла

В данном случае мы должны сделать вывод об отсутствии качественных или количественных различий среди позвоночных (за исключением человека; Macphail, 1985, p. 46).

В 1985 году Макфейл отстаивал нулевую гипотезу для интеллекта животных, в которой говорилось, что нет никаких качественных или количественных различий в интеллекте между нечеловеческими видами.Позже Макфейл опубликовал свою Нулевая гипотеза в качестве целевой статьи в Behavioral and Brain Sciences (Macphail, 1987). Справедливо сказать, что комментарии коллег были в целом негативными. Например, Штернберг (1987, с. 680) заявил, что «Макфейл предпринял смелые, но не полностью успешные усилия», в то время как Элепфандт (1987, с. 662) прокомментировал недавно появившееся исследование интеллекта позвоночных: «Этот новый рост не следует ограничиваться узкими взглядами или поспешными выводами.«Пожалуй, самый резкий комментарий был сделан Голдман-Ракичем и Прейсс (1987, с. 667), которые заявили, что« нулевая гипотеза Макфейла — это просто эпитафия на краеугольном камне сравнительного познания ».

Вместо того, чтобы остановить рост сравнительного познания или стать эпитафией на его надгробии, за более чем три десятилетия после публикации Разум позвоночных: нулевая гипотеза (Macphail, 1985) произошел взрыв исследований в области когнитивных способностей. вместимости животных.Такие темы, как эпизодической памяти , теории разума и планирование будущего , мало исследовались в 1985 году, тогда как сейчас они составляют основу исследований когнитивных функций животных. И другие темы, такие как представление отношений эквивалентности (рефлексивность, симметрия и транзитивность), получили долгую историю исследований и продолжают способствовать глубокому пониманию умственных способностей нечеловеческих животных. В свете огромного количества данных, накопленных с тех пор, как Макфейл (1985) опубликовал свою Нулевая гипотеза , цель этой статьи — посмотреть, выдержала ли она проверку временем: действительно ли нет различий, качественных или количественных, в познавательные способности позвоночных животных?

Некоторые общие проблемы

В данной статье мы рассматриваем текущее состояние утверждения Макфейла об отсутствии качественных или количественных различий в интеллекте между нечеловеческими видами позвоночных.Многие критические замечания в адрес Макфейла (1987) касались использования им термина «интеллект». Например, Барлоу (Barlow, 1987, p. 657) прекрасно сформулировал это, когда заявил, что «поскольку еще не существует общепринятого определения интеллекта, позволяющего определить для него количественную шкалу… нельзя с полным основанием сказать, что количественные различия либо существуют или не существуют ». Мы считаем, что это справедливая критика, и, кроме того, согласны с Ходосом (1987, стр. 668), когда он заявил, что «мы не должны увязываться с общей концепцией интеллекта животных, потому что ее измерение находится далеко за пределами нашей досягаемости.”

Помимо ограничений в определении «интеллекта», область сравнительного познания заключается в сравнении способностей разных животных, чтобы понять не только их способности, но и эволюцию умственных способностей людей. Однако оценка того, как животные различаются по «интеллекту», может быть не лучшим подходом. Скорее, мы думаем, что лучший подход — сосредоточиться на конкретных, определяемых и измеримых способностях, которые позволяют проводить прямые сравнения между видами.Д’Амато и Салмон (1984, стр. 149) выдвинули такую точку зрения относительно сравнения когнитивных способностей разных видов, когда они сказали, «насколько проще была бы задача, если бы мы могли идентифицировать относительно небольшое количество ядерных когнитивных способностей». что позволило бы нам с помощью их измерений сделать разумные утверждения о когнитивных потенциалах и способностях различных видов ». В этой связи мы сосредоточимся на наборе таких ядерных когнитивных способностей, которые были предметом обширных исследований у разных видов: рефлексивность, симметрия, транзитивность и поведение последовательного порядка, а также коснемся некоторых более современных ядерных когнитивных способностей, таких как эпизодическая память и ToM.

Помимо проблем, связанных с использованием термина «интеллект», есть еще одно предостережение, касающееся использования нами термина «познание». Мы используем этот термин больше для простоты объяснения, чем обязательно для обозначения того, что наши животные решают задачи, используя процессы, которые выходят за рамки поведенческих принципов, охватываемых оперантными и классическими обусловливающими или ассоциативными процессами, или не объясняются ими. Фактически, использование нами термина «познание» является синонимом определения Шеттлворта (1998, стр. 5), согласно которому он охватывает «механизмы, с помощью которых животные получают, обрабатывают, хранят и действуют на основе информации из окружающей среды.”

Третье предостережение заключается в том, что мы не собираемся сравнивать когнитивные способности нечеловеческих животных с человеческими. Такие сравнения подробно рассматривались в недавнем обзоре (Penn et al., 2008). Скорее, наша цель — сравнить когнитивные способности нечеловеческих животных и, в частности, рассмотреть значение нулевой гипотезы . Точно так же, поскольку большинство исследований проводилось на обезьянах, обезьянах, крысах или птицах, наши сравнения ограничиваются этими видами.Тем не менее, эти виды обладают достаточным диапазоном эволюционной независимости, а также различиями в нейроанатомии и нишах, чтобы предотвратить любую критику, которую мы не смогли широко проанализировать.

Роль контекстных переменных

В 1965 году Биттерман выдвинул идею контекстной переменной, некогнитивного фактора, который объясняет различия в наблюдаемом поведении между видами. Говоря о неспособности рыб продемонстрировать улучшения в обратном обучении как при решении пространственных, так и визуальных задач, Биттерман (1965, стр.95) заявил, что:

«Другая возможность состоит в том, что условия, в которых тестировалась рыба, виноваты в ее плохой демонстрации, что разница в производительности должна быть связана не только с разницей в возможностях, но и с неравенством в некоторых контекстных переменных, таких как как сенсорная потребность, двигательная потребность, степень голода или привлекательность вознаграждения ».

Биттерман (1965, стр. 95) также предвидел проблему с понятием контекстных переменных, когда заявил: «Можем ли мы когда-нибудь исключить возможность того, что разница в производительности двух разных животных в таком эксперименте проистекает из разницы в какая-то запутанная контекстная переменная? » Макфейл (1985, стр.39) пересмотрел понятие контекстных переменных в своей статье и повторил ту же озабоченность, когда заявил, что «не существует конечного каталога потенциально релевантных контекстных переменных: как, следовательно, можно окончательно исключить их влияние?»

Хотя опасения по поводу контекстных переменных обоснованы, мы полагаем, что контекстные переменные действительно находятся в континууме важности и релевантности. Хотя это может быть оправдано, у немногих возникнет соблазн утверждать, что разница в способностях между видами A и B объясняется тем, что стимулы, использованные в эксперименте с видом A, отличались по размеру от тех, которые использовались в эксперименте с видом B.С другой стороны, устройство, которое не позволяет животному должным образом обрабатывать стимул, действительно было бы действительным обращением к контекстной переменной. Действительно, Макфейл (1985) пришел к выводу, что нельзя упускать из виду важность контекстных переменных, и мы полностью разделяем эту точку зрения. Как мы покажем в текущем обзоре, контекстные переменные часто играют роль в том, может ли животное проявлять определенную способность.

Сначала мы сосредоточимся на наборе когнитивных способностей, называемых отношениями эквивалентности (рефлексивность, симметрия и транзитивность).Хотя идея отношений эквивалентности может и не вызывать представления о когнитивном мастерстве, отношения эквивалентности лежат в основе ряда сложных форм поведения. Согласно Сидману (2018, стр. 33), например, отношения эквивалентности играют центральную роль, «в том, чтобы сделать язык таким мощным фактором в нашем повседневном социальном общении друг с другом».

Рефлексивность

Первое отношение эквивалентности, которое мы исследуем, — это рефлексивность, более известная в литературе по познанию животных как концепция «одинаковые-разные» или «соответствие».Задача, наиболее часто используемая для изучения того, могут ли животные сформировать концепцию сопоставления, — это задача одновременного сопоставления с образцом (SMS). Хотя вариантов много, основная процедура очень проста. Животному показывают образец стимула, например, геометрическую форму круга или вертикальной линии. После ответа на образец стимула два стимула сравнения появляются по обе стороны от образца стимула, один такой же, как образец, а другой другой. Животное должно реагировать на стимул сравнения, который совпадает с стимулом образца.В этом примере от испытания к испытанию в образце чередуются стимулы в виде круга и вертикальной линии.

Животное может решить SMS-задачу одним из трех основных способов (Скиннер, 1950; Фартинг и Опуда, 1974; Картер и Вернер, 1978). Один из способов — изучить каждую из возможных конфигураций стимулов выборки и сравнения. С двумя стимулами (A и B) и стимулами, расположенными так, что образец стимула появляется в центре, а стимулы сравнения появляются по обе стороны от образца стимула, существует четыре возможных конфигурации сравнения образцов: AAB, BAA, BBA, и ABB.В соответствии с представлением конфигурации животное узнает, что конфигурации AAB и BBA означают клевание левого стимула для получения вознаграждения, а конфигурации ABB и BAA означают клевание правого стимула для получения вознаграждения. Второй способ решить задачу SMS — это изучить серию ассоциаций стимул-ответ , таких как «если круг был образцом, нажмите стимул сравнения круга» и «если вертикальная линия была образцом, нажмите стимул сравнения вертикальной линии. .Наконец, третий способ решить задачу SMS — это изучить обобщенную концепцию сопоставления , такую как «клевать стимул сравнения, который соответствует образцу стимула». Решение задачи путем реализации обобщенной концепции соответствия является «необходимым следствием рефлексивности, которая, следовательно, передает понятие тождества» (Сидман и др., 1982, стр. 24).

Чтобы выяснить, какой из трех возможных способов решения задачи SMS животным, проводится тест передачи, в котором испытуемым предъявляются новые стимулы, такие как красный и зеленый.Существует множество вопросов, касающихся условий, которые должны преобладать во время теста передачи, чтобы вывести решение с помощью концепции сопоставления. Во-первых, «новые» стимулы должны быть действительно новыми в том смысле, что нельзя использовать понятие обобщения стимула для объяснения хорошей передачи. Другими словами, если мы дрессируем животное с кругом и вертикальной линией в качестве стимулов и тестируем их с помощью овальной и наклонной линии, хорошие результаты теста передачи, скорее всего, связаны с обобщением стимула, чем с применением концепции сопоставления.Чтобы избежать ловушки генерализации стимула, стимулы в тесте передачи должны быть полностью отличными (т.е. ортогональными) обучающим стимулам. В нашем примере стимулы передачи красного и зеленого цвета ортогональны обучающим стимулам круга и вертикальной линии.

Другой важный вопрос — насколько хороша должна быть производительность передачи с новыми стимулами, чтобы вывести решение на основе концепции сопоставления? Основная идея состоит в том, что если животные выучили исходную задачу, приняв концепцию соответствия, они должны быстро перейти к новым стимулам, потому что концепция соответствия имеет тенденцию быть независимой от стимулов.С другой стороны, если животные выучили исходную задачу с использованием правила конфигурации или правила ассоциации стимул-ответ , то производительность с новыми стимулами должна быть плохой, потому что оба эти процесса зависят от исходных стимулов, и действительно, чтобы научиться заданию с новыми передаточными стимулами, животному может потребоваться столько же попыток, сколько и разучить задание с помощью обучающих стимулов. Естественно, что какая-либо из этих экстремальных ситуаций встречается редко, и часто мы остаемся с мерами экономии, исходя из которых следует принимать правильные решения относительно того, какой процесс использовало животное.Например, если животному потребовалось 500 попыток, чтобы выучить исходное задание с круговыми и вертикальными стимулами, и им потребовалось 50 попыток, чтобы изучить задание с красными и зелеными стимулами, это достаточно хорошее выполнение, из которого можно сделать вывод, что исходное задание были изучены с использованием подходящей концепции? Скорее всего, да. Но как насчет 100 испытаний?

Существует множество свидетельств того, что животные учатся решать задачи SMS, применяя концепцию сопоставления, по широкому кругу видов.Шимпанзе, как взрослые (Nissen et al., 1948; Robinson, 1955), так и младенцы (Oden et al., 1988), легко переходят на новые стимулы до такой степени, что можно почти говорить о почти идеальном уровне производительности при первом же подходе. несколько испытаний. Например, как группа детенышей шимпанзе в Oden et al. (1988) в исследовании потребовалось 816 испытаний, чтобы изучить задачу сопоставления с обучающими стимулами до уровня около 85% правильных ответов, и продолжали набирать баллы на этом уровне в первых 24 испытаниях с множеством различных новых стимулов.Хотя обезьяны не совсем соответствуют уровню компетентности шимпанзе, они также способны демонстрировать высокий уровень передачи новых стимулов (Mello, 1971; Milner, 1973; D’Amato et al., 1985a).

За исключением приматов, не относящихся к человеку, исследования в основном сосредоточены на способностях голубей. Ранние исследования либо не смогли найти доказательств соответствия концепции (Камминг и Берриман, 1961; Фартинг и Опуда, 1974; Холмс, 1979), но предоставили в лучшем случае слабые доказательства соответствия концепции (Wilson et al., 1985a, b), или свидетельства соответствия концепции были открыты для альтернативных объяснений (Zentall and Hogan, 1974, 1978; Urcuioli and Nevin, 1975; Edwards et al., 1983). Одним из таких альтернативных объяснений было обычное кодирование стимулов. Например, Зенталл и Хоган (1974) тренировали голубей с помощью красных и зеленых стимулов, а затем тестировали с желтыми и синими стимулами, и птицы показали достаточно хорошие уровни перехода на «новые» стимулы. К сожалению, голуби склонны кодировать желтый и красный как одинаковые, а синий и зеленый как одинаковые (Wright and Cummings, 1971), поэтому наблюдаемая передача была не более чем примером обобщения стимулов, то есть нарушением принципа ортогональности. .Даже дальнейшее исследование (Zentall and Hogan, 1976), в котором голуби тренировались с кругом и крестообразными геометрическими формами, а затем переходили на (явно новые) красные и зеленые стимулы, показало высокий уровень передачи, но не смогло распознать, что голуби изучают задание SMS. с красными и зелеными стимулами очень быстро (Zentall and Hogan, 1974), что ставит под сомнение то, что быстрый переход на красный и зеленый был вызван применением концепции соответствия.

Ранние исследования концепций сопоставления голубей имели тенденцию поддерживать точку зрения о том, что вместо изучения концепции сопоставления поведение голубей можно было бы лучше всего описать как обучение серии ассоциаций стимул-ответ или конфигураций.Однако доказательства того, что голуби формируют концепцию соответствия, сделали большой шаг вперед, когда Райт (1997) показал, что количество ответов, испускаемых на образец стимула, является решающим фактором, определяющим, сформируют ли голуби подходящую концепцию. Различные группы птиц были обучены испускать либо FR0, FR1, FR10, либо FR20 на образец стимула, а затем тестировались с новыми стимулами в одинаковых условиях реакции. Райт (1997) обнаружил, что птицы, обученные с помощью FR0 или FR1, не смогли перейти на новые стимулы, тогда как птицы, обученные с помощью FR10 или FR20, показали уровни производительности с новыми стимулами, подобными (или эквивалентными в случае состояния FR20) их терминальное выступление с обучающими стимулами.Количество ответов, испускаемых на образец стимула, было контекстной переменной, которая не учитывалась во многих ранних исследованиях голубей, когда на образец стимула требовалось мало ответов.

Согласно Райту (1997), конфигурационное обучение является доминирующей и предпочтительной стратегией обучения голубей, и для того, чтобы продемонстрировать свидетельство соответствия концепции, нужно сначала сломать предрасположенность к обработке выборки и стимулов сравнения как конфигурации. Фактически, чем больше требование FR, тем больше вероятность того, что животное отделяется от конфигурирующего обучения, и тем более вероятно, что тогда оно примет подходящую концепцию.Возьмем случай условия FR0. Образцы стимулов и стимулы сравнения предъявляются одновременно, поэтому маловероятно, что птицы даже осознают наличие «образца» стимула, который необходимо сопоставить с одним из стимулов «сравнения». И зачем им это? Фактически, единственное решение при условии FR0 — рассматривать все отображение стимулов «выборки» и «сравнения» как единое целое, то есть конфигурацию, и соответствующим образом направлять свои ответы. С другой стороны, в состоянии FR20 образец появляется, и только после 20 ответов появляются стимулы сравнения.Структура этой задачи побуждает животных воспринимать образец как нечто, что они должны сопоставить для сравнения, и в результате голуби более склонны принимать концепцию сопоставления и переходить на новые стимулы.

Последующее исследование Colombo et al. (2003) обнаружили еще одну контекстную переменную, которую необходимо скорректировать, прежде чем голуби отобразят подходящую концепцию. Эти авторы были удивлены, когда их голуби FR20 не смогли перейти на новые стимулы. Однако они отметили, что еще одно различие между исследованием Райта (1997) и их исследованием заключалось в том, что Райт (1997) первоначально тренировал своих птиц с помощью трех стимулов, тогда как Коломбо и др.(2003) тренировали их всего с двумя. Хотя обучение с двумя или тремя стимулами может показаться неважной контекстной переменной, два обучающих стимула дают четыре возможных конфигурации сравнения выборок, тогда как три обучающих стимула дают 12 возможных конфигураций сравнения выборок. Действительно, когда Коломбо и др. (2003) обучили другую группу птиц трем стимулам и требованию FR20, они перешли на новые стимулы на очень высоком уровне. Таким образом, количество обучающих стимулов также является контекстной переменной.Они рассудили, что, хотя можно было бы изучить правые / левые ответы, связанные с четырьмя конфигурациями, изучение правых / левых ответов, связанных с 12 конфигурациями, может представлять трудности для животных и поощрять использование концепции соответствия для решения задачи.

Таким образом, если правильно спланировать эксперимент, можно показать уровни переноса у голубей, фактически идентичные уровням переноса у обезьян (Colombo et al., 2003). Верно, что в случае с голубем нужно наложить FR20 на образец стимула и обучить их с тремя стимулами, по сравнению с обезьянами, которые демонстрируют переход с FR1 на образец стимула и обучение всего с двумя стимулами.Однако, если учесть эти контекстные переменные, поведение голубей становится неотличимым от обезьян. Это верно не только для условий, которые приводят к успешной передаче, но также и для условий, которые приводят к неудачной передаче (см. Рисунок 1). И D’Amato et al. (1985a) и Colombo et al. (2003) в исследованиях использовался тот же формат обучения и тестирования, в котором животных обучали с помощью ряда стимулов, а затем тестировали в течение четырех сеансов с новыми стимулами, а также с обучающими стимулами.Из рисунка 1 видно, что, когда контекстные переменные FR и количество обучающих стимулов регулируются, характеристики переноса птиц неотличимы от таковых у обезьян, как с точки зрения успешного перехода к новому цвету, так и по форме стимула ( левая панель), а также неудачный переход на два стимула новой формы (правая панель). Подробнее о разнице между переходом на стимулы цвета / формы и формы / формы позже.

Рисунок 1 . Передаточное представление обезьян и голубей.Данные по обезьянам основаны на D’Amato et al. (1985a), а данные о голубях основаны на Colombo et al. (2003). Животных тестировали в течение четырех 48 пробных сеансов, причем половина испытаний была посвящена обучающим (старым) стимулам, а половина — новым (новым) стимулам. Левая панель показывает эффективность перехода к стимулу нового цвета и формы (для обучения обезьян тренировали с помощью стимулов двух форм, а голубей тренировали с помощью стимулов трех форм). Правая панель показывает эффективность переноса на два стимула новой формы (для обучения обезьян тренировали с помощью стимула цвета и формы, тогда как голубей тренировали с помощью стимула двух форм и стимула цвета).Когда контекстные переменные установлены надлежащим образом для голубей (обучение с тремя стимулами и FR20 на образце), и обезьяны, и голуби легко переходят на новый цвет и формируют стимул, но не на два стимула новой формы.

Еще один последний момент в литературе по концептуальному согласованию заслуживает некоторого внимания. Премак (1983) утверждал, что животных можно различать на основе применяемой процедуры сопоставления. Согласно Premack (1983), процедуры, обсуждаемые во всех вышеупомянутых исследованиях, представляют собой то, что он называет «последовательными» задачами сопоставления, когда одинаковые или разные реакции направлены на сами физические стимулы (например,g., нажмите красный стимул сравнения, если образец был красным). Премак (1983) считает, что способность решать такие «последовательные» задачи сопоставления широко распространена среди животных. С другой стороны, задачу «одновременного» сопоставления может решить только не любой шимпанзе, а только обученный языку шимпанзе. В «одновременной» процедуре различение, в соответствии с которым должны быть сделаны суждения об одном и том же и различном, отделено от фактических стимулов, которые оцениваются как одинаковые и разные. Например, если животному были предъявлены стимулы A и B, ему пришлось бы выбрать сигнал, означающий «разные», например красный прямоугольник, или, если животному были представлены стимулы A и A, ему пришлось бы выбрать сигнал, который означает «одинаковый». , »Желтый прямоугольник (Premack et al., 1978). Кажется мало сомнений в том, что шимпанзе могут решать такие «одновременные» задачи (Premack et al., 1978), и, несмотря на заявление Премака (1983) о предварительных требованиях к языковому обучению, то же самое могут сделать и обезьяны, не обученные языку (Sands and Wright, 1980; Д’Амато и Коломбо, 1989).

Могут ли голуби решать задачи одновременного сопоставления, как это часто бывает с голубями, требовалось больше времени, чтобы показать. Ранние положительные отчеты были омрачены альтернативными интерпретациями, такими как животные, потенциально обучающиеся фиксированному порядку левых / правых ответов, связанных с «одинаковыми» и «разными» результатами (Сантьяго и Райт, 1984), или неспособность полностью сбалансировать дизайн, тем самым позволяя птицам решать задачу, используя ассоциации для конкретных предметов (Эдвардс и др., 1983). Намного лучшая производительность передачи была получена при одновременных задачах сопоставления, когда дискриминанда состояла из массивов нескольких одинаковых и нескольких разных стимулов (Сантьяго и Райт, 1984; Вассерман и др., 1995; Кук и др., 1997). Если на самом деле птицы обрабатывают определенные элементы в массивах, то эти исследования предоставят доказательства того, что голуби могут одновременно решать задачи сопоставления. Однако критика этих исследований состоит в том, что новые «одинаковые» и «разные» массивы на самом деле не новы.Если вместо того, чтобы смотреть на отдельные элементы, составляющие массив, животные обрабатывают глобальный признак, возможно, меру «энтропии» массива стимулов, тогда «новые» массивы действительно не новы (Young et al. , 1997). Однако совсем недавно Блейсделл и Кук (2005) показали, что голуби могут выполнять задачу одновременного сопоставления, когда одновременно предъявляются только два стимула, и они переходят на новые стимулы на уровне, который предполагает свидетельство концепции сопоставления.

Когда Макфейл (1985) заявил об отсутствии качественных или количественных различий между видами, он имел в виду только виды позвоночных. Чтобы убедить нас в отсутствии различий между позвоночными в способности формировать подходящую концепцию, стоит завершить этот раздел исследованием концепции сопоставления с использованием беспозвоночных. Giurfa et al. (2001) показали, что пчелы также решают задачу SMS, используя концепцию сопоставления. Они использовали Y-лабиринт с пчелами, сталкивающимися с образцом стимула на ножке Y-лабиринта и стимулами сравнения на рукавах Y-лабиринта.Пчелы легко усвоили задание и отлично перенеслись на новые раздражители. Производительность пчел была настолько исключительной, что они не только передавали новые визуальные стимулы, но также передавали концепцию соответствия между модальностями, способность, которая никогда не проявлялась даже у нечеловеческих приматов (см. D’Amato et al., 1985а). Таким образом, когда контекстные переменные корректируются для каждого вида, ряд животных демонстрируют переход на новые стимулы на уровне, который предполагает использование подходящей концепции.На самом деле, необходимо ли формулировать производительность в терминах когнитивной конструкции концепции соответствия , в отличие от работы ассоциативных процессов, — это вопрос, к которому мы вернемся в конце этого обзора.

Симметрия

Второе отношение эквивалентности, которое мы исследуем, известно как симметрия. Когда вы выучите название объекта, скажите «дверь», слово «дверь» вызывает в памяти образ двери. Точно так же изображение двери напоминает слово «дверь».Это пример симметрии , двунаправленной ассоциации между двумя стимулами. Симметрия в контексте литературы о животных обычно обучается с использованием версии задачи сопоставления с образцом, называемой символическим или условным сопоставлением с образцом, в которой разные образцы стимулов отображаются на разные стимулы сравнения. Таким образом, цель задачи состоит не в том, чтобы сопоставить, с точки зрения сходства, стимул сравнения с образцом стимула, а в том, чтобы выбрать стимул сравнения, который связан с образцом стимула.Например, если A1 и A2 являются выборочными стимулами, а B1 и B2 — стимулами для сравнения, тогда, когда A1 появляется в качестве образца, правильным выбором будет B1, тогда как когда A2 появляется в качестве образца, правильным выбором будет B2. Для проверки симметрии B1 и B2 теперь становятся выборочными стимулами, а A1 и A2 — стимулами сравнения. Если усвоенные отношения A1 → B1 и A2 → B2 симметричны, то при предъявлении B1 или B2 в качестве эталонных стимулов испытуемый должен выбрать A1 и A2 соответственно. Хотя животные легко обучаются символическим задачам сопоставления с образцами, демонстрация симметрии у ряда видов оказалась сложной задачей.

Здесь стоит упомянуть, что термин «симметрия» обычно подразумевает, что обратная ассоциация изучается в той же степени, что и прямая ассоциация. Судя по этому суровому определению, может показаться, что существует мало или совсем нет доказательств такой симметрии у нечеловеческих животных. Как и в большинстве случаев, в литературе, посвященной нечеловеческим животным, мы принимаем значительную обратную связь (хотя и менее выраженную, чем прямую) как доказательство симметрии. Имея это в виду, Tomonaga et al. (1991) обучили трех шимпанзе сопоставить один из двух образцов цвета с одной из двух форм сравнения с критерием не менее 80%, затем перетренировали животных для сотен испытаний, а затем проверили симметрию в 12 испытаниях.Имейте в виду, что проверка проявления способности всего за 12 попыток — сложная задача, поскольку животные часто страдают от любого изменения условий тестирования. Тем не менее, один из трех дрессированных шимпанзе показал превосходные результаты в тесте на симметрию, что свидетельствует о том, что шимпанзе способны формировать симметричные отношения. Однако доказательства симметрии у шимпанзе отнюдь не всегда положительны. Ямамото и Асано (1995), например, обнаружили, что у их одного шимпанзе не было доказательств симметрии после тренировки с одним набором стимулов, но после специальной тренировки и тестирования с шестью наборами стимулов, процедура, называемая образцовой тренировкой, симметрия действительно появилась.

Демонстрация симметрии у обезьян также была встречена с большим трудом. Сидман и др. (1982) не смогли показать никаких доказательств симметрии у обезьян, обученных с помощью геометрических (вертикальная и горизонтальная линия) образцов и стимулов для сравнения цветов. Макинтайр и др. (1987) якобы показать доказательства симметрии у макак; однако их выводы были встречены серьезной критикой на том основании, что проверенные отношения уже были обучены (см. Hayes, 1989). Удивительно, но исследование D’Amato et al.(1985b), который обычно называют отрицательным открытием (Hayes, 1989; Sidman, 1994; Lionello-DeNolf and Urcuioli, 2002; Frank and Wasserman, 2005), дает некоторые убедительные доказательства симметрии у обезьян. D’Amato et al. (1985b) утверждали, что использование стимулов сравнения вертикальных и горизонтальных линий в Sidman et al. (1982) исследование могло быть контекстной переменной, которая поставила обезьян в невыгодное положение. Используя гораздо более различимые стимулы в качестве выборки и сравнений, а также оценивая эффективность первых 12 испытаний, D’Amato et al.(1985b) показали наличие значительных обратных ассоциаций у двух из шести протестированных обезьян.

Многочисленные исследования изучали степень симметрии голубей, и было трудно получить положительные результаты. Ранние исследования либо не смогли найти никаких доказательств даже обратных ассоциаций (Lipkens et al., 1988), были подвергнуты критике за альтернативные интерпретации, когда они это сделали (Vaughan, 1988; Hayes, 1989), либо во многом аналогично шимпанзе и обезьянам, найденным в лучшем случае только слабые доказательства обратных ассоциаций (Hogan and Zentall, 1977; Richards, 1988).Интересно, что в исследовании Hogan and Zentall (1977) некоторые положительные доказательства симметрии были замечены в начале теста на симметрию, но затем рассеялись, что также наблюдалось D’Amato et al. (1985b) с обезьянами. Учитывая контекст этой статьи, возможно, уместно включить одну возможность, поднятую Хоганом и Зенталлом (1977, стр. 14), относительно того, почему голуби плохо справляются с задачами симметрии: «также возможно, что развитие обратных ассоциаций зависит от видоспецифическая функциональная ценность таких ассоциаций (т.е., у людей может возникнуть необходимость в формировании обратных ассоциаций, а у голубей — нет).

Лионелло-ДеНольф и Уркуиоли (2002) также не смогли найти доказательств симметрии у голубей, но их исследование заслуживает упоминания, потому что оно представляет собой одну из самых ранних попыток обратиться к возможным контекстным переменным, которые могут мешать голубям (и, возможно, другим животным) демонстрировать симметрия. Основываясь на представлении McIlvane et al. (2000) о топографии реакции на раздражитель о том, что голуби могут обрабатывать аспекты стимула, которые мешают интересующим аспектам тестов на симметрию, Лайонелло-ДеНольф и Уркуиоли (2002) пришли к выводу, что Проверка симметрии не только выполняет обмен ролями выборки и сравнения, но и меняет позиции.Таким образом, голуби, по-видимому, кодируют не только особенности стимула, но и положение стимулов как часть топографии реакции на стимул. Возьмем ситуацию в задачах сопоставления, когда образец стимула обычно появляется в центре, а стимулы сравнения появляются по обе стороны от положения образца. Для проверки симметрии стимулы сравнения теперь появляются в центральной позиции. Для человека может быть неактуальным, что стимул сравнения теперь появляется в положении, в котором он никогда не появлялся раньше, но для нечеловека позиция может быть частью топографии реакции на стимул , и, следовательно, нечеловеческие животные могут нарушить симметрию тест, потому что неясно, как они должны себя вести, когда стимулы появляются в позициях, в которых они никогда не появлялись раньше.Таким образом, Лионелло-ДеНольф и Уркуиоли (2002) обучили своих животных так, чтобы стимулы выборки и сравнения могли появляться в любом из ряда положений, таким образом эффективно тренируя «положение» как компонент топографии реакции на стимул . Несмотря на это обучение, голуби по-прежнему не смогли показать никаких доказательств симметрии, открытие, которое, несмотря на то, что доказательства симметрии есть у нечеловеческих приматов, еще больше отдаляет голубей от нечеловеческих в их способности формировать симметричные отношения.

Франк и Вассерман (2005) отметили, однако, что помимо стимулов, связанных с их пространственным расположением, они также связаны с их временным расположением. Другими словами, если отношение A1 → B1 обучается, а затем проверяется отношение B1 → A1, элемент B никогда не появляется первым. Как и в случае с положением, упомянутым ранее, если элемент B теперь появляется первым, мы, люди, можем быстро предположить, что, поскольку он появляется первым, он должен выполнять роль образца стимула, но, опять же, нет причин, по которым другие животные должны производить это предположение.Чтобы учесть потенциально контролирующее влияние контекстной переменной временного местоположения, Фрэнк и Вассерман (2005) использовали последовательные задачи на сопоставление «годен / не годен», где стимулы выборки и сравнения появляются последовательно в одной и той же позиции, и субъект должен ответьте на второй стимул, если он сочетается с первым (например, A1 → B1), и отрицательный ответ (т.е. воздержитесь от ответа) на второй стимул, если он не сочетается с первым (например, A1 → B2). Чтобы контролировать потенциально разрушительные эффекты контекстной переменной временного порядка и того факта, что, например, стимул B никогда не появлялся первым, голубей обучали не только символическим отношениям (A1 → B1, A2 → B2), но также и с помощью отношения идентичности (A → A и B → B), таким образом обучая животных тому, что оба стимула A и B могут возникать в любой временной позиции.Принимая во внимание эти контекстные переменные, голуби демонстрировали устойчивую симметрию. Франк и Вассерман (2005, стр. 157) пришли к выводу, что «симметрия может быть получена с нечеловеческими животными при надлежащих условиях обучения и тестирования». Интересно, что один успешный шимпанзе в книге Tomonaga et al. (1991) исследование также проходило как с символическими отношениями, так и отношениями идентичности.

Таким образом, элегантное исследование Фрэнка и Вассермана (2005) показывает, что если принять во внимание контекстные переменные, голуби могут демонстрировать симметрию, причем на уровне, не слишком отличном от шимпанзе.Кроме того, мало, если вообще есть доказательства, которые могли бы различать поведение нечеловеческих приматов и птиц в отношении формирования симметрии. Как и в литературе о концепциях сопоставления, исследователи сейчас изучают, можно ли продемонстрировать симметрию беспозвоночными. Учитывая недавнюю попытку Moreno et al. (2012) с пчелами, кажется, что появление симметрии у беспозвоночных — лишь вопрос времени.

Транзитивность

Третье исследуемое нами отношение эквивалентности известно как транзитивность.Нет необходимости апеллировать к понятию контекстуальных переменных, потому что было показано, что большинство видов способны решать задачи транзитивности. Скорее, мы включаем краткое упоминание этой темы, чтобы завершить обсуждение отношений эквивалентности, и, что более важно, чтобы выделить другую проблему, которую мы хотим кратко затронуть в этом обзоре, а именно желание интерпретировать поведение нечеловеческих животных в откровенно когнитивно богатых терминах. .

Транзитивность — это операция, при которой, учитывая информацию о том, что A умнее B, а B умнее C, можно сделать логический вывод, что A умнее C, даже несмотря на то, что никакой прямой информации о взаимосвязи между A и C никогда не давалось. .Согласно Пиаже (1928), способность решать такую задачу трехчленного транзитивного вывода не развивается примерно до 7 лет, и этот вывод был оспорен Брайантом и Трабассо (1971), которые продемонстрировали надежные способности к транзитивному выводу в четырех случаях. -, 5- и 6-летние. Хотя основной целью этого обзора является сравнение нечеловеческих животных, стоит упомянуть процедуру, использованную Брайантом и Трабассо (1971), потому что очень похожие процедуры обучения использовались для изучения транзитивности у нечеловеческих животных.В своем исследовании детей учили различать цветные стержни разной длины. Стержни были представлены парами, и тренировка состояла из многократных воздействий на четыре тренировочные пары, A + B−, B + C−, C + D− и D + E−, причем буквы обозначали разные длины стержней (например, , A был самым длинным, а E — самым коротким), а знаки «+» и «-» указывают на правильный и неправильный стимул, соответственно, для выбора. Например, при предъявлении парного компакт-диска и подсказке с вопросом «, какой стержень длиннее? ”, испытуемый должен выбрать пункт C.

Конечно, при изучении транзитивного ряда из пяти элементов A всегда правильно, E всегда неверно, а B, C и D правильны и неправильны в зависимости от пары, в которой они появляются. В серии из пяти пунктов есть 10 возможных пар для тестирования предмета (AB, AC, AD, AE, BC, BD, BE, CD, CE и DE). Из них мы ожидаем, что испытуемый будет хорошо работать с любой парой, содержащей элемент A (AB, AC, AD и AE), потому что при обучении элемент A всегда был правильным. Мы также ожидаем, что испытуемые будут хорошо работать с любой парой, содержащей элемент E (AE, BE, CE и DE), потому что при обучении элемент E всегда был неправильным и, следовательно, его всегда следует избегать в пользу другого стимула.Наконец, мы явно ожидаем, что они будут хорошо работать с парой, которая была одной из обучающих пар (AB, BC, CD и DE), оставив в качестве критического теста для пары транзитивность BD. Брайант и Трабассо (1971) обнаружили, что 4-, 5- и 6-летние дети хорошо справляются с парным BD.

Исследования с участием нечеловеческих животных, как правило, следуют той же общей процедуре, принятой Брайантом и Трабассо (1971): сначала дрессируют животных на четырех парах предпосылок AB, BC, CD и DE, а затем тестируют их на критической паре BD.Используя эту процедуру, шимпанзе (Gillan, 1981), обезьяны (McGonigle and Chalmers, 1977), крысы (Davis, 1992) и голуби (von Fersen et al., 1991; Paz-y-Miño C et al., 2004) имеют все они показали высокие результаты в паре критических тестов BD и действительно достигли уровня производительности, не слишком отличающегося от того, о котором сообщили Брайант и Трабассо (1971) для маленьких детей. Конечно, у голубей не всегда проявлялась транзитивность (D’Amato et al., 1985b), но также были случаи, когда у приматов не отображалась транзитивность (Sidman et al., 1982). Несмотря на случайные неудачи, нет необходимости обращаться к контекстным переменным, потому что в целом голуби решали задачи транзитивности так же, как и другие животные.

Ключевой особенностью многих из этих исследований является степень, в которой высокий уровень выполнения тестовой пары BD отражает когнитивную / логическую операцию или поведенческую / ассоциативную операцию. В когнитивно-логическом лагере придерживаются мнения, что при обучении реагированию на каждую из пяти пар предпосылок (например,, A + B−, B + C−, C + D− и D + E−) животные образуют иерархическое линейное мысленное представление о том, как пять стимулов связаны друг с другом (например, A> B> C> D> E), и используйте это представление, чтобы направлять их в отношении того, как реагировать на критическую тестовую пару BD. В поведенческом / ассоциативном лагере не формируется линейное мысленное представление пяти пунктов. Скорее, решение критической пары BD основано на проведении ассоциативных вычислений на основе значений вознаграждения, присвоенных каждому из элементов (теория передачи ценности), или на использовании ранее изученных пар предпосылок для решения проблемы BD (модель двоичной выборки).Согласно теории передачи ценностей (von Fersen et al., 1990, 1991), каждому из пяти стимулов присваивается разная сила в зависимости от того, в каких парах они появились во время тренировки и были ли они связаны со стимулом, который всегда вознаграждается. A или стимул E, который никогда не вознаграждается. В результате таких ассоциаций элемент B получает более высокий рейтинг, чем элемент D, и поэтому животное выберет B, когда ему будет представлена пара BD. Действительно, полученные рейтинги можно использовать для очень точного предсказания, какой стимул выберет животное, когда любые два стимула будут парными.

Модель двоичной выборки (McGonigle and Chalmers, 1977) также является простым, но эффективным некогнитивным объяснением того, почему животное выбирает элемент B во время критического теста BD. Согласно модели (см. Рисунок 2), увидев пару BD, животное пытается решить задачу, как если бы это была пара BC, CD или BD. Сеанс тестирования обычно состоит из множества презентаций пары BD, и, согласно модели, существует 1 из 3 шансов, что любая из трех пар будет выбрана в любом данном испытании.Учитывая, что каждая пара выбирается в 33% случаев, мы можем думать о каждой паре как о 0,33 единицы, которые вносят вклад в решение проблемы BD. Если животное пытается решить пару BD, как если бы это была пара BC, оно выберет B, потому что B + C− — одна из обучающих пар, где животное учат выбирать B. Таким образом, элемент B набирает 0,33 единицы. Если животное пытается решить пару BD, как если бы это была пара CD, оно выберет C, потому что C + D− является одной из обучающих пар, где животное учат выбирать C.Но имейте в виду, что нет пункта C для выбора, потому что, помните, животному представлена пара BD, а не CD. Однако, если животное пыталось решить пару BD, как если бы это была пара CD, животное также обучается этой паре, чтобы избегать элемента D, и поэтому животное избегает элемента D в паре BD и выбирает элемент B. 0,33 единицы, в результате чего текущий показатель составляет 0,66 единицы. Наконец, животное может попытаться решить пару BD, как если бы это была пара BD. К сожалению, пара BD не является обучающей парой, поэтому не было установлено никаких ассоциаций между элементами B и D, и животное случайным образом выберет B в половине случаев, D в половине случаев и 0.33 доступных юнита делятся между двумя предметами. Окончательный результат таков: элемент B получает 0,83 единицы, а элемент D — 0,16 единицы, что при выражении в процентах правильных ответов очень близко к показателям животных с тестовой парой BD в широком диапазоне исследований.

Рисунок 2 . Модель двоичной выборки. Согласно МакГониглу и Чалмерсу (1977), животное пытается решить пару BD, как если бы это была пара BC, CD или BD. B + C− — это обучающая пара, поэтому она выберет элемент B.C + D− также является обучающей парой, в которой животное учат выбирать C. К сожалению, поскольку животному была представлена пара BD, не отображается элемент C и, следовательно, нет элемента C для выбора. Но если животное пыталось решить пару BD, как если бы это был пункт C + D−, оно также научилось избегать D, что и делает животное, и снова выбирает пункт B. Наконец, если животное пытается решить пару BD, как если бы это была BD, он не прошел обучения с этими двумя стимулами, представленными вместе, и случайным образом выбирает между ними.Чистый эффект заключается в том, что животное будет выбирать B в 83% случаев и D в 17% случаев, что очень близко к уровням производительности, достигнутым многими животными с помощью теста BD.

Теория передачи значений и модель двоичной выборки, а также другие некогнитивные объяснения транзитивности (см. Delius and Siemann, 1998) очень хорошо объясняют высокие уровни производительности тестовых пар BD без необходимости обращения к когнитивным учетным записям, таким как иерархические ментальные представления. Конечно, у этих более простых объяснений транзитивного вывода были проблемы (Steirn et al., 1995; Лазарева и Вассерман, 2012), но трудно не заметить силу ассоциативной силы через историю подкрепления (Siemann et al., 1996). В этом обзоре трудно отдать должное литературе по сложным транзитивным выводам, но независимо от того, верит ли кто-то в когнитивные / логические или поведенческие / ассоциативные объяснения, одно можно сказать наверняка: точка зрения, что обезьяны выполняют такие задачи по-разному, нет голубям. Недавняя демонстрация этой способности у беспозвоночных означает, что этот вопрос теперь можно распространить за пределы позвоночных (Tibbetts et al., 2019). Возможно, что еще более важно, тот факт, что вид, имеющий всего 0,001% нейронов в человеческом мозгу (Azevedo et al., 2009; Menzel, 2012), может выполнить задачу, должен поставить под сомнение когнитивно-богатые термины, с помощью которых исследователи описывают переходные процессы. вывод.

Поведение последовательного заказа

Концептуально с исследованиями транзитивности связаны исследования, изучающие способности животных к последовательному порядку. Задача последовательного порядка, также известная как процедура одновременного связывания, предоставила большой объем информации о структуре представлений, которые, как считается, лежат в основе транзитивных суждений.Задача проста и, как и процедура транзитивности, часто использует пять стимулов. Однако вместо того, чтобы представлять пять стимулов в виде четырех пар обучающих предпосылок, в задании последовательного порядка животных обучают реагировать на пять одновременно предъявляемых стимулов в определенном порядке, а именно: A → B → C → D → E. И обезьяны, и голуби могут научиться выполнять задачи последовательного заказа из пяти предметов на одном и том же высоком уровне (D’Amato and Colombo, 1988; Terrace 1993; Scarf and Colombo, 2010). Чтобы определить, чему научились животные, как и в тесте на транзитивность, испытуемым предлагается попарный тест, состоящий из всех 10 возможных пар стимулов, которые могут быть сгенерированы из списка из пяти пунктов (AB, AC, AD, AE, BC, BD, BE, CD, CE и DE).Правильный ответ в парном тесте требует, чтобы животные реагировали на два отображаемых элемента в соответствии с их порядком в серии из пяти элементов. Например, при представлении пары BC для получения награды животное должно сначала ответить на вопрос B, а затем на элемент C.

Попарный тест позволил глубже понять процессы, которые разные животные используют при обучении исходной задаче последовательного заказа из пяти элементов. Фактически, до недавнего времени производительность парных тестов, а также измерения задержки, которые могут быть сгенерированы на основе правильных ответов, казались одними из лучших доказательств того, что обезьяны и голуби обрабатывают информацию последовательного порядка принципиально разными способами (Terrace, 1993; Шарф и Коломбо, 2008).Например, с точки зрения производительности по 10 парам, обезьяны показывают очень высокие показатели во всех тестовых парах, тогда как голуби показывают высокие показатели только в парах, содержащих либо элемент A, либо элемент E. внутренние пары BC, BD и CD (см. рисунок 3). Такой результат согласуется с точкой зрения, согласно которой в процессе обучения последовательной задаче обезьяны формируют мысленное представление списка и используют это представление для управления своим поведением (D’Amato and Colombo, 1988).С другой стороны, голуби, похоже, неспособны сформировать такое представление и скорее изучают простой набор поведенческих правил, таких как «(1) Сначала отвечайте на элемент А. (2) Последним отвечайте на элемент D. (3) Отвечайте на элемент». любой другой элемент по умолчанию »(Terrace, 1993, стр. 164).

Рисунок 3 . Показатели по 10 парам во время парного теста. Обезьяны хорошо справляются со всеми парами, тогда как голуби хорошо справляются только с парами, у которых есть элемент A или элемент E, и случайно работают с внутренними парами, в которых эти элементы отсутствуют.

Еще одно доказательство того, что обезьяны формируют мысленное представление ряда, получено из двух типов анализа данных о латентности для ответа на первый и второй элементы отображаемой пары. В случае эффекта первого элемента , задержка до первого элемента пары усредняется по всем парам, которые совместно используют один и тот же первый элемент. Другими словами, задержка до элемента A усредняется по парам AB, AC, AD и AE, задержка до элемента B усредняется по парам BC, BD и BE, задержка до элемента C усредняется по парам CD и CE, и задержка до элемента D основана на единственной паре, которая имеет элемент D в качестве первого элемента, пару DE (см. рисунок 4, левая панель).Обезьяны четко демонстрируют эффект первого элемента , поскольку задержка ответа на первый элемент пары тем больше, чем дальше по списку находится первый элемент. Например, время ожидания ответа на элемент C в паре CD занимает больше времени, чем время ожидания ответа на элемент B в паре BD. Такая функция задержки предполагает, что обезьяны получают доступ к списку в элементе A и продвигаются по списку линейным образом, пытаясь сопоставить элемент в памяти с отображаемым элементом. В отличие от обезьян, голуби демонстрируют плоский эффект для первого пункта .

Рисунок 4 . Левая панель : Эффект первого элемента . Задержка ответа на первый элемент пары для обезьян и голубей в зависимости от того, был ли первый элемент A (усреднен по парам AB, AC, AD и AE), B (усреднен по парам BC, BD и BE ), C (усредненное по парам CD и CE) или D (только по паре DE). Обезьяны показывают линейное увеличение по первому пункту, а голуби — нет. Данные основаны на правильных испытаниях. Правая панель : Эффект пропавшего элемента .Задержка ответа на второй элемент пары в зависимости от того, был ли второй элемент отделен от первого отсутствием 0 элементов (усредненным по парам AB, BC, CD и DE), 1 отсутствующим элементом (усредненным по парам AC , BD и CE), 2 отсутствующих элемента (усредненных по парам AD и BE) или 3 отсутствующих элемента (только на основе пары AE). У обезьян наблюдается линейное увеличение количества недостающих предметов, а у голубей — нет. Данные основаны на правильных испытаниях.

Обезьяны также демонстрируют так называемый эффект пропавших предметов (рис. 4, правая панель).Эффект пропущенного элемента относится к задержке ответа на второй элемент пары как функции расстояния от первого элемента до второго элемента. В парах AB, BC, CD и DE нет недостающих элементов, поскольку второй стимул пары возникает сразу после первого стимула. В парах AC, BD и CE отсутствует один элемент, в парах AD и BE отсутствуют два элемента, а в паре AE отсутствуют три элемента. Обезьяны демонстрируют очень четкий эффект пропущенного элемента в том смысле, что задержка ответа на второй элемент пары является функцией количества пропущенных элементов между первым и вторым элементом.Например, обезьяны быстрее реагируют на элемент D в паре CD, чем на элемент D в паре BD. Причина в том, что в парном CD нет недостающих элементов для доступа, тогда как в паре BD обезьяна должна получить доступ к одному недостающему элементу, элементу C. В отличие от обезьян, голуби не отображают эффект пропавших элементов .

Производительность по 10 парам, а также наличие эффекта первого элемента и эффекта пропущенного элемента подтверждают точку зрения, что в процессе обучения задачи последовательного порядка обезьяны образуют линейное ментальное представление элементов и использовать это представление для управления их поведением, например, во время парного теста.Напротив, отсутствие этих эффектов у голубей предполагает, что они решают задачу последовательного порядка принципиально иначе, чем обезьяны. Эти взгляды хорошо согласуются с представлением о том, что успех обезьян вполне может быть связан с их способностью надлежащим образом реагировать на иерархии доминирования (Cheney et al., 1986), что не является необходимым для голубя, чья социальная структура имеет определенную структуру. гораздо менее иерархическая организация (Masure and Allee, 1934).

Тем не менее, действительно ли голуби не знают о порядке следования стимулов в задании с последовательным порядком действий, или их способность замаскирована какой-то контекстной переменной? Напомним, что попарный тест проводится после того, как животные достигли определенного уровня мастерства в выполнении задания последовательного порядка из пяти пунктов, и состоит из представления испытуемым всех 10 пар стимулов, которые могут быть сгенерированы из пяти пунктов (AB, AC , AD, AE, BC, BD, BE, CD, CE и DE).Кроме того, каждая из 10 пар отображается несколько раз в течение сеанса (обычно четыре раза в течение сеанса из 40 проб). Мы задавались вопросом, может ли структура парного теста и удивление от перехода от задания из пяти пунктов к парному тесту со всеми 10 парами, смешанными в течение сеанса, вызывать затруднения у голубей. Было ли резкое изменение контекста контекстной переменной, которая объясняла плохие результаты голубей в парном тесте? Мы исследовали эту возможность в двух экспериментах (Scarf and Colombo, 2010).

В одном эксперименте мы обучили четырех голубей выполнению задачи серийного заказа из четырех предметов и еще четырех голубей — задаче серийного заказа из пяти предметов. Вместо того, чтобы затем провести попарный тест из шести пар (число, которое может быть получено из списка из четырех пунктов) для птиц, обученных заданию из четырех пунктов, или 10 пар для птиц, обученных заданию из пяти пунктов, мы попытались смягчить эффекты изменения контекста, представив птиц, обученных четырем пунктам, только парой BC (критическая внутренняя пара после обучения в списке из четырех пунктов) или птиц, обученных пяти пунктам, только парой BD ( критическая внутренняя пара после тренировки по списку из пяти пунктов).Пары BC или BD были представлены 40 раз за сеанс. Мы рассудили, что если голуби ничего не узнали о порядке пунктов B и C или порядке пунктов B и D, то те, кто тестировались на положительном условии пары (BC + или BD +), получали вознаграждение за нажатие B → C или B → D. должны работать не лучше, чем те, кто был протестирован на отрицательном парном условии (BC- и BD-) и получать вознаграждение за ответ на вопросы в противоположном направлении, то есть C → B или D → B. Результаты показаны на рисунке 5. Очевидно, что животные, обученные на положительных парах, освоили задачу значительно быстрее, чем те, которые были обучены на отрицательных парах, что позволяет предположить, что при правильной настройке условий голуби демонстрируют свидетельство того, что они понимают порядок внутренних элементов. по четырёх- и пятипозиционным задачам серийного заказа.

Рисунок 5 . Результативность пары BC после тренировки по списку из четырех пунктов ( левая панель, ) и BD после тренировки по списку из пяти пунктов ( правая панель, ). По два животных были обучены условиям BC +, BC-, BD + и BD-, где знак «+» означал, что вознаграждение можно получить, отвечая на элементы в том порядке, в котором они появлялись в исходной последовательности (B → C или B → D), а знак «-» указывает на то, что награду можно получить, отвечая на элементы в порядке, противоположном тому, в котором они появлялись в исходной последовательности (C → B или D → B).Если птицы ничего не узнали о порядке внутренних элементов, то при представлении этих пар им потребуется столько же времени, чтобы выучить положительное состояние пары, как и отрицательное. Скорее очевидно, что птицы, испытанные с положительными парами, показали себя намного лучше, чем птицы, испытанные с отрицательными парами.

При тестировании только с одной парой птицы смогли указать, что они действительно поняли, что элемент B предшествует элементу C или элемент B предшествует элементу D, и, таким образом, предоставили нам доказательства того, что они действительно поняли, по крайней мере, на некоторых элементарных уровень, организация внутренних элементов в серию.Тем не менее, птицы с положительной парой действительно испытали гораздо больше испытаний (40–80 для птиц BC +, 120 для птиц BD +) на соответствующих парах, чем те, которые обычно испытывают обезьяны на тех же парах во время обычного парного теста (обычно 8–12 испытаний). Мы задались вопросом, смогут ли когда-нибудь голуби продемонстрировать высокий уровень производительности на критически важной паре, как это сделали обезьяны, после проведения ограниченного числа испытаний. Чтобы проверить это понятие, мы снова изменили процедуру попарного тестирования.Для второго эксперимента голуби были обучены выполнению четырехэлементной задачи последовательного порядка и представлены с критической парой BC в качестве проверки четырех испытаний, встроенных в базовый уровень из 36 испытаний, посвященных стандарту (A → B → C → D). четырехэлементная задача серийного заказа. Тест проводился в течение четырех сеансов, что дало в общей сложности 16 испытаний до н.э., что очень похоже на то, что было на обезьянах. Результаты показаны на рисунке 6. Все четыре птицы показали очень высокие уровни в 16 испытаниях зонда BC. Для сравнения на рисунке также показана производительность голубей в паре BC, когда она была доставлена в стандартном формате попарного теста, в котором шесть пар, которые могут быть сгенерированы после обучения с помощью списка из четырех пунктов (AB, AC, AD , BC, BD и CD) представлены смешанными в течение сеанса (Straub and Terrace, 1981) без исходных испытаний A → B → C → D.Ясно, что голуби могут хорошо работать с критической парой после ограниченного воздействия на эту пару, но только тогда, когда контекст общего теста не сильно изменится по сравнению с ситуацией обучения.

Рисунок 6 . Производительность пары BC при поставке в виде датчиков, встроенных в базовую задачу серийного заказа из четырех изделий. Все четыре голубя показали высокие показатели после воздействия только 16 испытаний зондов BC. Также показаны показатели BC голубей Straub и Terrace (1981), где испытания BC проводились стандартным способом попарно вместе со всеми другими парами в сеансе.

Мы показали, что, смягчая последствия резкого изменения контекста, голуби могут хорошо работать с критически важной внутренней тестовой парой, тем самым подтверждая мнение о том, что они действительно понимают порядок внутренних элементов в списке. Казалось бы, для голубей по какой-либо причине отображение всех пар сразу, как в стандартном попарном тесте, является контекстной переменной, которая не позволяет им отображать свое понимание организации элементов четырех- и пятипозиционного теста. списки.

Эпизодическая память и теория разума

Есть много задач, которые использовались для исследования способностей нечеловеческих животных, для которых не только нет различий в характеристиках между видами, но и для которых некоторые из наиболее убедительных доказательств наличия той или иной способности на самом деле исходят от птиц, а, скорее, от птиц. обезьяны или шимпанзе. Такие эксперименты очень ясно говорят о Нулевая гипотеза . Речь идет об эпизодической памяти. Эпизодическая память — это воспоминания о личном жизненном опыте.Талвинг (1972) первоначально предполагал, что эпизодическая память состоит из памяти для того, чем было событие, , когда произошло события, и , когда произошло событий в жизни человека, что в просторечии называется памятью WWW. Позже Талвинг (1985) уточнил свое определение, включив в него концепцию автономного сознания (автоноэзиса), феноменологический опыт, который извлекается из воспоминаний, и это действительно что-то, что происходило с вами в прошлом. Если эпизодическая память определяется как требующая автономии, доступ к которой возможен только с помощью устного сообщения, то маловероятно, что какое-либо животное, не являющееся человеком, может удовлетворить критерию обладания эпизодической памятью.Однако, если мы вернемся к первоначальному определению эпизодической памяти Тулвинга (1972) как памяти для , что , , когда , и , где , то накопятся доказательства того, что различные животные обладают эпизодической памятью или, по крайней мере, какой-то некоторой. осторожно назвали эпизодической памятью .

Исследование Клейтона и Дикинсона (1998) до сих пор остается наиболее убедительным доказательством того, что нечеловеческие существа, в их случае сойки-кустарники, могут использовать what, , , где , и , когда информацию, чтобы управлять своим поведением.После публикации исследования Клейтона и Дикинсона (1998) было предпринято множество других попыток продемонстрировать WWW-память у ряда видов, таких как крысы (Bird et al., 2003; Babb and Crystal, 2005; Ergorul and Eichenbaum, 2007), голуби (Skov-Rackette et al., 2006), обезьяны (Hampton et al., 2005) и обезьяны (Schwartz et al., 2002, 2004, 2005; Mulcahy and Call, 2006). Во многих случаях эти эксперименты имеют альтернативные объяснения, которые не требуют атрибуции эпизодической памяти (см. Colombo and Hayne, 2010).В других случаях доказательства могут быть заманчиво близкими к доказательствам исследования Клейтона и Дикинсона (1998) с сойками (Mulcahy and Call, 2006), но всегда, кажется, не дотягивают до показателей соек, хотя некоторые из более поздних Работа Кристалла и его коллег поднимает способности крыс наравне с сойками (обзор см. в Crystal, 2011). То же самое верно и в отношении способности планировать будущие потребности, что очень элегантно было продемонстрировано у соек (Raby et al., 2007), затем у шимпанзе (Inoue and Matsuzawa, 2007), а в последнее время и у крыс (Crystal, 2013) .Также важно помнить, что даже исследование Клейтона и Дикинсона (1998) не обходится без критиков, которые выступают против точки зрения, согласно которой сойки проявляют эпизодическую память (Suddendorf and Busby, 2003; Suddendorf and Corballis, 2007). Тем не менее, при наличии надлежащего экспериментального дизайна, это просто вопрос времени, когда все животные покажут высокий уровень мастерства в задачах WWW.

Исследования, изучающие способность животных проявлять Теорию Разума (ToM), — еще один пример того, как птицы проявляют замечательные способности.Премак и Вудрафф (1978) задали вопрос: « Есть ли у шимпанзе теория разума? ». На основании способности шимпанзе выбирать правильное изображение, изображающее решение ранее просмотренного 30-секундного видеоклипа человека, стоящего перед дилеммой, авторы пришли к выводу, что у шимпанзе действительно есть ToM. Точно так же Повинелли и его коллеги сравнили две формы атрибуции психического состояния, смену ролей и концепцию знающего и предполагающего (Povinelli et al., 1990; Povinelli, 1993).В случае эксперимента с изменением ролей шимпанзе смогли оценить не только свою роль в обеспечении еды, но и роль человека, с которым они были в паре, так что, если они переключились на роль другого, они все равно преуспели в добывании пищи. Аналогичным образом, в эксперименте «знающий-угадывающий» шимпанзе предоставили доказательства того, что они понимали, что человек, оставшийся в комнате (знающий), знал местонахождение спрятанной пищи, в то время как человек, вышедший из комнаты (догадывающийся), знал. нет, так что когда им предоставляется выбор, они выбирают место, указанное знающим, а не угадывающим.

Хотя ни видеоклипы, ни эксперименты с перестановкой ролей, ни эксперименты по отгадыванию знаний не проводились с птицами, Эмери и Клейтон (2001) не исследовали влияние опыта и социального контекста на способность сойки-кустарника кэшировать пищу. Сойкам была предоставлена возможность кэшировать еду либо в присутствии сойки-наблюдателя, либо наедине. Авторы обнаружили, что сойки с гораздо большей вероятностью откроют пищу, если они ранее были кэшированы во время наблюдения, предполагая, что они понимают намерения наблюдающей сойки.Действительно, только те сойки, которые сами испытали воровство тайников, проявили такую способность, тогда как наивные сойки в наблюдаемых условиях не возвращались больше, чем в частных. Эти результаты подтверждают старую пословицу: «Чтобы узнать вора, нужен вор», и подчеркивают замечательные способности этих птиц в отношении определения психического состояния.

Конечно, есть критики всех этих исследований, действительно, Повинелли (1994) с тех пор признал, что шимпанзе, возможно, научились реагировать на поведенческие сигналы, а не делать выводы о состоянии знаний каждого из экспериментаторов, что было гораздо проще, чем умственные способности. государственная атрибуция.Критикуя литературу по ToM, Heyes (1998, стр. 101) оценил эмпирические доказательства того, что шимпанзе обладают ToM, и пришел к выводу, что «во всех случаях, когда нечеловеческое поведение приматов интерпретировалось как признак ToM, оно могло вместо этого иметь произошло случайно или как продукт нементалистических процессов, таких как ассоциативное обучение или умозаключение, основанное на нементальных категориях ». Аналогичным образом, результаты Эмери и Клейтона (2001) также можно отнести к простым процессам обучения и ассоциациям.Хотя мы согласны с этими более простыми интерпретациями, главное, что мы хотим сейчас сделать, это то, что нет никаких доказательств того, что конкретная способность, такая как эпизодическая память или ToM (или любая из предыдущих способностей, которые мы обсуждали), является присутствует у одного вида, а не у другого.

Возвращение к Макфейлу

Наш обзор не является исчерпывающим в том смысле, что мы не рассмотрели все задачи, по которым сравнивались виды. Например, то, как различные виды выполняют задачи по привыканию, классической обусловленности и инструментальной обусловленности, которые Макфейл назвал «простыми» задачами, было подробно рассмотрено Макфейлом (1982, 1985, 1987), и мы не собирались останавливаться на достигнутом. это опять же, главным образом потому, что, вероятно, нет особых разногласий в том, что позвоночные выполняют аналогичным образом с такими «простыми» задачами.Скорее, наша цель состояла в том, чтобы оценить нулевую гипотезу Макфейла (1985) в свете недавнего всплеска интереса к умственным способностям нечеловеческих животных и задач, которые использовались для вывода этих способностей. Эти задачи называются Макфейлом «сложными» задачами, и Макфейл понимал, что разногласия по поводу его нулевой гипотезы будут сосредоточены на этих «сложных» задачах.

Мы рассмотрели большое количество таких «сложных» задач, как рефлексивность (концепция соответствия), симметрия и поведение последовательного порядка, и показали, что различия в производительности между видами могут быть связаны с контекстной переменной, будь то FR требования к образцу стимула или количеству обучающих стимулов в случае рефлексивности, аспекты топографии стимульного ответа в случае симметрии или тестовая ситуация в случае поведения последовательного порядка.Для других задач, таких как транзитивность, эпизодическая память и ToM, производительность птиц-соперников, а иногда и выше, чем у нечеловеческих приматов. Наш обзор литературы показывает, что существует очень небольшая разница в выполнении этих «сложных» задач у разных видов позвоночных. На основании вышеприведенного обзора и несмотря на потенциальные ловушки, присущие всем подобным сравнениям, мы согласны с Макфейлом (1985, стр. 39), когда он заявил, что «в настоящее время нет феномена обучения, продемонстрированного в одном (нечеловеческом) человеке. виды позвоночных, которые не были обнаружены у всех других позвоночных, у которых его систематически искали.”

Качественные различия и количественные различия

Под качественным различием между видами подразумевается обладание одним видом механизма, который отсутствует у другого…. Количественное различие между двумя видами означало бы, что один вид использовал механизм или механизмы, общие для обоих видов, более эффективно, чем другой »(Macphail, 1985, стр. 38).

Мы не подразумеваем, что не существует примеров конкретной задачи, в которой производительность одного вида превышает производительность другого.Действительно, таких случаев много. Поэтому трудно не заметить тот факт, что виды действительно различаются количественно. Легкость, с которой шимпанзе и обезьяны могут разучивать задачи, слишком очевидна, и хотя скорость обучения не лучший показатель когнитивных способностей, она говорит о некоторой разнице в способности обработки, даже если учтены такие проблемы, как контекстные переменные. И тот простой факт, что голубю нужна определенная ситуация тестирования, в то время как обезьяна не может, еще больше говорит о количественной разнице на феноменологическом уровне и, возможно, также на уровне процесса (см. Дальнейшее обсуждение ниже).Эти количественные различия также несомненно распространяются на диапазон ситуаций переноса с более ограниченным диапазоном у голубей, чем у обезьян, и действительно более ограниченным диапазоном у обезьян, чем у шимпанзе или людей (Weinstein, 1941). И в конце концов, это способность переноситься в новые ситуации, что на самом деле является отличительной чертой того, что мы называем интеллектом, и в этом отношении способности людей превосходят способности обезьян, точно так же, как способности обезьян более чем вероятно превышают способности голуби.В самом деле, мы утверждаем, что основное различие в «интеллекте» животных заключается в степени, в которой нужно учитывать контекстные переменные, что, в свою очередь, отражает уровень гибкости поведенческого репертуара животного. Несомненно, дополнительная корковая ткань мозга приматов, даже если принять во внимание размер тела, — это то, что позволяет ему выражать поведение менее ограниченными способами, и, несомненно, это то, что лежит в основе «интеллекта».

Ассоциативные процессы или когнитивные процессы?

Важный момент, который следует иметь в виду при сравнении производительности видов по конкретной задаче, заключается в том, что похожие графы не подразумевают схожие основные процессы.Тот факт, что голубь показывает уровни передачи в задаче сопоставления, аналогичной задаче обезьян, или выполняет аналогичные тесты на транзитивность, не означает, что он вызывает те же процессы для решения задачи, что и обезьяна. Похожий тезис был резко высказан Гэллапом в его ответе на демонстрацию Эпштейном и др. (1981) способностей к самопознанию голубей, когда он заявил: «Просто потому, что вы можете имитировать поведение одного вида, усиливая серию следующих друг за другом». приближения к тому, что выглядит как один и тот же распорядок в другом, из этого не следует, что поведение первого вида обязательно возникло таким же образом »(Gallup, 1985, p.633). Несмотря на справедливую критику, простой факт состоит в том, что практически нет доказательств того, что голуби решают сложные задачи иначе, чем обезьяны, или обезьяны, иначе, чем шимпанзе, если, конечно, учитывать контекстные переменные. Тот факт, что голуби, обезьяны и шимпанзе решают задачи одинаково, подтверждается не только метрикой успешного тестирования, но и, что более важно, метрикой тестирования сигнатур, которая исследует различные сигнатуры выполнения задачи (Taylor, 2014; Шарф и Коломбо, 2020).

Важный вопрос для сравнительного познания заключается не в том, может ли животное решать задачу или нет, а в том, как оно решает задачи ? Мы вызываем конструкции, такие как концепция соответствия , симметрия , транзитивность и орфографическая обработка , как если бы эти конструкции были объяснением поведения. Это не так, это просто ярлыки для поведения. Эпштейн и др. (1981, стр. 696) красиво сформулировали это, когда они сказали, что «такие конструкции препятствуют поиску управляющих переменных поведения, которое, как они говорят, выполняет.Соблазн подробно интерпретировать поведение животного широко распространен (Haith, 1998; Shettleworth, 2010). Говоря о нашем собственном исследовании, мы можем утверждать, что у голубей есть понятие соответствия (Colombo et al., 2003), абстрактные числовые способности (Scarf et al., 2011) и орфографическая обработка (Scarf et al., 2016), но мы не верьте, что голуби (или обезьяны) преуспевают в таких задачах, потому что у них развитые когнитивные навыки. Скорее, мы используем эти конструкции, почти так же, как Скиннер, Эпштейн и их коллеги использовали их в исследованиях моделирования Columban (самосознание: Epstein et al., 1981; символическая коммуникация: Эпштейн и др., 1980; insight: Epstein et al., 1984), чтобы имитировать конструкции, которые использовались с приматами, для которых нам гораздо удобнее использовать такие ярлыки.

Если не «когнитивные» процессы, то какие процессы лежат в основе этих впечатляющих способностей? Мы определенно недооцениваем силу более простых (но не простых) учетных записей, таких как процессы ассоциативного обучения или обучения с подкреплением (Dickinson, 2012; Hanus, 2016; Haselgrove, 2016). Мы сомневаемся, что наши голуби (или обезьяны) действительно участвуют в «орфографической обработке» и разбивают каждое четырехбуквенное слово, которое они видят, на составляющие его пары, и оценивают частоту, с которой каждая пара может встречаться в словах или не словах ( Grainger et al., 2012). Скорее, мы согласны с Vokey and Jamieson (2015, см. Также Linke et al., 2017) в том, что обезьяны и птицы, вероятно, отображают новые слова на прототипные «словесные» и «несловесные» шаблоны — впечатляющая и, конечно, непростая способность. конечно, но тот, который отличается от «орфографического» описания. Точно так же мы могли бы использовать «ментальные представления» как процессы, управляющие поведением голубей и обезьян в задаче транзитивности, но более простые концепции, такие как теория передачи значений и модель двоичной выборки, имеют большое значение для объяснения поведения.Правда, эти более простые объяснения не могут объяснить все нюансы наблюдаемого поведения (а они должны), но какая часть из этого может отражать наше непонимание этих более простых отчетов, в отличие от недостатков этих более простых отчетов?

Проблема, которую мы затронули выше, является важной проблемой для сравнительного познания, и ее невозможно отдать должным в качестве примечания к нескольким абзацам. Мы согласны с Алленом (2014, стр. 76) в том, что существует слишком много «трофейной охоты» и что те теории, которые доступны, не формализованы в достаточной степени, чтобы по-настоящему распутать разницу между ассоциативными и когнитивными моделями поведения.Но модели критически важны, если мы хотим продвинуться в этой области, особенно модели, основанные на процессах (Luce, 1995; Buckner, 2011). Тем не менее, сами модели не лишены ограничений. Например, Smith et al. (2016) отмечают, что ассоциативные модели, основанные в основном на принципах подкрепления, и когнитивные модели, основанные, главным образом, на реакциях неопределенности, математически одинаковы, и что, если кто-то не хочет ссылаться на канон Моргана, нет особых причин принимать одну за другой. Мы придерживаемся другого мнения, что, возможно, причина того, что эти модели математически идентичны, заключается в том, что лежащие в их основе процессы не так различны, как мы думаем; несомненно, мониторинг неопределенности тесно связан не только с нашей недавней историей, но и с историей удаленного подкрепления.Как утверждает Кристал (2011, стр. 417), «если реакция неопределенности никогда не подкреплялась, маловероятно, что она была бы вызвана субъектом, и кажется практически невозможным, чтобы ее можно было использовать функционально, чтобы выразить неопределенность или избежать трудного испытания. . »

Заключительные комментарии

Мы рассмотрели ряд исследований и, надеюсь, убедили читателя в том, что в ситуациях, когда один вид превосходит другой, причина часто может быть связана с контекстными переменными.Макфейл (1985) пришел к выводу, что он не переоценивал важность контекстных переменных, и более чем через три десятилетия мы согласимся с тем, что контекстные переменные действительно лежат в основе многих различий в производительности, наблюдаемых у разных видов. В сопроводительной статье (Scarf and Colombo, 2020) мы также показали, что сходство распространяется не только на производительность при выполнении задачи, но и на сигнатуры, лежащие в основе успешного выполнения задачи. Взятые вместе, мы полностью поддерживаем точку зрения Макфейла о том, что по крайней мере нет качественных различий между видами позвоночных и, конечно же, между птицами и обезьянами.С другой стороны, мы думаем, что существует достаточно оснований для мнения о количественных различиях между видами. Возможно, воспринимая мир через количественную призму разницы в степени, мы сможем лучше преодолеть разрыв между ассоциативными процессами и когнитивными процессами.

Авторские взносы

MC и DS разработали концепцию и написали рукопись. Все авторы внесли свой вклад в статью и одобрили представленную версию.

Финансирование

Исследование финансировалось MC Королевского общества Новой Зеландии, грант 19-UOO-162 Марсдена.

Конфликт интересов

Авторы заявляют, что исследование проводилось при отсутствии каких-либо коммерческих или финансовых отношений, которые могут быть истолкованы как потенциальный конфликт интересов.

Список литературы

Азеведо, Ф. А., Карвалью, Л. Р., Гринберг, Л. Т., Фарфель, Дж. М., Ферретти, Р. Е., Лейте, Р. Е. и др. (2009). Равное количество нейрональных и ненейрональных клеток делает человеческий мозг изометрически увеличенным мозгом приматов. J. Comp.Neurol. 513, 532–541. DOI: 10.1002 / cne.21974

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бабб С. Дж. И Кристал Дж. Д. (2005). Дискриминация того, что, когда и где: последствия для эпизодической памяти у крыс. Учиться. Мотив. 36, 177–189. DOI: 10.1016 / j.lmot.2005.02.009

CrossRef Полный текст | Google Scholar

Барлоу, Х. Б. (1987). Эффективность, универсальность, когнитивные карты и язык. Behav. Brain Sci. 10, 657–658. DOI: 10.1017 / S0140525X0005500X

CrossRef Полный текст | Google Scholar

Берд, Л. Р., Робертс, В. А., Абромс, Б., Кит, К. К., и Крапи, К. (2003). Пространственная память о еде, спрятанной крысами ( Rattus norvegicus ) в радиальном лабиринте: исследования памяти о том, где, что и когда. J. Comp. Psychol. 117, 176–187. DOI: 10.1037 / 0735-7036.117.2.176

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Бакнер, К.(2011). Два подхода к различию между познанием и «простой ассоциацией». Внутр. J. Comp. Psychol. 24, 314–348.

Google Scholar

Картер Д. Э. и Вернер Т. Дж. (1978). Комплексное обучение и обработка информации голубями: критический анализ. J. Exp. Анальный. Behav. 29, 565–601. DOI: 10.1901 / jeab.1978.29-565

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коломбо М., Коттл А. и Фрост Н. (2003).Степень репрезентативности концепции соответствия у голубей ( Columba livia ). J. Comp. Psychol. 117, 246–256. DOI: 10.1037 / 0735-7036.117.3.246

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Коломбо М. и Хейн Х. (2010). «Эпизодическая память: вопросы сравнения и развития» в Оксфордском справочнике по развитию и сравнительной нейробиологии . ред. М. С. Блумберг, Дж. Х. Фриман и С. Р. Робинсон (Нью-Йорк, штат Нью-Йорк: издательство Оксфордского университета), 617–636.

Google Scholar

Кук, Р. Г., Кац, Дж. С., и Кавото, Б. Р. (1997). Обучение голубей одной и той же концепции с использованием нескольких классов стимулов. J. Exp. Psychol. Anim. Behav. Процесс. 23, 417–433. DOI: 10.1037 / 0097-7403.23.4.417

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Кристалл, Дж. Д. (2011). Навигация по интерфейсу между обучением и познанием. Внутр. J. Comp. Psychol. 24, 412–436.

PubMed Аннотация | Google Scholar

Камминг, В.У. и Берриман Р. (1961). Некоторые данные о подходящем поведении голубя. J. Exp. Анальный. Behav. 4, 281–284. DOI: 10.1901 / jeab.1961.4-281

CrossRef Полный текст | Google Scholar

Д’Амато М. Р. и Коломбо М. (1988). Изображение серийного порядка у обезьян ( Cebus apella ). J. Exp. Psychol. Anim. Behav. Процесс. 14, 131–139. DOI: 10.1037 / 0097-7403.14.2.131

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Д’Амато, М.Р. и Салмон Д. П. (1984). «Познавательные процессы у обезьян Cebus» в Познание животных . ред. Х. Л. Ройтблат, Т. Г. Бевер и Х. С. Террас (Хиллсдейл, Нью-Джерси: Эрлбаум).

Google Scholar

Д’Амато М. Р., Салмон Д. П. и Коломбо М. (1985a). Степень и пределы концепции соответствия у обезьян ( Cebus apella ). J. Exp. Psychol. Anim. Behav. Процесс. 11, 35–51. DOI: 10.1037 // 0097-7403.11.1.35

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Д’Амато, М.Р., Салмон, Д. П., Лукас, Э., и Томи, А. (1985b). Симметрия и транзитивность условных отношений у обезьян ( Cebus apella ) и голубей ( Columba livia ). J. Exp. Анальный. Behav. 44, 35–47. DOI: 10.1901 / jeab.1985.44-35

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Делиус, Дж. Д., и Симанн, М. (1998). Транзитивная реакция у животных и людей: скорее экстаптация, чем адаптация. Behav. Процессы 42, 107–137.DOI: 10.1016 / S0376-6357 (97) 00072-7

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Эдвардс, К. А., Джагиело, Дж. А., и Зенталл, Т. Р. (1983). Использование голубями символа «одинаковый / разный». Anim. Учиться. Behav. 11, 349–355. DOI: 10.3758 / BF03199787

CrossRef Полный текст | Google Scholar

Элепфандт А. (1987). Сравнительное познание: неадекватный подход, опрометчивые выводы. Behav. Brain Sci. 10, 661–662. DOI: 10.1017 / S0140525X00055059

CrossRef Полный текст | Google Scholar

Эпштейн, Р., Киршнит, К. Э., Ланза, Р. П., и Рубин, Л. С. (1984). «Проницательность» голубя: предшественники и факторы, определяющие умную производительность. Природа 308, 61–62. DOI: 10.1038 / 308061a0

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Эпштейн Р., Ланца Р. П. и Скиннер Б. Ф. (1980). Символическое общение двух голубей ( Columbia livia domestica ). Наука 207, 543–545. DOI: 10.1126 / science.207.4430.543

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Франк, А.Дж. И Вассерман Э. А. (2005). Ассоциативная симметрия у голубя после последовательного обучения сопоставлению с выборкой. J. Exp. Анальный. Behav. 84, 147–165. DOI: 10.1901 / jeab.2005.115-04

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Гиллан Д. Дж. (1981). Рассуждения на шимпанзе: II. Переходный вывод. J. Exp. Psychol. Anim. Behav. Процесс. 7, 150–164. DOI: 10.1037 / 0097-7403.7.2.150

CrossRef Полный текст | Google Scholar

Джурфа, М., Zhang, S., Jenett, A., Menzel, R., and Srinivasan, M. V. (2001). Понятия «одинаковость» и «различие» у насекомых. Природа 410, 930–933. DOI: 10.1038 / 35073582

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Goldman-Rakic, P. S., and Preuss, T. M. (1987). Поднимется сравнительная психология? Behav. Brain Sci. 10, 666–667. DOI: 10.1017 / S0140525X00055102

CrossRef Полный текст | Google Scholar

Грейнджер, Дж., Дюфау, С., Монтант, М., Циглер, Дж. К., и Фагот, Дж. (2012). Ортографическая обработка павианов ( Papio papio ). Наука 336, 245–248. DOI: 10.1126 / science.1218152

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Хейт, М. М. (1998). Кто заложил винтик в познании младенцев? Слишком дорого обходится богатая интерпретация? Младенческое поведение. Dev. 21, 167–179. DOI: 10.1016 / S0163-6383 (98)-7

CrossRef Полный текст | Google Scholar

Хэмптон, Р.Р., Хэмпстед Б. М. и Мюррей Е. А. (2005). Обезьяны-резусы ( Macaca mulatta ) демонстрируют устойчивую память на то, что и где, но не когда, в тесте памяти в открытом поле. Учиться. Мотив. 36, 245–259. DOI: 10.1016 / j.lmot.2005.02.004

CrossRef Полный текст | Google Scholar

Ханус, Д. (2016). Случайные рассуждения против ассоциативного обучения: полезная дихотомия или соломенная битва в сравнительной психологии. J. Comp. Psychol. 130, 241–248.DOI: 10.1037 / a0040235

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Hodos, W. (1987). Общий интеллект животных: идея, опередившая свое время. Behav. Brain Sci. 10: 668. DOI: 10.1017 / S0140525X00055138

CrossRef Полный текст | Google Scholar

Хоган Д. Э. и Зенталл Т. Р. (1977). Обратные ассоциации у голубя. г. J. Psychol. 90, 3–15. DOI: 10.2307 / 1421635

CrossRef Полный текст | Google Scholar

Лазарева, О.Ф. и Вассерман Э. А. (2012). Переходный вывод у голубей: измерение ассоциативных значений стимулов B и D. Behav. Процессы 89, 244–255. DOI: 10.1016 / j.beproc.2011.12.001

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Линке, М., Брекер, Ф., Рамскар, М., и Баайен, Х. (2017). Обучаются ли павианы «орфографическим» представлениям? Возможно нет. PLoS One 12: e0183876. DOI: 10.1371 / journal.pone.0183876

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Лионелло-ДеНольф, К.М. и Уркуиоли П. Дж. (2002). Топографии контроля стимулов и проверка симметрии у голубей. J. Exp. Анальный. Behav. 78, 467–495. DOI: 10.1901 / jeab.2002.78-467

CrossRef Полный текст | Google Scholar

Lipkens, R., Kop, P. F., and Matthijs, W. (1988). Тест на симметрию и транзитивность в условных различительных характеристиках голубей. J. Exp. Анальный. Behav. 49, 395–409. DOI: 10.1901 / jeab.1988.49-395

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Люс, Р.Д. (1995). Четыре противоречия относительно математического моделирования в психологии. Annu. Rev. Psychol. 46, 1–27. DOI: 10.1146 / annurev.ps.46.020195.000245

CrossRef Полный текст | Google Scholar

Макфейл, Э. М. (1982). Мозг и интеллект позвоночных . Оксфорд, Англия: Clarendon Press.

Google Scholar

Макфейл, Э. М. (1985). Интеллект позвоночных: нулевая гипотеза. Philos. Пер. R. Soc. Лондон. B Biol. Sci. 308, 37–51.DOI: 10.1098 / rstb.1985.0008

CrossRef Полный текст | Google Scholar

Макфейл, Э. М. (1987). Сравнительная психология интеллекта. Behav. Brain Sci. 10, 645–695. DOI: 10.1017 / S0140525X00054984

CrossRef Полный текст | Google Scholar

Masure, R.H., и Allee, W.C. (1934). Социальный порядок в стаях обычных кур и голубей. Auk 51, 306–327. DOI: 10.2307 / 4077659

CrossRef Полный текст | Google Scholar

Макилвейн, W.Дж., Серна, Р. В., Дуб, В. В., и Стромер, Р. (2000). «Согласованность топографии контроля стимулов и эквивалентность стимулов: согласование результатов испытаний с теорией» в Экспериментальный и прикладной анализ человеческого поведения . ред. Дж. Лесли и Д. Э. Блэкман (Рино, Невада: Context Press), 85–110.

Google Scholar

Макинтайр, Р. Д., Клири, Дж., И Томпсон, Т. (1987). Условные отношения обезьян: рефлексивность, симметрия и транзитивность. J. Exp. Анальный. Behav. 47, 279–285.DOI: 10.1901 / jeab.1987.47-279

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Морено, А. М., де Соуза, Д. Д. Г., и Рейнхард, Дж. (2012). Сравнительное исследование способности к реляционному обучению у медоносных пчел ( Apis mellifera ) и пчел без жала ( Melipona rufiventris ). PLoS One 7: e51467. DOI: 10.1371 / journal.pone.0051467

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Оден, Д. Л., Томпсон, Р.К. Р. и Премак Д. (1988). Спонтанный перенос совпадения детенышей шимпанзе ( Pan troglodytes ). J. Exp. Psychol. Anim. Behav. Процесс. 14, 140–145. DOI: 10.1037 / 0097-7403.14.2.140

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Паз-и-Миньо К., Г., Бонд, А. Б., Камил, А. К., и Балда, Р. П. (2004). Пиньонские сойки используют транзитивный вывод для предсказания социального доминирования. Природа 430, 778–781. DOI: 10.1038 / nature02723

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Пенн, Д.К., Холяок, К. Дж., И Повинелли, Д. Дж. (2008). Ошибка Дарвина: объяснение разрыва между человеческим и нечеловеческим разумом. Behav. Brain Sci. 31, 109–130. DOI: 10.1017 / S0140525X08003543

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Пиаже, Дж. (1928). Суждение и рассуждение у ребенка . Лондон, Англия: Routledge Chapman & Hall.

Google Scholar

Повинелли, Д. Дж. (1994). Сравнительные исследования атрибуции психического состояния животных: ответ Хейесу. Anim. Behav. 48, 239–241. DOI: 10.1006 / anbe.1994.1233

CrossRef Полный текст | Google Scholar

Повинелли Д. Дж., Нельсон К. Э. и Бойсен С. Т. (1990). Выводы о догадках и знании шимпанзе ( Pan troglodytes ). J. Comp. Psychol. 104, 203–210. DOI: 10.1037 / 0735-7036.104.3.203

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Премак Д. и Вудрафф Г. (1978). Есть ли у шимпанзе теория разума? Behav.Brain Sci. 1, 515–526. DOI: 10.1017 / S0140525X00076512

CrossRef Полный текст | Google Scholar

Ричардс Р. У. (1988). Вопрос о двунаправленных ассоциациях в обучении голубей задачам условной дискриминации. Бык. Психон. Soc. 26, 577–579. DOI: 10.3758 / BF03330126

CrossRef Полный текст | Google Scholar

Сэндс, С. Ф., и Райт, А. А. (1980). Производительность распознавания серийных зондов резус-деньгами и человеком с помощью списков из 10 и 20 пунктов. J. Exp. Psychol. Anim. Behav. Процесс. 6, 386–396. DOI: 10.1037 / 0097-7403.6.4.386

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сантьяго, Х.С., и Райт, А.А. (1984). Память голубя: одинаковое / различное обучение концепции, получение последовательного распознавания датчика и влияние задержки датчика на функцию последовательного позиционирования. J. Exp. Psychol. Anim. Behav. Процесс. 10, 498–512. DOI: 10.1037 / 0097-7403.10.4.498

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шарф, Д., Бой, К., Убер Райнерт, А., Дивайн, Дж., Гюнтюркюн, О., и Коломбо, М. (2016). Ортографическая обработка у голубей ( Columba livia ). Proc. Natl. Акад. Sci. США. 113, 11272–11276. DOI: 10.1073 / pnas.1607870113

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шарф Д. и Коломбо М. (2008). Изображение серийного порядка: сравнительный анализ людей, обезьян и голубей. Brain Res. Бык. 76, 307–312. DOI: 10.1016 / j.brainresbull.2008.02.022

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шарф, Д. и Коломбо, М. (2020). Columban Simulation Project 2.0: числовая компетенция и орфографическая обработка у голубей и приматов. Фронт. Psychol. 10: 3017. DOI: 10.3389 / fpsyg.2019.03017

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шварц Б. Л., Колон М. Р., Санчес И. К., Родригес И. А. и Эванс С. (2002). Однократное изучение информации «что» и «кто» у гориллы ( Gorilla gorilla gorilla ): последствия для эпизодической памяти. Anim. Cogn. 5, 85–90. DOI: 10.1007 / s10071-002-0132-0

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шварц Б. Л., Хоффман М. Л. и Эванс С. (2005). Эпизодическая память у гориллы: обзор и новые открытия. Учиться. Мотив. 36, 226–244. DOI: 10.1016 / j.lmot.2005.02.012

CrossRef Полный текст | Google Scholar

Шварц, Б. Л., Мейснер, К. М., Хоффман, М., Эванс, С., и Фрейзер, Л. Д. (2004). Эффекты памяти событий и дезинформации у гориллы ( Gorilla gorilla gorilla ). Anim. Cogn. 7, 93–100. DOI: 10.1007 / s10071-003-0194-7

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Шеттлворт, С. Дж. (1998). Познание, эволюция и поведение . Нью-Йорк, Нью-Йорк: Издательство Оксфордского университета.

Google Scholar

Сидман М. (1994). Отношения эквивалентности и поведение: исследование . Бостон, Массачусетс: Кооператив авторов.

Google Scholar

Сидман М., Раузин Р., Лазарь Р., Каннингем С., Тейлби В. и Карриган П. (1982). Поиск симметрии в условном различении макак-резусов, бабуинов и детей. J. Exp. Анальный. Behav. 37, 23–44. DOI: 10.1901 / jeab.1982.37-23

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Симанн М., Делиус Дж. Д. и Райт А. А. (1996). Переходные реакции у голубей: влияние частоты стимулов и истории подкрепления. Behav. Процессы 37, 185–195.DOI: 10.1016 / 0376-6357 (96) 00020-4

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Сков-Ракетт, С. И., Миллер, Н. Ю., и Шеттлворт, С. Дж. (2006). Что-где-когда память у голубей. J. Exp. Psychol. Anim. Behav. Процесс. 32, 345–358. DOI: 10.1037 / 0097-7403.32.4.345

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Смит, Дж. Д., Закжевски, А. К., и Черч, Б. А. (2016). Формальные модели в исследованиях метапознания животных: проблема интерпретации поведения животных. Психон. Бык. Ред. 23, 1341–1353. DOI: 10.3758 / s13423-015-0985-2

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Стейрн, Дж. Н., Уивер, Дж. Э. и Зенталл, Т. Р. (1995). Переходный вывод у голубей: упрощенные процедуры и проверка теории переноса ценностей. Anim. Учиться. Behav. 23, 76–82. DOI: 10.3758 / BF03198018

CrossRef Полный текст | Google Scholar

Штернберг Р. Дж. (1987). Трудности сравнения интеллекта разных видов. Behav. Brain Sci. 10, 679–680. DOI: 10.1017 / S0140525X00055278

CrossRef Полный текст | Google Scholar

Штрауб, Р. О., и Террас, Х. С. (1981). Обобщение серийного обучения голубя. Anim. Учиться. Behav. 9, 454–468. DOI: 10.3758 / BF03209775

CrossRef Полный текст | Google Scholar

Suddendorf, T., и Corballis, M. C. (2007). Эволюция предвидения: что такое мысленные путешествия во времени и уникальны ли они для людей? Behav.Brain Sci. 30, 299–313. DOI: 10.1017 / S0140525X07001975

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Террас, Х. С. (1993). Филогения и онтогенез серийной памяти: список обучения голубей и обезьян. Psychol. Sci. 4, 162–169. DOI: 10.1111 / j.1467-9280.1993.tb00481.x

CrossRef Полный текст | Google Scholar

Томонага, М., Мацузава, Т., Фудзита, К., и Ямамото, Дж. (1991). Появление симметрии в визуальном условном различении шимпанзе ( Pan troglodytes ). Psychol. Реп. 68, 51–60. DOI: 10.2466 / pr0.1991.68.1.51

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Тулвинг, Э. (1972). «Эпизодическая и семантическая память» в Организация памяти . ред. Э. Талвинг и У. Дональдсон (Нью-Йорк: Academic Press), 382–403.

Google Scholar

Vaughan, W. (1988). Формирование множеств эквивалентности у голубей. J. Exp. Psychol. Anim. Behav. Процесс. 14, 36–42. DOI: 10.1037 / 0097-7403.14.1.36

CrossRef Полный текст | Google Scholar

Воки, Дж. Р., и Джеймисон, Р. К. (2015). Отчет о визуальном знакомстве свидетельств орфографической обработки павианов ( Papio papio ). Psychol. Sci. 25, 991–996. DOI: 10.1177 / 0956797613516634

PubMed Аннотация | CrossRef Полный текст | Google Scholar

фон Ферзен, Л., Винн, К. Д. Л., Делиус, Дж. Д. и Стаддон, Дж. Е. Р. (1991). Формирование переходного вывода у голубей. Дж.Exp. Psychol. Anim. Behav. Процесс. 17, 334–341. DOI: 10.1037 / 0097-7403.17.3.334

CrossRef Полный текст | Google Scholar

Вассерман, Э. А., Хугарт, Дж. А., и Киркпатрик-Стегер, К. (1995). Голуби демонстрируют совершенно разные представления после тренировки со сложными визуальными стимулами. J. Exp. Psychol. Anim. Behav. Процесс. 21, 248–252. DOI: 10.1037 // 0097-7403.21.3.248

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Вайнштейн, Б.(1941). Подбор по образцу макаками-резусами и детьми. J. Comp. Psychol. 31, 195–213. DOI: 10,1037 / h0063449

CrossRef Полный текст | Google Scholar

Уилсон, Б., Макинтош, Н. Дж., И Боукс, Р. А. (1985a). Сопоставление и необычное обучение у голубя: эффекты переноса и отсутствие реляционного обучения. Q. J. Exp. Psychol. В 37, 295–311. DOI: 10.1080 / 14640748508401172

CrossRef Полный текст | Google Scholar

Уилсон, Б., Макинтош, Н. Дж., И Боукс, Р. А. (1985b). Передача реляционных правил в сопоставлении и изучении странностей голубями и врановыми. Q. J. Exp. Psychol. В 37, 313–332. DOI: 10.1080 / 14640748508401173

CrossRef Полный текст | Google Scholar

Райт А.А. (1997). Концептуальное обучение и стратегии обучения. Psychol. Sci. 8, 119–123. DOI: 10.1111 / j.1467-9280.1997.tb00693.x

CrossRef Полный текст | Google Scholar

Ямамото Дж. И Асано Т.(1995). Эквивалентность стимулов у шимпанзе ( Pan troglodytes ). Psychol. Рек. 45, 3–21.

Google Scholar

Янг, М. Э., Вассерман, Э. А., и Гарнер, К. Л. (1997). Влияние количества предметов на различение голубей одного и того же на разных визуальных дисплеях. J. Exp. Psychol. Anim. Behav. Процесс. 23, 491–501. DOI: 10.1037 / 0097-7403.23.4.491

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Зенталл, Т.Р. и Хоган Д. Э. (1974). Абстрактное обучение концепции в голуби. J. Exp. Psychol. 102, 393–398. DOI: 10,1037 / h0035970

CrossRef Полный текст | Google Scholar

Зенталл Т. Р. и Хоган Д. Э. (1978). Одно и то же / другое концептуальное обучение у голубя: влияние негативных примеров и предшествующая адаптация к передаче стимулов. J. Exp. Анальный. Behav. 30, 177–186. DOI: 10.1901 / jeab.1978.30-177

PubMed Аннотация | CrossRef Полный текст | Google Scholar

Теория множественного интеллекта Гарднера

Когда вы слышите слово «интеллект», вам сразу приходит на ум концепция тестирования IQ.Интеллект часто определяется как наш интеллектуальный потенциал; то, с чем мы родились, что можно измерить, и способность, которую трудно изменить.

Однако в последние годы появились и другие взгляды на интеллект. Одной из таких концепций является теория множественного интеллекта, предложенная гарвардским психологом Говардом Гарднером.

Иллюстрация JR Bee, Verywell

Теория множественного интеллекта

Эта теория предполагает, что традиционные психометрические взгляды на интеллект слишком ограничены.Гарднер впервые изложил свою теорию в своей книге 1983 года « фреймов разума: теория множественного интеллекта », где он предположил, что у всех людей есть разные виды «интеллекта».

Гарднер предположил, что существует восемь видов интеллекта, и предложил возможное добавление девятого, известного как «экзистенциалистский разум».

Чтобы охватить весь спектр способностей и талантов, которыми обладают люди, Гарднер предполагает, что люди обладают не только интеллектуальными способностями, но и множеством видов интеллекта, включая музыкальный, межличностный, пространственно-визуальный и лингвистический интеллект.

Хотя человек может быть особенно сильным в определенной области, например, в музыкальном интеллекте, он или она, скорее всего, обладает рядом способностей. Например, человек может обладать вербальным, музыкальным и натуралистическим интеллектом.

Критика

Теория Гарднера подверглась критике как со стороны психологов, так и со стороны педагогов. Эти критики утверждают, что определение интеллекта, данное Гарднером, является слишком широким и что его восемь различных «интеллектов» просто представляют таланты, личностные качества и способности.Теория Гарднера также страдает от недостатка подтверждающих эмпирических исследований.

Несмотря на это, теория множественного интеллекта пользуется большой популярностью у педагогов. Многие учителя используют множественный интеллект в своей философии преподавания и работают над внедрением теории Гарднера в класс.

Узнав больше о множественном интеллекте, вы сможете лучше понять свои сильные стороны. Продолжайте читать, чтобы узнать больше об основных характеристиках каждого типа интеллекта, и если вы все еще не уверены, какой из них лучше всего описывает вас, этот тест поможет вам разобраться.

Теория множественного интеллекта Говарда Гарднера — NIU

Многие из нас знакомы с тремя широкими категориями, в которых люди учатся: визуальное обучение, слуховое обучение и кинестетическое обучение. Помимо этих трех категорий, было создано множество теорий и подходов к потенциалу обучения человека. Среди них теория множественного интеллекта, разработанная доктором наук Ховардом Гарднером.D., Джон Х. и Элизабет А. Хоббс, профессор-исследователь познания и образования в Гарвардской высшей школе образования Гарвардского университета. Ранние работы Гарднера в области психологии, а затем и в области человеческого познания и человеческого потенциала привели к развитию первых шести видов интеллекта. Сегодня существует девять видов интеллекта, и возможность появления других со временем может расширить список.

Обобщение множественного интеллекта Гарднера

Вербально-лингвистический интеллект (хорошо развитые речевые навыки и чувствительность к звукам, значениям и ритмам слов)
Логико-математический интеллект (способность мыслить концептуально и абстрактно, а также способность различать логические и числовые модели)
Пространственно-визуальный интеллект (способность мыслить образами и картинками, точно и абстрактно визуализировать)
Телесно-кинестетический интеллект (способность контролировать движения тела и умело обращаться с предметами)
Музыкальный интеллект (способность воспроизводить и ценить ритм, высоту звука и древесину)
Межличностный интеллект (способность обнаруживать и соответствующим образом реагировать на настроения, мотивации и желания других)
Внутриличностный (способность осознавать себя и быть в гармонии с внутренними чувствами, ценностями, убеждениями и мыслительными процессами)
Натуралистический интеллект (способность распознавать и классифицировать растения, животных и другие объекты в природе)
Экзистенциальный интеллект (чувствительность и способность решать глубокие вопросы о человеческом существовании, такие как: «В чем смысл жизни? Почему мы умираем? Как мы сюда попали?»

(«Использование множественного интеллекта», 2004 г.)

Интеллект и творчество | Введение в психологию — Линд

Что вы научитесь делать: описывать теории интеллекта и тестирование интеллекта

Интеллект — комплексная характеристика познания.Было разработано множество теорий, объясняющих, что такое интеллект и как он работает. Существует триархическая теория интеллекта Штернберга, которая фокусируется на аналитическом, творческом и практическом интеллекте, но есть также теория Гарднера, согласно которой интеллект состоит из множества факторов. Третьи теории сосредотачиваются на важности эмоционального интеллекта. Какая из теорий наиболее верна? И как вообще можно измерить интеллект? Это видео CrashCourse дает хороший обзор следующих тем:

Задачи обучения

Объясните триархическую теорию интеллекта
Объясните теорию множественного интеллекта
Дайте определение творчеству, дивергентному и конвергентному мышлению

Мальчик четырех с половиной лет сидит за кухонным столом со своим отцом, который читает ему вслух новый рассказ.Он переворачивает страницу, чтобы продолжить чтение, но прежде чем он успевает начать, мальчик говорит: «Подожди, папа!» Он указывает на слова на новой странице и читает вслух: «Вперед, Свинья! Идти!» Отец останавливается и смотрит на сына. «Вы можете это прочитать?» он спрашивает. «Да папочка!» И он указывает на слова и снова читает: «Иди, Свинья! Идти!»

Этот отец активно не учил своего сына чтению, хотя ребенок постоянно задавал вопросы о буквах, словах и символах, которые они видели повсюду: в машине, в магазине, по телевизору.Папа задумался, что еще может понять его сын, и решил провести эксперимент. Взяв чистый лист бумаги, он написал список из нескольких простых слов: мама, папа, собака, птица, кровать, грузовик, машина, дерево. Он положил список перед мальчиком и попросил его прочитать слова. «Мама, папа, собака, птица, кровать, грузовик, машина, дерево», — прочитал он, замедляясь, чтобы осторожно произнести птица, и грузовик. Затем: «Я сделал это, папа?» «Вы, конечно, сделали! Это очень хорошо.» Отец тепло обнял своего маленького мальчика и продолжил читать историю о свинье, все время задаваясь вопросом, являются ли способности его сына признаком исключительного интеллекта или просто нормальным образцом языкового развития.Подобно отцу в этом примере, психологи задавались вопросом, что такое интеллект и как его можно измерить.

Классифицирующий интеллект

Что такое интеллект? То, как исследователи определили понятие интеллекта, много раз изменялось с момента зарождения психологии. Британский психолог Чарльз Спирмен считал, что интеллект состоит из одного общего фактора, называемого g , который можно измерять и сравнивать между людьми.Спирмен сосредоточился на общих чертах между различными интеллектуальными способностями и не придал значения тому, что делало каждую из них уникальной. Однако задолго до появления современной психологии древние философы, такие как Аристотель, придерживались аналогичной точки зрения (Cianciolo & Sternberg, 2004).

Другие психологи считают, что интеллект — это не единственный фактор, а совокупность различных способностей. В 1940-х годах Раймонд Кеттелл предложил теорию интеллекта, которая разделила общий интеллект на два компонента: кристаллизованный интеллект и подвижный интеллект (Cattell, 1963). Кристаллизованный интеллект характеризуется как приобретенные знания и способность их извлекать. Когда вы изучаете, запоминаете и вспоминаете информацию, вы используете кристаллизованный интеллект. Вы постоянно используете кристаллизованный интеллект в своей курсовой работе, демонстрируя, что усвоили информацию, изложенную в курсе. Гибкий интеллект включает в себя способность видеть сложные взаимосвязи и решать проблемы. Направление домой после объезда по незнакомому маршруту из-за строительства дороги потребовало бы вашего подвижного интеллекта.Гибкий интеллект помогает решать сложные абстрактные задачи повседневной жизни, тогда как кристаллизованный интеллект помогает преодолевать конкретные, простые проблемы (Cattell, 1963).

Другие теоретики и психологи считают, что интеллект следует определять в более практических терминах. Например, какие типы поведения помогают вам продвигаться в жизни? Какие навыки способствуют успеху? Задумайтесь об этом на мгновение. Возможность произнести наизусть всех 44 президентов Соединенных Штатов по порядку — отличный трюк для вечеринки, но сделает ли это знание вас лучше?

Роберт Стернберг разработал другую теорию интеллекта, которую он назвал триархической теорией интеллекта , потому что она рассматривает интеллект как состоящий из трех частей (Sternberg, 1988): практического, творческого и аналитического интеллекта (рис. 1).

Рис. 1. Теория Штернберга выделяет три типа интеллекта: практический, творческий и аналитический.

Практический интеллект , предложенный Штернбергом, иногда сравнивают с «уличным умом». Практика означает, что вы находите решения, которые работают в вашей повседневной жизни, применяя знания, основанные на вашем опыте. Этот тип интеллекта отличается от традиционного понимания IQ; люди с высокими показателями практического интеллекта могут иметь или не иметь сопоставимые оценки творческого и аналитического интеллекта (Sternberg, 1988).

Этот рассказ о стрельбе в Технологическом институте Вирджинии в 2007 году иллюстрирует как высокий, так и низкий практический интеллект. Во время инцидента одна ученица вышла из класса, чтобы пойти за содовой в соседнее здание. Она планировала вернуться в класс, но когда она вернулась в свое здание после того, как принесла газировку, она увидела, что дверь, которую она раньше выходила, теперь была закована цепью изнутри. Вместо того чтобы думать о том, почему на дверных ручках была цепь, она подошла к окну своего класса и поползла обратно в комнату.Таким образом, она потенциально подверглась нападению преступника. К счастью, ее не застрелили. С другой стороны, пара студентов гуляла по кампусу, когда услышала неподалеку выстрелы. Один друг сказал: «Пойдем, проверим и посмотрим, что происходит». Другой студент сказал: «Ни в коем случае, нам нужно убегать от выстрелов». Они так и сделали. В результате оба избежали вреда. Студент, пролезший в окно, продемонстрировал творческий интеллект, но не руководствовался здравым смыслом. У нее был бы низкий практический интеллект.Студент, который уговаривал своего друга убегать от звука выстрелов, имел бы гораздо более высокий практический интеллект.

Аналитический интеллект тесно связан с решением академических задач и вычислениями. Штернберг говорит, что аналитический интеллект проявляется в способности анализировать, оценивать, судить, сравнивать и противопоставлять. Например, при чтении классического романа для литературного класса обычно необходимо сравнить мотивы главных героев книги или проанализировать исторический контекст рассказа.В таком научном курсе, как анатомия, вы должны изучить процессы, с помощью которых организм использует различные минералы в различных человеческих системах. Развивая понимание этой темы, вы используете аналитический интеллект. Решая сложную математическую задачу, вы применяете аналитический интеллект для анализа различных аспектов проблемы, а затем решаете ее по частям.

Протестируйте

Проверьте свой аналитический интеллект с помощью загадки о тюремной шляпе:

Творческий интеллект отмечен изобретением или воображением решения проблемы или ситуации.Творчество в этой сфере может включать поиск нового решения неожиданной проблемы или создание прекрасного произведения искусства или хорошо разработанного рассказа. Представьте на мгновение, что вы отдыхаете в лесу с друзьями и понимаете, что забыли свой походный кофейник. Человек в вашей группе, который находит способ успешно сварить кофе для всех, будет считаться обладателем более высокого творческого интеллекта.

Теория множественного интеллекта была разработана Говардом Гарднером, психологом из Гарварда и бывшим учеником Эрика Эриксона.Теория Гарднера, которая совершенствовалась более 30 лет, является более поздней разработкой среди теорий интеллекта. Согласно теории Гарднера, каждый человек обладает как минимум восемью видами интеллекта. Среди этих восьми видов интеллекта человек обычно преуспевает в одних и колеблется в других (Gardner, 1983). В следующей таблице описан каждый тип интеллекта.

Множественный интеллект
Разведка Тип	Характеристики	Карьера представителя
Лингвистический интеллект	Понимает разные функции языка, разные звуки и значения слов, может легко выучить несколько языков	Журналист, прозаик, поэт, педагог
Логико-математический интеллект	Способность видеть числовые закономерности, сильная способность использовать разум и логику	Ученый, математик
Музыкальный интеллект	Понимает и ценит ритм, высоту и тональность; может играть на нескольких инструментах или выступать в качестве вокалиста	Композитор, исполнитель
Телесный кинестетический интеллект	Высокая способность контролировать движения тела и использовать тело для выполнения различных физических задач	Танцовщица, спортсменка, спортивный тренер, инструктор по йоге
Пространственный интеллект	Способность воспринимать взаимосвязь между объектами и то, как они движутся в пространстве	Хореограф, скульптор, архитектор, авиатор, моряк
Межличностный интеллект	Способность понимать различные эмоциональные состояния других людей и быть чувствительными к ним	Советник, социальный работник, продавец
Внутриличностный интеллект	Способность получать доступ к личным чувствам и мотивам и использовать их для управления поведением и достижения личных целей	Ключевой компонент личного успеха с течением времени
Натуралистический интеллект	Высокая способность ценить мир природы и взаимодействовать с живыми существами	Биолог, эколог, эколог

Теория Гарднера относительно нова и требует дополнительных исследований, чтобы получить эмпирическую поддержку.В то же время его идеи бросают вызов традиционной идее интеллекта, чтобы включить более широкий спектр способностей, хотя было высказано предположение, что Гарднер просто переименовал то, что другие теоретики называли «когнитивными стилями», как «интеллект» (Morgan, 1996). Кроме того, чрезвычайно сложно разработать традиционные методы измерения интеллекта Гарднера (Furnham, 2009; Gardner & Moran, 2006; Klein, 1997).

ссылка на обучение

Если вам интересно узнать больше, посмотрите документальный фильм BBC Battle of the Brains , чтобы увидеть примеры того, как проверяется множественный интеллект.В видео вундеркинд, шахматный гроссмейстер, квантовый физик, летчик-истребитель, художник, драматург и чемпион IQ проходят серию тестов, чтобы определить, кто будет считаться самым умным.

Горизонт — Битва мозгов от Татьяны на Vimeo.

Межличностный и внутриличностный интеллект Гарднера часто объединяется в один тип: эмоциональный интеллект. Эмоциональный интеллект включает в себя способность понимать эмоции себя и других, проявлять сочувствие, понимать социальные отношения и сигналы, регулировать свои собственные эмоции и реагировать культурно приемлемыми способами (Parker, Saklofske, & Stough, 2009).Люди с высоким эмоциональным интеллектом обычно обладают хорошо развитыми социальными навыками. Некоторые исследователи, в том числе Дэниел Гоулман, автор книги «Эмоциональный интеллект : почему он может иметь значение, превышающий IQ », утверждают, что эмоциональный интеллект является лучшим предсказателем успеха, чем традиционный интеллект (Goleman, 1995). Тем не менее, эмоциональный интеллект широко обсуждается, при этом исследователи указывают на несоответствия в том, как он определяется и описывается, а также ставят под сомнение результаты исследований по предмету, который сложно измерить и изучить эмперически (Locke, 2005; Mayer, Salovey, & Карузо, 2004)

Интеллект также может иметь разные значения и ценности в разных культурах.Если вы живете на небольшом острове, где большинство людей добывают пропитание, ловя рыбу с лодок, было бы важно знать, как ловить рыбу и как ремонтировать лодку. Если бы вы были исключительным рыболовом, ваши сверстники, вероятно, сочли бы вас умным. Если бы вы также умели ремонтировать лодки, ваш интеллект мог бы быть известен всему острову. Подумайте о культуре своей семьи. Какие ценности важны для латиноамериканских семей? Итальянские семьи? В ирландских семьях гостеприимство и увлекательные истории являются знаками культуры.Если вы опытный рассказчик, другие представители ирландской культуры, вероятно, сочтут вас умным.

В некоторых культурах высоко ценится совместная работа как коллектив. В этих культурах важность группы превышает важность индивидуальных достижений. Когда вы посещаете такую культуру, то, насколько хорошо вы относитесь к ценностям этой культуры, свидетельствует о вашем культурном интеллекте, иногда называемом культурной компетенцией.

Подумай над

Как вы думаете, какое влияние эмоциональный интеллект играет на вашу личную жизнь?

Творчество

Что общего у следующего: препарат пенициллин, Эйфелева башня, фильм Властелин колец , Общая теория относительности, гимн Удивительная благодать , iPhone, роман Дон Кихот , живопись Мона Лиза , рецепт шоколадной помадки, безалкогольный напиток Кока-Кола, видеоигра Wii Sports , преступление Западного побережья в футболе и застежка-молния? Вы угадали! Все названные предметы были продуктом творческого разума.Ни одного из них не существовало, пока кому-то в голову не пришла идея. Творчество — это не то, что вы просто собираете, как яблоки с дерева. Поскольку творческие идеи настолько особенные, создатели, которые предлагают лучшие идеи, часто высоко награждаются славой, богатством или и тем, и другим. Нобелевские премии, Оскары, Пулитцеры и другие награды приносят славу, а большие продажи и кассовые сборы приносят удачу. Но что такое творчество в первую очередь?

Рис. 2. Людям часто трудно описать, откуда пришли их творческие идеи.Когда вы думаете о чем-то творческом, как вы обычно придумываете это?

Креативность возникает, когда кому-то приходит творческая идея. Примером может служить творческое решение сложной проблемы. Но что делает идею или решение творческими? Творчество — это способность генерировать, создавать или открывать новые идеи, решения и возможности. Очень творческие люди часто обладают глубокими знаниями о чем-либо, годами работают над этим, ищут новые решения, обращаются за советом и помощью других экспертов и рискуют.Хотя творчество часто ассоциируется с искусством, на самом деле это жизненно важная форма интеллекта, которая побуждает людей во многих дисциплинах открывать что-то новое. Творчество можно найти во всех сферах жизни, от того, как вы украшаете свое жилище, до нового понимания того, как работает клетка.

Хотя психологи предложили несколько определений творчества (Plucker, Beghetto, & Dow, 2004; Runco & Jaeger, 2012), вероятно, лучшим определением является определение, недавно адаптированное из трех критериев, которые U.Патентное ведомство S. Используется, чтобы решить, может ли изобретение получить патентную защиту (Simonton, 2012).

Первый критерий оригинальность . Идея должна иметь низкую вероятность. Действительно, часто он должен быть уникальным. Специальная теория относительности Альберта Эйнштейна, безусловно, удовлетворяла этому критерию. Ни один другой ученый не придумал эту идею.

Второй критерий полезность . Идея должна быть ценной или работающей. Например, решение должно фактически решать проблему.Оригинальный рецепт, из-за которого получается блюдо, которое слишком ужасно для употребления в пищу, не может быть творческим. В случае теории Эйнштейна его принцип относительности давал объяснения тому, что в противном случае было бы необъяснимым эмпирическим результатом.

Рис. 3. Даже с учетом трех критериев творчества (оригинальность, полезность и неожиданность) определение того, является ли искусство «творческим», может оказаться трудным. Особенно со всеми примерами художников, чьи работы считались творческими только после их смерти.[Изображение: Линус Бохман]

Третий и последний критерий — сюрприз . Идея должна быть удивительной или, по крайней мере, неочевидной (если использовать термин, используемый Патентным ведомством). Например, решение, которое является прямым производным от приобретенного опыта, не может считаться неожиданным, даже если оно было оригинальным. Теория относительности Эйнштейна не была поэтапным выводом из классической физики, скорее, теория была построена на новом фундаменте, который бросил вызов самой основе традиционной физики.При применении этих трех критериев очень важно признать, что оригинальность, полезность и неожиданность — все это количественные, а не качественные атрибуты идеи. В частности, мы действительно должны говорить о степени, в которой идея удовлетворяет каждому из трех критериев. Кроме того, три атрибута должны иметь нулевую точку, то есть должна быть возможность говорить об идее, лишенной оригинальности, полезности или чего-либо удивительного. Наконец, мы должны предположить, что если идея получает ноль баллов по какому-либо одному критерию, то у нее также должно быть нулевое творчество.Например, тот, кто заново изобретает колесо, определенно дает полезную идею, но в этой идее нет никакой оригинальности и, следовательно, нет никакого творчества. Точно так же тот, кто изобрел парашют, полностью сделанный из железобетона, получил бы большое признание за оригинальность — и удивление! — но ни за какую полезность.

Рис. 4. Если бы вам было поручено придумать как можно больше вариантов использования кирпича, насколько хорошо вы справились бы? Вы бы подумали вырезать из кирпича скульптуру? А как насчет того, чтобы использовать его как мел для тротуаров? [Изображение: Саймон Хукс]

Ученые-когнитивисты давно интересовались мыслительными процессами, которые приводят к творческим идеям (Simonton & Damian, 2013).Действительно, многие так называемые «тесты на креативность» на самом деле являются мерой мыслительных процессов, которые, как считается, лежат в основе творческого акта (Simonton, 2003b). Следующие две меры являются одними из самых известных.

Ссылка на обучение

Проверьте свои творческие способности, перейдя по этой ссылке, чтобы пройти один из пяти распространенных тестов на творчество.

Первый — это тест удаленных партнеров, или RAT, который был введен Медником (1962). Медник считал, что творческий процесс требует способности связывать идеи, которые концептуально рассматриваются очень далеко друг от друга.RAT состоит из пунктов, которые требуют от респондента идентифицировать слово, которое может быть связано с тремя довольно разными словами-стимулами. Например, какое слово может быть связано со словами «вдова, укус, обезьяна»? Ответ — паук (паук черная вдова, укус паука, обезьяна-паук). Этот конкретный вопрос относительно прост, другие гораздо сложнее, но он дает вам основную идею.

Вторая мера — это задание на необычное использование (Guilford, 1967; Torrance, 1974). Здесь участника просят создать альтернативные варианты использования общего объекта, например кирпича.Ответы можно оценивать по четырем параметрам: (а) беглость , , общее количество произведенных подходящих использований; (b) оригинальность , статистическая редкость данных видов использования; (c) гибкость , количество отдельных концептуальных категорий, подразумеваемых различными использованиями; и (d) переработка , количество деталей, предоставленных для созданных видов использования. Например, использование кирпича в качестве пресс-папье представляет собой другую концептуальную категорию, которая использует его объем для экономии воды в унитазе.Способность производить необычное использование — лишь один пример общей когнитивной способности задействовать дивергентное мышление (Guilford, 1967). В отличие от конвергентного мышления , которое сводится к единственному наилучшему ответу или решению, дивергентное мышление предлагает множество возможностей, которые могут сильно различаться по полезности.

К сожалению, с творчеством связано множество различных когнитивных процессов (Simonton & Damian, 2013). Вот почему мы не можем использовать единственное число; — творческий процесс — не существует.Тем не менее, у различных процессов есть одна общая черта: все они позволяют человеку «мыслить нестандартно», навязанное рутинным мышлением, — рисковать на территории, которую в противном случае проигнорировали бы (Simonton, 2011). Творчество требует, чтобы вы шли туда, куда не знаете, куда идете.

Повседневное общение: творчество

Доктор Том Стейтц, профессор биохимии и биофизики Йельского университета, посвятил свою карьеру изучению структуры и специфических аспектов молекул РНК и того, как их взаимодействия помогают производить антибиотики и предотвращать болезни.В результате своей целой жизни он получил Нобелевскую премию по химии в 2009 году. Он написал: «Оглядываясь назад на развитие и прогресс моей научной карьеры, я вспоминаю, насколько жизненно важно хорошее наставничество на ранних этапах карьерный рост и постоянные личные беседы, дискуссии и дискуссии с коллегами на всех этапах исследования. Выдающиеся открытия, идеи и разработки не происходят в вакууме »(Steitz, 2010, пункт 39). Из комментария Стейтца становится ясно, что творческий потенциал человека, несмотря на его индивидуальную силу, выигрывает от взаимодействия с другими.Вспомните время, когда ваше творчество возникло из-за разговора с другом или одноклассником. Как этот человек повлиял на вас и какую проблему вы решили творчески?

Глоссарий

аналитический интеллект: увязан с решением академических задач и вычислениями

конвергентное мышление : противоположность дивергентного мышления, способность сузиться до единственного «правильного» ответа или решения данного вопроса или проблемы (например,g., давая правильный ответ на тестах интеллекта)
творчество: способность генерировать, создавать или открывать новые идеи, решения и возможности

творческий интеллект: способность создавать новые продукты, идеи или изобретать новое, нестандартное решение проблемы

кристаллизованный интеллект: характеризуется приобретенными знаниями и способностью их извлекать

культурный интеллект: способность, с которой люди могут понимать представителей другой культуры и относиться к ним

дивергентное мышление : противоположность конвергентного мышления, способность исследовать несколько потенциальных ответов или решений на заданный вопрос или проблему (например,g., придумывая много разных вариантов использования одного и того же объекта)

эмоциональный интеллект: способность понимать эмоции и мотивации в себе и других

гибкий интеллект: способность видеть сложные отношения и решать проблемы

Теория множественного интеллекта: Теория Гарднера о том, что каждый человек обладает как минимум восемью типами интеллекта

практический интеллект: он же «уличный ум»

триархическая теория интеллекта: теория интеллекта Штернберга; три грани интеллекта: практический, творческий и аналитический

2015: ЧТО ВЫ ДУМАЕТЕ ОБ МАШИНАХ, КОТОРЫЕ ДУМАЮТ?

Рассмотрение мыслящих машин — хороший шаг вперед в дебатах об ИИ, поскольку он уходит от наших собственных забот, связанных с людьми, и продуктивно придает машинам инаковость.Это заставляет нас задуматься о системе координат другой сущности. Однако, что еще более важно, этот вопрос предполагает большое будущее возможностей для разведки. Могут быть «классические» неулучшенные люди, усовершенствованные люди (с ноотропами, носимыми устройствами, интерфейсами мозг-компьютер), неокортикальные симуляции, загруженные файлы разума, корпорации в виде цифровых абстракций и многие формы сгенерированного ИИ: сетки глубокого обучения, нейронные сети, машины обучающие кластеры, распределенные автономные организации на основе блокчейнов и машины сочувствия и сострадания.Мы должны рассматривать будущий мир как мир многовидового разума.

То, что мы называем человеческой функцией «мышления», может сильно отличаться от множества возможных будущих реализаций интеллекта. Происхождение разных видов машинного интеллекта обязательно будет отличаться от человеческого. У людей воплощение и эмоции как эвристика кратчайшего пути для реакции «бей или беги» и за ее пределами были важными элементами, влияющими на человеческое мышление. Машины не будут обладать наследием эволюционной биологии, когда ими движут приобретение ресурсов, получение статуса, выбор партнера и принятие группы, по крайней мере, таким же образом.Поэтому разные виды машинного мышления могут быть совершенно разными. Вместо того, чтобы спрашивать, могут ли машины мыслить, может быть более продуктивным перейти от структуры «мышления», которая спрашивает «кто думает, как», к миру «цифрового разума» с разным фоном, способами мышления и существования, а также разными системы ценностей и культуры.

Уже не только системы ИИ становятся более способными, но мы также начинаем понимать свойства и особенности собственной машинной культуры и машинной экономики, а также то, на что может быть похоже сосуществование человеческих и машинных систем.Некоторые примеры этих параллельных систем относятся к закону и личности. По закону существуют технологически обязательные контракты и юридически обязывающие контракты. У них разные парадигмы принуждения; неумолимое выполнение параметров в случае кода («код есть закон») и дискреционное соблюдение в случае контрактов с участием людей. Контракты кода хороши в том смысле, что их нельзя нарушить, но, с другой стороны, они будут выполняться монолитно, даже если позже условия изменились.

Другой пример — личность.Технологическая конструкция идентичности и социальная конструкция идентичности различны и имеют разные подразумеваемые социальные контракты. Социальный конструкт идентичности включает в себя свойство несовершенной человеческой памяти, которое допускает возможность прощения и забывания, а также искупления и переосмысления. Машинная память, однако, совершенна и может действовать как постоянный свидетель, никогда не прощающий и не забывающий, и всегда способный воспроизвести даже мельчайшие детали в любой будущий момент. Сами по себе технология имеет двойное назначение: она может быть использована для «добра» или «зла».«Совершенная машинная память становится тиранической только тогда, когда ее повторно импортируют в статические человеческие социальные системы, но она не должна быть ограничительной. Наличие этой новой« точки зрения четвертого лица »может быть благом для человеческого самоконтроля и повышения умственной деятельности.

Эти примеры показывают, что машинная культура, ценности, работа и способы существования уже различаются, и это подчеркивает необходимость в способах взаимодействия, которые облегчают и расширяют существование обеих сторон. Потенциальный будущий мир множественности интеллекта означает согласие с множественностью и построение доверия.Технология блокчейн, децентрализованная, распределенная, глобальная, постоянная, основанная на коде книга транзакций взаимодействия и смарт-контрактов, является одним из примеров системы построения доверия. Система может использоваться как между людьми, так и между видами, именно потому, что нет необходимости знать, доверять или понимать другую сущность, только код (язык машин).

Со временем доверие может расти за счет репутации. Технологию блокчейн можно использовать для обеспечения дружественного ИИ и взаимовыгодного межвидового взаимодействия.Это связано с тем, что в будущем возможно, что важные транзакции (такие как аутентификация личности и передача ресурсов) будут проводиться в интеллектуальных сетях, которые требуют подтверждения с помощью независимых механизмов консенсуса, так что выполняются только честные транзакции субъектов с хорошей репутацией. Хотя, возможно, это не полный ответ на проблему обеспечения дружественного ИИ, децентрализованные интеллектуальные сети, такие как блокчейны, представляют собой систему сдержек и противовесов, которая начинает обеспечивать более надежное решение ситуаций неопределенности в будущем.

Модели построения доверия для межвидового взаимодействия цифрового интеллекта могут включать как теоретико-игровые системы сдержек и противовесов, такие как блокчейны, так и на более высоком уровне структуры, которые помещают объекты в один уровень общих целей. Это более высокий уровень, чем смарт-контракты и договоры, направленные на соблюдение морали. Требуется изменение мышления. Проблемная структура машинного и человеческого интеллекта должна быть не такой, которая характеризует отношения как дружественные или недружественные, а скорее такой, которая относится ко всем сущностям одинаково, ставя их на одни и те же основания и систему ценностей для наиболее важных общих параметров, таких как рост.Что наиболее важно в мышлении для людей и машин, так это то, что мышление ведет к идеям, прогрессу и росту.

Мы хотим иметь возможность получать опыт, расти и вносить больший вклад как для людей, так и для машин, и того и другого в симбиозе и синтезе. Это можно представить как все сущности, существующие в спектре способности к индивидуализации (способности расти и реализовывать свой полный и расширяющийся потенциал). Продуктивному взаимодействию между разумными видами можно было бы способствовать, если бы они были выровнены в общую структуру спектра возможностей, которая способствует их цели роста и, возможно, взаимного роста.

Что мы должны думать о мыслящих машинах, так это то, что мы хотим быть в более тесном взаимодействии с ними, как количественно, так и рационально, и качественно в смысле расширения нашего внутреннего опыта самих себя и реальности, совместного продвижения вперед в огромном пространстве будущих возможностей интеллект.

примеров естественного интеллекта

Натуралистический интеллект — один из девяти множественных интеллектов исследователя Говарда Гарднера. Это особый интеллект, который показывает, насколько человек чувствителен к природе и миру.Люди, которые выделяются этим интеллектом, обычно интересуются выращиванием растений, уходом за животными или изучением животных или растений. Зоопарки, биологи, садовники и ветеринары относятся к числу тех, кого Гарднер считает обладающими высоким естественным интеллектом.

Фон

Спустя двадцать три года после своей основополагающей работы о множественном интеллекте Гарднер добавил натуралистический интеллект к своим первоначальным семи видам интеллекта в своей книге 2006 года «Множественный интеллект: новые горизонты теории и практики».«Ранее он изложил свою первоначальную теорию с семью идентифицированными типами интеллекта в своей работе 1983 года« Структуры разума: теория множественного интеллекта ». В обеих книгах Гарднер утверждал, что существуют лучшие — или, по крайней мере, альтернативные — способы измерения интеллекта, чем стандартные тесты IQ для учащихся как обычных, так и специальных учебных заведений.

Гарднер говорит, что все люди рождаются с одним или несколькими «интеллектами», такими как логико-математический, пространственный, телесно-кинестетический и даже музыкальный интеллект.По словам Гарднера, лучший способ проверить и развить этот интеллект — практиковать навыки в этих областях, а не проводить тесты с помощью бумаги и карандаша / онлайн.

Знаменитые люди с высоким естественным интеллектом

В Множественный интеллект Гарднер приводит примеры известных ученых с высоким естественным интеллектом, таких как:

Чарльз Дарвин: Самый известный в истории ученый-эволюционист, Дарвин предложил теорию эволюции посредством естественного отбора.Знаменитое путешествие Дарвина на HMS Beagle позволило ему изучать и собирать природные образцы со всего мира. Он опубликовал свое открытие в классической книге, объясняющей эволюцию, «Происхождение видов».
Александр фон Гумбольдт: Этот натуралист и исследователь XIX века был первым человеком, который предположил, что люди оказывают влияние на мир природы и вызывают изменение климата. Его заявление было сделано более 200 лет назад на основе наблюдений, которые он записал во время своих путешествий по Южной Америке.
E.O. Уилсон: Величайший натуралист в мире и отец социобиологии в 1990 году написал книгу «Муравьи» — одну из двух книг, за которые он получил Пулитцеровскую премию, — в которой объясняется, как эти насекомые создают социальные структуры, организации и иерархии. — черты, которыми когда-то считались только люди.
Джон Джеймс Аудобон: этот натуралист создал коллекцию картин «Птицы Америки», опубликованную в четырех томах с 1827 по 1838 год. Аудобон считается отцом движения за охрану природы и вдохновил миллионы людей отправиться в леса, озера и т. Д. горы в поисках редких птиц.

Использование естественного интеллекта в классе ELA

Возможно, лучший пример для использования в классе натуралистического интеллекта — это пример, предложенный поэтом Уильямом Вордсвортом. Вордсворт лучше всего резюмировал свой собственный натуралистический интеллект в своем стихотворении «Перевернутые таблицы», когда он побуждал читателя вставать с занятий и выходить на улицу. Прочитав стихотворение, учителя могли просто закончить урок, последовать совету Вордсворта и вывести класс на улицу! (разумеется, с разрешения администрации).

Две строфы подчеркивают энтузиазм Вордсворта по отношению к природе как учителю для всех:

СТАНЗА I:
«Вставай! Друг мой, и брось свои книги;
Или, конечно, ты вырастешь вдвое:
Вверх! тяжелый труд и неприятности? »
STANZA III:
«Выходи в свет вещей,
Пусть Природа будет твоим учителем».

Характеристики интеллекта натуралистов

Некоторые из характеристик этих студентов с естественным интеллектом включают:

Физически / эмоционально неблагоприятен для загрязнения
Сильный интерес к познанию природы
Драматический энтузиазм при контакте с природой
Способность к наблюдению за природой
Осведомленность об изменениях погоды

Гарднер отмечает, что «такие люди с высокой степенью естественного интеллекта хорошо знают, как различать различные растения, животных, горы или конфигурации облаков в своей экологической нише.»

Повышение интеллекта ученика-натуралиста

Учащиеся с естественным интеллектом заинтересованы в сохранении и переработке, увлекаются садоводством, как животные, любят бывать на улице, интересуются погодой и чувствуют связь с землей. Как учитель вы можете улучшить и усилить естественный интеллект своих учеников, если попросите их:

Посещение занятий вне помещения
Вести дневник природы, чтобы записывать изменения или открытия в природе
Иллюстрировать открытия в природе
Читайте книги и статьи о природе и окружающей среде
Пишите статьи о природе (стихи, рассказы, новостные статьи)
Проведение уроков о погоде и природе
Представление сценок о природе и велосипедах
Проведение исследований местной листвы

Учащиеся с естественным интеллектом могут предпринимать осознанные действия, как это предлагается в Стандартах социальных исследований, для сохранения окружающей среды.Они могут писать письма, обращаться к местным политикам с петициями или работать с другими над созданием зеленых насаждений в своих общинах.

Гарднер предлагает привнести то, что он называет «летней культурой», в остальную часть года — и в учебную среду. Отправляйте студентов на улицу, возьмите их в короткие походы, научите их наблюдать и определять растения и животных — и помогите им вернуться на природу. По словам Гарднера, это лучший способ повысить свой естественный интеллект.

Почему осьминоги такие умные?

Головоногих моллюсков нет.За редким исключением, большинство из них — одиночные животные, которые не прочь поедать друг друга при встрече. Даже те, кто плавают группами, как некоторые кальмары, не образуют глубоких социальных связей, как у шимпанзе или дельфинов. Головоногие также имеют тенденцию к быстрой жизни и гибели молодыми. У большинства из них продолжительность жизни короче двух лет, и многие умирают после первого приступа секса и деторождения.

Такое сочетание короткой жизни, одиночества и сообразительности уникально для головоногих моллюсков. А согласно недавней статье Пьеро Амодио из Кембриджского университета и пяти его коллег, все эти черты связаны с определенным развитием в эволюционной истории осьминога: его предки потеряли свои раковины.

Прочтите: Что экстази делает с осьминогами

Около 530 миллионов лет назад древняя группа моллюсков медленно превратила свои защитные раковины в средства плавучести, наполнив их газом. Благодаря этой трансформации им стало легче ходить по дну океана, а затем плавать по нему. Они были первыми головоногими моллюсками. В течение эонов они и их потомки хранили свои раковины.

Но примерно 275 миллионов лет назад все изменилось. Возможно, конкуренция со стороны быстрых мелководных рыб заставила головоногих моллюсков стать более проворными или загнала их в более глубокие воды, где плавучие раковины были бы помехой.По этим или, возможно, другим причинам предки осьминогов полностью лишились своих панцирей, в то время как предки кальмаров и каракатиц усвоили свои.